圖像歸一化，為什么在醫(yī)學(xué)圖像處理中要進(jìn)行圖像灰度強(qiáng)度值的歸一化

來(lái)源：整理時(shí)間：2023-08-22 05:24:55 編輯：智能門戶手機(jī)版

本文目錄一覽

1，為什么在醫(yī)學(xué)圖像處理中要進(jìn)行圖像灰度強(qiáng)度值的歸一化
2，圖像灰度直方圖歸一化 matlab實(shí)現(xiàn)
3，opencv 圖像歸一化是什么
4，怎么進(jìn)行圖像的尺度平移歸一化
5，請(qǐng)教怎樣對(duì)圖像進(jìn)行亮度歸一化處理
6，經(jīng)?？吹轿恼吕飳懖捎脷w一化的rgb模型可以去除光照和陰影的影響

1，為什么在醫(yī)學(xué)圖像處理中要進(jìn)行圖像灰度強(qiáng)度值的歸一化

您好：不同的醫(yī)學(xué)成像因素造成相同性質(zhì)的組織在圖像灰度信息上的不一致?；叶葰w一化就是在保留具有診斷價(jià)值的灰度差異的同時(shí)，減小甚至消除圖像中灰度不一致而進(jìn)行的圖像轉(zhuǎn)換方法，以便計(jì)算機(jī)自動(dòng)分析處理。當(dāng)前常見的算法根據(jù)灰度轉(zhuǎn)換的依據(jù)分為基于直方圖的灰度歸一化以及基于圖像內(nèi)容特征的灰度歸一化兩大類。針對(duì)這兩類處理算法進(jìn)行了綜述。

為什么在醫(yī)學(xué)圖像處理中要進(jìn)行圖像灰度強(qiáng)度值的歸一化

2，圖像灰度直方圖歸一化 matlab實(shí)現(xiàn)

可能因?yàn)槟阕x入的是一張rgb三色的圖，需要在imread 后面加一行 rgb2gray 轉(zhuǎn)換成灰度圖，再做后面的歸一化。

因?yàn)橛?jì)算的是灰度直方圖，所以要先將彩色圖像轉(zhuǎn)化成灰度圖像才可以進(jìn)行處理，否則會(huì)出錯(cuò)

樓主直接用imhist就好了。。。。

沒(méi)有錯(cuò)啊，是不是圖像是rgb圖，需要先轉(zhuǎn)換成灰度圖試試

圖像灰度直方圖歸一化 matlab實(shí)現(xiàn)

3，opencv 圖像歸一化是什么

歸一化處理很簡(jiǎn)單，假設(shè)原圖像是8位灰度圖像，那么讀入的像素矩陣最大值為256，最小值為1 定義矩陣為I ，J＝I／256，就是歸一化的圖像矩陣，就是說(shuō)歸一化之后所有的像素值都在［0，1］區(qū)間內(nèi) 。opencv里有專門的函數(shù)做歸一化處理

//看著改改iplimage *pimgcvnamedwindow("0"); //創(chuàng)建顯示框cvshowimage("0",pimg); //顯示圖片

opencv 圖像歸一化是什么

4，怎么進(jìn)行圖像的尺度平移歸一化

歸一化就是概率歸1，以灰度圖為例，就是計(jì)算出各個(gè)灰度級(jí)所出現(xiàn)的概率，假設(shè)為P（k），計(jì)算之后求出累積概率設(shè)為Pi(k)，最后，建議映射，關(guān)系式是int((n-1)*Pi(k) + 1);

就是將目標(biāo)特征從背景中分割出來(lái)。醫(yī)學(xué)圖像分割，可以查看感興趣的區(qū)域，從而忽略不需要的區(qū)域的干擾。如看骨折，只需要將骨頭所表示的特征圖像（一般是一定會(huì)度值的一塊區(qū)域）從背景（如肌肉，另一種灰度值）分割出來(lái)，而其它的肌肉等則不顯示（為黑色）?？梢愿欣卺t(yī)生分析病情而減少誤判。

5，請(qǐng)教怎樣對(duì)圖像進(jìn)行亮度歸一化處理

如果你的“歸一化”指的是吧圖像每個(gè)像素點(diǎn)都變成同一個(gè)值，那么過(guò)程如下。cvCvtColor(src,dst,CV_BGR2HSV)，參數(shù)我記不太清楚了，大概就是這樣，意思是把BGR圖像src轉(zhuǎn)成HSV圖像dst。dst的三個(gè)通道里存的是H,S,V，H是色彩，S是飽和度，V是亮度。要灰度歸一化，只要把圖像dst的每個(gè)像素V改得一樣就行了。注意V的范圍是0-180，不能超過(guò)這個(gè)范圍。最后再把dst轉(zhuǎn)成能夠輸出到屏幕的BGR圖像，cvCvtColor(dst,dst2,CV_HSV2BGR)，這樣dst2就是歸一化之后的BGR圖像

6，經(jīng)?？吹轿恼吕飳懖捎脷w一化的rgb模型可以去除光照和陰影的影響

通過(guò)對(duì)圖像的RGB色彩空間進(jìn)行歸一化處理，在某些情況下是去除光照和陰影影響的一種簡(jiǎn)單和有效的方法。假設(shè)RGB代表原圖像某點(diǎn)的像素值，rgb表示歸一化之后的值，則 r = R / (R+G+B)；g = G / (R+G+B)；b = B / (R+G+B)；實(shí)現(xiàn)歸一化RGB的方法如下： //對(duì)輸入的原始RGB圖像獲取對(duì)應(yīng)的歸一化圖像 IplImage*NormalizeImage(IplImage *img) { 1、創(chuàng)建歸一化的圖像； IplImage* imgavg = cvCreateImage(cvGetSize(img),8, 3); 2、獲取圖像高度和寬度信息，設(shè)置epslon的目的是防止除0的操作產(chǎn)生； int width = img->width;int height = img->height;int redValue, greenValue, blueValue;double sum, epslon = 0.000001; 3、計(jì)算歸一化的結(jié)果，并替換掉原像素值； for (int y = 0; y < height; y++) {for (int x = 0; x < width; x++) { CvScalar src = cvGet2D(img, y, x);redValue = src.val[0];greenValue = src.val[1];blueValue = src.val[2];// 加上epslon，為了防止除以0的情況發(fā)生 sum = redValue + greenValue + blueValue + epslon;CvScalar des = cvScalar(redValue / sum * 255, greenValue / sum * 255, blueValue / sum * 255, src.val[4]);cvSet2D(imgavg, y, x, des); }} 4、返回歸一化后的圖像； return imgavg; } 注意：歸一化之后的圖像僅使用兩個(gè)字節(jié)便可以表示一個(gè)像素值， r = R/(R+G+B) g = G/(R+G+B) b = B/(R+G+B) b可以表示為：b = 1-R-G 物理上，這種變換方式從圖像上移除了光照的信息。