郭 璇，鄭 菲，趙若晗，吳 丹，彭鈺欣，韓冬熇，毛凌毓，楊 影，葉佳慧，紀(jì)杜娟，董 默

（牡丹江醫(yī)學(xué)院 醫(yī)學(xué)影像學(xué)院，黑龍江 牡丹江 157000）

0 引言

隨著圖像處理技術(shù)及計(jì)算機(jī)模擬應(yīng)用的快速發(fā)展，圖像處理技術(shù)已經(jīng)廣泛的應(yīng)用于生活的方方面面，通常我們對(duì)圖像進(jìn)行處理的目的就是產(chǎn)生更適合人或計(jì)算機(jī)識(shí)別的圖像，而其中關(guān)鍵的一步就是對(duì)包含大量而多樣信息的圖像進(jìn)行分割。所謂圖像分割是按照一定的規(guī)則將一幅圖像或者景物分成若干個(gè)子集的過程[8]。相對(duì)于整幅圖像來說，進(jìn)行圖像分割后的圖形更適合做進(jìn)一步處理和分析。圖像分割發(fā)展由來悠久，已經(jīng)應(yīng)用于各個(gè)方面，今天我們就其在醫(yī)學(xué)方面的應(yīng)用進(jìn)行簡(jiǎn)單討論。醫(yī)學(xué)圖像分割算法已成為圖像處理和分析領(lǐng)域中的研究的重點(diǎn)，目前新興的算法越來越多，相對(duì)比傳統(tǒng)的基于閾值、區(qū)域及邊緣的算法又有了新的補(bǔ)充。但是，至今為止仍然沒有一種通用的分割算法對(duì)各種圖像均能得到滿意的分割結(jié)果。因此筆者認(rèn)為，在醫(yī)學(xué)圖像處理的實(shí)際應(yīng)用中，應(yīng)根據(jù)被處理圖像的實(shí)際特點(diǎn)，因地制宜，合理地選擇或設(shè)計(jì)合適的分割方法進(jìn)而達(dá)到輔助診斷的目的。

本篇文章首先針對(duì)醫(yī)學(xué)圖像分割的大致分類、特征等進(jìn)行了簡(jiǎn)要的介紹，然后就基于閾值的分割方法進(jìn)行詳盡的討論并利用計(jì)算機(jī)軟件以實(shí)際處理效果分析了常見幾種基于閾值的分割方法的優(yōu)缺點(diǎn)。

1 醫(yī)學(xué)圖像分割的常見方法及特征

通常情況下，分割技術(shù)重點(diǎn)在于找尋圖像目標(biāo)與其背景之間的差異，這也是各種算法的根本所在。所以，分割技術(shù)的關(guān)鍵是找出一定的特征，特征包括兩種：一是相似特征，即在此特征下目標(biāo)是相似的，二是在這個(gè)特征下，分割目標(biāo)與背景有較大的差異性。根據(jù)尋找特征的方式，常見的圖像分割方法可以分為以下三大類：基于區(qū)域特征的方法、基于邊緣特征的方法和基于相關(guān)匹配的方法。基于區(qū)域特征的方法所依據(jù)的是灰度、亮度、顏色等某些—定空間范圍內(nèi)的圖像局部特征，在這些特征下目標(biāo)和背景區(qū)域內(nèi)部具有一定程度的相似性[6]；基于邊界的方法認(rèn)為不同的目標(biāo)在邊緣之間會(huì)存在越變跳變，因此尋找邊界線是基于邊緣的分割方法的核心，常用的邊緣檢測(cè)也是依據(jù)此原理；基于匹配的方法則根據(jù)已知目標(biāo)的特征建立相應(yīng)的模板將特殊目標(biāo)分離出來[8]。在實(shí)際應(yīng)用過程中，尤其在醫(yī)學(xué)領(lǐng)域，上述這些技術(shù)并不是彼此獨(dú)立的，通常會(huì)交叉配合使用，才能達(dá)到預(yù)期的效果。

