馮慶宇

第七講 數(shù)字化醫(yī)療影像圖像處理

馮慶宇

編者按：數(shù)字化醫(yī)療影像圖像處理包括圖像增強的初級處理（輸入與輸出均為圖像）、圖像特征提取的中級處理（輸入為圖像，輸出為特征）和圖像分析理解的高級處理（智能識別，CAD等）。實際醫(yī)療工作中，最普遍應(yīng)用的是二維圖像矩陣的圖像增強，因此本文將主要介紹數(shù)字化醫(yī)療影像的基礎(chǔ)和特點，并結(jié)合醫(yī)療實際應(yīng)用介紹圖像增強的方法和理論，同時對目前市場主流廠家的圖像增強方法進行分析。

經(jīng)過人體衰減的X射線被探測器獲取并量化后，形成線性數(shù)字圖像矩陣。該數(shù)字圖像反映了人體的實際X射線吸收率，但無法用于臨床診斷，必須經(jīng)過圖像處理，得到符合臨床實際需求和人類視覺特性的圖像[1]。

1 數(shù)字影像基礎(chǔ)

數(shù)字圖像是通過某種設(shè)備將模擬影像采樣和量化而得，是空間坐標和灰度上都離散化并進行數(shù)字編碼的圖像，為連續(xù)圖像的一種近似表達[2]。對于一幅二維數(shù)字圖像f(x,y)，空間坐標上的離散化稱為采樣，灰度上的離散化稱為量化，采樣和量化可以均勻或不均勻。

采樣和量化后，數(shù)字圖像形成了二維矩陣，采樣值是決定一幅圖像空間分辨率的主要參數(shù)，灰度級分辨率指在灰度級別中可分辨的最小變化。數(shù)字圖像通常采用2的整數(shù)次冪(N)進行量化，因此可以將某數(shù)字圖像稱為N級灰度分辨率。此處的灰度級分辨率與通常所說的低對比度分辨率不同，僅是對數(shù)字圖像的數(shù)學(xué)描述。在實際工作中，對灰度差的分辨是一個高度主觀的評判，受到空間分辨率、噪聲等因素的影響。

2 數(shù)字化影像的處理域變換

數(shù)字圖像處理可以在空間域和頻率域?qū)崿F(xiàn)?？臻g域圖像處理，是在像素組成的空間里直接對像素進行處理，它可以是在一幅圖像像素點間的運算處理，也可以是數(shù)幅圖像的相應(yīng)像素點之間的運算處理。頻率域圖像處理，即在圖像的變換域進行間接處理，其特點是先將圖像通過一定的數(shù)學(xué)模型等變換手段由空間域變換到頻率域，然后在頻率域內(nèi)進行圖像處理，這樣可以從另外一個角度來分析信號特性。

常用的圖像變換方法有很多種，其中最經(jīng)典的是古老的傅里葉變換，目前已經(jīng)逐漸發(fā)展到余弦變換和小波變換等手段。變換的名稱雖然各不相同，但每一個變換都存在自己的正交函數(shù)集，由于各種正交函數(shù)集的不同而引入了不同的變換，它們都是空間域圖像f(x,y)的變換域表示式。

圖像處理中常用的是二維離散傅里葉變換，它需要非常龐大的計算量，運算時間非常長。因此，提出了快速傅里葉變換，可以節(jié)省大量的計算量和時間。

3 數(shù)字化醫(yī)療影像圖像處理

數(shù)字化醫(yī)療影像通常采用圖像增強的方法來進行圖像處理。目前實際應(yīng)用的圖像處理方法基本都是在空間域內(nèi)，對像素本身進行各種灰度處理和空間頻率處理。其原因在于，當(dāng)對圖像的處理域引入各種變換函數(shù)時，可能會由于域的變換而生成多余的圖像信息，進而出現(xiàn)圖像偽影，而這正是醫(yī)療影像必須避免的結(jié)果。

