匹配滤波器进行静脉图像分割方法的matlab实现

一种采用匹配滤波器进行静脉图像分割方法的matlab实现

图像分割(segmentation)是一种非常常用的技术，这种技术能够把你想要研究的东西和不相关的东西给分离开来，比如我们经常用photoshop把照片的人取出来然后换个背景或者其他ps一下，这个就是图像分割，但是这个领域研究的都是自动图像分割技术，不需要人工去分。现在已经提出的自动图像分割方法有很多种，但是只能解决一部分的问题，有些图像还必须人工去分，所以挑战依旧存在，新的方法依旧不断被提出。

出于一些医疗上的目的，经常需要对一些医疗成像的血管图像进行分割，提取出血管部分，来进行进一步的研究，所以血管分割作为图像分割中的一类，有很多关专门解决这个问题的算法被提出。而本文将要介绍的方法就属于所有血管分割方法中的一种，这种方法基于一种叫做匹配滤波器(matched filter)的东西。这种方法早在1989年就已经被提出[1]，本文其实也是对这个论文的总结和实现，有很多基于这篇论文的改进算法。

这个方法的灵感来自与信号处理中的匹配滤波器。按照百度百科中将的，匹配滤波器的性能与信号的特性取得某种一致，能够使滤波器输出端的信号瞬时功率与噪声平均功率的比值最大，即当信号与噪声同时进入滤波器时，它使信号成分在某一瞬间出现尖峰值，而噪声成分受到抑制。要想设计匹配滤波器，信号的波形必须是已知的。如果将血管图像看做一个信号，虽然这个信号的具体情况不得而知，但是血管的特点是已知的，基于这点先验知识可以针对血管设计匹配滤波器，那么按照匹配滤波器的原理，当血管部分输入时会出现较大值，而当背景区域输入时将出现较小值，从而将静脉与血管分开。

根据以上的分析，我们需要研究血管的特点。血管有以下特点：血管的宽度只在较小的范围内变动，血管壁的两条线是平行的，血管有方向，而跟深入的分析血管图像，还可以发现血管横切线上的灰度曲线是一个下面这个样子的：

根据以上血管的特点，文章[1]中提出了一种匹配滤波器的设计方法。先将血管想象成一小段一小段的平行区域的组合，设定长度为L，宽度为2sigma，然后用一个倒过来的高斯曲线来模拟上面血管横切线灰度曲线，从而得到匹配滤波器如下：