智能医学图像处理

贾媛媛

目录

  • 1 课程简介
    • 1.1 课程简介
  • 2 医学图像基础
    • 2.1 数字图像处理的应用领域
    • 2.2 数字图像处理基础
    • 2.3 医学图像
      • 2.3.1 医学图像的组成
      • 2.3.2 医学图像的存储格式
      • 2.3.3 医学图像获取
    • 2.4 医学图像质量
      • 2.4.1 取样与量化
      • 2.4.2 数字图像的质量
      • 2.4.3 像素间的基本关系
  • 3 医学图像增强
    • 3.1 基于点运算的图像增强
      • 3.1.1 基于线性函数的点运算
      • 3.1.2 基于非线性函数的点运算
    • 3.2 CT图像的开窗显示法
    • 3.3 直方图操作
      • 3.3.1 直方图均衡化
      • 3.3.2 直方图匹配
    • 3.4 空间滤波
      • 3.4.1 平滑滤波
      • 3.4.2 中值滤波
      • 3.4.3 图像锐化
  • 4 医学图像分割
    • 4.1 边缘检测
      • 4.1.1 边缘检测数学基础
      • 4.1.2 一阶梯度算子
      • 4.1.3 二阶梯度算子
      • 4.1.4 知识点总结
    • 4.2 阈值分割
    • 4.3 基于区域的图像分割
      • 4.3.1 区域增长
      • 4.3.2 区域分裂与合并
      • 4.3.3 知识点总结
  • 5 医学图像形态学操作
    • 5.1 形态学概述
    • 5.2 形态学基本操作
    • 5.3 形态学应用
  • 6 医学图像频率域操作
    • 6.1 傅里叶变换
    • 6.2 频率域滤波器
  • 7 彩色图像处理
    • 7.1 彩色空间模型
    • 7.2 彩色图像增强
  • 8 医学图像特征提取
    • 8.1 特征定义
    • 8.2 灰度特征
    • 8.3 投影
    • 8.4 旋转不变特征
    • 8.5 不变矩
  • 9 Python实验一——图像的读取与显示
    • 9.1 scikit-image
    • 9.2 PIL（Pillow）
    • 9.3 OpenCV
    • 9.4 matplotlib
    • 9.5 pydicom
    • 9.6 nibabel
    • 9.7 实验点评
  • 10 Python实验二——图像采样与量化
    • 10.1 采样
      • 10.1.1 matplotlib——imshow
      • 10.1.2 PIL——resize
      • 10.1.3 skimage.transform——rescale
      • 10.1.4 opencv——resize
    • 10.2 量化
      • 10.2.1 PIL.image——convert
    • 10.3 实验点评
  • 11 Python实验三-图像的基本运算
    • 11.1 crop
    • 11.2 transpose
    • 11.3 rotate
    • 11.4 draw.ellipse
    • 11.5 draw.text
    • 11.6 ImageStat
    • 11.7 split和merge
    • 11.8 thumbnail
    • 11.9 paste
    • 11.10 加减乘等基本操作
  • 12 Python实验四-基于点运算的图像增强
    • 12.1 对数变换与幂律变换
    • 12.2 利用分段函数进行对比度拉伸
    • 12.3 PIL的ImageEnhance模块
    • 12.4 skimage中的exposure
    • 12.5 实验点评
  • 13 Python实验五-基于直方图操作的图像增强
    • 13.1 基于exposure的图像直方图显示与累计直方图显示
    • 13.2 基于exposure的图像全局直方图均衡化和局部（自适应）直方图均衡化
    • 13.3 基于exposure的图像直方图匹配。
    • 13.4 利用matplotlab显示图像的直方图
    • 13.5 实验点评
  • 14 python实验六-基于空间滤波的图像增强
    • 14.1 基于PIL的ImageFilter.Blur的均值滤波
    • 14.2 基于PIL的ImageFilter.Kernel的均值滤波
    • 14.3 基于PIL的ImageFilter.GaussianBlur的高斯滤波
    • 14.4 基于PIL的ImageFilter.MedianFilter的中值滤波
    • 14.5 基于PIL的最大值滤波器和最小值滤波器
    • 14.6 基于skimage.util的噪声添加
    • 14.7 实验点评
  • 15 Python实验七-基于边缘检测的图像分割
    • 15.1 scipy.signal的convolve2d()函数
    • 15.2 基于skimage的边缘检测
    • 15.3 Scipy ndimage模块
    • 15.4 基于opencv（cv2）的边缘检测
    • 15.5 图像锐化
  • 16 Python实验八-基于阈值的图像分割
    • 16.1 基本阈值分割
    • 16.2 OTSU算法
    • 16.3 自适应阈值分割
  • 17 Python实验九-基于区域的图像分割方法
    • 17.1 基于SimpleITK模块的区域生长算法
    • 17.2 基于聚类的图像分割
    • 17.3 基于活动轮廓模型的图像分割
    • 17.4 GrabCut图像分割算法
  • 18 Python实验十-形态学操作
    • 18.1 scikit-image
    • 18.2 opencv
    • 18.3 实验点评
  • 19 python实验十一-图像频率域操作
    • 19.1 基于numpy的快速傅里叶变换
    • 19.2 基于opencv的傅里叶变换
    • 19.3 实验点评
  • 20 python实验十二-彩色模型空间
    • 20.1 基于opencv的颜色空间的转换
    • 20.2 彩色图像的增强
数字图像处理的应用领域