医学图像分割文献综述

前言

随着科学技术的发展，生物切片图像在生命科学、医学、农业等领域得到越来越广泛的应用。通过对切片图像进行图形、图像处理，可以从图像中提取有意义的目标．并重建出三维模型．为人们提供便利。与其他图像相比，生物切片图像具有颜色相近、灰度不均匀、边缘复杂等特点，增加了图像分割的难度。

常用的图像分割方法有阈值法、基于边缘的方法、基于区域生长的方法等。对于生物切片图像，传统的分割技术或失败，或需要特殊的处理技术⋯。新兴的数学形态学技术在滤波去噪、保持轮廓信息等方面有着明显的优势。因此，

形态学常与分割方法相结合，如用形态学改进边缘检测效果，应用于生物组织的纹理分割I，以及生物切片的交互式区域分割等。本文探讨形态学与阈值方法相结合的模板法。以实现医学病理切片图像中真皮区域分割

2．2医学图像分割概述算法应用与研究

图像分割是图像处理中的关键问题，分布的区域，得到的图像称为分割图像，

可以给出如下图像分割的定义[1】：它把图像分成若干个按照一个或几个特征均匀表示的是区域信息。借助集合概念对图像分割令集合R代表整个图像区域，对R的分割可以看着将R分成N个满足以下五个条件的非空子集；Ⅳ

①lJRi=R

f=l

②Rin母=a，对所有的i和j，f≠J

③P(Ri)=TRUE，i--1，2一·N

④P(RiA母)=FALSE，i≠J

⑤Rf是连通的区域，i=l，2···N

条件①指出在对一幅图像的分割应将图像中的每个像素都分进某个子区域中；条件②指出在分割结果中各个子区域是互补重叠的；条件③指出在分割结果中每个子区域都有独特的特性；条件④指出在分割结果中，各个子区域具有不同的特性，没有共同元素；条件⑤指出分割结果中同一个子区域内的像素应该是连通的。

医学图像中包含的内容很多，有些是临床诊断所关心的有用区域，称之为感兴趣区域(Region Of Interest，ROI)，有些是不感兴趣的周围环境区域，称之为不感兴趣区域(Region Of Uninterested，ROU)。为了识别和分析医学图像感兴趣区域，就必须将这些区域分离出来。在医学图像处理中，自动识别有特定意义的图像成分，解剖结构和其他感兴趣的区域，是图像分割技术的一个根本任务。图像分割技术极大的推动了可视化和特定组织结构处理的发展。而这往往是决定着整个临床和研究分析结果的关键一步。

图像分割的研究多年来一直受到人们的高度重视，至今提出了各种类型的分

割算

法。在一个比较细致的分类里，Haralick和Shapiro将所有算法分为6类：测度空间导向的空间聚类、单一连接区域生长策略、中心连接区域生长策略、空间聚类策略和分裂合并策略。依据算法所使用的技术或针对的图像，Paltl3】也把图像分割算法分成了6类：阈值分割，像素分割、深度图像分割、彩色图像分割，边缘检测和基于模糊集的方法。但是，该方法中，各个类别的内容是有重叠的。为了涵盖不断涌现的新方法，有的研究者将图像分割算法分为以下六类t并行边界分割技术、串行边界分割技术、并行区域分割技术、串行区域分割技术、结合特定理论工具的分割技术和特殊图像分割技术。而在较近的一篇综述中，更有学者将图像分割简单的分割数据驱动的分割和模型驱动的分割两类。

2．3基于边缘的图像分割

所谓边缘是指其周围像素灰度有变化的那些像素的集合【11，边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。物体的边缘是由灰度的不连续所反映的。基于边缘的分割代表了一大类基于图像边缘信息的方法，它是最早的分割方法之一，而且现在仍然是非常重要的。基于边缘的分割依赖于由边缘检测子找到的图像边缘，这些边缘指示出了图像在灰度、色彩、纹理等方面不连续的位置。然后再将这些不连续的边缘像素连成完整的边界。常用的边缘提取的算法有微分算子法、曲面拟合法、Hough变换法等。

1．微分算子法

微分算子法是通过求图像一阶导数的极值点或二阶导数的零点来检测边缘。常用的

一阶导数有Perwitt算子、Sobel算子、梯度算子，二阶导数算子有Kirch算子，拉普拉

斯算子和Wallis算子等非线性算子。

(1)Prewitt算子

Prewitt算子不是直接差分，而是先平均再差分，其中X，Y的模板如下：

r一1 0 11 rl 1 l 1

Prewitt算子具有抑制噪声的能力，如果模板更大些，则抑制噪声更加明显。

(2)Sobel算子

Sobel算子是先加权平均后再求差分，其X，Y的模板如下：

2．4基于区域的图像分割

基于区域的图像分割技术是以区域为对象【I”，依照罔像纹理特征、灰度值、换图像的特征等共同属性来划分图像区域。该方法给图像中的每一个像素都赋予一个类别属性，使具有预定义属性的像素聚集在同类别中。常见的基于区域分割法有区域生长与分裂台并法、闽值法、聚类等。

l区域生长和分裂台){二法区域生长的基本思想是将具有相似特性的像素合并到某个区域。首先为每个需要分割的区域确定一个种子像素作为生长起点(见图2．2)，然后按一定的生K准则把它周围与其特性相同或相似的像素合并到种子像素所在的区域中，把这些新像素作为种子继续生长(见图2_31，直到没有满足条什的像素可被包括，这时一个区域就形成r。区域生长法所要解决的土要问题是区域生长准则的设计。生K准则往往和具体『【0题有关，直接影响

最后形成的区域，如果选取不当，就会造成过分割或欠分割的现象。医域生长法的优点是计算简单，对1：较均匀的连通目标有较好的分割效果。它的缺点是需要人为确定种子点，H对噪声敏感，呵能导致区域内有卒洞；另外，它是一种串行算法，当图像目标较大时，分割速度较慢，因此在设计算法时，要考虑尽量提高效率。2 2设定种子置圈2-3生长过程

F19 2—2 Settle t he poiat of seed Fig 2—3 proces s of growth

分裂台并法的基本思想是从整幅图像开始通过小断分裂合并得到各个旺域。R代表

整个正方形图像区域，P代表检验准则，利川叫叉树表达分裂与合并算法如r：

11对任意区域m．如果P(Ril=FALSE，就将其分裂为玎：重叠的四等分。

2)对艄邻的两个I《域彤和彤，如果P(Riu彤)=TRUE，就将它们合并

3蝴1小何个M域怕进步分裂和合并挪小gq能r，1ll|J分荆±一々柬。

9

这种方法对较复杂图像的分割，效果比较好，但算法较复杂、计算量大，同时分裂

还有可能破坏区域的边界。

2．阈值法

阈值法是一种较常见的、并行的、直接检测区域的分割方法。该方法是基于对灰度图像的一种假设，即目标或背景内相邻像素间的灰度值是相似的，不同的目标或背景的像素在灰度上有差异的，反映在直方图上，不同的目标或背景对应不同的峰值。阈值是指用于区分不同目标图像的灰度值。如果图像中只有目标和背景两类，那么只需要选取一个阈值，称为单阈值分割(如图2．4)，这种方法是