醫學圖像邊緣檢測算法的研究與實現

蘇小慧

摘 要：目前醫學影像學是一種有效的現代醫學基本診療方式，并且隨著時間的推移，將來其重要性將越來越突出。在這個領域中，醫學診斷的準確性在很大程度上取決于對醫學圖像的解釋。在臨床應用領域，由于現代成像技術的復雜性不斷提高，對解釋圖像所需專家知識的需求也口益迫切。

關鍵詞：圖像處理； 邊緣檢測； 模板； 卷積； 非極大抑制

邊緣檢測方法的優劣直接影響著圖像特征提取及其它后續處理，是圖像預處理中的關鍵。邊緣檢測是對灰度變化的度量與定位，灰度變化的顯著程度可以通過導數來度量，即函數導數能夠反映圖像灰度變化的顯著程度，因此邊緣檢測的一個基本思想就是通過求一階導數的局部極大值，二階導數的過零點來體現出來的。利用梯度最大值提取邊緣點的這種思想產生了許多經典的邊緣檢測方法如：Sobel算法、Log 算法、Canny 算法等。

一、邊緣檢測概述

圖像中邊緣檢測是利用物體和背景在某種圖像特征中的差異來實現的， 這些差異包括灰度、顏色或紋理特征， 檢測出圖像特征發生變化的位置從而達到檢測目的。圖像邊緣是分析和理解圖像的基礎， 是圖像中最基本的特征， 圖像處理的研究中許多都涉及到邊緣檢測。圖像邊緣檢測在實際工程中有著廣泛的應用， 如圖像匹配、模式識別、特征提取和圖像編碼等。

二、國內外現狀

邊緣檢測技術作為一個低級的計算機視覺處理技術很早就引起了人們關注。最早提出邊緣檢測技術的是Julez，但他并未展開系統研究，而最早期對其進行系統研究的是Roberts在1965年開始的，從此，拉開了圖像邊緣檢測技術研究的序幕。

很多年來，由于眾多專家、學者的不懈努力，在邊緣檢測領域提出了很多相關理論和邊緣檢測算法，大致將已有的邊緣檢測算法分類如下：

1.傳統邊緣檢測算法。傳統邊緣檢測算法以原始圖像為基礎，對圖像中的各個像素考察它的某個領域內灰度值的階躍變化，利用邊緣鄰近一階或者二階方向導數變化規律來檢測邊緣，這種方法簡單而且有效。其中最基本的算子有：Roberts算子， Sobel算子、Prewitt算子和Kirsch算子等等，這些算子都是一階微分算子。其檢測原理為：一階導數在邊緣處取得最大值。但是運用上述一階邊緣檢測算子檢測邊緣時，在邊緣像素鄰域產生的響應較寬，還需要后期進行細化處理，所以這些算子的邊緣定位精確度不高。

2.改進的傳統邊緣檢測法。傳統邊緣檢測法大多屬于微分算法，在數字邊緣檢測中，常用不同的模板算子與圖像的像素灰度值做卷積運算，來求解邊緣的導數值。這些算法簡單有效，可操作性強，相對來說比較成熟，并且在matlab中可以直接調用，已經應用于很多領域，并取得了顯著成績。所以，基于這些算子的改進是今后研究邊緣檢測算法的方向之一。很多學者已經付出了很多努力，取得了很多研究成果。

3.基于小波變換和形態學的圖像邊緣檢測算法。小波變換是一種有效的數學工具，它通過時間和頻域的局域變換能有效提取有用信息，并且，還能夠通過伸縮和平移對信號進行多尺度細化分析，具有良好的時頻局部化特性、方向選擇性以及多尺度分析能力，是檢鋇（突變信號的有力工具。各種基于小波變換的圖像邊緣檢測方法也取得了很大發展，并且，應用領域越來越廣泛。例如，二進制小波；多進制小波、巴布小波、正交小波等等類型的小波也在圖像邊緣檢測方面也取得了不錯的研究成果。

三、醫學圖像邊緣檢測算法

1.canny算法。基于這三個準則，Canny得出了c-y邊緣檢測算子。完整的c-y邊緣在高斯噪聲中代表一個跳變的強弱情況。按照這個模型，canny研究了已有的邊緣檢測算子以及其在邊緣檢測領域內的相關應用，在1986年canny提出了一個相對比較好的邊緣檢測方法，這種算法要求滿足下述幾個準則：

（l）信噪比準則：該準則主要是在圖像邊緣處來檢測有無結果。并且不能出現虛假邊緣。

（2）精度定位準則：也就是我們所標記的邊緣位置必須要和其他在圖像上的邊緣的中心位置相近。

（3）單邊響應準則：單獨邊緣所產生的響應的頻率不要太高，并且需要最大地抑制虛假邊緣響應。

這里，脈沖響應導數的零交叉點平均距離D（f）必須滿足下面的關系式：

D（f）=π

h”（x）是h（x）的二階導數。根據上面的指標和準則，我們使用泛函求導的方法來推導出Canny邊緣檢測器，并得出這個檢測器恰恰是信噪比和定位之乘積的最優的逼近算子。

主要過程如下：

（1）對圖像進行平滑，我們主要使用高斯濾波器來進行；

（2）計算幅值和方向；

（3）必須要讓梯度的幅值被極大值所抑制；

（4）用雙閩值算法對邊緣進行檢測與連接。

canny邊緣檢測重點是用來尋找到梯度幅度的局部最大值。這里的梯度通過高斯濾波器的導數來進行計算出來的。Canny方法主要使用兩個閩值分別對強邊緣以及弱邊緣進行檢測，同時在對強邊緣與弱邊緣進行相連操作的時候。

2.MTM算法。均值濾波算法對于脈沖信號去噪的能力是很不理想的。然而，中值濾波算法卻能夠很好滴對脈沖噪聲進行去噪，但是對于高斯噪聲的去噪能力相對差了一點。

但是在最后評價時，這些方法往往都采用利用單一的噪聲進行評價。假如能夠找到某種方法可以將脈沖噪聲以及被高斯噪聲影響的像素進行區分開來，然后對于受到不同噪聲干擾的像素進行不同的濾波，所以理論上將，這將會起到比較好的濾波效果。

3.Otsu算法研究。在對圖像的處理過程中，長期以來，閾值的自動選取都是對圖像進行研究的重點話題。往往閾值的選取都是在這樣的一種假設上進行研究的。那么最佳的閾值應該具備最好的而且可以所示分開的兩類門限。這種算法計算比較簡單，并且一定情況下不會受到圖像對比度和亮度變化的影響，同時在某些圖像在進行實時處理系統中的應用也變得十分廣泛，長期以來就被認為是閾值自動化選取領域里的最優化的方法。

四、結語

由于邊緣檢測技術的復雜性和研究時間的限制，本課題的研究對象主要針對醫學圖像算法，所提出方法的應用領域還有待于進一步擴展和完善，但是這些方法對后續邊緣檢測研究工作具有很高的參考價值。此外，由于技術上的限制，還有很多問題有待進一步的研究。展望今后的研究工作，還有待研究。

參考文獻：

[1] 段瑞玲，李慶祥，李玉和.圖像邊緣檢測方法研究綜述[J].光學技術，2005，31（3）：415-419.

[2] 馬艷，張治輝.幾種邊緣檢測算子的比較[J].工業自動化，2004（1）：54-56.

[3] 刑軍.基于Sobel 算子數字圖像的邊緣檢測[J].微機發展，2005，15（9）：48-52.