X線前臂骨折圖像增強(qiáng)分析

劉成鳳　田敬北

摘要：該文針對醫(yī)學(xué)圖像對比度差的特點(diǎn)，該文對前臂骨折圖像進(jìn)行了增強(qiáng)處理，采用灰度線性變換、銳化、小波變換三種方法進(jìn)行了比較剖析，并應(yīng)用均方偏差（MSE）與峰值信噪比（PSNR）對加強(qiáng)后的圖像質(zhì)量進(jìn)行了評價。實驗結(jié)果顯示，應(yīng)用小波變換的方法可以很好地保持圖像的細(xì)節(jié)、邊緣特點(diǎn)以及圖像的清晰度。

關(guān)鍵詞：前臂骨折圖像；MSE；PSNR

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）03-0212-03

由于醫(yī)療設(shè)備等因素的影響，造成獲得的圖像由于存在失真和噪聲而與實物存在不同程度的差異。尤其在利用現(xiàn)代數(shù)字圖像處理方法對醫(yī)學(xué)圖像進(jìn)行計算機(jī)輔助判斷時，圖像的質(zhì)量顯得更加重要，因此需先對圖像進(jìn)行預(yù)處理。一般而言，實現(xiàn)醫(yī)學(xué)骨折圖像的計算機(jī)輔助診療需要進(jìn)行圖像的預(yù)處理、分割、特征提取以及類別劃分等步驟。

目前，適應(yīng)于醫(yī)學(xué)圖像增強(qiáng)的方法較多，其中包括濾波、形態(tài)學(xué)處理、小波變換等，因此，需要找到適合于骨折圖像的增強(qiáng)理論和方法來對骨折圖像進(jìn)行研究，使得處理后的圖像能較好的保留邊界和結(jié)構(gòu)信息。本文以10幅前臂骨折圖像做樣本，均方偏差（MSE）與峰值信噪比（PSNR）作為處理之后圖像的質(zhì)量評定方法，對常用的圖像增強(qiáng)方法的探討比較剖析，結(jié)果顯示采用小波變換的辦法對骨折圖像的加強(qiáng)效果最為顯著，處理以后的圖像骨骼以及背景部分的對比性顯著加強(qiáng)[1-3]。

1 圖像評價準(zhǔn)則

通常，人的主觀視角判定圖像質(zhì)量具有不精確性，所以，我們采用圖像質(zhì)量好壞的客觀評定辦法即均方誤差（MSE）與峰值信噪比（PSNR）來評定圖像質(zhì)量的好壞。設(shè)[fi，ji=1， 2， …，N， j=1， 2， …， M]為原始圖像，[fi，ji=1， 2， …，N， j=1， 2， …，M]為處理后的圖像，[M，N]則代表骨折圖像的長與寬，令[M=339，N=162，]則[fi，j]和[fi，j]兩之間的均方誤差定義（MSE）為：

均方誤差體現(xiàn)的是原圖像和經(jīng)處置后圖像間的差別，當(dāng)值越低時，兩圖之間的差別越小，因此，均方誤差越小的圖像質(zhì)量越好。

峰值信噪比（PSNR）定義為：

[fmax=255]，[fmax]代表圖像像素灰度值，其最大值為255，峰值性噪比則為取值越高，圖像的質(zhì)量也就越好。

2骨折圖像增強(qiáng)方法

2.1 灰度線性變換

灰度的線性變換是針對圖像內(nèi)每一個像素點(diǎn)的灰度依照轉(zhuǎn)換函數(shù)開展線性拓展轉(zhuǎn)換。進(jìn)而令對比度較低的圖像層級更為豐富，同時優(yōu)化視覺效果，起到加強(qiáng)圖像的作用。設(shè)原圖像為[fi，j]，轉(zhuǎn)換之后的圖像為[fi，j]，則轉(zhuǎn)換函數(shù)的表達(dá)式為：

通過運(yùn)算得到圖像的骨骼位置灰度值區(qū)間在六十到二百之間，在處理時，我們通過使原圖像的灰度值在0～[s1]和[s2]～[s3]之間的動態(tài)區(qū)域降低，在[s1]～[s2]間的動態(tài)區(qū)域加大，進(jìn)而加強(qiáng)了中間區(qū)域也就是背景部分和骨骼部分的對比度。[s2=180]，[s1=t1]，[t2=200]不同參數(shù)下處理后圖像如圖1所示。

按照MSE的評定標(biāo)準(zhǔn)，計算出樣本在各個[s1]值下的分段線性轉(zhuǎn)換后的圖像MSE值如表1所示。

結(jié)果表明隨著[s1]值的增大，MSE值逐漸減小，PSNR值增大，骨骼區(qū)域?qū)Ρ榷让黠@增強(qiáng)，[s1]值為90時MSE平均值最小，PSNR平均值最大，根據(jù)質(zhì)量評價標(biāo)準(zhǔn)，此時增強(qiáng)效果最好。

2.2 銳化

銳化常常被用來加強(qiáng)圖像輪廓部分的信息。它可以顯著地凸顯圖像內(nèi)的過渡區(qū)域以及模糊的細(xì)節(jié)。而算子不同對于圖像的銳化成效各異，其中包含實現(xiàn)銳化的Laplace算子、sobel算子以及prewitt算子等[4]。

Laplace算子是實現(xiàn)不同走向的圖像邊際銳化需求的2階導(dǎo)數(shù)算子，能夠?qū)呺H模糊以及景象模糊的圖像實行銳化處理后令圖像變得清楚。對于離散函數(shù)[fx，y]，其Laplace算子可表示為：

骨折圖像銳化處理后效果如圖所示：

根據(jù)MSE和PSNR評價標(biāo)準(zhǔn)計算不同算子下的MSE值如下表所示.

