基于分水嶺算法的顱腦CT圖像分割研究

荊源

【摘 要】本文采用分水嶺算法對(duì)顱腦CT圖像進(jìn)行分割，針對(duì)算法所產(chǎn)生的圖像過分割問題，首先將原圖像轉(zhuǎn)換為形態(tài)梯度圖像，并對(duì)形態(tài)梯度圖像定義一組形態(tài)開閉濾波器進(jìn)行處理；然后采用分水嶺算法進(jìn)行分割。

【關(guān)鍵詞】圖像分割；數(shù)學(xué)形態(tài)學(xué)；分水嶺算法

0 引言

醫(yī)學(xué)CT不同于X線成像，是利用X射線穿透人體，通過射線強(qiáng)度衰減的程度對(duì)人體組織成像。圖像分割在醫(yī)學(xué)圖像處理中占有重要地位，所謂圖像分割[5]就是指把圖像分成各具特性的區(qū)域并提取出有用的目標(biāo)的技術(shù)和過程，圖像分割的方法[2]比較常用的有閾值法、邊緣檢測(cè)法、區(qū)域生長(zhǎng)法、聚類法、顆粒分析及基于數(shù)學(xué)形態(tài)學(xué)的分水嶺變換等。由于與一般自然背景下的圖像相比，醫(yī)學(xué)圖像普遍存在目標(biāo)與背景對(duì)比度較差、目標(biāo)的邊緣模糊和噪聲較大等特點(diǎn)。針對(duì)這些特點(diǎn)，本文采用分水嶺算法對(duì)醫(yī)學(xué)顱腦CT圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果表明，本文提供的方法對(duì)于醫(yī)學(xué)圖像的處理是行之有效的，取得了較為理想的效果。

1 分水嶺算法

分水嶺分割算法的有三個(gè)步驟：（1）對(duì)圖像的讀??；（2）求取圖像的邊界，在此基礎(chǔ)上可直接應(yīng)用分水嶺分割算法，但效果不佳；（3）對(duì)圖像的前景和背景進(jìn)行標(biāo)記，其中每個(gè)對(duì)象內(nèi)部的前景像素值都是相連的，背景里面的每個(gè)像素值都不屬于任何目標(biāo)物體。分水嶺算法方法存在兩點(diǎn)不完善的地方：第一點(diǎn)是參考圖像決定了分割性能，如果所有區(qū)域的邊界能被保留下來，內(nèi)部的邊界又被限制，所以分水嶺算法的分割能夠成功，但對(duì)于得到圖像的梯度，其區(qū)域的偽邊界都是可能出現(xiàn)的，而不同對(duì)象之間也可能由于采集圖像的外界條件等因素而失去邊界，而會(huì)形成錯(cuò)誤分割或者過分分割，如果用LOG算子或別的高斯型濾波后得到的圖像作為對(duì)象，盡管能夠取得大片的面積，但他的位置會(huì)有比較大的移動(dòng)，并且圖像的采集的外界原因，誤分割也是存在的。所以要對(duì)梯度圖像進(jìn)行處理，以便得到優(yōu)質(zhì)的分割參考圖像；第二點(diǎn)缺陷是于圖像分割的目標(biāo)不相同，因?yàn)樾〉哪繕?biāo)太過于具體，而只用其中一種或幾種特征提出的梯度參考圖像，對(duì)這些具體的情況不能做出詳細(xì)的判斷，所以分割以后的所選用區(qū)域要做相似性檢驗(yàn)，以便成為所需的區(qū)域。為克服上述兩個(gè)缺陷，本文首先用形態(tài)梯度來產(chǎn)生參考圖像，對(duì)不同的目標(biāo)部分增加他們的不同點(diǎn)，其次用形態(tài)學(xué)開閉濾波器組處理參考圖像，使其起到連接不同形態(tài)大區(qū)域、 消滅小區(qū)域的作用，避免過分割的情況發(fā)生。

2 形態(tài)開/閉運(yùn)算

形態(tài)開運(yùn)算[2]是對(duì)圖像進(jìn)行先腐蝕、后膨脹的操作，圖像腐蝕以后，用逆變換來對(duì)比原先的圖像的是行不通的，但膨脹運(yùn)算對(duì)于恢復(fù)原來的圖像是非常必要的。由于是先腐蝕運(yùn)算，因此，開運(yùn)算后，原有的圖像背景中的小結(jié)構(gòu)就被清理了，除包含結(jié)構(gòu)元素以外的部分都被去掉了，但是保留了包含結(jié)構(gòu)元素的大的結(jié)構(gòu)。對(duì)于保留不同形狀的那些部分，就要用開運(yùn)算來進(jìn)行完成，所以開運(yùn)算能夠?qū)瓦\(yùn)算結(jié)構(gòu)元素相同的形狀進(jìn)行保留。對(duì)于不同形狀的結(jié)構(gòu)元素要組成一個(gè)濾波器組，并從這個(gè)濾波器組對(duì)各個(gè)開運(yùn)算的所有求和進(jìn)行輸出，圖形也就成了所需要的結(jié)構(gòu)原素的總和。在圖像經(jīng)過濾波器輸出后，主要的部分被保存下來，并對(duì)于不符合的結(jié)構(gòu)元素的噪聲進(jìn)行除去。

