冠脈造影圖像心血管邊緣提取

1、一 開題背景 近年來，圖像成像技術為醫(yī)學診斷提供了豐富和準確的信息，對疾病的無創(chuàng)傷精確診斷起了積極的作用。 然而，人們在獲取和傳輸數(shù)字圖像的同時，難免于圖像數(shù)據(jù)被外界噪聲所污染，妨礙了人們對圖像信息的理解，由此，圖像去噪技術應運而生。圖像去噪，即在盡可能地不損失原圖像細節(jié)的前提下，去除圖像中無關的噪點，現(xiàn)有的圖像去噪方法很多，常用的有1.均值濾波器2.低通濾波器。3中值濾波器。為了研究方便，我們的方法是人工地給原圖像添加噪聲，主要是隨機噪聲和椒鹽噪聲。 另外，圖像邊緣反映了圖像中最有價值的信息，對邊緣的檢測是圖像處理和計算機視覺中最重要，最經典的課題之一。對醫(yī)學圖像而言，常需要通過邊緣的提取來

2、確定病灶的大小、臟器的運動情況、血球流動狀態(tài)等。但由于多種因素的影響，醫(yī)學圖像邊緣往往不也很清晰，這直接影響醫(yī)務人員的診斷和治療。因此，圖像邊緣和輪廓特征的檢測和提取方法，一直是醫(yī)學圖像處理與分析技術中的研究熱點。 為方便醫(yī)學影像工作者的使用，本文在對圖像平滑（去噪）及對圖像邊緣檢測技術進行回顧的基礎上，分析討論了各種方法的優(yōu)勢與缺陷。 二 課題目的 在學習了醫(yī)學成像系統(tǒng)和醫(yī)學圖像處理等課程的基礎上，以冠脈造影圖像為例，利用Matlab軟件，學習醫(yī)學圖像的圖像增強和邊緣提取等。 三 課題研究的主要內容1. 分別利用中值濾波和高斯平滑去除圖像中的椒鹽噪聲和隨機噪聲，分析不同的模板大小對中值濾波的

3、影響，以及尺度(方差)對圖像平滑的影響。 2. 對造影圖像分別用灰度梯度算子、Roberts交叉算子、Sobel算子、Kirsch算子、Laplace算子、Marr算子進行邊緣提取，并對結果進行討論，并研究閾值選取對邊緣檢測的影響。 四 原理和方法 1圖像平滑 1.1 圖像平滑的概念與分類。圖像平滑主要是為了消除被污染圖像中的噪聲。圖像的簡單平滑是圖像增強處理中最基本的方法之一，它利用卷積運算對圖像鄰域的像素灰度進行平均化，從而達到減少圖像中雜點的影像，降低圖像對比度的目的。在空間域方法中，主要有線性平滑，非線性平滑，自適應平滑；在頻率域，由于噪聲頻譜通常在高頻段，因此主要是選擇合適的低通濾波

4、器對其頻譜成分進行調整，然后經逆傅里葉變換得到平滑圖像（由于噪聲頻譜通常在高頻段）。 1.2 中值濾波【1】中值濾波是一種非線性的信號處理方法，與其對應的中值濾波器當然也就是一種非線性的濾波器。中值濾波器在1971年由J.w.Jukey首先提出并應用在一維信號處理技術中，后來被二維圖像信號處理技術所引用。中值濾波在一定的條件下可以克服線性濾波器如均值濾波帶來的圖像細節(jié)模糊，而且對濾除脈沖干擾（椒鹽噪聲即脈沖干擾）及圖像掃描噪聲最為有效。但是對于一些細節(jié)多，特別是點、線、尖頂細節(jié)多的圖像不宜采用中值濾波。另外，中值濾波很容易自適應化，從而可以進一步提高其濾波性能。因此，它非常適用于一些線性濾波器

5、無法勝任的數(shù)字圖像處理應用場合。中值濾波一般采用一個含有奇數(shù)個點的滑動窗口，將窗口中的各點灰度值的中值來替代指定點（一般是窗口的中心點）的灰度值。對于奇數(shù)個元素，中值是指按大小排序后，中間的數(shù)值；對于偶數(shù)個元素，中值是指排序后中間兩個元素灰度值的平均值。1.3 高斯濾波 高斯濾波器是一種線性濾波模板, 模板各位置的權重是根據(jù)高斯分布函數(shù)確定的。由于高斯濾波器的二維可分性( X 軸與Y 軸方向進行高斯濾波互不干擾) , 我們可以用兩個一維高斯濾波器的連續(xù)卷積來實現(xiàn)一個二維高斯濾波器: ( 1) 對圖像使用一維高斯卷積模板, 在一個方向上進行濾波 (例如水平方向)。( 2) 轉置圖像;( 3) 對

