大数据可视化在医疗领域的应用

load mri;%导入mri数据
figure（‘name‘‘显示mri数据图像‘）; %设置标题名字显示原图像
D=squeeze（D）;%利用此函数去除维数为1的维度
image_num=8;%取mri数据的第八组数据
image（D（::image_num））

D=squeeze（D）;%利用此函数去除维数为1的维度
figure（‘Colormap‘map）;
image_num=8;
image（D（::image_num））
%绘制坐标
axis image

%保存x轴y轴的坐标范围，方便后面的数据处理步骤的进行
x=xlim;
y=ylim;

%显示一个二维等高线切片
cm=brighten（jet（length（map））-.5）
figure（‘Colormap‘cm）;
contourslice（D[][]image_num）;%绘制二维等高线切片
axis ij;
xlim（x）;
ylim（y）;
daspect（[111]）;

%显示一个三维等高线切片
figure（‘Colormap‘cm）;
contourslice（D[][][1 12 19 27]8）;%绘制三维等高线切片
view（3）;
axis tight  

%显示一个等值面
figure（‘Colormap‘cm）;
Ds=smooth3（D）;%用于平滑数据
hiso=patch（isosurface（Ds5）...
    ‘FaceColor‘[1.75.65]...
    ‘EdgeColor‘‘none‘）;
isonormals（Dshiso）;%计算等值数据

%加等值帽来显示剖视图表面
hcap=patch（isocaps（D5）...%将数据显示为一个图形对象
    ‘FaceColor‘‘interp‘...
    ‘EdgeColor‘‘none‘）;

%设置视角调整高宽比
view（3530）;
axis tight  
daspect（[11.4]）;

%增加光照
lightangle（4530）;%设置光照角度
set（gcf‘Renderer‘‘zbuffer‘）;
lighting phong
set（hcap‘AmbientStrength‘.6）;%增加等值帽参数
set（hiso‘SpecularColorReflectance‘0‘SpecularExponent‘50）;%减小镜面反射尺寸

I=imread（‘mri.tif‘）; %读入图像
subplot（121）;
imshow（I）;title（‘原灰度图像‘）;
g=[-1 -1 -1; -1 8 -1; -1 -1 -1];%线性高通滤波3×3模板
h=double（I）;%转化为double类型
j=conv2（hg‘same‘）;% 线性高通滤波进行图像滤波
subplot（122）;
imshow（j）;title（‘线性滤波锐化后图像‘）;

subplot（221）imshow（I）;title（‘原图像‘）;%显示原图像
H=fspecial（‘prewitt‘）;%应用prewitt算子锐化图像
I3=filter2（HI）;%prewitt算子滤波锐化
subplot（223）;imshow（I3）; %显示prewitt算子锐化图像
title（‘prewitt算子锐化图像‘）;

subplot（221）imshow（I）;title（‘原图像‘）;%显示原图像
H=fspecial（‘log‘）; %应用log算子锐化图像
I4=filter2（HI）; %log算子滤波锐化
subplot（224）;imshow（I4）;%显示log算子锐化图像
title（‘log算子锐化图像‘）;

subplot（221）imshow（I）;title（‘原图像‘）;%显示原图像
H=fspecial（‘sobel‘）; %应用sobel算子锐化图像
I2=filter2（HI）; %sobel算子滤波锐化
subplot（222）;imshow（I2）; %显示sobel算子锐化图像
title（‘sobel算子锐化图像‘）;

%二维、三维、立体整合到一起点击鼠标显示直观效果
h0=figure（‘toolbar‘‘none‘...
    ‘position‘[198 56 450 468]...
    ‘name‘‘二维，三维，立体放一起对比效果图‘）;%取标题名字
h1=axes（‘parent‘h0...
    ‘position‘[0.3 0.45 0.5 0.5]...
    ‘visible‘‘off‘）