医学图像模糊增强方法研究

李登辉

摘 要： 针对传统医学图像增强效果不理想、边界模糊不清、不利于病情诊断等问题，提出了一种改进的医学图像增强算法。首先创建一个适合的隶属度函数实现图像由时域到变换域的变换，通过迭代方法加强变换域的细节成分，最后通过模糊逆变换得到增强后的时域图像。采用的适合隶属度函数，增强了图像效果，使图像细节更清晰。实验表明，采用模糊方法比传统的几种方法可以更有效抑制噪声，提取医学图像中的有用信息，更加有利于病情的诊断。

关键词： 图像增强； 模糊集； 隶属度函数； 模糊逆变换

中图分类号： TN919?34； TP391 文献标识码： A 文章编号： 1004?373X（2014）12?0067?03

Abstract： According to the shortcomings of traditional algorithm used to medical images， such as undesirable enhancement effect， unclear fuzzy boundary and disbenefit to diagnosis， an improved medical image fuzzy?enhancement algorithm is proposed. An appropriate subordinating degree function is created to achieve the image transform from time domain to transform domain. The nonlinear iterative method is used to enhance the detail composition in the transform domain. The enhanced time?domain image is obtained through the fuzzy inverse transform. The appropriate subordinating degree function can enhance image effect and make the image detail more clear. Experimental results show that the fuzzy enhancement method can suppress noise more effectively， extract more useful information in medical images and is more beneficial to diagnosis in comparison with traditional methods.

Keyword： image enhancement； fuzzy set； subordinating degree function； fuzzy inverse transform

图像质量增强是图像处理过程中不可缺少的步骤之一，对于后续图像应用重要。图像增强的方法和手段，可以从时域、变换域等分别进行处理。在变换域中由于可以实现一些比如傅里叶变换、沃尔什、哈达玛及DCT等的正交变换，可以获得更为有效的处理效果[1?2]。

在医学的骨科领域进行病情诊断时，往往会借助仪器对病人的骨骼拍摄一些X光影像。有时由于设备精度原因，往往会产生所拍摄的影像图片部分边界模糊，不利于病情诊断。如果此时能够对所拍摄影像图像进行有选择性的区域图像增强，会帮助医生快速准确诊断[3]。本文是采用基于变换域方法对图像进行增强处理的。首先利用模糊集理论构造隶属度函数实现图像时域到变换域的变换。在变换域中，根据对有效成分的分析，通过迭代方法消除噪声，增强边界和细节成分，最后通过模糊逆变换再映射到时域，得到清楚的图像影像。

1 增强方法

图像处理前，会对时域图像进行一些必要的预处理，即对图像进行降噪，消除干扰[4]。

1.1 消除噪声

在图像由时域到变换域变换

图3 拉普拉斯处理后的效果

对于增强结果分别从主观和客观角度进行评价。主观方面，从图5中可以看出，其边界和细节部分非常清楚。客观方面，采用均方误差（MSE）和峰值信噪比（PSNR）进行对比，如表1所示[8]。

从表中实验数据可知，采用模糊算子方法比传统方法在医学图像的增强方面，均方误差明显减小，而峰值信噪比有所提高。因此，基于模糊集的增强算法更好的处理了医学图像的边缘细节问题，肌肉和骨骼的分界非常清晰。

3 结 论

本文所采用的基于模糊集的图像增强算法，利用隶属度函数实现图像的变换域转换，通过修正隶属度函数进一步增强图像边缘和细节成分，最后通过逆变换重新回到时域空间，得到增强后的高质量图像。

通过实验仿真效果的对比，利用模糊集理论的隶属度函数可以更清楚地体现医学图像的边缘和细节，有利于医生的正确诊断。该模糊算法也有一些不足之处：如隶属函数值的取值范围不是严格的[0，1]区间，需要对隶属函数进一步改进；再如模糊增强算子中系数的选择，S函数中的[m，n]参数等，这将也要根据经验选取，这些是下一步工作的重点。

参考文献

[1] 韩得水，王明泉.基于同态滤波与直方图均衡化的射线图像增强图[J].电视技术，2013，37（7）：20?22.

