寇毛蕊，楊新國

(1.廣西大學(xué)公共管理學(xué)院，廣西南寧 530004；2.廣西大學(xué)馬克思主義學(xué)院，廣西南寧 530004)

1 研究目的及意義

隨著數(shù)字圖像技術(shù)發(fā)展的日趨成熟，在醫(yī)療衛(wèi)生領(lǐng)域中計(jì)算機(jī)圖像輔助診斷技術(shù)已成為臨床治療中的重要依據(jù)。本研究基于Matlab軟件平臺設(shè)計(jì)一個(gè)醫(yī)學(xué)圖像分割系統(tǒng)，系統(tǒng)可根據(jù)圖像實(shí)際情況進(jìn)行平滑降噪、亮度調(diào)節(jié)等預(yù)處理操作，然后選擇不同分割方法將圖像分割成不同區(qū)域，以此對圖像進(jìn)行分析診斷。利用圖像分割方法對圖像進(jìn)行處理的目的是為了更好地提取出所需區(qū)域的特征，使處理后的圖像便于后期的分析和理解[1]。

在實(shí)際生活中，圖像分割技術(shù)廣泛應(yīng)用于在線產(chǎn)品檢驗(yàn)、文檔圖像處理、衛(wèi)星遙感、氣象和生物醫(yī)學(xué)圖像分析等方面，并取得了顯著的社會效益和經(jīng)濟(jì)效益。圖像分割是提取醫(yī)學(xué)圖像特征的主要手段。而醫(yī)學(xué)影像技術(shù)的發(fā)展使得圖像分割發(fā)揮著更為重要的作用。本研究基于Matlab軟件的平臺，集成在便于用戶使用的交互式環(huán)境之中，使用Matlab所提供的用戶界面(GUI)以及圖像處理工具箱，進(jìn)行簡單的設(shè)計(jì)，進(jìn)而得到直觀的顯示。通過本系統(tǒng)中的分割方法對圖像進(jìn)行一些簡單的分割，以便于醫(yī)學(xué)診斷和治療。

2 研究背景及國內(nèi)外研究現(xiàn)狀

圖像處理在自身發(fā)展的同時(shí)也廣泛地應(yīng)用于生活和工作的各個(gè)領(lǐng)域之中，其中，紙幣識別、車牌識別、指紋識別等技術(shù)已經(jīng)被大家所熟悉。而識別技術(shù)的基礎(chǔ)就是圖像分割，其作用是把圖像特征或特性提取分離出來，并進(jìn)一步形成數(shù)字特征。圖像分割已經(jīng)廣泛應(yīng)用于社會生活中，在圖像識別的各種應(yīng)用系統(tǒng)中占重要地位。

隨著圖像處理技術(shù)的發(fā)展，圖像的分割算法變得越來越多樣化與靈活化，但是在分割算法研究中，暫時(shí)還未出現(xiàn)一種可適用于所有圖像的分割算法。對圖像的分割在強(qiáng)調(diào)部分區(qū)域的同時(shí)，往往會丟失掉部分邊緣信息。本文在已有理論研究成果的基礎(chǔ)上，針對不同的提取方式，從中選取了四種方法對圖像進(jìn)行分析，綜合了幾種不同方法的優(yōu)缺點(diǎn)，基本實(shí)現(xiàn)圖像分割處理的完整功能。

3 圖像處理算法

圖像信息具有直觀、形象、易懂和信息量大等特點(diǎn)，是人類獲取信息、表達(dá)信息和傳遞信息的重要途徑。

對數(shù)字圖像信息進(jìn)行處理(Digital Image Processing)的技術(shù)起源于20世紀(jì)20年代。數(shù)字圖像處理技術(shù)不僅在理論上有更深的發(fā)展，在應(yīng)用上也是社會生產(chǎn)活動中不可缺少的強(qiáng)有力工具。幾何處理、圖像增強(qiáng)、圖像復(fù)原以及圖像分割等都是圖像處理的研究范疇，本文針對圖像分割展開詳細(xì)闡述。

