医学图像处理系统平台的研究与开发 第7页
水坝，我们称这些水坝为分水岭，它将整个图像分割成不同的区域。
①读入原始图像
②计算原图像的梯度图
③计算原图像的距离变换
④标记图像外部约束，标记图像内部约束
⑤有标记内外约束重构梯度图
⑥实现图像的分水岭法分割 (a) 原始图像 (b) 分水岭法分割图像
图3.7 分水岭分割前后图像
3.3图像分割结果分析
用边缘检测法进行分割后的目标图像，虽然与原目标图像很相近，但是由于噪声等因素的影响，存在较大的误判率，而且获得的边缘是不连续的，必须通过边界跟踪将它们转化为有意义的边缘信息，以便分割出完整的区域。而从迭代式阈值分割和分水岭法分割的效果可以看出，用阈值法对图像分割后，无明显的误判，分割出来的目标图像轮廓鲜明，可以极为方便地确定目标，其分割效果明显优于边缘检测法。
3.4目标区域分离法计算图像病灶区域面积
医学图像中病灶区域是医生最为关注的地方，病灶区域的大小和位置是医学图像中最为重要的信息。因此病灶区域面积往往是医生想要知道的。在普通胶片上，医生往往是用工具勾绘出病灶部位进行估计，结果很不准确。因此，对病灶面积进行准确计算成为医学图像处理的一项重要要求。
当前图像面积计算方法并不多，较多采用的是图像的边缘检测或阈值分割的方法，把待要处理的目标与背景分离，然后对目标像素进行统计，已达到求取目标区域面积的目的。目标像素统计有矢量分析法等，实现起来并不容易。这里提出一种较简单的像素统计方法。一般情况下，病灶部位的灰度和周围背景的灰度往往有比较明显的差别，因此，采用上述的分割方法将病灶部位分割出来，将病灶部位置为相同的灰度值。统计出来像素后计算病灶像素数占图像全部像素数的百分比，再根据全图像的面积，即可计算出病灶区域面积。
但是由于实际的医学图像中，背景图像的灰度有些会和病灶区的灰度相近或交叠，这样在分割时背景中的部分像素值也会被置为和病灶区像素值一样。在统计时会产生误差，有时误差会很大。前述的膀胱结石图像分割后，背景图像中右侧和左下侧就有和病灶区一样的像素值，面积甚至比病灶区面积还大，因此需要将这些背景部分像素值剔除。这里采用把病灶区图像单独分离出来，再进行像素数目统计。
如图是从分割后的图像中选择结石部分图像，在该部分图像中统计中间黑色区域像素数。
图3.8 分离出的病灶区图像
在分离出的病灶区图像中，计算出病灶像素数占图像总像素数的百分比，即为病灶区面积占全图像面积的百分比。具体步骤如下：
(1) 对图像进行前期处理，去除噪声、增强对比度，再进行图像分割，将图像中病灶部位的像素值和背景的像素值区分开来，将图像转化为二值图像。
(2) 采用任意形状图像选择方法，附带一些背景图像。
(3) 将选中的病灶图像分离出来，作为一幅独立的图像单独处理，如上图所示，设计循环程序统计病灶区域像素个数Np。
(4) 根据统计出的像素个数，计算与总像素数N的百分比R。
×100% (3-4)
(5) 计算全图像面积A，由全图像面积计算病灶区面积Ap。
Ap＝A×R (3-5)
按照上述步骤，计算结果如下：
总像素数： N＝65536
病灶区像素数：Np＝320
病灶区像素占总像素数的百分比：R＝Np/N＝0.4882812%
全图像面积(由已知长35cm和宽43cm)：A＝35×43＝1505
病灶区面积： Ap＝A×R＝7.34863
此种像素数目统计方法简单易行，计算容易，结果准确，只要原图像的面积能准确计算出，则病灶部位面积也可以准确计算出来。但是此种方法适合于病灶区域和背景区别比较明显的图像，如果被测区域分散，和背景交叉很多，则分离时比较麻烦，需要多次分离剔除背景像素数。由于多数医学图像的病灶区域集中且和背景有较明显的灰度差别，因此采用这种像素统计计算面积方法是可行的。
3.5本章小结
本章运用Roberts算子、Sobel算子、Canny算子对原始图像进行边缘检测，并用直方图法和分水岭法对图像进行分割，通过实例比较了边缘检测法和阈值分割法的效果，根据不同的检测结果及提取边缘的连续性和准确性，认为阈值法提取的边缘十分完整，而且边缘的连续性很好，分割效果更好。最后根据分割结果运用目标区域分离法统计病灶区域像素，计算出医学图像病灶区域面积。
4、医学图像的压缩方法
4.1医学图像压缩的出发点与基本模型
近年来，随着计算机技术与通信技术的发展，图像文件越来越大、传输的要求越来越高。这就需要对图像进行压缩处理，从本质上来讲，就是对要处理的图像源数据用一定的规则进行变换和组合，从而达到尽可能少的代码来表示尽可能多的数据信息的目的。压缩通过编码来实现，或者说编码带来压缩的效果。所以，一般把此项处理叫压缩编码。
