基于掩膜與仿中值濾波的邊緣檢測(cè)處理

張建國(guó), 王仁慶, 左俊彥, 候慧敏, 鐘 濤, 胡鳳玲, 馬千里

(1.上海應(yīng)用技術(shù)大學(xué) 機(jī)械工程學(xué)院,上海 201418; 2.復(fù)旦大學(xué)附屬上海市第五人民醫(yī)院 口腔科,上海 200240)

基于掩膜與仿中值濾波的邊緣檢測(cè)處理

張建國(guó)1, 王仁慶1, 左俊彥1, 候慧敏1, 鐘 濤1, 胡鳳玲2, 馬千里1

(1.上海應(yīng)用技術(shù)大學(xué) 機(jī)械工程學(xué)院,上海 201418; 2.復(fù)旦大學(xué)附屬上海市第五人民醫(yī)院 口腔科,上海 200240)

針對(duì)醫(yī)學(xué)圖像特殊而又復(fù)雜的模糊邊緣以及難以區(qū)分的背景噪聲,提出一種基于掩膜理論區(qū)分圖像邊緣信息的區(qū)分算法.通過(guò)區(qū)域?qū)Ρ榷取D像像素特征和有限區(qū)域中像素均值等相關(guān)信息,利用先驗(yàn)知識(shí)和仿中值濾波的方法得到較為清晰的邊緣信息.用Matlab軟件對(duì)提出的方法進(jìn)行模擬,詳細(xì)分析了掩膜對(duì)比的理論模型以及仿中值濾波對(duì)于區(qū)分效果的影響,驗(yàn)證了該方法的可行性和正確性.實(shí)驗(yàn)證明,基于掩膜與仿中值濾波的區(qū)分算法和傳統(tǒng)的邊緣檢測(cè)方法相比,在辨別相關(guān)邊緣信息方面具有較好的效果,并在醫(yī)學(xué)圖像處理中具有一定的實(shí)用價(jià)值.

掩膜; 仿中值濾波; 邊緣信息; 對(duì)比度

醫(yī)學(xué)圖像區(qū)分算法是人類(lèi)解決醫(yī)學(xué)問(wèn)題的第一步,從20世紀(jì)60年代以來(lái),醫(yī)學(xué)圖像處理越來(lái)越受到業(yè)內(nèi)專家的關(guān)注.文獻(xiàn)[1]的canny邊緣檢測(cè)算法通過(guò)運(yùn)算圖像中梯度等相關(guān)信息,對(duì)原圖像進(jìn)行卷積處理,在一定程度上解決了圖像無(wú)法檢測(cè)的問(wèn)題,但仍然無(wú)法取得令人滿意的結(jié)果.

文獻(xiàn)[2-4]主要介紹了otus分割算法、直方圖分割算法、模糊熵分割算法.這些算法通過(guò)對(duì)不同的模型,進(jìn)行二值化[5]處理,得到目標(biāo)與背景兩個(gè)不同的區(qū)域,以此達(dá)到區(qū)分的目的.但是對(duì)于復(fù)雜圖形來(lái)說(shuō),其邊緣信息往往不是清晰可見(jiàn)的.雖然在此基礎(chǔ)上,有學(xué)者進(jìn)一步提出了二維、三維[6-8]的改進(jìn)算法,但在邊緣信息不明確的醫(yī)學(xué)圖像中仍然很難獲得準(zhǔn)確的邊緣信息.

文獻(xiàn)[9]提出了一種掩膜理論在圖像處理中的運(yùn)用.這種方法雖然在圖像處理中運(yùn)用了掩膜,但其僅運(yùn)用了單一移動(dòng)的掩膜矩陣,由于受制于噪聲的不可控性和掩膜大小的不同,檢測(cè)效果有限.

在實(shí)際的醫(yī)學(xué)圖像處理中,由于醫(yī)學(xué)圖像獨(dú)有的特殊性和復(fù)雜性,導(dǎo)致了圖像中邊緣信息微小的變化,對(duì)于醫(yī)療診斷結(jié)果的影響往往很大,而這是由于醫(yī)學(xué)治療時(shí)的準(zhǔn)確性需求所決定的.

