影响，所采集的医学图
f像会存在些噪声和畸变。去掉这样的噪声和畸变，把图像具有的信息变得医生容易观看，或把图像变换成某种标准的形式，使特征提取和识别易于进行，这样的处理在图像分析和识别中使非常必要的，对于医学图像的分割来说，它直接影响分割的质量，甚至直接决定了是否能正确得到分割结果，这些前期处理通常叫做预处理，包括噪声的去处、对比度的增强、几何畸形的校正等。22图像预处理的方法本论文研究的预处理主要是针对噪声而言，所以主要介绍两种去噪的预处理方法。221多图像平均法多图像平均法即把一系列图像相加取平均的方法。是医学图像处理中常用的方法，像由于瑞利散射引起的噪声用这种方法会得到很好的效果。如果一幅图像含有噪声，可以假设这些噪声相对于每一坐标点xy是不相关的，且数学期望为零。设gxy是有噪声的图像，它是有噪声图像exy和原始图像fxy叠加而成的。即
gxyfxyexy
对M次采集的噪声图像gixyi12…M取平均。即：
gxy1M

i1
M
gixy
可以证明它们的期望值为：
Egxyfxy
如果考虑新图像和噪声图像各自均方差的关系，则有：
gxy

1M

exy
可见随着取平均的图像的数目M增加，噪声在每个像素位置xy的影响逐步减小。222中值滤波中值滤波是一种非线性、非参数的图像预处理技术，中值滤波器是一个含有奇数个像素的滑动窗口，窗口正中的像素的灰度由窗口内各像素的灰度值中值代替。中值滤波很好的解决了消除脉冲干扰和保持图像边缘的问题。如果最大值是单调增加数列中的一个噪声尖峰，则中值滤波带来有效的改善；但是，如果最大值是一个信号脉冲，则结果会使图像中的一些细线、尖锐边角缺失。本文将通过在计算机上实现其算法对其效果进行观察、分析。第三章：图像分割概述31什么是图像分割图像分割就是将图像中具有特殊含义的不同区域区分开来，这些区域互不相交，每一个区域满足一致性。用数学形式可以表达为：设图像为gxy其中0≤x≤Maxx0≤y≤Maxy。将图像进行分割就是将图像分割为满足以下条件的子区域g1g2g3。
fN
1
k1
gkxygxy
，即所有子区域组成了整幅图像；
2gk是连通的区域；3gkxy∩gixy（kj123Nk≠j），即任意两个子区域不存在公共元素；4区域gk满足一定的均匀一致性条件。均匀一致性或相似性一般指同一区域内的像素点之间灰度值差异较小或灰度的变化缓慢。32图像分割r