图像滤波技术在B型超声诊断仪中的应用研究

谢 晴

图像滤波技术在B型超声诊断仪中的应用研究

谢 晴①

目的：依据医学超声图像固有特点，对B型超声医学图像滤波技术进行研究，以达到大幅度提高图像质量的目的。方法：通过Matlab等工具实现B型超声诊断仪图像的均值滤波、中值滤波、自适应中值滤波、小波变换以及各向异性扩散方程滤波。结果：对常见的B型超声诊断仪滤波算法进行了比较与研究。结论：所有的滤波方法对图像信号均有一定程度的增强，对噪声亦有抑制。均方误差反映了滤波图像在抑制噪声的同时，对细节的保持情况和超声医学图像两者之间达到一个最佳的平衡。

噪声；均值滤波；中值滤波；自适应中值滤波；小波变换；各向扩散方程滤波

超声成像的固有特点导致超声图像对比度较差、噪声污染严重以及图像中组织特性参数的特征不明显。为此，对B型超声诊断仪图像产生干扰与噪声的现象做进一步研究，探讨如何对超声图像滤波处理及保留与增强图像边缘和细节特征，对于准确进行边缘检测、图像识别、分割与定位以及诊断器官是否病变等均具有重要的意义[1]。对B型超声医学图像滤波技术的研究，可使其图像质量大幅度提高[2]。

1 常见的B型超声诊断仪图像滤波方法

1.1 均值滤波

B型超声诊断仪图像的均值滤波实际是一种局部空间域处理的算法，是用B型超声诊断仪图像中数个像素灰度的平均值来取代每个像素的灰度值[3]。具体思路是对B型超声诊断仪图像中的每一个点f(x,y)，以该点f(x,y)为中心，选择原动态范围的一个局部窗口范围作为矩形窗口W(x,y)，然后对窗口内的每一点赋予一定的权值，最终的输出g(x,y)为窗口内的各点的加权平均，即公式1：

根据提取的矩形窗口内的信息确定一个新值g(x,y)来取代原值，以使其符合某种预定义的规则。

1.2 中值滤波

B型超声诊断仪图像的中值滤波需要先读入超声图像数据，将超声图像中的像素窗口内的所有像素点，按照灰度值进行排序，去除排序后所有灰度的中值，将其作为滤波后图像输出的灰度值[4]。当窗口在图像中平移时便可通过中值滤波算法对图像中的每个像素点进行处理。

中值滤波的主要功能是将周围像素值差异较大的值改为与周围像素值接近的值，从而可以消除特殊的噪声点。若滤波窗口选择不当则会丢掉一些细节信息。

1.3 自适应中值滤波

自适应中值滤波保留了原有中值滤波的优点，同时这种算法具有自适应性，与上述均值滤波和中值滤波方法相比有着极大的提高[5]。在B型超声诊断仪医学图像中不同区域内图像性质不同，其叠加的噪声幅度也不同，因此可根据图像的局部统计特性来自动选择或修改相应的滤波窗口尺寸，即得到在B型超声诊断仪图像中常用的自适应中值滤波。本研究采取的自适应中值滤波方法具体流程思维如图1所示。图中Sxy为矩形窗口，像素是(x,y)，Zmin是在Sxy窗口内的最小值，Zmax为其最大值，Zmed为其中值，Smax为其所允许的最大值。为了实现自适应中值滤波，将此次滤波算法分为两层。第一层A为公式2、公式3：

图1 B型超声诊断仪图像的自适应中值滤波流程图

在A1＞0且A2＜0时，则进入了第二层B，否则Sxy这个矩形窗口增大；如果Sxy=Smax，则重复执行第一层A，否则Zxy为输出。

第二层B为公式4、公式5:

同第一层类似，如果B1＞0且B2＜0，则Zxy为输出，否则Zmed为输出。

1.4 小波变换

小波变换是近年来较为热门的一种滤波方法，该方法可将含有噪声的信号进行小波分解，将大尺度低分辨率下的全部小波系数进行保留；而如果各尺度的小波系数处于高分辨力的情况下，可设定一个阈值，小波系数为0时，幅值低于该阈值；对于高于该阈值的小波系数，采取完整保留或者做相应的收缩处理；再通过利用逆小波变换对处理后的小波系数进行重构，滤除噪声，恢复图像中有用的信号[6]。

利用小波变换来去除医学超声图像噪声，小波阈值的选取非常重要，如果阈值太小则不能达到去除噪声的目的，如果阈值太大则会丢失大量的有用信息，因此选则更好的阈值是本研究的关键[7]。

