幾種醫(yī)學(xué)圖像分割方法的性能比較

施慧

幾種醫(yī)學(xué)圖像分割方法的性能比較

施慧

詳細(xì)介紹了梯度算子法、拉普拉斯算子法和迭代閾值法等3種醫(yī)學(xué)圖像分割方法，通過對這3種算法在高斯噪聲環(huán)境下的圖像分割性能進(jìn)行分析和比較，得到了梯度算子法和拉普拉斯算子法對圖像噪聲比較敏感，而迭代閾值法對圖像噪聲相對不敏感的結(jié)果，最后指出了在噪聲相對較大的醫(yī)療圖像中可考慮利用迭代閾值法進(jìn)行分割圖像。

梯度算子；拉普拉斯算子；迭代閾值；醫(yī)學(xué)圖像分割

0 引言

在醫(yī)學(xué)圖像可視化和分析過程中，圖像分割是一個不可缺的步驟。由于圖像在醫(yī)療診斷過程中的可視化屬性，被拍攝的圖像能夠揭示不同的組織屬性以用于醫(yī)療診斷。但由于復(fù)雜的解剖結(jié)構(gòu)，不同組織的差異性和模糊的圖像邊界等原因，醫(yī)學(xué)圖像分割成為一項(xiàng)極其復(fù)雜而又非常重要的工作。醫(yī)學(xué)圖像分割能夠?qū)D像分割成不同含義的子區(qū)域或不同屬性的目標(biāo)，并且通常與應(yīng)用相關(guān)。國內(nèi)外學(xué)者根據(jù)不同問題，提出了多種不同的圖像分割方法、包括基于閾值的分割法、基于邊界的分割法、區(qū)域生長法等[1-7]。這些方法通常利用圖像局部屬性或全局屬性來進(jìn)行圖像分割。也有一些學(xué)者考慮利用神經(jīng)網(wǎng)絡(luò)法進(jìn)行圖像分割[8-9]。

本文將梯度算子分割法、拉普拉斯算子分割法以及迭代閾值分割法進(jìn)行比較，以分析這幾種方法對圖像噪聲的敏感性。

1 幾種圖像分割算法的介紹

1.1 梯度算子分割法

梯度算子是基于一階方向?qū)?shù)在邊緣處取最大值的變化規(guī)律提取圖像邊緣。M×N個像素點(diǎn)組成一個M×N的圖像矩陣，其中某個像素點(diǎn)用f（i，j）（1≤i≤M，1≤j≤N）表示，則f（i，j）的3×3鄰域可表示為

Sobel算子為梯度算子的一種，以Sobel算子為例，考慮像素點(diǎn)f（i，j）的上下左右鄰點(diǎn)的灰度加權(quán)值，四鄰域的點(diǎn)的灰度值取權(quán)值2，用以增加中心點(diǎn)的重要性，則該梯度算子可被表示為

其中，fx和fy分別表示x方向的梯度值和y方向的梯度值，并且有

1.2 拉普拉斯算子分割法

拉普拉斯算子是基于二階導(dǎo)數(shù)在邊緣處過零的特點(diǎn)來提取圖像邊緣的。拉普拉斯算子的表達(dá)式為

1.3 迭代閾值分割法

閾值分割法是把圖像的灰度分成不同的等級，然后用設(shè)置灰度門限的方法確定欲分割物體的邊界，通過給定的閾值可相應(yīng)把圖像分割成前景和背景。迭代閾值分割法可通過試探性的方法來確定圖像的分割閾值，其基本思想是首先選擇一個近似閾值作為估計(jì)值的初始值，利用初始值進(jìn)行分割獲得子圖像，并根據(jù)子圖像的特性來選取新的閾值，然后利用新的閾值重新分割圖像，經(jīng)過多次循環(huán)，使錯誤分割的圖像像素點(diǎn)降到最少。該算法可概述為：

（1）選擇一個閾值T的初始估計(jì)值T=（zmin+zmax）/2，其中zmin和zmax分別表示圖像中像素點(diǎn)的最小灰度值和最大灰度值。

（2）利用閾值T可把圖像的像素點(diǎn)分成2個集合R1和R2，R1表示灰度值大于T值的所有像素點(diǎn)的集合，R2表示灰度值小于T值的所有像素點(diǎn)的集合。

（3）重新計(jì)算閾值T=（μ1+μ2）/2，其中μ1表示集合R1中所有像素點(diǎn)灰度值的均值，μ2表示集合R2中所有像素點(diǎn)灰度值的均值。

（4）重復(fù)上述步驟（2）和（3），直到前后2次迭代運(yùn)算得到的閾值之差小于給定的參數(shù)值γ。

2 系統(tǒng)性能仿真及分析

為了驗(yàn)證幾種圖像分割算法的性能，分別以細(xì)胞圖像分割和人腦核磁共振圖像分割為例，在MATLAB仿真環(huán)境下對上述3種醫(yī)學(xué)圖像分割方法的性能進(jìn)行仿真。

2.1 細(xì)胞圖像分割

細(xì)胞邊緣的檢測是進(jìn)行細(xì)胞面積、圓度和個數(shù)等形態(tài)的定量計(jì)算和分析的基礎(chǔ)，其檢測結(jié)果直接影響病情的分析和診斷結(jié)果，如果細(xì)胞圖像分割結(jié)果不理想，則根本無法進(jìn)行細(xì)胞的形態(tài)分析。假設(shè)圖像中的噪聲為高斯噪聲，且噪聲方差為30 dB，則細(xì)胞圖像分割結(jié)果如圖1所示。

