医学图像边缘检测算法的研究与实现

苏小慧

摘 要：目前医学影像学是一种有效的现代医学基本诊疗方式，并且随着时间的推移，将来其重要性将越来越突出。在这个领域中，医学诊断的准确性在很大程度上取决于对医学图像的解释。在临床应用领域，由于现代成像技术的复杂性不断提高，对解释图像所需专家知识的需求也口益迫切。

关键词：图像处理； 边缘检测； 模板； 卷积； 非极大抑制

边缘检测方法的优劣直接影响着图像特征提取及其它后续处理，是图像预处理中的关键。边缘检测是对灰度变化的度量与定位，灰度变化的显著程度可以通过导数来度量，即函数导数能够反映图像灰度变化的显著程度，因此边缘检测的一个基本思想就是通过求一阶导数的局部极大值，二阶导数的过零点来体现出来的。利用梯度最大值提取边缘点的这种思想产生了许多经典的边缘检测方法如：Sobel算法、Log 算法、Canny 算法等。

一、边缘检测概述

图像中边缘检测是利用物体和背景在某种图像特征中的差异来实现的， 这些差异包括灰度、颜色或纹理特征， 检测出图像特征发生变化的位置从而达到检测目的。图像边缘是分析和理解图像的基础， 是图像中最基本的特征， 图像处理的研究中许多都涉及到边缘检测。图像边缘检测在实际工程中有着广泛的应用， 如图像匹配、模式识别、特征提取和图像编码等。

二、国内外现状

边缘检测技术作为一个低级的计算机视觉处理技术很早就引起了人们关注。最早提出边缘检测技术的是Julez，但他并未展开系统研究，而最早期对其进行系统研究的是Roberts在1965年开始的，从此，拉开了图像边缘检测技术研究的序幕。

很多年来，由于众多专家、学者的不懈努力，在边缘检测领域提出了很多相关理论和边缘检测算法，大致将已有的边缘检测算法分类如下：

1.传统边缘检测算法。传统边缘检测算法以原始图像为基础，对图像中的各个像素考察它的某个领域内灰度值的阶跃变化，利用边缘邻近一阶或者二阶方向导数变化规律来检测边缘，这种方法简单而且有效。其中最基本的算子有：Roberts算子， Sobel算子、Prewitt算子和Kirsch算子等等，这些算子都是一阶微分算子。其检测原理为：一阶导数在边缘处取得最大值。但是运用上述一阶边缘检测算子检测边缘时，在边缘像素邻域产生的响应较宽，还需要后期进行细化处理，所以这些算子的边缘定位精确度不高。

2.改进的传统边缘检测法。传统边缘检测法大多属于微分算法，在数字边缘检测中，常用不同的模板算子与图像的像素灰度值做卷积运算，来求解边缘的导数值。这些算法简单有效，可操作性强，相对来说比较成熟，并且在matlab中可以直接调用，已经应用于很多领域，并取得了显著成绩。所以，基于这些算子的改进是今后研究边缘检测算法的方向之一。很多学者已经付出了很多努力，取得了很多研究成果。

3.基于小波变换和形态学的图像边缘检测算法。小波变换是一种有效的数学工具，它通过时间和频域的局域变换能有效提取有用信息，并且，还能够通过伸缩和平移对信号进行多尺度细化分析，具有良好的时频局部化特性、方向选择性以及多尺度分析能力，是检钡（突变信号的有力工具。各种基于小波变换的图像边缘检测方法也取得了很大发展，并且，应用领域越来越广泛。例如，二进制小波；多进制小波、巴布小波、正交小波等等类型的小波也在图像边缘检测方面也取得了不错的研究成果。

三、医学图像边缘检测算法

1.canny算法。基于这三个准则，Canny得出了c-y边缘检测算子。完整的c-y边缘在高斯噪声中代表一个跳变的强弱情况。按照这个模型，canny研究了已有的边缘检测算子以及其在边缘检测领域内的相关应用，在1986年canny提出了一个相对比较好的边缘检测方法，这种算法要求满足下述几个准则：

（l）信噪比准则：该准则主要是在图像边缘处来检测有无结果。并且不能出现虚假边缘。

（2）精度定位准则：也就是我们所标记的边缘位置必须要和其他在图像上的边缘的中心位置相近。

（3）单边响应准则：单独边缘所产生的响应的频率不要太高，并且需要最大地抑制虚假边缘响应。

这里，脉冲响应导数的零交叉点平均距离D（f）必须满足下面的关系式：

D（f）=π

h”（x）是h（x）的二阶导数。根据上面的指标和准则，我们使用泛函求导的方法来推导出Canny边缘检测器，并得出这个检测器恰恰是信噪比和定位之乘积的最优的逼近算子。

主要过程如下：

（1）对图像进行平滑，我们主要使用高斯滤波器来进行；

（2）计算幅值和方向；

（3）必須要让梯度的幅值被极大值所抑制；

（4）用双闽值算法对边缘进行检测与连接。

canny边缘检测重点是用来寻找到梯度幅度的局部最大值。这里的梯度通过高斯滤波器的导数来进行计算出来的。Canny方法主要使用两个闽值分别对强边缘以及弱边缘进行检测，同时在对强边缘与弱边缘进行相连操作的时候。

2.MTM算法。均值滤波算法对于脉冲信号去噪的能力是很不理想的。然而，中值滤波算法却能够很好滴对脉冲噪声进行去噪，但是对于高斯噪声的去噪能力相对差了一点。

但是在最后评价时，这些方法往往都采用利用单一的噪声进行评价。假如能够找到某种方法可以将脉冲噪声以及被高斯噪声影响的像素进行区分开来，然后对于受到不同噪声干扰的像素进行不同的滤波，所以理论上将，这将会起到比较好的滤波效果。

3.Otsu算法研究。在对图像的处理过程中，长期以来，阈值的自动选取都是对图像进行研究的重点话题。往往阈值的选取都是在这样的一种假设上进行研究的。那么最佳的阈值应该具备最好的而且可以所示分开的两类门限。这种算法计算比较简单，并且一定情况下不会受到图像对比度和亮度变化的影响，同时在某些图像在进行实时处理系统中的应用也变得十分广泛，长期以来就被认为是阈值自动化选取领域里的最优化的方法。

四、结语

由于边缘检测技术的复杂性和研究时间的限制，本课题的研究对象主要针对医学图像算法，所提出方法的应用领域还有待于进一步扩展和完善，但是这些方法对后续边缘检测研究工作具有很高的参考价值。此外，由于技术上的限制，还有很多问题有待进一步的研究。展望今后的研究工作，还有待研究。

参考文献：

[1] 段瑞玲，李庆祥，李玉和.图像边缘检测方法研究综述[J].光学技术，2005，31（3）：415-419.

[2] 马艳，张治辉.几种边缘检测算子的比较[J].工业自动化，2004（1）：54-56.

[3] 刑军.基于Sobel 算子数字图像的边缘检测[J].微机发展，2005，15（9）：48-52.