靜脈成像顯示儀的計算方法研究

李向東 衛 娜 云慶輝 張敏剛

靜脈成像顯示儀的計算方法研究

李向東①衛 娜①云慶輝①張敏剛①

目的：尋找一種能夠適合人體靜脈血管特征的計算方法，在不誤判定和不失真的前提下，盡可能最清晰的顯示出靜脈血管圖案，以提高穿刺準確性。方法：通過對當前處理算法進行分析，提出優化的NiBlack算法，獲得優化的圖像，并將該算法圖像與當前的4種主流算法的圖像處理結果進行比對，驗證優化的NiBlack算法的圖像處理效果。結果：修改后的處理算法能夠很好地顯示出靜脈血管的圖案，突出血管形狀，降低誤診斷。結論：依據靜脈血管特征的圖像處理方法能夠使靜脈血管顯示更加清晰。

靜脈血管；NiBlack法；計算方法；閾值

[First-author’s address] The First Hospital of The Fourth Military Medical University, Xi’an 710032, China.

靜脈成像顯示儀在能夠采集到靜脈血管后，在LCD屏幕中顯示的往往不是清晰的圖像，可能會由于外界干擾，攝像頭本身對于光線的敏感程度，以及自身產生干擾信號，所生成的靜脈圖像往往清晰度差，與周圍組織差值不是很大。因此要在圖像顯示前進行必要的濾波和圖像處理，去除不必要的雜波信號，保留靜脈血管信號，盡可能多的突出靜脈血管的信號，但在處理中要防止將非血管信號判定為血管信號，以免造成誤穿刺。

1 靜脈成像計算方法研究現狀

根據人體靜脈血管本身特點出現了不同的研究方法。

(1)Mark等[1]提出了蛇模型的貪心算法，其原理是一個交互提取的過程，經過多次迭代可以描繪出靜脈血管圖案，但是該算法運算量大，運算時間長，在嵌入式系統中實現存在一定的難度。

(2)余成波等[2]提出了函數分割分水嶺算法，最終處理后靜脈圖案灰度值差不大，對比度提高效果不十分明顯。

(3)謝劍斌等[3]提出了基于優化區域OTSU的靜脈圖像特征提取算法，提取的靜脈血管連通性較差。

(4)康文雄等[4]提出了基于最大鄰域內差(maximal intra-neighbor difference，MIND)的靜脈圖像特征提取算法。

(5)Wang等[5]提出了手背靜脈特征提取算法。

(6)Miura等[6]提出了重復線性跟蹤算法，該算法雖然能起到一定的特征提取效果，但算法的時間復雜度較高。

(7)Wu等[7]提出了通過radon變換，在變換域提取手指靜脈圖像特征的算法。

(8)Lee等[8]將模糊理論應用到了手指靜脈特征提取中來，采用模糊閾值的方法進行提取。

2 主流靜脈特征提取計算方法

2.1 均值法

用T作為圖像的閾值，其中f(x，y)表示在坐標(x，y)處的灰度值的寬和高分別表示圖像的寬和長則公式1為：

2.2 NiBlack法

NiBlack算法是一種動態閾值計算方法，該算法的思想是在像素點f(i，j)一個選定的r×r區域內，計算均值與方差，然后用公式2的值進行二值化[9]：

其中，對于每一個像素(x，y)，T(x，y)為該點的閾值，m(x，y)為該點的r×r鄰域內像素點的均值，s(x，y)為該點的r×r鄰域內像素點的標準方差，k為修正系數。如果假設該像素灰度值為f(i，j)，則m(x，y)和s(x，y)分別由公式3和公式4計算得出：

2.3 OTSU法

設一幅圖像的灰度級為L，圖像中灰度值是i的像素個數為ni，以分割閾值τ為準將圖像分割成兩個區域，定義A區域用來描述{0，1…，τ}的灰度分布，B區域用來描述{τ+1，τ+2，…，L-1}的灰度分布[9-11]。

設區域A、區域B和圖像的像數分別為NA、NB和N，則公式5：

2.4 迭代法

該算法是通過多次計算得到比較合適的閾值。此閾值選取方法為：首先選取圖像灰度范圍的中值作為初始值T0，把原始圖像中全部像素分成前景和后景兩大類，然后分別對其進行積分將結果取平均值以獲取新的閾值，并按此閾值將圖像分成前景和后景。如此反復迭代下去，當閾值不再發生變化，即迭代收斂于某個穩定的閾值時，此刻的閾值即作為最終的結果并用于對圖像的分割[12]。其該算法的數學描述如公式7：

