最新MATLAB图像处理编程与应用 教学课件 张涛 第9章 图像分割课件PPT.ppt 126页

'进入夏天，少不了一个热字当头，电扇空调陆续登场，每逢此时，总会想起那一把蒲扇。蒲扇，是记忆中的农村，夏季经常用的一件物品。　　记忆中的故乡，每逢进入夏天，集市上最常见的便是蒲扇、凉席，不论男女老少，个个手持一把，忽闪忽闪个不停，嘴里叨叨着“怎么这么热”，于是三五成群，聚在大树下，或站着，或随即坐在石头上，手持那把扇子，边唠嗑边乘凉。孩子们却在周围跑跑跳跳，热得满头大汗，不时听到“强子，别跑了，快来我给你扇扇”。孩子们才不听这一套，跑个没完，直到累气喘吁吁，这才一跑一踮地围过了，这时母亲总是，好似生气的样子，边扇边训，“你看热的，跑什么？”此时这把蒲扇，是那么凉快，那么的温馨幸福，有母亲的味道！　　蒲扇是中国传统工艺品，在我国已有三千年多年的历史。取材于棕榈树，制作简单，方便携带，且蒲扇的表面光滑，因而，古人常会在上面作画。古有棕扇、葵扇、蒲扇、蕉扇诸名，实即今日的蒲扇，江浙称之为芭蕉扇。六七十年代，人们最常用的就是这种，似圆非圆，轻巧又便宜的蒲扇。　　蒲扇流传至今，我的记忆中，它跨越了半个世纪，也走过了我们的半个人生的轨迹，携带着特有的念想，一年年，一天天，流向长长的时间隧道，袅MATLAB图像处理编程与应用教学课件张涛第9章图像分割 第九章图像分割2 图像图像识别图像预处理图像理解图像分割9.1概述3 ◆图像边缘有两个特征：方向和幅度沿边缘走向，像素值变化比较平缓；沿垂直于边缘的走向，像素值则变化比较剧烈。◆一般常用一阶和二阶导数来描述和检测边缘。综上所述，图像中的边缘可以通过对它们求导数来确定，而导数可利用微分算子来计算。对于数字图像来说，通常是利用差分来近似微分。7 梯度算子设f(x,y)为连续图像函数，Gx和Gy分别为x方向和y方向的梯度，且在点(x,y)处的梯度可以表示为一个矢量，并有其梯度定义：8 对应于欧氏距离的梯度幅值：对应于街区距离的梯度幅值：对应于棋盘距离的梯度幅值：由梯度矢量幅角表示的梯度方向是函数f(x,y)增加最快的方向：9 梯度算子Roberts算子Z1Z2Z3Z4Z5Z6Z7Z8Z9100-10-11010 梯度算子Sobel算子Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-2-1000121-101-202-10111 梯度算子Prewitt算子Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-1-1000111-101-101-10112 梯度算子原图Prewitt算子Sobel算子Roberts算子13 拉普拉斯算子差分微分二阶导数算子14 拉普拉斯算子图9.5两种常用的拉普拉斯算子模板0101-410101111-8111115 拉普拉斯算子16 Canny算子好的检测结果：对边缘的错误检测率要尽可能低，在检测出图像真实的边缘的同时要避免检测出现虚假的边缘。好的边缘定位精度：标记出的边缘位置要和图像上真正边缘的位置尽量接近。对同一边缘要有低的响应次数：有的算子会对一个边缘回产生多个响应。也就是说图像上本来只有一个边缘点的，可是检测出来就会出现多个边缘点。克服噪声的影响基本思想17 Canny算子算法步骤用高斯滤波器平滑图像计算滤波后图像梯度的幅值和方向对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局部极大值点，把其它非局部极大值点置零以得到得到细化的边缘用双阈值算法检测和连接边缘，使用两个阈值T1和T2(T1>T2)，T1用来找到每条线段，T2用来在这些线段的两个方向上延伸寻找边缘的断裂处，并连接这些边缘。18 Canny算子实例19 算子比较Roberts算子：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备能抑制噪声能力。该算子对具有陡峭边缘且含噪声少的图像效果较好。Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。20 算子比较Laplacian算子：是不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力较差。LOG算子：克服了拉普拉斯算子抗噪声能力较差的缺点，但在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法被检测到。21 算子比较Canny算子：基于最优化思想推导出的边缘检测算子，但实际效果不一定最优。该算子同样采用高斯函数对图像做平滑处理，具有较强的噪声抑制能力，但是会将一些高频边缘平滑掉，造成边缘丢失。