Matlab在医学图像处理中的应用

Ｍａｔｌａｂ在医学图像处理中的应用

张季１，杨亚平２

（１．南京中医药大学信息技术学院，江苏南京２１００４６；２．南京中医药大学中医诊断教研室，江苏南京２１００４６）

摘要：本文介绍了医学图像的计算机相关处理技术，Ｍａｔｌａｂ作为功能强大的仿真分析软件被广泛用于科学研究和解决各种具体问题，使用Ｍａｔｌａｂ提供的工具箱对医学图像进行处理是医学图像数字化处理的有效方案，也为医学图像分析提供了有力途径。

关键词：数字图像处理；医学图像；Ｍａｔｌａｂ

ＭａｔｌａｂＡｐｐｌｉｃａｔｉｏｎｉｎＭｅｄｉｃａｌＩｍａｇｅＴｈｒｅｅ－ｄｉｍｅｎｓｉｏｎａｌＶｉｓｕａｌｉｚａｔｉｏｎＳｙｓｔｅｍ

ＺＨＡＮＧＪｉ１，ＹＡＮＧＹａ－ｐｉｎｇ２

（１．ＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙＩｎｓｔｉｔｕｔｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅ，Ｎａｎｊｉｎｇ２１００４６，Ｃｈｉｎａ；

２．ＤｅｐａｒｔｍｅｎｔｏｆＴｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｒａｄｉｔｉｏｎａｌＣｈｉｎｅｓｅＭｅｄｉｃｉｎｅ，Ｎａｎｊｉｎｇ２１００４６，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈｉｓｐａｐｅｒｉｎｔｒｏｄｕｃｅｓｔｈｅｃｏｍｐｕｔｅｒ－ｒｅｌａｔｅｄｍｅｄｉｃａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ，ａｎｄＭａｔｌａｂａｓａｐｏｗｅｒｆｕｌｓｉｍｕｌａｔｉｏｎａｎａｌｙｓｉｓｓｏｆｔｗａｒｅｉｓｗｉｄｅｌｙｕｓｅｄｉｎｓｃｉｅｎｔｉｆｉｃｒｅｓｅａｒｃｈａｎｄｓｏｌｖｅｓｐｅｃｉｆｉｃｐｒｏｂｌｅｍｓ，ｔｈｅｕｓｅｏｆｔｈｅＭａｔｌａｂｔｏｏｌｂｏｘｔｏｔｈｅｍｅｄｉｃａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｉｓｔｈｅｎｕｍｂｅｒｏｆｍｅｄｉｃａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｅｆｆｅｃｔｉｖｅｓｃｈｅｍｅ，ａｓｗｅｌｌａｓｍｅｄｉｃａｌｉｍａｇｅａｎａｌｙｓｉｓｐｒｏｖｉｄｅｄｓｔｒｏｎｇｗａｙ．

Ｋｅｙｗｏｒｄｓ：Ｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；Ｍｅｄｉｃａｌｉｍａｇｅ；Ｍａｔｌａｂ

０引言

随着科技的进步，多学科的交叉和融合已成为现代科学发展的突出特色和重要途径。自２０世纪９０年代起，计算机相关技术的迅速发展以及图形图像技术的日渐成熟，使得该技术逐步渗入到医学领域中，形成一个新的交叉学科研究热点－－－－－医学图像处理。医学图像处理技术对医学科研及临床实践的作用和影响日益增大，使临床医学对人体内部病变部位的观察更直接、更清晰，确认率也更高。因此，医学图像处理技术一直受到国内外有关专家的高度重视。