[2] 龚昌来，罗聪，杨冬涛.一种改进的正弦灰度图像增强算法[J].电视技术，2012，36（13）：60?62.

[3] 饶谦，田丰.X光机数字图像增强器的关键技术研究[J].电视技术，2012，36（13）：52?54.

[4] 王杰，毛玉泉，李思佳.雾天红外图像增强方法研究[J].电视技术，2012，36（21）：149?152.

[5] PAL S K， KING R A. On edge detection of X?ray images using fuzzy sets [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1983， 5（1）： 69?77.

[6] ZHANG Xiao?guang， GAO Ding. Generalized fuzzy enhancement of image for radiographic testing weld [C]// Proceedings of the 4th International Symposium on Image and Signal Processing and Analysis. [S.l.]： ISISPA， 2005： 94?99.

[7] ZHANG Kun?hua， ZHANG Li， YANG Yuan. Infrared image adaptive enhancement based on fuzzy sets theory [C]// Proceedings of 2nd International Asia Conference on Informatics in Control， Automation and Robotics. Wuhan， China： IEEE， 2010： 242?245.

[8] TANG Shi?wei， ZU Guo?feng， NIE Ming?ming. An improved image enhancement algorithm based on fuzzy sets [C]// Proceedings of 2010 International Forum on Information Technology and Applications. Kunming， China： IEEE， 2010： 197?199.

摘 要： 针对传统医学图像增强效果不理想、边界模糊不清、不利于病情诊断等问题，提出了一种改进的医学图像增强算法。首先创建一个适合的隶属度函数实现图像由时域到变换域的变换，通过迭代方法加强变换域的细节成分，最后通过模糊逆变换得到增强后的时域图像。采用的适合隶属度函数，增强了图像效果，使图像细节更清晰。实验表明，采用模糊方法比传统的几种方法可以更有效抑制噪声，提取医学图像中的有用信息，更加有利于病情的诊断。

关键词： 图像增强； 模糊集； 隶属度函数； 模糊逆变换

中图分类号： TN919?34； TP391 文献标识码： A 文章编号： 1004?373X（2014）12?0067?03

Abstract： According to the shortcomings of traditional algorithm used to medical images， such as undesirable enhancement effect， unclear fuzzy boundary and disbenefit to diagnosis， an improved medical image fuzzy?enhancement algorithm is proposed. An appropriate subordinating degree function is created to achieve the image transform from time domain to transform domain. The nonlinear iterative method is used to enhance the detail composition in the transform domain. The enhanced time?domain image is obtained through the fuzzy inverse transform. The appropriate subordinating degree function can enhance image effect and make the image detail more clear. Experimental results show that the fuzzy enhancement method can suppress noise more effectively， extract more useful information in medical images and is more beneficial to diagnosis in comparison with traditional methods.

Keyword： image enhancement； fuzzy set； subordinating degree function； fuzzy inverse transform

图像质量增强是图像处理过程中不可缺少的步骤之一，对于后续图像应用重要。图像增强的方法和手段，可以从时域、变换域等分别进行处理。在变换域中由于可以实现一些比如傅里叶变换、沃尔什、哈达玛及DCT等的正交变换，可以获得更为有效的处理效果[1?2]。

在医学的骨科领域进行病情诊断时，往往会借助仪器对病人的骨骼拍摄一些X光影像。有时由于设备精度原因，往往会产生所拍摄的影像图片部分边界模糊，不利于病情诊断。如果此时能够对所拍摄影像图像进行有选择性的区域图像增强，会帮助医生快速准确诊断[3]。本文是采用基于变换域方法对图像进行增强处理的。首先利用模糊集理论构造隶属度函数实现图像时域到变换域的变换。在变换域中，根据对有效成分的分析，通过迭代方法消除噪声，增强边界和细节成分，最后通过模糊逆变换再映射到时域，得到清楚的图像影像。

