基于otsu和區(qū)域生長(zhǎng)的肺部CT圖像分割方法

陳亞楠，陳麗芳，蘆國(guó)軍

（河北地質(zhì)大學(xué) 信息工程學(xué)院，河北 石家莊 050000）

根據(jù)世界衛(wèi)生組織幾個(gè)大癌癥中心的報(bào)告顯示，肺癌已經(jīng)成為全球死亡率最高的癌癥。我國(guó)肺癌患者數(shù)量居全球首位，且國(guó)內(nèi)肺癌的發(fā)病率、死亡率在所有癌癥中均是第一，肺癌已成為人類健康的最大威脅[1]。如今人們的健康意識(shí)不斷提高，肺癌的計(jì)算機(jī)輔助診斷已成為當(dāng)前熱點(diǎn)，得到了大量的研究。

使用計(jì)算機(jī)輔助診斷肺癌的首要步驟就是肺實(shí)質(zhì)的分割，其分割結(jié)果直接影響后續(xù)處理，許多專家學(xué)者對(duì)此提出了一系列的肺實(shí)質(zhì)分割方法，例如常用的閾值法[2]、區(qū)域生長(zhǎng)法[3]、聚類法[4-5]等。基于閾值的分割方法雖然快速，但難以去除氣管和支氣管；基于區(qū)域生長(zhǎng)的方法對(duì)與肺膜黏連的肺結(jié)節(jié)會(huì)從肺實(shí)質(zhì)中去除，分割不準(zhǔn)確；如果肺實(shí)質(zhì)密度不高、邊緣不清晰，用聚類方法分割比較困難。針對(duì)上述問題，本文提出了一種otsu[6-7]和區(qū)域生長(zhǎng)結(jié)合的分割方法，不僅解決了上述問題，而且能快速準(zhǔn)確地自動(dòng)化分割肺實(shí)質(zhì)。

1 otsu算法原理

otsu由日本學(xué)者大津于1979年提出，是一種自動(dòng)確定閾值的分割方法，它通過窮舉式搜索確定最佳分割閾值，把圖像分為目標(biāo)和背景兩部分。otsu算法簡(jiǎn)單，物理意義明確，是一種受到廣泛使用的閾值分割方法。基本原理如下所示。

設(shè)圖像有L個(gè)灰度級(jí)，灰度級(jí)i的像素點(diǎn)數(shù)為ni，則圖像的全部像素?cái)?shù)為：

灰度級(jí)i出現(xiàn)的概率為pi為：

設(shè)分割閾值為t，用閾值t將圖像分為兩類：C0=(0,1,…,t)，C1=(t+1,t+2,…L－1)，兩類出現(xiàn)的概率分別為：

C0類和C1類的灰度均值分別為：

2 區(qū)域生長(zhǎng)法

區(qū)域生長(zhǎng)的基本思想是：從滿足條件的種子點(diǎn)開始，根據(jù)生長(zhǎng)準(zhǔn)則確定相鄰像素點(diǎn)是否滿足條件，若滿足則將相鄰像素點(diǎn)與種子點(diǎn)合并，直到找不到像素點(diǎn)合并后停止生長(zhǎng)。在進(jìn)行區(qū)域生長(zhǎng)前，先要確定2個(gè)問題：選擇鄰域方式和確定相似性準(zhǔn)則。鄰域方式一般使用4鄰域和8鄰域，本文的鄰域方式使用8鄰域。相似性準(zhǔn)則是區(qū)域生長(zhǎng)的條件，由于在使用區(qū)域生長(zhǎng)法前先用otsu對(duì)CT圖像進(jìn)行二值化預(yù)分割，所以預(yù)分割后的肺部CT二值圖像中的像素點(diǎn)只有2種灰度值，則本文的相似性準(zhǔn)則可設(shè)為：

f(x,y)是種子點(diǎn)(x,y)的灰度值，f(m,n)是種子點(diǎn)鄰域像素點(diǎn)(m,n)的灰度值，如果種子點(diǎn)(x,y)的灰度值f(x,y)和其鄰域像素點(diǎn)(m,n)的灰度值f(m,n)相等，則為相似。

具體算法步驟如下：

（1）創(chuàng)建一個(gè)空棧，確定種子點(diǎn)，將種子點(diǎn)壓入棧中。

（2）從棧中取出一個(gè)種子點(diǎn)，根據(jù)相似性準(zhǔn)則判斷種子點(diǎn)和與其鄰域像素點(diǎn)是否相似，若相似，將鄰域像素點(diǎn)與種子點(diǎn)合并然后壓入棧中。