因此,本研究提出了一種基于圖像原始數(shù)據(jù)特征,結(jié)合掩膜的相關(guān)理論區(qū)分算法.該算法通過(guò)領(lǐng)域內(nèi)行、列間中值與均值的對(duì)比,并與該點(diǎn)像素值、總體中值與均值相比較,結(jié)合區(qū)域?qū)Ρ榷萚10]的相關(guān)先驗(yàn)知識(shí),判斷該像素是否為邊緣信息,最后通過(guò)模仿中值濾波的方法,對(duì)圖像進(jìn)行去噪處理,以此達(dá)到獲取基本邊緣信息的結(jié)果.

1 邊緣檢測(cè)理論

1.1 邊緣檢測(cè)的基本過(guò)程

在圖像處理領(lǐng)域中,傳統(tǒng)的canny邊緣檢測(cè)往往依賴于參數(shù)σ的選取,σ的不同對(duì)于最后邊緣檢測(cè)的影響極大.在醫(yī)學(xué)圖像處理中,圖像的信息一般比較復(fù)雜,運(yùn)用canny檢測(cè)時(shí),可能存在以下幾點(diǎn)缺陷:a.邊緣信息交錯(cuò)相連,由于canny邊緣檢測(cè)是以圖像梯度變化來(lái)判斷邊緣信息,當(dāng)圖像較為復(fù)雜,邊緣檢測(cè)結(jié)果對(duì)于噪聲的影響極大;b.邊緣信息缺失,由于醫(yī)學(xué)圖像的實(shí)際使用方案和取像環(huán)境較為復(fù)雜,圖像信息很難不受噪聲的影響,從而導(dǎo)致梯度信息的改變.

為了解決這些問(wèn)題,本研究提出了一種基于掩膜理論的邊緣檢測(cè)方法.該方法在檢測(cè)邊緣信息的過(guò)程中,使得邊緣信息不僅僅局限于梯度[11]這一項(xiàng)技術(shù)指標(biāo),而是更多地依賴于局部領(lǐng)域中的邊緣信息.其具體流程如圖1所示.

圖1 邊緣處理流程Fig.1 Edge processing flow

由圖1可見(jiàn),處理流程中整個(gè)掩膜的過(guò)程為不同掩膜矩陣多次迭代的結(jié)果,其主要特點(diǎn)為:a.多次迭代,減少了單一區(qū)域內(nèi)極大噪聲的影響;b.多掩膜分別迭代,保證了局部與總體信息的統(tǒng)一;c.多重圖像信息反復(fù)計(jì)算,消除了孤立點(diǎn)存在的可能性.實(shí)際掩膜過(guò)程后的圖像信息與傳統(tǒng)canny邊緣檢測(cè)相比,存在如下優(yōu)勢(shì):不同掩膜尺寸的反復(fù)搜索和確認(rèn),避免了人為選取的參數(shù)與圖像不匹配的問(wèn)題;反復(fù)迭代圖像,運(yùn)算方便簡(jiǎn)潔、有效.

2 掩膜理論改進(jìn)方法及其應(yīng)用

2.1 掩膜方法及其改進(jìn)

文獻(xiàn)[12]提出了一種廣義積分的掩膜理論及其應(yīng)用,并取得了一定的成果.但在醫(yī)學(xué)影像領(lǐng)域,依然存在掩膜窗口的固定,從而降低了醫(yī)學(xué)圖像中的適應(yīng)性,以及醫(yī)學(xué)圖像的模糊性,導(dǎo)致了邊緣化的不確定性.

為了解決這些問(wèn)題,本研究算法將不同的掩膜矩陣分別運(yùn)算,綜合各個(gè)模板中的有效信息,以此描繪出圖像的邊緣輪廓.在像素自然分布的坐標(biāo)軸內(nèi),記錄坐標(biāo)軸內(nèi)每個(gè)像素點(diǎn)在掩膜領(lǐng)域內(nèi)的各項(xiàng)指標(biāo),分別多次確立區(qū)間內(nèi)掩膜矩陣的大小,以此進(jìn)行圖像的邊緣檢測(cè),其具體流程如圖2所示.

