医学图像分割系统设计

寇毛蕊，杨新国

(1.广西大学公共管理学院，广西南宁 530004；2.广西大学马克思主义学院，广西南宁 530004)

1 研究目的及意义

随着数字图像技术发展的日趋成熟，在医疗卫生领域中计算机图像辅助诊断技术已成为临床治疗中的重要依据。本研究基于Matlab软件平台设计一个医学图像分割系统，系统可根据图像实际情况进行平滑降噪、亮度调节等预处理操作，然后选择不同分割方法将图像分割成不同区域，以此对图像进行分析诊断。利用图像分割方法对图像进行处理的目的是为了更好地提取出所需区域的特征，使处理后的图像便于后期的分析和理解[1]。

在实际生活中，图像分割技术广泛应用于在线产品检验、文档图像处理、卫星遥感、气象和生物医学图像分析等方面，并取得了显著的社会效益和经济效益。图像分割是提取医学图像特征的主要手段。而医学影像技术的发展使得图像分割发挥着更为重要的作用。本研究基于Matlab软件的平台，集成在便于用户使用的交互式环境之中，使用Matlab所提供的用户界面(GUI)以及图像处理工具箱，进行简单的设计，进而得到直观的显示。通过本系统中的分割方法对图像进行一些简单的分割，以便于医学诊断和治疗。

2 研究背景及国内外研究现状

图像处理在自身发展的同时也广泛地应用于生活和工作的各个领域之中，其中，纸币识别、车牌识别、指纹识别等技术已经被大家所熟悉。而识别技术的基础就是图像分割，其作用是把图像特征或特性提取分离出来，并进一步形成数字特征。图像分割已经广泛应用于社会生活中，在图像识别的各种应用系统中占重要地位。

随着图像处理技术的发展，图像的分割算法变得越来越多样化与灵活化，但是在分割算法研究中，暂时还未出现一种可适用于所有图像的分割算法。对图像的分割在强调部分区域的同时，往往会丢失掉部分边缘信息。本文在已有理论研究成果的基础上，针对不同的提取方式，从中选取了四种方法对图像进行分析，综合了几种不同方法的优缺点，基本实现图像分割处理的完整功能。

3 图像处理算法

图像信息具有直观、形象、易懂和信息量大等特点，是人类获取信息、表达信息和传递信息的重要途径。

对数字图像信息进行处理(Digital Image Processing)的技术起源于20世纪20年代。数字图像处理技术不仅在理论上有更深的发展，在应用上也是社会生产活动中不可缺少的强有力工具。几何处理、图像增强、图像复原以及图像分割等都是图像处理的研究范畴，本文针对图像分割展开详细阐述。

3.1 图像预处理

图像预处理是图像处理分析的关键一步，在图像处理中具有重要作用。当图像存在噪声需要进行降噪时，一般需要先对图像进行相应处理，如平滑处理，所用到的平滑滤波器一般有线性平滑滤波器和中值滤波器[2]。对图像进行平滑降噪后，图像会变得模糊不清，因为图像的信号一般分布在低中频，而图像的细节分布在高频，所以平滑后会使图像的部分细节变模糊。锐化的目的是为了解决这个问题，来增强图像的边缘部分，以便对图像进行进一步的识别和处理，锐化处理是与平滑处理相反的一类处理方法，一般可将图像锐化分为线性和非线性[3]。

3.2 图像分割算法

图像分割可以提取图像的特征，对于图像来说，有些特性是可以直观感觉到的，而有些特征则需要测量变换才能得到，如做直方图处理。对这些图像特征的检测，离不开图像分割技术。边缘检测法、阈值分割法、区域生长法和基于分水岭算法是四种经典的分割方法。

3.2.1 边缘检测法

图像边缘对于图像的识别来说十分有用，因为在进行图像分析时，先对图像进行边缘检测，边缘可以描述出图像的大致信息，使用户能够一目了然地了解图像信息。从根本上来看，图像边缘其实就是图像灰度值不连续突变的反映，可以将其看作两个部分的分界线。现有的检测方法正是针对此特点，对图像进行一阶或二阶微分来确定边缘信息[4]。

3.2.2 阈值分割法

阈值分割法是一种比较常用的图像分割方法。所要分割的对象与背景的灰度值差较大时，分割的效果较好。阈值分割算法步骤简单，运算速度快，可认为是对图像进行特征提取的预处理过程。该算法可将图像分割为若干部分，将比规定阈值大的像素放置一个区域，作为目标，将小于规定阈值的像素作为背景，分割后的图像为黑白两部分，即图像二值化。

