乜大偉

[摘要] 醫(yī)學(xué)成像設(shè)備的使用在輔助醫(yī)生對(duì)病情做出正確診斷的過(guò)程中發(fā)揮了越來(lái)越重要的作用。由于人體器官本身具有復(fù)雜、運(yùn)動(dòng)、多樣的特性，因此處理醫(yī)學(xué)圖像時(shí)需要綜合多個(gè)方面的因素，這使處理醫(yī)學(xué)圖像的技術(shù)變得非常復(fù)雜。本文從小波變換說(shuō)起，探討其在醫(yī)學(xué)圖像處理上的邊緣提取、去噪、圖像特征加強(qiáng)等方面的應(yīng)用，簡(jiǎn)要闡述小波變換技術(shù)在醫(yī)學(xué)圖像處理上的局限性，并展望小波變換的未來(lái)發(fā)展方向。

[關(guān)鍵詞] 小波變換；醫(yī)學(xué)圖像處理；圖像去噪

[中圖分類號(hào)] TN911.73 [文獻(xiàn)標(biāo)識(shí)碼] B [文章編號(hào)] 1673-9701（2014）24-0049-03

隨著醫(yī)學(xué)和科學(xué)技術(shù)的快速發(fā)展，越來(lái)越多的精密醫(yī)學(xué)儀器設(shè)備運(yùn)用于臨床診斷中，以提高醫(yī)學(xué)診斷水平。在醫(yī)學(xué)技術(shù)的發(fā)展中，醫(yī)學(xué)影像技術(shù)無(wú)疑成為其中一個(gè)重要分支，其發(fā)展使醫(yī)生能直接觀察到人體內(nèi)部病變的部位，確診率提高。小波分析是在Fourier分析的基礎(chǔ)上發(fā)展而來(lái)的，是新興的數(shù)學(xué)分支，在信號(hào)、圖像處理中應(yīng)用廣泛[1]。小波變換與Fourier變換相比，解決了Fourier變換中許多不能解決的問(wèn)題，它繼承了傅立葉變換局部化思想，克服了窗口大小不隨頻率變化的缺點(diǎn)，提供一個(gè)隨頻率改變的時(shí)間-頻率窗口，是信號(hào)處理與圖像處理的理想工具[2]。在醫(yī)學(xué)圖像處理上應(yīng)用小波變換，可以在不同尺度上獲得信號(hào)的細(xì)節(jié)，展示出最佳圖像效果，尤其是在信號(hào)微弱、背景復(fù)雜的醫(yī)學(xué)圖像處理上，應(yīng)用小波變換能取得良好效果。

1小波變換在醫(yī)學(xué)圖像處理上的應(yīng)用

1.1小波變換在醫(yī)學(xué)圖像特征增強(qiáng)上的應(yīng)用

在醫(yī)學(xué)圖像處理上，增強(qiáng)圖像的某些特征是非常必要的，剔除無(wú)用信息，增強(qiáng)圖像的可讀性，提高圖像的視覺(jué)效果，便于醫(yī)生更好地觀察患者的癥狀。醫(yī)生在臨床診斷中需要利用醫(yī)學(xué)圖像確定患者的具體病況，而圖像邊緣特征、信噪比、對(duì)比度等都會(huì)影響到診斷的正確性，為了提高醫(yī)學(xué)圖像的清晰度和可讀性，進(jìn)行圖像特征增強(qiáng)處理，突出病變部分是必要的[3]。小波變換運(yùn)用于圖像特征增強(qiáng)具有無(wú)可比擬的優(yōu)勢(shì)。

小波變換在時(shí)間-頻率分析上具有表征局部信號(hào)特征的能力，醫(yī)學(xué)圖像經(jīng)小波分解之后，低頻部分：頻率分辨率高，時(shí)間分辨率低；高頻部分：頻率分辨率低，時(shí)間分辨率高。小波變換可將一幅醫(yī)學(xué)圖像分成位置、大小和方向不同的分量，分解后，圖像輪廓在低頻部分，而邊緣、細(xì)節(jié)則在高頻部分[4]。在利用小波變換之前，根據(jù)實(shí)際需要適當(dāng)調(diào)整小波系數(shù)衰減圖像中不需要的內(nèi)容，增強(qiáng)需要內(nèi)容的視覺(jué)效果，通過(guò)對(duì)高頻部分小波系數(shù)進(jìn)行增強(qiáng)處理，看清楚圖像的細(xì)節(jié)內(nèi)容。