相反，形態(tài)閉運(yùn)算[2]是和開運(yùn)算相反，他的操作是對(duì)圖像進(jìn)行先膨脹、后腐蝕，閉運(yùn)算是首先目的想恢復(fù)被膨脹圖像的原始形狀，這需要用算子來恢復(fù)，并把不含有結(jié)構(gòu)元素的那些部分被該運(yùn)算填充。

3 合并過分割區(qū)域

分水嶺算法對(duì)數(shù)據(jù)變化極為敏感，因此，圖像中的噪聲和物體邊緣，以及非常小的變化都會(huì)形成分割現(xiàn)象。所以對(duì)分割圖像要進(jìn)行適當(dāng)?shù)暮喜?。合并的?zhǔn)則條件有：（1）必須是相鄰區(qū)域才能夠合并；（2）相似的區(qū)域的特征才能夠合并；（3）合并后的區(qū)域是有用的?？梢杂孟嗨贫鹊亩x來進(jìn)行相鄰相似區(qū)域的合并。若相似度大于閾值，對(duì)于相鄰兩個(gè)區(qū)域來說要對(duì)應(yīng)在同一個(gè)區(qū)域才可以合并。下面是合并的MATLAB圖形實(shí)現(xiàn)程序源代碼：

4 仿真實(shí)驗(yàn)及結(jié)論

本文在MATLAB環(huán)境下對(duì)醫(yī)學(xué)圖像（顱腦CT圖像）進(jìn)行了實(shí)驗(yàn)。圖1（a）為原圖像，圖1（b）把形態(tài)學(xué)梯度圖像作為參考圖像分割后的最后結(jié)果，過分割情況相對(duì)較為嚴(yán)重，圖1（c）用的是經(jīng)形態(tài)學(xué)開閉濾波處理的梯度圖像作為參考圖像進(jìn)行分割的最終結(jié)果，過分割現(xiàn)象已有所好轉(zhuǎn)，圖1（d）是利用本文方法提出的合并準(zhǔn)則對(duì)圖1（c）的區(qū)域進(jìn)行合并的結(jié)果，其中的腦器官和背部圖像、病變組織和邊界已經(jīng)被顯現(xiàn)出來。

從實(shí)驗(yàn)結(jié)果可見，采用形態(tài)開閉濾波器組處理梯度圖像，對(duì)結(jié)構(gòu)元素的集合所相對(duì)應(yīng)的噪聲的結(jié)構(gòu)進(jìn)行去除，又對(duì)兩個(gè)相互毗鄰的區(qū)域邊界有了準(zhǔn)確的位置定位，并對(duì)圖像的過分割做了好的改善，對(duì)于后面圖像的處理做了好的底層圖像。區(qū)域合并中由于對(duì)合并條件的閾值限制比較嚴(yán)，顯然本文方法對(duì)同一目標(biāo)的合并還不夠好，如果限制過松，將會(huì)把不同目標(biāo)的部分區(qū)域并在了一起，因此分割進(jìn)行到這一步，進(jìn)行交互操作，即可使分割方法更具實(shí)用性，可用于其他圖像的區(qū)域合并。

【參考文獻(xiàn)】

[1]章毓晉.圖像工程（上冊(cè)）圖像處理和分析[M].清華大學(xué)出版社，2003.

[2]劉森.基于分水嶺算法的醫(yī)學(xué)圖像分割[J].電腦與電信，2009（1）：44-46.

[3]王忠義.分水嶺變換在醫(yī)學(xué)圖像分割中的應(yīng)用[J].2009，5（12）：3221-3223.

[4]張紅斌，李廣麗，劉遵雄，等.分水嶺算法在胃上皮內(nèi)腫瘤圖像分割中的應(yīng)用[J].華東交通大學(xué)學(xué)報(bào)，2009，26（1）：52-57.

[5]曾歆懿，章云，季秀霞，等.基于分水嶺變換的PCB圖像分割[J].電子質(zhì)量，2007（1）：38-40.

[6]王國(guó)權(quán)，周小紅，蔚立磊.基于分水嶺算法的圖像分割方法研究[J].計(jì)算機(jī)仿真，2009（5）：255-258.

[責(zé)任編輯：楊玉潔]