3.2.3 区域生长法

区域生长法分割图像是指从已知的种子点开始，通过所选定的相似性准则，与它周围邻域像素形成一个区域[5]。所选用的准则可以是灰度差或其它特性，从所选定的种子像素开始，向其周围各个方向生长，将满足该准则的像素都合并在一个小区域，然后以所合并的新像素点作为起点，继续向各个方向生长，重复上述过程，直到没有符合的像素点为止。

3.2.4 分水岭分割法

分水岭算法的基本思路是将图像看作地理学上的拓扑地形，如果将图像中每个像素点的灰度值看作对应的地理海拔，则灰度值较小的像素集合所形成的区域为盆地，较高的像素为海拔较高的山峰，那些海拔较低的盆地的边缘就形成了分割线。将灰度映射到三维空间，如图1所示[6]。以Vincent和Soille所提的浸没法来模拟分水岭分割算法，即海拔低的盆地低处先被浸没，当水位上升到山体高处时，各盆地区域的水面开始汇聚，在它们汇聚的边缘地方构造出堤坝，这些堤坝对应于图像的分割线，可以将图像划分为不同的部分。

图1 将灰度图像映射到三维空间

图2 系统模块图

4 系统概要设计

4.1 系统功能设计

图3 系统流程图

医学图像分割系统如图2所示，由操作模块、图像预处理、图像编辑、分割方法选择模块以及显示模块组成。其中，操作模块实现系统最基本的功能，该模块包括读入图像、系统退出、重置与灰度转化等诸多功能，如重置功能可实现对图像处理的取消。图像预处理包含了灰度变换[7]、灰度倒置、直方图均衡化、图像平滑与图像锐化等诸多功能，可以对读入的图像进行各种前期处理。图像平滑与图像锐化则都分为空域处理与频域处理两种方式。图像编辑包括了许多图像的常用处理，例如图像二值化、亮度调节、对比度调节、对原始图像加各种噪声、一些简单的几何变换、图像剪切和形态学处理等。分割方法选择则对应于边缘检测法、阈值分割法、区域生长法和分水岭分割方法，当选择一种方法时，另外三种方法将会被锁定。最后的显示模块则用于显示图像以及对应的直方图，包括对原始图像的显示、对图像预处理或编辑后的图像显示、对分割后的图像显示，另外还能够实现原始图处理后、分割后的图像的直方图的相应显示。最后对处理过后和分割过后的图像进行保存。

4.2 系统算法设计

图像分割的算法是本次研究的主要对象，该分割系统最基本、最主要的功能是通过选择不同的方法实现对图像的分割。下面以流程图(图3)的形式概要介绍此系统的基本流程。

首先读入一个图像，根据该图像的实际情况判断是否需要对其进行预处理，例如图片是否含有噪声，亮度是否较暗等。若图像较理想，可直接进行其它常用处理或直接选择分割方法进行图像分割。若图像含有噪声，则可先对其进行图像平滑处理，选择不同的掩膜值进行滤波，消除一定的噪声。如果图像的边缘被部分滤除掉，则可在图像平滑后进行图像锐化，以此增强图像的锐度。图像编辑是指对图像进行一些常用的处理，做简单的几何变换，如剪切、旋转等。若不需要对图像进行编辑，则可以直接进行分割方法选择，对图像进行分割处理，然后保存图像并退出系统。

5 系统测试

5.1 系统实现

系统的运行界面如图4所示，如上述所说明的功能模块，整个界面上只显示了按键部分、显示区域和分割方法区域。图像预处理与图像编辑的各项处理都放置到菜单一栏，当需要进行这些操作时，相应的功能面板会显示在左下角处。图5为对读入的图像进行了灰度倒置，界面右上侧为处理前以及处理后的直方图，由此可以清晰地看到图像的灰度变化情况。

图4 系统运行界面图

图5 灰度变换操作

其它功能同样可以实现，在分别对原始图像进行直方图均衡化、图像二值化后，整个图像的灰度级变换为黑白两部分，操作处理后的结果如图6所示。

图6 操作运行结果

对图像进行一些简单的几何变换有时也显得格外重要，例如旋转、翻转以及缩放等。以下对图像进行了左右翻转、图像剪切以及图像放缩几个简单的操作，选择最近邻插值并设置为0.2，运行结果如图7所示。对于图像的各项基本功能，该系统都能良好实现。该系统对图像进行合理的处理，对于接下来的分割也起到关键的作用。

