Matlab在医学图像分割处理中的应用VIP免费

中国医学影像学杂志2008年11月第16卷第6期ChineseJMedImaging，November2008，Vol16，No．6·453··短篇论著·Matlab在医学图像分割处理中的应用邢国泉1刘柱2李义兵1邹卫东1【摘要】目的：通过Matlab软件处理，将医学图像中病灶部分轮廓更清晰地标记出来。材料和方法：利用Matlab平台对脑部肿瘤图像进行分割和形态学处理。结果：在图像像素不太大的情况下，通过编程，实施图像分割和形态处理，可以在维持原来图像的基础上，使原图像的轮廓明显清晰。结论：利用Matlab平台，通过对图像的分割和形态学运算可以使病灶部分变得更清晰。关键词图像分割；Matlab；边缘检测中国图书资料分类法分类号TP317．4图像分割可以理解为将图像中有意义的特征区域或者需要应用的特征区域提取出来，这些特征区域可以是像素的灰度值、物体轮廓特性曲线、纹理特性等，也可以是空间频谱或直方图特征等。医学图像分割是医学图像处理和分析中的关键技术，医学图像由于成像原理和设备的不同，存在多种成像模式，包括(CT)计算机断层扫描、(MRI)磁共振成像、(Ultrasound)超声成像、(PET)正电子放射断层成像、(SPECT)单光子辐射断层扫描及其它医学影像设备所获得的图像。本研究基于图像分割的理论基础，在Manab平台上，对脑部MRI图像进行了分割，实验结果表明，这一方法可成功地将脑瘤轮廓清晰地标记出来。1基于边缘的分割边缘检测是医学图像处理的关键技术之一，目的是在有噪声背景的图像中确定出目标物边界的位置。它在医学图像匹配、肿瘤病灶确定、造影血管检测、冠心病诊断、左心室边缘抽出等方面占有举足轻重的地位。在图像处理上，一般都认为局部极值点或灰度发生急剧变化的点即为边缘。它可以粗略地分为：阶跃边缘(stepedge)和屋顶边缘(roofedge)以及线性边缘(Lineedge)三种。为了在图像中寻找边缘点，人们设计了各种各样的边缘检测算子(edgedetectors)，然后跟踪检测出的边缘点以构成边缘。常用的有微分算子、拉普拉斯高斯算子(109)、canny算子。微分算子有Roberts算子、Prewitt算子、Sobel算子以及IsotropicSobel算子。本文介绍拉普拉斯高斯算子——该算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplaeian算子检测边缘(109)和canny算子。为了叙述方便，下面记为一个原始的二维断层图像。1．1拉普拉斯高斯算子(109)对于阶跃型边缘，其一阶导数取得局部极值，其二阶导数为零。在离散的数字图像中，阶跃型边缘点是二阶导数的过零点(Zero．crossing)，即可以发现二阶导数为零交叉点来寻找边缘，而Laplacian算子是最常用的二阶导数算子。二元函数f(x，Y)的Laplacian变换定义为．2，．2，v2f：2+等⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯(1)ax‘ay‘将上式以差分形式表示。得到：V2f(x，Y)=[f(i+1，j)+f(i—l，j)+f(i，j+1)+f(i，j一1)一4f(i，j)]⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯(2)如果g(i，j)用来表示V2f(x，Y)，那么g(i，j)表示处理后(i，j)点的灰度值，f(i，j)表示处理前(i，j)点的灰度值。应用Laplacian算子对图像滤波，通常使用的拉普拉斯算子有3×3算子和5×5算子(图I，2)。经过滤波之后，就得到了g(i，j)。在g(i，j)中，如果某对相邻象素异号，那么它们之间就存在边缘。0—10—14．10．10．1．1．1．18．1．1．1．1①0O．1OO0．1—2．1O．1．216．2．10—1—2．100O．10O图1两种常用的3×3算子。图2常用的5×5算子。②利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感，希望在边缘增强前滤除噪声；为此，将高斯滤波和拉普拉斯边缘检测结合在一起，形成Log(LaplacianofGauss-ian。LoG)算法，这种方法的特点是图像首先与高斯滤波器进行卷积，这样既平滑了图像又滤除了噪声。h(x，Y)=V2[g(x，Y)奉f(x,y)]=[V29(x，Y)]乖f(x，Y)式中f(X，y)是图像。g(x，y)=去唧[-警]log(x’y)卅(g(xg’y))=[善+蒡]寺exp[一等]：一占[2一掣]exp[。辔]在实际应用中，使用loG模板(图2)作卷积，然后寻找那些零交叉点：如果一个像素值小于一0：，而周围邻接的8个像素作者单位1．437100湖北咸宁咸宁学院生物医学工程系2．030024太原太原理工大学应用力学与生物医学工程研究所万方数据·454·中...