血型判讀系統(tǒng)中的邊緣檢測(cè)算法研究

姚娜 ，楊波 ，李桐 ，郭濱 ，馬海濤

（1.長(zhǎng)春理工大學(xué) 電子信息工程學(xué)院，長(zhǎng)春 130022；2.吉林大學(xué) 通信工程學(xué)院，長(zhǎng)春 130012；3.長(zhǎng)春國(guó)科醫(yī)工科技發(fā)展有限公司，長(zhǎng)春 130102）

在當(dāng)今時(shí)代，健康已經(jīng)是人們最為關(guān)注的話題之一，而血型檢測(cè)作為最基本的醫(yī)療輔助工作，也獲得越來(lái)越多的關(guān)注。但是在發(fā)展中國(guó)家的農(nóng)村地區(qū)，那里根本沒(méi)有實(shí)驗(yàn)室和訓(xùn)練有素的技術(shù)人員。雖然有來(lái)自密克羅尼西亞、埃爾登生物制劑等公司的應(yīng)用護(hù)理點(diǎn)的解決方案，但對(duì)于發(fā)展中國(guó)家的大規(guī)模使用來(lái)說(shuō)，這些方案的價(jià)格高得讓人望而卻步（每次測(cè)試10～20美元不等）［1］。所以，便攜式血型檢測(cè)裝置的出現(xiàn)是必然的，但是便攜式的血液檢測(cè)裝置也會(huì)面對(duì)很多技術(shù)問(wèn)題，其中在沒(méi)有專業(yè)的醫(yī)療條件情況下獲取到的數(shù)字圖像背景光不均勻就是其中一個(gè)，如若不能很好的解決背景光的問(wèn)題，那么就會(huì)影響邊緣檢測(cè)進(jìn)而影響血型判讀結(jié)果。

針對(duì)圖像背景不均勻的問(wèn)題，很多學(xué)者提出了解決辦法，其中同態(tài)濾波是常用的方法之一。但是同態(tài)濾波增強(qiáng)是從整體的角度對(duì)圖像進(jìn)行光照不均修正，雖然可以在不丟失信息的情況下去除背景影響，卻沒(méi)有充分考慮圖像的空間局部特性，這樣就會(huì)出現(xiàn)在增強(qiáng)一部分時(shí)，其余部分出現(xiàn)過(guò)增強(qiáng)的現(xiàn)象。2013年，張亞飛、謝明鴻［2］提出局部同態(tài)濾波算法，即對(duì)圖像的各個(gè)子圖像分別進(jìn)行同態(tài)濾波，然后對(duì)局部同態(tài)濾波產(chǎn)生的塊效應(yīng)采用相鄰子圖像邊界平均的方法進(jìn)行去除。但是，實(shí)現(xiàn)復(fù)雜且塊效應(yīng)去除不明顯，很容易產(chǎn)生新的邊緣。2018年，李開(kāi)偉、張立亭等人［3］基于同態(tài)濾波原理，設(shè)計(jì)新的濾波函數(shù)從而達(dá)到細(xì)節(jié)增強(qiáng)，影像清晰的目的。但是其對(duì)新濾波函數(shù)的構(gòu)造較復(fù)雜，且之后對(duì)高頻和低頻分量的處理效果不夠明顯。當(dāng)然也有從邊緣檢測(cè)算法方面做優(yōu)化的，例如2015年，秦雪、王歡等人［4］提出基于圖像邊緣檢測(cè)的圖像識(shí)別算法用來(lái)改善得到的邊緣信息，但是在光源影響較大時(shí)還是會(huì)出現(xiàn)檢測(cè)結(jié)果亮度不均勻的現(xiàn)象。針對(duì)以上問(wèn)題，本文提出在進(jìn)行同態(tài)濾波后使用數(shù)學(xué)形態(tài)學(xué)中的高低帽變換來(lái)減少部分像素過(guò)增強(qiáng)的影響。

1 原理和方法

1.1 同態(tài)濾波

同態(tài)濾波（Homomorphic filter）是信號(hào)與圖像處理中的一種常用技術(shù)，它采用了一種線性濾波在不同域中的非線性映射，也是一種在頻域中進(jìn)行的圖像對(duì)比度增強(qiáng)和壓縮圖像亮度范圍的特殊方法。同態(tài)濾波器不但能夠減少低頻并且增加高頻，還能減少光照變化并銳化邊緣細(xì)節(jié)。圖像的同態(tài)濾波技術(shù)的依據(jù)是圖像獲取過(guò)程中的照明反射成像原理，如圖1所示。

圖1 圖像獲取原理圖

其中，L(x,y)表示入射光源產(chǎn)生的亮度圖像；R(x,y)代表物體本身產(chǎn)生的反射圖像；S(x,y)是觀察到的圖像。根據(jù)蘭德提出的理論，對(duì)于給定圖像S(x,y)中的每個(gè)點(diǎn)都可以用公式表示為：

一般來(lái)說(shuō)，亮度圖像L(x,y)變化緩慢，主要是低頻成分，反射圖像R(x,y)反應(yīng)物體細(xì)節(jié)，體現(xiàn)為高頻成分。當(dāng)想要去除背景光不均勻時(shí)也就是在給定圖像S(x,y)中分離亮度圖像L(x,y)和反射圖像R(x,y)，并分別采取壓縮低頻、提升高頻的方法，就可以達(dá)到減弱照度分量、增強(qiáng)反射分量從而使圖像清晰的目的。由于亮度圖像相當(dāng)于乘性噪聲，直接運(yùn)算不方便，所以先對(duì)待增強(qiáng)圖像取對(duì)數(shù)，然后進(jìn)行傅立葉變換，在頻域中利用同態(tài)濾波器H(u,v)進(jìn)行濾波，最后通過(guò)逆傅立葉變換及指數(shù)變換得到增強(qiáng)后的圖像，過(guò)程如圖2所示。其中G(x,y)是同態(tài)濾波后圖像。在同態(tài)濾波中，濾波效果的好壞取決于濾波函數(shù)H(u,v)，為了壓制低頻的亮度分量，增強(qiáng)高頻的反射分量，濾波器H(u,v)應(yīng)是一個(gè)高通濾波器，但又不能完全清除低頻分量，僅作適當(dāng)壓制。因此，同態(tài)濾波器一般采用如下形式，即：

式中，γL＜1和γH＞1控制濾波器幅度的范圍；Hhp(u,v)通常為高通濾波器，如高斯高通濾波器、巴特沃茲高通濾波器、Laplacian濾波器等。由于高斯函數(shù)的傅立葉變換仍是高斯函數(shù)，所以此次同態(tài)濾波使用高斯高通濾波器。

圖2 同態(tài)濾波過(guò)程

由于同態(tài)濾波是全局性濾波，所以就會(huì)在對(duì)一部分進(jìn)行濾波增強(qiáng)時(shí)，另一部分過(guò)增強(qiáng)。為避免出現(xiàn)上述現(xiàn)象，本文提出使用數(shù)學(xué)形態(tài)學(xué)中的高低帽變換來(lái)去除過(guò)增強(qiáng)的影響。

1.2 數(shù)學(xué)形態(tài)學(xué)

1.2.1 圖像膨脹、腐蝕

膨脹和腐蝕這兩種操作是形態(tài)學(xué)處理的基礎(chǔ)，許多形態(tài)學(xué)算法都是以這兩種運(yùn)算為基礎(chǔ)的［5］。在灰度形態(tài)學(xué)方法中，膨脹是一種對(duì)圖像的擴(kuò)張變換。通過(guò)膨脹變換，對(duì)圖像的外部進(jìn)行濾波處理，可以填充圖像中的小孔及在圖像邊緣處的小凹陷部分，并使整幅圖像的灰度值提高［6］。腐蝕算法是一種收縮變換，對(duì)圖像內(nèi)部做濾波處理，可以消除小且無(wú)意義的物體，通過(guò)腐蝕變換能降低整幅圖像的灰度值［7］。

設(shè)f(s,t)是輸入圖像，b(x,y)是結(jié)構(gòu)元素，其中Df和Db分別是f和b的定義域，用b對(duì)f進(jìn)行灰度膨脹，表示為f⊕b，膨脹后的灰度圖像像素為：

式中，(s-x)和(t-y)必須在f的定義域內(nèi)以及x和y必須在b的定義域內(nèi)。

用b對(duì)f進(jìn)行灰度腐蝕，表示為f-b，并定義腐蝕后的灰度圖像素值為：

式中，(s+x)和(t+y)必須在f的定義域內(nèi)以及x和y必須在b的定義域內(nèi)。

1.2.2 高、低帽變換

對(duì)圖像先進(jìn)行腐蝕操作，再進(jìn)行膨脹操作，即圖像的開(kāi)運(yùn)算。結(jié)構(gòu)元素b對(duì)f的開(kāi)運(yùn)算記為f°b，定義為f°b=(f-b)⊕b。開(kāi)運(yùn)算能夠除去孤立的小點(diǎn)、毛刺和小橋，而總的位置和形狀不變。并且開(kāi)運(yùn)算是一個(gè)基于幾何運(yùn)算的濾波器，結(jié)構(gòu)元素大小的不同將導(dǎo)致濾波效果的不同，而不同的結(jié)構(gòu)元素也會(huì)導(dǎo)致不同的分割，即提取出不同的特征［8］。

對(duì)圖像先進(jìn)行膨脹操作，再進(jìn)行腐蝕操作，即圖像的閉運(yùn)算。結(jié)構(gòu)元素b對(duì)f的閉運(yùn)算記為f·b，定義為f?b=(f⊕b)-b。閉運(yùn)算能夠填平小孔，彌合小裂縫，而總的位置和形狀不變。并且閉運(yùn)算是通過(guò)填充圖像的凹角來(lái)濾波圖像的，結(jié)構(gòu)元素大小的不同將導(dǎo)致濾波效果的不同，而不同結(jié)構(gòu)元素同樣會(huì)導(dǎo)致不同的分割。

從原圖像中減去開(kāi)運(yùn)算的圖像稱為頂帽變換，也稱為高帽變換。設(shè)g(x,y)為輸出圖像，頂帽變換即為g=f-(f°b)，高帽變換可以求出圖像中的峰值。用閉運(yùn)算的圖像減去原圖像稱為底帽變換，也稱為低帽變換。若h(x,y)為輸出圖像，頂帽變換即為h=(f?b)-f，而低帽變換可以求出圖像中的谷值。這兩個(gè)變換都是用一個(gè)結(jié)構(gòu)元素通過(guò)開(kāi)操作或閉操作從一副圖像中刪除物體，而不是擬合被刪除的物體［9］。然后，差操作得到一副僅保留已刪除分量的圖像。所以經(jīng)過(guò)高低帽變換可以對(duì)原圖像進(jìn)行增強(qiáng)，使邊界更加鮮明。高帽變換用于暗背景上的亮物體，而低帽變換則用于亮背景上的暗物體［10］。由于這一原因，當(dāng)談到這兩個(gè)變換時(shí)，常常分別稱為白頂帽變換和黑底帽變換。由于本實(shí)驗(yàn)獲得的原灰度圖像是亮背景、暗物體，而低帽變換的結(jié)果是暗背景、亮物體，高帽變換得到的結(jié)果是暗物體、亮背景。所以，為得到和原灰度圖像相同的處理效果，本實(shí)驗(yàn)采用在原圖的基礎(chǔ)上疊加頂帽變換后減去低帽變換后的圖像（若z(x,y)為輸出圖像，即z=(f+h)-g）的辦法來(lái)去除過(guò)增強(qiáng)的影響。

2 仿真實(shí)驗(yàn)及結(jié)果

由于本次的實(shí)驗(yàn)?zāi)康氖堑玫窖团凶x結(jié)果，所以得到正確的邊緣信息是必要的。本實(shí)驗(yàn)使用微流卡作為血液樣本載體，其檢測(cè)血型原理和其他試管或者試紙檢測(cè)原理相同。其中數(shù)字圖像結(jié)果是通過(guò)普通的智能手機(jī)拍照獲得的，如圖3所示。其血型結(jié)果判讀過(guò)程如圖4所示。

圖3 原圖

圖4 圖像處理過(guò)程流程圖

根據(jù)上述處理過(guò)程得到待檢測(cè)血液樣本有哪幾種（抗A、抗B和抗D）發(fā)生凝集反應(yīng)，在圖像上表現(xiàn)為邊緣是否連續(xù)，進(jìn)而判斷出對(duì)應(yīng)的血型。由于Canny算子屬于先平滑后求導(dǎo)數(shù)的方法，且根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，相對(duì)其他檢測(cè)方法可以得到最優(yōu)化逼近算子，所以本次邊緣檢測(cè)使用Canny算子。為驗(yàn)證高低帽變換確實(shí)去除了過(guò)增強(qiáng)的影響，本次實(shí)驗(yàn)在MATLAB仿真實(shí)驗(yàn)平臺(tái)上進(jìn)行。實(shí)驗(yàn)過(guò)程：首先對(duì)獲得的數(shù)字圖像灰度化，然后在相同的條件下進(jìn)行同態(tài)濾波和同態(tài)濾波后進(jìn)行數(shù)學(xué)形態(tài)學(xué)高低帽變換的圖像進(jìn)行對(duì)比，進(jìn)而得出結(jié)論。

2.1 同態(tài)濾波

首先對(duì)得到的數(shù)字圖像進(jìn)行灰度化，結(jié)果如圖5所示。從圖6原圖的二值化圖像中可見(jiàn)，如果此時(shí)對(duì)其進(jìn)行邊緣檢測(cè)是得不到完整的邊緣信息的，所以此時(shí)采用同態(tài)濾波的方法進(jìn)行背景消除，圖7是同態(tài)濾波后的灰度圖像，圖8是同態(tài)濾波后的二值圖像。此時(shí)，同態(tài)濾波后二值化的閾值為187，此時(shí)無(wú)論增加或減小閾值的值都不會(huì)得到更好的二值化效果，即閾值可選范圍較小，不利于得到準(zhǔn)確的二值圖像，也就是說(shuō)同態(tài)濾波后很難得到較好的二值化圖像。其次，從邊緣檢測(cè)的結(jié)果（圖9）中可以看出，同態(tài)濾波確實(shí)使右下角光線較暗的部分得到了改善，也能檢測(cè)出邊緣，即右下角亮度相對(duì)較暗的部分確實(shí)可以檢測(cè)出來(lái)，但是卻出現(xiàn)了其他部分的過(guò)增強(qiáng)現(xiàn)象，丟失部分信息。并且，對(duì)能夠去除背景影響的部分的邊緣也沒(méi)能得到正確的邊緣檢測(cè)效果，這個(gè)時(shí)候是沒(méi)有辦法區(qū)分是否有凝集反應(yīng)的，進(jìn)而無(wú)法進(jìn)行血型判讀。在此基礎(chǔ)上本文提出使用高低帽變換的方法來(lái)改善過(guò)增強(qiáng)的影響。

圖5 原圖的灰度圖

圖6 原圖的二值化圖像

圖7 同態(tài)濾波后的灰度圖像

圖8 同態(tài)濾波后的二值圖像

圖9 同態(tài)濾波后的邊緣檢測(cè)圖像

2.2 同態(tài)濾波后進(jìn)行高低帽變換

針對(duì)同態(tài)濾波后出現(xiàn)的過(guò)增強(qiáng)現(xiàn)象，提出使用數(shù)學(xué)形態(tài)學(xué)中的高低帽變換進(jìn)行改善。圖10是使用本文方法后的灰度圖像，圖11和圖12分別是對(duì)應(yīng)的二值圖像和邊緣檢測(cè)圖像。對(duì)比圖10和圖7，從圖像增強(qiáng)的角度可以看到高低帽變換使同態(tài)濾波后的灰度對(duì)比度增強(qiáng)，使得邊緣信息更加明顯，也使得二值化時(shí)可選的閾值范圍增大，進(jìn)而可以得到較完整的二值化圖像，如圖11所示。同時(shí)從圖12中可以看出圖像經(jīng)過(guò)高低帽變換后確實(shí)可以保證在去除背景影響的同時(shí)也使得過(guò)增強(qiáng)的部分得到改善，即可以得到較完整且相對(duì)準(zhǔn)確的邊緣檢測(cè)效果。因?yàn)橹挥斜ＷC檢測(cè)邊緣的完整性，才能正確識(shí)別是否有凝集反應(yīng)為得到準(zhǔn)確的判讀結(jié)果提供技術(shù)支持。

圖10 本文算法后的灰度圖像

圖11 本文算法后的二值圖像

圖12 本文算法后的邊緣檢測(cè)圖像

2.3 有無(wú)高低帽變換數(shù)據(jù)對(duì)比

本文采用灰度直方圖和三維立體圖兩種方式進(jìn)行數(shù)據(jù)對(duì)比。

灰度直方圖是灰度值的統(tǒng)計(jì)圖形，以圖形的方式反映圖像灰度分布情況，灰度直方圖分為兩個(gè)類型。一是標(biāo)準(zhǔn)灰度直方圖，表示像素個(gè)數(shù)和灰度值大小的關(guān)系；二是歸一化的直方圖，表示同一灰度值大小的像素所占百分比和灰度值的關(guān)系。由于本文不討論占比，所以使用標(biāo)準(zhǔn)直方圖做對(duì)比說(shuō)明，圖13是同態(tài)濾波后的灰度直方圖，圖14是本文算法后的灰度直方圖，比較二者可以看出，經(jīng)過(guò)高低帽變換后使得150以下的灰度像素點(diǎn)增多，200到255之間像素點(diǎn)相對(duì)減少，也就是說(shuō)高低帽變換使過(guò)增強(qiáng)的部分得到了改善。相對(duì)于只用同態(tài)濾波進(jìn)行背景影響消除，本文方法解決了同態(tài)濾波過(guò)增強(qiáng)的問(wèn)題，得到了更好的圖像邊緣，為之后的血型判讀工作中圖像識(shí)別等工作提供技術(shù)基礎(chǔ)。

圖13 同態(tài)濾波后的灰度直方圖

圖14 本文算法后的灰度直方圖

圖15 同態(tài)濾波后的三維立體圖

圖16 本文算法后的三維立體圖

由于直方圖只是顯示灰度值的總數(shù)，不夠具體。所以本文又使用三維立體圖來(lái)進(jìn)行對(duì)比說(shuō)明，它既顯示了整幅圖片的灰度值，又顯示了詳細(xì)的位置信息。圖15和圖16分別是同態(tài)濾波后和本文算法后的三維立體圖。首先，從圖中可以更明顯的看出經(jīng)高低帽變換后圖像對(duì)比度明顯增強(qiáng)，即拉伸了灰度圖像使灰度值使150以下的像素點(diǎn)增多。其次，從提供的位置信息上可以看出，不僅同態(tài)濾波后過(guò)增強(qiáng)的部分的灰度值對(duì)比明顯變大，整幅圖像的背景亮度也都基于一個(gè)平面，也就是說(shuō)去處理背景影響的同時(shí)很好的降低了過(guò)增強(qiáng)的影響，也就使得有用信息和背景充分區(qū)別開(kāi)來(lái)，為二值化圖像提供較大閾值空間，進(jìn)而得到更準(zhǔn)確的邊緣信息。另外，從提高血型判讀準(zhǔn)確率的角度來(lái)講，經(jīng)高低帽變換后圖像較只通過(guò)同態(tài)濾波的圖像更能提供精準(zhǔn)的邊緣信息，也就是說(shuō)提高了圖像識(shí)別的準(zhǔn)確率。

綜上所述，由于對(duì)圖像的處理部分在血型判讀系統(tǒng)中起著對(duì)判讀結(jié)果的關(guān)鍵作用，所以對(duì)圖像邊緣的準(zhǔn)確獲取是必不可少的一個(gè)環(huán)節(jié)。經(jīng)實(shí)驗(yàn)表明，對(duì)同態(tài)濾波后的圖像進(jìn)行高低帽變換可以在去除背景影響的同時(shí)防止出現(xiàn)過(guò)增強(qiáng)現(xiàn)象，進(jìn)而得到完整且準(zhǔn)確的邊緣檢測(cè)效果，為后期圖像識(shí)別的工作提供準(zhǔn)確的數(shù)據(jù)，提高血型判讀的準(zhǔn)確率。

3 結(jié)論

隨著人們健康意識(shí)的逐漸增強(qiáng)，血型檢測(cè)的重要性也越來(lái)越被大家關(guān)注，所以基于圖像處理的便攜式血型檢測(cè)方法也被大家逐漸地接受，可是便攜式血型檢測(cè)器件在獲取數(shù)字圖像的時(shí)候，光源等干擾因素會(huì)使得背景亮度不均勻進(jìn)而得不到理想的邊緣檢測(cè)效果，從而影響檢測(cè)結(jié)果。去除背景影響常用的方法之一就是同態(tài)濾波，但是由于同態(tài)濾波是全局性濾波方法，就會(huì)使一部分圖像得到濾波，另一部分出現(xiàn)過(guò)增強(qiáng)的現(xiàn)象。所以本文針對(duì)在同態(tài)濾波時(shí)出現(xiàn)的過(guò)增強(qiáng)現(xiàn)象提出使用數(shù)學(xué)形態(tài)學(xué)中的高低帽變換的方法來(lái)改善。經(jīng)實(shí)驗(yàn)表明：在相同濾波條件下提出的辦法能獲得較好的二值圖像和邊緣檢測(cè)圖像，即能在很大程度上去除背景影響的同時(shí)改善過(guò)增強(qiáng)的影響，達(dá)到實(shí)驗(yàn)?zāi)康?，為之后的血型判讀中的圖像識(shí)別等其他過(guò)程提供技術(shù)基礎(chǔ)。