空間域圖像增強主要包括灰度變換、直方圖處理、圖像平滑(降噪)、圖像銳化(邊緣強化)等方法。頻率域處理的關(guān)鍵是變換處理，即首先將圖像由空間域變換至頻率域，然后在頻率域進行各種處理，再將處理結(jié)果進行反變換，從頻率域變換到空間域，達到圖像處理的目的。

3.1 灰度變換

灰度變換的實質(zhì)就是按照一定的規(guī)則修改圖像每一個像素的灰度，從而改變圖像的觀察效果?；叶茸儞Q按照其變換方法可分為線性、分段線性、非線性等，可使圖像的動態(tài)范圍加大，對比度擴展，清晰度提高，特征更明顯。

數(shù)字醫(yī)療影像圖像處理中，常用的是分段線性灰度變換和非線性灰度變換。其中最具代表性的是Kodak的Ptone和Agfa的Music等，下面將主要介紹分段線性和非線性灰度變換。

3.1.1 分段線性灰度變換

線性變換是將原始輸入圖像中的灰度值不加區(qū)分的擴展。實際應(yīng)用中，為了突出感興趣的目標或灰度區(qū)間，抑制不感興趣的灰度區(qū)域，通?？刹捎梅侄尉€性變換方法，常用的是三段線性變換法。

圖像處理中，可以通過將背景的對比度壓縮，將感興趣區(qū)圖像信息對比度拉伸，而顯示出更多的目標細節(jié)信息。如圖1，為了提高圖像的清晰度，將圖像灰度級的某一段（a-b段）擴展到（c-d段），完成對比度拉伸；而將另外的兩段（0-a段和b-Mf段）壓縮到0-c段和d-Mg段。

圖1 分段線性灰度變換

3.1.2 非線性灰度變換

醫(yī)療影像中，更為常用的是非線性灰度變換，包括平方、指數(shù)、對數(shù)、冪函數(shù)等。非線性變換不是對圖像的整個灰度值范圍進行擴展，而是選擇某一灰度值范圍進行擴展，其它范圍的灰度值則有可能被壓縮，具有分段的特點。

對數(shù)變換（如圖2）是最常使用的圖像灰度處理方法，其原因是人眼對信號的處理是有一個近似對數(shù)算子的轉(zhuǎn)換，因此對數(shù)變換更加符合人眼視覺特性。

圖2 對數(shù)變換

圖3 冪函數(shù)變換

冪函數(shù)變換（如圖3）也是經(jīng)常使用的灰度處理方法，多用于圖像獲取、打印和顯示的各種裝置，其過程一般稱作伽馬γ校正。此外，冪函數(shù)變換也可以用于圖像對比度的增強。

3.2 直方圖的均衡化

直方圖是多種空間域圖像處理技術(shù)的基礎(chǔ)，反映一幅圖像中的灰度與出現(xiàn)這種灰度的概率之間的關(guān)系的圖形。從數(shù)學(xué)上說，它統(tǒng)計一幅圖像中各個灰度出現(xiàn)的次數(shù)或概率；從圖形上說，它是一個二維圖，橫坐標表示圖像中各個像素點的灰度級，縱坐標為各個灰度級上圖像像素點出現(xiàn)的個數(shù)或出現(xiàn)的概率。

一幅對比度較小的圖像，其直方圖分布一定集中在某一比較小的灰階范圍內(nèi)。如果對圖像進行對比度增強，使增強后的圖像直方圖均勻化，即所有灰階出現(xiàn)的相對頻數(shù)相同，此時圖像的熵最大，圖像所包含的信息量最大，這種增強方法稱為直方圖均衡。

直方圖均衡也屬于灰階變換，其映射函數(shù)取決于圖像灰度直方圖的累積分布函數(shù)。直方圖均衡處理就是以累積分布函數(shù)為基礎(chǔ)的直方圖修改法。直方圖均衡的目的是將原始圖像直方圖變?yōu)榫夥植嫉男问?，即將一己知灰度概率密度分布的圖像，經(jīng)過變換，變成一幅具有均勻灰度概率密度分布的新圖像。通過直方圖均衡化處理，灰度頻率較小的灰度級經(jīng)變換后，頻率變大，圖像灰度直方圖在較大的動態(tài)范圍內(nèi)區(qū)域均化，可使圖像的灰度間距增大或灰度均勻分布、增大反差，這樣圖像的細節(jié)會變得更加清晰。

