Sobel算子在医学图像边缘检测中的应用研究

（遵义医学院医学信息工程学院肖雪梅）
Sobel 算子在医学图像边缘检测中的应用研究
随着医学图像设备在临床工作中的应用日益广泛，图像数据增长迅速，进行医学图像的检索成为现代医学领域的一大研究热点。

在医学图像检索中，传统的基于文本的图像检索耗时长，且无法满足现在对大规模图像数据检索的需要，因此提出了将Sobel 算子应用在医学图像边缘检测中。

利用Visual C++工具实现Sobel 算子对医学图像进行边缘信息提取，应用Sobel 算子对医学图像作分割，来突出需要的目标物体，如病灶，能比一般算子更精确。

由于医学图像的特殊性，提出将Sobel 算子应用于医学图像边缘检测中对于后续医学图像检索具有较高的现实意义。

1.引言
图像的边缘是图像的最基本特征。

所谓边缘是指其周围像素灰度有跳跃变化的那些像素的集合。

边缘广泛存在于图像中物体与物体之间，物体与背景之间，是图像进行分割所依赖的重要特征。

边缘检测是图像处理中重要组成部分，目的在于精确定位边缘且一定程度上抑制噪声。

医学图像是临床诊断、病例分析治疗的重要依据之一，医学图像边缘检测是根据医学图像的某种相似性特征，将图像划分为若干个互不相交的“连通”区域的过程。

医学图像中，大多数情况下都需要对医学图像进行边缘检测，来突出需要的目标物体，如病灶。

采用Sobel 算子计算医学图像边缘和阈值，在此基础上修改阈值使边缘更加精确，从而对疾病的诊断及治疗起到辅助作用。

本文中对于医学图像采用Sobel 算子进行边缘检测，均在Windows7操作系统下，运用Visual C++来实现。

2.边缘检测
边缘检测可以大幅度减少数据量，剔除被认为不相关的信使用。

例如，企业可以在低利用率硬件的虚拟服务器上启动应用程序，或可以在流量较低的交换机上部署网络连接。

借助云计算基础设施，DevOps 团队可以构建他们的应用程序，以便以编程方式部署应用程序，可以告诉应用程序查找低利用率服务器或尽可能靠近数据存储部署，而在传统的IT 环境中，则无法做到这一点。

