基于迭代法的医学图像分割系统

资 源 简 介

本项目实现了一种经典的医学图像背景与目标分割算法，即基于迭代寻优的动态阈值选择算法。该程序专门为医学图像处理初学者设计，旨在通过简洁的代码结构展示如何从复杂的灰度背景中提取特定的解剖结构或病灶区域。核心功能包括：首先对输入的医学影像进行灰度化与预处理；随后系统自动计算图像的最大与最小灰度值，并以此为基础设定初始全局阈值；在迭代核心模块中，程序将像素自动划分为目标组与背景组，通过反复计算两组像素的平均灰度值并更新阈值，直至两次连续迭代产生的阈值差异小于预设的收敛条件（如0.5或更小）；最后利用计算得到的最佳

详 情 说 明

基于迭代法的医学图像分割算法系统

项目介绍

本项目实现了一种经典的医学图像背景与目标分割算法，即基于迭代寻优的动态阈值选择算法。该系统旨在通过自动化迭代过程，从复杂的医学灰度背景中精准提取特定的解剖结构或病灶区域。该方法在处理具有明显双峰特征的影像（如骨骼X光、高对比度CT切片等）时，表现出极高的鲁棒性和准确性。

功能特性

1. 自动阈值计算：系统无需人工干预，通过迭代逻辑自动寻找图像的最佳分割点。
2. 模拟影像生成：内置模拟CT切片生成功能，包含背景噪声、软组织区域及高对比度病灶，确保系统在无外部输入时也可演示。
3. 动态收敛机制：采用高精度收敛条件，确保算法在满足预设容差或达到安全迭代上限后自动停止。
4. 全方位可视化反馈：提供原始图像、灰度直方图分布（含阈值指示）、二值化结果以及目标轮廓叠加图。
5. 结果自动导出：算法执行完毕后，系统会自动保存分割后的掩码图像。

实现逻辑详述

系统的核心逻辑严格遵循以下处理流程：

1. 影像数据初始化

系统首先创建一个256x256的模拟医学影像。通过meshgrid生成坐标系，利用正态分布函数模拟背景噪声（低灰度）、软组织（中灰度圆形区域）以及骨骼或病灶（高灰度中心区域），以此模拟真实的医学影像对比度。

1. 预处理阶段

系统对输入图像进行维度检查，若是RGB图像则将其转换为灰度图。随后将图像矩阵转换为浮点型（double），以确保后续均值计算与阈值更新的数值精度。

1. 迭代参数设定

系统计算图像中全体像素的最大灰度值(zMax)与最小灰度值(zMin)，并将两者的算术平均值设为初始全局阈值。同时设定收敛容差 epsilon（0.1）和最大迭代次数限制（100次），以平衡计算精度和效率。

1. 核心迭代算法（核心模块）

系统进入循环迭代阶段，具体步骤如下：

• 像素划分：根据当前的阈值T，将全图像素自动划分为目标组（灰度值大于等于T）和背景组（灰度值小于T）。
• 均值计算：分别计算两组像素的平均灰度值。如果某一组像素为空，则将其均值计为0，以保证逻辑健壮性。
• 阈值更新：计算两组平均值的算术平均作为新的阈值T_new。
• 收敛判定：比较新旧阈值的绝对偏差。若偏差小于预设的epsilon，或达到迭代上限，则终止循环并锁定最终阈值；否则继续下一轮迭代。

1. 二值化处理与结果输出

利用最终获得的最优阈值对原图进行二值化处理，生成分割掩码。控制台会实时输出初始灰度范围、总迭代次数以及计算得到的精确阈值。

关键可视化组件说明

系统生成一个综合展示窗口，包含以下四个子图：

• 原始医学图像：展示待处理的初始灰度分布。
• 灰度直方图分布：绘制图像的灰度频率分布，并通过红色虚线在横轴上标示出系统自动寻优得到的最佳阈值。
• 迭代法二值化分割结果：直观展示算法提取出的目标区域（纯黑白图）。
• 原始图像与目标轮廓叠加：将提取的目标轮廓以红色曲线形式覆盖于原图之上，方便评估分割效果的边缘对齐度。

系统要求

• 运行环境：MATLAB R2016b 或更高版本。
• 依赖工具箱：Image Processing Toolbox（图像处理工具箱）。
• 硬件要求：普通PC即可流畅运行，支持标准医学影像格式（JPG, PNG, TIF, DICOM等）的读取。