医学图像边界检测与轮廓线提取

射线扫描
用梯度算子和四邻域法取得的骨骼轮廓线是若干条 封闭的曲线，包括内外两层。为了得到无厚度的三 维颅骨模型必须对提取到的轮廓线进行简化，取出 最外层的骨骼轮廓线。
当射线接触到轮廓线时 终止该条射线的扫射保 留每条射线在轮廓线上 碰到的第一个点。当四 个方向全部扫射完以后就会得到骨骼最外层的轮廓 线，该轮廓线是一组不封闭的，离散的曲线段。
轮廓线的提取
主要内容
1
研究背景
2
CT切片图像预处理
3
边缘检测与轮廓线提取
4
综合应用
5
总结
研究背景
如今，医学成像技术，如计算机断层扫 描、磁共振、PET和B超等，被广泛用于医疗 诊断和外科手术规划中。随着计算机成、像 和扫描技术的发展，现在已经可以由医学图 像（如CT图像）生成医用三维模型。
重建后的三维模型可以提供宝贵的医疗 信息，可以作为一个强大的诊断工具使外科 医生能够了解人体复杂的解剖学结构，还可 以用于制造人造器官（人造骨，血管）和各 种医学仿真和分析。
综合应用
双向平滑滤波
a.股骨头模型轮廓线；b.没有进行滤波时形成的模型表面；c.经过双向平滑 滤波后形成的模型表面
轮廓பைடு நூலகம்取算子
图象的一阶导数可以用于检测图象的边缘，一 阶导数通常可以通过二维梯度来近似计算，于是产 生了各种提取图象边缘的梯度算子。比较常见的梯 度算子有：
Prewitt算子
Sobel算子
Canny算子
高斯拉普拉斯算子
实质是一种基于梯度的滤波器:滤除梯度较小的像素，留下梯度值较 大的边缘像素。
轮廓提取算子
CT切片图像预处理
由于CT数据的采集过程中不可避免地产生噪声，同 时还会造成数据的比例、位置和角度等发生变化， 所以在使用这些数据进行三维重构之前必须对其 进行一定处理，这样才能使得后续的模型生成、绘 制和其它的三维处理获得较好的性能。
为实现颅骨和人脸的三维重构，需要从二维CT断层 图像提取出人脸及颅骨的轮廓线，为三维重构做好 数据准备。
射线扫描
经过射线扫描后得到的外层轮廓线
轮廓线的平滑处理
一旦有了轮廓数据，就可通过连接相邻轮廓线上的 数据点创建表面模型。但医学图像的人为因素较多，有 时相邻轮廓的形状差异变化很大，这导致拟合后形成的 模型表面粗糙，多褶皱。这就需要用平滑算法处理轮廓 数据，减缓轮廓数据中的突变，获得较为平滑的轮廓线， 进而通过蒙皮算法生成较为平滑的模型表面。
四邻域法
用四邻域法提取骨骼轮廓线的思路简单地说就是:在二 值图象中，用判断骨骼上每个象素点四邻域内其他象素 点灰度的方法提取轮廓线 具体地讲就是:在二值化的CT图象上，骨骼上的点均呈 白色而背景图象中的象素点均呈黑色，对于图象上的每 个白色象素点来说，以该点为中心判断它的四邻域内其 它象素点的灰度，若四邻域内有一个象素点的灰度与该 点不同，也就是四邻域中有一个点为黑色，则该白色点 为骨骼轮廓线上的点，否则该点就是骨骼内部的点。用 该方法对图象上的所有白色象素点进行判断就会得到骨 骼的全部轮廓线，由于骨骼在CT图象上是离散分布的， 所以用四邻域法得到的骨骼轮廓线是离散分布的若干条 封闭的曲线并且是单象素曲线。
CT切片图像预处理
在通过CT机获取颅骨及人脸的数据之后，也要把CT 机输出的符合DICOM标准的数据转换为便于处理的自 己定义的IMA格式(主要包括图像的灰度信息)，如下 所示。
图像平滑
图像平滑的目的是去除数据采集过程中产生的噪声。 图像平滑的原则是:用滤波器有选择的去除噪声。
常用的滤波器有： 高斯滤波、均值滤波 中值滤波、双边滤波（Bilateral filter）
医学图像生成三维模型
对医学图像的三维重建，现在存在着很 多方法，但大多数可以归为两类：
基于体素的方法
医学图像生成 三维模型
基于轮廓线的方法
基于轮廓线的方法
1.从医学图像中提取出横截面轮廓 数据
2.对横截面轮廓线进行平滑处理
3.由各个横截面的轮廓线生成三维 模型表面
基于轮廓线 的方法
用于进行颅骨及人脸三维重构的CT数据，从 原始数据的采集到生成重构所需的轮廓，即 等值线，经历了如下图的数据流程。