大型网络的变化
网络技术为云计算基础设施与传统IT 之间的关系创造了重大变革。

WAN 通信技术中的当前标准，即多协议标签交换（MPLS ），旨在用于数据中心内部。

它不能很好地处理高带宽应用程序，并且很容易过载。

此外，数据以未加密的方式传输，这在通过公共互联网传输时会产生明显的问题。

SD-WAN 是为公共互联网制作的，允许企业使用VPN 加密流量。

它使用智能路由来管理流量以避免瓶颈，并且大多数SD-WAN 供应商已经构建了自己的专用网络来补充公共互联网，因此不必与Netflix 流量进行竞争。

因为它是为公共互联网构建的，所以SD-WAN 的最大优势之一就是安全性。

SD-WAN 在整个网络（包括全球互联网）上提供端到端加密，并且由于软件定义的安全性，所有设备和端点都经过了完全身份验证。

云计算基础设施面临的挑战
公共云中的云计算基础设施并不是一个完美的解决方案，可能存在问题，且通常这些问题都很严重。

请注意这些是公共云特有的问题，不影响企业在内部部署的任何私有云基础设施。

嘈杂的邻居
第一个问题是嘈杂邻居的问题。

运行虚拟实例时，虚拟机将在数据中心的AWS ，Azure ，IBM ，Google 公共云服务器上运行。

物理服务器可能是一个双插槽机架式安装，具有2个IntelXeon 和大量内存。

如果在28核XeonCPU 上分配4个内核，其他24个内核将被租给其他人，但无法知道他们的身份。

其结果可能是影响用户性能的应用程序，无论是计算、内存还是网络。

云计算用户的一个常见做法是启动一堆虚拟机，运行基准测试以查看最佳性能，并关闭不需要的虚拟机。

对此的解决方案就是所谓的裸机云，在裸机环境中，CPU 未虚拟化。

那个28核的Xeon 就是你的全部，没有嘈杂的邻居，也没有操作系统。

裸机解决方案意味着企业可以从OS 堆栈中提取所有内容。

裸机解决方案专为性能至关重要的特定环境而设计，或者希望访问自定义芯片。

例如，在虚拟化环境中，则无法访问网络芯片，在裸机中可以自定义网络，比如数据包检查。

延迟
另一个问题是延迟。

公共云性能并不一致，除非在使用率大幅下降的夜晚，如果用户的应用程序对延迟问题很敏感，则可能会遇到代价高昂的问题。

一种解决方案是更改应用的位置。

用户可能正在连接到另一侧的数据中心，可以请求距离其更近的数据中心，以减少延迟，当然这可能会花费更多，所以必须权衡利弊。

例如，用户可以直接连接到云提供商，然而，这是一个更加昂贵的解决方案，因为用户现在正在使用提供商自己的网络。

息，保留图像重要的结构属性。

边缘检测本质上是采用算法提取图像中物体与背景的交界线。

目前边缘检测最通用的方法是检测亮度值的不连续性，这样的不连续是用一阶和二阶导数检测的。

常见的一阶导数边缘检测算子包括Roberts 算子、Sobel 算子和Prewitt 算子等。

其中Roberts 算子利用局部差分算子寻找边缘，边缘定位精度高，但容易丢失部分边缘，且由于没有经过平滑处理，因此不具备抑制噪声的能力。

Sobel 算子考虑了邻域信息，对图像进行加权平滑处理后再做微分计算，对噪声具有一定的抑制能力，边缘定位及检测的效果不错。

用Sobel 算子对医学图像进行边缘检测，首先分别用水平算子和垂直算子对图像进行卷积，得到两个矩阵如下所示。

然后Sobel 梯度算子做加权平均再微分，最后计算梯度，计算公式为：
3.利用Visual C++程序实现医学图像边缘检测及其结果分析
3.1Visual C++程序部分代码
void Sobel (unsigned char *pIn,int imageWidth,int image-Height,unsigned char *pOut)
{
int hangByte=(imageWidth +3)/4*4;//每一行像素字节数pOut=new unsigned char[hangByte*imageHeight];//输出医学缓冲区
int i,j;//图像坐标int x,y,t;
for(i=1;i<imageHeight -1;i++)//Sobel 算子{
for(j=1;j<imageWidth -1;j++){
x=*(pIn+(i-1)*hangByte+j+1)//水平方向梯度+2**(pIn+i*hangByte+j+1)+*(pIn+(i+1)*hangByte+j+1)-*(pIn+(i-1)*hangByte+j-1)-2**(pIn+i*hangByte+j-1)-*(pIn+(i+1)*hangByte+j-1);y=*(pIn+(i-1)*hangByte+j-1)//垂直方向梯度
+2**(pIn+(i-1)*hangByte+j)+*(pIn+(i-1)*hangByte+j+1)
-*(pIn+(i+1)*hangByte+j-1)-2**(pIn+(i+1)*hangByte+j)-*(pIn+(i+1)*hangByte+j+1);t=abs(x)+abs(y)+0.5;if (t>100){
*(pOut+i*hangByte+j)=255;}else {
*(pOut+i*hangByte+j)=0;}}}
for(j=0;j<imageWidth;j++)
{
*(pOut+(imageHeight -1)*hangByte+j)=0;*(pOut+j)=0;//补齐第一行}
for(i=0;i<imageHeight;i++){
*(pOut+i*hangByte)=0;//补齐第一列*(pOut+i*hangByte+imageWidth -1)=0;}}}
3.2实验结果分析
图1为某患者胸部CT 原始图像，图2为利用Sobel 算子检测的边缘图像，从仿真结果可以看出，通过Sobel 算子检测
到
的医学图
像的边缘信息较为准确，检测精度较高。