Ｍａｔｌａｂ软件是美国Ｍａｔｈｗｏｒｋｓ公司于１９８４年推出的数值计算机仿真软件，经过不断的发展和完善，如今已成为覆盖多个学科，是具有超强数值计算能力和仿真分析能力的软件。Ｍａｔｌａｂ应用较为简单，用大家非常熟悉的数学表达式来表达问题和求解方法。它把计算、图示和编程集成到一个环境中，用起来非常方便。同时，Ｍａｔｌａｂ具有很强的开放性和适应性，在保持内核不变的情况下，Ｍａｔｌａｂ推出了适合不同学科的工具箱，如图像处理工具箱，小波分析工具箱、信号处理工具箱、神经网络工具箱等，极大地方便了不同学科的研究工作。Ｍａｔｌａｂ强大的绘图功能，简单的命令形式，使其越来越受到国内外科技人员的青睐，得到越来越广泛的应用。

基于Ｍａｔｌａｂ平台实现医学图像的数字化处理是会大大简化其原本各项处理算法的复杂程度和难度。

１医学图像的数字化处理

医学图像数字化处理是指使用计算机对获取的图像进行各种处理，使之满足医疗需要的一系列技术的总称［１］。它综合运用了计算机图形学和图像处理技术，把通过各种数字化成像技术获得的人体信息按照一定的需求在计算机上直观地表现出来，并能够弥补影像成像设备在成像上的不足，从而提供用传统手段无法获得的结构信息。医学图像处理技术发展到现在，已不再单纯局限于完成一些简单的显示功能，还包括图像分割、图像配准融合、纹理分析、伪色彩处理等技术，使传统的医学图像的获取和观察方式被彻底改变，同时也使图像在医学领域中变得越来越重要。

１．１医学图像的分割

医学图像分割从本质上来说也是一个根据区域内特征的相似性以及相邻区域间特征的不同把图像分割为若干区域的过程。医学图像分割可以将感兴趣区（病灶等）提取出来，帮助医生进行定性及定量的分析，它是图像处理与图像分析中的一个经典问题。随着计算机技术的发展和普及，医学图像分割技术也经历了一个从人工分割到半自动分割和自动分割的逐步发展过程。新的分割方法研究主要以自动、

收稿日期：２００８－０２－２５

基金项目：国家自然科学基金面项目（批准号：３０４７２１２３）

精确、快速、自适应和鲁棒性等几个方向作为研究目标，经典分割技术与现代分割技术的综合利用是今后医学图像分割技术的发展方向。

医学图像分割技术在医学领域具有广泛的应用，它是开展医学图像在临床和生命科学研究领域广泛应用的基础。但由于医学图像的复杂性，到目前为止，还没有一种对所有医学图像都能产生满意的分割效果的分割方法。

１．２医学图像的配准和融合

为了综合使用多种成像模式以便提供更全面的信息，常常需要将有效信息进行整合。整合的第一步就是使多幅图像在空间域中达到几何位置的完全对应，这一步骤称为＂配准＂；整合的第二步就是将配准后图像进行信息的整合显示，这一步骤称为＂融合＂。

医学图像配准从本质上来说是指对于一幅医学图像寻求一种或一系列空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。配准处理一般包括两个步骤：首先，提取出图像的特征信息组成特征空间，实现图像定位；然后，根据提取的特征空间确定出一种空间变换，使一图像经过该变换后能够达到所定义的相似性测度，即图像变换。

医学图像融合是指将不同形式的医学图像中的信息进行综合、取长补短，结合成一幅新的图像。医学图像的融合可分为图像数据的融合和融合图像的显示。图像数据融合的一般步骤为：①将源图像分别变换至一定变换域上；②在变换域上设计一定特征选择规则；③根据选取的规则在变换域上创建融合图像；④逆变换重建融合图像。融合图像的显示方法则主要包括空间维显示和时间维显示。

医学图像配准和融合具有很重要的临床应用价值。对使用各种不同或相同的手段所获得的医学图像进行配准不仅可以用于医疗诊断，还可以用于手术计划的制定、放射治疗计划的制定、病理变化的跟踪和治疗效果的评价等各个方面。图像配准是图像融合的先决条件与关键，图像配准精度的高低直接决定着融合结果的质量，反过来，图像融合是图像配准的一个目的。