直方圖均衡后，會引起動態(tài)范圍的壓縮。如圖4：上部圖像的直方圖分布在整個灰度區(qū)間的中間部分，并且可見明顯的尖峰；經(jīng)過直方圖均衡后，下部圖像的直方圖分布在整個的灰度區(qū)間，尖端也略變平坦。直方圖均衡后，下部圖像的對比度明顯提升，影像更加清晰。同樣，可以看到下部圖像的灰度區(qū)間被拉伸，因此動態(tài)范圍也就變小，被壓縮。

圖4 直方圖的均衡化

直方圖均衡可以有效的擴展圖像灰階范圍，提高圖像全局對比度。但在增強圖像對比度的同時，嚴重放大了噪聲，并有可能引起某些細節(jié)區(qū)局部對比度的過度增強而失真。尤其對于醫(yī)學(xué)圖像，噪聲放大及細節(jié)失真都會影響醫(yī)生圖像的觀察，甚至引起誤診。

直方圖均衡可以提高影像質(zhì)量，但在某些灰階值變化明顯的區(qū)域，如胸部與脊柱的交界、乳腺與胸壁的交界等處，仍舊會引入一定的噪聲，影響觀察。另外，由于直方圖均衡的同時還會發(fā)生灰階的合并和去除，也可能造成某些細節(jié)的丟失。

醫(yī)療數(shù)字化影像圖像處理中，各公司均采用此種方法處理影像，如銳珂的EVP、GE的組織均衡和Agfa的Music等。但由于醫(yī)療影像與民用影像的使用目的具有很大不同，在處理中也要注意不可過度的使用此方法。如在頸椎側(cè)位中，我們并不需要觀察頭顱和肩關(guān)節(jié)的組織結(jié)構(gòu)，因此過度的增大直方圖均衡化處理并沒有太大的價值，同時還會由于信息量的增加而忽略有價值的信息。此外，在兒童胸部像中，由于兒童肺部的發(fā)育還不完善，組織間的密度差非常小，過度的直方圖均衡化處理也會增加對輕微肺部滲出性病變的觀測難度。

3.3 圖像平滑

成像過程中，受到設(shè)備、環(huán)境等影響，獲取的圖像會含有噪聲，因此可以在空間域或頻率域進行圖像平滑處理以降低噪聲。

常見空間域圖像平滑處理方法如下：

⑴ 鄰域平均法

鄰域平均法是使一個窗口在圖像上滑動，窗口中心位置的像素值用窗內(nèi)各點像素值的平均值來代替，主要優(yōu)點是算法簡單，計算速度快，但是會造成圖像一定程度的模糊。

⑵ 圖像間平均濾波

如果圖像噪聲是非相關(guān)、具有零均值的隨機噪聲，可以用幾幅相同條件下獲得的隨機圖像的平均值表示原圖像。

⑶ 中值濾波

中值濾波是一種基于排序理論的可有效抑制噪聲的非線性平滑濾波。首先確定一個以某個像素為中心點的鄰域，然后將鄰域中各個像素的灰度值進行排序，取其中間值作為中心點像素灰度的新值。利用中值濾波算法可以很好地對圖像進行平滑處理，并且運算簡單、速度快。

⑷ 頻率域圖像平滑處理

頻率域圖像平滑處理可以采用低通濾波。從能譜的角度來看，噪聲的能量一般被認為是在高頻分量，可以采用低通濾波器將噪聲濾除；圖像的細節(jié)和邊緣同樣是高頻分量，也可以選用合適的低通和高通濾波器來進行處理。

