王永飛

(銅陵職業(yè)技術(shù)學(xué)院，安徽 銅陵 244061)

數(shù)字圖像處理是指為滿足某種特定需求而采取某種算法，獲取所需圖像的過(guò)程[1]。目前，數(shù)字圖像處理傳統(tǒng)濾波技術(shù)主要有抑噪有效但易致圖像模糊的均值濾波、平滑圖像但邊緣易適應(yīng)化的中值濾波、降高斯噪聲效果明顯而降椒鹽噪聲效果不理想的維納濾波。傳統(tǒng)圖像的增強(qiáng)技術(shù)主要有直方圖圖像均衡化或圖像對(duì)比度調(diào)整等技術(shù)，但圖像增強(qiáng)的同時(shí)噪聲信息也被增強(qiáng)[2]。傳統(tǒng)圖像的融合主要有統(tǒng)計(jì)學(xué)方法和加權(quán)平均法等，分別從時(shí)域或頻域角度對(duì)圖像進(jìn)行融合，割裂了圖像信息在時(shí)域和頻域上內(nèi)在特征。經(jīng)典的拉普拉斯邊緣算子圖像邊緣檢測(cè)技術(shù)容易造成圖像出現(xiàn)雙邊緣現(xiàn)象[3]等。MATLAB(矩陣實(shí)驗(yàn)室)是一種應(yīng)用于數(shù)據(jù)可視化和數(shù)據(jù)分析等方面的國(guó)際控制界標(biāo)準(zhǔn)計(jì)算軟件，小波變換理論誕生于20世紀(jì)90年代，具備同時(shí)從時(shí)域和頻域兩個(gè)方面實(shí)現(xiàn)數(shù)字圖像分解與重構(gòu)。當(dāng)前，生物醫(yī)學(xué)工程和航空航天等諸多領(lǐng)域都對(duì)醫(yī)學(xué)數(shù)字圖像處理技術(shù)提出了更高的要求，而傳統(tǒng)的圖像處理技術(shù)各有不足，融合matlab平臺(tái)強(qiáng)大的圖像工具箱和小波變換對(duì)圖像多層分解的特點(diǎn)，提取圖像特征信息，本文提出了“一體化”法處理醫(yī)學(xué)圖像，克服傳統(tǒng)圖像處理技術(shù)的缺陷。

一、“一體化”法理論基礎(chǔ)

醫(yī)學(xué)圖像一般可分為描述人體形態(tài)信息的解剖圖和人體代謝信息的功能圖[4]，圖像灰度都是由不同人體組織特性決定，因這種差異很小，導(dǎo)致圖像上相鄰灰度差別也就很小，而人眼對(duì)灰度的分辨率很低，只能清楚分辨從全黑到全白的十幾個(gè)灰階[2]146-147。醫(yī)學(xué)圖像經(jīng)“一體化”法處理后，能準(zhǔn)確再現(xiàn)原圖，以滿足醫(yī)學(xué)病理分析的高精度需求。

小波變換是近年來(lái)隨小波變換理論研究提出的一種多分辨率的分析方法，能分析出更適合人類視覺(jué)圖像編碼特征及分層圖像傳輸所需信息[2]146-147。與傳統(tǒng)的如傅立葉變換等相比，小波變換在瞬態(tài)、局部信號(hào)分量、局部化信息時(shí)域和頻域特征等方面具有很大的優(yōu)勢(shì)。

通過(guò)元小波尺度因子a伸縮可得到信號(hào)的頻率特征，通過(guò)尺度因子b平移可得到信號(hào)的時(shí)間信息，連續(xù)改變因子a或b，可得到圖像時(shí)域和頻域信號(hào)序列信息，因此，信號(hào)尺度因子a或b選擇對(duì)于圖像研究有非常重要的意義。小波分析可將信號(hào)分解為對(duì)應(yīng)不同尺度的近似分量和細(xì)節(jié)分量，近似分量是信號(hào)低頻部分，包含信號(hào)的主要特征；細(xì)節(jié)分量是信號(hào)的高頻分量，包含有信號(hào)的細(xì)節(jié)或差別。連續(xù)多分辨率分解各層近似分量和細(xì)節(jié)分量，可得到更多更詳細(xì)的信號(hào)特征，也可看成把原始信號(hào)通過(guò)低通濾波器和高通濾波器分解成近似值和細(xì)節(jié)值。由于各個(gè)通道按二叉樹式逐層分解，數(shù)據(jù)量倍增，根據(jù)奈奎斯特采樣定理采用下采樣法[5]，同層兩個(gè)樣本數(shù)據(jù)選取一個(gè)，取得小波變換圖像重構(gòu)系數(shù)，通過(guò)在兩個(gè)樣本之間插入數(shù)值0的上采樣加濾波形式來(lái)實(shí)現(xiàn)高實(shí)用性重構(gòu)圖像，同時(shí)，減少數(shù)據(jù)計(jì)算量，提高運(yùn)算時(shí)效，這是“一體化”法處理醫(yī)學(xué)圖像的理論基礎(chǔ)。