3.1 圖像預(yù)處理

圖像預(yù)處理是圖像處理分析的關(guān)鍵一步，在圖像處理中具有重要作用。當(dāng)圖像存在噪聲需要進(jìn)行降噪時(shí)，一般需要先對圖像進(jìn)行相應(yīng)處理，如平滑處理，所用到的平滑濾波器一般有線性平滑濾波器和中值濾波器[2]。對圖像進(jìn)行平滑降噪后，圖像會變得模糊不清，因?yàn)閳D像的信號一般分布在低中頻，而圖像的細(xì)節(jié)分布在高頻，所以平滑后會使圖像的部分細(xì)節(jié)變模糊。銳化的目的是為了解決這個(gè)問題，來增強(qiáng)圖像的邊緣部分，以便對圖像進(jìn)行進(jìn)一步的識別和處理，銳化處理是與平滑處理相反的一類處理方法，一般可將圖像銳化分為線性和非線性[3]。

3.2 圖像分割算法

圖像分割可以提取圖像的特征，對于圖像來說，有些特性是可以直觀感覺到的，而有些特征則需要測量變換才能得到，如做直方圖處理。對這些圖像特征的檢測，離不開圖像分割技術(shù)。邊緣檢測法、閾值分割法、區(qū)域生長法和基于分水嶺算法是四種經(jīng)典的分割方法。

3.2.1 邊緣檢測法

圖像邊緣對于圖像的識別來說十分有用，因?yàn)樵谶M(jìn)行圖像分析時(shí)，先對圖像進(jìn)行邊緣檢測，邊緣可以描述出圖像的大致信息，使用戶能夠一目了然地了解圖像信息。從根本上來看，圖像邊緣其實(shí)就是圖像灰度值不連續(xù)突變的反映，可以將其看作兩個(gè)部分的分界線?，F(xiàn)有的檢測方法正是針對此特點(diǎn)，對圖像進(jìn)行一階或二階微分來確定邊緣信息[4]。

3.2.2 閾值分割法

閾值分割法是一種比較常用的圖像分割方法。所要分割的對象與背景的灰度值差較大時(shí)，分割的效果較好。閾值分割算法步驟簡單，運(yùn)算速度快，可認(rèn)為是對圖像進(jìn)行特征提取的預(yù)處理過程。該算法可將圖像分割為若干部分，將比規(guī)定閾值大的像素放置一個(gè)區(qū)域，作為目標(biāo)，將小于規(guī)定閾值的像素作為背景，分割后的圖像為黑白兩部分，即圖像二值化。

3.2.3 區(qū)域生長法

區(qū)域生長法分割圖像是指從已知的種子點(diǎn)開始，通過所選定的相似性準(zhǔn)則，與它周圍鄰域像素形成一個(gè)區(qū)域[5]。所選用的準(zhǔn)則可以是灰度差或其它特性，從所選定的種子像素開始，向其周圍各個(gè)方向生長，將滿足該準(zhǔn)則的像素都合并在一個(gè)小區(qū)域，然后以所合并的新像素點(diǎn)作為起點(diǎn)，繼續(xù)向各個(gè)方向生長，重復(fù)上述過程，直到?jīng)]有符合的像素點(diǎn)為止。

3.2.4 分水嶺分割法

分水嶺算法的基本思路是將圖像看作地理學(xué)上的拓?fù)涞匦?，如果將圖像中每個(gè)像素點(diǎn)的灰度值看作對應(yīng)的地理海拔，則灰度值較小的像素集合所形成的區(qū)域?yàn)榕璧?，較高的像素為海拔較高的山峰，那些海拔較低的盆地的邊緣就形成了分割線。將灰度映射到三維空間，如圖1所示[6]。以Vincent和Soille所提的浸沒法來模擬分水嶺分割算法，即海拔低的盆地低處先被浸沒，當(dāng)水位上升到山體高處時(shí)，各盆地區(qū)域的水面開始匯聚，在它們匯聚的邊緣地方構(gòu)造出堤壩，這些堤壩對應(yīng)于圖像的分割線，可以將圖像劃分為不同的部分。