沒有完全理想的高通和低通濾波器，因此各種濾波器要配合使用，以避免采用低通濾波方法，在濾除高頻噪聲的同時也將圖像的部分高頻分量濾除，進而造成圖像的模糊。

3.4 圖像銳化

圖像銳化的目的是增強圖像中物體的邊緣和輪廓，便于提取物體特征進而對物體進行識別和分析。邊緣和輪廓一般都位于灰度突變的地方，從能譜的角度來看，具有灰度突變特性，是一個高頻分量，因此其關(guān)鍵是檢測出灰度的突變并進而對其計算。目前常用的具有這種性質(zhì)的銳化算子有梯度、拉普拉斯、反銳化掩模和其他一些相關(guān)運算。這些方法的實質(zhì)是使用高通濾波器優(yōu)化高頻分量，抑制低頻分量，提高圖像邊界清晰度。

圖像銳化最常用的是反銳化掩模技術(shù)，分為線性和非線性兩種，下面以線性反銳化掩模為例，介紹基本原理與方法。線性反銳化掩模算法原理如圖5：①首先將原圖像低通濾波后產(chǎn)生一個鈍化模糊圖像，將原圖像與該模糊圖像相減得到保留高頻成份的圖像，可以理解為高頻通過；②將高頻圖像用一參數(shù)K放大后與原圖像疊加，產(chǎn)生一個增強了邊緣的圖像。

圖5 線性反銳化掩模算法原理

反銳化掩模算法的關(guān)鍵在于提取出原圖像的高頻部分，這是通過原圖像減去低頻部分所得到的。得到的高頻部分，經(jīng)過一定系數(shù)的放大，可以更明顯的突出邊緣。通過上面的方法，提升了高頻成份，而低頻成份幾乎不受影響。但線性反銳化掩模也有一些缺點，如對噪聲過于敏感，尤其是在圖像的平滑區(qū)，并且容易使灰度突變劇烈的邊緣區(qū)域過增強，產(chǎn)生偽影。

4 常用數(shù)字化醫(yī)療影像圖像處理軟件介紹

市場上銷售的數(shù)字化影像設(shè)備均自帶了制造商提供的具有各自不同特點的圖像處理軟件。對于圖像的對比度處理，各個制造商基本相似，但對于在空間域內(nèi)的頻率特性提?。l率分割）和隨之的圖像增強卻有很大的不同。數(shù)字圖像頻率特性的提取主要有兩種方法，即單尺度濾波器多次空間頻率濾波法（如agfa,philips）和多尺度濾波器單次空間頻率濾波法(如kodak,Fuji)。

4.1 數(shù)字圖像的頻率特性

數(shù)字圖像由一定尺寸像素組成，必然具有空間分辨特性。人體的組織結(jié)構(gòu)，由于其密度和厚度的分布差異，必然存在著灰度差異，而灰度差異變化劇烈程度的不同，又引起了組織間空間頻率特性的不同。

圖像處理既可以在空間域進行，也可以在頻率域進行。早期，一般采用空間域處理方法，主要進行圖像的灰度視覺特性輸出處理。后來，利用傅立葉變換和小波變換等數(shù)學(xué)工具將圖像由空間域轉(zhuǎn)換至頻率域進行圖像頻率處理。但是逐漸發(fā)現(xiàn)，由于沒有完全理想的頻率濾波器進行頻率域處理，在進行處理域間轉(zhuǎn)換的時候，有時會發(fā)生圖像信息的失真或丟失。因此，目前在對醫(yī)療圖像進行處理時，一般是采用在空間域內(nèi)，以空間頻率表達圖像的頻率信息。

4.2 單尺度濾波器多次空間頻率濾波法

單尺度濾波器多次空間頻率濾波法的代表廠商是agfa公司和philips公式，agfa公司的代表軟件是Music，它采用了一個固定核的濾波函數(shù)來進行頻率提取，影像根據(jù)Laplacian金字塔函數(shù)進行頻率分解。