1.2小波變換在邊緣提取中的應(yīng)用

在醫(yī)學(xué)圖像處理中，算子提取圖像邊緣方法是醫(yī)院過(guò)去經(jīng)常采用方法，但是該方法由于不能對(duì)圖片實(shí)行自動(dòng)變焦，導(dǎo)致使用該方法提取圖像時(shí)，容易造成圖像邊緣模糊、清晰度差的弊病。小波變換法很好地解決了這個(gè)缺點(diǎn)，具采用的是多尺度多通道分析方法，特別適合于醫(yī)學(xué)圖像的邊緣提取、檢測(cè)。應(yīng)用Mallat小波模極大值邊緣檢測(cè)算法，當(dāng)取母函數(shù)是平滑函數(shù)的一階偏導(dǎo)數(shù)時(shí)，其變換模的極大值就在圖像密度的突變點(diǎn)，不存在虛假邊緣，根據(jù)時(shí)間、頻率的局部變化，自動(dòng)調(diào)節(jié)分辨率，放大圖像的邊緣部分[5]。目前在檢測(cè)乳腺鉬靶X線圖像中的微鈣化點(diǎn)時(shí)，很難進(jìn)行人工肉眼的檢測(cè)，因此需要高精度的的醫(yī)學(xué)圖像邊緣提取應(yīng)算法，小波變換方法在這方面有著獨(dú)特的優(yōu)勢(shì)。微鈣化點(diǎn)的精確檢測(cè)是對(duì)乳腺癌進(jìn)行早發(fā)現(xiàn)、早診斷、早治療和降低乳腺癌死亡率的關(guān)鍵。由于這些微鈣化點(diǎn)的直徑在0.05～1.00 mm之間，非常微小，一般采用小波閾值分類方法鑒別。應(yīng)用小波變換方法提取邊緣，并將干擾部分弱化，從而提高圖像的視覺(jué)效果[6]。比如說(shuō)，穿插于微鈣化點(diǎn)中的血管會(huì)影響到醫(yī)生的診斷，可以采用二維小波變換中的血管邊沿極值進(jìn)行圖像重建。

1.3小波變換在去噪中的應(yīng)用

醫(yī)學(xué)圖像處理的一個(gè)關(guān)鍵技術(shù)就是去噪，特別是在超聲圖像方面。目前超聲圖像去噪的技術(shù)有中值濾波、均值濾波、Frost濾波等，單一尺度濾波是上述幾種方法常用的技術(shù)。采用這種方法在對(duì)抑制超聲圖像的斑紋噪聲較為有效，但缺點(diǎn)也比較明顯，圖像中細(xì)節(jié)和邊緣信息丟失現(xiàn)象嚴(yán)重，圖像大多模糊不清。圖像去噪的基礎(chǔ)是噪聲信號(hào)和圖像信號(hào)能量在頻域上的分布，一般來(lái)說(shuō)，圖像信號(hào)能量分布在圖像的低頻部分，而圖像的細(xì)節(jié)則分布在高頻部分，噪聲一般分布在高頻部分，因此，進(jìn)行圖像去噪是非常必要的，從頻率角度出發(fā)，將高頻部分的噪聲信號(hào)從圖像信號(hào)中剔除出去，提高圖像的信噪比，從而突出圖像效果。

小波變換具有低熵性、多分辨率性、去相關(guān)性、基函數(shù)靈活性等特點(diǎn)，在醫(yī)學(xué)圖像去噪上有無(wú)可比擬的應(yīng)用優(yōu)勢(shì)[7]。離散小波變換可以區(qū)分大范圍重疊的噪聲信號(hào)和圖像信號(hào)。在一般情況下，在絕對(duì)值大的小波系數(shù)中存在的多是圖像信號(hào)，相反，而絕對(duì)值較小的小波系數(shù)存在的多是噪聲信號(hào)，這就是小波分析法能夠區(qū)分噪聲信號(hào)與圖像信號(hào)的原理，就是實(shí)現(xiàn)把圖像中的噪點(diǎn)去除的方法。

利用小波變換進(jìn)行圖像分解時(shí)，要得到高信噪比的圖像，需要對(duì)圖像進(jìn)行大尺度地分解處理，這樣可以去除噪聲，提高信號(hào)的集中度[8]。例如高斯噪聲，在平方最小的前提下降閾值T設(shè)置為：T=σ√2ln（N），式中，σ指的是噪聲的方差，N指序列長(zhǎng)度，利用閾值函數(shù)獲取閾值T，再使用如下公式：

