郭 璇，鄭 菲，趙若晗，吳 丹，彭鈺欣，韓冬熇，毛凌毓，楊 影，葉佳慧，紀(jì)杜娟，董 默

（牡丹江醫(yī)學(xué)院 醫(yī)學(xué)影像學(xué)院，黑龍江 牡丹江 157000）

0 引言

隨著圖像處理技術(shù)及計算機模擬應(yīng)用的快速發(fā)展，圖像處理技術(shù)已經(jīng)廣泛的應(yīng)用于生活的方方面面，通常我們對圖像進行處理的目的就是產(chǎn)生更適合人或計算機識別的圖像，而其中關(guān)鍵的一步就是對包含大量而多樣信息的圖像進行分割。所謂圖像分割是按照一定的規(guī)則將一幅圖像或者景物分成若干個子集的過程[8]。相對于整幅圖像來說，進行圖像分割后的圖形更適合做進一步處理和分析。圖像分割發(fā)展由來悠久，已經(jīng)應(yīng)用于各個方面，今天我們就其在醫(yī)學(xué)方面的應(yīng)用進行簡單討論。醫(yī)學(xué)圖像分割算法已成為圖像處理和分析領(lǐng)域中的研究的重點，目前新興的算法越來越多，相對比傳統(tǒng)的基于閾值、區(qū)域及邊緣的算法又有了新的補充。但是，至今為止仍然沒有一種通用的分割算法對各種圖像均能得到滿意的分割結(jié)果。因此筆者認(rèn)為，在醫(yī)學(xué)圖像處理的實際應(yīng)用中，應(yīng)根據(jù)被處理圖像的實際特點，因地制宜，合理地選擇或設(shè)計合適的分割方法進而達到輔助診斷的目的。

本篇文章首先針對醫(yī)學(xué)圖像分割的大致分類、特征等進行了簡要的介紹，然后就基于閾值的分割方法進行詳盡的討論并利用計算機軟件以實際處理效果分析了常見幾種基于閾值的分割方法的優(yōu)缺點。

1 醫(yī)學(xué)圖像分割的常見方法及特征

通常情況下，分割技術(shù)重點在于找尋圖像目標(biāo)與其背景之間的差異，這也是各種算法的根本所在。所以，分割技術(shù)的關(guān)鍵是找出一定的特征，特征包括兩種：一是相似特征，即在此特征下目標(biāo)是相似的，二是在這個特征下，分割目標(biāo)與背景有較大的差異性。根據(jù)尋找特征的方式，常見的圖像分割方法可以分為以下三大類：基于區(qū)域特征的方法、基于邊緣特征的方法和基于相關(guān)匹配的方法?；趨^(qū)域特征的方法所依據(jù)的是灰度、亮度、顏色等某些—定空間范圍內(nèi)的圖像局部特征，在這些特征下目標(biāo)和背景區(qū)域內(nèi)部具有一定程度的相似性[6]；基于邊界的方法認(rèn)為不同的目標(biāo)在邊緣之間會存在越變跳變，因此尋找邊界線是基于邊緣的分割方法的核心，常用的邊緣檢測也是依據(jù)此原理；基于匹配的方法則根據(jù)已知目標(biāo)的特征建立相應(yīng)的模板將特殊目標(biāo)分離出來[8]。在實際應(yīng)用過程中，尤其在醫(yī)學(xué)領(lǐng)域，上述這些技術(shù)并不是彼此獨立的，通常會交叉配合使用，才能達到預(yù)期的效果。

盡管圖像分割技術(shù)已經(jīng)發(fā)展多年，但由于圖像內(nèi)容的多樣性以及模糊、噪聲等的干擾，圖像分割具有很高的難度和不確定性。無論費時費力的人工分割或是方便快捷的機器分割，都存在其自身的弱點，至今為止沒有普適性分割方法和通用的分割效果評價標(biāo)準(zhǔn)，判定分割的好壞必須結(jié)合實際應(yīng)用，例如，在醫(yī)學(xué)上可以更好的輔助醫(yī)生進行診斷的分割即是合理的分割?？偨Y(jié)起來合理的圖像分割技術(shù)應(yīng)該具有分割有效性、分割完整性、細(xì)節(jié)精確性三大特征，現(xiàn)代醫(yī)學(xué)分割技術(shù)也遵循上述特征來繼續(xù)發(fā)展中。

2 基于閾值的醫(yī)學(xué)圖像分割方法的應(yīng)用及比較

上文提到常用的三大類型分割技術(shù)，筆者認(rèn)為圖像的閾值分割是一種應(yīng)用最為廣泛的圖像分割技術(shù)，更為成熟，但即使發(fā)展較早，近年來仍然不斷有新的分割算法出現(xiàn)，因此本文針對常見的基于閾值的圖像分割技術(shù)做了詳細(xì)的介紹。

