李越

摘要：當(dāng)前，醫(yī)學(xué)影像增強(qiáng)與邊緣檢測(cè)算法的應(yīng)用存在很多不合理的環(huán)節(jié)，為了提高醫(yī)學(xué)影像質(zhì)量，并從中提取更多具有實(shí)際意義的信息，需要進(jìn)行空域變換增強(qiáng)、空域?yàn)V波增強(qiáng)、頻域?yàn)V波增強(qiáng)，以實(shí)現(xiàn)突出目標(biāo)物輪廓，增強(qiáng)圖像層次性和提升細(xì)節(jié)度的特征。該文以X-CT肝臟腫瘤醫(yī)學(xué)影像為研究對(duì)象，選擇Matlab工具箱函數(shù)對(duì)其進(jìn)行處理，輔以直方圖均衡化和Canny算子邊緣檢測(cè)法，力圖使圖像質(zhì)量獲得提高，能夠?yàn)榕R床診斷和分析提供依據(jù)。

關(guān)鍵詞：Matlab工具箱函數(shù)；醫(yī)學(xué)影像增強(qiáng)；邊緣檢測(cè)算法；實(shí)驗(yàn)研究；移動(dòng)醫(yī)療；數(shù)字圖像處理

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2017）14-0154-04

醫(yī)學(xué)圖像成形過(guò)程較為復(fù)雜，導(dǎo)致圖像質(zhì)量下降的因素很多，例如拍片時(shí)曝光過(guò)度或不足造成的對(duì)比度降低、電視信號(hào)長(zhǎng)線傳遞造成的信號(hào)衰減、圖像幾何畸變及模糊不清等，這些都嚴(yán)重干擾了實(shí)用信息的提取，有損于患者的治療、診斷和康復(fù)。為了對(duì)解決這一問(wèn)題提供幫助，本文擬采用X-CT肝臟腫瘤醫(yī)學(xué)影像進(jìn)行質(zhì)量增強(qiáng)，然后分析處理后的結(jié)果圖像。

1醫(yī)學(xué)圖像增強(qiáng)

1.1醫(yī)學(xué)圖像增強(qiáng)定義

前期的醫(yī)學(xué)圖像處理，其主要目的是為了便于后期圖像的分割工作，以實(shí)現(xiàn)對(duì)人體組織部位的精準(zhǔn)分割。只有足夠清晰的醫(yī)學(xué)圖像，才能有效滿足人體組織分割的要求，因此必須提升相關(guān)圖像的清晰度，這也是醫(yī)學(xué)圖像增強(qiáng)的由來(lái)。為了確保醫(yī)學(xué)圖像增強(qiáng)效果，應(yīng)避免各類影響圖像清晰度的干擾因素，采用先進(jìn)的、多元化的圖像預(yù)處理技術(shù)，同時(shí)要集中優(yōu)勢(shì)資源解決圖像處理的主要問(wèn)題，在有效提升圖像處理效果的同時(shí)，為診斷、治療提供更多有價(jià)值的信息。

作為一種主要用于提升圖像清晰度的處理技術(shù)，醫(yī)學(xué)圖像增強(qiáng)有著提升圖像視覺(jué)效果，便于醫(yī)務(wù)工作者診斷的作用。該技術(shù)根據(jù)圖像模糊程度或模糊位置，采用多種處理技術(shù)，以修復(fù)整體圖像或改善局部細(xì)節(jié)，具有很強(qiáng)的針對(duì)性。比較通用的相關(guān)處理技術(shù)有鄰域平均、中值濾波、灰度變換、直方圖修正、拉普拉斯增強(qiáng)等，這些算法運(yùn)算體量大、計(jì)算較為困難、處理程序多。本文主要對(duì)頻率域的高、低通濾波，直方圖均勻化，灰度變化法，空域低、高通濾波技術(shù)進(jìn)行分析，同時(shí)利用Maflab工具箱函數(shù)，以簡(jiǎn)化相關(guān)算數(shù)步驟，簡(jiǎn)單快捷的獲得統(tǒng)計(jì)數(shù)據(jù)與直觀圖。