Canny算子采用双阈值算法检测和连接边缘，采用的多尺度检测和方向性搜索比LOG算子好。22 MATLAB图像处理工具箱利用edge函数来实现基于各种算子的边缘检测功能，这个函数寻找像素值剧烈变化的像素点。调用格式如下：[g,t]=edge(I,"method",parameters)其中I是输入图像，method是边缘检测算子，parameters是设置的参数，输出g是二值图像矩阵，其值为1的像素构成边缘。参数t给出函数使用的阈值。23 （1）使用Roberts算子的语法结构：BW=edge(I,"roberts",thresh,options)其中thresh表示阈值，低于该阈值的像素值将被忽略。options默认为"thinning"，即边缘细化，当取值为"nothinning"，边缘不细化，可以对算法加速。24 （2）使用Sobel算子的语法结构：BW=edge(I,"sobel",thresh,direction,options)其中direction是指Sobel算子的检测方向，可取值horizontal、vertical或者both。（3）使用Prewitt算子的语法结构：BW=edge(I,"prewitt",thresh,direction)25 （4）使用Canny算子的语法结构：BW=edge(I,"canny",thresh,sigma)其中thresh表示阈值，若为两个元素的向量，则第一个元素为低阈值，第二个元素为高阈值，若为一个元素，表示高阈值，低阈值为0.5*thresh。sigma是指高斯滤波器的标准差，缺省值为1，滤波器的大小根据sigma的值选择。26 （5）使用Log算子的语法结构：BW=edge(I,"log",thresh,sigma)其中sigma是指高斯滤波器的标准差，缺省值为2，滤波器的大小为ceil(sigma*3)*2+1。27 I=imread("rice.png");BW1=edge(I,"roberts");%以自动阈值选择法对图像进行Roberts算子边缘检测[BW1,thresh1]=edge(I,"roberts");%返回当前Roberts算子边缘检测的阈值disp("Roberts算子自动选择阈值为");disp(thresh1)figure;subplot(2,2,1);imshow(BW1);title("自动阈值的Roberts算子检测");BW2=edge(I,"roberts",0.07);%以阈值为0.07对图像进行Roberts算子检测subplot(2,2,2);imshow(BW2);title("阈值为0.07的Roberts算子检测");BW3=edge(I,"roberts",0.05);%以阈值为0.05对图像进行Roberts算子检测subplot(2,2,3);imshow(BW3);title("阈值为0.05的Roberts算子检测");BW4=edge(I,"roberts",0.03);%以阈值为0.03对图像进行Roberts算子检测subplot(2,2,4);imshow(BW4);title("阈值为0.03的Roberts算子检测");28 29 I=imread("rice.png");BW1=edge(I,"roberts");BW2=edge(I,"sobel");BW3=edge(I,"prewitt");BW4=edge(I,"canny");BW5=edge(I,"log");figure;subplot(2,3,1);imshow(I);title("原始图像");subplot(2,3,2);imshow(BW1);title("Roberts算子");subplot(2,3,3);imshow(BW2);title("Sobel算子");subplot(2,3,4);imshow(BW3);title("Prewitt算子");subplot(2,3,5);imshow(BW4);title("Canny算子");subplot(2,3,6);imshow(BW5);title("Log算子边缘检测");30 31 9.3边缘跟踪数字图像可用各种方法检测出边缘点，但是由于噪声、光照不均等因素的影响，获得的边缘点有可能是不连续的，必须通过边界跟踪将它们转换为有用的边界信息，以便于后续处理。32 基本步骤从图像中一个边缘点出发，然后根据某种判别准则搜索下一个边缘点以此跟踪出目标边界。确定边界的起始搜索点，起始点的选择很关键，对某些图像，选择不同的起始点会导致不同的结果。确定合适边界判别准则和搜索准则，判别准则用于判断一个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。确定搜索的终止条件。33 是一种适用于黑白二值图像的图像分割方法。