李仔麒，馬慧彬,2，李殿奎,2，范 蕊

(1.佳木斯大學(xué) 信息電子技術(shù)學(xué)院，黑龍江 佳木斯 154007；2.佳木斯大學(xué) 整合醫(yī)學(xué)研究院，黑龍江 佳木斯 154007)

0 引 言

肝部疾病對于人類來說是死亡率非常高的疾病[1]。據(jù)2017中國癌癥最新數(shù)據(jù)報(bào)告顯示，在大城市中肝癌的發(fā)病率已經(jīng)升到第二位，死亡率已經(jīng)達(dá)到了21.80%[2]。早期發(fā)現(xiàn)、早期診斷、早期治療能夠提高生存率。CT圖像是肝病的主要診斷手段，利用計(jì)算機(jī)圖像處理的方法進(jìn)行肝部疾病輔助診斷可以大大提高診斷的正確率。CT圖像的ROI(region of interest，感興趣區(qū)域)提取是計(jì)算機(jī)輔助診斷的關(guān)鍵一步。

目前常用的圖像分割方法有很多，包括迭代閾值分割算法、分水嶺算法、基于邊緣的圖像分割算法等[2]。宋利偉等利用分水嶺算法來實(shí)現(xiàn)ROI區(qū)域的分割[3-4]。該算法在一定程度上實(shí)現(xiàn)了對灰度差異較大的目標(biāo)區(qū)域進(jìn)行分割[5]。目前應(yīng)用比較廣泛的ROI提取算法是基于閾值的圖像分割方法。迭代閾值分割方法對于灰度差異明顯的圖像分割效果較好，但是對于灰度差異不明顯的圖像分割效果大大下降。傳統(tǒng)的區(qū)域生長法能夠很好地分割出目標(biāo)區(qū)域，克服了閾值分割法在灰度差異不明顯時(shí)分割效果不好的缺點(diǎn)。但傳統(tǒng)區(qū)域生長法會(huì)由于生長條件的不同而產(chǎn)生大小不等的空洞部分，極大地影響了分割效果。為了解決這一問題，提出了一種結(jié)合形態(tài)學(xué)的區(qū)域生長法來分割ROI區(qū)域，形態(tài)學(xué)處理能夠很好地解決分割時(shí)出現(xiàn)的空洞問題，改善分割效果。另外形態(tài)學(xué)處理能夠很好地保留邊緣信息，為圖像的進(jìn)一步處理提供了有利條件[6]。

1 肝部CT圖像預(yù)處理

CT圖像具有高密度組織成像清晰，距離精確度高，并且對腫瘤的靈敏度要遠(yuǎn)高于X光片等優(yōu)點(diǎn)[7]。但是在計(jì)算機(jī)圖像處理中，CT圖像依然具有噪聲大，邊緣不清晰，像素灰度值變化幅度小等缺點(diǎn)，不太利于分割[8]。因此，首先要對圖像進(jìn)行預(yù)處理，對圖像進(jìn)行增強(qiáng)和去噪，以便后續(xù)處理。具體步驟如下：

(1)用rgb2gray函數(shù)將3通道的CT圖像轉(zhuǎn)換成單通道的灰度圖；

(2)用im2double函數(shù)將圖像的灰度值歸一化到[0,1]之間；

(3)運(yùn)用形態(tài)學(xué)的開閉交替運(yùn)算實(shí)現(xiàn)平滑濾波效果；

(4)用wavedec2函數(shù)和waverec2函數(shù)實(shí)現(xiàn)小波圖像增強(qiáng)；

(5)將增強(qiáng)之后的圖像與原圖像進(jìn)行加法運(yùn)算，得出邊緣增強(qiáng)的圖像。

該實(shí)驗(yàn)針對一幅圖像來比較處理前后的變化情況。對圖像用形態(tài)學(xué)處理的方式進(jìn)行去噪，然后用小波增強(qiáng)完成對圖像的預(yù)處理。預(yù)處理后的效果如圖1所示。