1.2醫(yī)學(xué)圖像增強(qiáng)的特征

相較于普通數(shù)字圖像，醫(yī)學(xué)圖像是被用于患者的診斷和治療，以及醫(yī)務(wù)工作者的分析研究的，具有很強(qiáng)的專業(yè)性和應(yīng)用性，因此對(duì)清晰度、噪聲、邊緣清晰度有著很高的要求。

1.2.1清晰度要求高

具體而言，醫(yī)學(xué)圖像處理主要使用在內(nèi)臟器官透視、B超、腦部CT等，這些詳查和診斷關(guān)乎到患者的生命安全，也深刻影響著醫(yī)務(wù)工作者的治療工作。一旦相關(guān)圖像存在清晰度不足的情況，最先影響的必然是醫(yī)務(wù)工作者對(duì)患者病情的判斷，同時(shí)干預(yù)具體環(huán)節(jié)的治療，這會(huì)間接影響患者的診斷和治療，造成病機(jī)遺誤，甚至危及生命的情況，小到對(duì)相關(guān)醫(yī)務(wù)工作者、科室、醫(yī)院，大到對(duì)我國(guó)的醫(yī)療事業(yè)，都會(huì)造成很大程度的影響。因此，在醫(yī)學(xué)圖像處理中，必須保證其清晰度，以增強(qiáng)詳查、診斷、治療的精確度。

1.2.2提高邊緣清晰度

在很多治療中，對(duì)圖像處理的邊緣清晰度有著很高的要求，例如血管病變判斷、腦膜病變判斷、大腦病變判斷等。這些組織或器官結(jié)核緊密，界限不夠分明，尤其是在病變難以明確的情況下十分難以判斷。這就要求需要有極為清晰的邊緣圖像，以克服往影像器械直接輸出的固有問(wèn)題，使其符合相關(guān)診斷、治療工作的要求，從而最大限度地提升診斷、治療的精準(zhǔn)度和專業(yè)性。

1.2.3降低噪聲要求高

醫(yī)學(xué)圖像處理除了對(duì)清晰度有著嚴(yán)格要求外，還對(duì)噪聲有著較高的要求。一方面，醫(yī)療器械運(yùn)轉(zhuǎn)時(shí)會(huì)產(chǎn)生一定的噪聲，包括機(jī)械噪聲、電阻噪聲等，這種醫(yī)學(xué)圖線顯示中存在的固有噪聲，會(huì)直接影響畫(huà)面的清晰度。另一方面，不同人為操作、環(huán)境的改變、地點(diǎn)的變化也會(huì)造成相關(guān)噪聲的出現(xiàn)，進(jìn)而對(duì)畫(huà)面產(chǎn)生二次影響。這些噪聲往往來(lái)源于器械或環(huán)境，很難徹底根除，只能進(jìn)項(xiàng)相對(duì)的抑制。例如B型超聲的斑點(diǎn)噪聲、X光成像的椒鹽噪聲、CT影像的高斯噪聲等，都具有一定的不可消除性，因此噪聲的降低工作已經(jīng)成為了調(diào)節(jié)清晰度外的研究關(guān)鍵，而如何使用圖像處理技術(shù)對(duì)噪聲進(jìn)行相對(duì)抑制，也是本研究關(guān)注的重點(diǎn)。正是由于醫(yī)學(xué)圖像與其他圖像處理存在著諸多區(qū)別，所以處理工作的針對(duì)性和目的性十分重要，只有選擇合適的處理方式和降噪方法，才能有效避免醫(yī)療問(wèn)題或事故的發(fā)生，繼而為我國(guó)醫(yī)療事業(yè)的進(jìn)步添磚加瓦。

2空域變換增強(qiáng)