算法步骤：(1)在靠近边缘处任取一起始点，然后按照每次只前进一步，步距为一个象素的原则开始跟踪；(2)当跟踪中的某步是由白区进入黑区时，以后各步向左转，直到穿出黑区为止；(3)当跟踪中的某步是由黑区进入白区时，以后各步向右转，直到穿出白区为止；(4)当围绕目标边界循环跟踪一周回到起点时，则所跟踪的轨迹便是目标的轮廓；否则，应继续按(2)和(3)的原则进行跟踪。9.3.1　轮廓跟踪法34 黑起点白35 黑起点白黑白起点(a)某些小凸部分可能被漏掉(b)利用不同起点跟踪小凸部分36 9.3.2　光栅跟踪法光栅跟踪方法的基本思想是先利用检测准则确定接受对象点，然后根据已有的接受对象点和跟踪准则确定新的接受对象点，最后将所有标记为1且相邻的对象点联接起来就得到了检测到的细曲线。37 ◆需要事先确定检测阈值d、跟踪阈值t，且要求d>t。◆检测准则：对图像逐行扫描，将每一行中灰度值大于或等于检测阈值d的所有点（称为接受对象点）记为1。◆跟踪准则：设位于第i行的点(i，j)为接受对象点，如果位于第i+1行上的相邻点(i+1，j-1)、(i+1，j)和(i+1，j+1)的灰度值大于或等于跟踪阈值t，就将其确定为新的接受对象点，并记为1。38 光栅跟踪图像分割算法：（1）确定检测阈值d和跟踪阈值t，且要求d>t；（2）用检测阈值d逐行对图像进行扫描，依次将灰度值大于或等于检测阈值d的点的位置记为1；（3）逐行扫描图像，若图像中的（i,j）点为接受对象点，则在第i+1行上找点(i,j)的邻点：(i+1,j-1)、(i+1,j)、(i+1,j+1)并将其中灰度值大于或等于跟踪阈值t的邻点确定为新的接受对象点，将相应位置记为1；（4）重复步骤(3)，直至图像中除最末一行以外的所有接受点扫描完为止。39 例d=7，t=4（a）1解题过程和检测结果（b）直接取阈值为4时的检测结果40 bwtraceboundary函数的调用形式：B=bwtraceboundary(BW,p,fstep,conn,N,dir)其中参数P是一个指定行、列坐标的二元向量，表示图像边界上开始跟踪的那个点；fstep表示初始查找方向，用于寻找对象中与P相连的下一个像素，例如字符串“N”表示north，“NE”表示northeast，以指定方向，除了N、NE外还有其它几个方向；参数conn刻画了跟踪边界的连续性，数值可以是4或8，表示4连通或8连通；N为图像边界的最大像素数目，缺省值为inf；dir表示跟踪边界的方向，顺时针方向为clockwise，逆时针方向为conterclockwise。B为返回值，表示边界像素的二维坐标。边界跟踪通常用bwtraceboundary函数和bwboundaries函数来处理。41 BW=imread("blobs.png");%读取图像imshow(BW,[]);%显示图像s=size(BW);%获取图像尺寸forrow=2:55:s(1)forcol=1:s(2)ifBW(row,col),break;endendcontour=bwtraceboundary(BW,[row,col],"W",8,50,"counterclockwise");%检测是否为边界if(~isempty(contour))holdon;plot(contour(:,2),contour(:,1),"g","LineWidth",2);%画出边界holdon;plot(col,row,"gx","LineWidth",2);%画出边界起点elseholdon;plot(col,row,"rx","LineWidth",2);endend42 43 另外一个用来进行边界跟踪的函数是bwboundaries，它的调用形式是：B=bwboundaries(BW,conn,options)[B,L,N,A]=bwboundaries(BW,conn)其中参数options通过设置数值为"holes"或"noholes"来决定是否需要内边界；L是返回的标签矩阵；N是返回的目标数；A是返回的邻接矩阵。44 BW=imread("blobs.png");%读取图像[B,L,N,A]=bwboundaries(BW);%返回边界、标签矩阵、目标数imshow(BW);holdon;%显示图像fork=1:length(B),if(~sum(A(k,:)))boundary=B{k};plot(boundary(:,2),boundary(:,1),"r","LineWidth",2);%显示目标边界forl=find(A(:,k))"boundary=B{l};plot(boundary(:,2),boundary(:,1),"g","LineWidth",2);%显示内部边界endendend45 46 Hough变换Hough变换可以用于将边缘像素连接起来得到边界曲线优点在于受噪声和曲线间断的影响较小在已知曲线形状的条件下，Hough变换实际上是利用分散的边缘点进行曲线逼近，它也可看成是一种聚类分析技术47 Hough变换问题的提出在找出边界点集之后，需要连接，形成完整的边界图形描述48 Hough变换的基本思想对于边界上的n个点的点集，找出共线的点集和直线方程。