空域增強(qiáng)算法在醫(yī)學(xué)圖像中的應(yīng)用研究

李竹林，王明芳，呼建雪

（延安大學(xué) 計(jì)算機(jī)學(xué)院，陜西 延安 716000）

近年來，隨著電子技術(shù)與計(jì)算機(jī)技術(shù)的迅猛發(fā)展，圖像的獲取越來越方便，圖像的應(yīng)用已無處不在[1-3]。圖像技術(shù)也從二維圖像的增強(qiáng)、檢測、匹配、識別等發(fā)展到三維圖像的恢復(fù)與重建工作。然而，在圖像采集的過程中，由于電子設(shè)備或外界條件的影響，拍攝的圖像往往存在較大的噪聲、局部模糊、對比度不高、視覺效果不佳等問題，如何解決這些問題一直是圖像增強(qiáng)領(lǐng)域中的一個(gè)難題。因此，圖像的噪聲濾除和增強(qiáng)也是數(shù)字圖像處理研究領(lǐng)域的一個(gè)基礎(chǔ)又重要的工作［4-5］。文中以醫(yī)學(xué)圖像為例，對含噪聲、模糊不清、對比度不高的圖像進(jìn)行了研究與實(shí)驗(yàn)，取得了較好的效果。從模擬結(jié)果中可以看出，通過處理，突出了目標(biāo)部分，提高圖像的可讀性，對醫(yī)生的判讀、二維處理以及三維構(gòu)建都有重要的意義。

1 圖像增強(qiáng)處理

圖像增強(qiáng)是根據(jù)特定的需求，實(shí)施一定的運(yùn)算來突出一幅圖像中的部分信息，同時(shí)削弱另一部分不需要的信息的處理方法。從本質(zhì)上來說，圖像增強(qiáng)處理并不能增強(qiáng)原始圖像的信息，只能增強(qiáng)某種信息的辨別能力。醫(yī)學(xué)圖像增強(qiáng)的主要目的是提高圖像的質(zhì)量，增強(qiáng)圖像的可讀性，同時(shí)也使得圖像更適合于醫(yī)學(xué)設(shè)備的識別、重建等系統(tǒng)，以期達(dá)到最好的效果[6-7]。通常情況下，如果拍攝圖像不是灰度圖像，為了更有利于圖像的增強(qiáng)效果與噪聲濾除，將其轉(zhuǎn)換為灰度圖像。

1.1 圖像噪聲濾除

在圖像采集和傳輸?shù)倪^程中，由于采集設(shè)備或外界條件的影響，非常容易引入干擾噪聲，從而使圖像的質(zhì)量有所下降。由于圖像中的信息具有灰度連續(xù)性，因此引入的噪聲一般會以孤立點(diǎn)的形式出現(xiàn)。圖像的噪聲濾除法正是根據(jù)這一特點(diǎn)設(shè)計(jì)實(shí)現(xiàn)的。常用的方法有：均值濾波法、中值濾波法、高斯濾噪法以及多圖像平均法等[6]。每一種濾波技術(shù)對不同類型的噪聲有不同的處理能力，有各自的優(yōu)缺點(diǎn)。一般來說對濾波技術(shù)性能優(yōu)劣的質(zhì)量評價(jià)主要用細(xì)節(jié)和邊緣的保護(hù)、噪聲濾除性能及濾波復(fù)雜性等指標(biāo)來衡量[8]。中值濾波在過濾掉圖像中噪聲的同時(shí)對圖像中的輪廓邊緣信息不產(chǎn)生干擾，且由于在計(jì)算簡單、速度快，因此得到了廣泛的應(yīng)用。

中值濾波是一種非線性濾波，其原理是利用一個(gè)W窗口，通過W在圖像上進(jìn)行全方位掃描，把窗口內(nèi)的所有像素點(diǎn)的灰度值按照大小進(jìn)行排序，在排序中居中的灰度值為當(dāng)前窗口位置的中心灰度，計(jì)算公式為:

