学习笔记11.18

一、窗宽与窗位
CT能识别人体内2000个不同灰阶的密度差别。而人的眼睛却只能分辨16 个灰阶度。因此，人眼在CT图像上能分辨的CT值应为125 Hu ( 2000 / 16 ）。换句话说，人体内不同组织CT 值只有相差125Hu 以上，才能为人眼所识别。人体软组织CT值多变化在20 - 50 Hu之间，人眼就无法识别。为此，必须进行分段观察，才能使CT 的优点反映出来。观察的CT 值范围，人们称之为窗宽 ；观察的中心CT值即为窗位或窗中心。
（一）窗宽指CT图像所显示的CT 值范围。
在此CT值范围内的组织结构按其密度高低从白到黑分为16 个灰阶以供观察对比。例如，窗宽选定为100 Hu ，则人眼可分辨的CT值为100 / 16 =6 . 25 Hu ，即2 种组织CT值相差在6 . 25Hu以上者即可为人眼所识别。因此，窗宽的宽窄直接影响图像的清晰度与对比度。如果使用窄的窗宽，则显示的CT 值范围小，每一灰阶代表的CT 值幅度小，对比度强，适于观察密度接近的组织结构（如脑组织）。反之，如果使用宽的窗宽，则显示的CT值范围大，每一灰阶代表的CT 值幅度大，则图像对比度差，但密度均匀，适于观察密度差别大的结构（如骨与软组织）。
（二）窗位（窗中心）指窗宽范围内均值或中心值。
比如一幅CT图像，窗宽为100Hu，窗位选在0Hu；则以窗位为中心（0Hu），向上包括+50Hu，向下包括-50Hu，凡是在这个100Hu 范围内的组织均可显示出来并为人眼所识别。凡是大于+50Hu 的组织均为白色；凡是小子-50Hu 的组织均为黑色，其密度差异无法显示。人眼只能识别土50Hu 范围内的CT 值，每一个灰阶的CT 值范围是100 / 16＝6 . 25 Hu 。
原则上说窗位应该等于或接近需要观察的CT 值；窗宽应能反映该组织或病变的CT 值变化范围。
二、图像处理中的mask(掩膜)
https://blog.youkuaiyun.com/weixin_41010198/article/details/89309359
三、Bounding Box
https://www.cnblogs.com/liuboblog/p/11735618.html
四、灰度图片（mxn）vs彩色图片
size查看,彩色就转
五、特征提取与匹配
1siftDemoV4
六、图解医学影像纹理特征
https://blog.youkuaiyun.com/goodljq/article/details/117077381
七、影像组学特征
影像组学特征可以分为：形状特征，一阶直方图特征，二阶直方图或纹理特征。还有一些获取于特定图像的影像组学特征（如PET中的SUV度量），以及仅适用于多模式数据集的分形和融合特征。
1、形态特征：包括描述ROI大小的特征，例如体积、表面积、二维和三维的最大直径以及有效直径（与ROI具有相同体积的球体直径），以及描述ROI与球体的相似程度的特征，如表面体积比、致密度、偏心度、球形度等。（简单来讲，就是几何形态上的特征，就和我们计算的体积具有相同意义的特征）
2、一阶直方图特征（统计学特征）：描述与ROI内的体素强度分布有关的特征，不包含它们之间相互的空间作用，可通过直方图分析计算得到，包括均数、中位数、最小值、最大值、标准差、偏度和峰度。这些特征可反应所测体素的对称性、均匀性以及局部强度分布变化。（简单来讲就是统计上可以计算出的图像灰度值存在的特征）
3、二阶直方图特征或纹理特征（统计学特征）：是描述体素空间分布强度等级的特征。图像纹理是指在强度水平可感知或可测量的空间变化，它被视为一个灰度级，是一种视觉感知的图像局部特征的综合。二阶特征包括：灰度共生矩阵（gray level co-occurrence matrix，GLCM）、灰度级长矩阵（gray level run-length matrix，GLRLM）、灰度级带矩阵（gray level size zone matrix，GLSZM）和邻域灰度差分矩阵（neighborhood gray-tone differencematrix，NGTDM）。（简单来讲，就是图像灰度值之间存在的相互关系）
1）灰度共生矩阵：是一个其行列数表示灰度值、单元格包含灰度值处于一定关系（角度、距离）次数的矩阵，也称为二阶直方图。在灰度共生矩阵上计算的特征包括熵（二阶熵，与异质性有关）、能量（也被定义为角二次矩，再次描述图像的均匀性）、对比度（其测量局部变化）、同质性（图像局部灰度均衡性的度量）、不相似性和相关性。灰度共生矩阵的基本原理是影像上一定距离的两个像素的灰度值之间存在着一定的空间相关关系，对这个空间相关关系进行统计分析，利用各种纹理描述，改写相关像素的灰度值，使其纹理特征能够清晰显示。
2）灰度级长矩阵：其中每个元素（i，j）描述了灰度级在指定的方向上连续出现的次数。
3）灰度级带矩阵：是在行和列处的元素存储具有灰度级和大小的区域（具有相同灰度级的连接体素）数量的矩阵。灰度级带矩阵包括描述小/大区和低/高灰度区分布的特征。
4）邻域灰度差分矩阵：是在行和列处的元素存储具有灰度级和大小的区域（具有相同灰度级的连接体素）数量的矩阵。GLSZM包括描述小/大区和低/高灰度区分布的特征。
4、融合与分形特征：融合特征与多模态图像数据集相关，其可通过配准技术与几何图像对齐。分形特征是分析评估不同层面表面的自相似性和粗糙度,这些区域的复杂性由Hausdorff的分形维（fractal dimension, FD）量化呈现，该分形维是一个模式的自我重复纹理，并具有放大特征。（之前没有接触过）
八、图像特征提取和深度学习
https://blog.youkuaiyun.com/demm868/article/details/103053043?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163722723516780366543476%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163722723516780366543476&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v1~rank_v31_ecpm-20-103053043.pc_search_result_control_group&utm_term=%E5%BD%B1%E5%83%8F%E7%BB%84%E5%AD%A6%E7%89%B9%E5%BE%81%E5%92%8C%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E7%89%B9%E5%BE%81%E6%9C%89%E4%BB%80%E4%B9%88%E4%B8%8D%E5%90%8C&spm=1018.2226.3001.4187
九、图像特征提取
https://blog.youkuaiyun.com/qq_40507857/article/details/107639032?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163722905916780261985377%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fall.%2522%257D&request_id=163722905916780261985377&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2_allfirst_rank_ecpm_v1~rank_v31_ecpm-20-107639032.pc_search_result_control_group&utm_term=%E5%9B%BE%E5%83%8F%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96%E6%96%B9%E6%B3%95&spm=1018.2226.3001.4187