如圖6，首先選擇一個恰當(dāng)核的空間頻率濾波器，對圖像進行平滑處理，得到一幅平滑圖像g1，然后用原始圖像減去平滑后圖像g1，得到圖像的第一層邊緣高頻信息；接下來，該濾波器再對圖像g1進行平滑處理，得到圖像g2，圖像g1減去圖像g2，得到第二層的圖像邊緣高頻信息；依次步驟，根據(jù)濾波器進行平滑處理的次數(shù)，可以得到多種頻率組分，進而得到不同層的圖像邊緣高頻信息和一幅頻率非常低的圖像，甚至可以將全部圖像平滑成一個像素值均一的圖像；最后，將得到的低頻圖像依次與分離出的邊緣高頻圖像相加。由于每次分離出的高頻影像可以根據(jù)實際醫(yī)療特點進行一定的增益而使邊緣更加清晰，所以得到一幅各層面高頻分量被增強的圖像。

圖6 單尺度濾波器多次空間頻率濾波法

4.3 多尺度濾波器單次空間頻率濾波法

多尺度濾波器單次空間頻率濾波法的代表廠商是kodak公司和fuji公司，kodak公司的代表軟件是EVP，它根據(jù)人體組織的頻率特性，采用不同尺度的濾波函數(shù)來進行頻率提取，得到可以反映一定組織特性的多空間頻率影像。

對于一幅二維數(shù)字化醫(yī)療影像，根據(jù)人體組織灰度分布和圖像空間頻率信息的不同，可以將圖像分為多個頻段：噪聲具有隨機性，為單個點狀分布，因此空間頻率最高的是噪聲；圖像的邊緣與周圍分界清晰，也是高頻信息，空間頻率僅略低于噪聲；圖像的細節(jié)結(jié)構(gòu)組織內(nèi)容豐富，成份復(fù)雜，密度區(qū)別明顯，排在隨后的空間頻率區(qū)；接下來的空間頻率區(qū)是圖像的大體結(jié)構(gòu)，即組織密度差小，過渡不明顯的組織區(qū)域；空間頻率最低的則是密度分布均勻的區(qū)域，如背景區(qū)。

根據(jù)不同組織的臨床醫(yī)療特點和圖像學(xué)原理，首先設(shè)置不同尺度的濾波器，并以此將圖像分成不同的頻率組分。在每一頻率組份內(nèi)，設(shè)置不同的圖像處理數(shù)學(xué)函數(shù)，對圖像進行不同的處理方法。最后將這些代表著經(jīng)過不同處理方法的不同頻段信息的圖像進行增強疊加等處理，得到高質(zhì)量的醫(yī)療影像。

如圖7：一幅原始圖像，被三個不同尺度的頻率濾波器分別進行處理，將整幅圖像根據(jù)組織頻率特性的不同，分成四個頻段，如果加上提前進行的背景提取，可以分成五個頻段。

圖7 多尺度濾波器單次空間頻率濾波法

此種方法提取出的不同頻段，反映了組織的空間特點，因此可以有針對性的對每個頻段，根據(jù)臨床的實際需求，進行不同的處理方法。一般來說，對于噪聲的高頻段區(qū)，采用平滑降噪的方法；對于邊緣組織和細節(jié)組織采用銳化的方法，各種方法的幅度則根據(jù)醫(yī)療圖像特點進行設(shè)定。

4.4 兩種方法的特點

恰當(dāng)?shù)恼{(diào)整和設(shè)置圖像參數(shù)，選擇合適的濾波器尺度，均可以得到符合臨床醫(yī)療要求的影像，主要區(qū)別如表 1。

表1 單尺度濾波器多次空間頻率濾波法與多尺度濾波器單次空間頻率濾波法的主要區(qū)別

4.5 其它圖像處理方法

近期，銳珂公司和Agfa公司均推出了最新版本的圖像處理軟件，但Agfa公司的新版本軟件資料較少，下面對銳珂的新版本圖像處理軟件進行介紹。

銳珂的新版本軟件稱為EVP-Plus，雖然與前者名稱相近，但其原理和處理方法發(fā)生了很大的變化，為圖像處理提供了一個新的思路。

EVP-Plus的圖像頻段提取與上面介紹的EVP類似，但每個頻段的圖像增益參數(shù)則由軟件根據(jù)圖像灰度值，選用斜坡函數(shù)（Ramp函數(shù)）進行自動變換，這也是二者之間的最主要區(qū)別。斜坡函數(shù)常用于自動控制中，通過設(shè)定變化因素和隨動因素間的函數(shù)變換，使隨動因素可以自動的隨著變化因素的改變而改變，是一種信號處理常用函數(shù)。在這種圖像處理方法中，變化因素是圖像的灰度，隨動因素是對一定頻率特點圖像的處理幅度，本文以邊緣增強和噪聲抑制為例介紹該方法。