二、“一體化”法結(jié)構(gòu)模型

設(shè)計(jì)“一體化”法結(jié)構(gòu)模型如圖1所示，其實(shí)質(zhì)是以Maltab為平臺(tái)，以小波變換為手段，以數(shù)據(jù)閥值為主線，根據(jù)醫(yī)學(xué)圖像特征，利用小波變換對(duì)圖像進(jìn)行多層分解，取得各層分解系數(shù)，選取適當(dāng)閥值，并對(duì)各層系數(shù)閥值化處理，處理后各層數(shù)據(jù)執(zhí)行逆向重構(gòu)，實(shí)現(xiàn)圖像降噪；通過(guò)對(duì)圖像分解中低頻閥值進(jìn)行增強(qiáng)，對(duì)高頻閥值進(jìn)行衰減處理，弱化非必要的分解系數(shù)，實(shí)現(xiàn)圖像增強(qiáng)；分析各層分解系數(shù)，獲取合理閾值，均值化像元矩陣并重構(gòu)，實(shí)現(xiàn)圖像融合；根據(jù)邊緣圖像特征，選取樣條小波，變換尺度因子a或b，選取所需閥值，重構(gòu)圖像邊緣。

圖1 “一體化”法結(jié)構(gòu)模型

三、“一體化”法實(shí)驗(yàn)分析

圖像降噪是圖像處理的重要過(guò)程。圖像在產(chǎn)生過(guò)程中受到如傳感器振蕩等外來(lái)噪聲的干擾，導(dǎo)致圖像質(zhì)量下降，影響圖像內(nèi)容理解。降噪與保留圖像細(xì)節(jié)等難題必須解決。傳統(tǒng)的維納濾波等方法根據(jù)圖像特征、噪聲統(tǒng)計(jì)特征與頻譜分布規(guī)律，實(shí)現(xiàn)降噪，但效果不理想，并且對(duì)彩圖基本無(wú)效。“一體化”法能很好地解決上述問(wèn)題。

(一)圖像降噪

“一體化”法降噪實(shí)質(zhì)是利用小波變換，獲取圖像高頻和低頻特征信息，分析特征信息閾值，選取適當(dāng)?shù)拈撝迪禂?shù)，對(duì)圖像進(jìn)行濾波，濾波后圖像重構(gòu)。閾值選取既要考慮圖像邊緣特征，又要考慮圖像平滑。閾值選取過(guò)大，圖像重要特征將濾掉；若過(guò)小，降噪效果就不明顯。

本實(shí)驗(yàn)中隨機(jī)選用了互聯(lián)網(wǎng)腦部CT彩圖。圖像格式為jpg，圖像像素為400×400，水平分辨率與垂直分辨率都為700dpi，位深度為24，實(shí)驗(yàn)以“一體化”法進(jìn)行降噪處理，如圖2所示。

圖2 原始圖、高斯噪聲圖、椒鹽噪聲圖、高斯椒鹽圖和對(duì)應(yīng)降噪圖比較

腦部CT原始圖(a)加高斯噪聲后為(b)圖，噪聲明顯增加，圖像可觀測(cè)性難度加大，通過(guò)“一體化”法降高斯噪聲后得圖(c)，圖像效果明顯改善。原始圖(a)加入椒鹽噪聲后得圖(d)，畫面上出現(xiàn)隨機(jī)椒鹽噪聲斑點(diǎn)，利用“一體化”法椒鹽噪聲降噪后得圖(e)，圖像實(shí)用性得到大幅提升。有部分圖像同時(shí)具有高斯噪聲和椒鹽噪聲，其噪聲圖事實(shí)上是圖(b)和圖(d)的疊加，噪聲更復(fù)雜，利用“一體化”法高斯噪聲和椒鹽噪聲降噪后圖像為(f)，進(jìn)一步表明“一體化”法降噪的有效性?！耙惑w化”法降噪與傳統(tǒng)降噪方法比較，在本文第四部分單獨(dú)進(jìn)行。