6、轉置以后的圖像使用同一個高斯卷積模板, 在垂直方向進行濾波。( 4) 將圖像轉置回原來的位置, 我們就得到了經過二維濾波的圖像。一維高斯卷積模板可以由二項式展開的系數(shù)來模擬a) 3×3 模板 b) 5×5 模板 2 邊緣檢測2.1邊緣檢測的定義圖像的邊緣是圖像的最基本特征。所謂邊緣就是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間。因此，它是圖像分割所依賴的重要特征。物體的邊緣是由灰度不連續(xù)性所反映的。經典的邊緣提取方法是考察圖像的每個像素在某個鄰域內灰度的變化，利用邊緣鄰近一階或二階方向導數(shù)變化規(guī)律。用簡

7、單的方法檢測邊緣，這種方法稱為邊緣檢測局部算子法。2.2 幾種常用的邊緣檢測算子。邊緣檢測算子檢查每個像素的鄰域并對灰度變化率進行量化，也包括方向的確定。大多數(shù)使用基于方向導數(shù)掩沒求卷積的方法。2.2.1灰度梯度算子當圖像微分運算后，每個像素處有一個梯度值反映該點的邊緣強度。 -1 1 -1 1 模板： 差分： Gx=f(x+1,y)-f(x,y); Gy=f(x,y+1)-f(x,y)為了檢測邊緣點，選取適當?shù)拈撝礣，對梯度圖像進行二值化。g(x,y)= 1 Grad(x,y)>=T0 其他這樣，形成了一副邊緣二值圖像g(x,y)。2.2.2 Roberts交叉算子Roberts邊緣檢

8、測算子是一種利用局部差分算子尋找邊緣的算子。1 0 0 -1 0 1 -1 0 模板：差分： 2.2.3 Sobel算子-1 0 1 -2 0 2 -1 0 1 下圖所示的兩個卷積核形成了Sobel邊緣算子，圖像中的每個點都用這兩個核做卷積，一個核對通常的垂直邊緣響應最大，而另一個對水平邊緣響應最大。兩個卷積的最大值作為該點的輸出位。運算結果是一幅邊緣幅度圖像。-1 -2 -1 0 0 0 1 2 1 模板：2.2.4 Krisch算子下圖所示的8個卷積核組成了Krisch邊緣算子。圖像中的每個點都用8個掩模進行卷積，每個掩模都對某個特定邊緣方向作出最大響應，所有8個方向中最大值作為邊緣邊緣幅

9、度圖像的輸出。最大響應掩模的序號構成了邊緣方向的編碼。+5 +5 +5 -3 0 -3 -3 -3 -3 -3 +5 +5 -3 0 +5 -3 -3 -3 -3 -3 -3 -3 0 -3 +5 +5 +5 -3 -3 -3 +5 0 -3 +5 +5 -3 +5 -3 -3 +5 0 -3 +5 -3 -3 +5+5-3+50-3-3-3-3-3 -3 +5 -3 0 +5 -3 -3 +5 -3 -3 -3 -3 0 +5 -3 +5 +5 2.2.5 Laplace算子 Laplace算子是對二維函數(shù)進行運算的二階導數(shù)算子。通常使用的拉普拉斯算子如下。0 -1 0 -1 4 -1 0

10、-1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 由于拉普拉斯算子是一個二階導數(shù)，它將在邊緣處產生一個陡峭的零交叉，對噪聲非常敏感，另外。，它常產生雙像素寬的邊緣，因而不能提供圖像邊緣的方向信息，所以很少直接用于邊緣檢測2.2.6 Marr算子 Marr算子是在Laplace算子的基礎上實現(xiàn)的。Lapace對噪聲比較敏感，為了消除噪聲的影響，可以對圖像先進行平滑然后再運用Laplace算子。根據(jù)人眼視覺成像原理，圖像中任一個像素點所對應的場景點周圍的點對該點的光強的貢獻成正態(tài)分布。因此，平滑函數(shù)選擇具有正態(tài)分布的高斯函數(shù)h(x,y)。G(x,y)=f(x,y)*h(x,y)得到平滑圖像G（x,y）后再用拉普拉斯算子處理。五 實驗步驟1流程圖冠脈造影圖像圖像平滑 邊緣提取 人工加隨機噪聲、椒鹽噪聲 不同算子對邊緣提取的影響中值濾波 高斯濾波 研究閾值選取對邊緣檢測的影響分析不同模板的影響 分析不同尺度(方差)的影響圖1 實驗流程圖2 步驟說明1 對所給冠脈造影圖像分別加入隨機噪聲和高斯噪聲。2 分別用3*3、7*7、13*13、19*19、25*25的模板對隨