基于分水嶺算法的顱腦CT圖像分割研究

荊源

【摘 要】本文采用分水嶺算法對顱腦CT圖像進行分割，針對算法所產生的圖像過分割問題，首先將原圖像轉換為形態梯度圖像，并對形態梯度圖像定義一組形態開閉濾波器進行處理；然后采用分水嶺算法進行分割。

【關鍵詞】圖像分割；數學形態學；分水嶺算法

0 引言

醫學CT不同于X線成像，是利用X射線穿透人體，通過射線強度衰減的程度對人體組織成像。圖像分割在醫學圖像處理中占有重要地位，所謂圖像分割[5]就是指把圖像分成各具特性的區域并提取出有用的目標的技術和過程，圖像分割的方法[2]比較常用的有閾值法、邊緣檢測法、區域生長法、聚類法、顆粒分析及基于數學形態學的分水嶺變換等。由于與一般自然背景下的圖像相比，醫學圖像普遍存在目標與背景對比度較差、目標的邊緣模糊和噪聲較大等特點。針對這些特點，本文采用分水嶺算法對醫學顱腦CT圖像進行分割，實驗結果表明，本文提供的方法對于醫學圖像的處理是行之有效的，取得了較為理想的效果。

1 分水嶺算法

分水嶺分割算法的有三個步驟：（1）對圖像的讀取；（2）求取圖像的邊界，在此基礎上可直接應用分水嶺分割算法，但效果不佳；（3）對圖像的前景和背景進行標記，其中每個對象內部的前景像素值都是相連的，背景里面的每個像素值都不屬于任何目標物體。分水嶺算法方法存在兩點不完善的地方：第一點是參考圖像決定了分割性能，如果所有區域的邊界能被保留下來，內部的邊界又被限制，所以分水嶺算法的分割能夠成功，但對于得到圖像的梯度，其區域的偽邊界都是可能出現的，而不同對象之間也可能由于采集圖像的外界條件等因素而失去邊界，而會形成錯誤分割或者過分分割，如果用LOG算子或別的高斯型濾波后得到的圖像作為對象，盡管能夠取得大片的面積，但他的位置會有比較大的移動，并且圖像的采集的外界原因，誤分割也是存在的。所以要對梯度圖像進行處理，以便得到優質的分割參考圖像；第二點缺陷是于圖像分割的目標不相同，因為小的目標太過于具體，而只用其中一種或幾種特征提出的梯度參考圖像，對這些具體的情況不能做出詳細的判斷，所以分割以后的所選用區域要做相似性檢驗，以便成為所需的區域。為克服上述兩個缺陷，本文首先用形態梯度來產生參考圖像，對不同的目標部分增加他們的不同點，其次用形態學開閉濾波器組處理參考圖像，使其起到連接不同形態大區域、 消滅小區域的作用，避免過分割的情況發生。

2 形態開/閉運算

形態開運算[2]是對圖像進行先腐蝕、后膨脹的操作，圖像腐蝕以后，用逆變換來對比原先的圖像的是行不通的，但膨脹運算對于恢復原來的圖像是非常必要的。由于是先腐蝕運算，因此，開運算后，原有的圖像背景中的小結構就被清理了，除包含結構元素以外的部分都被去掉了，但是保留了包含結構元素的大的結構。對于保留不同形狀的那些部分，就要用開運算來進行完成，所以開運算能夠對和運算結構元素相同的形狀進行保留。對于不同形狀的結構元素要組成一個濾波器組，并從這個濾波器組對各個開運算的所有求和進行輸出，圖形也就成了所需要的結構原素的總和。在圖像經過濾波器輸出后，主要的部分被保存下來，并對于不符合的結構元素的噪聲進行除去。

相反，形態閉運算[2]是和開運算相反，他的操作是對圖像進行先膨脹、后腐蝕，閉運算是首先目的想恢復被膨脹圖像的原始形狀，這需要用算子來恢復，并把不含有結構元素的那些部分被該運算填充。

3 合并過分割區域

分水嶺算法對數據變化極為敏感，因此，圖像中的噪聲和物體邊緣，以及非常小的變化都會形成分割現象。所以對分割圖像要進行適當的合并。合并的準則條件有：（1）必須是相鄰區域才能夠合并；（2）相似的區域的特征才能夠合并；（3）合并后的區域是有用的。可以用相似度的定義來進行相鄰相似區域的合并。若相似度大于閾值，對于相鄰兩個區域來說要對應在同一個區域才可以合并。下面是合并的MATLAB圖形實現程序源代碼：

4 仿真實驗及結論

本文在MATLAB環境下對醫學圖像（顱腦CT圖像）進行了實驗。圖1（a）為原圖像，圖1（b）把形態學梯度圖像作為參考圖像分割后的最后結果，過分割情況相對較為嚴重，圖1（c）用的是經形態學開閉濾波處理的梯度圖像作為參考圖像進行分割的最終結果，過分割現象已有所好轉，圖1（d）是利用本文方法提出的合并準則對圖1（c）的區域進行合并的結果，其中的腦器官和背部圖像、病變組織和邊界已經被顯現出來。

從實驗結果可見，采用形態開閉濾波器組處理梯度圖像，對結構元素的集合所相對應的噪聲的結構進行去除，又對兩個相互毗鄰的區域邊界有了準確的位置定位，并對圖像的過分割做了好的改善，對于后面圖像的處理做了好的底層圖像。區域合并中由于對合并條件的閾值限制比較嚴，顯然本文方法對同一目標的合并還不夠好，如果限制過松，將會把不同目標的部分區域并在了一起，因此分割進行到這一步，進行交互操作，即可使分割方法更具實用性，可用于其他圖像的區域合并。

【參考文獻】

[1]章毓晉.圖像工程（上冊）圖像處理和分析[M].清華大學出版社，2003.

[2]劉森.基于分水嶺算法的醫學圖像分割[J].電腦與電信，2009（1）：44-46.

[3]王忠義.分水嶺變換在醫學圖像分割中的應用[J].2009，5（12）：3221-3223.

[4]張紅斌，李廣麗，劉遵雄，等.分水嶺算法在胃上皮內腫瘤圖像分割中的應用[J].華東交通大學學報，2009，26（1）：52-57.

[5]曾歆懿，章云，季秀霞，等.基于分水嶺變換的PCB圖像分割[J].電子質量，2007（1）：38-40.

[6]王國權，周小紅，蔚立磊.基于分水嶺算法的圖像分割方法研究[J].計算機仿真，2009（5）：255-258.

[責任編輯：楊玉潔]