(二)圖像增強(qiáng)實(shí)驗(yàn)分析

“一體化”法可實(shí)現(xiàn)彩圖整體效果增強(qiáng)和灰度圖色彩增強(qiáng)。本實(shí)驗(yàn)除選用了互聯(lián)網(wǎng)腦部CT彩圖，還選用了醫(yī)學(xué)教育網(wǎng)基礎(chǔ)醫(yī)學(xué)理論部分的肝硬化CT灰度圖，該圖像格式與腦部CT圖像相同，以驗(yàn)證“一體化”法的通用性。采用“一體化”法對(duì)選用圖像進(jìn)行多層分解，獲得各層大小、位置和方向均不同的分量，選取適當(dāng)閥值，重構(gòu)圖像。針對(duì)彩圖，還需要統(tǒng)計(jì)每個(gè)灰度級(jí)出現(xiàn)的概率，根據(jù)統(tǒng)計(jì)結(jié)果進(jìn)行相似度歸集并回賦像素來(lái)實(shí)現(xiàn)；針對(duì)灰度圖，對(duì)低頻部分(輪廓)進(jìn)行增強(qiáng)，查看其主要信息，對(duì)高頻部分(細(xì)節(jié))減弱，通過(guò)調(diào)整閾值，回賦各頻域色彩以達(dá)到增加圖像目的，結(jié)果如圖3所示。傳統(tǒng)的圖像增強(qiáng)方法對(duì)彩圖不能增強(qiáng)效果，且對(duì)灰度圖增強(qiáng)效果的同時(shí)也增強(qiáng)了噪聲，實(shí)驗(yàn)中沒(méi)有給出傳統(tǒng)的圖像增強(qiáng)方法灰度圖增強(qiáng)的圖例。

圖3 彩圖增強(qiáng)和灰度圖增強(qiáng)對(duì)比

(三)圖像融合實(shí)驗(yàn)分析

在時(shí)域上利用算術(shù)運(yùn)算實(shí)現(xiàn)圖像融合是傳統(tǒng)圖像融合主要方法，雖然算法簡(jiǎn)單，但沒(méi)有對(duì)圖像頻域變化進(jìn)行考慮。而人類視網(wǎng)膜圖像獲得是經(jīng)過(guò)不同頻帶不同算子進(jìn)行整合得到的，“一體化”法圖像融合更接近人類視覺(jué)特征。

針對(duì)同一對(duì)象的多種成像模式或多焦距圖像信息互補(bǔ)性較強(qiáng)，為提高圖像實(shí)用性，需將有效信息進(jìn)行整合。為進(jìn)一步驗(yàn)證“一體化”法圖像融合效果，我們使用高斯噪聲降噪后的和椒鹽噪聲降噪后的兩張腦CT彩圖進(jìn)行融合處理，利用“一體化”法對(duì)上述兩圖進(jìn)行四層分解，取各圖各層系數(shù)絕對(duì)值的最大值為融合圖像閥值，再將各圖像的像元值矩陣均值化回賦，并重構(gòu)，最終實(shí)現(xiàn)圖像的深度融合，如圖4所示，融合后圖像較前述兩圖實(shí)用性更高。

(四)圖像邊緣檢測(cè)實(shí)驗(yàn)分析

圖像邊緣是目標(biāo)與背景、目標(biāo)與變化的像素集合。由于受噪聲影響，噪聲的突變點(diǎn)常常與圖像邊緣的突變點(diǎn)重合，傳統(tǒng)的方法如拉普拉斯邊緣算子作為線性二次微分算子，邊緣檢測(cè)時(shí)容易出現(xiàn)雙邊緣現(xiàn)象[5]?！耙惑w化”法通過(guò)對(duì)圖像灰度化，根據(jù)圖像邊緣數(shù)值大于同色區(qū)域值的特點(diǎn)，選取合適的樣條小波，變換尺度因子，選取所需閥值，結(jié)合奇異檢測(cè)定位方式實(shí)現(xiàn)邊緣檢測(cè)。實(shí)驗(yàn)過(guò)程如圖5所示。

