图像分割技术在医学中的应用

数字图像处理课程论文

班级：

姓名:

学号：

图像分割技术在医学中的应用

摘要：图像分割是图像处理和分析领域的经典难题，医学图像分割是图像分割中一个重要方面和应用领域，同时也是病变区域提取、临床实验、特定组织测量以及实现三维重建的基础。在临床应用和医学研究中具有重要的研究意义。本文整体上对基于阈值选取、基于区域、基于边缘检测的图像分割三种方法进行了分析、研究和实验，总结出各个方法的优缺点，从而可以达到更好的分割医学图像的目的。本文对现有的各种图像阈值分割方法进行综述, 重点介绍了基于图像灰度直方图的阈值分割方法。

关键词：医学图像；图像分割；阈值；边缘检测；Hough变换

医学图像的组织结构复杂位置重叠，一般情况下，将一幅医学图像分为目标区域和背景区域，其中目标区域就是指病变区域或者含重要诊断信息的区域，是临床治疗的重要对象；背景区域是指医学上面认为正常的区域。医学图像分割的目的是把图像中具有特殊涵义的区域与背景区域分割开来，为后续的定量、定性的分析和处理工作打下基础。图像分割对于医学图像处理非常重要，只有准确地从图像中提取出信息，才能保证医学系统的可靠性，并为三维重建打下基础。。目前的图像分割方法有多种，为了达到更好的分割，对不同的分割任务，可采用了不同的分割方法。主要方法有基于阈值选取的图像分割、基于区域生长的图像分割和基于边缘检测的图像分割三种方法。其次阈值法是最基本的图像分割方法之一, 被应用于很多领域, 特别是在图像相对简单的生物图像处理方面得到了广泛使用，基于阈值选取的图像分割包括：灰度阈值分割、直方图阈值分割、最大熵阈值分割、二维最大熵阈值分割、局部阈值分割等方法等。

1.基于阈值选取的图像分割

基于阈值的方法的主要思想是通过设置某一阀值，将图像中的像素点分为不同的类，从而完成图像分割，根据使用的是图像的整体信息还是局部信息，还可以将分割方法分为局部阈值和全局阈值。基于阈值的方法中最重要的一步就是如何选取合适的阈值，简单的阈值选取方法是以图像的灰度直方图为对象，以得到的各个灰度级的概率分布密度为基础，依据某一准则选取合适的阈值，最终确定像素点的归属。选择不同的准则，将得到不同的阈值化算法。常见的阈值分割方法有最小误差法、otsu方法、迭代法、模糊阈值、最大熵法等。

1.1阈值分割的基本概念

阈值分割法是一种基于区域的图像分割技术,其基本原理是: 通过设定不同的特征阈值,把图像像素点分为若干类。常用的特征包括: 直接来自原始图像的灰度或彩色特征; 由原始灰度或彩色值变换得到的特征。设原始图像(,)f x y 按照一定的准则在(,)f x y 中找到若干个特征值,1,2,,T T TN ???(其中1N ≥),将图像分割为几部分,分割后的图像为

11112

1(,)N N N N N L L g x y L L --≥??≤?=?≤??? 如果f(x,y)T 如果T f(x,y)

(,,(,),(,))T x y N x y f x y

式中, (,)f x y 是点(,)x y 的灰度值;(,)N x y 是点(,)x y 的局部邻域特性。根据对T 的不同约束,可以得到3 种不同类型的阈值, 即

全局阈值T=((,))T f x y (只与点的灰度值有关)

局部阈值T=((,),(,))T N x y f x y (与点的灰度值和该点的局部邻域特征有关)

动态阈值T=(,,(,),(,))T x y N x y f x y (与点的位置、该点的灰度值和该点邻域特征有关)

图像中区域的范围常常是模糊的，因此如何选取阈值便成为区域分割中的最关键的问题。对于简单的图像，常常只出现背景和一个有意义的部分两个区域。如下图1.1.1中的“原始图像”所示：这时只需设置一个阈值，就能完成分割处理，并形成仅有两种灰度值的二值图像。