醫學圖像偽彩色處置方式范文

本站小編為你精心準備了醫學圖像偽彩色處置方式參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1基于標記分水嶺分割的目標增強

分水嶺算法是一種數學形態學的基于區域圖像分割方法，其計算速度快，能精確定位圖像的邊緣，但因其對微弱邊緣也具有良好響應，易產生過分割的現象。在眾多改進算法中，標記分水嶺分割算法較好地解決了過分割現象。為突出醫學圖像中組織區域，本文采用標記分水嶺分割算法預處理醫學圖像，以突出組織目標輪廓，獲得更好的偽彩色處理效果。目標增強圖像獲取的主要步驟如下：

（1）讀入原始醫學圖像f(x,y)。

（2）對f(x,y)應用sobel梯度算子求取梯度圖像，銳化其邊緣，使背景和目標對比更明顯。一幅圖像的梯度圖可表示為： 其中，Gx和Gy分別為沿x方向和y方向的梯度圖像。

（3）對f(x,y)做距離變換，產生距離圖，并對距離圖像做分水嶺分割，得到外部標記圖像em。同時，對f(x,y)做H-極值變換，得到內部標記圖像im。這里，外部標記點為分水線處點，內部標記點既要是一個連通的分量，又要具有相同的灰度值。

（4）為抑制過分割，對（2）步獲得的梯度圖像∇f進行數學形態學極小值標定。將（3）步獲得的外部、內部標記圖像em和im作為∇f的局部最小值，修正梯度圖像。

（5）對修正后的梯度圖像進行分水嶺分割。

（6）將分割結果與f(x,y)相加，得到目標增強圖像g(x,y)。上述處理步驟結構框圖如圖1所示。

2基于目標增強的醫學圖像偽彩色處理

2.1算法流程

將采用上述標記分水嶺分割方法得到的分割圖像與原始醫學圖像融合處理后，得到目標增強圖像。對目標增強圖像進行基于傅立葉變換的頻率域灰度—彩色偽彩色處理，即可得到最終的增強圖像。具體算法流程如圖2所示。

2.2仿真實驗結果分析與討論

本文選取多幅低對比度、灰度范圍窄、組織邊緣不明顯的不同模式醫學圖像進行了算法仿真實驗。以一幅腦瘤患者MRI醫學圖像分例，展示本文提出算法的增強效果。圖3（a）所示為原始醫學圖像，其空間分辨率為414×390，病灶區域在圖中框出。圖3（b）是目標增強后圖像，圖3（c）是本文算法偽彩色處理后結果圖。為比較本文算法的有效性，采用傳統的變換域灰度—彩色算法處理了圖3（a），結果如圖3（d）所示。從圖中可以看出，帶有顏色信息的偽彩色醫學圖像能給人更加直觀的可視化效果.

與傳統偽彩色處理圖像相比，本文提出的算法獲得的圖像組織目標突出，輪廓更加清晰、層次更加鮮明，顏色飽和度更豐富、有效地突出了病灶區域。實驗結論如下：

（1）本算法所采用的標記分水嶺分割方法獲得的目標增強圖像，不需合并等后處理即可有效突出組織目標輪廓、突顯圖像細節，有效地降低了算法復雜性，節省了融合系統時間開銷。

（2）算法中，R、G、B三通道的變換域濾波器的選擇直接影響偽彩色增強效果。實踐證明，相較于其他低、高通濾波器，二階巴特沃斯低、高通濾波器以其可接受的振鈴效應和有效的濾波特性更適用于本算法。但是，其截止頻率D0仍需根據輸入的醫學圖像的不同而調整。（3）算法中FFT逆變換后的后處理模塊選擇常用的直方圖均衡化方法處理后，偽彩色合成圖像的色彩對比不強。反復實驗證明，當將逆變換結果乘以適當的系數時，合成后圖像色彩豐富，可明顯提高病灶區域圖像可分辨率。

3結束語

本文提出了一種新的目標增強與偽彩色處理結合的醫學圖像增強算法。將標記分水嶺分割結果圖像與原圖像融合，得到組織區域目標增強圖像，然后再偽彩色處理該圖像。大量實驗結果顯示，本文提出的算法充分利用了人眼對彩色敏感的特點，能夠顯著改善醫學圖像顯示質量，特別是對低對比度區域中的組織目標，能突出組織輪廓，加強圖像層次感，更適于人眼分辨，有利于醫生診斷，降低誤診率。該算法已應用于自主研發的醫學圖像融合系統中，具有一定的實用價值。

作者：寧春玉單位：長春理工大學生命科學技術學院吉林大學計算機科學與技術學院