改進(jìn)中值濾波在脂肪肝血管影像去除中的應(yīng)用

覃象平，方 圓

(1.柳州市人民醫(yī)院計(jì)算機(jī)中心，廣西柳州 545006;2.廣西工學(xué)院電氣與信息工程學(xué)院，廣西柳州 545006)

在脂肪肝圖像的識(shí)別中，使用的方法有多種:有基于空域的近遠(yuǎn)場(chǎng)灰度對(duì)比法，直方圖特征統(tǒng)計(jì)法等;有基于頻域的小波特征分析法，灰度共生矩特征分析法等［1－3］。使用這些方法能有效地提取脂肪肝圖像的特征，但存在一定的不足。如正常肝和脂肪肝的近遠(yuǎn)場(chǎng)灰度對(duì)比法中，依據(jù)脂肪肝嚴(yán)重程度的不同而顯示不同的對(duì)比結(jié)果，越嚴(yán)重近遠(yuǎn)場(chǎng)灰度對(duì)比越明顯，可見(jiàn)近遠(yuǎn)場(chǎng)灰度特征可作為脂肪肝的一個(gè)判斷標(biāo)準(zhǔn)，但此類方法提取的特征單一，不利于分類識(shí)別?；叶裙采靥卣鞣治龇m然能夠很好地區(qū)分脂肪肝和正常肝［1］，但存在計(jì)算量大等問(wèn)題，程序?qū)崿F(xiàn)過(guò)程中需要耗費(fèi)較長(zhǎng)的時(shí)間，特別是圖片量大的時(shí)候，等待時(shí)間更明顯。由此，文中使用一種基于多級(jí)灰度差的脂肪肝圖像特征提取法，針對(duì)其缺點(diǎn)并結(jié)合中值濾波算法進(jìn)行圖像質(zhì)量的改進(jìn)［3－4］，此方法克服了進(jìn)遠(yuǎn)場(chǎng)特征單一和灰度共生矩法計(jì)算量打的缺點(diǎn)，能較好地體現(xiàn)脂肪肝和正常肝的區(qū)別。

1 多級(jí)灰度差定義及意義

1.1 多級(jí)灰度差的定義

灰度差是指兩個(gè)或多個(gè)像素點(diǎn)之間的像素差值，這樣的差值可以拓展到像素區(qū)域上，文中提到的灰度差主要指兩個(gè)區(qū)域像素均值之間的差值［5］，灰度差M可以用式(1)表示

其中，Mi和Mi－1分別是兩個(gè)不同區(qū)域的像素均值。

多級(jí)灰度差指的是多個(gè)區(qū)域的平均像素按照一定的順序求差，得到的兩兩之間灰度差的一個(gè)集合，表示為

其中，N為正整數(shù)。

1.2 多級(jí)灰度差在圖像識(shí)別中的意義

多級(jí)灰度差是指同一副圖片不同區(qū)域之間像素差值的集合，反應(yīng)的是一幅圖像整體的灰度變化。在作脂肪肝判斷時(shí)，先注意肝臟B超圖像近場(chǎng)和遠(yuǎn)場(chǎng)的灰度比較，再看圖像的紋理粗細(xì)，光斑疏密情況，但最主要判斷依據(jù)還是近遠(yuǎn)場(chǎng)灰度比。當(dāng)近遠(yuǎn)場(chǎng)灰度比不是特別明顯，在人眼看起來(lái)難以分辨時(shí)，判斷起來(lái)就比較費(fèi)力。肝臟近場(chǎng)平均灰度與遠(yuǎn)場(chǎng)平均灰度比雖然能夠表現(xiàn)脂肪肝和非脂肪肝的區(qū)別，但由于其特征量單一，用模式識(shí)別不易區(qū)分。若能找到多個(gè)這樣的灰度比特征量用于識(shí)別則將容易區(qū)分得多。

多級(jí)灰度差算法正是在這種思想下建立起來(lái)的，它以肝臟B超圖片灰度的梯度變化為特征量，統(tǒng)計(jì)正常肝和脂肪肝灰度變化的特征曲線，結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別的［5］。多級(jí)灰度差反應(yīng)的是圖像整體灰度的變化方向，更具有近遠(yuǎn)場(chǎng)灰度比變化相同的優(yōu)點(diǎn)，克服了由設(shè)備功率不同或增益調(diào)節(jié)不同而導(dǎo)致的圖像整體明暗程度變化的問(wèn)題。