處理變換后的ω，起到降低噪聲信號(hào)的作用。

1.4小波變換在壓縮醫(yī)學(xué)圖像數(shù)據(jù)中的應(yīng)用

目前，醫(yī)學(xué)圖像數(shù)據(jù)常采用的壓縮方法主要有RLG、JPEG，這兩種壓縮方法均有其固有缺陷，RLG方法適用于數(shù)據(jù)相關(guān)性非常高的醫(yī)學(xué)圖像壓縮，JPEG方法使用時(shí)會(huì)使圖像有局部馬賽克反應(yīng)。在醫(yī)學(xué)圖像壓縮方法中使用小波變換，重點(diǎn)是對(duì)圖像中局部信號(hào)的提取處理，在高分辨率下體現(xiàn)出相應(yīng)紋理的信息，在低分辨率下體現(xiàn)出相應(yīng)輪廓的信息，從而在不同分辨率體現(xiàn)不同的信息。X線圖像在進(jìn)行傳統(tǒng)壓縮方法處理時(shí)常出現(xiàn)“塊效應(yīng)”現(xiàn)象，小波變換方法則可以高壓縮比下的情況下消除“塊效應(yīng)”現(xiàn)象，從而保證圖像的質(zhì)量[9]。常用的小波基有：Bechies系列、Symlets系列、Dmeyer系列，其中，前面兩種小波基的壓縮比大，最后一種小波基壓縮比小。endprint

實(shí)踐證明，應(yīng)用小波變換進(jìn)行醫(yī)學(xué)圖像數(shù)據(jù)壓縮，無(wú)損壓縮率可達(dá)（2～3）∶1。有損壓縮的壓縮率為10：1時(shí)，應(yīng)用小波基進(jìn)行圖像壓縮效果超過(guò)了流行的JPEG方法。特別是在乳腺圖像壓縮時(shí)使用雙曲線小波基和Haar小波基，壓縮率可以達(dá)到25∶1，而且，重構(gòu)圖像效果比原始圖像要好。所以，小波變換應(yīng)用于醫(yī)學(xué)圖像壓縮也是可行的。

1.5小波變換在醫(yī)學(xué)圖像融合中的應(yīng)用

所謂圖像融合就是將多幅圖像融合在一起，以獲取對(duì)圖像對(duì)應(yīng)場(chǎng)景的更為精確、更為全面、更為可靠的圖像描述。在醫(yī)學(xué)圖像處理上，有時(shí)為了得到信息量大的醫(yī)學(xué)圖像，常將幾幅圖像采用上述圖像的融合方法，形成一幅圖像。圖像融合可分為3個(gè)層次：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合。其中最低層次的融合是像素級(jí)的融合，但像素級(jí)融合是特征級(jí)融合和決策級(jí)融合成功的保障。像素級(jí)融合的原理是將各個(gè)圖像中相對(duì)應(yīng)的像素進(jìn)行融合技術(shù)處理，圖像信息大多沒(méi)有丟失，精度較高。簡(jiǎn)單圖像融合法、基于塔形分解圖像融合法和基于小波變換圖像融合法是常用的像素級(jí)融合所使用的三種方法[10]。

由于人體器官結(jié)構(gòu)的多樣性和復(fù)雜性，醫(yī)學(xué)圖像也有其自身的成像規(guī)律，醫(yī)生需要應(yīng)用不同的醫(yī)療設(shè)備獲得多幅醫(yī)學(xué)圖像，然后通過(guò)圖像處理技術(shù)將多幅圖像融合成一幅圖像。小波變換在處理醫(yī)學(xué)圖像融合方面有著獨(dú)特的優(yōu)勢(shì)。如：小波變換算法的重構(gòu)能力，可以使圖像信號(hào)在處理過(guò)程中的信息損失降到最低；小波變法的快速算法能力，可以將一個(gè)信號(hào)變換到頻域，也可以將一個(gè)信號(hào)的頻譜提取出來(lái)，這就為

小波變換應(yīng)用提供了方法；另外二維小波分析所提供的圖像與人類視覺(jué)系統(tǒng)方向的圖像有著高度的相似度[11]。

基于小波變換融合技術(shù)的關(guān)鍵就是融合規(guī)則。首先分解多幅圖像的信號(hào)，然后在一幅圖像中融合不同分解層級(jí)、不同頻帶的圖像。應(yīng)用小波變換進(jìn)行醫(yī)學(xué)圖像融合處理，既能保留原圖像上的紋理和邊緣特征，消除融合圖像上的“塊效應(yīng)”，又使得不同分辨率層級(jí)上的圖像信號(hào)能量與噪聲信號(hào)互不干擾。

2小波變換在醫(yī)學(xué)圖像處理中應(yīng)用的局限性

小波變換也有其固有缺陷，在醫(yī)學(xué)圖像處理應(yīng)用中也有固有弱點(diǎn)，其中，最大的問(wèn)題就是小波的空間和頻譜的局部性不能完美兼容，只能擇優(yōu)選擇。小波變換的計(jì)算、分解非常復(fù)雜，大量的數(shù)據(jù)運(yùn)算需要耗費(fèi)掉大量的運(yùn)算時(shí)間，在臨床診斷中還有待進(jìn)一步改進(jìn)，運(yùn)用新技術(shù)縮短運(yùn)算時(shí)間，提高運(yùn)算質(zhì)量[12]。