基于閾值的分割技術(shù)尋找的特征主要為灰度，即利用了目標(biāo)和背景在灰度上的差異，把圖像看做具有不同灰度級的目標(biāo)和背景兩大部分的組合。其原理為，逐個比較圖像中每個像素值和閾值的關(guān)系，進而來判斷該像素點屬于目標(biāo)還是背景，從而進一步產(chǎn)生二值圖像[10]。從原理上分析，這種分割方法最為簡單容易讓人理解，除此之外，閾值分割還可以大量壓縮數(shù)據(jù)，減少存儲容量，針對無論人工或是計算機處理都可以提高處理效率。

由于閾值分割主要的特征為灰度級，因此常用的閾值法基本上都是基于一維灰度直方圖統(tǒng)計特征的分割方法，我們會將圖像的灰度直方圖繪制出來，簡單地用一個或幾個閾值將圖像灰度直方圖分成兩段或多段，根據(jù)需要將目標(biāo)和丟棄的部分利用灰度值的不同區(qū)分開來。下例中我們根據(jù)圖像所對應(yīng)的直方圖的峰值和谷點選取閾值T=240，T=210，T=180時分別做出這時的醫(yī)學(xué)圖像分割結(jié)果，如圖1所示，通過觀察實際分割效果能清晰的看出基于閾值的醫(yī)學(xué)圖像分割的效果。

圖1 不同閾值選取下醫(yī)學(xué)圖像的實驗結(jié)果Fig.1 Experimental results of medical images under different thresholds

基于閾值的方法根據(jù)使用的是圖像的整體信息還是局部信息，還可以將分割方法分為局部閾值和全局閾值[7]。其最重要的一步就是選取合適的閾值，簡單的閾值選取方法是以圖像的灰度直方圖為對象，以得到的各個灰度級的概率分布密度為基礎(chǔ)，依據(jù)某一準(zhǔn)則選取合適的閾值，最終確定像素點的歸屬。目前為止，常見的閾值分割算法有雙峰法、otsu方法、迭代法、最大熵法等。本文所采用的閾值分割算法均是通過MATLAB軟件實現(xiàn)完成。下面將常用的基于閾值的圖像分割方法做詳細(xì)介紹。

2.1 雙峰法

雙峰法是最為簡單的閾值分割方法，若分割前已經(jīng)對圖像中的目標(biāo)和背景灰度級有確切的了解，那么閾值就可以直接確定。也可以采取嘗試的方法，試驗不同的閾值，直到分割效果達到要求為止，在實際工程中經(jīng)常使用。雙峰法簡單，易操作，但針對復(fù)雜圖像往往分割效果不理想。

以下幾組實驗通過選擇特定的閾值進行雙峰法圖像分割處理。如圖2所示。

2.2 最大熵法

熵是信息論中的一個術(shù)語。最大熵法的目的在于將圖像的灰度直方圖分成兩個或多個獨立的類，使得各類熵的總量最大[6]。根據(jù)最大熵原理進行圖像閾值分割，通常選取一個閾值，使圖像用這個閾值分割出的兩部分的一階灰度統(tǒng)計的信息量最大，即一維熵最大。一維最大熵閾值圖像分割法的基本方法如下：

（1）統(tǒng)計圖像中每一個灰度級出現(xiàn)的概率；

（2）計算該灰度級的熵；

（3）以某一灰度級作為圖像分割點，區(qū)分目標(biāo)和背景；

圖2 雙峰法醫(yī)學(xué)圖像分割實際效果Fig.2 Experimental results of two-mountain method for medical image segmentation

（4）對圖像中每個灰度級求目標(biāo)和背景區(qū)域的熵的和，選取和最大的灰度級作為分割圖像的閾值。

基于熵的閾值選取法基本不會受到目標(biāo)大小的影響，因此其針對目標(biāo)較小的情況使用效果很好，但一維最大熵法由于涉及對數(shù)運算，因此處理速度慢，若針對目前的實時分割，可能達不到預(yù)期的效果，而且若圖像細(xì)節(jié)多或是復(fù)雜的情況也不適合使用此方法。如圖3所示，使用最大熵法進行醫(yī)學(xué)圖像分割后的結(jié)果。

圖3 最大熵法醫(yī)學(xué)圖像分割實驗結(jié)果Fig.3 Experimental results of maximum entropy method for medical image segmentation