2.1直方圖均衡化

作為一種較為常見(jiàn)的圖像分析工具，直方圖有著豐富性、多元性、直觀化的特點(diǎn)。一般而言，直方圖能夠承載大量信息，進(jìn)而實(shí)現(xiàn)對(duì)相關(guān)圖像灰度與內(nèi)容的描述，有的直方圖甚至能夠完全替代一些圖片，這進(jìn)一步體現(xiàn)了直方圖的全面性?；叶戎狈綀D是相關(guān)灰度值的函數(shù)，能夠代表圖像中相關(guān)灰度的具體像素?cái)?shù)量。在該直方圖中，橫坐標(biāo)往往代表灰度級(jí)別，縱坐標(biāo)往往代表灰度出現(xiàn)頻率，正是由于直方圖的特性，通過(guò)調(diào)整直方圖形狀，就可以實(shí)現(xiàn)對(duì)圖像對(duì)比度的變化。

直方圖均衡化即將圖像灰度值進(jìn)行映射變化，使其呈現(xiàn)均勻分布的狀態(tài)，例如相關(guān)概率密度的均衡化。經(jīng)過(guò)變化后，原始圖像會(huì)變?yōu)榛叶燃?jí)較為平均的圖像，這極大地增強(qiáng)了圖像灰度的動(dòng)態(tài)范圍，有利于圖像對(duì)比度的調(diào)整。在均勻化過(guò)程中，一般會(huì)使用如下算法，以增強(qiáng)準(zhǔn)確性：

函數(shù)中q_k實(shí)質(zhì)是一種變換，可以把非均勻分布進(jìn)行均衡化，進(jìn)而建立相應(yīng)的灰度級(jí)映射對(duì)應(yīng)關(guān)系。因此，整體直方圖具有減少圖像灰度等級(jí)，同時(shí)提升圖像對(duì)比度的作用。然而，由于經(jīng)過(guò)均衡化處理后的圖像是唯一的，相關(guān)對(duì)比度的擴(kuò)大程度受到控制。

2.2灰度變換法

灰度變化法是圖像增強(qiáng)技術(shù)中最通用、最基本、最直接的方法。這種空域圖像處理是圖像顯示軟件與數(shù)字化圖像處理軟件的主要構(gòu)成部分，具有很強(qiáng)的靈活性和通用性。該方法即依據(jù)不同圖像處理?xiàng)l件，以固定變化關(guān)系逐步調(diào)節(jié)圖像中單位像素，雖然有著操作時(shí)間長(zhǎng)、程序多的問(wèn)題，但能夠從根本上改善圖像顯示效果，提升信息提取的豐富性。由于其以變換關(guān)系逐點(diǎn)改變?cè)瓐D的方式，灰度變化法也被叫做影像對(duì)比度拉伸或增強(qiáng)。例如一些醫(yī)學(xué)圖像需要提升細(xì)節(jié)的清晰度，獲得局部畫(huà)質(zhì)的該神，需要將整體或局部的灰度級(jí)進(jìn)行擴(kuò)展和壓縮，這就應(yīng)考慮灰度變換法的使用。

在灰度變化法的使用中，首先要將圖像輸入軟件導(dǎo)出相關(guān)數(shù)據(jù)，并標(biāo)明濃和淡，隨后將灰度值與相關(guān)像素對(duì)應(yīng)，最后進(jìn)行灰度增強(qiáng)工作。其中所涉及的原圖像像素處理函數(shù)如下：

g（x，y）=T[F（x，y）]

g（x，y）即處理后圖像像素灰度值，f（x，y）為原始圖像像素值，T[f（x，y）]稱為灰度變換函數(shù)，用以表示輸入和輸出灰度值之間的相互作用關(guān)系。只要T[f（x，y）]確定，就可以確定相關(guān)的灰度增強(qiáng)方法。為了實(shí)現(xiàn)對(duì)T[f（x，y）]的確定，就需要綜合考慮圖像的特征和處理目標(biāo)。只有在處理后圖像更加清晰、容易識(shí)別的情況下，才能確認(rèn)相關(guān)函數(shù)的選擇是標(biāo)準(zhǔn)化的。

由于灰度變化處理是一種點(diǎn)運(yùn)算方式，因此可被分為非線性變換與線性變化。線性變化的算法為：

函數(shù)中a為變化斜率，b是縱截距，x、y分別代表輸入輸出圖像的灰度值。

非線性變化需要考慮指數(shù)變換和對(duì)數(shù)變換兩種方式，這兩種方式都需要利用算法t=Clog（1+|s|）。對(duì)數(shù)變換需要使用MATLAB中的imadjust函數(shù)（如圖1）。