1.3 多級(jí)灰度差計(jì)算

考慮到多級(jí)灰度差反應(yīng)的應(yīng)該是肝臟近場(chǎng)和遠(yuǎn)場(chǎng)灰度的變化，在選取對(duì)比區(qū)域時(shí)應(yīng)盡量避免其他組織對(duì)實(shí)驗(yàn)結(jié)果的影響，如血管噪聲等。另外選取的區(qū)域也應(yīng)該盡量包含圖片的近場(chǎng)和遠(yuǎn)場(chǎng)灰度，這樣計(jì)算得到的灰度差特征才能反應(yīng)灰度變化的客觀事實(shí)［6－8］。

圖1 梯形區(qū)域選取

按照?qǐng)D1的方法取得想要的區(qū)域后，對(duì)區(qū)域內(nèi)的灰度值進(jìn)行灰度差計(jì)算，方法與步驟如下:(1)選取一個(gè)梯形實(shí)驗(yàn)區(qū)域，將梯形區(qū)域在X軸和Y軸方向上分為n×m個(gè)小梯形。(2)計(jì)算每個(gè)小梯形區(qū)域內(nèi)像素的平均值。(3)算出均值間的差值。

由于脂肪肝圖像灰度在豎直方向上存在近特異性變化，所以在計(jì)算差值時(shí)選取的是上下兩塊小梯形區(qū)域灰度均值之差，因此文中以X軸方向上灰度差的個(gè)數(shù)確定多級(jí)灰度差的級(jí)數(shù)(n－1)，Y軸方向確定多級(jí)灰度差特征組數(shù)m。

分割梯形區(qū)域時(shí)，按像素點(diǎn)的個(gè)數(shù)先確定梯形的像素高度H和寬度W，然后根據(jù)事先安排好的多級(jí)灰度差的級(jí)數(shù)和組數(shù)來(lái)確定分割小梯形的個(gè)數(shù)，文中設(shè)定的多級(jí)灰度差的級(jí)數(shù)為7級(jí)，組數(shù)為4組。

2 計(jì)算區(qū)域圖像處理

2.1 計(jì)算區(qū)域圖像分析

由于選取的梯形區(qū)域較大，要求每張圖片包含的只有肝臟組織而沒(méi)有其他干擾幾乎無(wú)法完成，比如血管影響的干擾較為常見(jiàn)［9－12］。如圖2所示。

可見(jiàn)肝臟梯形區(qū)域包含了血管影像，如果選取的小梯形內(nèi)包含了血管影像，計(jì)算灰度平均值時(shí)則不能正確反應(yīng)此處肝臟的灰度，用于灰度差計(jì)算時(shí)便不能正確體現(xiàn)正常肝和脂肪肝的特征，特別是用于不同肝臟圖片多級(jí)灰度差特征提取時(shí)，由于血管分布的位置和形狀不相同，會(huì)造成提取特征的紊亂，無(wú)特異性。圖3是圖2的平面灰度曲線，可見(jiàn)80～100區(qū)域內(nèi)的像素平均值偏低，此區(qū)域內(nèi)的像素均值與60～80區(qū)域內(nèi)的像素均值之差勢(shì)必偏大，而像素差值偏大正是脂肪肝的特征，如果將此特征計(jì)算在內(nèi)勢(shì)必對(duì)脂肪肝的識(shí)別照成影響，因此必須屏蔽此處對(duì)整體識(shí)別的影響。

進(jìn)一步研究發(fā)現(xiàn)，血管陰影部分的灰度值較小，但其大小較平均，可以視為噪聲點(diǎn)，文中結(jié)合中值濾波的特性來(lái)去除這些干擾。圖4是帶有血管影像的肝臟圖片灰度值分布情況，圖片中每個(gè)值對(duì)應(yīng)一個(gè)像素點(diǎn)，并且分布一致。

圖4 血管影像灰度分布圖

2.2 計(jì)算模版選擇

由圖4可知，盡管血管部分的灰度值較平均，但是數(shù)值大小不一，用簡(jiǎn)單的中值濾波算法難以達(dá)到理想效果，對(duì)模板規(guī)格的依賴較大。根據(jù)中值濾波的原理可知，如果要去掉血管影像必須要求模板內(nèi)不相等的肝臟影像像素值個(gè)數(shù)大于血管影像不相等像素值個(gè)數(shù)，才能保證取到中間值是肝臟影像而屏蔽掉血管影像。由于血管影像是整塊連在一起的，如果用3×3、5×5這樣的矩形模板進(jìn)行濾波，小規(guī)格的模板勢(shì)必不能滿足上述要求，如果模板的規(guī)格太大，這對(duì)圖像的質(zhì)量又會(huì)造成過(guò)多的損失，影響多級(jí)灰度差特征的提取。

