醫(yī)學(xué)圖像分割系統(tǒng)設(shè)計

寇毛蕊，楊新國

(1.廣西大學(xué)公共管理學(xué)院，廣西南寧 530004；2.廣西大學(xué)馬克思主義學(xué)院，廣西南寧 530004)

1 研究目的及意義

隨著數(shù)字圖像技術(shù)發(fā)展的日趨成熟，在醫(yī)療衛(wèi)生領(lǐng)域中計算機圖像輔助診斷技術(shù)已成為臨床治療中的重要依據(jù)。本研究基于Matlab軟件平臺設(shè)計一個醫(yī)學(xué)圖像分割系統(tǒng)，系統(tǒng)可根據(jù)圖像實際情況進行平滑降噪、亮度調(diào)節(jié)等預(yù)處理操作，然后選擇不同分割方法將圖像分割成不同區(qū)域，以此對圖像進行分析診斷。利用圖像分割方法對圖像進行處理的目的是為了更好地提取出所需區(qū)域的特征，使處理后的圖像便于后期的分析和理解[1]。

在實際生活中，圖像分割技術(shù)廣泛應(yīng)用于在線產(chǎn)品檢驗、文檔圖像處理、衛(wèi)星遙感、氣象和生物醫(yī)學(xué)圖像分析等方面，并取得了顯著的社會效益和經(jīng)濟效益。圖像分割是提取醫(yī)學(xué)圖像特征的主要手段。而醫(yī)學(xué)影像技術(shù)的發(fā)展使得圖像分割發(fā)揮著更為重要的作用。本研究基于Matlab軟件的平臺，集成在便于用戶使用的交互式環(huán)境之中，使用Matlab所提供的用戶界面(GUI)以及圖像處理工具箱，進行簡單的設(shè)計，進而得到直觀的顯示。通過本系統(tǒng)中的分割方法對圖像進行一些簡單的分割，以便于醫(yī)學(xué)診斷和治療。

2 研究背景及國內(nèi)外研究現(xiàn)狀

圖像處理在自身發(fā)展的同時也廣泛地應(yīng)用于生活和工作的各個領(lǐng)域之中，其中，紙幣識別、車牌識別、指紋識別等技術(shù)已經(jīng)被大家所熟悉。而識別技術(shù)的基礎(chǔ)就是圖像分割，其作用是把圖像特征或特性提取分離出來，并進一步形成數(shù)字特征。圖像分割已經(jīng)廣泛應(yīng)用于社會生活中，在圖像識別的各種應(yīng)用系統(tǒng)中占重要地位。

隨著圖像處理技術(shù)的發(fā)展，圖像的分割算法變得越來越多樣化與靈活化，但是在分割算法研究中，暫時還未出現(xiàn)一種可適用于所有圖像的分割算法。對圖像的分割在強調(diào)部分區(qū)域的同時，往往會丟失掉部分邊緣信息。本文在已有理論研究成果的基礎(chǔ)上，針對不同的提取方式，從中選取了四種方法對圖像進行分析，綜合了幾種不同方法的優(yōu)缺點，基本實現(xiàn)圖像分割處理的完整功能。

3 圖像處理算法

圖像信息具有直觀、形象、易懂和信息量大等特點，是人類獲取信息、表達(dá)信息和傳遞信息的重要途徑。

對數(shù)字圖像信息進行處理(Digital Image Processing)的技術(shù)起源于20世紀(jì)20年代。數(shù)字圖像處理技術(shù)不僅在理論上有更深的發(fā)展，在應(yīng)用上也是社會生產(chǎn)活動中不可缺少的強有力工具。幾何處理、圖像增強、圖像復(fù)原以及圖像分割等都是圖像處理的研究范疇，本文針對圖像分割展開詳細(xì)闡述。

3.1 圖像預(yù)處理

圖像預(yù)處理是圖像處理分析的關(guān)鍵一步，在圖像處理中具有重要作用。當(dāng)圖像存在噪聲需要進行降噪時，一般需要先對圖像進行相應(yīng)處理，如平滑處理，所用到的平滑濾波器一般有線性平滑濾波器和中值濾波器[2]。對圖像進行平滑降噪后，圖像會變得模糊不清，因為圖像的信號一般分布在低中頻，而圖像的細(xì)節(jié)分布在高頻，所以平滑后會使圖像的部分細(xì)節(jié)變模糊。銳化的目的是為了解決這個問題，來增強圖像的邊緣部分，以便對圖像進行進一步的識別和處理，銳化處理是與平滑處理相反的一類處理方法，一般可將圖像銳化分為線性和非線性[3]。

