劉成鳳+方華

摘要：由于醫(yī)學圖像在成像、采集、傳輸中難免因降質(zhì)而使獲取的圖像存在失真和噪聲，導致圖形的對比度差，與實物之間存在一定的差異，如果差異太大，常常會使醫(yī)生對圖像的理解和分析出現(xiàn)誤差，導致誤診，因此需對圖像進行濾波去除噪聲干擾，該文采用中值濾波、高斯濾波、雙邊濾波的方法對醫(yī)學骨折圖像進行分析，并對雙邊濾波法進行改進，提高了醫(yī)學圖像的濾波效果。

關(guān)鍵詞：骨折圖像；濾波；去噪

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2016）08-0220-03

Abstract： Since the image in the imaging medical images， collection， transmission inevitably degraded due to the presence of Being leaving distortion and noise， resulting in poor contrast graphics， there are some differences between the physical and， if the difference is too often cause doctors image understanding and analysis of errors， leading to misdiagnosis， thus removing the need for image filtering noise， we use median filtering， Gaussian， bilateral filtering method for fracture medical image analysis， and improved bilateral filtering method to improve the filtering effect of medical images.

Key words： fracture image； filtering； denoising

由于醫(yī)學圖像由于設(shè)備及成像原理等的影像，噪聲會存在于圖像形成的不同環(huán)節(jié)，如光學系統(tǒng)中的異物、雜散光，傳感器光電轉(zhuǎn)換過程中的光電子噪聲，計算機的量化噪聲及運算誤差等都會形成圖像噪聲，圖像噪聲會使圖像的質(zhì)量下降，也會對某些圖像處理和分析帶來不利的影響，亦是衡量圖像質(zhì)量的重要指標，由于成像原理的不同，不同類型的醫(yī)學圖像具有不同的噪聲特點，如高斯噪聲常常出現(xiàn)在CT醫(yī)學圖像中，斑點噪聲則常常在B型超聲醫(yī)學圖像中出現(xiàn)，而椒鹽噪聲往往存在于X光醫(yī)學圖像中。因此，本文對骨折圖像利用不同的濾波方法進行對比分析，并對效果較好的雙邊濾波提出進一步的改進方法，使骨折圖像濾波效果更好。

1 濾波

1.1 中值濾波

中值濾波最初是一種用于對時間序列的分析技術(shù)，但能很好的濾除噪聲，后將其運用擴展到圖像處理中，產(chǎn)生了較好的效果 [1]。它可以有效地克服線性濾波存在的不足，具有較好的適應(yīng)性。

其中，[w]為選定窗口大小，[fm-k，n-1]為窗口[w]的像素灰度值，通常窗內(nèi)像素為奇數(shù)，以便于有中間像素，但如果像素為偶數(shù)，取中間兩像素灰度值的平均值。

窗口的選取直接影響到圖像濾波的效果，所以在實際使用窗口時，需要選取不同的窗口尺寸大小，以獲得滿意的圖像濾波效果。

1.2 高斯濾波

高斯低通濾波器是在空域和頻域內(nèi)濾波效果都很好的低通濾波器，它的權(quán)值取決于高斯函數(shù)的形狀，對服從正態(tài)分布的噪聲去除效果較好，中心點像素的響應(yīng)值等于掩模內(nèi)像素值的高斯加權(quán)均值[2]，每個鄰域像素點權(quán)值會隨這個點和中心點距離的增大而減小，從而實現(xiàn)平滑圖像。

對同一尺寸的模板，根據(jù)圖像中心點或領(lǐng)域的重要程度不同，可對不同的位置賦予不同的數(shù)值，即加權(quán)平均，對離模板中心點像素近的像素點對濾波的效果影響較大，因此靠近模板中心的像素點的系數(shù)值會比較大，而模板邊界的附近的系數(shù)會比較小，在使用時常取模板周邊最小的系數(shù)為1，而內(nèi)部系數(shù)成比例增加，中心系數(shù)最大，以便各模板系數(shù)均為整數(shù)且減少計算量。

因此，高斯濾波是對相鄰位置像素點的灰度的加權(quán)平均，像素點到中心點P的距離越大，其權(quán)值越小，用[Gσp-q]來定義到中心點的距離，其中[σ]是定義鄰域大小的一個參數(shù)。

