基于中值濾波算法的醫(yī)學影像圖像除噪設計實現(xiàn)研究

摘要：對醫(yī)學影像圖像中值濾波算法的數(shù)學模型進行了分析，采用MATLAB平臺對基于中值濾波算法的醫(yī)學影像圖像除噪進行了算法實現(xiàn)設計，并運用中值濾波算法將含有椒鹽噪聲和高斯噪聲的醫(yī)學影像圖像分別加以實驗仿真操作，進一步對其經(jīng)不同的中值濾波算法模板進行了實驗比較研究。結果表明理論分析與實驗的一致性。

關鍵詞：醫(yī)學影像圖像;中值濾波;除噪;處理

中圖分類號：TP391

文獻標識碼： A

從醫(yī)學影像成像系統(tǒng)獲取的二維斷層圖像數(shù)據(jù)，將其轉換為計算機便于識別的圖像格式。經(jīng)其進行校正、插值、濾波等預處理及對醫(yī)學影像關鍵部位分割、紋理分析、輪廓提取、配準和融合進而形成體數(shù)據(jù)。其醫(yī)學影像圖像的處理過程[1-6]如圖1所示。

在醫(yī)學影像圖像處理過程中，因成像系統(tǒng)、傳輸介質和記錄設備等環(huán)節(jié)諸多因素，導致醫(yī)學影像圖像在其形成、記錄、傳輸?shù)冗^程中常會受到多種噪聲的污染。所需要的醫(yī)學影像圖像中有價值的信息被噪聲信號淹沒，致使臨床診斷失誤，也使進一步地治療與預后工作無法開展，除去圖像噪聲是圖像處理過程中重要內容。文獻[7-9]研究了改進均值劃分算法的中值濾波方法對圖像預處理的問題，并且運用MATLAB進行了實驗實現(xiàn);文獻[10-11]探討了快速算法的中值濾波方法及應用;文獻[12-13]采用改進的中值濾波算法對彩色圖像進行了去噪研究;近年來中值濾波算法及其它算法在醫(yī)學影像圖像噪聲處理研究領域受到研究者關注[14-18]。本文研究了醫(yī)學影像圖像中值濾波算法的數(shù)學模型，采用MATLAB平臺對基于中值濾波算法的醫(yī)學影像圖像去噪進行了算法實現(xiàn)設計，并運用中值濾波算法分別對含有椒鹽噪聲和高斯噪聲的醫(yī)學影像圖像進行仿真實驗，進一步對其經(jīng)不同的中值濾波算法模板進行了實驗比較研究。

1基于中值濾波算法的醫(yī)學影像圖像數(shù)學模型

2基于中值濾波算法的醫(yī)學影像圖像設計仿真實現(xiàn)

通過中值濾波，分別對含有椒鹽噪聲和高斯噪聲醫(yī)學影像圖采用中值濾波算法進行去噪，實驗采用MATLAB程序語言[21-25]來進行編程實現(xiàn)算法仿真。其對含有椒鹽噪聲和高斯噪聲醫(yī)學影像圖采用3*3的濾波窗口模板中值濾波算法設計實現(xiàn)如圖2所示。

運行仿真，如圖3（b）、（c）、（d）、（e）所示為3*3窗口中值濾波分別對椒鹽噪聲和高斯噪聲濾波前后的大腦醫(yī)學圖像。圖3（a）為CT原始圖，圖3（b）為在CT原始圖3（a）中加有均值零，方差為0.02的椒鹽噪聲圖像，圖3（c）是采用中值濾波去除圖3（b）中椒鹽噪聲后的圖像，圖3 （d）是在CT原始圖3（a）中加上均值零，方差為0.02的高斯噪聲圖像，圖3（e）為對圖3（b）中高斯噪聲采用中值濾波之后的圖像。通過實驗圖3觀察到，中值濾波對椒鹽噪聲的除噪效果比高斯噪聲的好，對于高斯噪聲的去噪效果3*3窗口的中值濾波功能沒有優(yōu)勢。

進一步對含有椒鹽噪聲和高斯噪聲醫(yī)學影像圖采用5*5的濾波窗口模板中值濾波算法設計實現(xiàn)如圖4所示。

去除圖5（b）中椒鹽噪聲后的圖像，圖5（d）是在CT原始圖5（a）中加上均值零，方差為0.02的高斯噪聲圖像，圖5（e）對圖5（d）中高斯噪聲采用中值濾波之后的圖像。通過實驗圖5可以觀察到，中值濾波對椒鹽噪聲的除噪效果比高斯噪聲的優(yōu)勢強。