3.2 圖像分割算法

圖像分割可以提取圖像的特征，對于圖像來說，有些特性是可以直觀感覺到的，而有些特征則需要測量變換才能得到，如做直方圖處理。對這些圖像特征的檢測，離不開圖像分割技術(shù)。邊緣檢測法、閾值分割法、區(qū)域生長法和基于分水嶺算法是四種經(jīng)典的分割方法。

3.2.1 邊緣檢測法

圖像邊緣對于圖像的識別來說十分有用，因為在進行圖像分析時，先對圖像進行邊緣檢測，邊緣可以描述出圖像的大致信息，使用戶能夠一目了然地了解圖像信息。從根本上來看，圖像邊緣其實就是圖像灰度值不連續(xù)突變的反映，可以將其看作兩個部分的分界線?，F(xiàn)有的檢測方法正是針對此特點，對圖像進行一階或二階微分來確定邊緣信息[4]。

3.2.2 閾值分割法

閾值分割法是一種比較常用的圖像分割方法。所要分割的對象與背景的灰度值差較大時，分割的效果較好。閾值分割算法步驟簡單，運算速度快，可認(rèn)為是對圖像進行特征提取的預(yù)處理過程。該算法可將圖像分割為若干部分，將比規(guī)定閾值大的像素放置一個區(qū)域，作為目標(biāo)，將小于規(guī)定閾值的像素作為背景，分割后的圖像為黑白兩部分，即圖像二值化。

3.2.3 區(qū)域生長法

區(qū)域生長法分割圖像是指從已知的種子點開始，通過所選定的相似性準(zhǔn)則，與它周圍鄰域像素形成一個區(qū)域[5]。所選用的準(zhǔn)則可以是灰度差或其它特性，從所選定的種子像素開始，向其周圍各個方向生長，將滿足該準(zhǔn)則的像素都合并在一個小區(qū)域，然后以所合并的新像素點作為起點，繼續(xù)向各個方向生長，重復(fù)上述過程，直到?jīng)]有符合的像素點為止。

3.2.4 分水嶺分割法

分水嶺算法的基本思路是將圖像看作地理學(xué)上的拓?fù)涞匦?，如果將圖像中每個像素點的灰度值看作對應(yīng)的地理海拔，則灰度值較小的像素集合所形成的區(qū)域為盆地，較高的像素為海拔較高的山峰，那些海拔較低的盆地的邊緣就形成了分割線。將灰度映射到三維空間，如圖1所示[6]。以Vincent和Soille所提的浸沒法來模擬分水嶺分割算法，即海拔低的盆地低處先被浸沒，當(dāng)水位上升到山體高處時，各盆地區(qū)域的水面開始匯聚，在它們匯聚的邊緣地方構(gòu)造出堤壩，這些堤壩對應(yīng)于圖像的分割線，可以將圖像劃分為不同的部分。

圖1 將灰度圖像映射到三維空間

圖2 系統(tǒng)模塊圖

4 系統(tǒng)概要設(shè)計

4.1 系統(tǒng)功能設(shè)計

圖3 系統(tǒng)流程圖

醫(yī)學(xué)圖像分割系統(tǒng)如圖2所示，由操作模塊、圖像預(yù)處理、圖像編輯、分割方法選擇模塊以及顯示模塊組成。其中，操作模塊實現(xiàn)系統(tǒng)最基本的功能，該模塊包括讀入圖像、系統(tǒng)退出、重置與灰度轉(zhuǎn)化等諸多功能，如重置功能可實現(xiàn)對圖像處理的取消。圖像預(yù)處理包含了灰度變換[7]、灰度倒置、直方圖均衡化、圖像平滑與圖像銳化等諸多功能，可以對讀入的圖像進行各種前期處理。圖像平滑與圖像銳化則都分為空域處理與頻域處理兩種方式。圖像編輯包括了許多圖像的常用處理，例如圖像二值化、亮度調(diào)節(jié)、對比度調(diào)節(jié)、對原始圖像加各種噪聲、一些簡單的幾何變換、圖像剪切和形態(tài)學(xué)處理等。分割方法選擇則對應(yīng)于邊緣檢測法、閾值分割法、區(qū)域生長法和分水嶺分割方法，當(dāng)選擇一種方法時，另外三種方法將會被鎖定。最后的顯示模塊則用于顯示圖像以及對應(yīng)的直方圖，包括對原始圖像的顯示、對圖像預(yù)處理或編輯后的圖像顯示、對分割后的圖像顯示，另外還能夠?qū)崿F(xiàn)原始圖處理后、分割后的圖像的直方圖的相應(yīng)顯示。最后對處理過后和分割過后的圖像進行保存。