4.5.1 邊緣增強圖像處理

應(yīng)用一定的濾波器對圖像的邊緣頻段進行提取后，必然存在一組具有一定灰度差的像素對，其灰度差（對比度）是不同的。如圖8，在進行邊緣增強時，Ramp增益函數(shù)與灰度值相關(guān)，灰度差越大的邊緣，經(jīng)過增益后，差別更加增大；當(dāng)灰度值達到一定高值后，則認為高于此值的灰度值均為此值，為一定值；當(dāng)灰度值達到一定低值后，則認為低于此值的灰度值均為此值，為一定值。

圖8 邊緣增強圖像處理

4.5.2 噪聲抑制圖像處理

噪聲主要存在于圖像背景區(qū)和低曝光區(qū)(高密度組織區(qū)），背景區(qū)為低頻信號區(qū)，主要是設(shè)備固有噪聲和隨機量子噪聲；低曝光區(qū)為次低頻信號區(qū)，也是噪聲的主要分布區(qū)域。

噪聲抑制處理中，依據(jù)預(yù)設(shè)最高和最低灰度值和頻率的不同，分割出三個不同的區(qū)域并采用不同的噪聲處理函數(shù)進行處理。當(dāng)圖像灰度值大于最大預(yù)設(shè)灰度值時，關(guān)閉圖像噪聲處理函數(shù)，將大于此灰度值的像素均設(shè)為同一值，實際上相當(dāng)于進行了完全徹底的噪聲抑制。當(dāng)圖像灰度值小于最小預(yù)設(shè)灰度值時，采用最大的噪聲抑制幅度，使噪聲盡可能的降低。

二者之間的區(qū)域是中等灰度值的像素，包括了幾乎所有的組織邊緣和組織細節(jié)。在此區(qū)，噪聲的抑制幅度與圖像的灰度值和頻率特性相關(guān)，噪聲的抑制幅度由斜坡函數(shù)控制。因此，隨著圖像的灰度值和圖像的頻率分布降低，噪聲抑制函數(shù)應(yīng)用的幅度也逐漸加大。如果以胸部后前位圖像為例，也就是說，縱膈區(qū)的噪聲抑制幅度最大，空氣部分的像素進行完全徹底的噪聲抑制，其它區(qū)域（以肺區(qū)為主）則依據(jù)灰度和頻率的不同，噪聲抑制幅度也不同。

通過這種方法，在噪聲抑制時，保留了細節(jié)并對噪聲的主要區(qū)域進行充分抑制，可以大幅降低曝光劑量。

5 結(jié)束語

由于人體不同部位具有不同的結(jié)構(gòu)和密度特性，造成X線圖像的灰階值范圍和對比度差異極大，沒有任何方法能夠?qū)λ腥梭w各部位的X線圖像都取得很好的增強效果，因此如何在醫(yī)療影像領(lǐng)域最恰當(dāng)?shù)貞?yīng)用這些手段，還需要廣大醫(yī)護工作者進行更深入的探討并接受時間的檢驗。

思考與討論

1 空間頻率處理和頻段提取等方法是空間域處理，還是頻率域處理？

本文認為，空間頻率處理和頻段提取等方法是在空間域，對像素及其相鄰像素進行的圖像處理方法。在此過程中，并沒有通過傅里葉變換等函數(shù)進行處理域的轉(zhuǎn)換。其原因有多方面，本文認為主要原因在于醫(yī)生在臨床工作中對圖像不同區(qū)域的感興趣度不同，關(guān)注點也不同，這就決定了在進行圖像增強時，必須對不同的圖像區(qū)域，根據(jù)與臨床的相關(guān)性程度，設(shè)定不同的增強算法。而在頻率域中，頻率分布表達的是整個圖像的頻率特點，并且無法識別圖像的空間信息，這樣也就無法從頻率判定圖像的感興趣區(qū)，也就不能根據(jù)不同的臨床需求進行圖像增強。

