基于联合空域滤波的医学图像增强算法设计

2020.07
1概述
近年来,随着科技的进步,医学图像处理在医学技
术领域迅猛发展。

尤其是X 光、MRI 技术的出现,令医学图像处理在临床上的作用日渐重要起来。

在当前的医疗影像问诊过程中,多数都是依靠医生去观察医疗机械所拍摄的一组二维图像来判别。

通常医生对于图像的解释都是从医生的主观角度,不乏存在巨大的差异认知和工作疲劳的影响。

那么,可以看出这种方式除了受制于医生本身的经验水平,更多的是对图像质量的要求。

医学诊断的准确率依赖于图像识别的精准性,所以对医学图像前期处理的细节要求较严格。

目标图像在成像过程中由于受到光线强度、噪声等环境因素的影响,导致发生光学畸变从而使图像亮度偏暗、边缘模糊等[1]。

图像增强作为图像处理领域的重要一环,它主要是为了提高图像的可懂度。

可懂度对于用
户而言,就是去增强其在图像上所感兴趣的区域,同时削弱用户认为图像上的无用区域,将图像的使用价值大为提高。

一般来说,用户可以从空间域和频率域两个角度进行图像增强[2]。

在空间域中可以利用数学上的差分概念去找出图像中的突变部分,即:边缘和轮廓。

反观频率域,高频分量所代表的细节部分减少会造成图像的模糊,此时使用高通滤波器就可以有效解决这一问题,提高图像的清晰度。

选择将空间域方法联合,应用于医学图像增强。

即:将灰度变换扩展图像灰度范围,中值滤波去噪和一阶二阶算子检测图像边缘三者综合。

算法保留了医学图像原有的细节,同时进一步增强边缘轮廓;扩展了医学图像的灰度范围,同时复现原图像中无法肉眼观测出的区域,为医学影像研究提供较大的帮助。

2
空间域增强
2.1灰度变换
在图像点运算的各种方法中,灰度变换是较为便捷的
一种,使用灰度变换是图像处理中运算的方法之一,操作方法简单易懂。

仅仅只对像素点进行操作意味着灰度变换只与像素点的灰度值有关。

线性与非线性变换是灰度变换最常用的两种方式,算法使用前者进行计算。

假设有图像f 灰度范围为[a ,b ],经过线性变换后图像g
灰度范围为
,如图1所示,那么,灰度f 与
灰度g 之间的关系为[3]:
根据上式可知,
当
,就可以扩展原始图
像的灰度范围,提高图像的整体亮度、对比度与清晰度。

作者简介：周慧(1992-),教师,工学硕士,研究方向:电子信息工程;吴帅(1991-),工学硕士,辅导员。

基于联合空域滤波的医学图像增强算法设计
周慧，吴帅
（盐城师范学院，江苏盐城224007）
摘
要:医学诊断的准确率依赖于图像识别的精准性，所以对医学图像前期处理的细节要求较严苛，尤其是包含了很多信息的图像边缘亟需增强。

因此，选择将空间域的各种增强方法联合，应用于医学图像增强。

即：将灰度变换扩展图像灰度范围，中值滤波去噪和一阶二阶算子检测图像边缘三者综合使用。

实验结果表明，与单一的空域增强算法相比，该算法不仅有效地保留了医学图像中的纹理与细节，同时增强了医学图像的轮廓与边缘，使一些原本肉眼无法观测的细节显现，更有利于医护人员观察医疗图像中的病灶所在。

关键词:医学图像；图像增强；Roberts 算子；拉普拉斯算子
图1线性变换
g
b'
a'
a
b
f
134
2020.07
2.2中值滤波
对于自然图像而言,平坦区域是图像的低频部分,
细节、边缘和轮廓是图像的高频部分。

另外,噪声也是一种高频信息。

因此,噪声的去除很有可能丢失图像细节。

为了避免此种情况,提出了中值滤波的方法,即:选取线状、方形或圆形等的含有奇数个点的滑动窗口W ,将窗口W 放置在图像中扫描,把每一次扫描的像素点,按照所选像素点的灰度值的大小进行升序或降序排列,选取其中间值来代替该像素点的灰度值。

即
:
这种滤波方法能够很好地去除图像中的类似于微小颗粒状的噪声[4]。

2.3Roberts 梯度算子
函数f (x ,y )梯度定义为
:
其中,最早被使用的Roberts 边缘检测算子,由于其模板简单,常常被研究人员使用。

值得注意的是该方法的核心是使用局部差分的方法,方向选择为互相垂直的方向。

简而言之,该算子利用下式计算相邻像素点的灰度之差作为梯度的近似值[5]。

它所采用的的模板为
:
Roberts 算子常常应用于处理含有陡峭噪声的图像。

但又因为对于图像中的局部噪声没有作用,使得采用此法检测出的边缘会出现间断现象。

2.4拉普拉斯算子
二元函数f (x ,y )拉普拉斯算子定义为
:
因此,对于数字图像而言,拉普拉斯算子的锐化过程可以简化为
:
在图像处理的过程中,函数的拉普拉斯算子借助模
板实现,常用的模板有
:
拉普拉斯算子可以准确定位出图像里的阶跃型边缘,但却会因为是二阶计算,而使得图像中的噪声急速增长,因此在使用此法后,需对其结果进行中值滤波处理。