通常W窗口內(nèi)的像素點(diǎn)數(shù)目為奇數(shù)，但是如果窗口內(nèi)的像素點(diǎn)數(shù)目為偶數(shù)，則可以取最中間兩個(gè)點(diǎn)的灰度值的平均值。濾波效果如圖1所示。

圖像去噪的方法很多，如：鄰域平均法、加權(quán)平均法、掩膜平滑法等，但大多數(shù)的方法會引起對圖像的模糊，從而使邊緣輪廓特征退化。如圖 1（e）是用平均鄰域法對圖1（b）進(jìn)行噪聲濾除，引起了邊緣輪廓模糊；圖1（f）是用高斯法對圖像進(jìn)行噪聲濾除，也引起了邊緣與表面的模糊。因此，對于不同的圖像，要分析噪聲的類型，選取合適的去噪方法。

圖1 圖像噪聲濾除結(jié)果Fig.1 Results of noise filtering

從圖1中的幾種處理可以看出，中值濾波對椒鹽噪聲有很好的去噪效果，且保持了邊緣輪廓信息，而對脈沖噪聲和高斯噪聲等去噪效果不是很理想。特別注意的是，中值濾波對點(diǎn)、線以及尖頂細(xì)節(jié)多的圖像不適合。平均鄰域法對脈沖噪聲、加權(quán)平均法對椒鹽噪聲的濾除結(jié)果較好，不足的是模糊了邊緣。

1.2 圖像直方圖均衡化

1）圖像直方圖

圖像的直方圖是一種最簡單、最有用的工具之一，從圖像的分析與觀察到形成一個(gè)有效的處理方法，一般都離不開直方圖。直方圖反映了圖像的統(tǒng)計(jì)特性，表達(dá)了圖像中取不同灰度值k的面積或象素?cái)?shù)在整幅圖像中所占的比例。直方圖表示為

其中nk是圖像中第k個(gè)灰度級的像素總數(shù)。對圖1（b）所示的圖像求直方圖，結(jié)果如圖2（a）所示。從圖中可以看出，該圖的灰度值集中到0～50，說明該幅圖灰度值偏暗，對比度不明顯。對于這類型圖像，可以做直方圖均衡化處理，提高圖像的質(zhì)量。

2）直方圖均衡化

直方圖均衡化是通過對原始圖像進(jìn)行某種灰度變換，使原始圖像的灰度直方圖從比較集中的某個(gè)灰度區(qū)間變成在全部灰度范圍內(nèi)的均勻分布，從而提高圖像的對比度，使圖像更加清晰。

設(shè)原始圖像在（x，y）處的灰度為f，而改變后的圖像為g。直方圖均衡化處理中對圖像的映射函數(shù)可定義為:g=EQ（f），函數(shù)EQ（f）必須滿足兩個(gè)條件（其中L為圖像的灰度級數(shù)）:

①EQ（f）在0≤f≤L-1范圍內(nèi)是一個(gè)單值單增函數(shù)。這樣保證增強(qiáng)處理沒有破壞原始圖像的灰度排列次序，原圖各灰度級在變換后仍保持從黑到白（或從白到黑）的排列。

②對于0≤f≤L-1有0≤g≤L-1，保證變換前后灰度值動態(tài)范圍的一致性。

對圖2（a）所示的直方圖進(jìn)行均衡化后，得到了圖2（b）所示的直方圖，對應(yīng)的圖像為圖2（c）。 從結(jié)果可以看出，圖像的對比度增大，比原圖像清晰很多。

1.3 對比度處理

從圖3（c）可以看出，經(jīng)過直方圖均衡化后，圖像的質(zhì)量顯示改善，但也帶來了偽輪廓，將會直接影響圖像的銳化效果。為了進(jìn)一步改善圖像的質(zhì)量，對圖像做分段變換函數(shù)。表達(dá)式如（3）式：