圖1 將灰度圖像映射到三維空間

圖2 系統(tǒng)模塊圖

4 系統(tǒng)概要設(shè)計(jì)

4.1 系統(tǒng)功能設(shè)計(jì)

圖3 系統(tǒng)流程圖

醫(yī)學(xué)圖像分割系統(tǒng)如圖2所示，由操作模塊、圖像預(yù)處理、圖像編輯、分割方法選擇模塊以及顯示模塊組成。其中，操作模塊實(shí)現(xiàn)系統(tǒng)最基本的功能，該模塊包括讀入圖像、系統(tǒng)退出、重置與灰度轉(zhuǎn)化等諸多功能，如重置功能可實(shí)現(xiàn)對圖像處理的取消。圖像預(yù)處理包含了灰度變換[7]、灰度倒置、直方圖均衡化、圖像平滑與圖像銳化等諸多功能，可以對讀入的圖像進(jìn)行各種前期處理。圖像平滑與圖像銳化則都分為空域處理與頻域處理兩種方式。圖像編輯包括了許多圖像的常用處理，例如圖像二值化、亮度調(diào)節(jié)、對比度調(diào)節(jié)、對原始圖像加各種噪聲、一些簡單的幾何變換、圖像剪切和形態(tài)學(xué)處理等。分割方法選擇則對應(yīng)于邊緣檢測法、閾值分割法、區(qū)域生長法和分水嶺分割方法，當(dāng)選擇一種方法時(shí)，另外三種方法將會被鎖定。最后的顯示模塊則用于顯示圖像以及對應(yīng)的直方圖，包括對原始圖像的顯示、對圖像預(yù)處理或編輯后的圖像顯示、對分割后的圖像顯示，另外還能夠?qū)崿F(xiàn)原始圖處理后、分割后的圖像的直方圖的相應(yīng)顯示。最后對處理過后和分割過后的圖像進(jìn)行保存。

4.2 系統(tǒng)算法設(shè)計(jì)

圖像分割的算法是本次研究的主要對象，該分割系統(tǒng)最基本、最主要的功能是通過選擇不同的方法實(shí)現(xiàn)對圖像的分割。下面以流程圖(圖3)的形式概要介紹此系統(tǒng)的基本流程。

首先讀入一個(gè)圖像，根據(jù)該圖像的實(shí)際情況判斷是否需要對其進(jìn)行預(yù)處理，例如圖片是否含有噪聲，亮度是否較暗等。若圖像較理想，可直接進(jìn)行其它常用處理或直接選擇分割方法進(jìn)行圖像分割。若圖像含有噪聲，則可先對其進(jìn)行圖像平滑處理，選擇不同的掩膜值進(jìn)行濾波，消除一定的噪聲。如果圖像的邊緣被部分濾除掉，則可在圖像平滑后進(jìn)行圖像銳化，以此增強(qiáng)圖像的銳度。圖像編輯是指對圖像進(jìn)行一些常用的處理，做簡單的幾何變換，如剪切、旋轉(zhuǎn)等。若不需要對圖像進(jìn)行編輯，則可以直接進(jìn)行分割方法選擇，對圖像進(jìn)行分割處理，然后保存圖像并退出系統(tǒng)。

5 系統(tǒng)測試

5.1 系統(tǒng)實(shí)現(xiàn)

系統(tǒng)的運(yùn)行界面如圖4所示，如上述所說明的功能模塊，整個(gè)界面上只顯示了按鍵部分、顯示區(qū)域和分割方法區(qū)域。圖像預(yù)處理與圖像編輯的各項(xiàng)處理都放置到菜單一欄，當(dāng)需要進(jìn)行這些操作時(shí)，相應(yīng)的功能面板會顯示在左下角處。圖5為對讀入的圖像進(jìn)行了灰度倒置，界面右上側(cè)為處理前以及處理后的直方圖，由此可以清晰地看到圖像的灰度變化情況。

