医疗X光图像的增强处理技术研究

蔡睿妍，邱少明，姜 伟

（大连大学 信息工程学院, 辽宁 大连 116622）

医疗X光图像的增强处理技术研究

蔡睿妍，邱少明，姜 伟

（大连大学 信息工程学院, 辽宁 大连 116622）

针对X光成像中产生的图像清晰度不高，不利于医疗诊察的问题，提出了空间混合图像增强方法。将拉普拉斯变换和梯度变换相结合，分别增强图像的细节和边缘，同时避免引入新的噪声干扰。实验表明，该方法能够有效地增强X光图像的清晰度，在医疗诊察方面具有重要意义。

X光成像；图像增强；空间混合；拉普拉斯变换；梯度变换

1 引言

现今，X光在医疗中的广泛应用和其出色的表现已充分证明，X光和我们每个人的生活息息相关。它大大提高了医疗检验的速度和准确程度，使我们可以更快更直接地了解身体一些部位的状况。然而由于拍摄图像的技术及水平有限，导致图像细节以及边缘并不十分清晰；或者在图像传送和记录过程中，出现图像退化，图像的可读性变差，不利于医疗诊察。因此，有必要通过图像增强[1]技术来改善图像的视觉效果。

为了改善X光图像的清晰度，增强其对比度，突出拍摄图像的细节及边缘，本文利用MATLAB仿真软件，采用空间混合增强方法对医疗X光图像进行增强处理，提高图像的可读性。

2 基本原理

由于医疗X光图像的灰度变化范围较窄，并伴随很高的噪声，为便于诊断观察，需要对图像的边缘及细节进行增强。目前在图像处理领域对X光图像增强已有许多非常成熟有效的方法，如对数变换、Histogram Equalization[2]、局部直方图均衡化、拉普拉斯算子[3]方法等。由于微分运算实际是求信号的变化率，有加强高频分量的作用，能使图像轮廓变得清晰。而一阶、二阶微分增强处理分别有利于图像的边缘及细节增强，因此，本文将两种增强处理方法相结合，实现X光图像的清晰化处理。为将图像中任意方向伸展的边缘和轮廓变清晰，必须保证对图像的某种导数运算各向同性（旋转不变性）。

2.1 基于二阶微分的图像增强原理

图像增强方法中，拉普拉斯算子是常用的边缘增强算子，拉普拉斯运算是二阶微分运算，也是一种各向同性的线性运算，能够实现图像中任意方向伸展的边缘和轮廓的清晰化。二元图像f( x, y)的拉普拉斯变换定义[4]为：

为了适合数字图像处理，将该式表示为离散形式。考虑到有两个变量，在X方向上对二阶偏微分定义为：

式（4）可以由图1（a）所示的掩模实现。为了增强拉普拉斯变换的效果，将对角线方向加入到离散拉普拉斯变换的定义中，即在式（4）中添入两项（对角线方向各加一项），再从不同方向的项中总共减去8f( x, y)，由图1（b）所示的掩模实现，这种掩模对45°增幅的结果是各向同性的。

图1 拉普拉斯算子掩模

拉普拉斯算子的应用强调图像中灰度的突变及降低灰度缓慢变化的区域，这将产生一幅把图像中的浅灰色边缘和突变点叠加到暗背景中的图像。因为所使用的掩模具有负的中心系数，将原始图像减去经拉普拉斯变换后的图像如式（5），可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。

拉普拉斯变换在图像细节的增强处理方面有明显的优点，式（5）中二者的叠加，将导致相当多的噪声，因此，还需要进行中值滤波滤除噪声。而中值滤波器是一种非线性滤波器，它有可能改变图像的性质，这在医疗X光图像中是不能接受的，因此，本文采用一阶微分的梯度变换进行图像边缘处理，并对其进行均值滤波平滑处理。

2.2 基于一阶微分的图像增强原理

在图像处理中，一阶微分是通过梯度变换实现的。梯度变换在灰度变化区域（灰度斜坡或阶梯）的响应比拉普拉斯变换更强烈，而对噪声和细节的响应要比拉普拉斯变换弱，且可以通过均值滤波器进行平滑处理而进一步降低噪声影响。

图像f( x, y)在位置(x, y)的梯度通过二维列向量定义[4]：

Gx及Gy分别代表经横向及纵向边缘检测的图像。梯度的大小（模值）可由下式计算：

梯度向量的模式也是各向同性的。然而，实际图像处理中，无法获得一个准确的函数进行求导，因此，采用一种替代的方式求导数，即用一个3×3的窗口对图像进行近似求导，如图2所示。当对X方向求导时，某一点的导数为第三行的元素之和减去第一行元素之和，即求得某一点的近似导数。为了突出中心点的作用而达到平滑效果，给第二列加了一个权重，值为2，而第一列和第三列的权重为1，如图3和图4所示，即为Sobel算子。通过X方向和Y方向的导数运算，获得梯度，从而可以找出一幅图中的边缘。Sobel法[5]的基本原理是按式（7）计算图像3×3区域的灰度，将其作为变换后图像f( i, j)的灰度。其中