图7 图像几何操作

5.2 系统测试与分析

由于图像在采集、量化或者传送过程中会产生噪声，因此通常在对图像处理前先进行去噪[8]。不同的滤波方法可能对图像的滤除效果不一样，可见对滤波器的选择非常重要。以下对读入的一张带噪声的医学图像(图8(a))进行处理测试，对该平滑后的图像进行锐化，选用一阶巴特沃斯滤波器，设置截止频率为2，如图8(b)和(c)所示。对图像选用不同的滤波器，会产生不同的滤波效果，均值滤波器对噪声有抑制作用，但同时会使图像变模糊，即使是加权滤波，所改善的效果也是很有限。

图8 图像预处理

边缘检测法是指通过选取Prewitt、Log、Canny算子对图像进行分割，结果如图9所示。根据所选取的3种算子分割结果，直观地看，Canny算子对边缘信息的保留效果较好，分割的结果较准确。Log算子所分割的结果，虽然边缘信息保留的较丰富，但同时也将部分非边缘点误检测为边缘点，将其误认为真边缘包含进来，却丢失了部分真边缘点[9]。Prewitt算子分割的结果，一眼望去较杂乱，图像的边缘连续性较差。

图9 图像的边缘检测处理

运用阈值分割法对图像分别进行自动阈值与输入阈值100的处理运行结果如图10所示。如果阈值定得过高，偶然出现的物体点可能会被认作背景，如果阈值定得过低则会出现相反情况。从系统运行图(图10(a))可以看出，在自动阈值的阈值分割后，图像的直方图被分成两部分，大于阈值的一部分为全白，小于阈值的一部分为全黑。输入阈值可以设置的范围是0～255，且为整数，图10(b)所示为阈值设置为100后的结果，相比自动阈值，脑内更多的白色图像变成了灰色，说明了手动设置的阈值要高于自动检测的阈值。

图10 图像的阈值分割处理

图像区域生长法处理是指通过自己设定参数确定生长种子，先选定一点作为种子点即生长的起点，参数设置如图11(a)所示，然后将种子点邻域中满足灰度差为10的像素合并到种子像素所在的区域，分割结果如图11所示。从图11(b)所分割得到的结果来看，虽然部分边缘信息未被分割出来，但对比其它算法分割的结果，整个图像的连续性较好。该算法需选取种子点，确定相似性阈值及生长准则，图像中选取的阈值设定为10，经过改变不同的数值发现，若数值小于10，会出现过度分割情况，将对背景中的对象进行分割。因此，种子点及相似性阈值的选取对于整个图像分割的准确性会造成影响。

图11 图像的区域生长处理

图12 图像的分水岭分割处理

分水岭分割方法，一般是将读入图像(如果是彩色图像转化为灰度图像)选用Prewitt算子获得梯度幅值图像，然后将前景标记对象和计算，再将背景标记，最后进行分割函数的分水岭变换[10]。图12所示为分水岭分割算法对原始图进行分割的结果，由于该图像中的组织是相互连在一块的，因此对此部分不易进行分割。从分割结果图像来看，整体的分割效果还是比较好的，基本可以分割出比较连续的边缘信息。另外，由于图像中局部存在极小值点，使得图像在部分区域出现过度分割的现象，从而造成部分分割结果无意义。

6 结论

本文基于图像处理的理论知识，运用现代计算机技术，借助Matlab平台，设计出稳定且功能强大的图像分割系统。在对医学图像进行预处理、编辑操作的基础上选取四种分割算法来对图像进行分割，以实现系统功能，运用边缘检测法实现Prewitt、Log、Canny三种算子对图像的分割。从分割效果来看，Canny算子能取得较好的分割效果，边缘信息丰富，连续性较好；运用阈值分割算法对阈值进行确定，所选择的阈值会直接影响图像分割的结果；区域生长法的重点在于对生长种子像素及相似性阈值的选择和确定，所选取的阈值对于分割结果的准确性有着直接的影响；通过分水岭分割算法对图像进行分割有着比较好的效果，且能够保留微弱的细节边缘，从而得到封闭连续的边缘。目前，本系统存在以下不足之处：(1)设计运用的分水岭分割算法，图像中存在噪声或者细微的灰度变化，都会造成过度分割[10]。(2)系统对重叠的图像以及前景后景灰度值接近的图像分割效果较差，另外，对图像进行剪切后只能进行保存操作，并未设计进一步的操作。

只用一种图像分割方法对图像进行处理可能达不到想要的分割效果，因为每种算法都有自身的局限。因此，在以后的应用中可根据实际情况将各种不同算法结合使用。另外，功能更为完善的分割算法需要更多的学者对其进行更加深入的研究。