图像压缩技术在医学图像处理中占据着非常重要的地位。医学图像有其特殊性，错误描述的代价非常高，必须提供一种高质量的压缩方法。因此，医学图像里的无损压缩技术一直是备受人们关注的焦点，与常规图像相比，医学图像是具有纹理较多，分辨率较低，相关性较大的图像，对其进行压缩是很困难的。目前，对医学图像的压缩还没有非常好的算法，常用的算法对医学图像的处理还不尽如人意，因此，医学图像的压缩存储是各类医院迫切需要解决的问题。
4.1.1医学图像压缩的出发点
在临床诊断中医学影像的作用已经愈来愈显得重要, 不断出现与完善的医学成像技术更加突出了医学影像在未来临床诊断中的重要性。同时, 通过数字化装置及数字成像系统, 数字医学影像已经变得很普遍, 由此, 在医学影像的存取、管理、传输、处理及定量评价上都带来极大的便利。然而, 医学影像的数量及增长速度是十分惊人的, 以美国的情况为例,每年取得的放射图片的数量在petabyte 数量级, 即 。随着IMCS (图像管理与通讯系统)、PACS ( 图像存取与通讯系统) 与Telem edicine (远程医疗技术) 的到来, 如此巨量的数字医学影像在传输与存储上均构成十分严重的问题, 为此, 数字医学影像的压缩方法受到了广泛的研究。
4.1.2医学图像压缩的基本模型
图像数据压缩的技术始于信息论。20世纪80年代前,研究的主要内容是有关信息熵、编码方法、数据压缩比,即通过某种方法,对源图像数据进行编码,使编码后的数据流长度小于源数据流的长度,从而减少存储空间和提高信息传输速度的目的。
典型的图像压缩系统主要由三个部分组成:变换部分、量化部分、编码部分[10]。实现医学图像压缩系统的大体模型如下图4.1所示。图4.1 图像压缩基本模型
从信息观点上看,描述图像信源是由有效信息和冗余量两部分组成的。去除冗余量能够节省存储空间和传输中的开销,同时又不损坏图像信息源的有效信息量。
在有些场合,一定限度的失真是允许的。如,人的眼睛对图像灰度分辨的局限性,监视器显示分辨率的限制,并不妨碍图像的实际应用,都可以对图像信息的作一定程度甚至很大程度的压缩。
4.2图像压缩编码
目前,医学成像技术的应用已越来越普及。成像设备产生了大量的医学数字图像,但由于医学图像有其不同于一般图像的特点,如分辨率高、量化级多等,因而医学图像数据量较大,从而给存储和传输带来了极大的困难,随着远程诊断手段和医疗信息自动化的开展,这个困难将越来越突出。因此,医学图像压缩编码是医疗信息学一个重要的研究方向。
编码压缩方法有很多种,从不同的角度出发有不同的方法,从信息论角度出发可分为两在类。
(1)冗余压缩方法,也称无损压缩。具体说就是解码图像和压缩前图像严格相同,没有失真,从数学上讲这是一种可逆运算。
(2)信息量压缩方法,也称有损压缩。也就是说解码图像和原始图像是有差别的,允许有一定的失真。
应用在多媒体中的图像压缩编码方法,从压缩编码算法原理上可以分为以下3类。
①无损压缩编码种类。
◆哈夫曼编码
◆算术编码
◆行程编码
◆Lempel zev编码
②有损压缩编码种。
◆预测编码:DPCM,运动补偿
◆频率域方法:正交变换编码(如DCT),子带编码
◆空间域方法:统计分编码
③混合编码。有JBIG,H261,JPEG,MPEG等技术标准。
衡量一个压缩编码方法优劣的重要指标是。
a:压缩比要高,有几倍,几十倍,也有几百至几千倍。
b:压缩与解压缩要快,算法要简单,硬件要容易实现。
c:解压缩的图像质量要好。
选用编码方法时一定要考虑图像信息源本身的统计特征,多媒体系统(硬件或软件产品)的适应能力,应用环境以及技术标准。下面我们用频率域方法中的余弦离散变换（DCT）来研究它在图像处理中的应用。
4.3余弦离散变换（DCT）
任何连续的实对称函数的傅立叶变换中只含余弦项,因此余弦变换与傅立叶变换一样,具有明确的物理意义。通常对一幅图像的离散余弦变换其重要的可视信息集中在几个系数上。正是这种性质,离散余弦变换经常用于图像的压缩。
4.3.1余弦离散变换原理
M×N矩阵A的二文DCT定义如下:
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>
医学图像处理系统平台的研究与开发 第7页下载如图片无法显示或论文不完整，请联系qq752018766