对于任意两点的直线方程：y=ax+b，构造一个参数a，b的平面，从而有如下结论：ab49 xy平面上的任意一条直线y=ax+b，对应在参数ab平面上都有一个点过xy平面一个点(x,y)的所有直线，构成参数ab平面上的一条直线。abab50 如果点(x1,y1)与点(x2,y2)共线，那么这两点在参数ab平面上的直线将有一个交点abyx(x1,y1)(x2,y2)a’b’51 abA在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们的解52 Hough变换算法实现由于垂直直线a,为无穷大，我们改用极坐标形式：xcos+ysin=参数平面为,，对应不是直线而是正弦曲线使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点然后找出该点对应的xy平面的直线线段53 54 在MATLAB图像处理工具箱中使用hough函数来检测图像中的直线，其常用调用形式为：[H,theta,rho]=hough(BW)[H,theta,rho]=hough(BW,PARAM1,VAL1,PARAM2,VAL2)其中BW是测试图像，PARAM1、VAL1、PARAM2和VAL2可以设置具体的参数和取值，55 RGB=imread("gantrycrane.png");%读取图像I=rgb2gray(RGB);%转换成灰度图像BW=edge(I,"canny");%用canny算子进行边缘检测[H,T,R]=hough(BW,"Theta",44:0.5:46);%hough变换figure;subplot(2,1,1);imshow(RGB);title("gantrycrane.png");subplot(2,1,2);%显示hough变换的变换矩阵imshow(imadjust(mat2gray(H)),"XData",T,"YData",R,"InitialMagnification","fit");title("LimitedthetarangeHoughtransformofgantrycrane.png");xlabel("theta"),ylabel("rho");axison,axisnormal;colormap(hot);%颜色映射表56 57 Hough变换原始图像二值化图像细化图像Hough变换检测出的直线直线检测58 9.4阈值分割在图像分割的众多方法中，阈值分割法是一种最基本和应用最广泛的分割技术，其实质就是利用图像灰度直方图信息得到图像分割的阈值。59 基本原理原始图像——f(x,y)灰度阈值——T阈值运算得二值图像——g(x,y)阈值选择直接影响分割效果，通常可以通过对灰度直方图的分析来确定它的值。60 阈值选择利用灰度直方图求双峰或多峰选择两峰之间的谷底作为阈值61 人工阈值人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像直方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后，根据分割效果，不断的交互操作，从而选择出最佳的阈值。62 T=155的二值化图像T=210的二值化图像原始图像图像直方图人工阈值63 自动阈值迭代法基本思想：开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。64 自动阈值迭代法(1)选择图像灰度的中值作为初始阈值Ti=T0。(2)利用阈值Ti把图像分割成两部分区域，R1和R2，并计算其灰度均值(3)计算新的阈值Ti+1(4)重复步骤2、3，直到Ti+1和Ti的值差别小于某个给定值65 自动阈值迭代法原始图像迭代阈值二值化图象图9.20迭代式阈值二值化图像66 自动阈值Ostu法Matlab工具箱提供的graythresh函数是采用Ostu法求取阈值67 I=imread("coins.png");subplot(121);imshow(I);title("原始图像");level=graythresh(I);BW=im2bw(I,level);subplot(122);imshow(BW);title("Otsu方法二值化图像");68 69 自动阈值分水岭算法分水岭算法(watershed)是一种借鉴了形态学理论的分割方法，它将一幅图象看成为一个拓扑地形图，其中灰度值被认为是地形高度值。