另外，前文就已多次提到小波基一詞，它在小波變換中具有非常重要的作用，進(jìn)行醫(yī)學(xué)圖像處理時(shí)，選擇的小波基是否合理關(guān)系到圖像處理效果，所以，小波基研究是小波變換發(fā)展的一個(gè)重要內(nèi)容[13]。在醫(yī)學(xué)圖像處理上，單純采用小波變換是遠(yuǎn)遠(yuǎn)不夠的，應(yīng)將多種方法結(jié)合起來(lái)，提高圖像處理效果，應(yīng)用小波變換之后，還要對(duì)圖像進(jìn)行一些后續(xù)處理。

3展望小波變換的發(fā)展

小波變換自產(chǎn)生起就成為數(shù)學(xué)的一個(gè)重要分支，在圖像處理上得到了廣泛應(yīng)用。在醫(yī)學(xué)圖像處理上應(yīng)用小波變換可以幫助醫(yī)生提高臨床確診率。在未來(lái)，小波變換主要有以下幾個(gè)發(fā)展方向：第一，小波閾值和小波基函數(shù)的研究，選擇合適的小波閾值和小波基函數(shù)可以提高去噪效果，而如何選擇就是一個(gè)重要研究方向。第二，在圖像特征增強(qiáng)上除了高頻系數(shù)增強(qiáng)之外，還應(yīng)從線性增強(qiáng)角度進(jìn)行研究。第三，如何與其他圖像處理技術(shù)完美兼容，從而提高圖像處理效果。

隨著醫(yī)學(xué)技術(shù)的快速發(fā)展，醫(yī)學(xué)圖像處理技術(shù)無(wú)疑是醫(yī)學(xué)技術(shù)的一個(gè)重要發(fā)展方向，而小波變換應(yīng)用于醫(yī)學(xué)圖像處理可以大大提高圖像的視覺(jué)效果，提高臨床診斷的確診率，促進(jìn)醫(yī)院的可持續(xù)發(fā)展。小波變換以其低熵性、靈活性等優(yōu)點(diǎn)被廣泛應(yīng)用于醫(yī)學(xué)圖像處理，將其與其他醫(yī)學(xué)圖像處理技術(shù)完美結(jié)合起來(lái)有利于提高醫(yī)學(xué)圖像處理效果。小波變換也不是十全十美的，在醫(yī)學(xué)圖像處理上也有一些局限性，而學(xué)者和科學(xué)家則要抓住其未來(lái)發(fā)展方向，著重研究，努力完善小波變換，推動(dòng)醫(yī)學(xué)事業(yè)的可持續(xù)發(fā)展。

[參考文獻(xiàn)]

[1] 嚴(yán)華剛，李海云. 基于小波變換的醫(yī)學(xué)圖像噪聲濾除方法的研究[J]. 醫(yī)療衛(wèi)生裝備，2008，29（7）：4-6.

[2] 張玲. 醫(yī)學(xué)圖像處理中的小波變換應(yīng)用[J]. 中國(guó)醫(yī)學(xué)影像技術(shù)，2010，26（2）：372-374.

[3] 張敬偉. 一種改進(jìn)的小波閾值法在CT圖像去噪中的應(yīng)用研究[J]. 中國(guó)科技博覽，2012，（14）：215-216.

[4] 曹智文. 偏微分方程和小波混合去噪在醫(yī)學(xué)圖像處理中的應(yīng)用[J]. 科技信息，2011，（33）：87.

[5] 楊艷春，王曉明，黨建武，等. 一種小波加權(quán)局部對(duì)比度的醫(yī)學(xué)圖像融合方法[J]. 蘭州大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，49（1）：122-125.

[6] 丘文峰. 基于Python的醫(yī)學(xué)圖像處理框架及其應(yīng)用[D]. 華南師范大學(xué)，2010.

[7] 郭敏，馬遠(yuǎn)良，朱霆. 基于小波變換的醫(yī)學(xué)超聲圖像去噪及增強(qiáng)方法[J]. 中國(guó)醫(yī)學(xué)影像技術(shù)，2006，22（9）：1435-1437.

[8] 李洪海，朱霞. 采用雙樹(shù)小波變換的醫(yī)學(xué)圖像融合方法及實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用與軟件，2012，29（11）：292-294.

[9] 李瑋琳. 平移不變小波醫(yī)學(xué)圖像融合方法[J]. 長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，34（6）：653-655.

[10] 陳蒙. 醫(yī)學(xué)X光成像中圖像去噪算法研究[J]. 軟件，2013，34（13）：62-63.

