论文部分内容阅读
医学图像处理对于医生的诊断治疗有着重要作用,医院里许多疾病的检查都要通过拍CT.图像进行,包括肺病的检查,而肺癌的发病率以每年0.5%的速度增长,也是世界上发病率和死亡率最高的恶性肿瘤,这些疾病的治疗也要依靠拍摄的CT图像。医生长时间观察大量的CT图像,难免产生视觉疲劳,并且一些细小的病变难以用肉眼观察到,因此通过计算机进行医学肺部CT图像的处理就显得极为重要。图像边缘检测是图像分割、融合以及三维重建的前提,是图像处理的重要环节,有助于提高医生的诊断效率。针对以往常见的图像边缘检测方法检测精度不高或抗噪性能不好等方面问题,本文实现了经典的边缘检测算法,在研究了小波变换和数学形态学边缘检测算法的基础上,提出了边缘检测的两种改进方法,并将改进的算法通过CCS软件编程,在DSP硬件上实现。针对课题研究的小波变换联合数学形态学的图像边缘检测,本文做的主要工作如下：(1)对常用的边缘检测算法进行了学习,如经典的边缘检测算法、基于小波变换的边缘检测算法和基于数学形态学的边缘检测算法,并对算法分别进行了MATLAB仿真实验；(2)在研究了基于小波变换和数学形态学的图像边缘检测算法的前提下,提出了边缘检测的两种改进方法,一种是小波阈值去噪联合数学形态学边缘检测算法,另一种是改进的形态学边缘检测算法,并将两种算法分别在MATLAB上进行了仿真,实验结果表明改进的算法能够检测到清晰度更高,抗噪性能更好的边缘,同时验证了改进算法的有效性和可行性。(3)将改进的边缘检测算法在DSP硬件上实现。硬件系统采用以TMS320DM6446微处理为核心的视频图像硬件开发平台,并在软件CCS(Code Composer Studio)开发环境下编程实现图像边缘检测算法,实验结果通过CCS的图形显示窗口显示,以验证算法在硬件设备上的实现效果和算法的可行性。