2.2 人腦核磁共振圖像分割

核磁共振成像技術(shù)是一種有效研究人腦的非侵害性途徑，人腦核磁共振圖像分割的目的是勾勒出腦組織解剖結(jié)構(gòu)的輪廓，可應(yīng)用于解剖及功能皮層結(jié)構(gòu)的可視化和定量分析，指導(dǎo)神經(jīng)外科手術(shù)、皮層表面映射、體積測量、功能及形狀改變的評估等。同樣假設(shè)圖像中的噪聲為高斯噪聲，并且噪聲方差為30 dB，則人腦核磁共振圖像分割結(jié)果如圖2所示。

2.3 仿真結(jié)果分析

由以上2個應(yīng)用實(shí)例可看出，利用Sobel算子法和拉普拉斯算子法進(jìn)行圖像分割均對噪聲比較敏感，而利用迭代閾值法進(jìn)行圖像分割則對圖像噪聲相對不敏感，并且迭代閾值法分割能夠提取完整的圖像輪廓，使分割所得邊緣具有連續(xù)性。原因是Sobel算子法和拉普拉斯算子法均是利用微分算子提取圖像邊緣，微分算子對圖像噪聲比較敏感，而迭代閾值法不受噪聲影響，邊緣點(diǎn)完全由自身的灰度值確定，避免了噪聲影響范圍的擴(kuò)大，因而在噪聲相對較大的醫(yī)療圖像中，可相應(yīng)考慮利用迭代閾值法分割圖像。

圖1 細(xì)胞圖像分割結(jié)果

圖2 人腦核磁共振圖像分割結(jié)果

（????）（????）

3 結(jié)語

梯度算子是基于一階導(dǎo)數(shù)方向在邊緣處取最大值的變化規(guī)律來檢測邊緣，拉普拉斯算子是基于二階導(dǎo)數(shù)在邊緣處過零的特點(diǎn)來提取圖像邊緣的。雖然這些算子計(jì)算簡單、速度較快，但都存在對噪聲的干擾比較敏感以及噪聲較大時無法檢測可靠的邊緣位置等缺點(diǎn)。而迭代閾值法可有效抑制噪聲干擾的影響，保證了邊緣圖像的連續(xù)性、完整性和精確定位。

[1]Panda D P，Rosenfeld A.Image segmentation by pixel classification in gray level，edge value space[J].IEEE Trans Circuits Syst，1979，27（9）：440-450.

[2]Pratt W K.數(shù)字圖像處理[M].鄧魯華，譯.北京：機(jī)械工業(yè)出版社，2005.

[3]Fu K S，Mu J K.A survey on image segmentation[J].Pattern Recog，1981，13（1）：3-16.

[4]Pavlidis T，Liow Y T.Integration region growing and edge detection[J]. IEEE Trans Pattern Anal Machine Intel，1990，12（3）：225-233.

[5]Sahoo P K，Soltani S，Wong A K C，et al.A survey of thresholding techniques[J].CVGIP，1988，41（2）：233-260.

[6]孫日明.用于醫(yī)學(xué)圖像分割的區(qū)域生長方法[J].大連交通大學(xué)學(xué)報(bào)，2010，31（2）：91-94.

[7]劉友江，唐順芬.醫(yī)學(xué)圖像分割方法[J].醫(yī)學(xué)信息，2012，25（5）：443-445.

[8]Hall L O，Bensaid A M，Clarke L P，et al.A comparison of neural network and fuzzy clustering techniques in segmenting magnetic resonance images of the brain[J].IEEE Trans Neural Networks，1992，3（5）：672-682.

[9]李晨，王巍.基于先驗(yàn)知識的支持向量機(jī)在圖像分割中的應(yīng)用[J].電子工程設(shè)計(jì)，2012，20（12）：180-184.

（收稿：2014-02-06 修回：2014-06-16）

Comparison of several medical image segmentation methods

SHI Hui
（Department of Sterilization Supply,Nanjing General Hospital of Nanjing Military Area Command,Nanjing 210002,China）

Three medical image segmentation methods are described,including gradient opertor,Laplacian opertor and iterative threshold methods.By employing computer simulation method,the image segmentation performances of gradient operator,Laplacian operator and iterative threshold methods are analyzed and compared under Gaussian noise environment.Gradient operator and Laplacian operator methods are sensitive to image noise,while iterative threshold method not.It's proposed to apply iterative threshold method to segmenting medical image with noises.[Chinese Medical Equipment Journal，2014，35（12）：120-121，140]

gradient operator;Laplacian operator;iterative threshold;medical image segmentation

R318；TP301.6

A

1003-8868（2014）12-0120-03

10.7687/J.ISSN1003-8868.2014.12.120

施 慧（1985—），女，護(hù)師，主要從事醫(yī)療器械維護(hù)及醫(yī)學(xué)圖像處理方面的研究工作，E-mail：shihui_1103@sina.com。

210002南京，南京軍區(qū)南京總醫(yī)院消毒供應(yīng)科（施 慧）