【作 者】崔 棟，劉敏敏，郭永新，焦青

1 泰山醫(yī)學(xué)院 放射學(xué)院，山東，泰安，271016

2 泰安市中醫(yī)醫(yī)院 眼科，山東，泰安，271000

在臨床眼科診斷、治療和眼底激光手術(shù)中，視網(wǎng)膜影像技術(shù)主要提供了視網(wǎng)膜血管熒光造影(fundus fluorescein angiography, FFA)、視網(wǎng)膜無赤光圖像(Red-Free, RF)和吲哚青綠血管造影(indocyanine green angiography, ICGA)等不同模態(tài)的眼底圖像信息。通常眼科醫(yī)生是通過患者在同一時期或不同時期提供的這些多模態(tài)病灶圖像信息，結(jié)合臨床觀察，進行癥狀分析和制定治療計劃的。但是，不同的眼底影像模式提供的信息是不同的，同一患者的這些不同影像信息在醫(yī)生的診斷中起到了互補作用。在眼病診斷、治療及激光手術(shù)中，眼科醫(yī)生總是對照同一病灶的不同影像信息，憑經(jīng)驗人為地“減影”視網(wǎng)膜血管網(wǎng)絡(luò)，在腦海中進行病灶定位、病理分析，不能形成一種新影像顯示在屏幕上或進行存儲。因此，精確地自動配準和拼接不同的視網(wǎng)膜眼底圖像信息，用于準確地定位、分析病灶，可以提高眼科醫(yī)生對病情分析的準確性，減輕眼科醫(yī)生的工作壓力[1-2]。

1 眼底熒光血管造影圖像的預(yù)處理

眼底熒光血管造影圖像是在注射一種熒光素后，在熒光素通過眼底血管的短暫過程中，利用眼底照相機每隔一定時間拍攝得到的圖像。受光照射的不均勻性、眼底照相機的成像效果以及成像過程中的噪聲干擾等因素的影響，通常會造成眼底圖像中目標和背景的對比度很低、噪聲干擾嚴重和圖像模糊等問題。為了改善圖像的可視性，我們需要采取相應(yīng)措施對圖像進行處理，得到滿足臨床醫(yī)生做出合理診斷要求的圖像[3-5]。

1.1 眼底圖像的中值濾波

中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，具有簡單和速度快的特點，而且濾除噪聲的同時對圖像的細節(jié)信息（如邊緣、銳角等）進行了較好地保護。與中值濾波相對應(yīng)的濾波器叫中值濾波器，在醫(yī)學(xué)圖像處理中，通常使用的是二維中值濾波器，按窗口形狀可分直線形、方形、圓形和十字形，分別如圖1所示。中值濾波非常適合于一些線性濾波器無法勝任的醫(yī)學(xué)數(shù)字圖像的處理工作。它是一種鄰域運算，類似于卷積，但計算的不是加權(quán)求和，而是把待濾波像素點由二維中值濾波器定義的區(qū)域中按各像素點的值的大小進行排序，然后選擇中間位置的值作為輸出像素值賦于待濾波像素點。本文采用方形濾波器對眼底造影圖像進行中值濾波。圖2所示為對眼底造影圖像作中值濾波后的效果圖。

圖1 各種形狀的中值濾波器Fig.1 The shape of the median fi lters

圖2 眼底造影圖像的中值濾波Fig.2 Fundus angiography image median fi lter

1.2 眼底圖像的尖銳化處理

醫(yī)學(xué)圖像邊緣是一個與人類視覺特性相關(guān)的概念。當圖像相鄰像素值間的差別超過人眼能識別的最低閾值時，人眼就能夠識別這種差別，則相應(yīng)的像素點處就被認為是醫(yī)學(xué)圖像邊緣，因此圖像邊緣可以定義為被人眼能識別的圖像像素值變化處。通過積分運算可以對醫(yī)學(xué)圖像，局部區(qū)域的像素值求平均，但會造成圖像的邊緣模糊。微分是積分的逆運算，可以想象，通過微分運算能夠使圖像的邊緣銳化。實際上，通過微分得到的是圖像的高頻信息，而圖像的高頻信息通常集中在圖像的邊緣處，這樣圖像微分后再與原始圖像數(shù)據(jù)疊加就可以得到邊緣銳化的醫(yī)學(xué)圖像。圖3所示為眼底造影圖像的銳化效果圖。