[11] 趙杰英，王浩全. 小波變換在醫(yī)學(xué)圖像壓縮中的應(yīng)用[J]. 山西電子技術(shù)，2013，（5）：14-15.

[12] Russ J C. The image processing handbook[M]. 4th ed. Boca Raton，F(xiàn)lorida：CRC Press，2002：21-26.

[13] 蘇小英. 小波變換在醫(yī)學(xué)圖像去噪中的應(yīng)用研究[J]. 數(shù)理醫(yī)藥學(xué)雜志，2011，24（2）：223-225.

（收稿日期：2014-04-11）endprint

實(shí)踐證明，應(yīng)用小波變換進(jìn)行醫(yī)學(xué)圖像數(shù)據(jù)壓縮，無(wú)損壓縮率可達(dá)（2～3）∶1。有損壓縮的壓縮率為10：1時(shí)，應(yīng)用小波基進(jìn)行圖像壓縮效果超過(guò)了流行的JPEG方法。特別是在乳腺圖像壓縮時(shí)使用雙曲線小波基和Haar小波基，壓縮率可以達(dá)到25∶1，而且，重構(gòu)圖像效果比原始圖像要好。所以，小波變換應(yīng)用于醫(yī)學(xué)圖像壓縮也是可行的。

1.5小波變換在醫(yī)學(xué)圖像融合中的應(yīng)用

所謂圖像融合就是將多幅圖像融合在一起，以獲取對(duì)圖像對(duì)應(yīng)場(chǎng)景的更為精確、更為全面、更為可靠的圖像描述。在醫(yī)學(xué)圖像處理上，有時(shí)為了得到信息量大的醫(yī)學(xué)圖像，常將幾幅圖像采用上述圖像的融合方法，形成一幅圖像。圖像融合可分為3個(gè)層次：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合。其中最低層次的融合是像素級(jí)的融合，但像素級(jí)融合是特征級(jí)融合和決策級(jí)融合成功的保障。像素級(jí)融合的原理是將各個(gè)圖像中相對(duì)應(yīng)的像素進(jìn)行融合技術(shù)處理，圖像信息大多沒(méi)有丟失，精度較高。簡(jiǎn)單圖像融合法、基于塔形分解圖像融合法和基于小波變換圖像融合法是常用的像素級(jí)融合所使用的三種方法[10]。

由于人體器官結(jié)構(gòu)的多樣性和復(fù)雜性，醫(yī)學(xué)圖像也有其自身的成像規(guī)律，醫(yī)生需要應(yīng)用不同的醫(yī)療設(shè)備獲得多幅醫(yī)學(xué)圖像，然后通過(guò)圖像處理技術(shù)將多幅圖像融合成一幅圖像。小波變換在處理醫(yī)學(xué)圖像融合方面有著獨(dú)特的優(yōu)勢(shì)。如：小波變換算法的重構(gòu)能力，可以使圖像信號(hào)在處理過(guò)程中的信息損失降到最低；小波變法的快速算法能力，可以將一個(gè)信號(hào)變換到頻域，也可以將一個(gè)信號(hào)的頻譜提取出來(lái)，這就為

小波變換應(yīng)用提供了方法；另外二維小波分析所提供的圖像與人類視覺(jué)系統(tǒng)方向的圖像有著高度的相似度[11]。

基于小波變換融合技術(shù)的關(guān)鍵就是融合規(guī)則。首先分解多幅圖像的信號(hào)，然后在一幅圖像中融合不同分解層級(jí)、不同頻帶的圖像。應(yīng)用小波變換進(jìn)行醫(yī)學(xué)圖像融合處理，既能保留原圖像上的紋理和邊緣特征，消除融合圖像上的“塊效應(yīng)”，又使得不同分辨率層級(jí)上的圖像信號(hào)能量與噪聲信號(hào)互不干擾。

2小波變換在醫(yī)學(xué)圖像處理中應(yīng)用的局限性

小波變換也有其固有缺陷，在醫(yī)學(xué)圖像處理應(yīng)用中也有固有弱點(diǎn)，其中，最大的問(wèn)題就是小波的空間和頻譜的局部性不能完美兼容，只能擇優(yōu)選擇。小波變換的計(jì)算、分解非常復(fù)雜，大量的數(shù)據(jù)運(yùn)算需要耗費(fèi)掉大量的運(yùn)算時(shí)間，在臨床診斷中還有待進(jìn)一步改進(jìn)，運(yùn)用新技術(shù)縮短運(yùn)算時(shí)間，提高運(yùn)算質(zhì)量[12]。

