一種基于改進(jìn)的閾值分割算法實(shí)現(xiàn)對腦實(shí)質(zhì)的分割的制作方法
【專利摘要】本發(fā)明通過改進(jìn)的閾值分割算法實(shí)現(xiàn)對腦圖像灰質(zhì)白質(zhì)的分割，以利于對病人腦萎縮的輔助診斷。該方法首先利用自適應(yīng)濾波器處理原始圖像，減少原圖像的噪音并增強(qiáng)圖像的對比度。然后對處理過的圖像再利用區(qū)域生長算法對圖像進(jìn)行腦剝離，剔除非腦實(shí)質(zhì)部分。然后利用迭代閾值法求取閾值，再利用利用臨近加權(quán)值算法對圖像進(jìn)行二值化分割，得到的結(jié)果便是腦白質(zhì)的分割結(jié)果。最后在上一步的結(jié)果上再進(jìn)行一次分割，得到的結(jié)果便是腦灰質(zhì)的分割結(jié)果。
【專利說明】
一種基于改進(jìn)的閾值分割算法實(shí)現(xiàn)對腦實(shí)質(zhì)的分割
技術(shù)領(lǐng)域
[0002]本發(fā)明屬于計(jì)算機(jī)醫(yī)學(xué)圖像處理領(lǐng)域，更為具體地講，涉及一種基于改進(jìn)的閾值分割對腦實(shí)質(zhì)的分割方法，用以輔助對病人腦萎縮的診斷。
【背景技術(shù)】
[0003]腦萎縮嚴(yán)重影響著中老年人的身體健康和生活質(zhì)量。統(tǒng)計(jì)資料顯示，現(xiàn)在的各類腦萎縮疾病的死亡率越來越高。因此對腦萎縮的診斷治療變得越來越重要。而對腦實(shí)質(zhì)的分割是對醫(yī)生診斷病人的腦萎縮病情有著非常重要的參考意義的。然而，醫(yī)學(xué)圖像本身存在許多嚴(yán)重影響分割的噪音，而腦白質(zhì)和腦灰質(zhì)本身的灰度值差別不是很大等等這些原因?qū)е履X實(shí)質(zhì)的分割變得十分困難，目前沒有一個(gè)好的分割算法能很好的分割所有醫(yī)學(xué)圖像中的腦實(shí)質(zhì)。所以臨床大多以人工分割為主，但是人工分割費(fèi)時(shí)費(fèi)力，加重了醫(yī)務(wù)人員的工作負(fù)擔(dān)。如何準(zhǔn)確的自動(dòng)分割出腦實(shí)質(zhì)，是計(jì)算機(jī)醫(yī)學(xué)圖像處理領(lǐng)域一個(gè)非常重要的研究課題。
[0004]臨床的腦實(shí)質(zhì)分割以人工分割為主，但是人工分割雖然準(zhǔn)確，卻過于費(fèi)事，所以用計(jì)算機(jī)自動(dòng)分割來代替人工分割變得非常有意義。目前針對于醫(yī)學(xué)圖像分割的方法非常多，主要有閾值分割、區(qū)域生長、模糊分割、特征提取分類分割等等。每種方法都有各自的優(yōu)點(diǎn)和缺陷，這導(dǎo)致沒有一種好的分割算法能很準(zhǔn)確的分割所有醫(yī)學(xué)圖像，并且也沒有一個(gè)標(biāo)準(zhǔn)去評判分割結(jié)果的好壞。在閾值分割中，分割的難點(diǎn)在于閾值的選取，事實(shí)證明，閾值的選擇的恰當(dāng)與否對分割的效果起著決定性的作用。常見的閾值分割方法有雙峰發(fā)、迭代法、大津法(0TSU法)、Kirsh算子等等，這些算法的根本區(qū)別在于對閾值選取的方法不同。雙峰法的原理及其簡單:它認(rèn)為圖像由前景和背景組成，在灰度直方圖上，前后二景都形成高峰，在雙峰之間的最低谷處就是圖像的閾值所在。從分割的效果來看，當(dāng)前后景的對比較為強(qiáng)烈時(shí)，分割效果較好;否則基本無效。迭代法是基于逼近的思想，迭代計(jì)算。迭代所得的閾值分割的圖象效果良好。基于迭代的閾值能區(qū)分出圖像的前景和背景的主要區(qū)域所在，但在圖像的細(xì)微處還沒有很好的區(qū)分度。但令人驚訝的是，對某些特定圖象，微小數(shù)據(jù)的變化卻會(huì)引起分割效果的巨大改變，兩者的數(shù)據(jù)只是稍有變化，但分割效果卻反差極大。