显示器只有8位(0)到255 )，数据从12位到16位。 如果将数据的min和max之间(动态范围)转换为8位0到255，则在此过程中会发生有损转换，往往会强调噪声。 针对这些问题，研究者首先提出了一些要求(requirements )，然后根据这些要求提出了一些算法。 这些算法现在已经成熟了。 要求(1)充分利用0-255之间的显示有效值字段； 要求(2) :将值域压缩造成的损失降到最低的要求(3) :不得损失应突出的组织部分。
宽窗概念窗技术(Window Technique )是医生用于观察不同密度正常组织或病变的显示技术，包括窗宽(window width )和窗位(window level )。 由于各种组织结构和病变具有不同的像素值，因此想要显示某个组织结构的细节时，需要选择适合观察组织结构的窗宽窗口位置，以获得最佳效果。
窗宽的是CT/DR图像显示的CT/DR值，该CT/DR值范围内的组织和病变均以不同的模拟灰度显示，但CT/DR值高于该范围的组织和病变，再高也以白色阴影显示，灰度差消失，相反如果没有灰度差而增大窗宽，则图像所示CT/DR值的范围变宽，具有不同密度的组织结构变多，但各结构间的灰度减少； 减小窗的宽度表示组织结构减少，各结构之间的灰度增加。
窗户的位置是窗户的中心位置。 即使是相同的窗宽，根据窗的位置不同，包含CT/DR范围的CT/DR值也有差异。 例如，在窗宽度(w )相同w=60、窗的位置为L=0的情况下，其CT/DR值的范围为-30~ 30； 窗口位置为10时，CT/DR值的范围为-20~ 40。 通常，观察一个组织的结构和发生的病变，应以该组织的CT/DR值为窗口位。
算法分析http://www.Sina.com/computeminvalmaxval (pixel _ val，min，max )； //首先计算图像的最大值和最小值for (I=0； i nNumPixels； I ) disp_pixel_val=(pixel_val-min ) ) 255.0/(double ) ) max - min )； }
该算法是必需的，对8位图像、MRI、ECT、CR等多种图像都有效。
1. 16-bit 到 8-bit 直接转换
W/L是专门为CT/DR设计的。 原理很简单。 CT/DR图像中不同组织的密度(Hounsfield单位)处于固定值域，与具体设备和成像软件无关。 因此，看头的时候，只要把头的值域变成0-255就可以了。 CT/DR W/L不使用头部值域的最小和最大，而是称为最大-最小(即window_width )和最大最小)/2 (即window_center )。 也可以使用原始表达式，只是min和max算法不同。
min=(2*窗口_ center -窗口_ width )/2.0 0.5； max=(2*窗口_ center window _ width )/2.0 0.5； for(I=0； I！=nNumPixels； I ) disp_pixel_val=(pixel_val-min ) ) 255.0/(double ) ) max - min )； } 2. Window-leveling 算法
我刚才说的是把min和max之间的数值线性变换在0-255之间。 如果max - min出现的是25500等大的数值，那就是每100元的密度压缩成一个显示灰度。 这样的损失可能很大。 由于人眼对灰度的反应公式是非线性的，非线性变换可以解决一些问题。 常用的算法有log和gamma两种。 因为伽马容易调整伽马值，所以经常被使用。
for(I=0； i nNumPixels； I ) disp _ pixel _ val=255.0 * pow (pixel _ value/(最大- min )，1.0/gamma )； } 非线性转换1 .进行任何变换时，注意有效灰度域外的数值的处理。
最好在int而不是无符号化通道上计算，然后迁移到矩阵，以避免溢出和卸载流。
双面因子=255.0/(双面) )最大-最小； int nPixelVal； for(I=0； i nNumPixels； I({npixelval=(int ) ) (pixel_val - min ) *dFactor )； if(npixelval0) disp_pixel_val=0； ELSEif(npixelval255 ) disp_pixel_val=255； else disp_pixel_val=nPixelVal； }2.窗口级别时，注意min和max以外的原始数据的处理double dFactor、min、max； int nPixelVal； min=(2*窗口_ center -窗口_ width )/2.0 0.5； max=(2*窗口_ center window _ width )/2.0 0.5； d factor=255.0/(双精度) )最大-最小； for(I=0； i nNumPixels； I ) if(pixel_valmin ) {disp_pixel_val=0； 继续； (if ) pixel_valmax ) {disp_pixel_val=255； 继续； }npixelval=(int ) ) pixel_val - min ) *dFactor )； if(npixelval0) disp_pixel_val=0； ELSEif(npixelval255 ) disp_pixel_val=255； else disp_pixel_val=nPixelVal； }实验结果不同窗宽窗位的比较
=====================================
请注明出处。 http://blog.csdn.net/utimes/article/details/8505469==============