另外，前文就已多次提到小波基一詞，它在小波變換中具有非常重要的作用，進(jìn)行醫(yī)學(xué)圖像處理時(shí)，選擇的小波基是否合理關(guān)系到圖像處理效果，所以，小波基研究是小波變換發(fā)展的一個(gè)重要內(nèi)容[13]。在醫(yī)學(xué)圖像處理上，單純采用小波變換是遠(yuǎn)遠(yuǎn)不夠的，應(yīng)將多種方法結(jié)合起來(lái)，提高圖像處理效果，應(yīng)用小波變換之后，還要對(duì)圖像進(jìn)行一些后續(xù)處理。

3展望小波變換的發(fā)展

小波變換自產(chǎn)生起就成為數(shù)學(xué)的一個(gè)重要分支，在圖像處理上得到了廣泛應(yīng)用。在醫(yī)學(xué)圖像處理上應(yīng)用小波變換可以幫助醫(yī)生提高臨床確診率。在未來(lái)，小波變換主要有以下幾個(gè)發(fā)展方向：第一，小波閾值和小波基函數(shù)的研究，選擇合適的小波閾值和小波基函數(shù)可以提高去噪效果，而如何選擇就是一個(gè)重要研究方向。第二，在圖像特征增強(qiáng)上除了高頻系數(shù)增強(qiáng)之外，還應(yīng)從線性增強(qiáng)角度進(jìn)行研究。第三，如何與其他圖像處理技術(shù)完美兼容，從而提高圖像處理效果。

隨著醫(yī)學(xué)技術(shù)的快速發(fā)展，醫(yī)學(xué)圖像處理技術(shù)無(wú)疑是醫(yī)學(xué)技術(shù)的一個(gè)重要發(fā)展方向，而小波變換應(yīng)用于醫(yī)學(xué)圖像處理可以大大提高圖像的視覺(jué)效果，提高臨床診斷的確診率，促進(jìn)醫(yī)院的可持續(xù)發(fā)展。小波變換以其低熵性、靈活性等優(yōu)點(diǎn)被廣泛應(yīng)用于醫(yī)學(xué)圖像處理，將其與其他醫(yī)學(xué)圖像處理技術(shù)完美結(jié)合起來(lái)有利于提高醫(yī)學(xué)圖像處理效果。小波變換也不是十全十美的，在醫(yī)學(xué)圖像處理上也有一些局限性，而學(xué)者和科學(xué)家則要抓住其未來(lái)發(fā)展方向，著重研究，努力完善小波變換，推動(dòng)醫(yī)學(xué)事業(yè)的可持續(xù)發(fā)展。

[參考文獻(xiàn)]

[1] 嚴(yán)華剛，李海云. 基于小波變換的醫(yī)學(xué)圖像噪聲濾除方法的研究[J]. 醫(yī)療衛(wèi)生裝備，2008，29（7）：4-6.

[2] 張玲. 醫(yī)學(xué)圖像處理中的小波變換應(yīng)用[J]. 中國(guó)醫(yī)學(xué)影像技術(shù)，2010，26（2）：372-374.

[3] 張敬偉. 一種改進(jìn)的小波閾值法在CT圖像去噪中的應(yīng)用研究[J]. 中國(guó)科技博覽，2012，（14）：215-216.

[4] 曹智文. 偏微分方程和小波混合去噪在醫(yī)學(xué)圖像處理中的應(yīng)用[J]. 科技信息，2011，（33）：87.

[5] 楊艷春，王曉明，黨建武，等. 一種小波加權(quán)局部對(duì)比度的醫(yī)學(xué)圖像融合方法[J]. 蘭州大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，49（1）：122-125.

[6] 丘文峰. 基于Python的醫(yī)學(xué)圖像處理框架及其應(yīng)用[D]. 華南師范大學(xué)，2010.

[7] 郭敏，馬遠(yuǎn)良，朱霆. 基于小波變換的醫(yī)學(xué)超聲圖像去噪及增強(qiáng)方法[J]. 中國(guó)醫(yī)學(xué)影像技術(shù)，2006，22（9）：1435-1437.

[8] 李洪海，朱霞. 采用雙樹(shù)小波變換的醫(yī)學(xué)圖像融合方法及實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用與軟件，2012，29（11）：292-294.

[9] 李瑋琳. 平移不變小波醫(yī)學(xué)圖像融合方法[J]. 長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，34（6）：653-655.

[10] 陳蒙. 醫(yī)學(xué)X光成像中圖像去噪算法研究[J]. 軟件，2013，34（13）：62-63.

[11] 趙杰英，王浩全. 小波變換在醫(yī)學(xué)圖像壓縮中的應(yīng)用[J]. 山西電子技術(shù)，2013，（5）：14-15.

[12] Russ J C. The image processing handbook[M]. 4th ed. Boca Raton，F(xiàn)lorida：CRC Press，2002：21-26.