具體實(shí)施過(guò)程中,將原始圖像按照一定的規(guī)律,有效多次地分割成若干個(gè)大小確定的區(qū)域,判斷均值、中值等圖像信息,以此為依據(jù)確定掩膜矩陣的大小,進(jìn)行掩膜處理.在具體處理過(guò)程中具有如下典型性質(zhì):

a. 掩膜矩陣Ai,j的大小可以根據(jù)灰度矩陣Ii,j的實(shí)際情況來(lái)改變,在一定程度上滿足了醫(yī)學(xué)圖像的準(zhǔn)確性要求;

b. 通過(guò)對(duì)不同分塊區(qū)間的中、均值的計(jì)算,可以在較小的區(qū)域內(nèi),判斷出可能存在的邊緣信息,為判斷邊緣提供了依據(jù);

c. 僅僅在掩膜區(qū)域中計(jì)算,減少了由于邊緣信息像素值不一帶來(lái)的遠(yuǎn)處圖像信息對(duì)模糊邊緣的干擾影響.

2.2 分塊區(qū)域與掩膜大小的確定

醫(yī)學(xué)圖像處理中,應(yīng)用于不同領(lǐng)域的醫(yī)學(xué)圖像,其感興趣區(qū)域[13]一般具有兩個(gè)特點(diǎn):a.圖像的大小形狀各不相同,由于應(yīng)用于不同的醫(yī)學(xué)科室,感興趣區(qū)域的大小和性態(tài)一般受制于醫(yī)學(xué)探測(cè)的目的,往往很難統(tǒng)一;b.目標(biāo)區(qū)域的灰度差距很大,人體不同組織的衰變程度不盡相同,導(dǎo)致了目標(biāo)區(qū)域不同而產(chǎn)生的灰度要求不同.

為了解決某一特定目標(biāo)的要求,將圖像信息多次有序地分割成幾個(gè)區(qū)間,對(duì)m×n的L級(jí)的灰度圖,分別計(jì)算其相應(yīng)參數(shù),以此確定掩膜的大小.在實(shí)際操作中,為了獲得較為理想的結(jié)果,本研究采用基于原圖像的對(duì)比度、均方差[14]、峰值信噪比[15]等參數(shù).當(dāng)對(duì)比度σ<σs,均方差(MSE)λ<λs,峰值信噪比γ<γs時(shí),可以定義6×6的掩膜板塊,獲得較為快捷的結(jié)果.

圖3為本文所用掩膜模板及選擇過(guò)程.與傳統(tǒng)掩膜理論相比,本研究算法更具有靈活性和準(zhǔn)確性.掩膜矩陣的大小根據(jù)圖像基本信息所決定,應(yīng)用于不同圖像的掩膜大小不同,靈活性強(qiáng);反復(fù)計(jì)算掩膜組中的不同掩膜模型,從而降低了誤判剔除邊緣信息的可能性.

圖3 掩膜大小的確定Fig.3 Determination of the mask size

圖3中最后根據(jù)圖像參數(shù)的不同,分別選用2種不同的掩膜模板,本研究定義精確性掩膜矩陣為6×6的窗口,快速型掩膜矩陣為15×15的窗口,其中小矩陣主要用于邊緣信息明確或原圖像較小的圖像.

為了多次確定邊緣信息,本研究將基本掩膜矩陣劃分成如圖4所示的掩膜內(nèi)部結(jié)構(gòu).在這種結(jié)構(gòu)中,將掩膜矩陣劃分成A,B,C 3個(gè)相互重疊的部分,分別在迭代過(guò)程中計(jì)算不同區(qū)域內(nèi)的邊緣信息,迭代完成后將全部可能的邊緣信息綜合在邊緣矩陣中,以此重復(fù)完成邊緣檢測(cè).

圖4 掩膜組內(nèi)部結(jié)構(gòu)Fig.4 Internal structure of the mask group

與單一掩膜非迭代掩膜過(guò)程相比,實(shí)際運(yùn)算按盡可能保存醫(yī)學(xué)圖像相關(guān)邊緣信息的要求考慮.同一掩膜矩陣中分層掩膜組的存在,很大程度上改善了由固定掩膜矩陣所造成的系統(tǒng)性誤判,提高了算法的準(zhǔn)確性;對(duì)于小范圍的掩膜矩陣重疊,減少了不同掩膜矩陣迭代的計(jì)算量,加快了運(yùn)算速度.