圖5 “一體化”法圖像邊緣檢測(cè)結(jié)果比較

圖像灰度化不影響其邊緣信息，同時(shí)，能提高運(yùn)算速度。在實(shí)驗(yàn)中，“一體化”法既保持傳統(tǒng)小波變換時(shí)域局部化分析能力，又能在頻域?qū)崿F(xiàn)方向調(diào)整分析，實(shí)現(xiàn)了圖像邊緣檢測(cè)。

四、“一體化”法與傳統(tǒng)降噪方法比較

傳統(tǒng)的降噪方法有均值濾波、中值濾波、Wiener維納濾波等[6]。均值濾波通過(guò)相鄰幾個(gè)像素灰度的平均值來(lái)代替每個(gè)像素的灰度，抑制噪聲，但容易引起圖像模糊。中值濾波先確定以某個(gè)像素為中心，取鄰域窗口中各像素灰度值的中間值作為中心像素灰度的新值，可以實(shí)現(xiàn)圖像平滑處理，但對(duì)點(diǎn)、線和尖頂多的圖像易自適應(yīng)化。Wiener維納濾波利用圖像特征均方誤差最小原則濾波，降高斯噪聲效果明顯，但對(duì)椒鹽噪聲效果不佳。實(shí)驗(yàn)中，我們對(duì)原始腦CT彩圖融入椒鹽噪聲，使用“一體化”法對(duì)椒鹽噪聲圖進(jìn)行降噪，因傳統(tǒng)濾波技術(shù)對(duì)彩圖無(wú)效，我們需先將腦CT椒鹽噪聲彩圖轉(zhuǎn)化成灰度圖，再分別利用均值濾波、中值濾波、Wiener維納濾波對(duì)腦CT椒鹽噪聲灰度圖降噪，結(jié)果如圖6所示。

通過(guò)圖6可得知：均值濾波后圖像明顯模糊，中值濾波后圖像邊緣一些細(xì)節(jié)點(diǎn)被當(dāng)成噪聲點(diǎn)，邊緣出現(xiàn)斷點(diǎn)；維納濾波后圖中還有部分噪聲點(diǎn)，效果不理想，與原始圖比較發(fā)現(xiàn)，“一體化”法彩圖降噪后可以較完整地還原原始圖像信息。

五、結(jié)語(yǔ)

本文提出了基于matlab和小波分析醫(yī)學(xué)圖像處理“一體化”法，該方法對(duì)醫(yī)學(xué)圖像進(jìn)行降噪、圖像增強(qiáng)、圖像融合和圖像邊緣檢測(cè)進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明“一體化”法在醫(yī)學(xué)圖像處理上的優(yōu)勢(shì)。醫(yī)學(xué)圖像處理是圖形圖像處理中的一個(gè)特例，“一體化”法對(duì)處理其他類型的圖像同樣具有重要的參考意義。但“一體化”法還有自身的不足，主要體現(xiàn)在圖像處理過(guò)程中的多樣化閥值選取，這也是“一體化”法要進(jìn)一步完善的地方，因此在今后的工作中將對(duì)上述問(wèn)題進(jìn)行更深入的研究。

圖6 原始圖、原始圖融入椒鹽噪聲圖、“一體化”法降噪圖與均值濾波、中值濾波、維納濾波降噪圖比較

參考文獻(xiàn)：

[1] 梁利利,王興武,謝麗娟.紅外圖像去噪方法研究[J].電腦知識(shí)與技術(shù)，2014，10(32)：7738-7739.

[2] 李小飛.基于直方圖規(guī)定化和小波分析的醫(yī)學(xué)圖像增強(qiáng)[J].軟件導(dǎo)刊,2014(4):146-147.

[3] 李艷梅.圖像增強(qiáng)的相關(guān)技術(shù)及應(yīng)用研究[D].成都：電子科技大學(xué),2013：14-38.

[4] 孫延奎.光學(xué)相干層析醫(yī)學(xué)圖像處理及其應(yīng)用[J].光學(xué)精密工程,2014(4):1086-1104.

[5] 張建光，李永霞.基于拉普拉斯邊緣檢測(cè)算子的圖像分割[J].福建電腦，2011(7)：99-101.

[6] 李彥軍,蘇紅旗.改進(jìn)的中值濾波圖像去噪方法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(12):2994-2997.