[13] 蘇小英. 小波變換在醫(yī)學(xué)圖像去噪中的應(yīng)用研究[J]. 數(shù)理醫(yī)藥學(xué)雜志，2011，24（2）：223-225.

（收稿日期：2014-04-11）endprint

實(shí)踐證明，應(yīng)用小波變換進(jìn)行醫(yī)學(xué)圖像數(shù)據(jù)壓縮，無(wú)損壓縮率可達(dá)（2～3）∶1。有損壓縮的壓縮率為10：1時(shí)，應(yīng)用小波基進(jìn)行圖像壓縮效果超過(guò)了流行的JPEG方法。特別是在乳腺圖像壓縮時(shí)使用雙曲線小波基和Haar小波基，壓縮率可以達(dá)到25∶1，而且，重構(gòu)圖像效果比原始圖像要好。所以，小波變換應(yīng)用于醫(yī)學(xué)圖像壓縮也是可行的。

1.5小波變換在醫(yī)學(xué)圖像融合中的應(yīng)用

所謂圖像融合就是將多幅圖像融合在一起，以獲取對(duì)圖像對(duì)應(yīng)場(chǎng)景的更為精確、更為全面、更為可靠的圖像描述。在醫(yī)學(xué)圖像處理上，有時(shí)為了得到信息量大的醫(yī)學(xué)圖像，常將幾幅圖像采用上述圖像的融合方法，形成一幅圖像。圖像融合可分為3個(gè)層次：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合。其中最低層次的融合是像素級(jí)的融合，但像素級(jí)融合是特征級(jí)融合和決策級(jí)融合成功的保障。像素級(jí)融合的原理是將各個(gè)圖像中相對(duì)應(yīng)的像素進(jìn)行融合技術(shù)處理，圖像信息大多沒(méi)有丟失，精度較高。簡(jiǎn)單圖像融合法、基于塔形分解圖像融合法和基于小波變換圖像融合法是常用的像素級(jí)融合所使用的三種方法[10]。

由于人體器官結(jié)構(gòu)的多樣性和復(fù)雜性，醫(yī)學(xué)圖像也有其自身的成像規(guī)律，醫(yī)生需要應(yīng)用不同的醫(yī)療設(shè)備獲得多幅醫(yī)學(xué)圖像，然后通過(guò)圖像處理技術(shù)將多幅圖像融合成一幅圖像。小波變換在處理醫(yī)學(xué)圖像融合方面有著獨(dú)特的優(yōu)勢(shì)。如：小波變換算法的重構(gòu)能力，可以使圖像信號(hào)在處理過(guò)程中的信息損失降到最低；小波變法的快速算法能力，可以將一個(gè)信號(hào)變換到頻域，也可以將一個(gè)信號(hào)的頻譜提取出來(lái)，這就為

小波變換應(yīng)用提供了方法；另外二維小波分析所提供的圖像與人類視覺(jué)系統(tǒng)方向的圖像有著高度的相似度[11]。

基于小波變換融合技術(shù)的關(guān)鍵就是融合規(guī)則。首先分解多幅圖像的信號(hào)，然后在一幅圖像中融合不同分解層級(jí)、不同頻帶的圖像。應(yīng)用小波變換進(jìn)行醫(yī)學(xué)圖像融合處理，既能保留原圖像上的紋理和邊緣特征，消除融合圖像上的“塊效應(yīng)”，又使得不同分辨率層級(jí)上的圖像信號(hào)能量與噪聲信號(hào)互不干擾。

2小波變換在醫(yī)學(xué)圖像處理中應(yīng)用的局限性

小波變換也有其固有缺陷，在醫(yī)學(xué)圖像處理應(yīng)用中也有固有弱點(diǎn)，其中，最大的問(wèn)題就是小波的空間和頻譜的局部性不能完美兼容，只能擇優(yōu)選擇。小波變換的計(jì)算、分解非常復(fù)雜，大量的數(shù)據(jù)運(yùn)算需要耗費(fèi)掉大量的運(yùn)算時(shí)間，在臨床診斷中還有待進(jìn)一步改進(jìn)，運(yùn)用新技術(shù)縮短運(yùn)算時(shí)間，提高運(yùn)算質(zhì)量[12]。

另外，前文就已多次提到小波基一詞，它在小波變換中具有非常重要的作用，進(jìn)行醫(yī)學(xué)圖像處理時(shí)，選擇的小波基是否合理關(guān)系到圖像處理效果，所以，小波基研究是小波變換發(fā)展的一個(gè)重要內(nèi)容[13]。在醫(yī)學(xué)圖像處理上，單純采用小波變換是遠(yuǎn)遠(yuǎn)不夠的，應(yīng)將多種方法結(jié)合起來(lái)，提高圖像處理效果，應(yīng)用小波變換之后，還要對(duì)圖像進(jìn)行一些后續(xù)處理。