2.3 圖像在掩膜矩陣中的存在形式

在經(jīng)過(guò)處理的二維圖像矩陣中,為了進(jìn)一步分析圖像基本信息,以3×3窗口為例,將圖像信息看作一種二維數(shù)據(jù).基本的圖像特征信息不可避免地出現(xiàn)在掩膜矩陣中,這一方法就是在一種有序的移動(dòng)區(qū)域中進(jìn)行搜索圖像基本信息的過(guò)程.

文獻(xiàn)[16]提出了關(guān)于端點(diǎn)類(lèi)型在圖像處理領(lǐng)域的應(yīng)用,并將圖像的結(jié)果與端點(diǎn)類(lèi)型的判斷相結(jié)合.本研究由相關(guān)中值和均值矩陣可知,3×3窗口中的各項(xiàng)基本參數(shù)對(duì)于邊緣信息的判斷極其重要.文獻(xiàn)[17]提出了一種運(yùn)用中值和均值對(duì)圖像進(jìn)行邊緣檢測(cè)的基本方法.因此本研究通過(guò)對(duì)比這些參數(shù),實(shí)現(xiàn)了邊緣信息的區(qū)分,其理論模型如圖5所示.

圖5 邊緣理論模型Fig.5 Theoretical edge model

圖5為3種一般情況下邊緣信息的示意圖,其中包含了大部分邊緣信息的可能性,代表著幾種較為常見(jiàn)的邊緣情況.具體是:a.在掩膜矩陣中,以像素點(diǎn)為中心點(diǎn),左右差距很大的情況;b.當(dāng)上下均值與中值相差極大時(shí)的情況;c.為在各個(gè)方向上差距都不大的情況,此時(shí)掩膜矩陣中沒(méi)有邊緣信息.

2.4 區(qū)分邊緣信息的判斷依據(jù)

在實(shí)際圖像處理中,經(jīng)過(guò)邊緣處理的圖像,往往存在雜線和缺線等邊緣錯(cuò)誤.為了解決在實(shí)際判斷過(guò)程中的問(wèn)題,本研究通過(guò)設(shè)立容許值δ<δs,來(lái)判斷掩膜矩陣中行、列均值與中值、總體均值的比例,并以此為依據(jù)判斷該像素點(diǎn)是否為邊緣信息.參數(shù)δs可以由先驗(yàn)知識(shí)人為選定,通過(guò)改變?chǔ)膕來(lái)適應(yīng)各種圖像,在較小的判斷區(qū)間減少了噪聲影響的可能性,使得邊緣信息更為清晰;中值、均值等的比較,可以從基本信息中有效區(qū)分出邊緣,有效降低了算法對(duì)于信息的影響.

因此,在實(shí)際判斷邊緣信息時(shí),計(jì)算中值、均值,并兩兩進(jìn)行比值計(jì)算,當(dāng)比值中有2/3的值小于δs時(shí),本研究認(rèn)為該行或該列應(yīng)當(dāng)被判定為邊緣信息,其詳細(xì)公式如下所示.

(1)

(2)

(3)

式中:ωi,j,ξi,j代表行中值與均值之間的比值,ω′i,j,ξ′i,j代表列中值與均值之間的比值;αi,j,βi,j為行中值,αi+1,j,βi+1,j為列中值;αi,j+1,βi,j+1,αi+1,j+1,β′i+1,j+1為均值;Ti,j為像素點(diǎn)的邊緣信息;ε1,ε2,ε′1,ε′2為影響因子,根據(jù)不同的情況自行取值,本研究考慮到行列同等重要,故取ε1=ε2=ε′1=ε′2=1,而在實(shí)際計(jì)算過(guò)程中,為了保證算法的可靠性,應(yīng)當(dāng)在算法過(guò)程中保證其值在0～1之間.考慮到包容性的問(wèn)題,選定算法過(guò)程中的容許值δs=0.36.