大津法由大津于1979年提出，對圖像Image，記t為前景與背景的分割閾值，前景點(diǎn)數(shù)占圖像比例為w0，平均灰度為uO;背景點(diǎn)數(shù)占圖像比例為wl，平均灰度為ul。圖像的總平均灰度為:u=w0*uO+wl*ul。從最小灰度值到最大灰度值遍歷t，當(dāng)t使得值g = w0*(u0-u)2+wl*(ul-u)2最大時(shí)t即為分割的最佳閾值。對大津法可作如下理解:該式實(shí)際上就是類間方差值，閾值t分割出的前景和背景兩部分構(gòu)成了整幅圖像，而前景取值uO，概率為wO，背景取值Ul，概率為wl，總均值為U，根據(jù)方差的定義即得該式。因方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯(cuò)分概率最小。Kirsh算子其思想為:對數(shù)字圖像的每個(gè)像素i，考慮它的八個(gè)鄰點(diǎn)的灰度值，以其中三個(gè)相鄰點(diǎn)的加權(quán)和減去剩下五個(gè)鄰點(diǎn)的加權(quán)和得到差值，令三個(gè)鄰點(diǎn)繞該像素點(diǎn)不斷移位，取此八個(gè)差值的最大值作為Kirsh算子。即:設(shè)Si為三鄰點(diǎn)之和，Ti為五鄰點(diǎn)之和，則Kirsh算子定義為K( i) =max{I ,max〔 5S1-3Ti〕}如取閾值THk，則當(dāng)K( i)>THk時(shí)，像素i為階躍邊緣點(diǎn)。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于設(shè)計(jì)一種能夠較好的分割出醫(yī)學(xué)圖像中的腦實(shí)質(zhì)包括灰質(zhì)和白質(zhì)的方法。在利用閾值進(jìn)行分割的過程中，處理每一個(gè)像素點(diǎn)時(shí)考慮該像素點(diǎn)及其周圍的像素點(diǎn)的灰度值與閾值的大小進(jìn)行比較，只有大于或者等于閾值才認(rèn)為該像素點(diǎn)屬于待分割部分，否則認(rèn)為該像素點(diǎn)屬于背景部分，灰度值置零。
[0007]為較好的實(shí)現(xiàn)上述分割目的，需要對圖像進(jìn)行預(yù)處理，主要包括以下內(nèi)容:首先利用自適應(yīng)濾波器對圖像進(jìn)行預(yù)處理，主要是去除醫(yī)學(xué)腦圖像中存在的噪音，并增強(qiáng)圖像的對比度，以利于后前的閾值分割。然后利用區(qū)域生長算法對圖像進(jìn)行腦剝離，去除例如皮膚、骨頭等非腦實(shí)質(zhì)部分。再然后利用閾值分割算法對圖像進(jìn)行腦白質(zhì)的分割，最后再次利用閾值分割算法對圖像進(jìn)行腦灰質(zhì)的分割。
[0008]技術(shù)原理如圖1所示，具體技術(shù)流程如下:
[0009]步驟一:首先利用自適應(yīng)濾波器處理原始圖像，減少原圖像的噪音并增強(qiáng)圖像的對比度；
[0010]步驟二:對步驟一處理過的圖像再利用區(qū)域生長算法對圖像進(jìn)行腦剝離，剔除非腦實(shí)質(zhì)部分；
[0011]步驟三:利用迭代閾值法求取閾值，然后利用臨近加權(quán)值算法對圖像進(jìn)行二值化分割，得到的結(jié)果便是腦白質(zhì)的分割結(jié)果；
[0012]步驟四:在步驟三的結(jié)果上再進(jìn)行一次分割，得到的結(jié)果便是腦灰質(zhì)的分割結(jié)果；
【附圖說明】
[0014]圖1是本發(fā)明基于改進(jìn)的閾值分割算法實(shí)現(xiàn)對腦實(shí)質(zhì)的分割方法的技術(shù)方案圖。
【具體實(shí)施方式】
[0016]下面結(jié)合附圖對本發(fā)明的【具體實(shí)施方式】進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，可能淡化和忽略與本發(fā)明有關(guān)的已知功能和設(shè)計(jì)的內(nèi)容介紹。