圖3 眼底造影圖像的銳化Fig.3 The image sharpening of fundus angiography

2 眼底造影血管圖像邊緣檢測

通常眼底圖像中組織密度不均勻，層次較豐富，噪聲大，血管的組織密度較高，屬于高頻細節(jié)部分。因此，我們首先由樣條函數(shù)構(gòu)造樣條小波，由此得到小波濾波系數(shù)。然后采用小尺度多方位濾波取最大值的檢測方法，得到眼底熒光圖像的血管初始邊緣，利用邊緣細化算法對初始邊緣進行細化，基于分形技術(shù)對細化后的邊緣進行連接，由噪聲去除算法消除邊緣圖像中的噪聲點，得到連續(xù)的單像素點血管邊緣。最后手工定位所欲測量的血管，利用計算機程序自動在邊緣圖像中搜尋三個相鄰的邊緣像素點，由這三個像素點決定兩條直線，若這兩條直線夾角等于零度，則認為這三個點在一條直線上，即找到了血管一條邊緣，再在這條邊緣的垂直方向上搜尋血管的另一條邊緣。圖4所示為基于小波邊緣檢測算法的眼底血管圖像[6]。

3 基于鏈碼描述方法的特征匹配

鏈碼在圖像處理和模式識別中是一種常用的表示方法[7]，圖5給出了常用的8鏈碼示意圖。

如圖中所示，在數(shù)字圖像中，圖像的邊緣點實際上是一些離散的像素。除圖像邊界上的點外，所有的像素點都有8個相鄰的點與之連接。如果將這8個點的連接方向用方向符號來代替，再沿邊緣方向依次記錄每兩點間的連接方向，我們就可得到邊緣輪廓的方向鏈碼。圖中與點相鄰的8個點分別記為B-1，每個點與A的方向分別定義為0方向、1方向等。這樣假定輪廓α和β分別是從圖像 f1(x,y)和 f2(x,y)提取出來的輪廓，可以用兩個長為Nα點和Nβ點的鏈碼序列{ai}, {bi}表示，那么輪廓α上從第k點開始的n點序列與輪廓β，上從第l點開始的n點序列之間的相關(guān)Dkl可以定義[7]為：

圖4 眼底造影圖像的邊緣檢測Fig.4 image edge detection of fundus angiography

圖5 8鏈碼示意圖Fig..5 8 Schematic diagram of the chain code

這里取模是考慮到存在著閉合輪廓的情況。余弦函數(shù)可以確保Dkl≤1，而Dkl≤1則意味著完全匹配。為了找到兩條輪廓α和β的最佳的匹配位置，將輪廓α上從第k點開始長度為n的一段在另一條輪廓β上滑動，其最大相關(guān)值由下式確定：

其中M為整個滑動范圍。對于一個閉合的輪廓而言，滑動的范圍就包括整個輪廓，而且取k=0，n=Nα，M包括輪廓β上所有的點，則上式可以寫為：

在實現(xiàn)中，對于長度不同的閉合輪廓的相關(guān)，可以用線性插值的方法將長輪廓加以重取樣，使其長度與輪廓的點數(shù)相同。

輪廓和α輪β廓的相關(guān)值若滿足下列兩個條件時，它們就是所要得到的最佳匹配的輪廓對：

(1) Cαβ≥Cαβ，這里β包括 f2(x,y)中所有與輪廓α形狀相似的輪廓；

(2) Cαβ≥T，這里的是一個預(yù)設(shè)閾值，主要是除去相關(guān)性很弱的結(jié)果，以免導(dǎo)致誤匹配。

關(guān)于多條輪廓同時對應(yīng)于另一個圖像上同一條輪廓的情況很少會出現(xiàn)，若存在這種情況，則取具有最大Cαβ值的那一對作為最佳匹配的輪廓對。在得到最終的匹配輪廓對后，我們將得到閉合輪廓對的中心點作為匹配點，這樣就可以得到匹配點對。