4.2 系統(tǒng)算法設(shè)計

圖像分割的算法是本次研究的主要對象，該分割系統(tǒng)最基本、最主要的功能是通過選擇不同的方法實現(xiàn)對圖像的分割。下面以流程圖(圖3)的形式概要介紹此系統(tǒng)的基本流程。

首先讀入一個圖像，根據(jù)該圖像的實際情況判斷是否需要對其進行預(yù)處理，例如圖片是否含有噪聲，亮度是否較暗等。若圖像較理想，可直接進行其它常用處理或直接選擇分割方法進行圖像分割。若圖像含有噪聲，則可先對其進行圖像平滑處理，選擇不同的掩膜值進行濾波，消除一定的噪聲。如果圖像的邊緣被部分濾除掉，則可在圖像平滑后進行圖像銳化，以此增強圖像的銳度。圖像編輯是指對圖像進行一些常用的處理，做簡單的幾何變換，如剪切、旋轉(zhuǎn)等。若不需要對圖像進行編輯，則可以直接進行分割方法選擇，對圖像進行分割處理，然后保存圖像并退出系統(tǒng)。

5 系統(tǒng)測試

5.1 系統(tǒng)實現(xiàn)

系統(tǒng)的運行界面如圖4所示，如上述所說明的功能模塊，整個界面上只顯示了按鍵部分、顯示區(qū)域和分割方法區(qū)域。圖像預(yù)處理與圖像編輯的各項處理都放置到菜單一欄，當(dāng)需要進行這些操作時，相應(yīng)的功能面板會顯示在左下角處。圖5為對讀入的圖像進行了灰度倒置，界面右上側(cè)為處理前以及處理后的直方圖，由此可以清晰地看到圖像的灰度變化情況。

圖4 系統(tǒng)運行界面圖

圖5 灰度變換操作

其它功能同樣可以實現(xiàn)，在分別對原始圖像進行直方圖均衡化、圖像二值化后，整個圖像的灰度級變換為黑白兩部分，操作處理后的結(jié)果如圖6所示。

圖6 操作運行結(jié)果

對圖像進行一些簡單的幾何變換有時也顯得格外重要，例如旋轉(zhuǎn)、翻轉(zhuǎn)以及縮放等。以下對圖像進行了左右翻轉(zhuǎn)、圖像剪切以及圖像放縮幾個簡單的操作，選擇最近鄰插值并設(shè)置為0.2，運行結(jié)果如圖7所示。對于圖像的各項基本功能，該系統(tǒng)都能良好實現(xiàn)。該系統(tǒng)對圖像進行合理的處理，對于接下來的分割也起到關(guān)鍵的作用。

圖7 圖像幾何操作

5.2 系統(tǒng)測試與分析

由于圖像在采集、量化或者傳送過程中會產(chǎn)生噪聲，因此通常在對圖像處理前先進行去噪[8]。不同的濾波方法可能對圖像的濾除效果不一樣，可見對濾波器的選擇非常重要。以下對讀入的一張帶噪聲的醫(yī)學(xué)圖像(圖8(a))進行處理測試，對該平滑后的圖像進行銳化，選用一階巴特沃斯濾波器，設(shè)置截止頻率為2，如圖8(b)和(c)所示。對圖像選用不同的濾波器，會產(chǎn)生不同的濾波效果，均值濾波器對噪聲有抑制作用，但同時會使圖像變模糊，即使是加權(quán)濾波，所改善的效果也是很有限。

圖8 圖像預(yù)處理

邊緣檢測法是指通過選取Prewitt、Log、Canny算子對圖像進行分割，結(jié)果如圖9所示。根據(jù)所選取的3種算子分割結(jié)果，直觀地看，Canny算子對邊緣信息的保留效果較好，分割的結(jié)果較準(zhǔn)確。Log算子所分割的結(jié)果，雖然邊緣信息保留的較豐富，但同時也將部分非邊緣點誤檢測為邊緣點，將其誤認(rèn)為真邊緣包含進來，卻丟失了部分真邊緣點[9]。Prewitt算子分割的結(jié)果，一眼望去較雜亂，圖像的邊緣連續(xù)性較差。

