肺结节分割与提取系统（基于传统图像处理方法）

Matlab肺结节分割(肺结节提取)源程序，GUI人机界面版本。使用传统图像分割方法，非深度学习方法。使用LIDC-IDRI数据集。

工作如下：

1、读取图像。读取原始dicom格式的CT图像，并显示，绘制灰度直方图；
2、图像增强。对图像进行图像增强，包括Gamma矫正、直方图均衡化、中值滤波、边缘锐化；
3、肺质分割。基于阈值分割，从原CT图像中分割出肺质；
4、肺结节分割。肺质分割后，进行特征提取，计算灰度特征、形态学特征来分割出肺结节；
5、可视化标注文件。读取医生的xml标注文件，可视化出医生的标注结果；
6、计算IOU、DICE、PRE三个参数评价分割效果好坏。
7、做成GUI人机界面。

注：需要2022b及以上版本。因为参数是根据这两张图片设置的，所以只可分割压缩包里这两张图像，替换成其他的图像效果不好。

基于传统图像处理方法的肺结节分割与提取系统

项目概述

本项目是一个使用MATLAB编写的肺结节分割与提取系统，采用传统的图像处理方法，而非深度学习技术。该系统包括一个图形用户界面（GUI），方便用户操作和查看结果。项目使用LIDC-IDRI数据集中的CT图像，并提供了完整的图像处理流程，从读取原始DICOM格式的图像到最终的肺结节分割和性能评估。

项目特点

完整的图像处理流程：从读取图像到最终的肺结节分割，涵盖了所有关键步骤。
多种图像增强技术：包括Gamma矫正、直方图均衡化、中值滤波和边缘锐化。
传统的图像分割方法：基于阈值分割和特征提取来实现肺质和肺结节的分割。
性能评估：计算IOU、DICE和PRE三个参数来评价分割效果。
用户友好的GUI界面：提供图形用户界面，方便用户操作和查看结果。
特定参数设置：参数是根据提供的两张示例图像设置的，适用于这些图像，替换其他图像可能效果不佳。

项目结构

Lung_Nodule_Segmentation/
├── src/                               # 源代码文件夹
│   ├── main.m                         # 主程序入口
│   ├── read_image.m                   # 读取和显示图像
│   ├── image_enhancement.m            # 图像增强
│   ├── lung_segmentation.m            # 肺质分割
│   ├── nodule_segmentation.m          # 肺结节分割
│   ├── visualize_annotation.m         # 可视化标注文件
│   ├── evaluate_segmentation.m        # 评估分割效果
│   └── gui_main.fig                   # GUI主界面
├── data/                              # 数据文件夹
│   ├── DICOM_images/                  # 原始DICOM图像
│   ├── annotations/                   # 医生的XML标注文件
│   └── example_images.zip             # 示例图像压缩包
├── README.md                          # 项目说明文档
└── requirements.txt                   # 依赖项列表

项目功能

读取图像：
- 读取原始DICOM格式的CT图像。
- 显示图像并绘制灰度直方图。
图像增强：
- Gamma矫正：调整图像的对比度。
- 直方图均衡化：提高图像的对比度。
- 中值滤波：去除噪声。
- 边缘锐化：增强图像的边缘信息。
肺质分割：
- 基于阈值分割的方法，从原CT图像中分割出肺质区域。
肺结节分割：
- 在肺质分割的基础上，进行特征提取。
- 计算灰度特征和形态学特征，进一步分割出肺结节。
可视化标注文件：
- 读取医生的XML标注文件。
- 可视化医生的标注结果，与自动分割结果进行对比。
性能评估：
- 计算IOU（交并比）、DICE系数和PRE（精确率）三个参数，评价分割效果的好坏。
GUI人机界面：
- 提供图形用户界面，方便用户选择图像、查看处理结果和评估指标。

使用说明

环境准备：
- 确保安装了MATLAB 2022b及以上版本。
- 下载并解压项目文件到本地目录。
运行主程序：
- 打开MATLAB，导航到项目目录。
- 运行main.m文件，启动主程序。
使用GUI界面：
- 打开gui_main.fig文件，启动GUI界面。
- 通过GUI界面选择要处理的图像，查看处理结果和评估指标。

注意事项

数据集限制：由于参数是根据特定的两张图像设置的，替换其他图像可能会影响分割效果。建议仅使用提供的示例图像。
依赖项：确保所有依赖项都已安装，具体依赖项见requirements.txt文件。

应用场景

医学影像分析：帮助放射科医生快速识别和定位肺结节。
科研教育：用于医学影像处理的教学和研究。
辅助诊断：作为辅助工具，提高肺结节检测的准确性和效率。

项目优势

无需深度学习框架：使用传统的图像处理方法，适合没有深度学习背景的用户。
直观易用：提供图形用户界面，简化操作流程。
全面的处理流程：涵盖从图像读取到性能评估的所有步骤，便于理解和应用。

项目介绍

1. 读取图像

功能：读取原始DICOM格式的CT图像，并显示图像及绘制灰度直方图。
实现：使用MATLAB的dicomread函数读取DICOM图像，使用imshow函数显示图像，使用imhist函数绘制灰度直方图。

2. 图像增强

功能：对图像进行多种增强处理，包括Gamma矫正、直方图均衡化、中值滤波和边缘锐化。
实现：
- Gamma矫正：使用imadjust函数调整图像的对比度。
- 直方图均衡化：使用histeq函数提高图像的对比度。
- 中值滤波：使用medfilt2函数去除噪声。
- 边缘锐化：使用fspecial和imfilter函数增强图像的边缘信息。