Demons算法胸片图像自动配准算法的初步研究(4)
图2.1同一病人在不同时期的胸片图像，(a)图为参考图像，(b)图为目标图像。
本课题所有的编程与实验均在Matlab 2012b版本上运行，硬件环境为：32位Windows 7操作系统，内存3.16G可用，I5处理器，CPU主频2.50GHz.
2.2图像预处理
在采集胸片图像的过程中，图像的传送和转换造成图像某些方面的品质有所下降，并且设备中各电子器件会出现随机扰动，不可避免地也会带来噪声，这些都会影响到图像配准的效果。因此，需要采取适当的方法对图像进行预处理，从而达到抑制噪声，增强图像特征，提高信噪比的效果。
本文采用的图像预处理方法分为：增强、去噪、分割三项内容，总体描述如图2所示。首先，对图像进行剪切和初始增强；其次，对图像进行噪声去除；再次，对图像进行二次增强处理；最后通过阈值分割获得预处理结果。
图2.2 本文预处理使用的流程。(C)属于图像去噪部分；
(B,D)属于图像增强部分；(A,E)属于图像分割部分。
2.2.1图像初始增强
根据图2.1中胸片原始图像可见，除去肺叶图片中仍有很多无用信息，导致图片过大；并且在灰度域上狭窄，导致图片对比度很低不利于观察和使用，因此我们使用图2.2中的(a)步骤对图像进行剪切，去除肺部区域外围多余的图像范围，并通过(b)步骤进行灰度域拉伸。灰度拉伸就是将灰度从较小范围拉伸到整个灰度范围，增强对比度，如图2.3所示是灰度拉伸前后的图像展示，图2.4是拉伸前后的灰度频域展示。从直方图和图像对比可以看出，频域拉伸有较好的增强效果，突出了图像特症。