1 增强方法

图像处理前，会对时域图像进行一些必要的预处理，即对图像进行降噪，消除干扰[4]。

1.1 消除噪声

在图像由时域到变换域变换

图3 拉普拉斯处理后的效果

对于增强结果分别从主观和客观角度进行评价。主观方面，从图5中可以看出，其边界和细节部分非常清楚。客观方面，采用均方误差（MSE）和峰值信噪比（PSNR）进行对比，如表1所示[8]。

从表中实验数据可知，采用模糊算子方法比传统方法在医学图像的增强方面，均方误差明显减小，而峰值信噪比有所提高。因此，基于模糊集的增强算法更好的处理了医学图像的边缘细节问题，肌肉和骨骼的分界非常清晰。

3 结 论

本文所采用的基于模糊集的图像增强算法，利用隶属度函数实现图像的变换域转换，通过修正隶属度函数进一步增强图像边缘和细节成分，最后通过逆变换重新回到时域空间，得到增强后的高质量图像。

通过实验仿真效果的对比，利用模糊集理论的隶属度函数可以更清楚地体现医学图像的边缘和细节，有利于医生的正确诊断。该模糊算法也有一些不足之处：如隶属函数值的取值范围不是严格的[0，1]区间，需要对隶属函数进一步改进；再如模糊增强算子中系数的选择，S函数中的[m，n]参数等，这将也要根据经验选取，这些是下一步工作的重点。

参考文献

[1] 韩得水，王明泉.基于同态滤波与直方图均衡化的射线图像增强图[J].电视技术，2013，37（7）：20?22.

[2] 龚昌来，罗聪，杨冬涛.一种改进的正弦灰度图像增强算法[J].电视技术，2012，36（13）：60?62.

[3] 饶谦，田丰.X光机数字图像增强器的关键技术研究[J].电视技术，2012，36（13）：52?54.

[4] 王杰，毛玉泉，李思佳.雾天红外图像增强方法研究[J].电视技术，2012，36（21）：149?152.

[5] PAL S K， KING R A. On edge detection of X?ray images using fuzzy sets [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1983， 5（1）： 69?77.

[6] ZHANG Xiao?guang， GAO Ding. Generalized fuzzy enhancement of image for radiographic testing weld [C]// Proceedings of the 4th International Symposium on Image and Signal Processing and Analysis. [S.l.]： ISISPA， 2005： 94?99.

[7] ZHANG Kun?hua， ZHANG Li， YANG Yuan. Infrared image adaptive enhancement based on fuzzy sets theory [C]// Proceedings of 2nd International Asia Conference on Informatics in Control， Automation and Robotics. Wuhan， China： IEEE， 2010： 242?245.

[8] TANG Shi?wei， ZU Guo?feng， NIE Ming?ming. An improved image enhancement algorithm based on fuzzy sets [C]// Proceedings of 2010 International Forum on Information Technology and Applications. Kunming， China： IEEE， 2010： 197?199.

摘 要： 针对传统医学图像增强效果不理想、边界模糊不清、不利于病情诊断等问题，提出了一种改进的医学图像增强算法。首先创建一个适合的隶属度函数实现图像由时域到变换域的变换，通过迭代方法加强变换域的细节成分，最后通过模糊逆变换得到增强后的时域图像。采用的适合隶属度函数，增强了图像效果，使图像细节更清晰。实验表明，采用模糊方法比传统的几种方法可以更有效抑制噪声，提取医学图像中的有用信息，更加有利于病情的诊断。

关键词： 图像增强； 模糊集； 隶属度函数； 模糊逆变换

中图分类号： TN919?34； TP391 文献标识码： A 文章编号： 1004?373X（2014）12?0067?03

Abstract： According to the shortcomings of traditional algorithm used to medical images， such as undesirable enhancement effect， unclear fuzzy boundary and disbenefit to diagnosis， an improved medical image fuzzy?enhancement algorithm is proposed. An appropriate subordinating degree function is created to achieve the image transform from time domain to transform domain. The nonlinear iterative method is used to enhance the detail composition in the transform domain. The enhanced time?domain image is obtained through the fuzzy inverse transform. The appropriate subordinating degree function can enhance image effect and make the image detail more clear. Experimental results show that the fuzzy enhancement method can suppress noise more effectively， extract more useful information in medical images and is more beneficial to diagnosis in comparison with traditional methods.

