医学X射线图像处理算法初探

【摘 要】针对DR图像的特点，主要论述了应用灰色系统理论进行图像分割的算法。通过计算各像素点与初始聚类中心的灰色关联度，将像素点进行归类。然后，进行迭代运算，更新聚类中心，使得灰色关联度总和最小，获得最佳分割效果。

【关键词】DR图像；图像分割；灰色聚类；灰色关联度

0 引言

DR（digital radiography）图像相对其他X成像技术获得的图像具有较高的分辨率，图像细节显示清楚，便于后期处理等优点。但与传统光学成像相比，图像的分辨率处于较低水平。由于采用DICOM（Digital Imaging and Communications in Medicine）图像格式，因此，处理方法也与传统数字图像处理存在不同[1]。

1 DR文件的读取

DR图像采用的DICOM格式与传统PC机上常见BMP格式不同，因此，要在PC机上处理DR图像就必须进行转换。目前，由DR图像转换成BMP格式图像大多数为32位增强彩色图像，即除了颜色的三个分量（RGB）外还有第四个分量：透明度（alpha）。所以，DR图像转换后的一个像素就由四个分量组成。由于X成像技术本身的特点，一个像素的alpha分量一般为0，而RGB三个分量的值是相等的。也就是说，转换后的DR图像实质上是一幅灰度图像。因此，读取图像数据时应按照32位真彩色格式处理，在后续处理时按256级灰度图像处理。

2 DR图像的平滑处理

如上原因，DR图像的平滑处理应使用灰度图像处理方法，因此，图像处理的复杂程度较低。常用平滑处理算法包括均值滤波、中值滤波等。

均值滤波是典型的线性滤波算法，处理时以目标像素为中心，取其周围全体像素的灰度平均值来代替原来的灰度值。均值滤波运算速度快，但不能很好地保护图像细节，使图像变得模糊。

与之对应，中值滤波法是一种非线性平滑技术，以目标像素点邻域窗口内的所有像素点灰度值的排序中间值为该像素点的灰度值某。由于需进行排序运算，因此计算效率较低，但对图像细节有很好的保护效果，滤波效果也较好。

3 DR图像的分割

传统的图像分割定义：把图像分成若干个具有特殊意义的区域，是由图像处理到图像分析的关键步骤。常用的算法主要包括：基于阈值的分割方法和基于边缘的分割方法等。由于DR图像的特殊性，上述两种算法均不能很好的完成图像分割工作。图2（a）为使用经典最大方差阈值法处理后的结果，图2（b）为使用经典Sobel算子处理后的结果。最大方差阈值法处理后，图像细节丢失严重；使用经典Sobel算子处理后，图像的细节保留较好，但无法分清主次。

笔者应用灰色系统理论中的灰色关联度方法对DR图像进行处理[2-4]，进行了灰色聚类处理，取得了较好的分割效果。本算法属于聚类算法，具体算法为：首先，根据实际需要确定聚类数目和初始聚类中心；然后，计算DR图像中每个像素与各聚类中心中心的灰色关联度，并按照关联程度将像素点归类；最后，进行迭代运算，更新聚类中心，目的是使得灰色关联度总和最小。

4 结论

图3所示为对图1（a）进行灰色聚类处理后的结果，最终确定8个聚类中心（其中7个灰度值大于20，一个小于20，以此为背景），图4以彩色形式显示采用灰色聚类结果。由图3、图4可以看出采用灰色聚类算法可有效的对DR图像进行分割。

【参考文献】

[1]谌家喜.直接数字化X线摄影系统图像处理方法研究[D].中国科学技术大学， 2008.

[2]李庆利，郭彩玲，张向红.陶瓷砖表面质量视觉检测系统研究[J].陶瓷学报， 2011，32（1）：42-43.

[3]李庆利，王永强，张帆.陶瓷砖特征颜色提取算法研究[J].中国陶瓷，2012（12）：58-60.

[4]李庆利，王永强，张帆.基于彩色图像的零件识别图像预处理方法研究[J].制造业自动化，2015，37（18）：80-82.

[责任编辑：田吉捷]