摘 要: 采用均值濾波和中值濾波的方法對(duì)含有高斯噪聲和椒鹽噪聲的肛管外外痔中的血栓性外痔圖像進(jìn)行濾波預(yù)處理,,同時(shí)利用紋理濾波器分割圖像將紋理圖像,、形態(tài)學(xué)操作、局部標(biāo)準(zhǔn)差濾波和Rangefilt濾波相結(jié)合,,在保證分割圖像整體性的同時(shí),,提高了分割圖像的有效性,,保留了圖像的細(xì)節(jié)。通過血栓性外痔,、息肉,、混合痔、息肉血栓混合痔四種肛管外病癥的分割圖像結(jié)果的比較,,表明紋理濾波器分割圖像是一種性能良好的紋理圖像分割方法,,同時(shí)將其應(yīng)用在肛管外病癥圖像的分割中,獲得了很好的效果,。
關(guān)鍵詞:紋理分割,;均值濾波;中值濾波,;局部標(biāo)準(zhǔn)差濾波
醫(yī)學(xué)圖像分割是高層次醫(yī)學(xué)圖像理解和分析的前提條件,,在醫(yī)學(xué)研究、臨床診斷,、病理分析,、手術(shù)計(jì)劃、影像信息處理,、計(jì)算機(jī)輔助手術(shù)等方面應(yīng)用廣泛,,已經(jīng)成為醫(yī)學(xué)圖像分析領(lǐng)域中一個(gè)具有挑戰(zhàn)性的研究課題。圖像分割是模式識(shí)別,、計(jì)算機(jī)視覺中的關(guān)鍵技術(shù)之一,,是圖像識(shí)別和圖像理解的基本前提步驟,其分割質(zhì)量直接影響著后續(xù)圖像處理的效果,。分割的程度取決于要解決的問題,,在應(yīng)用當(dāng)中,當(dāng)感興趣的對(duì)象已經(jīng)被分離出來時(shí),,分割停止,。計(jì)算機(jī)視覺研究的目標(biāo)檢測(cè)、目標(biāo)識(shí)別,、特征提取等精度都依賴于圖像分割的質(zhì)量[1],。醫(yī)學(xué)圖像分割的目的是把圖像中具有特殊含義的不同區(qū)域分割開來,從而為臨床診療和病理學(xué)研究提供可靠依據(jù),。目前,,關(guān)于圖像分割的算法,國(guó)內(nèi)外學(xué)者已經(jīng)提出了上千種,,但通用的適合于所有不同類型的圖像分割算法并不存在,,不同的分割算法都針對(duì)某一特定的應(yīng)用范圍,所取得的分割效果也各有差異[2]。本文提出的紋理圖像分割方法是圖像處理和模式識(shí)別中的一個(gè)重要研究?jī)?nèi)容,,長(zhǎng)期以來是人們研究的熱點(diǎn),。因此,紋理圖像分割對(duì)于許多計(jì)算機(jī)視覺和圖像處理的研究具有非常重要的意義,,在實(shí)際中也得到了廣泛的應(yīng)用,,幾乎出現(xiàn)在有關(guān)圖像處理的所有領(lǐng)域,并涉及各種類型的圖像,。其應(yīng)用廣泛,從醫(yī)學(xué)圖像診斷中的癌細(xì)胞識(shí)別到從遙感圖片中識(shí)別多種有用的軍事或民用目標(biāo)[3],。
1 圖像預(yù)處理
醫(yī)學(xué)圖像在傳輸、轉(zhuǎn)換,、處理等過程中,,由于電磁干擾、電子信息處理等原因而使圖像質(zhì)量下降,,即產(chǎn)生噪聲,。這些噪聲將給醫(yī)學(xué)圖像的分析帶來困難,甚至影響圖像處理的最終結(jié)果,。因此,,對(duì)獲取的醫(yī)學(xué)圖像進(jìn)行噪聲抑制是圖像處理的重要環(huán)節(jié)。其中,,高斯噪聲和椒鹽噪聲是圖像處理中經(jīng)常遇到的兩種噪聲類型,。高斯噪聲主要是電子電路噪聲和低照明度或高溫帶來的傳感器噪聲,椒鹽噪聲則主要是源于強(qiáng)脈沖干擾,。為了降低這兩種噪聲的干擾,,經(jīng)常使用濾波的方法。均值濾波對(duì)于抑制高斯噪聲具有很好的效果,,而中值濾波則主要用于消除椒鹽噪聲的影響,。為了更好地提高醫(yī)學(xué)圖像質(zhì)量,最大限度地保存醫(yī)學(xué)圖像細(xì)節(jié),,本文應(yīng)用均值濾波和中值濾波的方法對(duì)醫(yī)學(xué)圖像的高斯噪聲和椒鹽噪聲進(jìn)行處理[4],。