設區域A、區域B和全圖中各灰度出現的頻率分別為hiA、hiB和pi，即：

式中，L為灰度級的個數；hk是灰度值為k的像素點的個數。迭代一直進行到Ti+1=Ti時結束，結束時的Ti為閾值。

3 各種計算方法的比較

借助MATLAB軟件中已有的庫函數對于上面提及的方法進行調用，對于相同圖像進行處理得到不同的處理圖案，通過對處理后的圖案進行對比，分析其優缺點，從而得到符合人體靜脈血管成像的算法，如圖1所示。

區域A和區域B出現的概率為pA，pB，

由以上假設，得到全圖的平均灰度m，區域A的平均灰度mA和區域B的平均灰度mB，即：

圖1 不同算法對于相同圖像處理結果

從而有m=pAmA+pBmB，當兩個區域視作兩類時，其類間距離為公式6：

在最大類間距離準則下的最佳閾值的選取應使Sb

2(τ)→max，即：

通過改變閾值τ可求得最佳閾值τ*。

(1)均值法處理得到的圖像基本可以完全顯示出靜脈血管的紋路，圖像的噪聲較少，但毛刺較多，并且存在一定誤判斷，將非血管信號判定為血管信號。

(2)NiBlack法處理得到的圖像平滑性能較好，毛刺較少，噪點低，連通性能較好，無誤判斷，但對于有些信號比較弱的靜脈血管不能顯現出血管紋路。

(3)OTSU法處理得到的圖像能夠檢測到比較微弱的靜脈血管信號，但處理后血管的連通性比較差，毛刺較少。

(4)迭代法處理得到的圖像基本上能顯示出圖像的圖案，圖像邊緣也比較平滑，但在圖像處理上引入了一定得偽血管信號，造成誤判斷。

通過對以上主流“靜脈血管提取算法”的對比得知，不同的提取算法都擁有自身的優劣，能否應用于人體的靜脈血管主要是依據具體的實際需求。靜脈成像顯示儀的設計用于解決人體靜脈穿刺中遇到的問題，主要是針對人體靜脈的大血管，在顯示中不存在誤診斷，不產生毛刺，因此可以得到NiBlack法作為首要選擇，但在實際應用中該方法需做一定的修改，以便更好的凸顯出靜脈血管的紋路。

4 基于方向算子的NiBlack計算方法

NiBlack算法的基本思想是對圖像中的每一個點，在其r×r鄰域內，計算鄰域里像素點的均值和方差，由此確定閾值(如圖2所示)。

圖2 P鄰域內像素點

主靜脈血管的生長紋路具有一定的方向性；生長方向為0o、45o、90o、135o、直接應用NiBlack算法對其選定像素點的鄰域計算均值和方差，選定閾值，會對靜脈血管自身存在的特性忽略，造成在有些圖像比較模糊的區域或閾值差較小的區域有效特性的丟失。因此對于靜脈血管的處理是建立在靜脈血管生長特性上的NiBlack算法。在確定閾值的過程中應充分考慮靜脈紋路的生長方向，選擇靜脈紋路生長方向上的鄰域作為閾值的選取范圍，這樣得到的閾值會更符合人體靜脈血管延伸方向性(如圖3所示)。

圖3 靜脈紋路方向性

基于方向算子的NiBlack法的基本思想是對于像素點P(x，y)在其r×r的鄰域范圍內分別沿著0o、45o、90o、135o4個方向分別進行閾值的計算(圖4所示)。根據計算的閾值用于判定該點P(x，y)是否為靜脈血管點，經判定若該點不為靜脈血管點，則P(x，y)向相近鄰域內進行移動P(x+i，y)、P(x，y+j)、P(x+i，y+j)“i，j”的取值與所選攝像頭的位數相關，假如選擇攝像頭為“8”位則“i，j”取值為[-255，255]，用于確保已經選定該幅圖片上的所有點，直至出現靜脈血管點，P(x，y)為靜脈血管點可以沿該方向進行生長(4個角度都應進行判定)直至出現判定該點已不為靜脈血管點，則停止生長，在判定過程中要進行4個方向的完全判定，然后4個方向得到均值與閾值，步長做比較，在4個方向任何一個方向值大于閾值與設定的步長則判定為靜脈血管信號。

圖4 各個方向上選擇的鄰域像素

假設一個靜脈圖像區域(如圖5所示)，灰色點為靜脈特征像素，灰度值大小為220，白色像素點為非靜脈特征，灰度值為200。對于像素點P，使用傳統NiBlack法，取r=4鄰域內所有的點來計算局部閾值(紅色邊框內所有點)。