結(jié)果表明Laplace銳化后的圖像MSE值最小且PSNR值最大，增強(qiáng)效果最好，較sobel和prewitt更好的突出了骨骼區(qū)域，且更好的保留了圖像信息。

2.3小波變換

小波變換是經(jīng)過伸縮與平移計算對原圖像每一個像素點(diǎn)的信號逐漸展開多層次的細(xì)化以后獲取的有效信息，而且能對其展開從構(gòu)后達(dá)到圖像加強(qiáng)。

2維形態(tài)下，小波變化的基本函數(shù)由2維尺度函數(shù)[?x，y]與小波[ψHx，y ][ψVx，y ][ψDx，y]就能夠獲得小波變換的基本函數(shù)：大小為[M×N]的圖像[fx，y]的離散小波變換為：

小波的多層次分解中一級分解會出現(xiàn)水平、豎直和對角線3個細(xì)節(jié)分量以及1個低頻分量，并且原圖像會被平均分為四個頻帶圖像，如圖4所示，進(jìn)行一級分解后的低頻信息體現(xiàn)了圖像骨骼部分的輪廓信息，高頻信息則體現(xiàn)了各個方向的詳細(xì)信息。二級分解時，再對低頻分量展開二維離散小波轉(zhuǎn)換，全部的子圖像都通過原圖像和2維尺度函數(shù)以及小波函數(shù)的內(nèi)積在各個維度內(nèi)完成基2的取樣[5-9]。

經(jīng)過兩級分解后獲得的兩級分解之后各個方向的小波系數(shù)，再對圖像展開單支重構(gòu)，使其尺寸與原圖像大小相同，并提升低頻部分，從而提升骨骼輪廓，弱化細(xì)節(jié)。經(jīng)小波變換后的圖像輪廓清楚， 細(xì)節(jié)性信息被顯著加強(qiáng)，對于總體較暗、對比度不佳的醫(yī)用骨折圖像擁有良好的加強(qiáng)效果，根據(jù)質(zhì)量評價標(biāo)準(zhǔn)計算結(jié)果如表3所示。

3實驗結(jié)果分析

本文以O(shè)penCV 2.3.1作為平臺，實驗通過分別計算分段線性變換、銳化、小波變換三種常用方法處理后圖像的均方偏差與峰值信噪比值，作為處理后圖像質(zhì)量好壞的評定標(biāo)準(zhǔn)，實驗結(jié)果為：

實驗結(jié)果表明小波變換的MSE值最小，銳化處理后的PSNR值最大，但由于銳化處理后的圖像會出現(xiàn)不規(guī)則紋理，從而導(dǎo)致圖像信息與原圖像產(chǎn)生明顯差異。小波變換通過多尺度的分解及重構(gòu)后的圖像質(zhì)量較好，明顯增強(qiáng)了骨骼區(qū)域，因此小波變換的方法較適用于該類骨折圖像進(jìn)行增強(qiáng)處理。

4 結(jié)束語

在骨折圖像增強(qiáng)處理階段，應(yīng)根據(jù)處理的圖像差異有針對性地選擇算法，小波變換能有效提升骨折圖像中骨骼部分和背景部分的對比度，使細(xì)節(jié)清楚，但分解及重構(gòu)復(fù)雜。銳化增強(qiáng)效果根據(jù)質(zhì)量評價標(biāo)準(zhǔn)也較理想，但需優(yōu)化算法，在實際運(yùn)用可結(jié)合實際需求，選擇出最適合的增強(qiáng)方法[10]。

參考文獻(xiàn)：

[1] 李云紅.數(shù)字圖像處理[M].北京：北京大學(xué)出版社，2012.

[2] 王蓉.圖像增強(qiáng)算法實現(xiàn)[D].荊州：長江大學(xué)， 2013.

[3] 楊璐珍.醫(yī)學(xué)圖像增強(qiáng)處理方法的研究與實現(xiàn)[D].河南科技大學(xué)， 2011.

[4] 盧允偉.基于拉普拉斯算法的圖像銳化算法研究和實現(xiàn)[J].電腦知識與技術(shù)，2009（6）：1-3.

[5] 劉青青.基于二維離散小波變換的紅外圖像增強(qiáng)算法[J].計算機(jī)用于與軟件，2006（11）：1-3.

[6] 候艷芹.一種基于二維離散小波變換的醫(yī)學(xué)圖像增強(qiáng)算法[J].計算機(jī)工程與應(yīng)用，2006（7）：1-4.

[7] 盧劍.基于小波變換的圖像增強(qiáng)算法[D]. 南京：南京理工大學(xué)，2013.

[8] 伊欣.基于小波變換的醫(yī)學(xué)圖像增強(qiáng)系統(tǒng)研究[D]. 西安：西安工程大學(xué)， 2012.

[9] 孟正中.基于小波變換的圖像增強(qiáng)方法研究[D] .長沙：中南大學(xué)，2011.

[10] 沈晶.Visual C++數(shù)字圖像處理典型案例詳解[M].北京： 機(jī)械工業(yè)出版社，2012.