肛管外病癥圖像在傳輸、轉(zhuǎn)換,、處理等過程中也不可避地會(huì)產(chǎn)生噪聲,,對(duì)于一幅圖像來說,除了邊緣,,圖像中噪聲和紋理細(xì)節(jié)也屬于較高的空間頻率范圍,,經(jīng)過邊緣檢測(cè)后,圖像的所有高頻分量(包括噪聲和紋理細(xì)節(jié))都被“放大”了,,得到的圖像可能會(huì)顯得比較混亂,。因此,,可以采用預(yù)處理進(jìn)行彌補(bǔ),。
1.1 均值濾波
均值濾波是典型的線性濾波算法,,它是指在圖像上對(duì)目標(biāo)像素給定一個(gè)模板,該模板包括了其周圍的臨近像素(以目標(biāo)象素為中心的周圍8個(gè)像素,,構(gòu)成一個(gè)濾波模板,,即去掉目標(biāo)像素本身),再用模板中的全體像素的平均值來代替原來像素值,。
均值濾波也稱為線性濾波,,其采用的主要方法為領(lǐng)域平均法。在均值濾波過程中,,鄰域平均法的效果與所要使用的鄰域半徑有關(guān),,半徑越大,平滑效果越明顯,,與此同時(shí),,圖像的模糊程度也越高,特別是邊緣和細(xì)節(jié)處,,鄰域越大模糊程度越厲害,。
圖1為均值濾波器的頻率響應(yīng)圖,圖1(a)中用來濾波的鄰域大小為3×3,,圖1(b)中用來濾波的鄰域大小為5×5,。
1.2中值濾波
中值波器是非線性低通濾波器,它先將鄰域中的像素按照灰度級(jí)進(jìn)行排序,,然后選擇排序結(jié)果序列的中間值作為輸出像素值,。由于中值濾波器對(duì)異常值不敏感,而中值濾波器可以在不減小圖像對(duì)比度的情況下減小異常值的影響,,因此,,中值濾波器在處理脈沖噪聲等應(yīng)用中有比較好的效果。
中值濾波的去噪效果依賴于濾波窗口的大小,,通過自適應(yīng)地施加結(jié)構(gòu)方面的限制來減少圖像中結(jié)構(gòu)的扭曲,。在大的窗口下,可以有效地抑制噪聲,,而使用小的窗口可以保留重要的結(jié)構(gòu)特征,。窗口的大小可以通過自適應(yīng)的技術(shù)來進(jìn)行控制,以便在不同特征的局部區(qū)域中使用不同大小的窗口,。
1.3 兩種濾波方法分析
中值濾波器的原理類似于均值濾波器,,均值濾波器輸出的像素值為相應(yīng)像素領(lǐng)域內(nèi)的平均值,而中值濾波器輸出的像素值為相應(yīng)像素領(lǐng)域內(nèi)的中值,。與均值濾波器相比,,中值濾波器對(duì)異常值不敏感,,因此中值濾波器可以在不減少圖像對(duì)比度的情況下減少異常值的影響。
肛管外病癥圖像為了降低高斯噪聲和椒鹽噪聲這兩種噪聲的干擾,,經(jīng)常使用均值濾波和中值濾波兩種方法,。中值濾波主要適用于低比例噪聲圖像的濾波,且能較好地保持物體的邊緣細(xì)節(jié),,但在濾除高斯噪聲時(shí)會(huì)不受破壞地保留一些較大尺寸的噪聲物體,,然而均值濾波對(duì)于抑制高斯噪聲具有很好的效果。因此,,本文中分別采用這兩種濾波方法對(duì)圖像進(jìn)行濾波處理,,即先采用中值濾波降低圖像的椒鹽噪聲,進(jìn)而采用均值濾波減少高斯噪聲對(duì)圖像的影響,如圖2所示,。
2 利用紋理濾波器分割圖像
2.1紋理圖像