高灰度值对应着山峰，低灰度值处对应着山谷。将水从任一处流下，它会朝地势底的地方流动，直到某一局部低洼处才停下来，这个低洼处被称为吸水盆地，最终所有的水会分聚在不同的吸水盆地,吸水盆地之间的山脊被称为分水岭，水从分水岭流下时，它朝不同的吸水盆地流去的可能性是相等的。将这种想法应用于图像分割，就是要在灰度图像中找出不同的吸水盆地和分水岭，由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标。70 自动阈值分水岭算法(a)原始图像(b)图像对应的拓扑地形图图9.23图像对应的拓扑表面图71 自动阈值分水岭算法分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法图9.24分水岭形成示意图分水岭对应于原始图像中的边缘72 自动阈值分水岭算法L=watershed(f)MATLAB函数图9.25不准确标记分水岭算法导致过分割原始图像分水岭分割结果局部极小值73 分水岭算法可以用图像工具箱中的watershed函数来实现，调用格式为：L=watershed(f)其中f为输入图像，L为输出标记矩阵，元素为整数值，第一个积水盆被标记为1，第二个积水盆被标记为2，依次类推。分水岭被标记为0。74 clear;I=imread("rice.png");subplot(221);imshow(I);title("原始图像");I=double(I);hv=fspecial("prewitt");hh=hv.";%计算梯度图gv=abs(imfilter(I,hv,"replicate"));gh=abs(imfilter(I,hh,"replicate"));g=sqrt(gv.^2+gh.^2);%计算距离函数subplot(222);L=watershed(g);wr=L==0;imshow(wr);title("分水岭");I(wr)=255;subplot(223);imshow(uint8(I));title("分割结果");rm=imregionalmin(g);%取出梯度图中局部极小值点subplot(224);imshow(rm);title("局部极小值");75 76 自动阈值改进的分水岭算法图9.26准确标记的分水岭算法分割过程原始图像原图像的距离变换标记外部约束标记内部约束由标记内外部约束重构的梯度图分割结果77 clear;I=imread("rice.png");subplot(221);imshow(I);%原始图像xlabel("原始图像")%计算梯度图I=double(I);hv=fspecial("prewitt");hh=hv.";gv=abs(imfilter(I,hv,"replicate"));gh=abs(imfilter(I,hh,"replicate"));g=sqrt(gv.^2+gh.^2);%计算距离函数df=bwdist(I);%计算外部约束L=watershed(df);em=L==0;im=imextendedmax(I,20);%计算内部约束subplot(222);imshow(im);xlabel("内部约束")g2=imimposemin(g,im|em);%重构梯度图subplot(223);imshow(g2);xlabel("梯度图")%watershed算法分割L2=watershed(g2);wr2=L2==0;subplot(224);I(wr2)=255;imshow(uint8(I));xlabel("分割结果")78 79 阈值分割法由于没有或很少考虑空间关系，使多阈值选择受到限制区域分割方法可以弥补这点不足，它利用的是图像的空间性质，该方法认为分割出来的属于同一区域的像素应具有相似的性质，其概念是相当直观的。传统的区域分割算法有区域增长法和区域分裂合并法。该类方法在没有先验知识可以利用时，对含有复杂场景或自然景物等先验知识不足的图像进行分割,可以取得较好的性能。9.5区域分割80 区域生长区域生长法主要考虑象素及其空间邻域象素之间的关系开始时确定一个或多个象素点作为种子，然后按某种相似性准则增长区域，逐步生成具有某种均匀性的空间区域，将相邻的具有相似性质的象素或区域归并从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。81 区域生长选择合适的种子点确定相似性准则(生长准则)确定生长停止条件步骤82 例：找出图像中的亮目标相似准则：每一步所接收的邻近点的灰度级与先前目标的平均灰度级相差＜2。