图像分析：阶段总结

对医学图片的去噪处理的总结。

• 1。基本上对于图片的处理，即处理图片的在图片的像数上的值大小，也即是转化成灰度图的值的大小，灰度值0-255之间，可以通过对灰度值的改变，以修改图片。
• 2。基于连通域的算法，连通域里面有一个很重要的概念就是阈值，阈值的选择非常关键，主要是本项目每个图片里面的目标灰度值与噪声灰度值差别不大，并且有些地方带粘连，连通域求解之后会站在一起，无法获取目标的准确连通域，另外一个地方是每个图片的目标灰度值差别稍微有点大，所有针对不同的图片，需要不同的阈值才能获取较好的效果。
• 3。求解了连通域了之后，因为存在2中所说的问题，有一定的算法可以降低误差，可以使用腐蚀膨胀，以及形态性操作，但是迭代次数高之后，效果任然不是很理想，只是提高了一定的实验准确度。
• 4。确定那个连通域代表的是目标图像，因为连通域确定的是二值化的像数位置图，需要对原图进行裁剪，获取目标，有可能存在最大的连通域表征并不是目标，因此必须找出那个连通域才是目标的表征。
• 5。根据连通域确定目标并裁剪，有两种方式获取一个去噪的目标图像，一种是直接根据连通域的表征图，取最小长方形，以长方形的四个点坐标直接裁剪原图像，这种取法求得的图形对原图像的变化最小，并没有增加额外的噪声，但是可能存在并没有把噪声排除，即有可能噪声在裁剪的长方形里面，另外的是根据0、1的连通域。直接画在一张灰度全是255的跟原图一样大像数的图上，两张图形求&，这种方案，虽然结果最精确，但是增加了连通域的边界锯齿影响，而且非常严重，经过试验，在取得连通域之后或者取连通域之前，经过高斯滤波或者双边滤波能较好的解决，但是这样会增加连通域对目标的影响，即阈值的选择非常关键，如果每张图片的目标灰度值差别有点大，不变的阈值结果会很差。

仅作参考，不足之处，多多指教。