医学图像增强处理系统比较分析

史静　任东峰　姜玉泉

【摘 要】医学图像在帮助医生进行病情诊断的过程中起着重要的作用，但其与普通图像一样，在图像摄取和传输的过程中也会受到各种各样的干扰，是图像的清晰程度下降，影响成像质量，从而干扰医生对于病情的诊断，最终影响患者的治疗效果。本文针对医学图像中存在的需要图像增强的问题，着重研究图像增强技术在医学图像中的应用。

【关键词】医学图像；增强；比较

中图分类号： TP391.41 文献标识码： A 文章编号： 2095-2457（2018）02-0030-002

【Abstract】Medical images play an important role in helping doctors to diagnose their illness.However，as with normal images，they also suffer various kinds of interference during the process of image taking and transmission， resulting in a decrease in the sharpness of the images and affecting Imaging quality，thus interfering with the doctor for the diagnosis of the disease，and ultimately affect the patients treatment.In this paper，we focus on the problem of image enhancement in medical images，and focus on the application of image enhancement in medical images.

【Key words】Medical images；Enhancement；Comparison

0 引言

近些年來，随着科技的进步，图像处理技术日新月异，特别是数字医学影像，已经在帮助医生进行诊断和治疗的过程中起着至关重要的作用。同时，医学图像处理技术也对医学诊断领域产生深刻的影响。医学图像在摄取和传输的过程中同样会受到各种因素的干扰，从而影响图像的成像质量，而后期处理和分析的效果往往受到前期的很大影响，特别是一些定量和定性的分析。

图像处理除了在生活和科学研究中的应用之外，在医学领域有着非常重要的作用，而图像增强技术是图像处理中的一个重点和难点问题，其中包括图像的线性和非线性对比度展宽、线性和非线性的动态范围调整、直方图均衡化、图像的滤波和锐化等等。

本文针对医学图像的特点，利用图像增强技术对其进行处理，使其能够更好地满足医学诊断的要求。这其中包括：图像增强技术在医学图像中的重要价值以及不同的图像增强技术对于不同医学用途的影响等等。

1 医学图像增强的研究背景

图像增强[2]是图像处理中一个重要的算法。其通过对图像进行进一步的处理和加工，使图像的对比度得到增强，产生较好的视觉效果，辅助医生进行诊断。根据图像产生模糊的情况以及模糊的程度不同，需要利用不同的图像处理算法进行修正，常用的图像增强方法有均值滤波、中值滤波、平滑滤波、灰度级变换、梯度增强以及频域变换等。

这些增强算法大都比较复杂，运算量大。医学图像经过系统的处理，可以提高图像本身的质量。

为了活得更加好的图像质量，克服上述问题，我们首先应在处理图像的过程中尽可能避免或者减少干扰因素，在进行后期分析之前，对图像进行增强的预处理，已获得更好的画质，从而提高判别精度，为临床诊断提供更多的便利条件。

近几年来，许多科研工作者根据医学领域图像的特点提出了许多新颖的图像增强算法，以达到改善医学图像的视觉效果的目的。一些经典的图像增强算法尽管已经在医学领域得到了广泛地应用，并且取得了较好的效果，但大都存在着一定的问题，比如在图像增强的过程中，去除噪声影响的同时，也损失了图像的一些细节特征，而往往这些细节特征就是进行后期图像分析的关键因素，因此，需要在去除干扰因素和保持画面细节信息中取得平衡。解决这一矛盾也成为医学图像增强技术发展的方向[3]。

2 增强系统及结果比较

随着图像处理技术的迅猛发展，图像增强技术在医学领域中发挥着举足轻重的作用，下面主要列举一些常用的处理方法。

2.1 直方图增强系统

直方图均衡化在增强图像对比度的同时，突出诊断区域需要增强的细节信息，特别是在医用透视图像的应用中十分有效的。

直方图规定化处理，可以使图像的灰度间距拉大了，图像不仅变得清晰，细节突出，而且可以通过改变其直方图的形状，避免图像的过增强，明显（下转第42页）（上接第30页）优于直方图均衡化，但与此同时经过直方图规定化后的图像颗粒感也明显增强了，由规定化的优点，可以看到其可以应用在对清晰度要求不是很高的医学图像中。

2.2 灰度增强系统

通过实验可以发现，在医学图像画质比较清晰以及噪声干扰较少的情况下，对医学图像进行灰度增强处理，可以使医学图像的可读性有着较大的提高，也就是说对医学图像中需要关注的区域进行增强处理，可以更加清晰地显示病灶部位，从而提高诊断的效率和正确率。

2.3 空域均值滤波系统

邻域均值滤波的算法非常简单，即将模板中像素点的均值去替换中心像素点的值，该算法运算速度快，对于高斯噪声有着很好的屡滤除效果，但对于椒盐噪声效果一般。该算法一个最大的问题就是没有考虑边界影响，因此，在滤除噪声的同时引起图像中目标物边界的模糊现象，而且模糊程度与模板半径成正比。而维纳滤波，在消除噪声的同时，很好地保留了边界信息。因此，邻域滤波适合清晰度要求不是很高的X光图像，维纳滤波较适合CT图像和B超图像。

2.4 空域高通滤波系统

Sobel和Prewitt算法能够对对X光图像进行增强，且效果明显，并且能够将图像的边缘信息清晰保留，比较适合医学透视图像，Unsharp算法更适用于对于边缘要求高的较清晰图像。

2.5 空域中值滤波系统

中值滤波较邻域均值滤波来说，对于椒盐噪声的处理效果更好，边界保持效果也相对较好，但也存在边界模糊问题，此外，模板尺寸的选择也至关重要，过大，会使画面质量成倍下降。

3 结论

医学图像有着高清晰度、低噪声影响以及病灶部位突出显示的特点，这些使医学图像处理面临更多更严峻的挑战，存在许多亟待解决的问题，如评价医学图像画质等。

【参考文献】

[1]宋宏宁，郭瑞强.基于医学影像学的3D打印技术在心血管疾病诊疗中的应用现状及研究进展[J].中国医学影像技术，2017，33（3）：375-380.

[2]李纪成，谢凯，阮宁君，等.基于曲波变换的医学图像增强算法[J].计算机工程与设计，2017，38（1）：187-191.

[3]冯惠.基于二进小波与融合方法的医学图像增强研究[J].计算机应用与软件，2017，34（4）：233-237.