圖像濾波技術在B型超聲診斷儀中的應用研究

謝 晴

圖像濾波技術在B型超聲診斷儀中的應用研究

謝 晴①

目的：依據醫學超聲圖像固有特點，對B型超聲醫學圖像濾波技術進行研究，以達到大幅度提高圖像質量的目的。方法：通過Matlab等工具實現B型超聲診斷儀圖像的均值濾波、中值濾波、自適應中值濾波、小波變換以及各向異性擴散方程濾波。結果：對常見的B型超聲診斷儀濾波算法進行了比較與研究。結論：所有的濾波方法對圖像信號均有一定程度的增強，對噪聲亦有抑制。均方誤差反映了濾波圖像在抑制噪聲的同時，對細節的保持情況和超聲醫學圖像兩者之間達到一個最佳的平衡。

噪聲；均值濾波；中值濾波；自適應中值濾波；小波變換；各向擴散方程濾波

超聲成像的固有特點導致超聲圖像對比度較差、噪聲污染嚴重以及圖像中組織特性參數的特征不明顯。為此，對B型超聲診斷儀圖像產生干擾與噪聲的現象做進一步研究，探討如何對超聲圖像濾波處理及保留與增強圖像邊緣和細節特征，對于準確進行邊緣檢測、圖像識別、分割與定位以及診斷器官是否病變等均具有重要的意義[1]。對B型超聲醫學圖像濾波技術的研究，可使其圖像質量大幅度提高[2]。

1 常見的B型超聲診斷儀圖像濾波方法

1.1 均值濾波

B型超聲診斷儀圖像的均值濾波實際是一種局部空間域處理的算法，是用B型超聲診斷儀圖像中數個像素灰度的平均值來取代每個像素的灰度值[3]。具體思路是對B型超聲診斷儀圖像中的每一個點f(x,y)，以該點f(x,y)為中心，選擇原動態范圍的一個局部窗口范圍作為矩形窗口W(x,y)，然后對窗口內的每一點賦予一定的權值，最終的輸出g(x,y)為窗口內的各點的加權平均，即公式1：

根據提取的矩形窗口內的信息確定一個新值g(x,y)來取代原值，以使其符合某種預定義的規則。

1.2 中值濾波

B型超聲診斷儀圖像的中值濾波需要先讀入超聲圖像數據，將超聲圖像中的像素窗口內的所有像素點，按照灰度值進行排序，去除排序后所有灰度的中值，將其作為濾波后圖像輸出的灰度值[4]。當窗口在圖像中平移時便可通過中值濾波算法對圖像中的每個像素點進行處理。

中值濾波的主要功能是將周圍像素值差異較大的值改為與周圍像素值接近的值，從而可以消除特殊的噪聲點。若濾波窗口選擇不當則會丟掉一些細節信息。

1.3 自適應中值濾波

自適應中值濾波保留了原有中值濾波的優點，同時這種算法具有自適應性，與上述均值濾波和中值濾波方法相比有著極大的提高[5]。在B型超聲診斷儀醫學圖像中不同區域內圖像性質不同，其疊加的噪聲幅度也不同，因此可根據圖像的局部統計特性來自動選擇或修改相應的濾波窗口尺寸，即得到在B型超聲診斷儀圖像中常用的自適應中值濾波。本研究采取的自適應中值濾波方法具體流程思維如圖1所示。圖中Sxy為矩形窗口，像素是(x,y)，Zmin是在Sxy窗口內的最小值，Zmax為其最大值，Zmed為其中值，Smax為其所允許的最大值。為了實現自適應中值濾波，將此次濾波算法分為兩層。第一層A為公式2、公式3：

圖1 B型超聲診斷儀圖像的自適應中值濾波流程圖

在A1＞0且A2＜0時，則進入了第二層B，否則Sxy這個矩形窗口增大；如果Sxy=Smax，則重復執行第一層A，否則Zxy為輸出。

第二層B為公式4、公式5:

同第一層類似，如果B1＞0且B2＜0，則Zxy為輸出，否則Zmed為輸出。

1.4 小波變換

小波變換是近年來較為熱門的一種濾波方法，該方法可將含有噪聲的信號進行小波分解，將大尺度低分辨率下的全部小波系數進行保留；而如果各尺度的小波系數處于高分辨力的情況下，可設定一個閾值，小波系數為0時，幅值低于該閾值；對于高于該閾值的小波系數，采取完整保留或者做相應的收縮處理；再通過利用逆小波變換對處理后的小波系數進行重構，濾除噪聲，恢復圖像中有用的信號[6]。

利用小波變換來去除醫學超聲圖像噪聲，小波閾值的選取非常重要，如果閾值太小則不能達到去除噪聲的目的，如果閾值太大則會丟失大量的有用信息，因此選則更好的閾值是本研究的關鍵[7]。

根據閾值函數的選取，可看出對超過和低于閾值的小波系數的處理策略，目前小波變換法中常用的是軟閾值函數[8]。

本研究采取的具體流程如圖2所示。

圖2 小波變換流程圖

1.5 基于各向異性擴散方程的濾波

各向異性擴散方程濾波算法是基于Perona和Malik提出的各向異性擴散方程的一種去除噪聲的方法，其為求解初始值為輸入圖像的非線性熱擴散方程，在擴散方程中通過引入圖像特征，設計合適的擴散系數來控制擴散方程的擴散行為，使得在平滑圖像的同時能夠保留甚至增強圖像的特征信息，由于其新穎的思想和良好的效果，已成為圖像處理領域的應用工具，且為圖像處理的熱點[9-10]。