选种子点m=9平均值m83 生长停止m=(3*8+9)/4=8.25m=(3*8+7+9)/5=884 区域生长实例图9.29区域生长原始图像及种子点位置三个种子点区域生长结果原始图像及种子点位置四个种子点区域生长结果85 区域生长可以用图像处理工具箱的imreconstruct函数来实现，函数的调用格式为：im=imreconstruct(marker,mask);其中marker为标记图像，mask为模板图像，im为输出图像。86 mask=imread("text.png");marker=false(size(mask));marker(13,94)=true;im=imreconstruct(marker,mask);subplot(2,1,1);imshow(mask)subplot(2,1,2);imshow(im)87 88 区域分裂条件：如果区域的某些特性不满足一致性准则开始：从图像的最大区域开始，一般情况下，是从整幅图像开始注意：确定分裂准则(一致性准则)确定分裂方法，即如何分裂区域，使得分裂后的子区域的特性尽可能都满足一致性准则值。89 区域分裂算法形成初始区域对图像的每一个区域Ri，计算P(Ri)，如果P(Ri)=FALSE则沿着某一合适的边界分裂区域重复步骤2，当没有区域需分裂时，算法结束。90 区域合并合并运算就是把相邻的具有相似性质的区域合成为一个区域合并算法中最重要的运算是确定两个区域的相似性评判区域相似性方法有许多，评判相似性的方法可以基于区域的灰度值，也可以基于区域边界的强弱性等因素。一种简单的方法是比较它们的灰度均值基本思想91 区域合并使用某种方法进行图像的初始区域分割。对于图像中乡邻个区域，计算是否满足一致性谓词词,若满足则合并为一个区域。重复步骤2，直到没有区域可以合并，算法结束。算法92 区域分裂合并数据结构93 区域分裂合并数据结构图9.31图像分裂示例94 区域分裂合并算法设整幅图像为初始区域对每一区域R，如果P(R)=FLASE，则把该区域分裂成四个子区域重复上一步，直到没有区域可以分裂对图像中任意两个相邻的R1和R2，如果P(R1UR2)=TRUE，则把这两个区域合并成一个区域。重复上一步，直到没有相邻区域可以合并，算法结束95 MATLAB提供qtdecomp函数来进行四叉树分解。函数将方形的原始图像分成四个相同大小的方块，判断每个方块是否满足一致性标准；如果满足就不再继续分裂，如果不满足就再细化成四个方块，并对细分得到的方块继续应用一致性经验。这个迭代重复的过程直到所有的方块都满足一致性标准才停止。最后，四叉树分解法的结果可能包含多种不同尺寸的方块。96 qtdecomp函数的调用形式：S=qtdecomp(I,threshold,[mindimmaxdim]其中I是图像灰度矩阵；threshold为阈值，如果分解的块中最大像素值与最小像素值的差大于阈值，则继续分解图像块；mindim和maxdim为子块尺寸的上下限定范围，即子块尺寸必须在此范围内；S为返回的四叉树结构，为一稀疏矩阵。97 I=imread("liftingbody.png");S=qtdecomp(I,.27);%四叉树分解，阈值设定为0.27blocks=repmat(uint8(0),size(S));%矩阵扩充到S的大小fordim=[5122561286432168421];numblocks=length(find(S==dim));if(numblocks>0)values=repmat(uint8(1),[dimdimnumblocks]);%左上角元素为1values(2:dim,2:dim,:)=0;%其他元素为0blocks=qtsetblk(blocks,S,dim,values);endendblocks(end,1:end)=1;blocks(1:end,end)=1;subplot(121),imshow(I),subplot(122),imshow(blocks,[])%显示分解后的图像98 99 肌力训练操作规范 一、定义肌力训练是运动疗法中的基本训练手段之一。有如下方面的作用和意义：防止失用性肌萎缩，特别是当肢体在治疗时被固定后所引起的暂时性肌萎缩；肌力训练加强关节的动态稳定性，防止负重关节发生机能改变。肌力训练方法有徒手训练和器械训练。徒手肌力训练时一般不需要仪器设备。器械训练时，有哑铃、沙袋、实心球；弹性阻力装置；滑轮系统；等张力矩臂组件，如股四头肌训练器等；可变阻力装置；等长肌力训练装置；等速肌力训练装置等。通常可根据患者不同肌肉功能障碍情况选用不同训练方法和训练仪器。等张抗阻训练和等速抗阻训练： 二、作用（1）防治失用性肌萎缩，特别是肢体制动后的肌萎缩（2）防治因肢体创伤、炎症时疼痛所致的肌萎缩（3）促进神经系统损害后的肌力恢复。