基于改进Canny算子的磁共振T2加权图像边缘检测方法研究*

和清源 焦青亮 蒋依芹 傅 瑜 刘子龙* 于 坤 张 朋 王永中

边缘是图像最基本，也是最重要的特征，在计算机视觉及目标识别等领域，图像的边缘检测算法是一个永恒的课题[1]。尤其在磁共振成像(magnetic resonance imaging，MRI)系统质量控制方法之中，往往需要获得磁共振图像中一部分或数个感兴趣区域(region of interest，ROI)[2]的形状、边界、切面面积及切面内灰度值等相关信息。传统方法获得MRI的ROI需要医师动手操作，但是这种方法具有速度慢，误差高，需要大量人力等一系列缺点。为了更加精确的获得ROI，目前最有效的方法是图像边缘提取技术。

传统的边缘检测算法大多数利用图像灰度值的一阶或者二阶梯度信息，并根据一定的规则获得[3-4]。图像一阶梯度信息的Sobel算子、Canny算子以及利用二阶梯度信息的拉普拉斯—高斯算子(Laplacian of Gaussian，LOG)，在某些特定部位的MRI处理中得到应用[5-6]。但是，对于MRI基本物理参数T2的加权图像，由于其具有丰富的边缘信息，同时受莱斯噪声影响，传统边缘检测算法在提取该类图像边缘时会出现伪边缘、边缘定位错误等问题[7]。为此，本研究针对磁共振水模体的特点，并根据以往的系列工作，提出了一种基于改进Canny算子的磁共振T2加权图像边缘检测算法。

1 传统Canny算子分析与改进

1.1 传统Canny算子

传统Canny算法是由John.F于1976年开发的一种多级边缘检测算法[9]。Canny算法主要通过图像滤波、梯度计算、极大值抑制以及双阈值边缘连接4个步骤实现边缘检测。通过对磁共振T2加权图像进行研究，对传统Canny算法进行改进。

1.2 图像滤波方法的改进

传统的Canny算法利用高斯滤波来平滑图像，以此达到抑制噪声的目的。高斯滤波器对图像中的高斯白噪声具有较好的抑制能力，但是磁共振T2加权图像所含噪声并非高斯噪声，而是莱斯噪声[9-12]。莱斯噪声服从在高信号区域近似于高斯分布，低信号区域服从于瑞利分布。随着MRI技术的不断发展，多线圈成像MRI设备的噪声近似于非中心卡方分布噪声[9]。由于本研究的主要研究均建立在传统莱斯噪声的基础之上，因此将高斯滤波器转换成针对莱斯噪声的去噪方法，使用总广义全变分图像去噪算法[9]替代高斯滤波，假设含噪声的MRI为im1，则图像去噪的数学优化过程计算为公式1[9]：

式中im2为去噪后的图像，im为原始图像，Z(im)为正则项，λ为参数。其中正则项的定义为对图像im做全变分变换，根据总广义全变分图像去噪算法的基本定义，则可以得到总广义全变分去噪模型计算为公式2：

式中α0和α1为参数，β为辅助参数，当图像平滑时β=Δf，反之β=0。

1.3 固定阈值及改进的边缘接连方法

由于磁共振T2加权图像对比度一般相对较低，则其梯度幅值一般较为平均，故此改进的Canny策略，本研究设定Canny的阈值为H=0.02，L=0.01。

对于边缘连接方法，由于实际检测时可能会出现孤立的边缘点，故本研究将边缘连接方法改进为以下2个步骤：①将传统边缘检测的范围从3×3扩大到5×5，这样有利于消除孤立的边缘点；②经过①操作，可能增加伪边缘的概率。故此，将执行①后的像素点按3×3的范围进行长度计算，若长度＞7则认为是边缘点，否则认为是噪声点。

1.4 边缘检测方法

针对磁共振T2加权图像水模体ROI形状规则，封闭面积较大等特点，算法设定如下。

(1)Step1：获取磁共振图像。

(2)Step2：对图像进行第一次改进的Canny边缘检测算法，该步骤初步获得磁共振水模体的边缘。

(3)Step3：舍弃最外层的边缘，一般认为最外层边缘属于磁共振水模体的外壳，该部分的存在会严重影响ROI的检测，如图1所示。

图1 磁共振水模外壳MRI示图

(4)Step4：填充封闭区域，计算所有封闭区域的面积并且排序，该步由磁共振水模ROI区域面积相比于噪声形成的伪边缘面积较大而决定。

(5)Step5：根据ROI的个数，确定保留面积最大的n个或者n+2个封闭区域。

(6)Step6：将保留的封闭区域内的灰度值设置为原磁共振图像相对应位置的灰度值，并进行第二次改进Canny算法检测边缘。该步骤的具体原因是：磁共振图像对比度较低，一次Canny仅能检测到ROI的外壳，而非实际ROI区域，如图2所示。

图2 两次改进Canny算法比较效果图

(7)Step7：将第二次Canny的结果再次执行Step4和Step5，则可以得到最终结果。

2 实验结果与分析

本研究采用磁共振T2图像作为实验样本，将提出的算法分别与传统Canny算法、Sobel算法、LOG算法以及Roberts算法的结果作对比，以验证本研究算法的优越性[13-14]。本研究所有程序均在Matlab 2015a平台上仿真实验。

在噪声较低情况下对实验用图进行仿真计算，实验所用MR图像为西门子3.0 T磁共振成像系统测量图像。扫描参数：重复时间(repetition time，TR)=500，回波时间(echo time，TE)=20，视野(field of view，FOV)=25×25，其结果如图3所示。

图3 实验用T1层示图

传统Canny算法虽然检测边缘较为完整，但是存在大量伪边缘，且过分依赖高低阈值和高斯滤波器的标准差，其自适应性能较差；LOG算法不仅存在大量伪边缘，而且存在ROI不封闭，且检测错误等问题；Roberts算法和Sobel算法检测结果相似，其对弱边缘定位能力较差，ROI不成型及不封闭等问题，且同样存在伪边缘(如图4所示)。

图4 传统边缘法与改良Canny算法效果比较示图

传统边缘检测算法存在四大问题：①需人工设定阈值；②伪边缘；③边缘定位错误；④ROI不封闭。图4e中显示，本研究算法可以较为完美的解决以上问题，不需要大量参数，且不存在伪边缘和定位错误等问题。

3 结语

本研究针对磁共振T2加权图像具有丰富的细节和受莱斯噪声的影响，提出一种改进的基于Canny算子的磁共振T2加权图像边缘提取算法，通过实验验证其具有较为准确的边缘检测能力和较强的鲁棒性。该方法针对磁共振T2加权图像的特点有针对性改进Canny算子，解决了传统边缘检测方法需要人工设定参数，边缘定位错误，ROI检测不成型等一系列问题。通过3.0 T磁共振T2加权图像的边缘检测结果作对比验证，得出本研究算法针对磁共振T2加权图像具有一系列优势。但是，在更具基础物理特性的T1加权图像、质子密度和ADC图像的有效性方面尚需进一步验证，尤其是其他医学影像方面，有待进行持续改进[15]。