圖5 傳統的NiBlack法取點情況

傳統的NiBlack法選擇r×r鄰域內的所有像素點作為計算依據，計算鄰域像素均值m：

像素P與均值之間的差值：∧1=P-m=220-211.2=8.8。

可以選定相同區域，利用基于算子的NiBlack法，計算像素點均值；公式中的m1、m2、m3、m4分別表示0o、45o、90o、135o(如圖6所示)。

圖6 基于方向算子的NiBlack法

通過計算可以得到m1=208，m2=220，m3=212，m4=216。

通過計算∧11=12，∧12=0，∧13=8，∧14=4；∧11的差值最大，在此可以選定0o方向做為閾值的參考值。

由計算可以得出∧11＞∧1，即應用基于方向算子的NiBlack法比傳統的NiBlack算法差值大，其處理的優點是在圖像質量比較差，噪聲信號較強的情況下，在做濾波處理后，靜脈血管信號與背景信號差值較小的情況下，依然能夠通過圖像處理的算法將血管信號與周圍組織進行分離。

為了測試這兩種算法的效果，使用兩種算法對同一幅靜脈圖像進行特征提取(如圖7所示)。處理后的圖像，是選定相同閾值、相同步長及不同處理算法處理后的靜脈圖像。

圖7 傳統的NiBlack法與基于方向算子的NiBlack法處理效果對比

從處理結果中可以得到，傳統的NiBlack法會造成靜脈特性和有用信息的丟失，喪失其連貫性，而基于方向算子的NiBlack法則能較好的凸顯出靜脈血管的紋路，連貫性也較好。

5 結論

在靜脈圖像的提取中，可能實際采集到圖像血管與周圍組織的灰階差異不大，實際中有時只能達到2或更小，在圖像處理中如果選取的步長過小，往往不能將血管信號從圖像中分離出來。然而，應用基于方向算子的NiBlack算法能夠加大血管信號值與周圍組織的灰階值，在濾除一定噪聲的前提下便于后端圖像處理與實際分離。

[1]Mark SN，Alberto SA.Feature rxtraction and image processing[M].2th.Beijing：Publishing House of Electronic Industry，2010：197-226.

[2]余成波，秦華峰，張蓮.基于B樣條函數的圖像分割分水嶺算法研究[J].壓電與聲光，2008，30(3)：356-358.

[3]謝劍斌，劉通.一種基于優化區域的靜脈圖像分割算法[J].信號處理，2009，25(1)：87-89.

[4]康文雄，鄧飛其.基于最大鄰域內差的靜脈圖像增強和圖像分割[J].光學學報，2009(7)：1830-1837.

[5]Wang Ke Jun，Qing Chang Guo.The study of hand vein image processing medthod[J].Proceedings of the 6th World Congress on Intelligent Control and Automation，2006，6：21-23.

[6]Miura NA，Nagasaka T，Miyatake.Feature extraction of finger vein patterns based on repeated line tracking and its application to personal identification[J].Machine Vision and Applications，2004，15：194-203.

[7]Wu Jian-Da，Siou-Huan Ye.Driver identification using finger-vein patterns with Radon transformand neural network[J].Expert Systems With Applications，2009，36(3)：5793-5799.

[8]Lee EC，Park KR.Restoration method of skin scattering blurred vein image for finger vein recognition[J].Electronics Letters，2009，45(21)：1074-1076.

[9]Otsu N，IEEE Trans.System man cybernet[J]. IEEE，1979，9：62-66.

[10]龔聲榮，劉純平.數值圖像處理與分析[M].北京：清華大學出版社，2006.

[11]阮秋琦(譯).數字圖像處理的MATLAB實現[M].2版.北京：清華大學出版社，2013：388-391.

[12]Rigau J，Feixas M.Sbert metal medical image segmentation based on mutual information maximization[C].In Proceedings of MICCAI 2004，2004：135-142.

The algorithm research of the veins image instrument

/LI Xiang-dong, WEI Na, YUN Qing-hui, et al// China Medical Equipment,2014,11(8):35-38.

Objective: To improve puncture accuracy through find an algorithm that suit to human veins pattern, under the terms of not erroneous determination to clearly show veins as possible as we can. Methods: Analyses the mainstream algorithm currently and contrast the images from several processing algorithms of different feature extraction methods, then conclude the new algorithm change NiBlack to suit men veins pattern. Results: The new algorithm can good highlights veins with the surrounding contrast. Conclusion: Through the new algorithm we can get a more clearly vein imaging.

Veins; NiBlack; Algorithm; Threshold

1672-8270(2014)08-0035-04

R197.39

A

10.3969/J.ISSN.1672-8270.2014.08.011

2013-09-09

①第四軍醫大學西京醫院器材設備科 陜西 西安 710032

李向東，男，(1963- )，博士，副主任醫師。第四軍醫大學西京醫院器材設備科主任，從事設備管理和研究工作。