MATLAB 三维图像处理

您需要知道的三件事

什么是三维图像处理?

三维图像处理是指通过几何变换、滤波、图像分割和其他形态学运算,对三维图像数据进行可视化、处理和分析。

三维图像处理常用于医学成像中,对来自 MRI 或 CT 扫描等射线照相来源的 DICOM 或 NIfTI 图像进行分析。还可以在显微镜检查中使用三维图像处理技术,以检测和分析组织标本或跟踪神经元。 

Medviso 工程师使用 MATLAB 为全世界的临床医生开发产品级心血管分析软件。

除医学成像以外,还可以使用三维图像处理技术处理行李的安全扫描,或分析材料的扫描结果以了解其结构。 其他应用领域包括消费类电子产品的视频活动识别或防御系统的空中监视。

三维图像处理技术

在处理三维图像数据时,有很多技术可以使用。要采用哪种技术,根据您打算完成的任务(包括导入、可视化、处理和分析数据)而异。

此图表展示了三维图像处理工作流程的主要环节。

图像导入和可视化

三维图像数据可能来自各种设备和文件格式。为了高效地导入并可视化三维图像,必须对图像的底层数据和元数据有访问权。

您可以使用多种方法可视化三维图像,具体取决于您想要观察的细节。在某些应用情景中,您可能想将三维数据可视化为再现容积。

查看三维螺旋的再现容积。 

在其他应用情景中,您可能想将三维数据显示为三维坐标系内的二维平面。

以二维切片的形式查看三维体。

图像滤波和增强

三维图像通常包含不需要的噪声,会掩盖或削弱您感兴趣的立体特征。应用图像滤波器、正常化图像对比度或执行形态学运算,是几种常用的三维图像去噪技术。

图像配准

在处理三维图像数据集时,图像通常是从不同的设备或在设备移动时拍摄,从而可能因旋转、倾斜和缩放比例的差异而造成未对准。使用三维几何变换和图像配准技术,可以消除或缩小这种未对准。

配准多模医学图像

图像分割

在分析立体或三维图像时,您可能想隔离特定区域,只对感兴趣的区域执行计算。例如,如果您想计算一个盒子内某只瓶子的容积,您可以使用图像分割,将盒子三维图像中的瓶子与其他结构分离开来。

MATLAB 三维图像处理

MATLAB 提供了交互式应用程序和函数来帮助加快三维图像处理工作流程。浏览以下示例,了解更多关于使用 MATLAB 完成您的三维图像处理任务的信息。

导入三维图像数据

利用 MATLAB,您能够使用交互式应用程序或内置函数,从各种文件格式(如 TIFF、DICOM 或 NIfTI)导入三维图像数据。

使用 DICOM Browser 应用程序浏览 DICOM 文件集合。

可视化立体数据

MATLAB 让您能够可视化和浏览已标注或未标注的三维图像数据。

通过 Volume Viewer 应用程序,您可以查看三维体数据或已标注的三维体数据并与之交互。   

配准来自不同形态的三维图像

MATLAB 支持来自各种成像设备的图像,并提供内置图像配准工作流程来整合它们。

示例展示如何使用基于光强的配准来自动对齐两个立体数据集。 

图像滤波和增强操作

利用 MATLAB,您可以使用各种图像滤波技术(如高斯滤波、盒滤波或图像形态学)减少噪声或增强图像。

示例展示如何使用高斯滤波来平滑人脑的 MRI 图像。

分割三维数据的各组成部分

MATLAB 提供交互式应用程序和内置函数,可帮助您自动执行三维图像分割例程。

示例展示如何使用主动轮廓(蛇形算法)执行三维分割。使用 Image Segmenter 应用程序交互式地分割立体的二维切片,为主动轮廓算法创建一个起点。

使用深度学习进行三维图像处理

三维图像处理的深度学习方法可能涉及使用卷积神经网络和语义分割来自动学习、检测和标注三维图像中的相关特征。

示例展示如何使用 MATLAB 训练三维 U-Net 网络并执行三维图像中脑肿瘤的语义分割。