本研究采取的擴散方程濾波方法具體流程如圖3所示。

圖3 各向異性擴散方程流程圖

2 B型超聲診斷儀常見濾波方法試驗結果與評價

(1)主觀評價法。讓不同觀察者根據觀察效果對處理后的圖像進行打分和加權平均[11]。對超聲腎臟圖像進行濾波處理的實驗結果如圖4(a、b、c)所示。

表1 各種濾波效果的客觀評價值

圖4 各種濾波方法實際結果比較影像圖

(2)客觀評價法。將圖像處理后的數字特征與原圖像的特征進行計算，是目前圖像質量評價的一個常用衡量方法。如峰值信噪比、均方誤差等[12]。

本研究在主觀評價法基礎上，依據均方誤差、峰值信噪比測度及信噪比測度等進行評價。假設X為原圖像，為濾波后的圖像(公式6、公式7、公式8)：

①均方誤差(MSE)[13]

利用客觀評價法中的上述3個標準對濾波方法進行評價，具體結果見表1。

原則上均值濾波方法誤差值越小、信噪比測度和峰值信噪比測度越大，去除噪聲效果越好[14]。表1顯示，所有的濾波方法對圖像信號均有一定程度的增強，對噪聲有抑制。

3 結語

對于B型超聲診斷儀圖像濾波方法的研究與其自身的發展，需要在原有的理論基礎上進行算法改進，進行算法優化組合，同時可從新興的理論中尋求新的解決方法。

[1]劉春明,張相芬,陳武凡.基于小波的醫學超聲圖像斑點噪聲抑制方法[J].中國醫學物理學雜志,2006(5):364-367.

[2]李德來,舒貞權.醫學超聲成像前沿技術述評[J].中國醫療器械信息,2011,17(6):19-22.

[3]劉芬,孫豐榮,耿俊卿,等.一種基于各向異性擴散方程的醫學超聲圖像降噪方法[J].山東大學學報(工學版),2009(5):41-45.

[4]張瓊,沈民奮,方若宇.基于變分法的超聲圖像斑點噪聲自適應濾波算法[J].北京生物醫學工程,2011, 30(3):253-258.

[5]張彬,鄭永果,馬芳,等.基于小波變換的多模態醫學圖像融合算法[J].重慶醫學,2011,40(7):652-654.

[6]王耀南,李樹濤,毛建旭.計算機圖像處理與識別技術[M].北京:高等教育出版社,2001:91-96.

[7]彭韻,李德玉,林江莉,等.基于各向異性擴散的超聲醫學圖像濾波方法[J].航天醫學與醫學工程,2005, 18(2):135-139.

[8]馬榮飛.基于偏微分方程的醫學超聲圖像降噪研究[J].計算機仿真,2010(2):231-235.

[9]哈章,朱磊,李傳富,等.醫學超聲圖像三域濾波去噪算法[J].中國醫療器械雜志,2008,32(5):323-327.

[10]李俊盛,劉宗田.基于異性擴散-中值濾波的超聲醫學圖像去噪方法[J].計算機應用與軟件,2009(1):82-83.

[11]侯惠亮,李國俠,龐浩.小波變換在微弱生命信號處理中的應用[J].中國醫療設備,2011,26(1):70-72.

[12]張賢達.現代信號處理[M].2版.北京:清華大學出版社,2002:21-253.

[13]劉春明,張相芬,陳武凡.基于小波的醫學超聲圖像斑點噪聲抑制方法[J].中國醫學物理學雜志,2006, 23(5):364-367.

[14]嚴朝福,李德玉,林江莉,等.超聲醫學圖像非線性濾波算法研究進展[J].生物醫學工程學雜志,2006, 23(5):1123-1125.

Image filtering technology in the application of B type ultrasonic diagnosis instrument/

XIE Qing//
China Medical Equipment,2014,11(11):36-38.

Objective: Due to the inherent characteristics of medical ultrasound images, the study of B-type ultrasonic medical image filtering technique, you can make the image quality greatly improved. Methods: through tools such as Matlab, for b-mode ultrasonic image Adaptive mean filter, median filter, median filter, wavelet transform, anisotropic diffusion equation filtering; Results: compares the common b-mode ultrasonic filtering algorithms and research. Conclusion: all the filtering method for image signal is enhanced to a certain extent, suppression for noise, too. Mean square error reflects filtering image noise, while attention to detail, keep, for medical ultrasonic images in the hope that is in between the two to achieve an optimal balance.

Noise; Average filtering; Median filtering; The adaptive median filtering; Wavelet transform; Each to the diffusion equation of the filter

10.3969/J.ISSN.1672-8270.2014.11.013

1672-8270(2014)11-0036-03

R445.1

A

謝晴,女,(1985- ),碩士，講師。徐州醫藥高等職業學校，研究方向，圖像處理。

2013-12-23

①徐州醫藥高等職業學校 江蘇 徐州 221116

[First-author’s address]Jiangsu Provincial Xuzhou Pharmaceutical Vocational College, Xuzhou 221116, China.