物質(zhì)組成成分不同的最直接的外部表現(xiàn)就是紋理的差異,,因此,無論是人眼識(shí)別還是計(jì)算機(jī)視覺,,紋理特征都是非常重要的特征量,。
國(guó)內(nèi)外紋理分析的研究主要集中在特征提取、紋理區(qū)分,、紋理分類和紋理形成四個(gè)領(lǐng)域,。
本文著重于特征提取以及紋理分類方面的研究。特征提取是圖像紋理分析的第一步驟,,從這一步取得的結(jié)果可以進(jìn)一步用于紋理區(qū)分,、紋理分類或目標(biāo)成形。
目前描述紋理特征的方式主要分為兩類:分形維和灰度共現(xiàn)矩陣,。Mandelbrot于1975年提出分形幾何的概念,。許多自然景物都在不同程度上具有統(tǒng)計(jì)上的自相似性,而分形正是描述紋理自相似的結(jié)構(gòu)特征,,利用這一特性,,分形成為圖像處理眾多方法的一種。而本文主要介紹對(duì)灰度共生矩陣的操作,。Haralick最先于1979年提出灰度共生矩陣,,現(xiàn)已經(jīng)成為最常用的紋理分析方法之一?;叶裙采仃囀窃诳紤]像素之間空間關(guān)系時(shí)提出的一種檢測(cè)紋理特征的統(tǒng)計(jì)方法,。灰度共生矩陣函數(shù)通過計(jì)算一幅圖像中特定的像素在某一空間位置關(guān)系中出現(xiàn)的次數(shù)來刻畫紋理特征[5],。
使用紋理濾波器進(jìn)行分割就是利用圖像中不同區(qū)域的紋理對(duì)圖像的區(qū)域進(jìn)行劃分,。使用紋理濾波器分割圖像的基本步驟如下:
(1)讀取圖像;
(2)創(chuàng)建紋理圖像,;
(3)顯示圖像不同部分的紋理,;
(4)使用合適的濾波器進(jìn)行分割[6],。
2.2局部標(biāo)準(zhǔn)差濾波
2.2.1 圖像局部標(biāo)準(zhǔn)差
標(biāo)準(zhǔn)差(Standard Deviation),也稱均方差(Mean Square Error),是各數(shù)據(jù)偏離平均數(shù)的平均距離,,是離均差平方和平均后的方根,,用σ表示。標(biāo)準(zhǔn)差是方差的算術(shù)平方根,反映一個(gè)數(shù)據(jù)集的離散程度,。平均數(shù)相同的,,標(biāo)準(zhǔn)差未必相同。
圖像局部標(biāo)準(zhǔn)差(LSD)算子,,也叫圖像局部標(biāo)準(zhǔn)差梯度[7],它反映了在一幅圖像當(dāng)中局部區(qū)域?qū)Ρ榷鹊淖兓?biāo)準(zhǔn)差算子反映了圖像灰度局部的對(duì)比度變化程度,。在標(biāo)準(zhǔn)差大的地方,,圖像灰度起伏較大,即出現(xiàn)圖像邊緣的幾率大,;相反,,在標(biāo)準(zhǔn)差小的地方,圖像灰度變化平緩,,即出現(xiàn)圖像邊緣的幾率小,。因此,可以根據(jù)圖像局部標(biāo)準(zhǔn)差(LSD)將圖像中潛在的邊緣檢測(cè)出來,。圖像局部 窗口中全部像素點(diǎn)的共同貢獻(xiàn)是在計(jì)算局部標(biāo)準(zhǔn)差過程中使用窗口中像素的平均值代替中心點(diǎn)處像素,。這樣對(duì)于檢測(cè)孤立點(diǎn)邊緣不敏感,具有一定的平滑濾波的效果,,本文將對(duì)其性質(zhì)進(jìn)行分析,。
2.2.2 LSD邊緣檢測(cè)