圖2 圖像的直方圖與直方圖均衡化結(jié)果Fig.2 HistogramandhistogramequalizationofFig.1

其中 a，b，c 為常數(shù)，T1、T2為門限值。 做此變換后，使得圖像的高頻成分經(jīng)過對數(shù)變換后越高；低頻成分經(jīng)過指數(shù)變換后越低，突出了圖像的對比度。在本例中，T1，T2分別取187和45，a，b，c通過經(jīng)驗(yàn)值獲取。然后再對圖像做取前景值和背景值處理，使得前景為白色，背景為黑色，結(jié)果如圖2（d）所示。我們可以看出目標(biāo)區(qū)比較突顯，其中雖然有干擾區(qū)，但根據(jù)它們所處的位置和形狀，可進(jìn)一步確定目標(biāo)。

2 結(jié) 論

文中對醫(yī)學(xué)圖像進(jìn)行一系列的增強(qiáng)處理，包括濾噪、直方圖均衡化處理以及對比度擴(kuò)展處理等，從處理結(jié)果可以看出，處理結(jié)果突顯了原圖像中的目標(biāo)區(qū)，有助于醫(yī)生正確臨床診斷，這對某些疾病的確診有極大幫助。同時(shí)，對持續(xù)圖像特征提取以及目標(biāo)分割等工作均具有重要的意義，這也是作者后續(xù)進(jìn)一步研究的內(nèi)容。

[1]江治國，章飛.圖像增強(qiáng)算法在車牌圖像預(yù)處理中的研究與應(yīng)用[J].河南城建學(xué)院學(xué)報(bào)，2012，21（5）:51-54.JIANGZhi-guo.ZHANGFei.Aresearchandapplicationof image enhancementalgorithm in license plate image preprocesslng[J].JournalofHenanUniversityofUrban Construction，2012，21（5）:51-54.

[2]段隆焱，田文，徐漫濤，等.基于非局部信息的醫(yī)學(xué)圖像降噪技術(shù)綜述[J].計(jì)算機(jī)應(yīng)用研究，2013，30（3）:667-672.DUANLong-yan，TIANWen，XUMan-tao，etal.Reviewof medicalimageenhancementtechnologybasednon-local patch[J].ApplicationResearchofComputers，2013，30（3）:667-672.

[3]應(yīng)東杰，李文節(jié).煤礦監(jiān)控圖像增強(qiáng)算法的分析與實(shí)現(xiàn)[J].工礦自動化，2012，35（8）:55-58.YINGDong-jie，LIWen-ji.Analysisofenhancementalgorithms ofcoalminemonitoringimageanditsrealization[J].Industry andMineAutomation，2012，35（8）:55-58.

[4]BuadesA，CollB，MorelJM.Anon-localalgorithmfor imagedenoising[C]//ProcofIEEEInternationalConference onComputerVisionandPatternRecognition.Washington DC:IEEEComputerSociety，2005:60-65.

[5]PortillaJ，StrelaV，WainwrightMJ， etal.Imagedenoising usingascalemixtureofGaussiansinthewaveletdomain［J］.IEEETransonImageProcessing，2003，12（11）:1338-1351.

[6]趙建平.醫(yī)學(xué)圖像處理若干關(guān)鍵問題研究[D].長春：長春理工大學(xué)，2008.

[7]段竹.醫(yī)學(xué)圖像增強(qiáng)算法研究[J].科學(xué)技術(shù)與工程，2009，9（3）:684-686.DUANZhu.Studyonmedicalimageenhancementalgorithms[J].SciencetechnologyandEngineering，2009，9（3）:684-686.

[8]劉勍，溫志賢，楊筱平，等.現(xiàn)代數(shù)字圖像噪聲濾除技術(shù)及其評價(jià)[J].自動化與儀器儀表，2012（2）:146-148.LIUJing， WENZhi-xian，YANGXiao-ping，etal.Modern digitalimagenoisefilteringtechnologyanditsevaluation[J].Automation&Instrumentation，2012（2）:146-148.