圖9 圖像的邊緣檢測處理

運用閾值分割法對圖像分別進行自動閾值與輸入閾值100的處理運行結(jié)果如圖10所示。如果閾值定得過高，偶然出現(xiàn)的物體點可能會被認(rèn)作背景，如果閾值定得過低則會出現(xiàn)相反情況。從系統(tǒng)運行圖(圖10(a))可以看出，在自動閾值的閾值分割后，圖像的直方圖被分成兩部分，大于閾值的一部分為全白，小于閾值的一部分為全黑。輸入閾值可以設(shè)置的范圍是0～255，且為整數(shù)，圖10(b)所示為閾值設(shè)置為100后的結(jié)果，相比自動閾值，腦內(nèi)更多的白色圖像變成了灰色，說明了手動設(shè)置的閾值要高于自動檢測的閾值。

圖10 圖像的閾值分割處理

圖像區(qū)域生長法處理是指通過自己設(shè)定參數(shù)確定生長種子，先選定一點作為種子點即生長的起點，參數(shù)設(shè)置如圖11(a)所示，然后將種子點鄰域中滿足灰度差為10的像素合并到種子像素所在的區(qū)域，分割結(jié)果如圖11所示。從圖11(b)所分割得到的結(jié)果來看，雖然部分邊緣信息未被分割出來，但對比其它算法分割的結(jié)果，整個圖像的連續(xù)性較好。該算法需選取種子點，確定相似性閾值及生長準(zhǔn)則，圖像中選取的閾值設(shè)定為10，經(jīng)過改變不同的數(shù)值發(fā)現(xiàn)，若數(shù)值小于10，會出現(xiàn)過度分割情況，將對背景中的對象進行分割。因此，種子點及相似性閾值的選取對于整個圖像分割的準(zhǔn)確性會造成影響。

圖11 圖像的區(qū)域生長處理

圖12 圖像的分水嶺分割處理

分水嶺分割方法，一般是將讀入圖像(如果是彩色圖像轉(zhuǎn)化為灰度圖像)選用Prewitt算子獲得梯度幅值圖像，然后將前景標(biāo)記對象和計算，再將背景標(biāo)記，最后進行分割函數(shù)的分水嶺變換[10]。圖12所示為分水嶺分割算法對原始圖進行分割的結(jié)果，由于該圖像中的組織是相互連在一塊的，因此對此部分不易進行分割。從分割結(jié)果圖像來看，整體的分割效果還是比較好的，基本可以分割出比較連續(xù)的邊緣信息。另外，由于圖像中局部存在極小值點，使得圖像在部分區(qū)域出現(xiàn)過度分割的現(xiàn)象，從而造成部分分割結(jié)果無意義。

6 結(jié)論

本文基于圖像處理的理論知識，運用現(xiàn)代計算機技術(shù)，借助Matlab平臺，設(shè)計出穩(wěn)定且功能強大的圖像分割系統(tǒng)。在對醫(yī)學(xué)圖像進行預(yù)處理、編輯操作的基礎(chǔ)上選取四種分割算法來對圖像進行分割，以實現(xiàn)系統(tǒng)功能，運用邊緣檢測法實現(xiàn)Prewitt、Log、Canny三種算子對圖像的分割。從分割效果來看，Canny算子能取得較好的分割效果，邊緣信息豐富，連續(xù)性較好；運用閾值分割算法對閾值進行確定，所選擇的閾值會直接影響圖像分割的結(jié)果；區(qū)域生長法的重點在于對生長種子像素及相似性閾值的選擇和確定，所選取的閾值對于分割結(jié)果的準(zhǔn)確性有著直接的影響；通過分水嶺分割算法對圖像進行分割有著比較好的效果，且能夠保留微弱的細(xì)節(jié)邊緣，從而得到封閉連續(xù)的邊緣。目前，本系統(tǒng)存在以下不足之處：(1)設(shè)計運用的分水嶺分割算法，圖像中存在噪聲或者細(xì)微的灰度變化，都會造成過度分割[10]。(2)系統(tǒng)對重疊的圖像以及前景后景灰度值接近的圖像分割效果較差，另外，對圖像進行剪切后只能進行保存操作，并未設(shè)計進一步的操作。

只用一種圖像分割方法對圖像進行處理可能達(dá)不到想要的分割效果，因為每種算法都有自身的局限。因此，在以后的應(yīng)用中可根據(jù)實際情況將各種不同算法結(jié)合使用。另外，功能更為完善的分割算法需要更多的學(xué)者對其進行更加深入的研究。