2.5 仿中值濾波去噪方法

在實(shí)際區(qū)分邊緣信息時(shí),即使經(jīng)過(guò)邊緣的判斷,仍然可能存在邊緣信息的錯(cuò)誤,區(qū)分效果時(shí)常達(dá)不到醫(yī)學(xué)圖像處理的要求.其可能主要原因是邊緣信息模糊不清,理論算法無(wú)法得出邊緣信息,以及原始圖像信息中夾雜著大量的噪聲信息,影響算法的邊緣區(qū)分.

而經(jīng)過(guò)區(qū)分算法計(jì)算后的圖像,一般來(lái)說(shuō)已經(jīng)是非黑即白的二值化圖像,噪聲的影響很難通過(guò)常用的濾波方法去除,且濾波后的效果也很難達(dá)到要求.考慮到圖像的二值化處理,在n領(lǐng)域區(qū)域內(nèi),一定會(huì)存在如圖6(以最常見(jiàn)的九領(lǐng)域內(nèi)判定邊緣信息為例)所示的情況,其分別有如下可能:a.單獨(dú)存在的噪聲點(diǎn),在邊緣判斷過(guò)程中產(chǎn)生的孤立點(diǎn);b.疑似邊緣信息,由邊緣檢測(cè)算法所產(chǎn)生的可能存在的邊緣信息;c.邊緣信息,圖像處理中希望得到的理想狀態(tài).

圖6 九領(lǐng)域內(nèi)快速邊緣判定Fig.6 Rapid edge determination in nine areas

因此,為了解決噪聲對(duì)于最終邊緣信息區(qū)分的影響,本研究提出了一種將中值濾波、掩膜理論和圖像特征[18]相結(jié)合的仿中值濾波的濾波算法,通過(guò)計(jì)算在5×5矩陣中邊緣信息的存在情況,以此判斷邊緣信息的可能性,其具體算法如下:

(4)

式中:H(G)代表輸出矩陣在該位置上的輸出結(jié)果;υ代表邊緣信息的值,υs為判定該點(diǎn)為邊緣信息的極限值,文中設(shè)定υs=15.通過(guò)與傳統(tǒng)濾波相比較,本研究判斷方法與區(qū)分算法無(wú)關(guān),僅僅依靠像素矩陣來(lái)區(qū)分目標(biāo).該算法簡(jiǎn)單有效、快速便捷,并可以根據(jù)圖像信息的不同,改變判斷區(qū)域,達(dá)到快速簡(jiǎn)易去噪的結(jié)果.

3 實(shí)驗(yàn)方案及數(shù)據(jù)分析

3.1 實(shí)驗(yàn)方案

本實(shí)驗(yàn)所用X光片的原始圖像由志愿者與復(fù)旦大學(xué)附屬中山醫(yī)院提供,圖像獲取設(shè)備是SIEMENS02001系列SIREMOBILCompact型C形臂,配備7寸影像增強(qiáng)器.采用普通掃描儀將X光底片轉(zhuǎn)換成圖片格式.采用Photoshop進(jìn)行簡(jiǎn)單的圖像壓縮處理,獲得如圖7(a)所示像素為615×600的圖片.

在實(shí)際計(jì)算過(guò)程中,為了能夠降低噪聲對(duì)于區(qū)分算法的影響,其具體步驟如下:

a. 等分圖像信息,建立圖像原始矩陣,確定判斷區(qū)域;

b. 分別計(jì)算圖像中值、均值,代入掩膜矩陣,使用多維度參數(shù)矩陣,確定相對(duì)參數(shù),判斷基本掩膜矩陣的大小;

c. 使用選定的迭代型掩膜組,進(jìn)行掩膜處理,綜合掩膜所得信息,得到圖像基本邊緣信息;

d. 依據(jù)邊緣理論模型和圖像基本信息的相互關(guān)系,計(jì)算各參數(shù),根據(jù)式(3)判斷邊緣信息,獲得大致邊緣信息;

e. 通過(guò)仿中值濾波及邊緣快速判定模型的方法,將所得的邊緣圖像信息進(jìn)行濾波處理,獲得效果較好的邊緣信息.

3.2 實(shí)驗(yàn)結(jié)果和數(shù)據(jù)分析

本實(shí)驗(yàn)由算法在Win7平臺(tái)下由Matlab2013a編程實(shí)現(xiàn).處理器為Intel(R)Core(TM)24 GHZ CPU,內(nèi)存為8 G.具體實(shí)驗(yàn)效果如圖7所示.