盡管圖像分割技術(shù)已經(jīng)發(fā)展多年，但由于圖像內(nèi)容的多樣性以及模糊、噪聲等的干擾，圖像分割具有很高的難度和不確定性。無(wú)論費(fèi)時(shí)費(fèi)力的人工分割或是方便快捷的機(jī)器分割，都存在其自身的弱點(diǎn)，至今為止沒有普適性分割方法和通用的分割效果評(píng)價(jià)標(biāo)準(zhǔn)，判定分割的好壞必須結(jié)合實(shí)際應(yīng)用，例如，在醫(yī)學(xué)上可以更好的輔助醫(yī)生進(jìn)行診斷的分割即是合理的分割。總結(jié)起來合理的圖像分割技術(shù)應(yīng)該具有分割有效性、分割完整性、細(xì)節(jié)精確性三大特征，現(xiàn)代醫(yī)學(xué)分割技術(shù)也遵循上述特征來繼續(xù)發(fā)展中。

2 基于閾值的醫(yī)學(xué)圖像分割方法的應(yīng)用及比較

上文提到常用的三大類型分割技術(shù)，筆者認(rèn)為圖像的閾值分割是一種應(yīng)用最為廣泛的圖像分割技術(shù)，更為成熟，但即使發(fā)展較早，近年來仍然不斷有新的分割算法出現(xiàn)，因此本文針對(duì)常見的基于閾值的圖像分割技術(shù)做了詳細(xì)的介紹。

基于閾值的分割技術(shù)尋找的特征主要為灰度，即利用了目標(biāo)和背景在灰度上的差異，把圖像看做具有不同灰度級(jí)的目標(biāo)和背景兩大部分的組合。其原理為，逐個(gè)比較圖像中每個(gè)像素值和閾值的關(guān)系，進(jìn)而來判斷該像素點(diǎn)屬于目標(biāo)還是背景，從而進(jìn)一步產(chǎn)生二值圖像[10]。從原理上分析，這種分割方法最為簡(jiǎn)單容易讓人理解，除此之外，閾值分割還可以大量壓縮數(shù)據(jù)，減少存儲(chǔ)容量，針對(duì)無(wú)論人工或是計(jì)算機(jī)處理都可以提高處理效率。

由于閾值分割主要的特征為灰度級(jí)，因此常用的閾值法基本上都是基于一維灰度直方圖統(tǒng)計(jì)特征的分割方法，我們會(huì)將圖像的灰度直方圖繪制出來，簡(jiǎn)單地用一個(gè)或幾個(gè)閾值將圖像灰度直方圖分成兩段或多段，根據(jù)需要將目標(biāo)和丟棄的部分利用灰度值的不同區(qū)分開來。下例中我們根據(jù)圖像所對(duì)應(yīng)的直方圖的峰值和谷點(diǎn)選取閾值T=240，T=210，T=180時(shí)分別做出這時(shí)的醫(yī)學(xué)圖像分割結(jié)果，如圖1所示，通過觀察實(shí)際分割效果能清晰的看出基于閾值的醫(yī)學(xué)圖像分割的效果。

圖1 不同閾值選取下醫(yī)學(xué)圖像的實(shí)驗(yàn)結(jié)果Fig.1 Experimental results of medical images under different thresholds

基于閾值的方法根據(jù)使用的是圖像的整體信息還是局部信息，還可以將分割方法分為局部閾值和全局閾值[7]。其最重要的一步就是選取合適的閾值，簡(jiǎn)單的閾值選取方法是以圖像的灰度直方圖為對(duì)象，以得到的各個(gè)灰度級(jí)的概率分布密度為基礎(chǔ)，依據(jù)某一準(zhǔn)則選取合適的閾值，最終確定像素點(diǎn)的歸屬。目前為止，常見的閾值分割算法有雙峰法、otsu方法、迭代法、最大熵法等。本文所采用的閾值分割算法均是通過MATLAB軟件實(shí)現(xiàn)完成。下面將常用的基于閾值的圖像分割方法做詳細(xì)介紹。

