肖雪梅

隨著醫(yī)學(xué)圖像設(shè)備在臨床工作中的應(yīng)用日益廣泛，圖像數(shù)據(jù)增長迅速，進(jìn)行醫(yī)學(xué)圖像的檢索成為現(xiàn)代醫(yī)學(xué)領(lǐng)域的一大研究熱點(diǎn)。在醫(yī)學(xué)圖像檢索中，傳統(tǒng)的基于文本的圖像檢索耗時(shí)長，且無法滿足現(xiàn)在對(duì)大規(guī)模圖像數(shù)據(jù)檢索的需要，因此提出了將Sobel算子應(yīng)用在醫(yī)學(xué)圖像邊緣檢測中。利用Visual c++工具實(shí)現(xiàn)Sobel算子對(duì)醫(yī)學(xué)圖像進(jìn)行邊緣信息提取，應(yīng)用Sobel算子對(duì)醫(yī)學(xué)圖像作分割，來突出需要的目標(biāo)物體，如病灶，能比一般算子更精確。由于醫(yī)學(xué)圖像的特殊性，提出將Sobel算子應(yīng)用于醫(yī)學(xué)圖像邊緣檢測中對(duì)于后續(xù)醫(yī)學(xué)圖像檢索具有較高的現(xiàn)實(shí)意義。

1.引言

圖像的邊緣是圖像的最基本特征。所謂邊緣是指其周圍像素灰度有跳躍變化的那些像素的集合。邊緣廣泛存在于圖像中物體與物體之間，物體與背景之間，是圖像進(jìn)行分割所依賴的重要特征。邊緣檢測是圖像處理中重要組成部分，目的在于精確定位邊緣且一定程度上抑制噪聲。

醫(yī)學(xué)圖像是臨床診斷、病例分析治療的重要依據(jù)之一，醫(yī)學(xué)圖像邊緣檢測是根據(jù)醫(yī)學(xué)圖像的某種相似性特征，將圖像劃分為若干個(gè)互不相交的“連通”區(qū)域的過程。醫(yī)學(xué)圖像中，大多數(shù)情況下都需要對(duì)醫(yī)學(xué)圖像進(jìn)行邊緣檢測，來突出需要的目標(biāo)物體，如病灶。采用Sobel算子計(jì)算醫(yī)學(xué)圖像邊緣和閾值，在此基礎(chǔ)上修改閾值使邊緣更加精確，從而對(duì)疾病的診斷及治療起到輔助作用。本文中對(duì)于醫(yī)學(xué)圖像采用Sobel算子進(jìn)行邊緣檢測，均在Windows7操作系統(tǒng)下，運(yùn)用VisualC++來實(shí)現(xiàn)。

2.邊緣檢測

邊緣檢測可以大幅度減少數(shù)據(jù)量，剔除被認(rèn)為不相關(guān)的信息，保留圖像重要的結(jié)構(gòu)屬性。邊緣檢測本質(zhì)上是采用算法提取圖像中物體與背景的交界線。目前邊緣檢測最通用的方法是檢測亮度值的不連續(xù)性，這樣的不連續(xù)是用一階和二階導(dǎo)數(shù)檢測的。常見的一階導(dǎo)數(shù)邊緣檢測算子包括Roberts算子、Sobel算子和Prewitt算子等。其中Roberts算子利用局部差分算子尋找邊緣，邊緣定位精度高，但容易丟失部分邊緣，且由于沒有經(jīng)過平滑處理，因此不具備抑制噪聲的能力。Sobel算子考慮了鄰域信息，對(duì)圖像進(jìn)行加權(quán)平滑處理后再做微分計(jì)算，對(duì)噪聲具有—定的抑制能力，邊緣定位及檢測的效果不錯(cuò)。

用Sobel算子對(duì)醫(yī)學(xué)圖像進(jìn)行邊緣檢測，首先分別用水平算子和垂直算子對(duì)圖像進(jìn)行卷積，得到兩個(gè)矩陣如下所示。

圖1為某患者胸部CT原始圖像，圖2為利用Sobel算子檢測的邊緣圖像，從仿真結(jié)果可以看出，通過Sobel算子檢測到的醫(yī)學(xué)圖像的邊緣信息較為準(zhǔn)確，檢測精度較高。

4.結(jié)束語

程序中使用了Sobel算子對(duì)醫(yī)學(xué)圖像進(jìn)行邊緣檢測，通過理論及實(shí)驗(yàn)仿真分析可知，Sobel算子對(duì)醫(yī)學(xué)圖像進(jìn)行邊緣檢測，其檢測效果精度高，且對(duì)噪聲有抑制能力，能檢測出圖像中比較細(xì)的邊緣。邊緣檢測在醫(yī)學(xué)圖像處理中占有極其重要的作用，從實(shí)驗(yàn)結(jié)果可知，Sobel算子用于圖像邊緣檢測利用了快速卷積函數(shù)，簡單有效、應(yīng)用廣泛。采用Sobel算子對(duì)醫(yī)學(xué)圖像進(jìn)行邊緣檢測，對(duì)圖像進(jìn)行預(yù)處理，由于只采用了2個(gè)方向的模板，只能檢測水平和垂直方向的邊緣，但能從一定程度上突出醫(yī)學(xué)圖像中病灶，對(duì)后續(xù)醫(yī)學(xué)圖像檢索具有較高的價(jià)值。