基于OTSU算法分割肺CT圖片

曹 爽，王園園，蔡自偉

(運城學院 數學與信息技術學院，山西 運城 044000)

引言

隨著人們健康意識的不斷增強，肺部疾病的計算機診斷已成一大熱點。但是目前國內在圖像處理[1，2]方面仍存在各種問題，尤其肺部CT圖像在獲取、傳輸和處理的過程中，難免會由于電子設備的噪聲和不穩定而加入噪聲。為了實現有效分割以及提高分割效率，眾多專家學者提出了各種肺實質[3]分割方法。比如：閾值法、區域生長法、邊緣檢測法等等。由于區域生長法僅可以實現具有相同結構圖像的有效分割，所以區域生長法容易出現分割效果不準確等問題。邊緣檢測法中圖像的邊緣是圖像分割[4]中一個十分重要的特征，但是由于一幅圖像的多數信息都存在于不同的區域邊界上，所以準確地提取邊緣就顯得十分困難。

閾值分割法[5]因為實現過程簡單，分割速度較快，因此被廣泛應用。如今，許多學者提出了多種不同的閾值分割方法，其中日本學者大津于1979年提出的一維OTSU[6，7]算法，可以實現自動獲得最佳閾值，并且分割速度比較快、自適應能力較強、提目標效果較好，深受廣大學者的喜愛。其基本思想為自動遍歷所有灰度值，當目標和背景灰度間的方差達到最大值時的閾值為最佳分割閾值。并且一維OTSU算法[8]還具有模式識別和分割功能。因此在國內許多學者把OTSU算法應用于醫學[9]輔助診斷，大大提高了診斷效率。

本文研究肺CT[10]圖片分割的軟件平臺是Matlab。針對廣泛發展的圖像處理而開發的Matlab圖像處理工具箱函數是圖像處理研究人員的一把重要的武器，包括圖像轉換、圖像增強、圖像壓縮、圖像分析、圖像分割和識別等大量命令和函數。本文將利用Matlab強大的圖像處理功能，實現基于一維OTSU算法[11]的肺CT圖像的快速分割。

1．一維OTSU閾值法

一維OTSU閾值法[12]最先由日本研究者大津提出，該方法以一維直方圖為基礎，根據目標圖像的灰度特征對圖像進行分割，當目標和背景間灰度值的方差達到最大時的閾值為最佳分割閾值，此時目標與背景間的差別最大，分割最有效。

假設一幅圖像的灰度級為L，圖像總的像素點個數為N，ni代表灰度為i的像素點數，即

(1)

Pi代表灰度級為i的像素點出現的概率，即

Pi=ni/N，i=0，1，2，3……L-1

(2)

(3)

如果把圖像由閾值x分成目標α1和背景α2兩部分，α1由灰度值在[0,x]之間的像素組成，α2由灰度值在[x+1，L-1]之間的像素組成。那么這兩類出現的概率為:

(4)

(5)

故這兩個類α1，α2的灰度均值分別為：

(6)

(7)

其中

(8)

(9)

綜上可得：

μT=w1μ1+w2μ2

(10)

-2(w1μ1+w2μ2)μT

=w1w2(μ1-μ2)2

(11)

易知一維OTSU算法簡單、運算速度快、適用于實時處理且物理意義明確。因此OTSU算法在國內受到了眾多學者的喜愛，并且把OTSU廣泛應用于醫學領域，尤其近年在肺CT圖像分割方面具有重大意義。

2. 實驗結果與分析

2.1 實驗環境

為了驗證該文所提出算法分割肺CT圖片的有效性和可行性。選取了4幅醫學圖像，在戴爾2.3GHZ、4G內存的計算機上進行，操作系統為Windows 10、編程環境為Matlab R2018b。利用Matlab R2018b編寫仿真程序，從而實現對圖像的分割。

2.2 實驗評價標準

該實驗選取了兩個評判指標：一個是峰值信噪比PSNR，另一個是算法執行的時間。其中峰值信噪比經常用作圖像壓縮等領域中信號重建質量的測量方法，它常簡單地通過均方差(MSE)進行定義。兩個m×n單色圖像I和K，如果一個與另外一個的噪聲近似，那么它們的均方差定義為：

(11)

峰值信噪定義為：

(12)

(13)

其中MAXI是表示圖像點顏色的最大數值。

2.3 實驗過程

利用本文所提算法對四幅肺CT圖像進行分割，圖1是利用一維OTSU算法對肺部CT圖像進行分割后的結果比較。根據分割的順序為肺部CT圖像1～4，第一列為原始圖像，第二列為采用OTSU算法分割后的圖像。

從分割后的圖片可以看出，圖片還是比較清晰的，目標和背景的輪廓也比較分明，可以比肉眼較清楚地看出病灶的位置，從而對于醫務人員來說可以快速地并且較清晰的查看病人病灶的位置，因此該算法對于計算機醫學輔助[13]診斷帶來了極大的幫助，受到了國內外廣大學者的喜愛，并對此進行了深入的研究。

圖1 肺部CT圖像分割結果

通過Matlab平臺實現對肺部CT圖像的分割，又進一步對分割后的圖像以及分割[14]時間進行了分析，結果如表1所示。

表1是對圖1實驗結果的評價數據。在分割時間上看來，一維OTSU算法[15]分割時間在1秒左右，易知該算法的分割時間還是比較快的，從而在時間性能上得能夠到大大的改善。在峰值信噪比上來看，利用該算法分割后的圖像還是比較清晰的，可以較清楚地查看病灶的位置，得到較清晰的目標輪廓，因此對于醫學診斷帶來極大的幫助。正如圖1中肺CT-1通過OTSU算法分割后的圖像中錯分的像素幾乎很少，背景和目標的分割也比較正確，可以比肉眼較清楚地看出肺部病灶的物理位置，所以醫務人員可以方便快捷地診斷出病理及查看病灶的位置。

表1 肺部CT圖像運行結果

2.4 實驗小結

通過實驗結果來看，一維OTSU算法可以較快地找到最佳閾值，運行時間較快，大大節省了時間。分割后的圖像成像比較清晰，可以較清楚地分辨出目標和背景，分割效果還是比較理想的。因此可以驗證本文所提算法對于肺部CT圖像分割的有效性和可行性，并且通過與其他算法比較可以得出該算法對于醫學診斷方面具有較大的實用價值。

3. 結束語

圖像分割在醫學診斷領域具有極其關鍵的作用，但是由于醫學圖像自身成像因素的影響，對比度低，肉眼無法精確的識別各個區域的邊界。基于此本文著重研究基于OTSU算法的圖像分割技術，也稱最大類間方差法。OTSU法自1979年提出之后，一直都被看作是自動選取閾值中的最優方法，該方法簡單、分割速度快、自適應能力強，受到國內外廣大學者的喜愛，因而被大量應用。

肺部CT圖像分割一直都是計算機輔助診斷的一個巨大挑戰。本文根據傳統方法分割肺部圖像出現的難點問題，提出一種基于OTSU算法的圖像分割技術，以肺部CT圖像為實驗數據。實驗表明：該算法分割速度較快，分割后的目標和背景較明顯，總體來說分割效果理想，對于計算機輔助診斷中肺部CT圖像的分割具有深遠意義，在醫學領域中具有可見的實用價值。