基于改進Canny算子的X-ray圖像分割算法研究

弓明 曲蘊慧 廖尹坤 王鑫

【摘 要】當前，隨著醫(yī)療技術的提高，各種醫(yī)學成像手段在臨床中的廣泛應用，數(shù)字圖像處理技術在醫(yī)學領域的應用越來越廣泛。但由于醫(yī)學影像圖像的復雜性和特殊性，將傳統(tǒng)的數(shù)字圖像處理技術直接應用于影像圖像處理領域存在很多問題。本文針對經(jīng)典的Canny算子應用于X射線圖像分割中所存在的問題，提出一種改進的Canny算子。改進算法將動態(tài)閾值法應用于邊緣檢測的準則中，效地避免了由于使用固定閾值在X射線圖像的邊緣檢測中所產(chǎn)生的邊緣模糊或邊界不連續(xù)性等問題。對比實驗表明本文所提出的改進Canny 算子對于X射線這類邊緣模糊的醫(yī)學影像圖像檢測效果較好，在臨床中具有一定的實用價值。

【關鍵詞】醫(yī)學影像圖像處理;邊緣檢測;Canny 算子

中圖分類號： TP391.41 文獻標識碼： A文章編號： 2095-2457（2019）04-0091-002

DOI：10.19694/j.cnki.issn2095-2457.2019.04.034

The X-ray image Segmentation Algorithm Based on Improved Canny Operator

GONG Ming1 QU Yun-hui2 LIAO Yin-kun1 WANG Xin1 YANG Wu-lian1

（1.Medical Technology Faculty; Xian Medical University， Xian Shaanxi 710021， China;

2.Computer Teaching and Research Section; Xian Medical University， Xian Shaanxi 710021， China）

【Abstract】At present， with the improvement of medical technology， various medical imaging methods are widely used in clinic. And the digital image processing technology is more and more widely used in medical field. However， due to the complexity and particularity of medical image， there are many problems in applying traditional digital image processing technology to the field of medical image processing. In this paper， an improved Canny algorithm is proposed to solve the problems in the application of traditional Canny operator to X-ray image segmentation. The improved algorithm applies dynamic threshold method to the criterion of edge detection， effectively avoiding the problems of edge blurring or discontinuity caused by using fixed threshold in edge detection of X-ray images. Experiments show that the improved Canny operator proposed in this paper is effective for medical image detection with blurred edges has certain practical value in clinic.

【Key words】Medical image processing; Edge detection; Canny operator

0 引言

在醫(yī)學影像圖像處理領域，醫(yī)學圖像的分割是對醫(yī)學圖像進行進一步識別和檢測的基礎。所謂醫(yī)學影像圖像分割就是把圖像表示為物理上有意義的連通區(qū)域，以便繼續(xù)在分割成的相關區(qū)域中提取目標，并進而根據(jù)目標的特征或結構信息對其進行分類和識別，最后再給出對整幅圖像分析結果的描述信息。由于醫(yī)學影像圖像復雜性以及醫(yī)學影像成像技術的特點，使得醫(yī)學影像圖像在獲取時必定存在一定的噪聲，以及影像圖像中的目標對象的邊緣存在局部模糊等問題，這使得醫(yī)學影像的圖像分割任務更加艱難。邊緣檢測技術作為圖像分割的基礎，其準確程度直接影響到分割的正確性。

本文針對經(jīng)典的Canny算子在醫(yī)學影像X射線圖像分割過程中所存在的邊緣模糊，不連續(xù)等問題進行研究，提出一種基于動態(tài)閾值的Canny算子改進算法，其有效解決了模糊出邊界不連續(xù)問題，得到清晰，連續(xù)的邊界，為下一步處理奠定了良好的基礎。

1 傳統(tǒng)的Canny邊緣檢測算子

John F.Canny于1986年提出Canny邊緣檢測算法被認為是一種最優(yōu)邊緣檢測算子[1]，其具有魯棒性強，精度高等優(yōu)點，在圖像分割中獲得了非常廣泛的認可及應用。

Canny算子邊緣檢測的基本原理為：

（1）采用二維高斯函數(shù)的任一方向上的一階方向導數(shù)為噪聲濾波器，通過與圖像f（x，y）卷積進行濾波;

（2）然后對濾波后的圖像尋找圖像梯度的局部極大值，以確定圖像邊緣。

其算法步驟如下：

Step1：采用高斯濾波器平滑圖像。

Step2：計算濾波后圖像梯度的幅值和方向。

Step3：對梯度幅值進行非極大值抑制。僅僅得到全局的梯度并不足以確定邊緣，因此為確定邊緣，必須保留局部梯度最大的點，而抑制非極大值[3]。

Step4：采用雙閾值檢測并連接邊緣。即使用兩個閾值T1和T2，其中2T1≈T2，從而可以得到兩個閾值邊緣圖像N1[i，j]和N2[i，j]。雙閾值法要在N2[i，j]中把邊緣連接成輪廓，當?shù)竭_輪廓的端點時，該算法就在N1[i，j]的8鄰點位置尋找可以連接到輪廓上的邊緣，這樣，算法不斷地在N1[i，j]中收集邊緣，直到將N2[i，j]連接起來為止[4]。

2 基于動態(tài)閾值的改進Canny算子

傳統(tǒng)的Canny算法需要人工選取高低閾值來進行邊緣的連接。并且對高低閾值較敏感，即當高閾值取值過大時，會丟失一些細小的邊緣;而當閾值取值過小時，則會造成細節(jié)過多，檢測出偽邊緣[5]。另外，當個點的灰度值處于高低閾值之間并且與邊緣點相鄰時，則改點會被認定為邊緣點，使得得到的邊緣過粗，很難達到單像素邊緣的要求。故閾值的選擇，直接影響到最終的分割結果。

對醫(yī)學影像X射線這類邊緣較模糊的圖像使用Canny算子進行邊緣檢測時，如果按照傳統(tǒng)方法，對整幅圖像僅僅采用了兩個閾值，對一些特殊的身體部位的具體情況無法獲得較好的分割結果，效果不理想。并且固定閾值容易受到影像圖像獲取以及傳輸過程中的噪聲干擾，導致邊緣在模糊處丟失或者不連續(xù)等現(xiàn)象發(fā)生。本文對傳統(tǒng)Canny 算法進行了改進，使其在X射線等醫(yī)學影像圖像邊緣檢測過程中，能夠更精確的獲得圖像邊界，更加適用于醫(yī)學影像圖像的邊緣檢測。

基于動態(tài)閾值的改進Canny算法步驟如下：

step5動態(tài)閾值法連接邊緣：首先對圖像進行分塊，根據(jù)圖像特點，可將圖像分為子塊，在子圖像中采用動態(tài)閾值法來選取圖像閾值。并使用雙閾值來檢測和連接各子圖像的邊緣。即對每個子圖像，使用（下轉第46頁）（上接第92頁）動態(tài)閾值法選取的不同的高低閾值進行邊界的連接。即在每個子圖像中，N2[i，j]中把邊緣連接成輪廓，當?shù)竭_輪廓的端點時，該算法就在N1[i，j]中尋找可以連接到輪廓上的邊緣，直到將所有子圖像中的N2[i， j]都連接起來為止。

3 實驗結果對比

為了驗證改進算法的有效性，實驗平臺為Matlab2014a，分別采用傳統(tǒng)的Canny算法和改進算法進行實驗。在實驗中，采用兩種算法同時對Shepp-Logan數(shù)字體模進行分割，效果如圖所示。

從圖中對比可以看到，使用改進Canny算子檢測得到的結果圖像（c）既去除了圖（b）中的大部分虛假邊緣， 同時避免了丟失很多真邊緣的情況，使得主體輪廓更加明顯，邊緣連接更加完整，偽邊界減少，顯著提高了信噪比，改善了在噪聲干擾情況下圖像邊緣的檢測效果。

4 結語

針對傳統(tǒng)的Canny算子對于X-ray存在的缺陷，本文對邊緣檢測進一步精確分割，減少了傳統(tǒng)存在的邊緣模糊，或者是邊界不連續(xù)的結果，使得圖像處理在醫(yī)學圖像領域更好的發(fā)展與利用，同時為臨床診斷提供了極為重要的臨床意義。

【參考文獻】

[1]CANNY J F.A computational approach to edge detection [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1986，8.（16）：679？698.

[2]孫即祥.圖像分析[M].北京：科學出版社，2005.

[3]于殿泓.圖像檢測與處理技術[M].西安：西安電子科技大學出版社，2006.

[4]章毓晉.圖像分析[M].2版.北京：清華大學出版社，2005.

[5]張震.馬駟良.張忠波，等.一種改進的基于Canny算子的圖像邊緣提取算法[J].吉林大學學報，2007，45（2）：244？248.

[6]張光玉，徐龍春，張敏風等.一種改進的Canny邊緣檢測算法[J].中國醫(yī)學物理學雜志.2017.34（8）：811-815.

[7]曲蘊慧，弓明，廖尹坤，等.基于改進Canny算子的腦部MR圖像分割算法的研究[J].中國醫(yī)療設備. 2018，33（11）.

[8]王志.用于醫(yī)學圖像邊緣檢測的改進Canny算子[J].黑龍江科技信息.2009.01：10-11.

[9]付博研，盧振洋，白立來，等.一種改進的Canny算法及其仿真驗證[J]. 現(xiàn)代電子技術.2014.37（18）： 11-14.