空域增强算法在医学图像中的应用研究

李竹林，王明芳，呼建雪

（延安大学 计算机学院，陕西 延安 716000）

近年来，随着电子技术与计算机技术的迅猛发展，图像的获取越来越方便，图像的应用已无处不在[1-3]。图像技术也从二维图像的增强、检测、匹配、识别等发展到三维图像的恢复与重建工作。然而，在图像采集的过程中，由于电子设备或外界条件的影响，拍摄的图像往往存在较大的噪声、局部模糊、对比度不高、视觉效果不佳等问题，如何解决这些问题一直是图像增强领域中的一个难题。因此，图像的噪声滤除和增强也是数字图像处理研究领域的一个基础又重要的工作［4-5］。文中以医学图像为例，对含噪声、模糊不清、对比度不高的图像进行了研究与实验，取得了较好的效果。从模拟结果中可以看出，通过处理，突出了目标部分，提高图像的可读性，对医生的判读、二维处理以及三维构建都有重要的意义。

1 图像增强处理

图像增强是根据特定的需求，实施一定的运算来突出一幅图像中的部分信息，同时削弱另一部分不需要的信息的处理方法。从本质上来说，图像增强处理并不能增强原始图像的信息，只能增强某种信息的辨别能力。医学图像增强的主要目的是提高图像的质量，增强图像的可读性，同时也使得图像更适合于医学设备的识别、重建等系统，以期达到最好的效果[6-7]。通常情况下，如果拍摄图像不是灰度图像，为了更有利于图像的增强效果与噪声滤除，将其转换为灰度图像。

1.1 图像噪声滤除

在图像采集和传输的过程中，由于采集设备或外界条件的影响，非常容易引入干扰噪声，从而使图像的质量有所下降。由于图像中的信息具有灰度连续性，因此引入的噪声一般会以孤立点的形式出现。图像的噪声滤除法正是根据这一特点设计实现的。常用的方法有：均值滤波法、中值滤波法、高斯滤噪法以及多图像平均法等[6]。每一种滤波技术对不同类型的噪声有不同的处理能力，有各自的优缺点。一般来说对滤波技术性能优劣的质量评价主要用细节和边缘的保护、噪声滤除性能及滤波复杂性等指标来衡量[8]。中值滤波在过滤掉图像中噪声的同时对图像中的轮廓边缘信息不产生干扰，且由于在计算简单、速度快，因此得到了广泛的应用。

中值滤波是一种非线性滤波，其原理是利用一个W窗口，通过W在图像上进行全方位扫描，把窗口内的所有像素点的灰度值按照大小进行排序，在排序中居中的灰度值为当前窗口位置的中心灰度，计算公式为:

通常W窗口内的像素点数目为奇数，但是如果窗口内的像素点数目为偶数，则可以取最中间两个点的灰度值的平均值。滤波效果如图1所示。

图像去噪的方法很多，如：邻域平均法、加权平均法、掩膜平滑法等，但大多数的方法会引起对图像的模糊，从而使边缘轮廓特征退化。如图 1（e）是用平均邻域法对图1（b）进行噪声滤除，引起了边缘轮廓模糊；图1（f）是用高斯法对图像进行噪声滤除，也引起了边缘与表面的模糊。因此，对于不同的图像，要分析噪声的类型，选取合适的去噪方法。

图1 图像噪声滤除结果Fig.1 Results of noise filtering

从图1中的几种处理可以看出，中值滤波对椒盐噪声有很好的去噪效果，且保持了边缘轮廓信息，而对脉冲噪声和高斯噪声等去噪效果不是很理想。特别注意的是，中值滤波对点、线以及尖顶细节多的图像不适合。平均邻域法对脉冲噪声、加权平均法对椒盐噪声的滤除结果较好，不足的是模糊了边缘。

1.2 图像直方图均衡化

1）图像直方图

图像的直方图是一种最简单、最有用的工具之一，从图像的分析与观察到形成一个有效的处理方法，一般都离不开直方图。直方图反映了图像的统计特性，表达了图像中取不同灰度值k的面积或象素数在整幅图像中所占的比例。直方图表示为

其中nk是图像中第k个灰度级的像素总数。对图1（b）所示的图像求直方图，结果如图2（a）所示。从图中可以看出，该图的灰度值集中到0～50，说明该幅图灰度值偏暗，对比度不明显。对于这类型图像，可以做直方图均衡化处理，提高图像的质量。