2 改進(jìn)區(qū)域生長分割算法

區(qū)域生長法是由Levine等提出的圖像分割算法[9]，具有兩種方式，一種是從一個(gè)種子點(diǎn)開始將周圍符合規(guī)則的像素點(diǎn)添加到集合中，最后形成一整塊連續(xù)的區(qū)域[10]；另一種是先把圖像分割成小區(qū)域，這些小區(qū)域往往是灰度值相同或者有較強(qiáng)一致性的像素點(diǎn)，再通過附加一些人為的條件，將這些小區(qū)域合并成較大的區(qū)域，從而達(dá)到分割的目的[11]。區(qū)域生長法不僅能提供很好的邊緣信息和分割效果，而且算法思路簡潔，生長過程可以指定[12]。但是，區(qū)域生長算法處理之后的圖像邊緣不平滑，且有空洞，而改進(jìn)的區(qū)域生長法在原有算法的基礎(chǔ)上使用了形態(tài)學(xué)濾波，從而達(dá)到了消除空洞、平滑邊緣的效果。

圖1 圖像預(yù)處理

改進(jìn)區(qū)域生長法的基本思想是將整幅圖像區(qū)域看成一個(gè)集合，并初始化相應(yīng)數(shù)據(jù)。定義一個(gè)用zero初始化的二維矩陣J來記錄區(qū)域生長所得到的區(qū)域。定義分割好的區(qū)域內(nèi)平均值，并初始化為種子點(diǎn)的灰度值和生長條件值reg_dis，定義鄰域列表neg_list來存儲(chǔ)待分析像素點(diǎn)的坐標(biāo)值I(x,y)和m0(x,y)。初始化dis來記錄每個(gè)鄰域像素點(diǎn)與當(dāng)前種子點(diǎn)的距離，并用reg_dis來記錄dis中的最小值。先從種子點(diǎn)開始，讓種子點(diǎn)進(jìn)入集合，在其鄰域內(nèi)搜索具有相似或相同特征性質(zhì)的像素點(diǎn)，并且這些像素點(diǎn)要滿足生長條件：

|m(x,y)-m0(x,y)|

(1)

使得下列式子成立：

∪(Ri)=R

(2)

Ri∩Rj=?,i≠j

(3)

其中，m(x,y)表示已經(jīng)分割好的像素點(diǎn)的灰度值；m0(x,y)表示待分析的鄰域像素點(diǎn)的灰度值；R表示整幅圖像的集合；R1,R2,…,Rn表示將R分割之后的子區(qū)域。

將符合條件的像素點(diǎn)放到和種子點(diǎn)相同的集合中，將這些新的像素點(diǎn)作為新的種子點(diǎn)繼續(xù)進(jìn)行上述過程，直到?jīng)]有滿足生長條件的像素點(diǎn)被包含到集合中，則生長結(jié)束。再利用形態(tài)學(xué)進(jìn)行平滑濾波處理，得到CT圖像ROI區(qū)域。改進(jìn)區(qū)域生長法實(shí)現(xiàn)的流程如圖2所示。

圖2 算法流程

區(qū)域生長結(jié)果如圖3所示。

圖3 區(qū)域生長法結(jié)果

由于區(qū)域生長算法處理之后的圖像會(huì)出現(xiàn)一些空洞，還需要利用形態(tài)學(xué)處理來填充空洞。用形態(tài)學(xué)中的膨脹運(yùn)算，能很好地補(bǔ)充圖像的空洞部分，并將肝部完整地顯示出來。再將處理后的肝部圖像和原圖像的每個(gè)像素進(jìn)行對比，如果處理后的圖像中像素值是白色的，將原圖像對應(yīng)的像素值不變，否則原圖像的像素值變?yōu)楹谏?。?shí)驗(yàn)結(jié)果如圖4所示。

圖4 形態(tài)學(xué)處理和灰度還原前后對比

3 仿真實(shí)驗(yàn)與結(jié)果分析

仿真實(shí)驗(yàn)是在Windows 10環(huán)境下進(jìn)行的，CPU采用Intel Core i5處理器，內(nèi)存為8 GB，顯卡采用GEFORCE GTX 1050Ti，編程語言采用Matlab。

實(shí)驗(yàn)圖像是由CANCER IMAGEING網(wǎng)站提供的。CANCER IMAGEING圖像庫包含了腹部、腦部等CT、核磁共振圖像，圖像種類較全。該圖像庫的肝部CT圖像包括了肝癌的各種圖像數(shù)據(jù)。圖像為DICOM格式，CT掃描層數(shù)最少是106層，最多是486層。

為了證明算法的有效性，需要進(jìn)行多次實(shí)驗(yàn)來證明其時(shí)間復(fù)雜度。在Matlab R2016b環(huán)境下分別用迭代閾值分割法和區(qū)域生長法對肝部CT圖像進(jìn)行分割，并比較區(qū)域生長算法的分割效果和算法復(fù)雜度。