当对整幅图像进行式（7）的计算时运算量很大，因此在实际操作中，常用绝对值代替平方运算和开方运算，近似求梯度的模值：

在图像中心点使用绝对值和3×3掩模的近似结果为：

图2 图像3×3窗口

图3 梯度掩膜Sobel算子1

图4 梯度掩膜Sobel算子2

使用Sobel算子不像普通梯度算子那样使用两个像素的差值，这就产生了以下两个优点。

（1）由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用。

（2）由于它是相隔两行或两列差分，故边缘两侧元素得到了增强，边缘显得粗而亮。

物体的边缘总是以强度突变形式出现的，原图经过Sobel梯度变换后（此时Sobel图像的边缘要比拉普拉斯图像的边缘突出很多），再经过5×5的均值滤波器进行平滑处理，将进一步降低图像噪声。

3 空间混合增强方法

由于一阶、二阶微分处理能够分别增强图像的边缘和细节，且一阶微分处理引入的噪声可以通过均值滤波器进行处理，因此，本文引入了空间混合增强方法，即图像增强处理中采用一阶、二阶两种微分增强方法（Sobel变换和拉普拉斯变换），算法流程如图5所示。

图5 空间混合增强算法流程

空间混合增强方法中，原始图像通过乘积运算保留两种增强处理方法的优点，即图像的边缘和细节部分均比原图像具有更好的可读性，并且，一阶微分采用5×5的均值滤波平滑处理后，能够明显降低图像噪声，因此，二者相乘并不会增强系统的噪声。将两种变换乘积的图像与原图像相加，锐化图像，提升诊察效果。

4 仿真实验

实验中对人体骨骼的X光图像进行了增强处理。原始图像如图6所示。图中，原始图像骨骼的边缘和细节并不突出，因此，采用拉普拉斯变换增强其细节，并与原图像相减进行锐化处理，结果如图7所示。可见，图中细节较原图像增加，但骨骼边缘与原图相比变化不明显，同时也增加了噪声。而图8是进行梯度变换并经过5×5均值滤波的结果，图中人体骨骼边缘清晰可见，但细节效果并不理想。图7与图8乘积后与原图像相加的锐化图像如图9所示，可见，将平滑后的梯度图像掩蔽拉普拉斯变换图像不但突出了边缘而且使可见的噪声大大地减少，肋骨、脊椎骨、骨盆以及颅骨乘的操作扩大了锐化图像的灰度动态范围，并且图中出现了许多重要的细节，特别是手腕、手掌、脚踝和脚掌等区域。

图6 全身骨骼扫描图像

图7 拉普拉斯变换锐化图像

图8 5×5的均值滤波平滑后的Sobel图像

图9 增强处理后的图像

5 结论

针对X光医疗图像的退化问题，本文采用了空间混合增强处理方法，首先用二阶微分变换突出图像的细节，然后用一阶微分变换突出其边缘，接着用平滑过的梯度图像掩蔽拉普拉斯图像，再经过滤波得到锐化图像。通过该有效的混合图像增强算法，实现X光医疗图像的增强处理，有助于医疗诊断。

[1] GONZALEZ R C, WOODS R E. Digital Image Processing [M]. Massachusetts: Publishing House, 2007.

[2] FAYADLM, JIN YINPENG, LA INE A F, et al. Chest CT window settings with multiscale adaptive histogram equalization pilot study [EB/OL]. [2009-04-22]. http: //hbil. bme.columbia.edu/wp-content/themes/HBIL_MJP/publicati ons/164.pdf.

[3] PALAN ISWAMIM, NGUYEN T O, OXBROWR. An efficient filter structure for edge detection [EB /OL]. [2009-04-22]. http://videoprocessing.ucsd.edu/publications/Year_ 1988 /File3.pdf.

[4] 金晟业, 陈圣波, 金丽华, 等. 遥感图像边缘提取微分方法及其应用[J]. 遥感技术与应用, 2008, 23(6): 729-733.

[5] 庄玉霞. 基于偏微分方程的医学图像增强系统[D].山东大学, 2008.

Research on Enhancement Processing Technology of Medical X-ray Image

CAIRui-yan, QIU Shao-ming, JIANG Wei

(College of Information Engineering, Dalian University, Dalian 116622, China)

According to the fact that the X-ray image definition is not high and goes against the medical examination, the method of space mixing image enhancement is proposed, which combines Laplace transform and gradient transform, enhances the image edges and details and avoids introducing new noise. The experimental results show that, this method can effectively enhance the definition of the X-ray image and has important significance in the medical field.

X-ray imaging; image enhancement; space mixing; Laplace transform; gradient transform

TP391.41

A

1008-2395(2012)03-0017-04

2012-04-09

蔡睿妍（1979-），女，讲师，研究方向：图像处理、通信与网络。