圖中，參數(shù)gamma決定曲線樣態(tài)，gamma=1時(shí)，線性映射為a；gamma>1時(shí)，線性映射為b；gamma<1時(shí)，線性映射為c。而HI、LI、HO、LO分別為高輸入、低輸入、高輸出、低輸出。

3空域?yàn)V波增強(qiáng)

空域?yàn)V波方法是依托于基于圖像空間的領(lǐng)域操作的，具有線性和非線性兩個(gè)類別。前者以點(diǎn)擴(kuò)展函數(shù)、脈沖函數(shù)、轉(zhuǎn)移函數(shù)構(gòu)成傅里葉變化，后者則是直接對(duì)鄰域進(jìn)行操作。而就功能說(shuō)，空域?yàn)V波可分為空域低通濾波、空域高通濾波、空域中值濾波。

3.1空域低通濾波

為了使圖像被處理得盡可能平滑，就需要采用低通濾波方式，即保持空間圖像的低頻率部分，縮減空間圖像的高頻率部分，并借助基于模板中心的鄰域運(yùn)算，達(dá)到去除噪聲影響的效果，同時(shí)也可以形成模糊效果，從而達(dá)到去除圖像某些細(xì)節(jié)的效果。經(jīng)過(guò)空域低通濾波有效處理的圖像，不僅視覺(jué)噪聲會(huì)受到大幅減少，圖像中的高頻部分也會(huì)有效減少，有助于低頻部分的突出，便于醫(yī)務(wù)人員的觀察和信息提取。盡管在低通濾波作用下，圖像中像素突變值被消除，并變得趨于平滑，然而由于平均值取代了突變，圖像的清晰度也受到了一定的影響。

具體而言，低通濾波可借助卷積法實(shí)現(xiàn)。該方法的最終頻率由卷積系數(shù)、卷積和等參數(shù)確定，而相關(guān)的儀器則被成為低通濾波器。作為一種依托于低通濾波的卷積核，該儀器有五大特征：一是卷積核行、列為奇數(shù)，多數(shù)被規(guī)定為三行三列；二是卷積系數(shù)為正數(shù)；三是卷積系數(shù)依托于中心點(diǎn)，呈現(xiàn)出中心對(duì)稱狀態(tài)；四是遠(yuǎn)離中心點(diǎn)的卷積系數(shù)，其數(shù)值較小且具有穩(wěn)定性；舞是卷積系數(shù)之和一定為l。為了保證輸出圖像的規(guī)范性，且處于原有灰度范圍，不同低通濾波器會(huì)有不同的模板側(cè)重。而在實(shí)際情況中，模板參數(shù)的選擇需要視圖像、噪聲類型等確定。

以維納濾波為例，作為一種經(jīng)典的線性濾波器。維納濾波器的濾波準(zhǔn)則，是在較為穩(wěn)點(diǎn)的條件下得出的，具體的方程為解維納-霍夫方程：

該算法中η為MN個(gè)像素的領(lǐng)域，V²是方差。根據(jù)方程可知，方差越大，維納濾波的效果就越差，方差越小則反之，體現(xiàn)出該濾波器良好的適應(yīng)性。

3.2空域高通濾波

與低通濾波相反，高通濾波能夠強(qiáng)化空間圖像的高頻率部分，消解低頻率部分。在進(jìn)行高通濾波的過(guò)程中，圖像的高頻部分被突出，低頻部分受到抑制，就能夠?qū)崿F(xiàn)提升圖片邊緣清晰度或線條清晰度的目標(biāo)。但與此同時(shí)，圖像的噪聲也隨著被放大。

高通濾波也借助卷積法實(shí)現(xiàn)，并主要用于整體圖像的銳化處理。在特征方面，高通濾波與低通濾波保持著較高的一致性，區(qū)別僅在于，其卷積中心附近的卷積系數(shù)一般取0或負(fù)數(shù)。