邊緣檢測(cè)一直是圖像處理研究領(lǐng)域中一個(gè)基礎(chǔ)但又十分重要的內(nèi)容。邊緣檢測(cè)的目的不僅是提取圖像中感興趣的物體邊緣,,而且它還為圖像融合,、形狀提取、圖像分割,、圖像匹配和跟蹤奠定良好的基礎(chǔ),。此外經(jīng)過邊緣檢測(cè)的圖像具有數(shù)據(jù)量少的優(yōu)點(diǎn),有利于進(jìn)一步的處理,。由于實(shí)際處理的圖像往往存在著噪聲,,而且噪聲和邊緣在空間域中都表現(xiàn)為梯度的突變,在頻域中都表現(xiàn)為高頻信息,,這就使得邊緣檢測(cè)非常困難,。在這種情況下,經(jīng)典的邊緣檢測(cè)算子都不能很好地進(jìn)行邊緣提取,。在實(shí)驗(yàn)中通過對(duì)LSD邊緣檢測(cè)得到的結(jié)果圖像取閾值就得到最終的目標(biāo)圖像,。
2.2.3 LSD濾波
通過比較濾波器窗口中心的像素和鄰域像素標(biāo)準(zhǔn)差來實(shí)現(xiàn)濾波,,將濾波器的窗口中與其鄰域像素最相近的像素作為濾波器的輸出。因此,,采用計(jì)算濾波器窗口中每一點(diǎn)像素的標(biāo)準(zhǔn)差作為像素相似性測(cè)度,,如果某一個(gè)像素與其鄰域相似,則該像素的局部統(tǒng)計(jì)值,,即標(biāo)準(zhǔn)差值就會(huì)較小,。另一方面,含有噪聲的像素幾乎總是與鄰域像素形成不同的聚類,,因此這些像素的局域標(biāo)準(zhǔn)差就會(huì)較大,。
2.3 Rangefilt濾波后的圖像
Rangefilt濾波與傳統(tǒng)的Gabor濾波[8]的區(qū)別是傳統(tǒng)的Gabor濾波器理論和方法雖然可以提取出紋理圖像的紋理特征,但只是簡(jiǎn)單地提取出紋理特征,,由于提取的特征不足或者冗余,,并不能很好地完成對(duì)紋理圖像區(qū)域的分割,特別是對(duì)現(xiàn)實(shí)世界中紋理基元排列并不很規(guī)則的自然紋理,。另外,,Gabor提取紋理特征的方法,如果頻帶選擇過寬,,則頻率響應(yīng)會(huì)大大超出目標(biāo)區(qū)域的范圍,,無法得到好的分割結(jié)果;如果頻帶選擇過窄,,則頻譜響應(yīng)會(huì)出現(xiàn)很多空洞,。然而,Rangefilt濾波能正確地放大和有效利用這些響應(yīng)信息,,克服以上不足之處,。
Rangefilt濾波可以在復(fù)雜性的背景,在各個(gè)方向上提取紋理特征圖像并用來做目標(biāo)區(qū)域的分割,,因此,,在眾多方向中選擇正確的濾波器是算法分割成功的關(guān)鍵。由于環(huán)境復(fù)雜多變,,環(huán)境光照會(huì)隨著時(shí)間發(fā)生變化,,位置可能隨攝像機(jī)的旋轉(zhuǎn)而改變,各種外部條件的不確定性要求Rangefilt濾波的新算法對(duì)光照,、對(duì)比度,、旋轉(zhuǎn)變換和背景紋理的干擾有較強(qiáng)的魯棒性。
3 實(shí)驗(yàn)結(jié)果
血栓性外痔是肛管外外痔中最常見的一種,,本文先以血栓性外痔為例進(jìn)行圖像的紋理濾波,。
圖3為肛管外外痔中的血栓性外痔圖像的紋理濾波器分割圖像:其中圖3(a)為血栓性外痔預(yù)處理后的圖像;圖3(b)為圖3(a)的灰度圖像,;圖3(c)為圖3(b)灰度圖像的直方圖,;圖3(d)為血栓性外痔灰度共生矩陣的相關(guān)信息,,灰度共生矩陣函數(shù)通過計(jì)算一幅圖像中特定的像素在某一空間位置關(guān)系中出現(xiàn)的次數(shù)來刻畫紋理特征;圖3(e)為血栓性外痔不同粒度半徑開操作后剩余的像素和,;圖3(f)為血栓性外痔預(yù)處理后的灰度圖像,;圖3(g) 為預(yù)處理后的二值圖像;圖3(h)為預(yù)處理后的底部紋理圖像,;圖3(j)為形態(tài)學(xué)關(guān)操作后,,邊緣光滑后的圖像;圖3(k)顯示填充后的圖像,;圖3(l)顯示紋理圖像,;圖3(m) 顯示圖像頂部;圖3(n)顯示圖像底部,;圖3(o)為標(biāo)準(zhǔn)差濾波后的圖像,;圖3(p)為Rangefilt濾波后的圖像;圖3(q)顯示分割結(jié)果,。本實(shí)驗(yàn)中采用整體和局部相結(jié)合的分割方法,同時(shí)滿足整體和局部分割的要求,,提高了分割圖像的層次性,,保留了圖像的細(xì)節(jié),同時(shí)提高圖像分割的質(zhì)量,。