（3）重復(fù)步驟（2）直到棧為空。

3 otsu和區(qū)域生長(zhǎng)分割肺部CT圖像

本文肺部CT圖像分割指的是從完整肺部CT圖像中分割出肺實(shí)質(zhì)，用本文方法分割肺實(shí)質(zhì)的主要步驟包括otsu預(yù)分割CT圖像和用區(qū)域生長(zhǎng)法分割左右肺。具體步驟為：（1）讀入肺部CT圖像。（2）otsu預(yù)分割肺部CT圖像得到肺部CT的二值圖像。（3）使用區(qū)域生長(zhǎng)法從肺部CT的二值圖像提取左右肺掩模。（4）填充掩膜孔洞。（5）使用掩模從原始肺部CT圖像中分割左右肺。（6）將分割好的左右肺組成的肺實(shí)質(zhì)圖像輸出。

實(shí)驗(yàn)采用的計(jì)算機(jī)配置為Intel(R) Core(TM)主頻3.4 GHz四核處理器，8 GB內(nèi)存，Windows8.1版操作系統(tǒng)，編程環(huán)境為python3。CT圖像中的肺實(shí)質(zhì)部分灰度值較低，在此處為了方便觀察分割效果，本文將分割后得到的肺實(shí)質(zhì)圖片背景全部變?yōu)榘咨?/p>

圖1為肺部CT原始圖像，圖2為本文方法的分割步驟，共含有4個(gè)小圖。從左到右按順序第一個(gè)是用otsu對(duì)原始CT圖像進(jìn)行預(yù)分割的二值結(jié)果圖；第二個(gè)是在肺部CT二值圖像的基礎(chǔ)上用區(qū)域生長(zhǎng)法提取的左右肺掩模，其中含有很多小的孔洞；第3個(gè)為掩模填充孔洞后的結(jié)果，第4個(gè)是用掩模從原始肺部CT圖像中分割出的肺實(shí)質(zhì)圖像。可以看出，使用本文方法能有效地從肺部CT圖像中分割出肺實(shí)質(zhì)。

圖1 肺部CT原始圖像

圖2 本文方法分割步驟

圖3中有兩個(gè)肺實(shí)質(zhì)圖像，從左數(shù)第一個(gè)是單獨(dú)使用otsu對(duì)原始CT圖像進(jìn)行分割得到的肺實(shí)質(zhì)結(jié)果圖，左右肺中間的兩個(gè)黑色區(qū)域?yàn)闅夤芎椭夤埽梢钥闯觯瑔为?dú)使用otsu分割原始CT圖像，不能去除氣管和支氣管；圖3中第二個(gè)是單獨(dú)使用區(qū)域生長(zhǎng)法對(duì)原始CT圖像進(jìn)行分割得到的肺實(shí)質(zhì)結(jié)果圖，其中左肺右側(cè)和右肺左側(cè)被圓形圈中的空白區(qū)域是與組織相連的血管，這部分也屬于肺實(shí)質(zhì)但并沒有被分割到肺實(shí)質(zhì)中，如果有肺結(jié)節(jié)黏連在此處的血管上，單獨(dú)使用區(qū)域生長(zhǎng)法分割將會(huì)把與組織相連的血管和與血管黏連的肺結(jié)節(jié)從肺實(shí)質(zhì)剔除，影響后續(xù)肺結(jié)節(jié)檢測(cè)的結(jié)果。

綜上所述，使用本文方法分割肺部CT圖像不僅可以有效地分割出肺實(shí)質(zhì)，而且可以去除氣管和支氣管，還不會(huì)將與組織相連的部分從肺實(shí)質(zhì)中剔除，分割結(jié)果更準(zhǔn)確。

圖3 otsu分割結(jié)果和區(qū)域生長(zhǎng)分割結(jié)果

4 結(jié)語

近年來，肺部CT圖像分割一直是計(jì)算機(jī)輔助診斷的一個(gè)挑戰(zhàn)性問題，本文針對(duì)傳統(tǒng)方法分割肺部CT圖像的難點(diǎn)，提出了一種基于otsu和區(qū)域生長(zhǎng)的肺部CT圖像分割方法，使用該方法分割肺部CT圖像，不僅能去除氣管和支氣管，而且分割后得到的肺實(shí)質(zhì)中與組織相連的部分不會(huì)有缺失。實(shí)驗(yàn)結(jié)果表明，本文方法不僅能有效地分割肺實(shí)質(zhì)，且分割結(jié)果更準(zhǔn)確。