2.3 Otsu 法

Otsu法是一種自動的非參數(shù)非監(jiān)督的閾值選擇法,在使用時只需要計算灰度直方圖的零階和一階累積矩,相對運算簡單,且分割穩(wěn)定有效。這種確定閾值的方法，也稱為最大類間方差閾值分割方法或大津法。通常情況下，通過Ostu法選取出來的閾值非常理想，在各種情況下的表現(xiàn)都較為良好，可以說是目前很穩(wěn)定的分割方法，但是Otsu法本質(zhì)上屬于單閾值的圖像分割方法，即只能將圖像分為兩類，如果目標(biāo)與背景的大小比例不均衡時，此種方法會失效。Otsu方法在運算上相對比最大熵法要快，盡管算法相對復(fù)雜，但在圖像分割領(lǐng)域中目前使用極為廣泛。如圖4所示，使用Otsu法進行醫(yī)學(xué)圖像分割后的結(jié)果。

圖4 Otsu 法醫(yī)學(xué)圖像分割實驗結(jié)果Fig.4 Experimental results of Otsu method for medical image segmentation

2.4 迭代法

通過迭代方式也可以選取閾值，首先選取圖像灰度范圍的中值作為初始值，把原始圖像中的全部像素分為前景和背景兩大類，然后分別對其進行積分處理并將結(jié)果取平均獲取新的閾值，并按此閾值再將圖像分為前景、背景兩大類[7]。如此反復(fù)迭代下去，當(dāng)閾值不再發(fā)生變化，認(rèn)為此刻的閾值即作為最終的結(jié)果并用于對本圖像的分割。

由于迭代算法使用反復(fù)的循環(huán)方式，因此其計算速度也相對較慢，迭代法適用于直方圖呈現(xiàn)雙峰形狀且峰谷特征比較明顯的圖像，但是對于圖像直方圖雙峰特征不明顯，或目標(biāo)和背景比例差異很大情況下分割效果可能不理想。如圖5所示，使用迭代法法進行醫(yī)學(xué)圖像分割后的結(jié)果。

3 總結(jié)

圖5 迭代法醫(yī)學(xué)圖像分割實驗結(jié)果Fig.5 Iterative method for medical image segmentation

閾值法作為一種傳統(tǒng)的圖像分割方法，因其實現(xiàn)簡單便利、性能較穩(wěn)定、方法多元化已經(jīng)成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。由于便利且迅速，該方法通常應(yīng)用于圖像的預(yù)處理，并能取得滿意的結(jié)果。在圖像處理技術(shù)高速發(fā)展的今天，基于閾值的圖像分割技術(shù)已經(jīng)有多種算法應(yīng)用，且不斷的繼續(xù)發(fā)展中，確定最佳閾值是閾值分割法的關(guān)鍵，對閾值選取方法的研究和應(yīng)用具有重要意義。在醫(yī)學(xué)領(lǐng)域?qū)D像的分割的好壞直接影響醫(yī)師的診斷效果，因此合理的使用閾值法并且將其與其他分割方法結(jié)合使用以得到更好的分割結(jié)果具有重要意義。通過閱讀本文希望讀者可以對基于閾值的醫(yī)學(xué)圖像的分割技術(shù)有所了解。

[1] 閆秋孟, 董默等. 基于MATLAB的醫(yī)學(xué)圖像處理系統(tǒng)設(shè)計與應(yīng)用[J]. 軟件, 2017, 38(2): 51-55.

[2] 鄧華. 淺談Matlab在數(shù)字圖像處理中的應(yīng)用[J]. 科技資訊,2006(8): 128-129.

[3] 周志尊, 孫璐等. CT與MRI融合技術(shù)的顱內(nèi)腫瘤應(yīng)用研究[J]. 軟件, 2017, 38(5): 34-38.

[4] 陳廣新等. 股骨3D模型構(gòu)建在股骨頭置換手術(shù)中的應(yīng)用研究[J]. 軟件, 2017, 38(12): 75-80.

[5] 王娟, 周金芝. 基于Matlab的形態(tài)學(xué)圖像處理研究[J]. 現(xiàn)代交際, 2010, (4): 135-136.

[6] 康曉東. 醫(yī)學(xué)影像圖像處理[M]. 北京: 人民衛(wèi)生出版社,2009.

[7] 聶東升, 邱劍鋒, 鄭建立. 醫(yī)學(xué)圖像處理[M]. 上海: 復(fù)旦大學(xué)出版社, 2014.

[8] 董默, 蘇奎, 周志尊, 周鴻鎖. 生物醫(yī)學(xué)工程專業(yè)《醫(yī)學(xué)圖像處理》實踐教學(xué)改革[J]. 軟件, 2017, 38(2): 37-41.

[9] 董默, 韓婷等. MATLAB在數(shù)字圖像處理中的應(yīng)用[J]. 科技創(chuàng)新導(dǎo)報, 2016, (12): 75/115.