為使得模板規(guī)格適中，采用1×m和n×1這樣規(guī)格的模板進(jìn)行中值濾波，具體使用哪種模板根據(jù)血管的大體走向來(lái)定。假如血管走向是X軸方向，則使用1×m類型模板，假如血管走向是Y軸方向，則使用n×1 類型模板［13－15］。

實(shí)際操作過(guò)程中受到血管大小的影響，模板的規(guī)格不容易確定，會(huì)出現(xiàn)模板內(nèi)不相等的肝臟影像像素值個(gè)數(shù)小于血管影像不相等像素值個(gè)數(shù)的情況，為此對(duì)這種情況進(jìn)行中值濾波算法改進(jìn)。

2.3 改進(jìn)中值濾波計(jì)算

由于圖像經(jīng)過(guò)自適應(yīng)濾波處理，已經(jīng)濾除了圖像中孤立噪聲點(diǎn)的影響，所以可以認(rèn)為模板中只包含肝臟影像和血管影像。在小范圍內(nèi)，無(wú)論是正常肝還是脂肪肝其灰度變化范圍都不大，可以認(rèn)為像素值接近。在進(jìn)行中值濾波時(shí)可以先對(duì)血管噪聲進(jìn)行一次判定，以去除這些值，只留下肝臟影像像素值。然后進(jìn)行傳統(tǒng)中值濾波時(shí)便可以用肝臟影像像素值來(lái)代替血管影像像素值，用于多級(jí)灰度差計(jì)算時(shí)以減少血管位置分布不同對(duì)特征提取的影響。改進(jìn)的中值濾波算法步驟如下:

(1)取模板內(nèi)像素的最大值 fmax(i，j)和最小值fmin(i，j)。

(2)計(jì)算它們的平均值fmean(i，j)

(3)保留大于平均值fmean(i，j)的像素點(diǎn)，其他的像素點(diǎn)用0代替。

(4)將模板中的像素值按照其值的大小順序排列，取中間值fmid(i，j)作為輸出。

經(jīng)過(guò)上述步驟即可完成對(duì)血管影像噪聲的去噪工作。由于血管等相似影像噪聲在肝臟圖片中分布的走向不同，因而在程序設(shè)置時(shí)需要與用戶互動(dòng)，針對(duì)不同的情況提示用戶選擇合適的模板，濾波區(qū)域的選擇也需要用戶自行劃定。

圖7為含有血管影像噪聲的肝臟B超圖像，圖8為經(jīng)過(guò)本文方法部分處理后的圖像，處理部分像素寬度為40像素，高度為20像素?？梢钥闯鲅苡跋窕颈蝗コ?，但還是可以隱約看出。究其原因一個(gè)是因?yàn)槿搜垡曈X(jué)的作用，將不同灰度的的圖像拼湊在一起，之間會(huì)有明顯的分界線，如果將旁邊的血管影像遮住，將更難看出。另外，圖片經(jīng)過(guò)濾波處理后，血管影像邊緣強(qiáng)回聲區(qū)依然存在，對(duì)隨后的血管噪聲去除產(chǎn)生影像。

圖7 處理前圖片

圖8 處理后圖片

圖9和圖10是取上圖兩幅圖像縱軸坐標(biāo)為100，橫軸坐標(biāo)從80～160的一條直線上的灰度值的走向，可見(jiàn)圖10中橫軸坐標(biāo)40～60以內(nèi)的噪聲基本被接近于本區(qū)域的肝臟細(xì)胞灰度值所代替。

3 多級(jí)灰度差特征分析

文中在選取了合適的區(qū)域，并對(duì)其進(jìn)行濾波處理之后，則進(jìn)行灰度差的計(jì)算和多級(jí)灰度差特征矩陣的分析和提取。將梯形區(qū)域分割成4組小梯形區(qū)域，分割示意圖如圖11所示。

圖11 區(qū)域切割示意圖

分別求的a、b、c、d區(qū)域內(nèi)的多級(jí)灰度差矩陣Ma、Mb、Mc、Md。分析對(duì)比了多幅脂肪肝和正常的上述4組特征曲線，圖12展示了從多幅有特征交集的特征對(duì)比圖片中挑選的一組。