而現(xiàn)實(shí)中,,肛管外的各種病癥并不是單獨(dú)出現(xiàn)的,現(xiàn)將幾種相互獨(dú)立且相互關(guān)聯(lián)的病癥圖像進(jìn)行處理,,如圖4所示,。
圖4中,圖4(a),、(b),、(c)、(d)是息肉的圖像,圖4(e),、(f),、(g)、(h)是混合痔的圖像,圖4(j),、(k),、(l)、(m)是息肉血栓混合痔(PTCMH)的預(yù)處理后的圖像,、紋理圖像,、底部紋理圖像、顯示分割結(jié)果圖像,。三種病癥與血栓性外痔的紋理特征反映了圖像灰度模式的空間分布,,包含了圖像的表面感興趣區(qū)域信息及其非感興趣區(qū)域信息的關(guān)系,。因此,紋理分割從圖像的分割效果上講,,效果較好且能夠識(shí)別各種關(guān)聯(lián)的病癥,。
本文中針對(duì)肛管外外痔中的血栓性外痔圖像,結(jié)合均值濾波和中值濾波算法,,對(duì)受到噪聲影響的圖像進(jìn)行了濾波處理,,減小了圖像分割的難度,同時(shí)提高了分割的精度,。在濾波的基礎(chǔ)上,,還提出了一種利用紋理濾波器分割圖像的方法,將形態(tài)學(xué)操作,、局部標(biāo)準(zhǔn)差濾波和Rangefilt濾波相結(jié)合,,提高了圖像分割的實(shí)時(shí)性。在保證圖像分割整體性的同時(shí),,增強(qiáng)了分割后圖像的細(xì)節(jié)特征,,達(dá)到了良好的分割效果。
本文結(jié)合血栓性外痔,、息肉,、混合痔、息肉血栓混合痔四種肛管外病癥,,對(duì)預(yù)處理后的圖像,、紋理圖像、預(yù)處理后的底部紋理圖像,、顯示分割結(jié)果圖像進(jìn)行比較,,能夠達(dá)到分割和識(shí)別的目的。因此,,利用紋理濾波器分割圖像的方法能夠獲得很好的識(shí)別效果,。
參考文獻(xiàn)
[1] 張榮祥,鄭世杰,夏慶觀.基于Hilbert掃描和小波變換的自適應(yīng)圖像分割[J] .中國(guó)圖象圖形學(xué)報(bào),2008,13(4):
666-671.
[2] 湯可宗,張磊,高尚.一種基于矢量閾值的自適應(yīng)圖像分割方法[J].昆明理工大學(xué)學(xué)報(bào)(理工版), 2007,32(5): 23-26.
[3] 李中海, 郭禾.一種綜合多種方法的紋理圖像分割[D].大連:大連理工大學(xué)碩士論文,2008.
[4] 劉 輝,趙文杰.一種自適應(yīng)圖像分割算法[J]. 四川兵工學(xué)報(bào),2009,30(12):31-33.
[5] 張培培,陳徳運(yùn).骨髓細(xì)胞圖像自動(dòng)識(shí)別技術(shù)的研究[D].哈爾濱:哈爾濱理工大學(xué)碩士論文,,2008.
[6] 張強(qiáng),王正林.精通MATLAB圖像處理[M].北京:電子工業(yè)出版社,2009.
[7] 孫小煒,李言俊,陳義.局部標(biāo)準(zhǔn)差濾波在圖像處理中的應(yīng)用[J] .電光與控制, 2008,15(9):32-34.
[8] 謝浩覃, 羅三定.分割類圓形聚集區(qū)域的Gabor方法研究[D].長(zhǎng)沙:中南大學(xué)碩士論文,2008.