帮助维持肌病时的肌肉舒缩功能（4）调整肌力平衡，对脊柱侧弯、平足等骨关节畸形起矫治作用（5）增强躯干和腹背肌力平衡，改善脊柱排列及应力分布，增加脊柱稳定性，防治脊柱疾病（6）改善原动肌与拮抗肌之间的平衡，以促进关节的动态稳定性，防止负重关节的退行性改变（7）增强腹肌和盆底肌训练对防治内脏下垂、改善呼吸及消化功能有一定意义 三、原理（1）肌肉适应性改变：肌力训练的作用并非是肌纤维的增加。在人类出手之后，肌纤维的数量就已定局。通过肌力训练主要是使肌肉产生适应性变化，并由此增强肌力。肌肉的适应性变化包括：①使肌肉的形态结构变的更加发达、完善，同时肌肉功能也可获得改善。②经系统的肌力增强训练后，肌肉体积增大，肌纤维增粗，收缩蛋白、肌红蛋白、酶蛋白增加，ATP、热能含量和糖原储备增加，毛细血管密度增加，结缔组织量也增多。 （2）超量恢复：训练时和训练后肌肉的即时变化为疲劳和恢复的过程。训练后肌肉出现疲劳时，肌肉的收缩力量、速度和耐力均明显下降，同时能源物质等也有所消耗。这需要通过一定时间的休息才能使生理功能逐渐恢复，消耗的能源物质得以补充。在恢复到训练前水平后，可出现一个超量恢复阶段，即各项指标继续上升并超过训练前水平。如果下一次肌力训练在前一次训练后的超量恢复阶段内进行，那么就可以该超量恢复阶段的生理生化水平为起点，使超量恢复叠加和巩固起来，实现肌肉形态及功能的逐步发展。因此，超量恢复是肌力训练的生理学基础。 四、操作步骤1．根据患者原有肌力水平选择合适的肌力训练方式。2．徒手抗阻训练3．器械抗阻训练4．肌肉耐力训练 1.根据患者原有肌力水平选择合适的肌力训练方式。（1）肌力为0级时，宜进行电刺激疗法、被动运动及传递冲动训练（即患者在思想上用力试图作肌肉收缩活动）。传递冲动训练与被动运动结合进行，效果较好。（2）肌力为1~2级时，宜进行电刺激疗法、或肌电生物反馈电刺激疗法。此时肌肉已有一定的肌电活动，肌电生物反馈电刺激疗法效果较佳，同时配合助力运动训练和其他免荷运动训练。（3）肌力为3~4级时，宜进行徒手抗阻训练和各种器械的抗阻训练。（4）耐力较差的肌肉群，宜进行肌肉耐力训练。 2．徒手抗阻训练（1）训练前首先评定患者的肌力和关节活动度情况，明确功能受限程度，以确定适宜的抗阻运动形式和运动量。（2）使患者处于适合训练的舒适体位，以被动运动形式向患者演示所需的运动，告诉患者尽最大努力但在无痛范围内完成训练，训练过程不要憋气；治疗师只起指导、监督作用。（3）将阻力置于肢体的远端，确定阻力的方向，一般为所需运动的相反方向，避免替代运动。 （4）提供的阻力应适合患者现有的肌力水平，初始为次最大阻力，以后逐渐增大阻力；训练中动作宜平稳，患者的最佳反应为无痛范围的最大用力。（5）患者如不能全关节活动范围运动、或训练中有明显疼痛、收缩的肌肉发生震颤、发生替代运动时，应改变施阻的方向或降低阻力力量。（6）训练中应适当提供语言指令，以增加训练效果。（7）每一运动可重复8~10次，并有一定的休息，逐渐增加训练次数。 3．器械抗阻训练主要由训练器械施加阻力，以增加患者的肌力和肌肉耐力，恢复肢体运动功能的训练方法。适用于肌力在3级以上者。根据肌肉收缩不同方式，器械抗阻训练分为等长抗阻训练、等仪器设备 （1）等长肌力训练（2）等张肌力训练（3）等速肌力训练 （1）等长肌力训练：利用肌肉等长收缩进行的抗阻训练。肌肉等长抗阻收缩时，肌张力明显升高，肌力显著提高，但不产生明显的关节运动。等长抗阻训练主要适用于关节不能或不宜运动时(如关节石膏或夹板固定、关节创伤、炎症或关节肿胀等情况)的肌力训练，以延缓和减轻肌肉废用性萎缩。 程序：①根据肌力水平和训练目标设定阻力大小，确定运动强度。②阻力负荷：杠铃、沙袋、墙壁或力量训练器等。③运动持续时间：训练时肌肉等长收缩时间10s，休息10s。④重复次数：重复10次为1组训练，每天可做几组训练。根据患者承受能力选择。⑤训练频度：1次/d，每周训练3~4次，持续数周。⑥多角度等长肌力训练：在整个关节运动幅度中每隔20°~30°作一组等长训练，以全面增强肌力。此法可在等速肌力训练器械上进行。 （2）等张肌力训练：利用肌肉等张收缩进行的抗阻训练，训练时作用于肌肉上的阻力负荷恒定，有明显关节运动。适用于发展动态肌力和肌肉耐力。等张肌力训练包括向心性训练和离心性训练，肌肉主动缩短，使肌肉的两端相互靠近者为向心肌力训练；相反，由于阻力>肌力，肌肉在收缩中被被动拉长，致使其两端相互分离者为离心肌力训练。 程序：①根据肌力水平和训练目标设定阻力大小，确定运动强度。②阻力负荷：沙袋、哑铃、墙壁拉力器、滑轮系统、等张力矩臂组件，如股四头肌训练器等、可变阻力装置或专用的肌力训练器等，也可利用自身体重。③运动强度：以渐进抗阻训练法为例，先测定重复10次运动的最大负荷，称为10RM值。用10RM的1/2运动强度运动，重复10次，间歇30s；再以10RM的2/3运动强度重复训练10次，间歇30s，再进行10RM运动强度重复尽可能多次，2~3周后根据患者情况适当调整10RM的量。④训练频度：1次/d，每周训练3~4次，持续数周。 （3）等速肌力训练：在专门的等速训练器上进行训练。训练前设定运动速度、间歇时间、训练组数和关节活动范围等。训练中运动速度不变，但遇到的阻力则随用力的程度而变化，以使运动肢体肌肉的肌张力保持最佳状态，从而达到最好训练效果。 4．肌肉耐力训练：肌力训练的同时已有肌肉耐力训练，但两者在训练方法上有所不同。为了迅速发展肌力，要求在较短的时间内对抗较重负荷，重复次数较少；而发展肌肉耐力则需在较轻负荷下，在较长时间内多次重复收缩。临床上常将肌力训练与耐力训练结合起来进行训练，从而使肌肉训练更为合理。常用的增加肌肉耐力的方法有：（1）等张训练法（2）等长训练法（3）等速训练法 （1）等张训练法：先测定重复10次运动的最大负荷，即为10RM值。用10RM的80%量作为训练强度，每组练习10~20次，重复3组，每组间隔1min。亦可采用5cm宽、1m长的弹力带进行重复牵拉练习。弹力带的一头固定于床架或其他固定物上，根据需要进行某一肌群的耐力练习，尽量反复牵拉弹力带直至肌肉疲劳，1次/d，每周练习3~5d。 （2）等长训练法：取20%~30%的最大等长收缩阻力，作逐渐延长时间的等长收缩练习，直至出现肌肉疲劳为止，1次/d，每周练习3~5d。（3）等速训练法：在等速训练仪上选择快速运动速度，然后作快速重复运动，对增强肌耐力较明显。每次重复运动100次为1个训练单位。根据肌肉功能适应情况，逐渐增加收缩次数到2个或3个训练单位，每组间休息3~5min，直至出现肌肉疲劳为止，1次/d，每周练习3~5d。 五、基本原则（1）施加适当阻力（2）超量负荷（3）反复训练（4）适度疲劳（5）选择适当运动强度注意，肌力训练时，并非需要同时满足上述所有的原则，但阻力原则和超量原则是必需的，其余可视具体情况而定。当然，若能同时满足以上全部原则为更佳。 （1）施加适当阻力：为使肌力增强，训练必须给予一定的阻力，无阻力状态下的训练不能达到增强肌力的目的。阻力可以来自于肢体的重量、肌肉运动时外加的阻碍力量等。（2）超量负荷：即过量负荷原则，即训练时施加的阻力负荷应适当超过患者现有的活动水平，否则就达不到改善肌力的目的。（3）反复训练：为了达到增强和巩固肌力水平的目的，必须进行多次的重复收缩训练，而非单次收缩。一般仅在患者合并存在疼痛性关机疾病或肌腱炎等情况时，训练的次数才可有所减量。 （4）适度疲劳：根据超量恢复原理，肌力训练会引起一定的肌肉疲劳，因为无明显的肌肉疲劳也无超量恢复出现，肌力训练也难以取得效果。但是，过于疲劳。例如由于前次的训练引起无力、疼痛或不愿再进行原有或心的运动训练，则会极大的影响训练效果。因此，肌力训练要特别注意掌握适宜的训练频度，尽量使后一次训练在前一次训练后的超量恢复阶段内进行。（5）选择适当运动强度：肌收缩强度相当于最大收缩速度40%时，运动单位募集率较低，主要募集Ⅰ型肌纤维，对增强耐力有效；收缩强度增加时募集率增高，Ⅱa型、Ⅱb型肌纤维也依次参与收缩，对增强肌力有效。故应根据需要选择不同收缩强度进行。 六、适应症1．失用性肌萎缩：由制动、运动减少或其他原因引起的肌肉失用性改变，导致肌肉功能障碍。2．肌源性肌萎缩：肌肉病变引起的肌萎缩。3．神经源性肌萎缩：由神经病变引起的肌肉功能障碍。4．关节源性肌无力：由关节疾病或损伤引起的肌力减弱，肌肉功能障碍。5．其他：由于其他原因引起的肌肉功能障碍等。6．正常人群：健康人或运动员的肌力训练。 七、禁忌症各种原因所致关节不稳、骨折未愈合又未作内固定、骨关节肿瘤、全身情况较差、病情不稳定者、严重的心肺功能不全等。 八、注意事项：正确掌握运动量与训练节奏：每次肌肉训练应引起一定的肌肉疲劳，同时应有一定休息，根据患者训练情况及时调整运动量。由于神经系统疾病的早期，肌痉挛同时伴有肌力下降，此时主要解决的是肌痉挛问题，不应强调单个肌肉的肌力训练，以免加重肌痉挛；在疾病的恢复期或后遗症期，则需同时重视肌力的训练，以多肌肉运动或闭链运动方式为主。 应在无痛和轻度疼痛范围内进行训练：如果最初训练引起肌肉的轻微酸痛，则属正常反应，一般次日即可自行恢复。如肌力训练引起患者训练肌肉的明显疼痛，则应减少运动量或暂停。疼痛不仅增加患者不适，而且也难达到预期训练效果。待查明原因后，进行临床治疗后再进行训练。各种训练方法相结合：灵活运用各种不同训练方法进行训练，以提高训练效果。抗阻训练时，阻力应从小到大，在活动范围的起始和终末施加最小的阻力，中间最大；要有足够的阻力，但不要大到阻止患者完成活动。 充分调动患者的积极性，因为肌力训练的效果与患者的主观努力程度关系密切。训练前应使患者了解训练的作用和意义，训练中经常给予语言鼓励并显示训练的效果，以提高患者的信心和积极性。掌握肌力训练的适应证和禁忌证，尤其对心血管疾病患者、老年人、体弱者等高危人群应在治疗师指导下训练，密切观察患者的情况，严防意外发生。'