空域高通濾波器卷積核中心系數(shù)最大，于圖像處理中發(fā)揮著至關(guān)重要的作用。在相關(guān)系數(shù)經(jīng)過(guò)高頻率部分時(shí)，與像素值的乘積很大，對(duì)卷積結(jié)構(gòu)有著深刻地影響。因此，在高通濾波方法處理后，圖像中像素值的突變部分別放大，像素值小的部分受影響很小，這使圖像在視覺(jué)上更加醒目。

空域高通濾波的常用方法有Sobel算法、Laplace算法等。本文主要對(duì)后者進(jìn)行分析。

拉普拉斯運(yùn)算方程如下：

在該算法中，V²f拉普拉斯算子。

3.3空域中值濾波

中值濾波法具有很強(qiáng)的實(shí)用價(jià)值，能夠在一定程度上克服高通濾波法、低通濾波法面臨的問(wèn)題，包括噪聲的放大、圖像細(xì)節(jié)的模糊等。尤其是對(duì)圖像中脈沖噪聲，采取中值濾波法很容易取得意想不到的效果。但是，針對(duì)細(xì)節(jié)過(guò)多、重視邊緣清晰度的圖像，使用中值濾波法很難收到預(yù)期的效果。

由于特殊的計(jì)算方法，中值濾波器也被稱作排序統(tǒng)計(jì)濾波器。不同于其他濾波器，排序統(tǒng)計(jì)濾波器是基于統(tǒng)計(jì)理論的，而不是計(jì)算均值或方差。在計(jì)算的實(shí)現(xiàn)上，空域中值濾波也采用卷積方式處理鄰域，但在具體計(jì)算上，該方式并非簡(jiǎn)單的加權(quán)求和，而是將鄰域排列之后，再根據(jù)中間值進(jìn)行計(jì)算。通過(guò)這種計(jì)算過(guò)方式，像素灰度相差較大的像素值被均均衡化，相應(yīng)的脈沖噪聲、環(huán)境噪聲也會(huì)隨之被削減。具體的操作過(guò)程是首先將模板中心重合在某一像素，讀取相關(guān)灰度值；其次排列所讀取的若干灰度值，找出中間值；最后將模板中心像素值對(duì)應(yīng)到該中間值上。

4頻域?yàn)V波增強(qiáng)

頻域?yàn)V波增強(qiáng)即按照模型修改圖像空間的傅立葉頻譜，以使圖像平滑化、清晰化的特點(diǎn)。通過(guò)該技術(shù)，圖像由空間域轉(zhuǎn)化為頻率域，最后借助卷積法和傅里葉變化實(shí)現(xiàn)。也可以說(shuō)，卷積法和傅里葉變化是該技術(shù)的根本。頻域?yàn)V波增強(qiáng)技術(shù)主要分為頻域低通濾波、頻域高通濾波、頻域同態(tài)濾波。

4.1頻域低通濾波

頻域低通濾波主要用于保留低頻率部分，削減噪聲，同時(shí)抑制高頻率部分。該方法下的計(jì)算方程如下：

G（u，v）=H（u，v）·F（u，v）

方程中G（u，v）是經(jīng)過(guò)處理的圖像空間，H（u，v）是頻域低通濾波器的轉(zhuǎn)化函數(shù)，F(xiàn)（u，v）是基于原始圖像的傅立葉變換。H（u，v）的不同會(huì)導(dǎo)致圖像最后處理結(jié)果的不同。

在理想條件下，低通濾波完全抑制了高頻率部分，去除了所有噪聲，相關(guān)的函數(shù)為：

該方程中R。被稱作截止頻率。

最通用的一種濾波器為Butterworth，具體的相關(guān)函數(shù)為：

H（u，v）=l/1+[R（u，v）/R0]2n

4.2頻域高通濾波

頻域高通濾波主要用于強(qiáng)化空間圖像的高頻率部分，消解低頻率部分，這與空域高通濾波的作用十分相似。經(jīng)過(guò)頻域高通濾波處理的圖像，邊緣部分被突出，輪廓呈現(xiàn)出清晰化的特點(diǎn)。在理想條件下，頻域高通濾波法完全抑制了低頻率部分，完整保留了高頻率部分，使邊緣得到了很大程度的突出。相應(yīng)的，最常用的濾波器也為Butterworth。在理想條件下，經(jīng)過(guò)該方法處理的圖像較暗，需要通過(guò)Butterworth進(jìn)行加強(qiáng)，具體的處理方程為：