比較圖3（e）和圖5（e）在3*3和5*5兩種窗口中的中值濾波處理效果，對于高斯噪聲選用5*5窗口的中值濾波效果比3*3窗口的好，但其對去除高斯噪聲后圖像模糊加重了些。

3結語

本文對醫(yī)學影像圖像中值濾波算法的數(shù)學模型進行了分析，采用MATLAB平臺對基于中值濾波算法的醫(yī)學影像圖像去噪進行了算法實現(xiàn)設計，并運用中值濾波算法分別對含有椒鹽噪聲和高斯噪聲的醫(yī)學影像圖像進行了仿真實驗研究，進一步對其經(jīng)不同的中值濾波算法模板進行了實驗比較研究。結果表明理論分析與實驗的一致性。該研究對醫(yī)學影像圖像處理在工程中應用有較大的理論和實踐意義。

參考文獻：

[1]

Shuka H， Kumar N， Tripathi R P. Median filter based wavelet transform for multilevel noise[J]. International Journal of Computer Applications， 2014， 107（14）：11-14.

[2]趙曉梅，張正平，余穎聰，等.基于CS-BP神經(jīng)網(wǎng)絡的舌診圖像顏色校正算法[J].貴州大學學報（自然科學版），2019，36（5）：82-87.

[3]祝蕾，朱坤福.醫(yī)學影像學的發(fā)展趨勢探究[J].影像研究與醫(yī)學應用，2018，36（5）：84-85.

[4]高建瓴，孟宇婷，邸澤雷坤.基于自適應活動輪廓模型的醫(yī)學圖像分割算法研究[J].貴州大學學報（自然科學版），2018，35（5）：67-73.

[5]陳軍.基于維納濾波算法的醫(yī)學影像圖像除噪分析研究[J].遼寧大學學報（自然科學版），2019，46（1）：10-15.

[6]郭健， 程宇航， 郭書祥. 腦血管三維重建及算法實現(xiàn)[J]. 哈爾濱工程大學學報， 2019， 40（4）：649-654.

[7]劉海峰， 張超， 羅江，等. 一種用于中值濾波的改進均值劃分算法[J]. 計算機系統(tǒng)應用， 2017， 26（3）：162-168.

[8]王紅君， 施楠， 趙輝，等. 改進中值濾波方法的圖像預處理技術[J]. 計算機系統(tǒng)應用， 2015， 24（5）：237-240.

[9]袁西霞， 岳建華， 趙賢任. MATLAB在中值濾波改進算法中的應用[J]. 廣東工業(yè)大學學報， 2007， 24（1）：33-35.

[10]張麗， 陳志強， 高文煥，等. 均值加速的快速中值濾波算法[J]. 清華大學學報（自然科學版）， 2004， 44（9）：1157-1159.

[11]朱冰蓮， 潘哲明， 李單單. 一種中值濾波的快速算法[J]. 信號處理， 2008， 24（4）：684-686.

[12]王建衛(wèi). 彩色圖像的中值濾波算法的改進與應用[J]. 哈爾濱商業(yè)大學學報（自然科學版）， 2006， 22（4）：67-69.

[13]Li J， Cui S， Wang M. Threshold de￣noising method for mixed noise based on improved median filter and lifting wavelet transform[J]. Journal of Applied Optics， 2014（5）：817-822.

[14]肖孟強. 混合噪聲圖像濾波算法在醫(yī)學圖像中的應用研究[D]. 蘭州：蘭州交通大學， 2012.

[15]何文. 基于小波變換與模糊理論的醫(yī)學超聲圖像增強與去噪方法研究[J].電子設計工程， 2015（12）：101-104.

[16]陳軍，汪春菊，趙紅蕾，等.基于馬爾可夫模型的超聲醫(yī)學圖像處理研究[J].畜牧獸醫(yī)雜志， 2016， 35（2）：44-46.

[17]C. Jaspin Jeba Sheela，G. Suganthi. An efficient denoising of impulse noise from MRI using adaptive switching modified decision based unsymmetric trimmed median filter[J]. Biomedical Signal Processing and Control，2020，55（1）：101657-101663.

[18]張靜凱，張正平.基于眼部生理結構的虹膜外圓定位[J].貴州大學學報（自然科學版），2016，33（1）：94-97.

[19]霍鳳財， 孫寶翔， 任偉建. 基于圖像閾值分割的改進蜂群算法[J]. 吉林大學學報（信息科學版）， 2015， 33（1）：84-93.

[20]溫軍玲， 嚴壯志， 林笑曼. 格子波爾茲曼方法的醫(yī)學圖像同步去噪增強算法[J]. 小型微型計算機系統(tǒng)， 2013， 34（9）：2197-2200.