Sobel算子在醫學圖像邊緣檢測中的應用研究

肖雪梅

隨著醫學圖像設備在臨床工作中的應用日益廣泛，圖像數據增長迅速，進行醫學圖像的檢索成為現代醫學領域的一大研究熱點。在醫學圖像檢索中，傳統的基于文本的圖像檢索耗時長，且無法滿足現在對大規模圖像數據檢索的需要，因此提出了將Sobel算子應用在醫學圖像邊緣檢測中。利用Visual c++工具實現Sobel算子對醫學圖像進行邊緣信息提取，應用Sobel算子對醫學圖像作分割，來突出需要的目標物體，如病灶，能比一般算子更精確。由于醫學圖像的特殊性，提出將Sobel算子應用于醫學圖像邊緣檢測中對于后續醫學圖像檢索具有較高的現實意義。

1.引言

圖像的邊緣是圖像的最基本特征。所謂邊緣是指其周圍像素灰度有跳躍變化的那些像素的集合。邊緣廣泛存在于圖像中物體與物體之間，物體與背景之間，是圖像進行分割所依賴的重要特征。邊緣檢測是圖像處理中重要組成部分，目的在于精確定位邊緣且一定程度上抑制噪聲。

醫學圖像是臨床診斷、病例分析治療的重要依據之一，醫學圖像邊緣檢測是根據醫學圖像的某種相似性特征，將圖像劃分為若干個互不相交的“連通”區域的過程。醫學圖像中，大多數情況下都需要對醫學圖像進行邊緣檢測，來突出需要的目標物體，如病灶。采用Sobel算子計算醫學圖像邊緣和閾值，在此基礎上修改閾值使邊緣更加精確，從而對疾病的診斷及治療起到輔助作用。本文中對于醫學圖像采用Sobel算子進行邊緣檢測，均在Windows7操作系統下，運用VisualC++來實現。

2.邊緣檢測

邊緣檢測可以大幅度減少數據量，剔除被認為不相關的信息，保留圖像重要的結構屬性。邊緣檢測本質上是采用算法提取圖像中物體與背景的交界線。目前邊緣檢測最通用的方法是檢測亮度值的不連續性，這樣的不連續是用一階和二階導數檢測的。常見的一階導數邊緣檢測算子包括Roberts算子、Sobel算子和Prewitt算子等。其中Roberts算子利用局部差分算子尋找邊緣，邊緣定位精度高，但容易丟失部分邊緣，且由于沒有經過平滑處理，因此不具備抑制噪聲的能力。Sobel算子考慮了鄰域信息，對圖像進行加權平滑處理后再做微分計算，對噪聲具有—定的抑制能力，邊緣定位及檢測的效果不錯。

用Sobel算子對醫學圖像進行邊緣檢測，首先分別用水平算子和垂直算子對圖像進行卷積，得到兩個矩陣如下所示。

圖1為某患者胸部CT原始圖像，圖2為利用Sobel算子檢測的邊緣圖像，從仿真結果可以看出，通過Sobel算子檢測到的醫學圖像的邊緣信息較為準確，檢測精度較高。

4.結束語

程序中使用了Sobel算子對醫學圖像進行邊緣檢測，通過理論及實驗仿真分析可知，Sobel算子對醫學圖像進行邊緣檢測，其檢測效果精度高，且對噪聲有抑制能力，能檢測出圖像中比較細的邊緣。邊緣檢測在醫學圖像處理中占有極其重要的作用，從實驗結果可知，Sobel算子用于圖像邊緣檢測利用了快速卷積函數，簡單有效、應用廣泛。采用Sobel算子對醫學圖像進行邊緣檢測，對圖像進行預處理，由于只采用了2個方向的模板，只能檢測水平和垂直方向的邊緣，但能從一定程度上突出醫學圖像中病灶，對后續醫學圖像檢索具有較高的價值。