如圖7所示,圖7(a)為目標(biāo)區(qū)域的原始圖像,圖7(b)～(j)分別為不同參數(shù)σ下的canny邊緣檢測(cè)結(jié)果,圖7(k)為本文算法的結(jié)果圖像.由圖7可以明顯看出,圖7(b)雖然在一定程度上可以區(qū)分出背景和目標(biāo)區(qū)域,但是其骨組織邊緣信息受到噪聲的影響極大,大片非邊緣信息連續(xù)呈現(xiàn).而從圖7(c)～(j)可以明顯發(fā)現(xiàn),雖然隨著參數(shù)σ的變化,canny邊緣檢測(cè)的效果有著明顯的變化,但在右上方的復(fù)雜區(qū)域內(nèi),出現(xiàn)了不可逆轉(zhuǎn)的干擾和缺失.

圖7 股骨X線圖像處理結(jié)果Fig.7 Processing results of a femur X-ray image

圖7(k)為本研究算法結(jié)果圖,從整體上看,邊緣信息存在小部分缺失和少數(shù)噪聲點(diǎn),絕大多數(shù)噪聲點(diǎn)在邊緣信息的附近且具有一定輪廓規(guī)律,不影響醫(yī)學(xué)特征的要求;在圖像的右上方,輪廓邊緣點(diǎn)清晰可見(jiàn),抗噪性能在該區(qū)域得到提升,并有利于后續(xù)醫(yī)學(xué)圖像連接處理.

4 結(jié)束語(yǔ)

本研究提出了一種基于掩膜的區(qū)分算法.該算法通過(guò)掩膜理論和圖像基本信息的結(jié)合,邊緣類(lèi)型和噪聲基本形式相統(tǒng)一,實(shí)現(xiàn)了適應(yīng)性較強(qiáng)的邊緣區(qū)分優(yōu)勢(shì).其優(yōu)勢(shì)主要表現(xiàn)為:a.基于掩膜理論減少了掩膜外噪聲的影響;b.僅與圖像基本特征相關(guān),降低了算法理論誤差;c.多參數(shù)的結(jié)合,提高了抗噪聲的能力.

和傳統(tǒng)邊緣檢測(cè)方法相比,本研究雖然在一定程度上滿足了醫(yī)學(xué)圖像上對(duì)于邊緣信息的要求,但是在敏感邊緣上僅僅能提供大致邊緣信息點(diǎn).因此本文算法為進(jìn)一步研究醫(yī)學(xué)圖像處理提供有力的支持,而去噪和整合邊緣信息方面的研究,將是今后的重點(diǎn)研究方向.

[1] 金剛.自適應(yīng)Canny算法研究及其在圖像邊緣檢測(cè)中的應(yīng)用[D].杭州:浙江大學(xué),2009.

[2] 胡敏,宋銀龍.基于二維Otsu和模糊聚類(lèi)的圖像分割算法[J].計(jì)算機(jī)應(yīng)用研究,2012,29(4):1563-1565.

[3] WANG S L,XU Y R,PANG Y J.A fast underwater optical image segmentation algorithm based on a histogram weighted fuzzy C-means improved by PSO[J].Journal of Marine Science and Application,2011,10(1):70-75.

[4] ZHANG X H,LIU L N.2-D minimum fuzzy entropy method of image thresholding based on genetic algorithm[J].Journal of Systems Engineering and Electronics,2005,16(3):557-560.

[5] 吳丹,蔡曉東,謝月飛,等.基于直方圖分析和Otsu算法的文字圖像二值化[J].計(jì)算機(jī)與現(xiàn)代化,2013(7):117-119,234.

[6] CHEN D L,YANG Y R,FAN C G.Nonlinear flutter of a two-dimension thin plate subjected to aerodynamic heating by differential quadrature method[J].Acta Mechanica Sinica,2008,24(1):45-50.

[7] 吳濤,秦昆,區(qū)磊海,等.圖像二維閾值分割的數(shù)據(jù)場(chǎng)方法[J].華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,38(11):128-134.