[0017]在本實(shí)施方案中，本發(fā)明對腦實(shí)質(zhì)分割方法主要包括以下環(huán)節(jié):1.圖像預(yù)處理、2.腦圖像剝離、3.求取閾值、4.閾值分割。
[0018]圖像預(yù)處理采用自適應(yīng)濾波器，腦圖像剝離采用區(qū)域生長算法，閾值的求取采用迭代法求取，其步驟如下:I求出圖象的最大灰度值和最小灰度值，分別記為ZMAX和ZMIN，令初始閾值TO = (ZMAX+ZMIN) /2; 2根據(jù)閾值TK將圖象分割為前景和背景，分別求出兩者的平均灰度值ZO和ZB; 3求出新閾值TK+1 = (Z0+ZB)/2; 4若TK = TK+1，則所得即為閾值；否則轉(zhuǎn)2，迭代計(jì)算。
[0019]閾值分割的過程則采用創(chuàng)新的臨近加權(quán)值算法下面將對臨近加權(quán)值算法進(jìn)行解釋。一般的閾值分割算法在分割的過程中，在對每一個(gè)像素點(diǎn)進(jìn)行分割的時(shí)候，是將該點(diǎn)的灰度值的大小與閾值的大小直接進(jìn)行比較，根據(jù)比較的結(jié)果來確定是否屬于待分割部分或者是屬于背景部分。這樣分割的結(jié)果抗噪音的效果會(huì)非常的差，因?yàn)樵趯γ恳粋€(gè)像素點(diǎn)進(jìn)行分割的時(shí)候只是單純的考慮該點(diǎn)的灰度值大小，而并不去管它是否是噪點(diǎn)?；谶@個(gè)原因，臨近加權(quán)值算法對分割的過程進(jìn)行一些改進(jìn)，在對某個(gè)像素點(diǎn)記為A(i，j)進(jìn)行分割的時(shí)候?qū)ζ溥M(jìn)行一個(gè)函數(shù)處理
[0020]BPF(i,j) = (3fi(i,j)+2f2(i,j)+f3(i,j)+p(i,j))/16
[0021]其中fKi’j)表示像素點(diǎn)(i，j)的第一層部分像素點(diǎn)灰度值的和即
I，j)+P(i+l，j+l)+P(i，j+1)，同理f2(i，j)表示第二層部分像素點(diǎn)灰度值的和，f3(i，j)表示第三層部分像素點(diǎn)灰度值的和。
[0022]將得到的結(jié)果F(i，j)與閾值TK的大小進(jìn)行比較如果F (i，j) > = TK則判斷A點(diǎn)為腦白質(zhì)部分，將其灰度值設(shè)為100。否則則判斷A點(diǎn)為背景(灰質(zhì))部分，將其灰度值設(shè)為O。將所有的像素點(diǎn)二值化處理完畢后，得到的結(jié)果就是腦白質(zhì)分割的分割結(jié)果。腦灰質(zhì)的分割完全一樣，就是將其判斷條件取反即可(注意灰度值要大于零。因?yàn)閳D像背景灰度值為零)。因?yàn)槟X剝離后，腦圖像只有灰質(zhì)、白質(zhì)部分，白質(zhì)的補(bǔ)集即為灰質(zhì)。
[0023]本發(fā)明一種基于改進(jìn)的閾值分割算法實(shí)現(xiàn)對腦實(shí)質(zhì)的分割方法具有以下特點(diǎn):
[0024]本發(fā)明提出一套新的對腦實(shí)質(zhì)進(jìn)行分割方法，可以準(zhǔn)確的對腦實(shí)質(zhì)進(jìn)行分割。創(chuàng)新的臨近加權(quán)值算法對分割的過程進(jìn)行一些改進(jìn)可以有效的減少噪音對分割結(jié)果產(chǎn)生的影響。腦實(shí)質(zhì)分割的結(jié)果可以輔助醫(yī)生對病人腦萎縮病情的診斷。
[0025]盡管上面對本發(fā)明說明性的【具體實(shí)施方式】進(jìn)行了描述，以便于本技術(shù)領(lǐng)的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于【具體實(shí)施方式】的范圍，對本技術(shù)領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。
【主權(quán)項(xiàng)】