圖12 多級(jí)灰度差特征曲線對(duì)比圖

觀察圖12中4幅圖發(fā)現(xiàn)，第一幅和最后一幅特征有交集，剩下兩幅雖然有少數(shù)幾點(diǎn)特征不符合灰度變化特性但特征區(qū)分較明顯。第一幅圖的正常肝與脂肪肝只有一個(gè)特征量有交集，且正常肝有兩個(gè)特征量不在0附近，不符合灰度從近場(chǎng)到遠(yuǎn)場(chǎng)遞減的特性，但對(duì)于這一組7個(gè)特征綜合在一起來(lái)說(shuō)，權(quán)重偏向符合灰度場(chǎng)遞變的方向，因此對(duì)識(shí)別幾乎沒(méi)有影響。第4幅圖正常肝與脂肪肝的兩個(gè)特征量有交集，但符合灰度變化特性的參數(shù)有5個(gè)，有利因子大于不利因子，同樣權(quán)重偏向符合灰度場(chǎng)遞變的方向。

4 結(jié)束語(yǔ)

參考了近遠(yuǎn)場(chǎng)灰度比和灰度共生矩特征識(shí)別的不足之處，利用基于多級(jí)灰度差的特征提取方法，并針對(duì)多級(jí)灰度差特征提取區(qū)域過(guò)大，無(wú)法避免血管影像等噪聲干擾的缺點(diǎn)［8］，提出一種中值濾波的改進(jìn)算法，以去除血管影像噪聲，并分析了正常肝和脂肪肝的多級(jí)灰度差特征區(qū)分效果，結(jié)果令人滿意。

［1］RICARDO R，JO?O S.Fatty liver characterization and classification by ultrasound ［J］.Lecture Notes in Computer Science.2009，55(24):354 －361.

［2］趙金惠，趙真，趙慶春，等.肝臟相對(duì)回聲強(qiáng)度在脂肪肝超聲診斷中的價(jià)值［J］.河北職工醫(yī)學(xué)院學(xué)報(bào)，2007(3):6－7.

［3］ASCHKENASY Y，SCHLOMOV J.Unsupervised image classification of medical ultrasound data by multiresolution elastic registration［J］.Ultrasound in Medicine and Biology，2006，32(3):1047－1054.

［4］耿帥，王希常.一種基于中值濾波的圖像去噪算法［J］.計(jì)算機(jī)與現(xiàn)代化，2011(11):90－93.

［5］陳菲.神經(jīng)網(wǎng)絡(luò)在超聲脂肪肝圖像識(shí)別中的應(yīng)用研究［J］.微計(jì)算機(jī)信息，2007(4):302－303.

［6］WANG Daxi，F(xiàn)ANG Yuan，HUANG Sheng.An algorithm for medical imaging identification based on edge detection and seed filling［C］.Kunming:ICCASM，IEEE，2010.

［7］WANG Daxi，F(xiàn)ANG Yuan，HU Bo，et al.B － scan image feature extraction of fatty liver ［C］.Beijing:ICICSE，IEEE，2012.

［8］王大溪，方園，胡波，等.基于多級(jí)灰度差的脂肪肝B超圖像識(shí)別方法［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2012(5):1899－1903.

［9］張文緩，馬琳.脂肪肝的超聲診斷進(jìn)展［J］.中國(guó)煤炭工業(yè)醫(yī)學(xué)雜志，2008，11(2):280 －281.

［10］張建煒，汪天富，殷杰，等.基于B超圖像多重分形譜的脂肪肝嚴(yán)重程度識(shí)別［J］.中國(guó)醫(yī)學(xué)影像技術(shù)，2009(7):1289－1292.

［11］閔志方，宋恩民，金人超，等.用于脂肪肝量化分級(jí)的B超圖像特征提取［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2009(6):752－757.

［12］朱福珍，吳斌.基于灰度共生矩陣的脂肪肝B超圖像特征提?。跩］.中國(guó)醫(yī)學(xué)影像技術(shù)，2006，22(2):287－289.

［13］王嬌.基于復(fù)雜性分析的脂肪肝計(jì)算機(jī)輔助診斷［D］.成都:四川大學(xué)，2006.

［14］SVEC F，MARTIN C，SARA W，et al.On reproducibility of ultrasound image classification［C］.Soul:Lecture Notes in Computer Science.Pattern Recognition and Image Analysis:Second Iberian Conference，2005:439 －446.

［15］辛月蘭.一種快速并行中值濾波算法［J］.微型電腦應(yīng)用，2011(8):50－53.