窗宽窗位与其处理方法

===============================================================================================

转载出处：http://blog.csdn.net/utimes/article/details/8505469

===============================================================================================

在显示器往往只有 8位（0~255）， 而数据有 12~16位。如果将数据的 min 和 max 间 (dynamic range) 的之间转换到 8位的0~255，在这个过程是有损转换，而且出来的图像往往突出的是些噪音。针对这些问题，研究人员先提出一些要求 (requirements)，然后根据这些要求提出了一些算法。这些算法现在都很成熟。要求(1)：充分利用 0-255 间的显示有效值域;要求(2)：尽量减少值域压缩带来的损失;要求(3)：不能损失应该突出的组织部分。

窗宽窗位概念

窗技术(Window Technique)是医生用 以观察不同密度正常组织或病变的一种显示技术，其包括窗宽(window width)和窗位(window level)。由于各种不同组织结构或病变具有不同的像素值，因些欲显示某一组织结构细节时，应选择适合观察组织结构的窗宽窗位，以获得显示最佳效果。

窗宽

窗宽是CT/ DR图像上显示的CT/DR值,在此CT/DR值范围内组织和病变均以不同的模拟灰度显示，而CT/DR值高于此范围的组织和病变，无论是高于多少，都均为白影显示，不再有灰度差异，反之，低于此范围的组织，不论是低于多少，均为黑影显示，也无灰度差异。增大窗宽，则图像所示CT/DR值范围加大，显示具有不同密度的组织结构增多，但各结构这间的灰度别减少；减少窗宽，则显示组织结构减少，而各结构这间的灰度别增加。

窗位

窗位是窗的中心位置。同样的窗宽， 由于窗位不同，其包括CT/DR范围的CT/DR值有差异。例如窗宽（w）同为w =60，当窗位为L =0时，其CT/DR值范围为－30～＋30；如窗位是＋10时，则CT/DR值范围为－20～＋40。通常欲观察某一组织的结构及发生的病变，应以该组织的CT/DR值为窗位。

算法分析

1. 16-bit 到 8-bit 直接转换

[cpp] view
plaincopyprint?

ComputeMinValMaxVal(pixel_val, min, max); // 先算图像的最大和最小值

for (i = 0; i < nNumPixels; i++){

disp_pixel_val = (pixel_val - min)*255.0/(double)(max - min);

}

这个算法必须有，对不少种类的图像是很有效的：如 8-bit 图像，MRI, ECT, CR 等等。

2. Window-leveling 算法

W/L 是专门为 CT/DR 设计的。原理很简单：CT/DR 图像里不同组织的密度 (用 Hounsfield 单位) 是在固定的值域， 与具体设备和成像软件没有关系。因此，要看头颅时， 我们只需将头颅的值域转换到 0-255 就行了。CT/DR W/L 不讲头颅值域的 min 和 max, 而说 max - min (即 window_width) 和 (max+min)/2 (即 window_center)。我们还可以用原来的公式，只是 min 和 max 的算法不一样。

[cpp] view
plaincopyprint?

min = (2*window_center - window_width)/2.0 + 0.5;

max = (2*window_center + window_width)/2.0 + 0.5;

for (i = 0; i != nNumPixels; i++){

disp_pixel_val = (pixel_val - min)*255.0/(double)(max - min);

}

非线性转换

刚刚说的是将 min 和 max 间的数值线性转换到 0-255 之间。 如果 max - min 出来是个很大的数值，比如说 25500， 那就说每 100 原始密度会压缩成一个显示灰度。 这样的损失可能会很大。因为人眼对灰度地反应式是非线性的，非线性转换可以解决一些问题。 常用算法有log和gamma 两种。gamma 比较好调 gamma 值，因此用得比较多。

[cpp] view
plaincopyprint?

for (i = 0; i < nNumPixels; i++){

disp_pixel_val = 255.0 * pow(pixel_value/(max-min), 1.0/gamma);

}

补充几点

1. 在做任何转换时要注意有效灰度域外的数值的处理。

最好先用 int 而非 unsigned char 来算，再转入矩阵，以避免 overflow 和 underflow。

[cpp] view
plaincopyprint?

double dFactor = 255.0/(double)(max - min);

int nPixelVal;

for (i = 0; i < nNumPixels; i++){

nPixelVal = (int) ((pixel_val - min)*dFactor);

if (nPixelVal < 0) disp_pixel_val = 0;

else if (nPixelVal > 255) disp_pixel_val = 255;

else disp_pixel_val = nPixelVal;

}

2. window-level 时要注意 min 和 max 之外原始数据的处理

[cpp] view
plaincopyprint?

double dFactor， min, max;

int nPixelVal;

min = (2*window_center - window_width)/2.0 + 0.5;

max = (2*window_center + window_width)/2.0 + 0.5;

dFactor = 255.0/(double)(max - min);

for (i = 0; i < nNumPixels; i++){

if (pixel_val < min){

disp_pixel_val = 0;

continue;

}

if (pixel_val > max){

disp_pixel_val = 255;

continue;

}

nPixelVal = (int)((pixel_val - min)*dFactor);

if (nPixelVal < 0) disp_pixel_val = 0;

else if (nPixelVal > 255) disp_pixel_val = 255;

else disp_pixel_val = nPixelVal;

}

实验结果

不同窗宽窗位比较



摘录：

人体组织CT值的范围为-1000到+1000共2000个分度，人眼不能分辨这样微小灰度的差别，仅能分辨16个灰阶。为了提高组织结构细节的显示， 能分辨CT值差别小的两种组织，操作人员可以根据诊断需要调节图像的对比度和亮度，这种调节技术称为窗技术-窗宽、窗位的选择。

窗宽是指显示图像时所选用的CT值范围，在此范围内的组织结构按其密度高低从白到黑分为16个等级（灰阶）。如窗宽为160Hu，则可分辨的CT值为160/16=10Hu，即两种组织CT值的差别在10Hu以上者即可分辨出来。 由此可见窗宽的宽窄直接影响图像的对比度；窄窗宽显示的CT值范围小，每级灰阶代表的CT值幅度小，因而对比度强，可分辨密度较接近的组织或结构，如检查脑组织宜选用窄的窗宽；反之，窗宽加宽则每级灰阶代表的

CT值幅度增大，对比度差，适于分辨密度差别大的结构如肺、骨质。窗位是指窗宽上、下限CT值的平均数。因为不同组织的CT值不同，欲观察其细微结构最好选择该组织的CT值为中心进行扫描,这个中心即为窗位。窗位的高低影响图像的亮度：窗位低图像亮度高呈白色；窗位高图像亮度低呈黑色，但在实际操作中尚须兼顾其它结

构选用适当的窗位。总之，如要获得较清晰且能满足诊断要求的CT图像，必须选用合适的窗宽、窗位，否则

图像不清楚，还往往难以达到诊断要求，降低了CT扫描的诊断效能。