2）直方图均衡化

直方图均衡化是通过对原始图像进行某种灰度变换，使原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布，从而提高图像的对比度，使图像更加清晰。

设原始图像在（x，y）处的灰度为f，而改变后的图像为g。直方图均衡化处理中对图像的映射函数可定义为:g=EQ（f），函数EQ（f）必须满足两个条件（其中L为图像的灰度级数）:

①EQ（f）在0≤f≤L-1范围内是一个单值单增函数。这样保证增强处理没有破坏原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白（或从白到黑）的排列。

②对于0≤f≤L-1有0≤g≤L-1，保证变换前后灰度值动态范围的一致性。

对图2（a）所示的直方图进行均衡化后，得到了图2（b）所示的直方图，对应的图像为图2（c）。 从结果可以看出，图像的对比度增大，比原图像清晰很多。

1.3 对比度处理

从图3（c）可以看出，经过直方图均衡化后，图像的质量显示改善，但也带来了伪轮廓，将会直接影响图像的锐化效果。为了进一步改善图像的质量，对图像做分段变换函数。表达式如（3）式：

图2 图像的直方图与直方图均衡化结果Fig.2 HistogramandhistogramequalizationofFig.1

其中 a，b，c 为常数，T1、T2为门限值。 做此变换后，使得图像的高频成分经过对数变换后越高；低频成分经过指数变换后越低，突出了图像的对比度。在本例中，T1，T2分别取187和45，a，b，c通过经验值获取。然后再对图像做取前景值和背景值处理，使得前景为白色，背景为黑色，结果如图2（d）所示。我们可以看出目标区比较突显，其中虽然有干扰区，但根据它们所处的位置和形状，可进一步确定目标。

2 结 论

文中对医学图像进行一系列的增强处理，包括滤噪、直方图均衡化处理以及对比度扩展处理等，从处理结果可以看出，处理结果突显了原图像中的目标区，有助于医生正确临床诊断，这对某些疾病的确诊有极大帮助。同时，对持续图像特征提取以及目标分割等工作均具有重要的意义，这也是作者后续进一步研究的内容。

[1]江治国，章飞.图像增强算法在车牌图像预处理中的研究与应用[J].河南城建学院学报，2012，21（5）:51-54.JIANGZhi-guo.ZHANGFei.Aresearchandapplicationof image enhancementalgorithm in license plate image preprocesslng[J].JournalofHenanUniversityofUrban Construction，2012，21（5）:51-54.

[2]段隆焱，田文，徐漫涛，等.基于非局部信息的医学图像降噪技术综述[J].计算机应用研究，2013，30（3）:667-672.DUANLong-yan，TIANWen，XUMan-tao，etal.Reviewof medicalimageenhancementtechnologybasednon-local patch[J].ApplicationResearchofComputers，2013，30（3）:667-672.

[3]应东杰，李文节.煤矿监控图像增强算法的分析与实现[J].工矿自动化，2012，35（8）:55-58.YINGDong-jie，LIWen-ji.Analysisofenhancementalgorithms ofcoalminemonitoringimageanditsrealization[J].Industry andMineAutomation，2012，35（8）:55-58.

[4]BuadesA，CollB，MorelJM.Anon-localalgorithmfor imagedenoising[C]//ProcofIEEEInternationalConference onComputerVisionandPatternRecognition.Washington DC:IEEEComputerSociety，2005:60-65.

[5]PortillaJ，StrelaV，WainwrightMJ， etal.Imagedenoising usingascalemixtureofGaussiansinthewaveletdomain［J］.IEEETransonImageProcessing，2003，12（11）:1338-1351.

[6]赵建平.医学图像处理若干关键问题研究[D].长春：长春理工大学，2008.

[7]段竹.医学图像增强算法研究[J].科学技术与工程，2009，9（3）:684-686.DUANZhu.Studyonmedicalimageenhancementalgorithms[J].SciencetechnologyandEngineering，2009，9（3）:684-686.

[8]刘勍，温志贤，杨筱平，等.现代数字图像噪声滤除技术及其评价[J].自动化与仪器仪表，2012（2）:146-148.LIUJing， WENZhi-xian，YANGXiao-ping，etal.Modern digitalimagenoisefilteringtechnologyanditsevaluation[J].Automation&Instrumentation，2012（2）:146-148.