另外一個很重要的原因是由于目前在頻率域沒有完全理想的濾波器，這樣在頻率域?qū)D像進行濾波處理后，可能將無價值的信息放大，更可怕的是將有價值的信息濾掉，這樣在下一步經(jīng)過數(shù)學(xué)函數(shù)轉(zhuǎn)換成空間域的像素矩陣后，必然會造成信息的丟失或失真，也必然會造成漏診與誤診。雖然空間域圖像增強也不是可逆的，但其對信息的損失要較頻率域小很多。根據(jù)筆者對Agfa、Kodak、Fuji、GE等公司產(chǎn)品的觀察后，可以看出圖像在經(jīng)過處理后，引入的椒鹽噪聲并不明顯（處理域的變換容易引起椒鹽噪聲的增加），因此考慮各公司的圖像處理系統(tǒng)主要仍舊在空間域進行各種頻率處理。由于不可能深入研究各公司的圖像處理算法，因此以上僅是筆者個人的觀察，代表個人意見。

2 照射野是否對圖像處理參數(shù)有影響而進一步影響影像質(zhì)量？

本文認為，對于數(shù)字化醫(yī)療影像，合適的X射線的照射野既可以降低散射線而提高影像質(zhì)量，也可以影響圖像處理參數(shù)而提高影像質(zhì)量。由于圖像處理時會進行背景區(qū)與邊緣的識別，并且會根據(jù)圖像的灰階分布來設(shè)置曲線的位置與形狀，因此也會影響影像質(zhì)量。筆者在臨床工作中，對此影響進行了一定的觀察，可以從兩個例子來體現(xiàn)。

例1：在進行腰椎側(cè)位攝影時，采用14×17英寸IP板，可以發(fā)現(xiàn)，使用14×17英寸照射野時，L5-S1椎間隙觀察不清晰的幾率非常大，而使用10×12英寸照射野時，大部分圖像的L5-S1椎間隙均比較清晰。上面兩種照射野的清晰度差別已經(jīng)不足以用散射線來解釋。

例2：在進行胸部后前位攝影時，如果肺野區(qū)所占的面積小于圖像面積的1/2，一般圖像質(zhì)量較差；肺野區(qū)所占的面積大于圖像面積的3/4，圖像質(zhì)量較好。例2也可以從直方圖上表現(xiàn)出來，一般情況，胸部后前位從左到右依次可見三個灰階峰，最左側(cè)為一陡峭度不大的灰階峰，是縱膈和膈肌下的灰階主要分布區(qū)；中間也為一陡峭度不大的灰階峰，是肺野區(qū)灰階的主要分布區(qū)；最右側(cè)為一陡峭尖峰，為高灰階背景區(qū)的分布區(qū)?？梢园l(fā)現(xiàn)，如果三峰明顯，并且左側(cè)峰和中間峰高度相差不大時，圖像質(zhì)量一般較佳；而左側(cè)峰明顯高于中間峰時，圖像質(zhì)量一般較差。這說明圖像灰階分布對圖像處理參數(shù)的設(shè)定有影響，而照射野又對灰階分布有影響，所以照射野影響了圖像處理參數(shù)的設(shè)定，進而影響影像質(zhì)量。

另外還可以發(fā)現(xiàn)，如果照射野設(shè)定的過小，緊緊包圍住攝影部位，周圍的背景參照過少，影像質(zhì)量也會下降。

[1]劉恒殊,黃廉卿.基于人眼視覺特性的醫(yī)學(xué)圖像處理方法[J].光電工程,2001,8(4):38-41.

[2]Rafael C Gonzalez, Richard E Woods.數(shù)字圖像處理[M].第3版.北京:電子工業(yè)出版社,2010.

2010-12-15

作者郵箱：fqyu@yahoo.com.cn