H（u，v）=1+[1/1+R0/R（u，v）]2n

經(jīng)過(guò)處理后的圖像亮度，能夠達(dá)到相關(guān)標(biāo)準(zhǔn)，并未醫(yī)務(wù)工作者提供更多便利。雖然頻域高通濾波法處理后，圖像清晰度變得很高、銳化效果十分突出，但依然存在明顯的振鈴現(xiàn)象

4.3頻域同態(tài)濾波

同態(tài)濾波與頻域低通濾波、頻域高通濾波存在很大差異。該濾波法能夠同時(shí)處理圖像亮度和對(duì)比度，通過(guò)對(duì)圖像的作非線性變化，使其達(dá)到均衡化和清晰化的特征。具體示意圖如下：

該濾波處理法的計(jì)算方程為：

f（x，y）=I（x，y）·r（x，y），經(jīng)過(guò)轉(zhuǎn)化可以得到：

Inf（x，y）=InI（x，y）+Inr（x，y）

該方程中f（x，y）是被處理后圖像像素值的函數(shù)，I（x，y）為照射分量，r（x，y）為反射分量。

5圖像增強(qiáng)Matlab的實(shí)現(xiàn)與結(jié)果分析

由于X-CT圖像存在固有的整體模糊、邊緣模糊、灰暗等問(wèn)題，影響了圖像的質(zhì)量和清晰度，因此在實(shí)驗(yàn)中，本研究使用了直方圖均衡化法進(jìn)行圖像處理，再通過(guò)基于Matlab的醫(yī)學(xué)影像增強(qiáng)與邊緣檢測(cè)算法的實(shí)驗(yàn)研究，使圖像中的感興趣區(qū)域明顯加強(qiáng)，后續(xù)處理也更加方便。

5.1灰度圖像的直方圖均衡化處理

本實(shí)驗(yàn)使用MATLAB中的Image toolbox工具箱里自帶的直方圖均衡化histeq（）函數(shù)來(lái)實(shí)現(xiàn)對(duì)圖像的增強(qiáng)。

通過(guò)直方圖均衡化處理，原始輸入圖像的對(duì)比度得到增強(qiáng)，輸入圖像的直方圖分布改變成“均勻”分布直方圖分布，變換后圖像的直方圖相對(duì)原始圖像的直方圖較均勻、平坦，灰度層次清晰。

5.2使用log和Canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)

本文使用了log和Canny算子對(duì)肝臟X-CT圖像進(jìn)行了邊緣檢測(cè)，結(jié)果顯示使用Canny微分算子法可以有效的檢測(cè)出強(qiáng)弱邊緣，對(duì)醫(yī)學(xué)圖像實(shí)現(xiàn)邊緣定位，為醫(yī)學(xué)圖像進(jìn)一步的測(cè)量或識(shí)別作準(zhǔn)備，能對(duì)病灶部位特征加以明確的區(qū)分。圖5中a為原始圖像，b、c、d分別是高斯平滑參數(shù)采用1、1.5、2后的處理結(jié)果。

6結(jié)束語(yǔ)

本文詳細(xì)介紹了醫(yī)學(xué)圖像的特點(diǎn)，在成像過(guò)程中由于機(jī)電和人工等原因，或多或少存在一些圖像模糊不清，邊緣含糊的情況。本文說(shuō)明了對(duì)醫(yī)學(xué)圖像進(jìn)行影像增強(qiáng)和邊緣檢測(cè)的方法，并就空域增強(qiáng)和頻域增強(qiáng)進(jìn)行了分類闡述，最后針對(duì)肝臟X-CT圖像采用直方圖均衡化和Roberts算子對(duì)肝臟CT圖像進(jìn)行了增強(qiáng)處理和邊緣檢測(cè)處理，處理后的圖像和邊緣較原圖像在清晰度、對(duì)比度上都有了顯著增強(qiáng)。