论文部分内容阅读
为测试溶栓药物效果, 设计实验如下: 不损伤仓鼠硬脑膜情况下开颅, 使用红外激光灼伤仓鼠脑部, 形成微白血栓, 溶入溶栓药物, 利用特制微循环观察设备取得仓鼠脑部微循环图象, 然后利用图象卡采集变成数字化图象, 送入计算机处理.rn由于获取的图象质量很差, 而实验要求从图象处理的角度给出一个可测的指标, 直观的反应血栓在溶栓过程中的变化状况. 因而通过仔细观察灰度图象的直方图, 发现: 图象中存在比较明显的双峰现象, 也就是说图象中血液部分灰度和血栓部分灰度分别集中于二个灰度值附近, 在这二个峰值附近存在明显的分界谷底灰度. 基于以上观察, 采用图象切割和模式识别的方法来将这二种灰度区分开来. 首先将包含血栓的血管用人工辅助的方法单独切割出来, 然后用算法来自动寻找最佳分界点. 可以认为, 在分界点位置成的二类灰度集合的均方差是最小的, 这个分界点也就是血栓和血液之间的最优灰度分界点, 然后以这个分界点灰度为阈值进行二值化量化处理, 将灰度图象分成二类后, 以分类等到的血栓面积占切割区域的面积百分比做为衡量标准.rn针对以上算法, 我们采用了Windows95平台下有Visual C++5.0编程语言设计了一个完整的图象处理平台, 并针对这个功能设计了一个单独的子程序, 添加了图象切割工具箱, 完成了多种图象切割功能; 自己设计完成了通用图象处理库, 设计了一个单独的血栓测量动态连接函数. 在图象处理过程中, 选用了五点十字中值滤波、低通Laplace滤波、图象直方图增强方法消除图象噪声. 然后利用上述算法寻找到了最佳分类点, 并成功地进行分类, 最后的测试结果以对话框报表形式输出.rn针对多幅原始图象进行测试, 表明: 这种测量方法可以明显的降低噪声影响, 准确的切割图象, 寻找到最优分类点, 并成功的量化输出测试结果, 是一种有效的微白血栓测量方法.rn