基于MATLAB的医学图像二值化算法的实现.docVIP

基于MATLAB的医学图像二值化算法的实现 摘要：图像二值化是图像预处理中的一项重要技术，在模式识别、光学字符识别、医学成像等方面都有重要应用。以一张肺部患病的X线图像作为研究对象，设计MATLAB的GUI界面，通过Otsu法，迭代法，二维最大熵法和Niblack法这四种不同的算法对其进行二值化处理，便于提取图像中的病灶部位。 关键词：图像二值化；GUI界面；Otsu 中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）16-3842-03 图像二值化是图像分割的基础性方法，在图像分割应用中处于中心地位，而图像分割是图像处理中非常重要的部分，对于灰度图像的二值化的算法实际上解决的就是将灰度图像转换为二值图像，二值化效果的好坏，取决于阈值提取的准确与否。由于图像种类各异，大大增加了阈值选取的难度。 阈值是把目标和背景区分开的标尺，选取适当的阈值就是既要尽可能保存图像信息，又要尽可能减少背景和噪声的干扰，这是选择阈值的原则。 对于医学图像来说，它属于数字图像的一类特殊图像，因此，医学图像二值化的原理和数字图像二值化的原理是一样的。只是有更加特殊的意义，医学图像二值化的目的主要是通过运用适合图像的二值化算法找到一个合适的阈值，将一个具有多个灰度级的灰度图像变为只有0或255两个灰度级的二值图像，从背景中把所需要的目标提取出来，也就是说从图像中把可疑的病灶全部标记出来，这样可以节省医生大量的读片时间，使他们得以把注意力集中在可疑病灶上，从而为正确诊断奠定基础。 1 几种二值化算法的介绍 本次操作主要采用以下四种方法对医学图像进行二值化的处理。 1）迭代法：迭代法的基本原理是选择T为一个初始估计值，可以将它取为图像中最大和最小灰度的中间值，使用T阈值分割图像，灰度小于T的像素组成区域S0，灰度大于T的部分为S1，计算S0和S1区域中像素的各自平均灰度值T0和T1，取新的阈值：[TK 12（T0+T1）]，如果与相等或者相差在规定的范围内，或者达到规定迭代次数，则可将作为最终阈值结果，否则重复2到4步的操作，直至满足要求。迭代法的优点就是所得的阈值分割的图像效果良好。基于迭代的阈值能区分出图像的前景和背景的主要区域所在，但在图像的细微处还没有很好的区分度。但令人惊讶的是对某些特定图像，微小数据的变化却会引起分割效果的巨大改变，两者的数据只是稍有变化，但分割效果却反差极大，其中原因还有待进一步研究。 4）Otsu算法：Otsu 在1979 年提出的最大类间方差法（有时也称之为大津法），该方法的基本原理是：设阈值将图像分割成两组，一组灰度对应目标，另一组灰度对应背景，则这两组灰度值的类内方差最小，两组的类间方差最大，因方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小，这便是大津法的真正含义。通过一些测试发现，大津法选取出来的阈值非常理想。对各种情况的表现都较为良好。因方差是灰度分布均匀性的一种度量，方差值越大说明构成图像的两部分差别越大，当部分目标点错分为背景或部分背景点错分为目标点都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。虽然它在很多情况下都不是最佳的分割，但分割质量通常都有一定的保障，可以说是最稳定的分割。 2 几种算法设计和结果显示 通过比较以上图像处理的结果和数据表格的分析，对于胸片来说，除了Niblack法，其他三种全局法处理效果均基本符合要求，但Otsu法运行速度最快，尤其当图像比较大时，这个指标，显得尤为重要，所以Otsu法比较适合处理此图像。由于niblack法是局部阈值算法，所以每个像素点的阈值是不同的，所以没有一个固定的阈值，由于计算阈值特别多，运算量很大，所以它的处理速度相对比较慢，局部阈值法一般用于识别干扰比较严重、品质较差的图像，而二维最大熵法的重要作用是在于可以有效的抑制噪声。综上所述，由于此图像的图像质量已经很高，所以全局阈值法，即otsu法对很适合用于这类图像。 3 结论 目前对于图像的二值化有多种方法，各有利弊，由于医学图像的复杂性，尤其是大部分图像可能还存在噪声的情况，医学图像的种类各异，因而要根据具体的图像和应用来确定所使用的算法，在某些具体情况下，要考虑多种算法的综合或对某一种算法进行改进以期达到目的。 参考文献： [1] 赵永志，彭国华.一种有效的图像二值化方法[J].科学技术与工程，2007，7（1）：139-141. [2] 孙路，毕笃彦.基于信息熵的图像分割阈值迭代改进算法[J].2008，16（1）. [3] 秦襄培.MATLAB图像处理与界面编程宝典[M].北京：电子工业出版社，2009：541-611. [