4 眼底造影圖像的拼接與融合

本文所采用的圖像來源于照相機拍攝所得到的圖像，因此對于光照條件的變化、時間條件的變化以及幾何校正的誤差，我們所獲得的對齊圖像信息會存在灰度的不連續(xù)和幾何變形留下的縫隙。如果將它們直接按照配準位置拼接在一起，會在拼接圖中形成一條拼縫。若此拼縫是在圖像的邊緣位置，則更加明顯。因此，本文采用了一種基于局部區(qū)域灰度信息的圖像融合方法。該方法可以在自動搜索圖像拼接縫隙的同時，以圖像的線性濾波方法為依據(jù)，充分考慮兩幅圖像之間的灰度信息，減小和消除可能形成的拼縫。

對已經(jīng)配準好的兩幅圖像X1和X2，可以按照以下準則進行圖像的拼接。假設(shè)拼接后的圖像記為X，圖像X被分為以下幾個區(qū)域，如圖6所示，則融合運算準則為：

圖6 圖像融合區(qū)域圖Fig. 6 Diagrams of fusion

(1) 圖像融合區(qū)域中3區(qū)和4區(qū)的圖像屬于非拼縫處理區(qū)。也就是說，對于拼接以后的圖像，3區(qū)的圖像信息屬于圖像X1，則以X1相應(yīng)的點灰度信息替代3區(qū)相應(yīng)的點灰度信息；4區(qū)的圖像信息屬于圖像X2，則以X2相應(yīng)的點灰度信息替代4區(qū)相應(yīng)的點灰度信息。

(2) 對于其中的重疊區(qū)域，其圖像信息為兩幅圖像X1和X2的有效數(shù)據(jù)重疊區(qū)域，且不屬于拼縫處理區(qū)，這部分圖像信息的處理采用加權(quán)平均的方法。設(shè)加權(quán)因子為σ，則有

其中，σ取值按線性從0.7減小到0.5。

(3)拼縫處理1區(qū)和拼縫處理2區(qū)的選擇，對于圖像的最終拼接結(jié)果將會產(chǎn)生很大影響。一般來說，如果選擇的區(qū)域過大，則會出現(xiàn)圖像模糊、邊緣信息不明顯等問題；若選擇的區(qū)域太小，則無法消除圖像的拼縫現(xiàn)象。本文經(jīng)過多次實驗的結(jié)果表明，對所處理的圖像采用拼縫周圍7×7區(qū)域為拼縫處理區(qū)域，以3×3的模板對拼縫區(qū)域內(nèi)的像素點進行線性濾波，得到的效果最好。圖7為眼底造影圖像的拼接效果圖。

圖7 眼底造影圖像的拼接效果圖Fig.7 fundus angiography images of the mosaic effect chart

5 結(jié)論

本文提出了一種基于血管邊緣特征的眼底熒光血管造影圖像拼接方法，該方法應(yīng)用了眼底血管的邊緣特征，通過小波邊緣檢測的短發(fā)進行提取，結(jié)合基于局部灰度信息的圖像融合方法對眼底造影圖像進行拼接。實驗結(jié)果表明，文中所提算法能快速、精確地實現(xiàn)圖像的無縫拼接。

[1] 陳昱, 莊天戈. 醫(yī)學(xué)影像中的圖像配準和融合技術(shù)研究[J]. 中國醫(yī)療器械雜志, 1999, 23(3):134-138.

[2] 廖菊生. 眼熒光血管造影術(shù)[M] .北京:人民衛(wèi)生出版社, 1996．

[3] 求是科技. Visual C++數(shù)字圖像處理典型算法及實現(xiàn)[M]. 北京:人民郵電出版社, 2006.

[4] 左飛, 萬晉森, 劉航. Visual C++數(shù)字圖像處理開發(fā)入門與編程實踐[M]. 北京: 電子工業(yè)出版社, 2008.

[5] 阮秋琦. 數(shù)字圖像處理學(xué)(第二版)[M] . 北京: 電子工業(yè)出版社,2007.

[6] 崔棟, 劉敏敏, 張光玉.基于改進小波邊緣檢測算法的視網(wǎng)膜血管寬度測量[J]. 中國組織工程與臨床康復(fù), 2009, 14(39): 7340-7346.

[7] H.Freeman.On the encoding of arbitrary geometric con fi gurations[J], IRE Trans, Electron Comput, EC-10, 1961, 250-268.