１．３医学图像的纹理分析

医学图像分析是医学图像处理的较高阶段，通过对医学图像作进一步后处理分析，以给出某一具体医学图像与其它医学图像相区别的特征。一般认为图像的纹理特征描述物体表面灰度或颜色的变化，这种变化与物体自身属性有关，是某种纹理基元的重复。Ｓｋｌａｎｓｋｙ早在１９７８年给出了一个较为适合于医学图像的纹理定义：＂如果图像的一系列固有的统计特性或其它的特性是稳定的、缓慢变化的或者是近似周期的，那么则认为图像的区域具有不变的纹理＂。纹理的不变性即指纹理图像的分析结果不会受到旋转、平移、以及其它几何处理的影响［２］。

目前纹理分析在医学图像领域得到较为广泛的应用，例如对细胞图像、Ｘ光片、乳腺钼靶片、ＣＴ图像、ＭＲＩ图像、ＰＥＴ图像、超声图像、中医舌图等进行纹理分析以获得纹理特征，从而实现纹理分割、纹理分类及纹理图像的定量分析。从医学纹理图像获得有价值的纹理特征，然后应用到对医学图像的诊断解释正越来越成为当前的研究热点。

１．４伪色彩处理

伪色彩图像处理技术是指将灰度图像经过处理变为彩色图像，可以充分发挥人眼对彩色的视觉能力，从而使观察者能从图像中取得更多的信息。临床扫描的医学图像多是灰度图像，一般有２５６个灰度级或更多，人的肉眼能够直接分辨的灰度等级只有１６个左右，但人眼对色彩的微小变化较为敏感。所以在医学图像处理中，为了直观地观察和分析图像数据，常采用伪色彩处理方法，突出兴趣区域或待分析的数据段，通常选择若干种明显不同的颜色来分别代表不同的数据区间，以达到分类的目的。严格说来，伪色彩处理是图像增强的一种。

伪色彩处理已广泛应用于各种医学影像设备，如：Ｘ线机、ＣＴ、Ｂ超、磁共振、内窥镜、红外成像等。目前，伪色彩在ＣＴ成像中获得了应用，多层螺旋ＣＴ则发挥了其高速度，高空间分辨率和高时间分辨率的优势，能得到更多层面，更详细的断层信息。伪色彩在三维ＣＴ血管造影中的应用，主要是重建颅内血管三维图像。基于伪色彩编码技术还实现了在计算机上进行声谱图实时伪色彩显示的血流伪色彩实时声谱分析系统［７］。

２Ｍａｔｌａｂ图像处理工具箱

在医学图像处理过程中常需要一些开发周期短、专业特点强、规模不大、适合于根据需要能够及时完善的医学应用软件，被称为第四代计算机语言的Ｍａｔｌａｂ正好满足这一开发需求，其简洁、直观的开发环境、强大的开放性和适应性，使其成为各类医学图像处理软件开发工具的首选。

Ｍａｔｌａｂ的图像处理工具箱（ＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＴｏｏｌｂｏｘ，简称ＩＰＴ）提供了大量的图像处理函数，可以方便的实现常用的图像操作［３］。如：用ｉｍｒｅａｄ（）读取图像，ｉｍｗｒｉｔｅ（）输出图像，把图像显示于屏幕有ｉｍｓｈｏｗ（），ｉｍａｇｅ（）等函数。ｉｍｅｒｏｐ（）对图像进行裁剪，图像的插值缩放可用ｉｍｒｅｓｉｚｅ（）函数实现。旋转用ｉｍｒｏ－ｔａｔｅ（）实现，等等。

此外，Ｍａｔｌａｂ工具箱提供了常用的变换函数，如ｆｆｔ２（）与ｉｆｆｔ２（）函数分别实现二维快速傅立叶变换与其逆变换，ｄｃｔ２（）与ｉｄｃｔ２（）函数实现二维离散余弦变换与其逆变换，Ｒａｄｏｎ（）与ｉｒａｄｏｎ（）函数实现Ｒａｄｏｎ变换与逆Ｒａｄｏｎ变换，以及二值图像