2.医学图像分割分类： 基于阈值的分割方法，基于边缘检测的分割方法，基于区域的分割方法
1、医学图像分割在临床中具有哪些应用？
1.用于感兴趣目标区域提取 2.用于目标病灶、器官和组织的尺寸、体积或容积的计算测量 3.用于医学图像的三维重建和可视化 4.用于目标分割后的图像数据收集，建立医学图像数据库
2、在阈值分割中，如何选取一个合适的阈值？
阈值分割法作为一种简单有效的图像分割方法被广泛应用在医学图像分割中，除直方图法、迭代法、大津阈值法外，还有最大熵法、矩量保持法、灰度共生矩阵方法等。在很多情况下，阈值的选择会综合运用两种或两种以上的方法，大家在对实际图像进行分割时，需要灵活加以应用。3、边缘点是如何检测的？利用一阶导数的极值和二阶导数的过零点来判断边缘点
4、不同检测算子各具有什么特点？
Sobel算子相对于Prewitt算子的边缘检测效果在噪声抑制上要更好，线条更流畅一些，一些支气管边缘信息能够被保留下来，但仍有断点和断线的存在，不过在信息的完整度上明显优于Prewitt算子的检测结果。 Kirsch算子对于图像中灰a6 a5 a4度的微小变化比较敏感，能同时检测8个方向的灰度变化，并取其中的最大值，是一种最佳适配的边缘检测算法 LoG算子:在Log算子中，高斯滤波器宽度o值的大小直接影像边缘检测的结果。σ值越大，噪声滤波效果越好，但同时也丢失了重要的边缘信息，影响了边缘检测器的性能。σ值越小，平滑不完全，留有太多的噪声。一般来说，使用大的o值会产生鲁棒边缘，小的o值产生精确定位的边缘，两者结合，能够检测出图象的最佳边缘。 Canny算子是最优的边缘检测算子，具有如下优势:①检测错误率低。基本所有边缘都能被找到，而且没有伪相应边缘②边缘定位准确。检测标记的边缘与真实边缘的中心距离最小③单-边缘响应。检测后的边缘仅返回一个点，形成单一的边缘线条上述优点使得Canny算子可以检测定位到一个相对“完美”边缘，线条单一流畅且准确。
基于阈值的分割方法的分类以及基本思想：
P-分位数法
（p-分位数法(也称p- tile法)是最古老的阈值选取方法之一。其基本思想是使医学图象中目标所占图像像素数的比例等于其先验概率p来设定阈值。）
双峰法**
它假设图像是由前景和背景组成,且灰度直方图呈现明显双峰结构:一个与目标相对应,另一个对应于背景。通过在双峰之间的最低谷处选 择阈值即可实现图像分割。单阈值，双阈值。
迭代法
迭代法基于最优逼近的思想,通过迭代的过程选择一个最佳阈值,实现图像的分割。
最大熵法
（基于最大熵原则进行阈值选择一直是最重要的阈值分割方法之一。这种方法的目的在于将图像的灰度直方图分成两个或多个独立的类, 使得各类熵的总量最大。 从信息论角度来说就是使这样选择的阈值能获得的信息量最大。根据最大熵原理进行图像阈值分割,人们通常的做法是选取一个阈值t,使 图像用这个阈值分割出的两部分的一阶灰度统计的信息量最大,即一维熵最大。）
矩量保持法 （保矩法或矩保持法(moment-preserving)）
（其基本思想是使阈值分割前后图像的矩保持不变。）
Ostu法（大津法）**
基本原理：将直方图在某一阈值处分割成两组，一组对应于背景,一组对应于目标。当被分成的两组物体组间方差最大时,得到最佳分割阈值。
7、基于区域的分割方法：区域生长法，分裂合并法
8、区域生长基本思想 ：P119
（掌握）最简单的区域生长法是从一个种子像素点出发,按照某种连通方式和规则来检查周围邻近的像素点，如果具有和种子像素点相似的 性质,就说明它们属于同一区域，这种算法有点类似于计算机图形学中的多边形种子填充算法。种子点的选取直接影响到分割的最终结果 。
9、分裂合并基本思想：
（掌握）如果图像中某一块的特征存在不均匀性时就将该块分裂成4个相等的区域,四叉树生长;当某一层的4个小块的特征具有某种一致性时候,则将它们合并成一个大块,四叉树剪切;当图像中各个区域都满足均匀性,进一步的分裂和合并都不可能,四叉树生长和剪枝过程结束 。
10、数学形态学操作及其特点：
膨胀：
膨胀是将图像中与目标物体接触的所有背景点合并到物体中的过程,结果是使目标增大、孔径缩小,可以增补目标中的空间,使其形成连通域。
腐蚀： 腐蚀具有使目标缩小、目标内孔增大以及消除外部孤立噪声的效果。
开运算：
开操作通过去除边缘处细小的凹陷不平达到平滑边缘的目的。作用：开运算具有消除图像中细小物体, 并在物体影响纤细处分离物体和平滑较大物体边界。
闭运算：
闭运算在过去除边缘上细小的凸起达到平滑边缘的目的。作用：闭运算具有填充物体影像内细小空间、连接邻近物体和平滑边界。
11、结构元素的概念：
结构元素是一个可以在图像上平移且尺寸比图像小的集合。