[8] 申鉉京,龍建武,陳海鵬,等.三維直方圖重建和降維的Otsu閾值分割算法[J].電子學(xué)報(bào),2011,39(5):1108-1114.

[9] 李攀,黃黎青,宋允東.基于掩膜預(yù)處理的稀疏表示和壓縮感知圖像重建[J].電子測(cè)量技術(shù),2015,38(8):79-81.

[10] 張亞濤,吉書(shū)鵬,王強(qiáng)鋒,等.基于區(qū)域?qū)Ρ榷鹊膱D像清晰度評(píng)價(jià)算法[J].應(yīng)用光學(xué),2012,33(2):293-299.

[11] 齊興斌,趙麗,李雪梅,等.基于直方圖梯度計(jì)算的T2加權(quán)腦部MR圖像自動(dòng)分割[J].計(jì)算機(jī)應(yīng)用研究,2015,32(5):1576-1579.

[12] 邵平,楊路明.基于廣義掩膜積分圖像的快速模板匹配[J].計(jì)算機(jī)科學(xué),2008,35(6):223-226.

[13] ZOU Y L,WANG G Y,ZHANG L.Fast small offshore target detection based on object region characteristic[J].Acta Automatica Sinica,2005,31(3):427-433.

[14] XU L.Least mean square error reconstruction principle for self-organizing neural-nets[J].Neural Networks,1993,6(5):627-648.

[15] 黃小喬,石俊生,楊健,等.基于色差的均方誤差與峰值信噪比評(píng)價(jià)彩色圖像質(zhì)量研究[J].光子學(xué)報(bào),2007,36(S):295-298.

[16] 左俊彥,張建國(guó),鐘濤.基于Canny檢測(cè)的股骨邊緣輪廓連接算法[J].山東大學(xué)學(xué)報(bào)(工學(xué)版),2015,45(3):65-72.

[17] 張恒,雷志輝,丁曉華.一種改進(jìn)的中值濾波算法[J].中國(guó)圖象圖形學(xué)報(bào),2004,9(4):408-411.

[18] 門(mén)蓬濤,張秀彬,張峰,等.圖像特征識(shí)別方法研究[J].微計(jì)算機(jī)信息,2014,20(5):103-105.

(編輯:丁紅藝)

Partitioning Algorithm Based on Mask and Imitated Median Filtering and Its Application

ZHANG Jianguo1, WANG Renqing1, ZUO Junyan1, HOU Huimin1, ZHONG Tao1, HU Fengling2, MA Qianli1

(1.SchoolofMechanicalEngineering,ShanghaiInstituteofTechnology,Shanghai201418,China;2.DepartmentofStomatology,TheFifthPeople’sHospitalofShanghai,FudanUniversity,Shanghai200240,China)

Considering the special and complicated fuzzy edges and the difficulty to distinguish the background noise in medical images,a partitioning algorithm based on the mask theory was proposed to distinguish the marginal information.The edge information was given by the area contrast,the characteristic of image pixel and the mean value of pixel on the enclosed area.In addition,more clear edge information was further gained by using the prior knowledge and imitation median filtering.The proposed method was implemented by meas of the software MATLAB.The influences of the theoretical model of the mask contrast and the imitated median filtering on the distinguishing effect were minutely analyzed and the method was verified to be feasible and accurate.The experiments show that the partitioning algorithm based on the masking theory and imitated median filtering can achieve better results on distinguishing marginal information compared with the traditional edge detection method,and has certain practical value in medical image processings.

mask;imitatedmedianfiltering;marginalinformation;contrast

1007-6735(2017)03-0295-06

10.13255/j.cnki.jusst.2017.03.015

2016-08-15

國(guó)家自然科學(xué)基金資助項(xiàng)目(51275310);上海市閔行區(qū)衛(wèi)生和計(jì)劃生育委員會(huì)科研項(xiàng)目(2015MW05);上海應(yīng)用技術(shù)大學(xué)協(xié)同創(chuàng)新基金重點(diǎn)資助項(xiàng)目(XTCX2015-6)

張建國(guó)(1979-),男,副教授.研究方向:圖像處理、分析與機(jī)器視覺(jué).E-mail:jgzhang98328@163.com

TP 391

A