3展望小波變換的發(fā)展

小波變換自產(chǎn)生起就成為數(shù)學(xué)的一個(gè)重要分支，在圖像處理上得到了廣泛應(yīng)用。在醫(yī)學(xué)圖像處理上應(yīng)用小波變換可以幫助醫(yī)生提高臨床確診率。在未來(lái)，小波變換主要有以下幾個(gè)發(fā)展方向：第一，小波閾值和小波基函數(shù)的研究，選擇合適的小波閾值和小波基函數(shù)可以提高去噪效果，而如何選擇就是一個(gè)重要研究方向。第二，在圖像特征增強(qiáng)上除了高頻系數(shù)增強(qiáng)之外，還應(yīng)從線性增強(qiáng)角度進(jìn)行研究。第三，如何與其他圖像處理技術(shù)完美兼容，從而提高圖像處理效果。

隨著醫(yī)學(xué)技術(shù)的快速發(fā)展，醫(yī)學(xué)圖像處理技術(shù)無(wú)疑是醫(yī)學(xué)技術(shù)的一個(gè)重要發(fā)展方向，而小波變換應(yīng)用于醫(yī)學(xué)圖像處理可以大大提高圖像的視覺(jué)效果，提高臨床診斷的確診率，促進(jìn)醫(yī)院的可持續(xù)發(fā)展。小波變換以其低熵性、靈活性等優(yōu)點(diǎn)被廣泛應(yīng)用于醫(yī)學(xué)圖像處理，將其與其他醫(yī)學(xué)圖像處理技術(shù)完美結(jié)合起來(lái)有利于提高醫(yī)學(xué)圖像處理效果。小波變換也不是十全十美的，在醫(yī)學(xué)圖像處理上也有一些局限性，而學(xué)者和科學(xué)家則要抓住其未來(lái)發(fā)展方向，著重研究，努力完善小波變換，推動(dòng)醫(yī)學(xué)事業(yè)的可持續(xù)發(fā)展。

[參考文獻(xiàn)]

[1] 嚴(yán)華剛，李海云. 基于小波變換的醫(yī)學(xué)圖像噪聲濾除方法的研究[J]. 醫(yī)療衛(wèi)生裝備，2008，29（7）：4-6.

[2] 張玲. 醫(yī)學(xué)圖像處理中的小波變換應(yīng)用[J]. 中國(guó)醫(yī)學(xué)影像技術(shù)，2010，26（2）：372-374.

[3] 張敬偉. 一種改進(jìn)的小波閾值法在CT圖像去噪中的應(yīng)用研究[J]. 中國(guó)科技博覽，2012，（14）：215-216.

[4] 曹智文. 偏微分方程和小波混合去噪在醫(yī)學(xué)圖像處理中的應(yīng)用[J]. 科技信息，2011，（33）：87.

[5] 楊艷春，王曉明，黨建武，等. 一種小波加權(quán)局部對(duì)比度的醫(yī)學(xué)圖像融合方法[J]. 蘭州大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，49（1）：122-125.

[6] 丘文峰. 基于Python的醫(yī)學(xué)圖像處理框架及其應(yīng)用[D]. 華南師范大學(xué)，2010.

[7] 郭敏，馬遠(yuǎn)良，朱霆. 基于小波變換的醫(yī)學(xué)超聲圖像去噪及增強(qiáng)方法[J]. 中國(guó)醫(yī)學(xué)影像技術(shù)，2006，22（9）：1435-1437.

[8] 李洪海，朱霞. 采用雙樹(shù)小波變換的醫(yī)學(xué)圖像融合方法及實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用與軟件，2012，29（11）：292-294.

[9] 李瑋琳. 平移不變小波醫(yī)學(xué)圖像融合方法[J]. 長(zhǎng)春工業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，34（6）：653-655.

[10] 陳蒙. 醫(yī)學(xué)X光成像中圖像去噪算法研究[J]. 軟件，2013，34（13）：62-63.

[11] 趙杰英，王浩全. 小波變換在醫(yī)學(xué)圖像壓縮中的應(yīng)用[J]. 山西電子技術(shù)，2013，（5）：14-15.

[12] Russ J C. The image processing handbook[M]. 4th ed. Boca Raton，F(xiàn)lorida：CRC Press，2002：21-26.

[13] 蘇小英. 小波變換在醫(yī)學(xué)圖像去噪中的應(yīng)用研究[J]. 數(shù)理醫(yī)藥學(xué)雜志，2011，24（2）：223-225.

（收稿日期：2014-04-11）endprint