閾值分割法是一種常用的圖像分割方法，它是利用圖像中的某一像素值為基準(zhǔn)，分成兩個(gè)部分，一部分為前景，另一部分為背景，從而實(shí)現(xiàn)圖像的分割。迭代閾值分割法主要是通過不斷迭代來尋找合適的閾值，使得找到的閾值更加精確，以實(shí)現(xiàn)圖像的分割。迭代閾值分割法的分割思想是利用逼近最終合適閾值的思想來實(shí)現(xiàn)的。具體步驟如下：

(1)求出圖像的最大灰度值和最小灰度值，分別記為Zmax和Zmin，令初始閾值T0=(Zmax+Zmin)/2；

(2)根據(jù)閾值Tk將圖像分割為前景和背景，分別求出兩者的平均灰度值Z0和Zb；

(3)求出新閾值:Tk+1=(Z0+Zb)/2；

(4)若Tk=Tk+1，則所得即為閾值；否則轉(zhuǎn)到第二步，迭代計(jì)算。

肝部CT圖像分割效果的評價(jià)可以從主觀評價(jià)和客觀評價(jià)兩個(gè)方面來進(jìn)行。主觀評價(jià)可以通過專業(yè)人員直接對兩種算法的實(shí)驗(yàn)結(jié)果進(jìn)行評判，客觀評價(jià)的標(biāo)準(zhǔn)是在時(shí)間復(fù)雜度上進(jìn)行評價(jià)。改進(jìn)區(qū)域生長法相對于迭代閾值分割算法效果較好，是因?yàn)榍罢叩纳L過程可以指定，并且種子點(diǎn)也是可以指定的，通過區(qū)域生長之后能夠完整地將肝部圖像分割出來，而迭代閾值分割法是利用循環(huán)迭代來確定閾值，不能很好地提取肝部圖像。

時(shí)間復(fù)雜度是驗(yàn)證算法效率的重要標(biāo)準(zhǔn)，時(shí)間復(fù)雜度高會(huì)嚴(yán)重影響算法的運(yùn)行效率。在分割肝部CT圖像過程中，通過toc函數(shù)得到算法的運(yùn)行時(shí)間。具體時(shí)間如表1所示。

表1 時(shí)間復(fù)雜度對比 s

通過表1的對比能夠看出，迭代閾值分割法的時(shí)間復(fù)雜度遠(yuǎn)高于改進(jìn)區(qū)域生長法的時(shí)間復(fù)雜度。這是因?yàn)榈撝捣指罘ㄊ茄h(huán)尋找分割的閾值，要遍歷整個(gè)圖像的像素值。而改進(jìn)區(qū)域生長法是先選定種子點(diǎn)，按照種子點(diǎn)為中心，看其鄰域內(nèi)的點(diǎn)是否滿足生長條件，不需要遍歷整個(gè)圖像的像素值，從而降低了時(shí)間復(fù)雜度。

圖5顯示了肝部CT圖像ROI提取的效果。

圖5 三種不同算法的效果對比

通過對比三組圖像能夠看到，改進(jìn)區(qū)域生長法比迭代閾值分割法的分割效果要好很多，從每組的圖(b)中能夠看出迭代閾值生長法出現(xiàn)了分割不精準(zhǔn)的問題，而改進(jìn)區(qū)域生長法很好地解決了這一問題。

4 結(jié)束語

為了能夠精確、完整地分割出CT肝部圖像，提出了一種改進(jìn)的區(qū)域生長法。首先進(jìn)行圖像的預(yù)處理，對圖像進(jìn)行去噪增強(qiáng)；然后用區(qū)域生長法結(jié)合形態(tài)學(xué)的方法來進(jìn)行肝部CT的ROI提取。雖然區(qū)域生長法的種子點(diǎn)選擇依然要靠人工進(jìn)行選取，但是結(jié)合形態(tài)學(xué)處理的區(qū)域生長法可以克服傳統(tǒng)閾值分割算法分割不完整、算法時(shí)間復(fù)雜度高以及邊緣不平滑等缺點(diǎn)。仿真實(shí)驗(yàn)表明，結(jié)合了形態(tài)學(xué)的區(qū)域生長法適用于肝部CT圖像的ROI提取，在算法時(shí)間復(fù)雜度與ROI區(qū)域提取效果方面均優(yōu)于其他常見算法。