医学图像分割与配准Medical Image Processing System Platform of R & DDeng Chao Qiang(Information Science and Engineering Institute,Jiangsu Polytechnic University)Abstract: Medical image processing has being more and more widely used in modern hospitals. In this paper, these modules were included, which are image denoising, image segmentation, the image compression and the method of how to calculate the area of the focus of medical images etc. They are the base of a medical image processing system . In addition, on the basis of this design , an efficient GUI was also designed to experiment with these image processing methods. This system not only fulfilled the experimental tasks, but also provided a good base for the development of medical image processing system. Keywords: medical image edge detection image segmentation Image compression论文摘要:医学图像处理技术在现代化医院中得到了越来越广泛的应用。在本文设计医学图像处理系统中, 基本包含了图像降噪、图像分割以及病灶区域面积的计算、图像编码压缩等内容。此外,设计了一个有效的GUI,以便进行医学图像的实验。该界面的实现不但顺利完成了本设计的实验任务,而且为以后开发医学图像处理系统提供了良好的基础。关键词：医学图像 边缘检测 图像分割 图像压缩1、 前言医学图像处理技术是现代医学中重要的组成部分，并且已经成为医学技术中发展最快的领域之一。以计算机技术为依托，数字图像处理是医学图像处理领域中极为重要的一个方法，它是使医生获得病人病情可靠信息的重要保证，也是医生开展进一步治疗的必要条件。它对医学图像处理包括：图像的预处理、特征的提取、图像分割、图像配准、图像融合、纹理分析和伪色彩处理等。图像的压缩传输技术也是当前研究的一个热点，也是本文研究的一个重点。这种技术依赖于数字图像的压缩编码和现代通信技术，它的出现使得远程医疗成为可能，并加强了医疗的即时性。2、 医学图像的降噪处理方法2.1中值滤波技术中值滤波是基于排序统计理论的一种抑制噪声的非线性信号处理技术[1]。这种滤波器在滤除叠加白噪声和长尾叠加噪声方面显示出了极好的性能。中值滤波结果如图2.1 （a）带高斯噪声图 （b）中值滤波后图 (c)带乘性噪声图像 （d）中值滤波后图图2.1中值滤波图图像中值滤波前后的信噪比如表2-1所示。 信噪比（SNR） 滤波前（图2.1（a）） 滤波后（图2.1（b）） 19．5855 26．3309 滤波前（图2.1（c）） 滤波后（图2.1（d）） 18．6628 23．70532.2基于小波变换的图像降噪由于噪声往往是高频信息，所以在对图像进行小波变换后，与噪声相关的系数处在高频系数区。因此对变换后的小波系数进行低通滤波处理，即可将高频信号除去，重建后的信号即为降噪图像。采用默认阈值对带噪图像降噪处理，分解层次N＝2，选用sym4小波。（a）带高斯噪声图 (b)小波降噪后图像 （c）带乘性噪声图 (d)小波降噪后图像 图2.2图像的小波降噪表2-2 经过小波变换降噪处理前后的信噪比信噪比（SNR） 滤波前（图2.2(a)） 基于小波变换降噪后的图像（图2.2(b)） 19．5855 27．4604 医学图像分割与配准 滤波前（图2.2(c)） 基于小波变换降噪后的图像（图2.2(d)） 18．6628 26．4063通过比较，从视觉效果看，带噪声的原图像经过滤波后，噪声信息明显减弱，而对采用中值滤波和小波变换进行滤波的结果对比可以看出，基于小波变换降噪后的图像比采用中值平滑滤波降噪图像更加清晰，信噪比高。说明小波变换降噪效果要比空域中值滤波效果好。3、医学图像分割处理3.1图像边缘检测基于边缘检测的基本思想是先检测图像中的边缘点，再按一定策略连接成轮廓，从而构成分割区域[2]。边缘检测的基本算法有Sobel算子、梯度算子、Log算子、Robert算子、拉普拉斯算子以及Canny边缘检测器等。边缘检测结果如图3.1所示
(a) 原始图 (b)Roberts算子法
