基于CT图像分析和区域生长法的CT图像分割

计算机断层扫描数据的可视化如今已经作为医学图像处理中研究的热点问题之一。实现医学图(CT)像的三位重建，首先需要对数据进行正确、合理的分割，从中提取出感兴趣的器官、组织或病变体，从而实现这些被提取出的器官、组织或病变体的三维重建，达到辅助治疗与手术规划的目的。目前，虽然已经有多种分割方法，但是在医学图像分割方面仍无可以通用的理论和方法。利用传统的一些分割算法对图像进行分割处理时，因图像本身复杂性和噪声的影响很难达到好的分割效果。

图像CT (DICOM [1]格式灰度级为或是，由于机本身显示原理的限制，对于灰度图像，只)20484096PC 可以做到灰度级的精确显示，这就出现了如何用有限的显示资源来更好地显示图像中感兴趣的数据。256对于高灰度级的医学图像最常用的显示方法是传统的灰度窗调节方法，但是这种方法不容易对感兴趣的数据有一个准确的了解，不能更好地保留图像的原始数据信息。通过对图像进行直方图统计分析，实CT 现了更准确的转化显示，并且去除了一些多余信息，保存为常用的格式，然后运用改进的区域生长BMP 算法将感兴趣的组织从背景中分割出来，以便进一步进行提取组织的三维重建。

对图像进行直方图统计分析与灰度调节显示

1 CT 传统的灰度窗显示算法

1.1人眼能够辨识的灰阶一般在个左右，而值中所包含的信息大大超过了人眼所能分辨的范围，因60CT 而中引入了窗宽和窗位技术来充分利用图片中所含的信息。窗宽和CT (Window Width)(Window Center)窗位是检查中用以观察不同密度的正常组织或病变的一种显示技术。窗宽是图像上显示的值范CT CT CT 围，在此值范围内的组织和病变均以不同的模拟灰度显示。窗位是窗的中心位置，同样的窗宽，由于CT 窗位不同，其所包括值范围的值也有差异。因此欲显示某一组织结构细节时，应选择适合观察该组CT CT 织或病变的窗宽和窗位，以获得最佳显示。变换公式[2]

即：0,(,)/2(,)[(,)(/2)]*255/,/2(,)/2255,(,)/2f x y wP wW g x y f x y wP wW wW wP wW f x y wP wW f x y wP wW <−⎧⎪=−−−<<+⎨⎪>+⎩

， 其中，wP 为窗位，wW 为窗宽。

收稿日期: 2009-10-28

作者简介: 朱玲利女河南偃师人硕士助教主要从事图像处理、模式识别方面的研究 (1981-),,,,,.

基金项目：国家高新技术项目广东省自然科学基金团队项目

863(2006AA02Z346); .基于图像分析和区域生长法的图像分割

CT CT 朱玲利1,2，王听忠1，鲍苏苏2

（洛阳师范学院信息技术学院，河南洛阳；华南师范大学计算机学院，广东广州）

1. 471022

2. 510631摘要： 针对医学图像的特点，提出了一种基于统计分析的算法。先对图像进行预处理，并且保存为常用的

CT CT 格式，以便于后续处理，然后利用改进的区域生长算法提取目标组织或者区域，最后选择合适的数学形态学

BMP 操作对结果进行处理，以消除可能存在的误分。从实验结果可以看出，上述方法是可行的，达到了较好的分割效

果，可以满足三维重建的要求。

关键词：图像分割；；区域生长算法；数学形态学

CT DOI:10.3969/j.issn.1674-5043.2009.04.0015

中图分类号: TP751 文献标志码: A 文章编号

: 1674-5043(2009)04-0055-05

虽然这种加窗的方法用窗口移动的方式保证了使用者可以自由地观看任意感兴趣灰度区域的图像，但是这种方法不容易对感兴趣的数据有一个准确的了解，不能更好地保留图像的原始数据信息，有时候在变换的过程中还会丢掉一部分有用的信息，因此采用一种新的基于直方图统计分析的显示方法，这样可以保证对我们感兴趣的区域更准确的显示，同时也可以去除一些多余信息，并且保存为常用的格BMP 式，便于下一步进行分割处理。

　基于直方图统计分析的显示算法

1.2要想得到好的显示效果，便于进行分割处理，需进行大量的位原始图像的直方图统计分析，找12CT 出图像普遍存在的共性特征，设计恰如其分的算法来进行处理。

算法的具体步骤如下：

）直方图统计，得到图像数据的灰度直方图，典型的灰度直方图如图所示。

11(a)图中红线所标注部分就是统计区域，通过对大量图像进行统计分析，可以知道背景部分的1(a)CT CT 值一般都集中在小于的部分，而目标区域的值都大于，形成了明显的双峰。

0CT 0）对感兴趣的区域进行直方图统计，得到其值的大致范围，典型的灰度直方图如图所示。2CT 1(b)图中红线所标注部分就是统计区域，通过对大量图像进行分析，可以发现感兴趣区域肝区的1(b)CT ()值大概集中在～这个范围内，有了这个比较准确的数据分析，下一步的显示就更有针对性了。CT (0200) (a) (b)

图的直方图

1 CT

）有统计分析的结果可以知道，感兴趣区域的灰度值大致集中在灰度级以内，为了更好地保留3 255原始的图像细节，不进行灰度窗调节，直接进行显示，当然不在～范围内的灰度值都为，这样CT (0255)0也可以去除一部分背景区域。提出的变换算法如下：

；

If(In>=0&&In<=255) Out=In ；

Else Out=0其中为图像的灰度值，为图像显示的输出结果。

In CT Out 改进的区域生长算法与实现

2 区域生长法的基本思想是将具有相似性的象素集合起来构成区域。初始区域是很小的邻域，甚至是单个象素，然后依据生长准则，逐步扩大区域。该方法的关键在于种子点的位置、生长准则和生长顺序等。目前这方面的研究主要集中在设计特征衡量准则和生长准则，以及提高算法的有效性和准确性方面[3-4]。生长准则一般可分为三种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则，本文采取了基于区域灰度差准则[5]

。