2.1 雙峰法

雙峰法是最為簡(jiǎn)單的閾值分割方法，若分割前已經(jīng)對(duì)圖像中的目標(biāo)和背景灰度級(jí)有確切的了解，那么閾值就可以直接確定。也可以采取嘗試的方法，試驗(yàn)不同的閾值，直到分割效果達(dá)到要求為止，在實(shí)際工程中經(jīng)常使用。雙峰法簡(jiǎn)單，易操作，但針對(duì)復(fù)雜圖像往往分割效果不理想。

以下幾組實(shí)驗(yàn)通過選擇特定的閾值進(jìn)行雙峰法圖像分割處理。如圖2所示。

2.2 最大熵法

熵是信息論中的一個(gè)術(shù)語(yǔ)。最大熵法的目的在于將圖像的灰度直方圖分成兩個(gè)或多個(gè)獨(dú)立的類，使得各類熵的總量最大[6]。根據(jù)最大熵原理進(jìn)行圖像閾值分割，通常選取一個(gè)閾值，使圖像用這個(gè)閾值分割出的兩部分的一階灰度統(tǒng)計(jì)的信息量最大，即一維熵最大。一維最大熵閾值圖像分割法的基本方法如下：

（1）統(tǒng)計(jì)圖像中每一個(gè)灰度級(jí)出現(xiàn)的概率；

（2）計(jì)算該灰度級(jí)的熵；

（3）以某一灰度級(jí)作為圖像分割點(diǎn)，區(qū)分目標(biāo)和背景；

圖2 雙峰法醫(yī)學(xué)圖像分割實(shí)際效果Fig.2 Experimental results of two-mountain method for medical image segmentation

（4）對(duì)圖像中每個(gè)灰度級(jí)求目標(biāo)和背景區(qū)域的熵的和，選取和最大的灰度級(jí)作為分割圖像的閾值。

基于熵的閾值選取法基本不會(huì)受到目標(biāo)大小的影響，因此其針對(duì)目標(biāo)較小的情況使用效果很好，但一維最大熵法由于涉及對(duì)數(shù)運(yùn)算，因此處理速度慢，若針對(duì)目前的實(shí)時(shí)分割，可能達(dá)不到預(yù)期的效果，而且若圖像細(xì)節(jié)多或是復(fù)雜的情況也不適合使用此方法。如圖3所示，使用最大熵法進(jìn)行醫(yī)學(xué)圖像分割后的結(jié)果。

圖3 最大熵法醫(yī)學(xué)圖像分割實(shí)驗(yàn)結(jié)果Fig.3 Experimental results of maximum entropy method for medical image segmentation

2.3 Otsu 法

Otsu法是一種自動(dòng)的非參數(shù)非監(jiān)督的閾值選擇法,在使用時(shí)只需要計(jì)算灰度直方圖的零階和一階累積矩,相對(duì)運(yùn)算簡(jiǎn)單,且分割穩(wěn)定有效。這種確定閾值的方法，也稱為最大類間方差閾值分割方法或大津法。通常情況下，通過Ostu法選取出來的閾值非常理想，在各種情況下的表現(xiàn)都較為良好，可以說是目前很穩(wěn)定的分割方法，但是Otsu法本質(zhì)上屬于單閾值的圖像分割方法，即只能將圖像分為兩類，如果目標(biāo)與背景的大小比例不均衡時(shí)，此種方法會(huì)失效。Otsu方法在運(yùn)算上相對(duì)比最大熵法要快，盡管算法相對(duì)復(fù)雜，但在圖像分割領(lǐng)域中目前使用極為廣泛。如圖4所示，使用Otsu法進(jìn)行醫(yī)學(xué)圖像分割后的結(jié)果。

圖4 Otsu 法醫(yī)學(xué)圖像分割實(shí)驗(yàn)結(jié)果Fig.4 Experimental results of Otsu method for medical image segmentation