1.3 改進雙邊濾波

雙邊濾波器是一種非線性濾波器，其濾波方法是基于像素點與鄰近像素點的加權(quán)平均及灰度值的不同。與高斯濾波相比，都運用了局部加權(quán)平均原理，但雙邊濾波在處理濾波問題時，不僅分析像素間的距離，也考慮像素間灰度值的差異，會更貼合人眼視覺對圖像的分辨習慣，雙邊濾波器的加權(quán)系數(shù)由像素間的空間距離差值和灰度差值共同確定。

雙邊濾波器能夠在盡可能保留邊緣的情況下對目標圖像進行平滑處理，濾波后像素點的灰度值與其鄰域像素的加權(quán)平均值相等，鄰域像素的加權(quán)系數(shù)等于像素間的空間距離差和灰度差的乘積。雙邊濾波（BF）的定義如下式所示：

其中[dp，q]是兩個像素點之間的歐幾里得距離，[δIp，Iq]為像素的灰度差，[σd，σr]是基于高斯函數(shù)的標準差，決定著雙邊濾波器的性能，它們通過指代像素位置的相對空間、亮度變化范圍來限定像素值的數(shù)值[5]。

但雙邊濾波處理后邊緣像素點的灰度值會發(fā)生了變化，導致處理后的圖像在邊緣處會出現(xiàn)偽邊緣，圖像較模糊因此，考慮設(shè)定閾值對梯度較小的像素點不進行濾波。且僅通過鄰域灰度和距離來進行判定，濾波效果并不十分理想，可加入梯度方向和梯度大小值來優(yōu)化雙邊濾波器，減小梯度方向濾波，增強垂直方向濾波，加除圖像噪聲，保持圖像的邊緣特性，若噪聲點的梯度方向豎直向上，邊緣點的梯度方向垂直于邊緣方向 ，那么在邊緣點梯度方向上濾波，也一定會對邊緣附近像素濾波處理，因此可能出現(xiàn)邊緣模糊的現(xiàn)象。

2 實驗結(jié)果

通過實驗結(jié)果可以得出，中值濾波算法對噪聲圖像的增強效果如圖[b1][c1][d1]分別是使用3×3、5×5、7×7掩模得到的平滑圖像，中值濾波的平滑處理效果與所用的掩模窗寬有關(guān)，隨著掩模窗寬的增大，圖像的模糊程度越大，較亮的部分變得較暗，雖然較大的目標被完整保存下來，但圖像折斷處變得模糊不清，會直接影像的后續(xù)分割處理，被中值濾波的輸出像素由鄰域像素的中間值而非平均值決定且中值濾波器產(chǎn)生的模數(shù)較少，更適合于消除圖像的孤立噪聲點，對較多細節(jié)的骨折圖像并不適合。

如圖[b2][c2][d2]是分別使用3×3、5×5、7×7模板得到的高斯值濾波平滑圖像，利用高斯濾波在平滑過程中同樣模糊了骨折圖像中間折斷部分，但整體圖像保持的較清晰，圖[b3c3d3]是雙邊濾波后的圖像，不同與高斯濾波中掩模權(quán)值系數(shù)始終保持不變，雙邊濾波器以像素點間的空間距離和灰度值之差不斷地動態(tài)調(diào)整加權(quán)系數(shù)，從而使得圖像的邊緣細節(jié)更加完整，并保持了整體圖像的清晰度，但依然對骨折處過度濾波，使其變得模糊。[b4c4d4]是改進后的雙邊濾波，通過梯度方向和大小的調(diào)整，使圖像不但濾波還很好的保持了原圖像的細節(jié)，濾波效果較好。

參考文獻：

[1] 王香菊. 基于中值濾波和小波變換的圖像去噪方法研究[D]. 西安： 西安科技大學， 2008.

[1] 王玉靈.基于雙邊濾波的圖像處理算法研究[D].西安： 西安電子科技大學， 2010.

[2] 牛秀琴.幾種改進的中值濾波算法研究[D].成都： 四川師范大學，2012.

[3] 楊璐珍. 醫(yī)學圖像增強處理方法的研究與實現(xiàn)[D]. 河南： 河南科技大學， 2011.

[4] 李俊峰. 雙邊濾波算法的快速實現(xiàn)及其在圖像處理的應(yīng)用[D]. 廣州： 南方醫(yī)科大學， 2013.