医学图像伪彩色处置方式范文

本站小编为你精心准备了医学图像伪彩色处置方式参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1基于标记分水岭分割的目标增强

分水岭算法是一种数学形态学的基于区域图像分割方法，其计算速度快，能精确定位图像的边缘，但因其对微弱边缘也具有良好响应，易产生过分割的现象。在众多改进算法中，标记分水岭分割算法较好地解决了过分割现象。为突出医学图像中组织区域，本文采用标记分水岭分割算法预处理医学图像，以突出组织目标轮廓，获得更好的伪彩色处理效果。目标增强图像获取的主要步骤如下：

（1）读入原始医学图像f(x,y)。

（2）对f(x,y)应用sobel梯度算子求取梯度图像，锐化其边缘，使背景和目标对比更明显。一幅图像的梯度图可表示为： 其中，Gx和Gy分别为沿x方向和y方向的梯度图像。

（3）对f(x,y)做距离变换，产生距离图，并对距离图像做分水岭分割，得到外部标记图像em。同时，对f(x,y)做H-极值变换，得到内部标记图像im。这里，外部标记点为分水线处点，内部标记点既要是一个连通的分量，又要具有相同的灰度值。

（4）为抑制过分割，对（2）步获得的梯度图像∇f进行数学形态学极小值标定。将（3）步获得的外部、内部标记图像em和im作为∇f的局部最小值，修正梯度图像。

（5）对修正后的梯度图像进行分水岭分割。

（6）将分割结果与f(x,y)相加，得到目标增强图像g(x,y)。上述处理步骤结构框图如图1所示。

2基于目标增强的医学图像伪彩色处理

2.1算法流程

将采用上述标记分水岭分割方法得到的分割图像与原始医学图像融合处理后，得到目标增强图像。对目标增强图像进行基于傅立叶变换的频率域灰度—彩色伪彩色处理，即可得到最终的增强图像。具体算法流程如图2所示。

2.2仿真实验结果分析与讨论

本文选取多幅低对比度、灰度范围窄、组织边缘不明显的不同模式医学图像进行了算法仿真实验。以一幅脑瘤患者MRI医学图像分例，展示本文提出算法的增强效果。图3（a）所示为原始医学图像，其空间分辨率为414×390，病灶区域在图中框出。图3（b）是目标增强后图像，图3（c）是本文算法伪彩色处理后结果图。为比较本文算法的有效性，采用传统的变换域灰度—彩色算法处理了图3（a），结果如图3（d）所示。从图中可以看出，带有颜色信息的伪彩色医学图像能给人更加直观的可视化效果.

与传统伪彩色处理图像相比，本文提出的算法获得的图像组织目标突出，轮廓更加清晰、层次更加鲜明，颜色饱和度更丰富、有效地突出了病灶区域。实验结论如下：

（1）本算法所采用的标记分水岭分割方法获得的目标增强图像，不需合并等后处理即可有效突出组织目标轮廓、突显图像细节，有效地降低了算法复杂性，节省了融合系统时间开销。

（2）算法中，R、G、B三通道的变换域滤波器的选择直接影响伪彩色增强效果。实践证明，相较于其他低、高通滤波器，二阶巴特沃斯低、高通滤波器以其可接受的振铃效应和有效的滤波特性更适用于本算法。但是，其截止频率D0仍需根据输入的医学图像的不同而调整。（3）算法中FFT逆变换后的后处理模块选择常用的直方图均衡化方法处理后，伪彩色合成图像的色彩对比不强。反复实验证明，当将逆变换结果乘以适当的系数时，合成后图像色彩丰富，可明显提高病灶区域图像可分辨率。

3结束语

本文提出了一种新的目标增强与伪彩色处理结合的医学图像增强算法。将标记分水岭分割结果图像与原图像融合，得到组织区域目标增强图像，然后再伪彩色处理该图像。大量实验结果显示，本文提出的算法充分利用了人眼对彩色敏感的特点，能够显著改善医学图像显示质量，特别是对低对比度区域中的组织目标，能突出组织轮廓，加强图像层次感，更适于人眼分辨，有利于医生诊断，降低误诊率。该算法已应用于自主研发的医学图像融合系统中，具有一定的实用价值。

作者：宁春玉单位：长春理工大学生命科学技术学院吉林大学计算机科学与技术学院