2.4 迭代法

通過迭代方式也可以選取閾值，首先選取圖像灰度范圍的中值作為初始值，把原始圖像中的全部像素分為前景和背景兩大類，然后分別對(duì)其進(jìn)行積分處理并將結(jié)果取平均獲取新的閾值，并按此閾值再將圖像分為前景、背景兩大類[7]。如此反復(fù)迭代下去，當(dāng)閾值不再發(fā)生變化，認(rèn)為此刻的閾值即作為最終的結(jié)果并用于對(duì)本圖像的分割。

由于迭代算法使用反復(fù)的循環(huán)方式，因此其計(jì)算速度也相對(duì)較慢，迭代法適用于直方圖呈現(xiàn)雙峰形狀且峰谷特征比較明顯的圖像，但是對(duì)于圖像直方圖雙峰特征不明顯，或目標(biāo)和背景比例差異很大情況下分割效果可能不理想。如圖5所示，使用迭代法法進(jìn)行醫(yī)學(xué)圖像分割后的結(jié)果。

3 總結(jié)

圖5 迭代法醫(yī)學(xué)圖像分割實(shí)驗(yàn)結(jié)果Fig.5 Iterative method for medical image segmentation

閾值法作為一種傳統(tǒng)的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單便利、性能較穩(wěn)定、方法多元化已經(jīng)成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。由于便利且迅速，該方法通常應(yīng)用于圖像的預(yù)處理，并能取得滿意的結(jié)果。在圖像處理技術(shù)高速發(fā)展的今天，基于閾值的圖像分割技術(shù)已經(jīng)有多種算法應(yīng)用，且不斷的繼續(xù)發(fā)展中，確定最佳閾值是閾值分割法的關(guān)鍵，對(duì)閾值選取方法的研究和應(yīng)用具有重要意義。在醫(yī)學(xué)領(lǐng)域?qū)D像的分割的好壞直接影響醫(yī)師的診斷效果，因此合理的使用閾值法并且將其與其他分割方法結(jié)合使用以得到更好的分割結(jié)果具有重要意義。通過閱讀本文希望讀者可以對(duì)基于閾值的醫(yī)學(xué)圖像的分割技術(shù)有所了解。

[1] 閆秋孟, 董默等. 基于MATLAB的醫(yī)學(xué)圖像處理系統(tǒng)設(shè)計(jì)與應(yīng)用[J]. 軟件, 2017, 38(2): 51-55.

[2] 鄧華. 淺談Matlab在數(shù)字圖像處理中的應(yīng)用[J]. 科技資訊,2006(8): 128-129.

[3] 周志尊, 孫璐等. CT與MRI融合技術(shù)的顱內(nèi)腫瘤應(yīng)用研究[J]. 軟件, 2017, 38(5): 34-38.

[4] 陳廣新等. 股骨3D模型構(gòu)建在股骨頭置換手術(shù)中的應(yīng)用研究[J]. 軟件, 2017, 38(12): 75-80.

[5] 王娟, 周金芝. 基于Matlab的形態(tài)學(xué)圖像處理研究[J]. 現(xiàn)代交際, 2010, (4): 135-136.

[6] 康曉東. 醫(yī)學(xué)影像圖像處理[M]. 北京: 人民衛(wèi)生出版社,2009.

[7] 聶東升, 邱劍鋒, 鄭建立. 醫(yī)學(xué)圖像處理[M]. 上海: 復(fù)旦大學(xué)出版社, 2014.

[8] 董默, 蘇奎, 周志尊, 周鴻鎖. 生物醫(yī)學(xué)工程專業(yè)《醫(yī)學(xué)圖像處理》實(shí)踐教學(xué)改革[J]. 軟件, 2017, 38(2): 37-41.

[9] 董默, 韓婷等. MATLAB在數(shù)字圖像處理中的應(yīng)用[J]. 科技創(chuàng)新導(dǎo)報(bào), 2016, (12): 75/115.