第1章 绪论 1
1.1数字图像处理在医学中的应用 2
1.1.1超声 2
1.1.2 X射线及X射线负片 3
1.1.3 X-CT 4
1.1.4磁共振成像 5
1.1.5显微图像分析测量系统 8
1.1.6电子内窥镜系统 8
1.1.7 PACS 9
1.1.8数字人体 10
1.2医学数字图像处理系统 11
1.3本书的主要内容 13
1.3.1医学图像成像机理和临床应用 13
1.3.2医学数字图像处理基础 13
1.3.3医学图像增强 14
1.3.4医学图像分割 14
1.3.5医学图像配准 15
1.3.6医学图像融合 15
1.3.7医学数字图像特征分析与提取 16
1.4医学数字图像处理要解决的问题 16
1.5医学数字图像处理的发展方向 17
1.6本章小结 17
第2章 医学图像成像机理和临床应用 18
2.1基本名词解释 19
2.2 X射线影像 19
2.3超声影像 23
2.4 CT影像 26
2.5 MRI影像 31
2.6核医学影像 33
2.6.1 PET医学影像 33
2.6.2 SPECT医学影像 35
2.6.3 fMRI医学影像 37
2.7分子影像学 38
2.8本章小结 40
第3章 医学数字图像处理基础 41
3.1图像的表示 41
3.1.1图像和图像处理 41
3.1.2数字图像的矩阵表示 42
3.2图像的数字化 46
3.2.1采样 46
3.2.2量化 47
3.2.3空间和灰度分辨率 47
3.3像素间的邻域和邻接 48
3.3.1邻域 48
3.3.2邻接 49
3.3.3连通性和距离 52
3.4图像灰度直方图及其运算 54
3.4.1灰度直方图 54
3.4.2灰度直方图的应用 56
3.4.3灰度直方图的均衡化 58
3.5基于像素的图像运算 63
3.5.1基于像素的灰度变换——点运算 63
3.5.2基于像素的图像代数运算 72
3.5.3基于像素的图像逻辑运算 75
3.5.4基于像素的图像几何运算 76
3.6本章小结 87
第4章 医学图像增强 88
4.1医学图像增强概述 88
4.2医学图像的空域增强 89
4.2.1空域增强 89
4.2.2空域平滑滤波器 93
4.2.3空域锐化滤波器 99
4.2.4基于多幅图像的平均方法 105
4.3医学图像的频域增强 106
4.3.1傅里叶变换及图像的频域特征 106
4.3.2频域增强 109
4.3.3频域平滑滤波器 111
4.3.4频域锐化滤波器 117
4.4本章小结 121
第5章 医学图像分割 122
5.1医学图像分割的概念 122
5.2基于阈值的分割方法 124
5.2.1基于阈值分割方法的定义 124
5.2.2简单直方图分割法 125
5.2.3最佳阈值分割法 126
5.2.4 OTSU算法 127
5.3基于边缘检测的分割方法 132
5.3.1图像边缘的定义 132
5.3.2图像边缘与导数（微分）的关系 134
5.3.3一阶微分锐化 136
5.3.4二阶微分锐化 141
5.3.5微分锐化的实现程序 145
5.4基于边界跟踪的分割方法 148
5.4.1边界连接 148
5.4.2边界跟踪的基本方法 149
5.4.3基于光栅跟踪的边界分割方法 150
5.5基于区域的分割方法 151
5.5.1区域生长 152
5.5.2区域分裂合并 155
5.6基于轮廓模型的分割方法 157
5.6.1 Snake模型 157
5.6.2传统Snake模型的离散形式 158
5.6.3 Snake模型初始轮廓的确定 159
5.6.4传统Snake模型举例计算 161
5.6.5传统Snake模型的缺点 164
5.6.6 GVF Snake模型 165
5.7基于数学形态学的分割方法 167
5.7.1数学形态学基本知识 167
5.7.2基本概念 169
5.7.3二值形态学 171
5.7.4灰度形态学 176
5.7.5灰度形态学梯度 177
5.8本章小结 178
第6章 医学图像配准 179
6.1序言 179
6.1.1医学图像配准的基本概念 179
6.1.2医学图像配准方法的分类 180
6.1.3医学图像配准的步骤 182
6.1.4医学图像配准的基本框架 183
6.2图像的基本变换 184
6.2.1刚体变换 186
6.2.2仿射变换 191
6.2.3投影变换 192
6.2.4非线性变换 193
6.3医学图像配准的一些关键问题 194
6.3.1医学图像配准的特征提取 194
6.3.2基于物理模型配准方法的改进 194
6.3.3结合图像分层和特征约束的策略 195
6.3.4应用智能优化方法 195
6.4基于角点检测的配准方法 195
6.4.1角点检测的概念 195
6.4.2 Harris角点检测的原理 197
6.4.3 Harris角点的性质 201
6.5基于SIFT的配准方法 202
6.5.1尺度空间极值检测 203
6.5.2关键点定位 205
6.5.3方向确定 206
6.5.4关键点描述 206
6.5.5特征点匹配 206
6.5.6剔除误配点 207
6.5.7基于SIFT算法的配准实验 207
6.6基于灰度的配准方法——力矩主轴法 212
6.6.1概述 212
6.6.2力矩主轴法 212
6.7医学图像配准的评估 213
6.8本章小结 215
第7章 医学图像融合 216
7.1序言 216
7.1.1医学图像融合的基本概念 216
7.1.2医学图像融合的分类 217
7.1.3融合优势 218
7.1.4图像融合方法的分类 219
7.2四种医学图像融合的融合现状 221
7.2.1 PET/CT融合技术 221
7.2.2 PET/MRI融合技术 222
7.2.3 SPECT/CT融合技术 223
7.2.4 SPECT/MRI融合技术 224
7.3像素级融合方法 225
7.3.1像素级融合概述 225
7.3.2基于空域的融合算法 225
7.3.3基于频域的融合算法 229
7.4特征级融合方法 238
7.4.1特征级融合概述 238
7.4.2主成分分析法 240
7.5决策级融合方法 241
7.6医学图像融合效果的评价 242
7.6.1基于信息量的评价 242
7.6.2基于统计特性的评价 244
7.6.3基于相关性的评价 245
7.6.4基于信噪比的评价 245
7.6.5基于梯度值的评价 246
7.7本章小结 247
第8章 医学数字图像特征分析与提取 248
8.1图像的几何形状特征 248
8.1.1常见的几何形状特征 248
8.1.2基于圆形度的几何形状特征 251
8.1.3基于形状描述子的几何形状特征 252
8.2基于灰度直方图的统计特征 254
8.3基于不变矩的形状特征 255
8.3.1 Hu七阶不变矩的解释 255
8.3.2连续状态下的不变矩 256
8.3.3离散状态下的不变矩 257
8.3.4 Hu七阶不变矩举例 258
8.4纹理特征 260
8.4.1基于灰度共生矩阵的纹理特征 260
8.4.2 Tamura纹理特征 263
8.4.3基于小波包的纹理特征 265
8.5特征提取实验结果及分析 266
8.6仿真实验程序 267
8.6.1提取几何特征程序 267
8.6.2提取统计特征程序 268
8.6.3提取七阶不变矩特征程序 270
8.6.4提取GLCM特征程序 271
8.6.5提取小波特征程序 280
8.6.6提取Tamura纹理特征程序 282
8.7本章小结 286
主要参考文献 287