(c)Sobel算子法 (d)Canny算子法图3.1不同算子边缘检测图由上面的图可以看出，利用Roberts算子提取边缘的结果边缘较粗，因此边缘定位不是很准确，而Sobel算子对边缘的定位比较准确。Canny算子提取的边缘十分完整，而且边缘的连续性很好，效果优于其他算子。3.2图像阈值法分割阈值法又称灰度门限技术，是最为常用的一种图像分割方法，具有简洁实用、计算量少的特点。3.2.1直方图分割方法灰度直方图就是灰度级的像素数n与灰度i的二维关系，它反映了一幅图像上灰度分布统计特性，在MATLAB中使用函数“imhist.m”来实现。3.2.2分水岭法图像分割实现分水岭算法本质上是利用图像的区域特性来分割图像的，它可以将边缘检测与区域生长法的优点结合起来，得到单像素宽的、连通的、封闭的及位置准确的轮廓。分割效果图如图3.2所示。 3.2(a)原始图像 3.2(b)分水岭法分割图像 图3.2 分割效果图用边缘检测法进行分割后的目标图像，由于噪声等因素的影响，存在较大的误判率，而且获得的边缘是不连续的，必须通过边界跟踪将它们转化为有意义的边缘信息。而用阈值法对图像分割后，无明显的误判，分割出来的目标图像轮廓鲜明，可以极为方便地确定目标，其分割效果明显优于边缘检测法。3.3计算图像病灶区域面积医学图像中病灶区域是医生最为关注的地方，病灶区域的大小和位置是医学图像中最为重要的信息。这里采用把病灶区图像单独分离出来，再进行像素数目统计。 如图3.3，从分割后的图像中选择结石部分图像，在该部分图像中统计中间黑色区域像素数。
图3.3结石部分图像在分离出的病灶区图像中，计算出病灶像素数占图像总像素数的百分比，即为病灶区面积占全图像面积的百分比。病灶区面积＝7.34863 此种像素数目统计方法简单易行，计算容易，结果准确。382
医学图像分割与配准4.1医学图像压缩的出发点图像压缩技术在医学图像处理中占据着非常重要的地位。医学图像有其特殊性，错误描述的代价非常高，必须提供一种高质量的压缩方法。因此，医学图像里的无损压缩技术一直是备受人们关注的焦点，与常规图像相比，医学图像是具有纹理较多，分辨率较低，相关性较大的图像，对其进行压缩是很困难的。目前，对医学图像的压缩还没有非常好的算法，常用的算法对医学图像的处理还不尽如人意，因此，医学图像的压缩存储是各类医院迫切需要解决的问题。4.2余弦离散变换（DCT）任何连续的实对称函数的傅立叶变换中只含余弦项,因此余弦变换与傅立叶变换一样,具有明确的物理意义。通常对一幅图像的离散余弦变换其重要的可视信息集中在几个系数上。正是这种性质,离散余弦变换经常用于图像的压缩。(a)原图像 (2)经DCT变换后的图像 图4.1 DCT变换前后图像压缩后的数据及图像如上述所示，这当然不能完全反映构后图像的质量，因为需要用到信噪比去反映整个图像的失真程度。4.3小波变换压缩将小波分析引入图像压缩的范畴也是一个重要的手段，并且有着它自己的特点。小波变换压缩的特点在于压缩比高、压缩速度快,压缩后能保持信号与原图像的特征基本不变,且在传输过程中可以防干扰等等。一个图像作小波分解后,可得到一系列不同分辨率的子图像,不同分辨率的子图像对应不的频率是不相同的[3]。高分辨率子图像上大部分点的数值都接近于0,分辨率越高越明显。而对于一个图像来说,表现图像最主要的部分是低频部分,所以最简单的压缩方法是利用小波分解去掉图像的高频部分只保留低频部分。压缩效果如下图： 图4.2 小波压缩过程5、医学图像处理实验平台的设计与实现5.1 图形界面总体设计用户界面是人，即用户与计算机或计算机程序的接触点或交互方式，是用户与计算机进行信息交流的方式[4]。设计步骤如下：(1) 由MATLAB的START菜单选取GUIDE选项，打开GUIDE编辑器；(2) 用鼠标选取需要的GUI对象到指定位置；(3) 用鼠标双击要编辑的对象，在打开的属性检查器中修改对象的属性；(4) 单击M-FILE Editor按钮，编写CALLBACK;(5) 保存文件后执行GUI。5.2实验界面操作过程
图5.1 系统平台界面点击界面的图像载入按钮，可以选择电脑上的任一张医学图像，显示在第一个窗口中,进一步对该图像作添加噪声处理，处理后的图像在第二个窗口显示。要对第二个窗口的图像进行下一步的处理，就可以点击应用按钮，处理过的图像在第三个窗口显示，最后可以计算出病灶区的面积，点击图像压缩的按钮，可以跳到另一个界面，再进行图像压缩。关闭平台就可以点击退出按钮。操作平台如上图5.1所示。6、结论本课题以医学图像处理为重点，通过实例研究了图像降噪、图像分割与边缘检测和图像压缩的处理方法，总结各种图像处理算法的优缺点，并对分割后图像进行局部面积计算。综合看来，医学图像处理系统在医学诊断中起到越来越重要的作用，本文的研究取得了一定的成果，既提高了图像质量，又提高了图像处理速度，可以为医院提供更好的诊断图像。现在医学图像处理是一个热门课题，虽然对医学图像降噪、边缘检测和分割有很多方法，但医学图像的形式是很多的，本文只是针对某一类型的图像进行处理，为使处理后的图像更加完善，下一步需要将多种方法综合应用，例如小波与传统降噪方法相结合，多种分割方法相结合等,多种压缩方法的比较。
参考文献[1]孙即祥，图像处理[M]. 北京：科学出版社，2004.108-150[2]张兆礼，赵春晖，梅晓丹.现代图像处理技术及Matlab实现[M].北京：人民邮电出版社，2001.161-201[3]王家文，MATLAB6.5图形图像处理[M].北京：国防工业出版社，2004.368-386[4]郝文化，MATLAB图形图像处理应用教程[M].北京：中国水利水电出版社，2003.102-111 382