圖4 系統(tǒng)運(yùn)行界面圖

圖5 灰度變換操作

其它功能同樣可以實(shí)現(xiàn)，在分別對原始圖像進(jìn)行直方圖均衡化、圖像二值化后，整個(gè)圖像的灰度級變換為黑白兩部分，操作處理后的結(jié)果如圖6所示。

圖6 操作運(yùn)行結(jié)果

對圖像進(jìn)行一些簡單的幾何變換有時(shí)也顯得格外重要，例如旋轉(zhuǎn)、翻轉(zhuǎn)以及縮放等。以下對圖像進(jìn)行了左右翻轉(zhuǎn)、圖像剪切以及圖像放縮幾個(gè)簡單的操作，選擇最近鄰插值并設(shè)置為0.2，運(yùn)行結(jié)果如圖7所示。對于圖像的各項(xiàng)基本功能，該系統(tǒng)都能良好實(shí)現(xiàn)。該系統(tǒng)對圖像進(jìn)行合理的處理，對于接下來的分割也起到關(guān)鍵的作用。

圖7 圖像幾何操作

5.2 系統(tǒng)測試與分析

由于圖像在采集、量化或者傳送過程中會產(chǎn)生噪聲，因此通常在對圖像處理前先進(jìn)行去噪[8]。不同的濾波方法可能對圖像的濾除效果不一樣，可見對濾波器的選擇非常重要。以下對讀入的一張帶噪聲的醫(yī)學(xué)圖像(圖8(a))進(jìn)行處理測試，對該平滑后的圖像進(jìn)行銳化，選用一階巴特沃斯濾波器，設(shè)置截止頻率為2，如圖8(b)和(c)所示。對圖像選用不同的濾波器，會產(chǎn)生不同的濾波效果，均值濾波器對噪聲有抑制作用，但同時(shí)會使圖像變模糊，即使是加權(quán)濾波，所改善的效果也是很有限。

圖8 圖像預(yù)處理

邊緣檢測法是指通過選取Prewitt、Log、Canny算子對圖像進(jìn)行分割，結(jié)果如圖9所示。根據(jù)所選取的3種算子分割結(jié)果，直觀地看，Canny算子對邊緣信息的保留效果較好，分割的結(jié)果較準(zhǔn)確。Log算子所分割的結(jié)果，雖然邊緣信息保留的較豐富，但同時(shí)也將部分非邊緣點(diǎn)誤檢測為邊緣點(diǎn)，將其誤認(rèn)為真邊緣包含進(jìn)來，卻丟失了部分真邊緣點(diǎn)[9]。Prewitt算子分割的結(jié)果，一眼望去較雜亂，圖像的邊緣連續(xù)性較差。

圖9 圖像的邊緣檢測處理

運(yùn)用閾值分割法對圖像分別進(jìn)行自動閾值與輸入閾值100的處理運(yùn)行結(jié)果如圖10所示。如果閾值定得過高，偶然出現(xiàn)的物體點(diǎn)可能會被認(rèn)作背景，如果閾值定得過低則會出現(xiàn)相反情況。從系統(tǒng)運(yùn)行圖(圖10(a))可以看出，在自動閾值的閾值分割后，圖像的直方圖被分成兩部分，大于閾值的一部分為全白，小于閾值的一部分為全黑。輸入閾值可以設(shè)置的范圍是0～255，且為整數(shù)，圖10(b)所示為閾值設(shè)置為100后的結(jié)果，相比自動閾值，腦內(nèi)更多的白色圖像變成了灰色，說明了手動設(shè)置的閾值要高于自動檢測的閾值。