图2Sobel 算子检测的边缘图像
图1某患者胸部CT 原始图像
（武汉东湖学院计算机科学学院谢昱赵国栋向李巍）
基于物联网工程的
新工科实践平台建设探讨
1.物联网工程
物联网是新一代信息技术的重要组成部分，也是“信息化”时代的重要发展阶段。

物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络，是将用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信，也就是物物相息。

由现如今的新工科实践平台建设形势可以了解到，要想进一步地优化新工科实践平台，就必须要以物联网工程为基础，利用物联网工程中的云计算、虚拟化等一系列技术对新工科实践平台进行优化，进而快速达到工科实践平台的建设目的，创建多层次的实践体系，为高校培养出更多的优秀人才。

2.基于物联网工程的新工科实践平台建设措施（1）设计全面性的系统架构
基于物联网工程的新工科实践平台具有全面性的系统架构，通过这个全面性系统架构，学校可以从实践平台上展示创建的项目的全部过程。

并且，基于物联网工程的新工科实践平台也可以帮助学校开展创业竞赛或者项目创新的竞赛，学校可以利用上面相关的软件进行分工合作。

学生可以熟练的运用物联网工程开展创业实践与项目创新实践。

对于学生地进行创业与项目创新，基于物联网工程的新工科实践平台，可以将其性能与发展前景等各方面结合起来。

例如在高校举行的创业竞赛中，工科实践平台也在其中扮演了一个特别重要的角色，这个平台可以帮助学校对竞赛人员进行多层次的管理。

由此可知，基于物联网工程的新工科实践平台会大大地提升学生创业或项目创新的成功率。

（2）将新工科实践平台的功能划分为多个模块
基于物联网工程的新工科实践平台将功能分为了多个模块，有就业云应用模块、创业云应用模块和创新云应用模块等其他不同的模块。

在这些模块当中，每个模块的作用都是大不相同的，他们各自有各自的功能。

例如创新云应用多使用基于物联网工程的新工科实践平台中的各种各样的实验对象。

平
台中的软件主要针对创新应用，这些软件中具有多种学科多种专业的知识与教育，为学生提供一个可参与创新训练实践的平台，锻炼学生的创新能力。

由此可知，基于物联网工程的新工科实践平台上的各个模块都要熟悉云应用模式。

（3）新工科实践平台的优点
相对于传统的工科实践平台，新型的工科实践平台以物联网工程作为基础，这就突显出的新型的工科实践平台的多个优势。

例如在创业与创新方面，在现今的这个世界、这个社会，大学生将会是创新与创业工作中的核心人物。

由此可知，物联网工程对于学生的创新与创业能力具有巨大的推动作用，物联网工程在学生创新、创业工作中会发挥许多的作用，例如通知且解释已有或刚出台的相关的国家政策，引导学生产生创新创业的思想，将各专业的知识存在其中等。

基于物联网工程的新工科实践平台利用虚拟化的实践来锻炼学生的创新创业能力，为国家为社会培养出一大批优秀的人才。

3.结束语
随着国家、社会的发展，各个高校都应该一直紧跟时代的发展不断进行转型。

现如今的以物联网工程为基础的新工科实践平台是各个高校都应该运用的，这个平台通过虚拟与现实相结合的方式对大学生进行锻炼培养，提升大学生实践能力。

相对于传统的工科实践平台，以物联网工程为基础的新工科实践平台更加便利，且学生的实践课程的效果也更加突出。

4.结束语
程序中使用了Sobel 算子对医学图像进行边缘检测，通过理论及实验仿真分析可知，Sobel 算子对医学图像进行边缘检测，其检测效果精度高，且对噪声有抑制能力，能检测出图像中比较细的边缘。

边缘检测在医学图像处理中占有极其重要的作
用，从实验结果可知，Sobel 算子用于图像边缘检测利用了快速卷积函数，简单有效、应用广泛。

采用Sobel 算子对医学图像进行边缘检测，对图像进行预处理，由于只采用了2个方向的模板，只能检测水平和垂直方向的边缘
，但能从一定程度上突出医学图像中病灶，对后续医学图像检索具有较高的价值。