CT切片图常用预处理算法详解（C++与OpenCV 5.0实现）

1. 引言

在医学影像处理领域，CT（Computed Tomography，计算机断层扫描）切片图是三维重建、病灶分割与定量分析的基础。原始CT图像通常包含噪声、伪影、灰度不均匀等问题，直接使用会影响后续分析的准确性。因此，对CT切片进行预处理是至关重要的一步。本文将详细介绍CT切片图常用的预处理算法，并提供基于C++语言和OpenCV 5.0库的完整实现代码，帮助开发者快速上手。

2. 环境准备与OpenCV 5.0配置

在开始算法实现前，需要确保开发环境已正确配置OpenCV 5.0。

2.1 OpenCV 5.0安装

以下是在Ubuntu系统上通过源码编译安装OpenCV 5.0的步骤：

# 1. 安装依赖 sudo apt-get update sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev sudo apt-get install libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libdc1394-22-dev 2. 下载OpenCV 5.0源码 git clone https://github.com/opencv/opencv.git cd opencv git checkout 5.0 3. 创建构建目录并编译 mkdir build cd build cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D WITH_TBB=ON -D WITH_OPENMP=ON .. make -j$(nproc) sudo make install

2.2 C++项目配置（CMakeLists.txt）

cmake_minimum_required(VERSION 3.10) project(CTPreprocessing) set(CMAKE_CXX_STANDARD 17) find_package(OpenCV 5.0 REQUIRED) include_directories(${OpenCV_INCLUDE_DIRS}) add_executable(ct_preprocess main.cpp) target_link_libraries(ct_preprocess ${OpenCV_LIBS})

3. CT切片图常用预处理算法及C++实现

本节将逐一介绍关键预处理算法，并提供对应的OpenCV 5.0 C++代码。

3.1 读取与显示CT图像

CT图像通常以DICOM格式存储，但OpenCV主要处理常见图像格式。我们可以先将DICOM转换为PNG或TIFF，或使用专用库（如DCMTK）读取后转换为OpenCV Mat。

#include <opencv2/opencv.hpp> #include <iostream> int main() { // 假设CT图像已转换为PNG格式 std::string imagePath = "ct_slice.png"; cv::Mat ctImage = cv::imread(imagePath, cv::IMREAD_GRAYSCALE); // 以灰度图读取 if (ctImage.empty()) { std::cerr &lt;&lt; "无法加载图像: " &lt;&lt; imagePath &lt;&lt; std::endl; return -1; } std::cout &lt;&lt; "图像尺寸: " &lt;&lt; ctImage.cols &lt;&lt; " x " &lt;&lt; ctImage.rows &lt;&lt; std::endl; std::cout &lt;&lt; "数据类型: " &lt;&lt; ctImage.type() &lt;&lt; std::endl; // 显示图像 cv::imshow("Original CT Slice", ctImage); cv::waitKey(0); return 0; }

3.2 窗宽窗位调整（Windowing）

CT值（Hounsfield Unit, HU）范围很广（-1000到+3000），但人眼和显示器只能分辨有限灰度级。窗宽窗位调整通过线性变换将感兴趣的HU范围映射到显示器的全灰度范围。

cv::Mat applyWindowing(const cv::Mat& src, int windowCenter, int windowWidth) { cv::Mat dst = src.clone(); // 计算窗宽窗位对应的上下限 int lower = windowCenter - windowWidth / 2; int upper = windowCenter + windowWidth / 2; // 线性映射：将[lower, upper]映射到[0, 255] dst.forEach<ushort>([lower, upper](ushort& pixel, const int* position) -> void { if (pixel < lower) { pixel = 0; } else if (pixel > upper) { pixel = 255; } else { pixel = static_cast<ushort>((static_cast<float>(pixel - l