圖10 圖像的閾值分割處理

圖像區(qū)域生長法處理是指通過自己設(shè)定參數(shù)確定生長種子，先選定一點(diǎn)作為種子點(diǎn)即生長的起點(diǎn)，參數(shù)設(shè)置如圖11(a)所示，然后將種子點(diǎn)鄰域中滿足灰度差為10的像素合并到種子像素所在的區(qū)域，分割結(jié)果如圖11所示。從圖11(b)所分割得到的結(jié)果來看，雖然部分邊緣信息未被分割出來，但對比其它算法分割的結(jié)果，整個(gè)圖像的連續(xù)性較好。該算法需選取種子點(diǎn)，確定相似性閾值及生長準(zhǔn)則，圖像中選取的閾值設(shè)定為10，經(jīng)過改變不同的數(shù)值發(fā)現(xiàn)，若數(shù)值小于10，會出現(xiàn)過度分割情況，將對背景中的對象進(jìn)行分割。因此，種子點(diǎn)及相似性閾值的選取對于整個(gè)圖像分割的準(zhǔn)確性會造成影響。

圖11 圖像的區(qū)域生長處理

圖12 圖像的分水嶺分割處理

分水嶺分割方法，一般是將讀入圖像(如果是彩色圖像轉(zhuǎn)化為灰度圖像)選用Prewitt算子獲得梯度幅值圖像，然后將前景標(biāo)記對象和計(jì)算，再將背景標(biāo)記，最后進(jìn)行分割函數(shù)的分水嶺變換[10]。圖12所示為分水嶺分割算法對原始圖進(jìn)行分割的結(jié)果，由于該圖像中的組織是相互連在一塊的，因此對此部分不易進(jìn)行分割。從分割結(jié)果圖像來看，整體的分割效果還是比較好的，基本可以分割出比較連續(xù)的邊緣信息。另外，由于圖像中局部存在極小值點(diǎn)，使得圖像在部分區(qū)域出現(xiàn)過度分割的現(xiàn)象，從而造成部分分割結(jié)果無意義。

6 結(jié)論

本文基于圖像處理的理論知識，運(yùn)用現(xiàn)代計(jì)算機(jī)技術(shù)，借助Matlab平臺，設(shè)計(jì)出穩(wěn)定且功能強(qiáng)大的圖像分割系統(tǒng)。在對醫(yī)學(xué)圖像進(jìn)行預(yù)處理、編輯操作的基礎(chǔ)上選取四種分割算法來對圖像進(jìn)行分割，以實(shí)現(xiàn)系統(tǒng)功能，運(yùn)用邊緣檢測法實(shí)現(xiàn)Prewitt、Log、Canny三種算子對圖像的分割。從分割效果來看，Canny算子能取得較好的分割效果，邊緣信息豐富，連續(xù)性較好；運(yùn)用閾值分割算法對閾值進(jìn)行確定，所選擇的閾值會直接影響圖像分割的結(jié)果；區(qū)域生長法的重點(diǎn)在于對生長種子像素及相似性閾值的選擇和確定，所選取的閾值對于分割結(jié)果的準(zhǔn)確性有著直接的影響；通過分水嶺分割算法對圖像進(jìn)行分割有著比較好的效果，且能夠保留微弱的細(xì)節(jié)邊緣，從而得到封閉連續(xù)的邊緣。目前，本系統(tǒng)存在以下不足之處：(1)設(shè)計(jì)運(yùn)用的分水嶺分割算法，圖像中存在噪聲或者細(xì)微的灰度變化，都會造成過度分割[10]。(2)系統(tǒng)對重疊的圖像以及前景后景灰度值接近的圖像分割效果較差，另外，對圖像進(jìn)行剪切后只能進(jìn)行保存操作，并未設(shè)計(jì)進(jìn)一步的操作。

只用一種圖像分割方法對圖像進(jìn)行處理可能達(dá)不到想要的分割效果，因?yàn)槊糠N算法都有自身的局限。因此，在以后的應(yīng)用中可根據(jù)實(shí)際情況將各種不同算法結(jié)合使用。另外，功能更為完善的分割算法需要更多的學(xué)者對其進(jìn)行更加深入的研究。