3联合空域算法流程
综合上节描述,算法流程如图2所示,即:(1)按照上文公式求出图像的两种对应的边缘。

(2)对运用拉普拉斯算子检测到的边缘图像进行中值滤波,滤除该图像噪声。

(3)将原始图像和步骤(2)、步骤(3)所得图像进行线性组合。

(4)对步骤(3)中所得图像进行一定程度的灰度
变换,得到最终的增强图像。

4实验结果与分析
目前,医学上最常用的图像种类有以下4种,分别
是X-射线成像(X-CT)、核磁共振成像(MRI)、核医
学成像(NMI)和超声波成像(UI)。

其两者的应用尤为广泛。

采用Matlab 的图像处理工具箱进行仿真,选用2幅bmp 格式的脑部MRI 图像验证所设计的算法。

这两幅图片处于同一幅完整的三维脑部MRI 图像集中
不同位置。

该图像集一共121幅图像,在此所选图像为
图2算法流程框图
原始图像
Roberts 算子
拉普拉斯算子
中值滤波
线性组合
灰度变换
增强图像
135
2020.07
其中较为代表性的2幅,包含较多的边缘和细节,用以更好地验证算法的有效性。

图3b 为Roberts 梯度算子的锐化结果,观察实验结果,可以看出此图的边缘轮廓基本都被提取。

但仔细观察可以发现,在脑部两侧的耳朵位置的轮廓和内部的头骨细节都无法被提取;图3c 为原始图像经过拉普拉斯增强算子锐化和中值滤波后的结果,克服了图3b 的缺点,但整体亮度较暗且边缘有不连续的情况;算法的处理结果如图3d 所示,它兼顾了Roberts 算子和拉普拉斯算子的优势,不但增强了原有图像的细节,更使一些原本肉眼无法观测的细节显现,如内部组织和两侧耳朵。

图4增强效果与图3类似。

只经Roberts 梯度算子锐化过后的结果虽能提取原始图像的大部分边缘,但一些细节始终无法被提取,尤其是两侧耳朵和内部组织纹理;同样,原始图像经过拉普拉斯增强算子锐化和中值
滤波后的结果,依旧存在边缘不连续的缺点。

因此,联合上述两种方法和灰度变换法处理图像,增强结果不仅细节丰富、对比度高,而且整体视觉效果平顺自然,观赏性较优。

根据以上两幅图片的结果可以看出,使用本文算法能够很好地增强医学图像边缘细节和扩展医学图像的灰度范围,提高整体图像亮度,便于医护人员更好地观察
医疗图像中的病灶所在。

5结语
提出了一种联合空域滤波的方法,它将灰度变换扩
展图像灰度范围,中值滤波去噪和一阶二阶算子检测图像边缘三者综合,一并对医学图像进行增强处理。

该方
法不仅采用了两个边缘检测算子获取图像边缘,而且运用了中值滤波去除边缘图像的颗粒噪声,还使用了灰度变换去改变最终图像的灰度范围,实现了医学图像增强的效果。

该方法充分运用了在空域中实现图像的各种方法,消除了单一使用空域图像增强方法的缺陷,有效地保留了医学图像中的纹理与细节,同时增强了医学图像的轮廓与边缘。

参考文献
[1]许蓉,王直,宗涛.基于改进高斯滤波的医学图像边缘增强[J].信息技术,2020,44(04):75-78.[2]张令波,葛秘蕾.一种空域和变换域相结合的图像增强算法[J].电光与控制,2014,21(12):45-48.[3]杨晓娟.基于最近邻的烟叶智能分级研究[D].郑州大学,2015.
[4]林柳娴.基于MATLAB 的小型零件表面缺陷检测方法研究[J].中国设备工程,2017,(01):65-66.[5]陈浩.图像经典边缘检测算子的研究与比较[J].电脑编程技巧护,2019,(12):150-152.
[6]
顾国华,陈钱,王利平.灰度冗余均衡与受限空域锐化的图像增强技术[J].激光与红外,2006,(04):318-320.
[7]
刘斌,金伟其,王岭雪,陈艳,刘崇亮,刘秀.基于空域和频域处理的红外图像细节增强算法[J].红外技术,2011,33(08):477-482.
[8]
刘玉洁,朱韶平.基于全局和局部多特征的图像增强算法[J].液晶与显示,2020,35(05):508-512.
a)原始图像b)Roberts 锐化
c)拉普拉斯锐化
d)联合空域锐化
图3图像1增强情况
a)原始图像b)Roberts 锐化
c)拉普拉斯锐化d)联合空域锐化
图4图像2增强情况
136。