1.本發(fā)明是一種基于閾值分割算法實(shí)現(xiàn)對腦實(shí)質(zhì)的分割方法，主要包括以下內(nèi)容:首先對圖像進(jìn)行預(yù)處理，然后利用一種改進(jìn)的閾值分割算法實(shí)現(xiàn)對腦實(shí)質(zhì)的分割(包括灰質(zhì)、白質(zhì))。 技術(shù)方案如下: 步驟一:首先利用自適應(yīng)濾波器對圖像進(jìn)行處理，以消除圖像中存在的影響分割的噪音，并且增強(qiáng)灰質(zhì)、白質(zhì)的對比度，有利于提高分割的準(zhǔn)確度。 步驟二:利用步驟一處理好的圖片進(jìn)行腦圖像剝離，去除腦實(shí)質(zhì)以外的部分，如皮膚，骨頭等等。腦圖像剝離算法采用區(qū)域生長算法。 步驟三:利用迭代法選取閾值，根據(jù)閾值并結(jié)合每個(gè)像素點(diǎn)周圍的像素點(diǎn)的灰度值對圖像進(jìn)行分割，分割的結(jié)果為腦白質(zhì)。 步驟四:重新利用迭代法選取閾值，根據(jù)閾值并結(jié)合每個(gè)像素點(diǎn)周圍的像素點(diǎn)的灰度值對圖像進(jìn)行分割，此次分割的結(jié)果為腦灰質(zhì)。2.根據(jù)權(quán)利要求1所述的一種基于閾值分割算法實(shí)現(xiàn)對腦實(shí)質(zhì)的分割方法，其特征在于使用閾值分割的過程中，在對每一個(gè)像素點(diǎn)進(jìn)行處理時(shí)，并不是單純的與閾值進(jìn)行比較，而是結(jié)合自身的灰度值和其周邊的像素點(diǎn)的灰度值再進(jìn)行比較。 本發(fā)明的主要特點(diǎn)在于對腦實(shí)質(zhì)進(jìn)行分割的過程進(jìn)行一些改進(jìn)。以提高分割的準(zhǔn)確性和抗干擾性。主要包括:(I)利用自適應(yīng)濾波器對圖像進(jìn)行預(yù)處理，(2)利用區(qū)域生長算法對濾波后的圖像進(jìn)行腦剝離。(3)利用迭代法選取閾值，分別進(jìn)行腦灰質(zhì)和腦白質(zhì)的分割。 利用迭代法選取取閾值，其步驟如下:. 1.求出圖象的最大灰度值和最小灰度值，分別記為ZMAX和ZMIN，令初始閾值TO= (ZMAX+ZMIN)/2；. 2.根據(jù)閾值TK將圖象分割為前景和背景，分別求出兩者的平均灰度值ZO和ZB;. 3.求出新閾值TK+1 = (Ζ0+ΖΒ )/2；. 4.若TK= TK+1，則所得即為閾值;否則轉(zhuǎn)2，迭代計(jì)算。 在利用區(qū)域生長算法對圖像進(jìn)行腦剝離時(shí)，在腦實(shí)質(zhì)中選取一個(gè)種子點(diǎn)，選取一個(gè)灰度值非常小的閾值，利用區(qū)域生長算法的特點(diǎn)便可以很容易的分割出腦實(shí)質(zhì)部分。 在最后腦實(shí)質(zhì)的分割過程中，當(dāng)處理到某個(gè)像素點(diǎn)時(shí)(i，j)，我們用F(i，j)進(jìn)行處理，F(xiàn)(i , j)=F(i , j) = (3fi(i, j)+2f2(i, j)+f3(i , j)+p(i , j))/16 其中&(1，」)表示像素點(diǎn)(1」)的第一層部分像素點(diǎn)灰度值的和即&(1，」)=口(1+1，」_) +p(i+l，j+l)+p(i，j+l)，同理f2(i，j)表示第二層部分像素點(diǎn)灰度值的和，f3(i，j)表示第三層部分像素點(diǎn)灰度值的和。 當(dāng)？(1，」)> =11(時(shí)令？(1，」)=100，否則？(1，」)=0。其中？(1，」)為像素點(diǎn)(1，」)的灰度值，TK為閾值。
【文檔編號】G06T7/00GK105844617SQ201610154185
【公開日】2016年8月10日
【申請日】2016年3月17日
【發(fā)明人】丁熠, 楊曉明, 秦志光, 藍(lán)天, 王飛, 于躍, 陳浩, 肖哲, 陳圓, 董榮鳳
【申請人】電子科技大學(xué)