根据阈值函数的选取，可看出对超过和低于阈值的小波系数的处理策略，目前小波变换法中常用的是软阈值函数[8]。

本研究采取的具体流程如图2所示。

图2 小波变换流程图

1.5 基于各向异性扩散方程的滤波

各向异性扩散方程滤波算法是基于Perona和Malik提出的各向异性扩散方程的一种去除噪声的方法，其为求解初始值为输入图像的非线性热扩散方程，在扩散方程中通过引入图像特征，设计合适的扩散系数来控制扩散方程的扩散行为，使得在平滑图像的同时能够保留甚至增强图像的特征信息，由于其新颖的思想和良好的效果，已成为图像处理领域的应用工具，且为图像处理的热点[9-10]。

本研究采取的扩散方程滤波方法具体流程如图3所示。

图3 各向异性扩散方程流程图

2 B型超声诊断仪常见滤波方法试验结果与评价

(1)主观评价法。让不同观察者根据观察效果对处理后的图像进行打分和加权平均[11]。对超声肾脏图像进行滤波处理的实验结果如图4(a、b、c)所示。

表1 各种滤波效果的客观评价值

图4 各种滤波方法实际结果比较影像图

(2)客观评价法。将图像处理后的数字特征与原图像的特征进行计算，是目前图像质量评价的一个常用衡量方法。如峰值信噪比、均方误差等[12]。

本研究在主观评价法基础上，依据均方误差、峰值信噪比测度及信噪比测度等进行评价。假设X为原图像，为滤波后的图像(公式6、公式7、公式8)：

①均方误差(MSE)[13]

利用客观评价法中的上述3个标准对滤波方法进行评价，具体结果见表1。

原则上均值滤波方法误差值越小、信噪比测度和峰值信噪比测度越大，去除噪声效果越好[14]。表1显示，所有的滤波方法对图像信号均有一定程度的增强，对噪声有抑制。

3 结语

对于B型超声诊断仪图像滤波方法的研究与其自身的发展，需要在原有的理论基础上进行算法改进，进行算法优化组合，同时可从新兴的理论中寻求新的解决方法。

[1]刘春明,张相芬,陈武凡.基于小波的医学超声图像斑点噪声抑制方法[J].中国医学物理学杂志,2006(5):364-367.

[2]李德来,舒贞权.医学超声成像前沿技术述评[J].中国医疗器械信息,2011,17(6):19-22.

[3]刘芬,孙丰荣,耿俊卿,等.一种基于各向异性扩散方程的医学超声图像降噪方法[J].山东大学学报(工学版),2009(5):41-45.

[4]张琼,沈民奋,方若宇.基于变分法的超声图像斑点噪声自适应滤波算法[J].北京生物医学工程,2011, 30(3):253-258.

[5]张彬,郑永果,马芳,等.基于小波变换的多模态医学图像融合算法[J].重庆医学,2011,40(7):652-654.

[6]王耀南,李树涛,毛建旭.计算机图像处理与识别技术[M].北京:高等教育出版社,2001:91-96.

[7]彭韵,李德玉,林江莉,等.基于各向异性扩散的超声医学图像滤波方法[J].航天医学与医学工程,2005, 18(2):135-139.

[8]马荣飞.基于偏微分方程的医学超声图像降噪研究[J].计算机仿真,2010(2):231-235.

[9]哈章,朱磊,李传富,等.医学超声图像三域滤波去噪算法[J].中国医疗器械杂志,2008,32(5):323-327.

[10]李俊盛,刘宗田.基于异性扩散-中值滤波的超声医学图像去噪方法[J].计算机应用与软件,2009(1):82-83.

[11]侯惠亮,李国侠,庞浩.小波变换在微弱生命信号处理中的应用[J].中国医疗设备,2011,26(1):70-72.

[12]张贤达.现代信号处理[M].2版.北京:清华大学出版社,2002:21-253.

[13]刘春明,张相芬,陈武凡.基于小波的医学超声图像斑点噪声抑制方法[J].中国医学物理学杂志,2006, 23(5):364-367.

[14]严朝福,李德玉,林江莉,等.超声医学图像非线性滤波算法研究进展[J].生物医学工程学杂志,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

谢晴,女,(1985- ),硕士，讲师。徐州医药高等职业学校，研究方向，图像处理。

2013-12-23

①徐州医药高等职业学校 江苏 徐州 221116

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