Keyword： image enhancement； fuzzy set； subordinating degree function； fuzzy inverse transform

图像质量增强是图像处理过程中不可缺少的步骤之一，对于后续图像应用重要。图像增强的方法和手段，可以从时域、变换域等分别进行处理。在变换域中由于可以实现一些比如傅里叶变换、沃尔什、哈达玛及DCT等的正交变换，可以获得更为有效的处理效果[1?2]。

在医学的骨科领域进行病情诊断时，往往会借助仪器对病人的骨骼拍摄一些X光影像。有时由于设备精度原因，往往会产生所拍摄的影像图片部分边界模糊，不利于病情诊断。如果此时能够对所拍摄影像图像进行有选择性的区域图像增强，会帮助医生快速准确诊断[3]。本文是采用基于变换域方法对图像进行增强处理的。首先利用模糊集理论构造隶属度函数实现图像时域到变换域的变换。在变换域中，根据对有效成分的分析，通过迭代方法消除噪声，增强边界和细节成分，最后通过模糊逆变换再映射到时域，得到清楚的图像影像。

1 增强方法

图像处理前，会对时域图像进行一些必要的预处理，即对图像进行降噪，消除干扰[4]。

1.1 消除噪声

在图像由时域到变换域变换

图3 拉普拉斯处理后的效果

对于增强结果分别从主观和客观角度进行评价。主观方面，从图5中可以看出，其边界和细节部分非常清楚。客观方面，采用均方误差（MSE）和峰值信噪比（PSNR）进行对比，如表1所示[8]。

从表中实验数据可知，采用模糊算子方法比传统方法在医学图像的增强方面，均方误差明显减小，而峰值信噪比有所提高。因此，基于模糊集的增强算法更好的处理了医学图像的边缘细节问题，肌肉和骨骼的分界非常清晰。

3 结 论

本文所采用的基于模糊集的图像增强算法，利用隶属度函数实现图像的变换域转换，通过修正隶属度函数进一步增强图像边缘和细节成分，最后通过逆变换重新回到时域空间，得到增强后的高质量图像。

通过实验仿真效果的对比，利用模糊集理论的隶属度函数可以更清楚地体现医学图像的边缘和细节，有利于医生的正确诊断。该模糊算法也有一些不足之处：如隶属函数值的取值范围不是严格的[0，1]区间，需要对隶属函数进一步改进；再如模糊增强算子中系数的选择，S函数中的[m，n]参数等，这将也要根据经验选取，这些是下一步工作的重点。

参考文献

[1] 韩得水，王明泉.基于同态滤波与直方图均衡化的射线图像增强图[J].电视技术，2013，37（7）：20?22.

[2] 龚昌来，罗聪，杨冬涛.一种改进的正弦灰度图像增强算法[J].电视技术，2012，36（13）：60?62.

[3] 饶谦，田丰.X光机数字图像增强器的关键技术研究[J].电视技术，2012，36（13）：52?54.

[4] 王杰，毛玉泉，李思佳.雾天红外图像增强方法研究[J].电视技术，2012，36（21）：149?152.

[5] PAL S K， KING R A. On edge detection of X?ray images using fuzzy sets [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1983， 5（1）： 69?77.

[6] ZHANG Xiao?guang， GAO Ding. Generalized fuzzy enhancement of image for radiographic testing weld [C]// Proceedings of the 4th International Symposium on Image and Signal Processing and Analysis. [S.l.]： ISISPA， 2005： 94?99.

[7] ZHANG Kun?hua， ZHANG Li， YANG Yuan. Infrared image adaptive enhancement based on fuzzy sets theory [C]// Proceedings of 2nd International Asia Conference on Informatics in Control， Automation and Robotics. Wuhan， China： IEEE， 2010： 242?245.

[8] TANG Shi?wei， ZU Guo?feng， NIE Ming?ming. An improved image enhancement algorithm based on fuzzy sets [C]// Proceedings of 2010 International Forum on Information Technology and Applications. Kunming， China： IEEE， 2010： 197?199.