前言:本程序是我去年实现论文算法时所做。主要功能为标记切割肝脏区域。时间有点久,很多细节已经模糊加上代码做了很多注释,因此在博客中不再详述。
NOTE: 程序分几大段功能模块,仔细阅读,对解决医学图像还是有一定的借鉴意义
想借鉴本文的一定要仔细阅读代码和注释,中间有人机交互部分,空跑会抛异常
.dcm数据,有兴趣的可以下载,实测一下代码。dcm数据下载地址:
Linux公社资源站下载:
------------------------------------------分割线------------------------------------------
具体下载目录在 /2016年资料/12月/18日/Matlab 高斯_拉普拉斯滤波器处理医学图像/
------------------------------------------分割线------------------------------------------
clc,clear img_1=dicomread('10011.dcm');%读取dcm文件 (所谓的灰度值) metadata=dicominfo('10011.dcm');%获取dcm文件的信息 % figure % imagesc(img_1); % imshow(uint8(img_1)); Hu0=(int16(img_1)*1+(-1024)); %文档中的第二步,转为CT值的那个。 %% 窗宽窗位设置:c 窗位 w 窗宽 这个是按照你给的公式写的 Hu=double(Hu0);%此时有正负。转双精度的CT值。 gm=255; c=60; w=100; Gv=0.*(Hu<c-w/2)+(gm/w)*(Hu+(w/2)-c).*(c-w/2<=Hu&Hu<=c+w/2)+gm.*(Hu>c+w/2);%Gv为显示灰度。 figure imshow(uint8(Gv)); title('加窗') %% 一次CTRL+T %% 拉普拉斯高斯滤波 (有库函数) %这个是整体区域。 img_gray=uint8(Gv); hsize=10;%滤波模板大小。自己可以修改 sigma=0.4; %滤波系数sigma 自己修改会得到不同的效果图 h = fspecial('log', hsize, sigma); %构造拉普拉斯_高斯滤波器,'log'是这个滤波器的标志 img_filter0=double(imfilter(Hu0, h)); %调用matlab中的imfilter函数 ,进行滤波。其中img_gray为要过滤的图像,h为滤波器。 figure img_filter=uint8(img_filter0); imshow((img_filter));%显示图像 title('拉普拉斯高斯滤波') %% %% 自作ROI区域 利用ginput函数标出点,然后包围所标区域。%%对滤波变换后进行抠图 figure imshow(img_filter);%%此处为img_filter 就是对滤波后抠图,此处为img_gray就是对为滤波的灰度图进行抠图。 title('加窗图抠图') hold on x=[];y=[]; n=0; while(1) [xtemp,ytemp,button]=ginput(1); plot(xtemp,ytemp,'r*'); x=[x xtemp]; y=[y ytemp]; n=n+1; % text(xtemp+0.1,ytemp,int2str(n)); if(button==32) %button=32表示 当你点点完了。你就按空格,退出点点的状态。 break end end line(x,y);%x y连线 % hold off t=1:n; tt=1:0.1:n; xx=spline(t,x,tt); %因为手点 点数不够多,不够精确,需要插值 spline为插值函数 yy=spline(t,y,tt); plot(xx,yy,'b:'); BW = roipoly(img_filter,xx,yy); %roipoly为抠图函数。以img_filiter为基础。xx yy为轮廓。包围的区域扣出来 figure, imshow(BW) %返回的是一个二值图像BW。就是一张黑白图。扣除的地方为1.其他地方均为0; title('轮廓图') %% 下面返回 被扣的地方的图像。 就是图上只有被扣除的东西 figure img_last=BW.*(double(img_filter));%原理是这样:BW为 1 0的二值图,被扣的地方是兴趣区域都是1.这时 %与原图像进行.* ,除了为1的地方返回灰度值*1,其他地方都返回灰度值*0。 img_last1=uint8(img_last);%转为uint8格式。不然显示不了 img_last1(img_last1==0)=NaN;% 调整背景。 % figure subplot(221) imshow(img_last1)%显示最后的图像 title('轮廓返回图') %% %你需要的兴趣区域的数据如下: 。它的特点就是 兴趣区域为原图的CT值,非兴趣区域全是0;matlab图像是矩阵。所以必须是规则的。 %所以 要有0 来填充。 final_CT=BW.*(Hu);%%你要是要用 最后的抠图的CT值。这个就是。 %%论文中 有这么一句话:the mean gray-level intensity (m) and uniformity (u) %%指的是平均灰度强度和均一性。实质求的是ROI区域的灰度值,和灰度值的均一性; %% l是灰度值, p(l)是l灰度值出现的概率。 %% 先给图像加窗 转为灰度值Gv——>拉普拉斯高斯滤波——>抠图——>求抠图地方的灰度平均值m、均一性值n %% 那个gui是演示用的。是在没滤波的基础上进行的抠图。没有关系。因为数据在这产生。 %% img_last1 的最后数据。就是 抠出得图。周围用 0填充的。所以周围为黑色。 [p,q]=size(img_last1); RGB=zeros(p,q); img_B=cat(3,RGB,RGB,img_last1);%实质就是讲RGB R=0,G=0,B=灰度值。下面类似。 subplot(222) imshow(img_B); title('B') img_G=cat(3,RGB,img_last1,RGB); subplot(223) imshow(img_G); title('G') img_R=cat(3,img_last1,RGB,RGB); subplot(224) imshow(img_R); title('R') %% ROI 区域均值求取。 img_mean; img_sum=sum(img_last1(:));%求出所有元素总和。填充区域为0 。不影响。 N=numel(find(BW==1));%BW中有1的地方 就是有灰度的地方。所以BW中1 的多少,就是灰度的总数。 img_mean=img_sum/N;
大致的结果图如下: