关于空域滤波增强算法在医学图象中的应用
【中图分类号】R311 【文献标识码】A 【文章编号】1672－3783(2011)12－0502－01 毕业论文网 【摘要】自70年代末以来，由于数字技术和微机技术迅猛发展给数字图像提供了先进的技术手段，医学上不管是基础和临床，都是处理图像种类极多的领域。
利用图像来反映人体内外的情况，医生多根据其所见图像诊断和治疗病人。
本文针对这一情况，主要提出对图像的空间域滤波增强，研究了多种算法，并且进行了编程设计实验，实现对图像的平滑和锐化。
【关键词】图像空间域滤波增强 医学图像技术 平滑 锐化 “图”是物体透射光或反射光的分布，“像”是人的视觉系统对图的接收在大脑中形成的印象或认识。
前者是客观存在的，而后者为人的感觉，图像应是两者的结合。
图像处理就是对图像信息进行加工处理，以满足人的视觉心理和实际应用的要求。
但从处理图像的立场上来看，计算机是以数字的形式来处理图像的。
在计算机处理出现以前，图像处理都是光学、照相处理和视频信号处理等模拟处理方法。
在模拟处理中，从原理上讲只能进行相当有限的处理，而用计算机进行数字处理，则具有用程序自由地进行各种处理的灵活性。
为此，数字处理随着计算机的飞速发展，取得了惊人的进步。
图像增强技术的目的是对图像进行加工，以得到对具体应用来说视觉效果更“好”，更“有用”的图像。
一幅图像经过图像的生成、复制、扫描、传输或变换以后，由于多种因素的影响，输出图像“质量”或多或少地有所降低或退化。
一 图像技术在医学中的应用 随着计算机技术的发展，计算机医学图像技术已广泛应用于现代医学及生物医学研究和临床领域。
这类医学图像技术主要包括：计算机X光断层扫描技术（CT）、核磁共振图像技术（MRI）、计算机单探头光子断层扫描技术（SPECT）以及计算机正电子断层扫描技术（PET）。
以这些医学图像技术为基础的医用图像处理将实现医学界“将人体变为透明”的目标。
利用医学图像技术所摄制的不论是X光照片还是CT照片都是为了给医生作诊断的依据。
而对摄入的图像或从射线重建的图像，其识别分析的全过程都要求图像的改善。
噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。
这次论文的目的是对图像进行空间域滤波增强处理，即对图像进行平滑和锐化，以消除噪声和突出图像特征。
二 医学图像处理设计说明 为了达到对图像的处理，用C语言进行编程,并在Visual C++环境下运行得到实现。
邻域运算是对图像进行平滑处理常使用的一种算法，模板运算实现了一种邻域运算，即某个像素点的结果不仅和该像素的灰度有关，而且和其邻域点的值有关。
平滑模板的思想是通过一点和周围8个点的平均来去除突然变化的点，从而滤掉一定的噪声。
Box模板为： 它虽然考虑了邻域点的作用，但并没有考虑各点位置的影响，对于所有的9个点都一视同仁，所以平滑的效果并不理想。
可想象，离某点越近的点对该点的影响应该越大。
为此，引入了加权系数，将Box模板改造为： 这称为Gauss模板。
可看出，距离越近的点，加权系数越大。
原来的图像 Box模板处理 Gauss模板处理 median(水平方向)处理 median(垂直方向)处理 Laplacian处理 附图（1） 由附图（1）中可看出经Box模板和Gauss模板处理后图像的边缘模糊。
中值滤波是把以某点为中心的小窗口内的所有像素的灰度按从大到小排列，将中间值作为处的灰度值。
在这里，把中值滤波只考虑一个水平方向或一个垂直方向。
结果由附图（1）所示，可看出中值滤波对图像在去除噪声的同时还能保护边缘。
但如果给原来的图像加入1.5%的高斯噪声，再按以上的方法对图像进行处理。
1.5%噪声 Box模板 Gauss模板处理 median(水平方向)处理 median(垂直方向)处理 Laplacian处理 附图（2） 可以由附图（2）看出，加入一定的高斯噪声的图像经过Box模板处理，噪声幅度有所下降；Gauss模板对去除Gauss噪声非常有效；但中值滤波对于高斯噪声则无能为力。
在设计里运用到拉普拉斯（Laplacian）算子，是为了对图像进行锐化处理。
锐化处理在增强图像边缘效果的同时增加了图像的噪声，由附图（1）和（2）所示。
在这里，仍采用模板运算，即拉普拉斯（Laplacian）模板。
它表示为： 其作法是：先将自身与周围的8个像素相减，表示自身与周围像素的差别；再将这个差别加上自身作为新像素的灰度。
锐化处理的结果是灰度突变处的亮点变的更亮，增加了图像的噪声。
三 实验结果讨论 运用平滑模板如Box模板和Gauss模板对图像进行了消除噪声处理，但使图像的边缘灰度趋向均匀化，以致使图像边缘模糊。
可以发现，运用Gauss模板实现平滑效果的同时，图像要比用Box模板处理的清晰一些，是因为运用Gauss模板引入加权系数，考虑了不同位置点的影响。
离某点越近的点对该点影响越大。
采用中值滤波可以既消除噪声有保持图像边缘，但本次实验却对所加的Gauss无能为力，是因为Gauss噪声是杂乱无章，随机分布的。
对图像进行锐化处理是为了增强图像边缘，提取图像中感兴趣的部分，但对一幅具有噪声的图像，如进行锐化处理，则更增强了噪声，反而达不到增强图像边缘的目的。
四 结论及本文需进一步解决的问题 采用中值滤波，它在保持图像边缘的同时，并不能对所有的图像的干扰噪声都行之有效，像对高斯噪声它就毫无办法。
因此，尚需努力找到解决清除噪声的同时又能解决边缘模糊这对矛盾的最佳平滑方案。
本文处理的图像是在实验室条件下的图像，实际情况下的医学图像由于人体结构非常复杂的原因而并不简单，对目标识别和处理具有一定的难度。
参考文献 ［1］ 数字图像处理（修订版） 夏良正主编 东南大学出版社 1999年 ［2］ 数字图象处理编程入门 吕凤军编著 清华大学出版社 ［3］ 图像平滑算法的研究与改进 韩宝立 刘杨涛 电脑知识与技术 2009年 30期 作者单位：224006 盐城卫生职业技术学院。