蘇小慧

摘 要：目前醫(yī)學(xué)影像學(xué)是一種有效的現(xiàn)代醫(yī)學(xué)基本診療方式，并且隨著時(shí)間的推移，將來(lái)其重要性將越來(lái)越突出。在這個(gè)領(lǐng)域中，醫(yī)學(xué)診斷的準(zhǔn)確性在很大程度上取決于對(duì)醫(yī)學(xué)圖像的解釋。在臨床應(yīng)用領(lǐng)域，由于現(xiàn)代成像技術(shù)的復(fù)雜性不斷提高，對(duì)解釋圖像所需專家知識(shí)的需求也口益迫切。

關(guān)鍵詞：圖像處理； 邊緣檢測(cè)； 模板； 卷積； 非極大抑制

邊緣檢測(cè)方法的優(yōu)劣直接影響著圖像特征提取及其它后續(xù)處理，是圖像預(yù)處理中的關(guān)鍵。邊緣檢測(cè)是對(duì)灰度變化的度量與定位，灰度變化的顯著程度可以通過導(dǎo)數(shù)來(lái)度量，即函數(shù)導(dǎo)數(shù)能夠反映圖像灰度變化的顯著程度，因此邊緣檢測(cè)的一個(gè)基本思想就是通過求一階導(dǎo)數(shù)的局部極大值，二階導(dǎo)數(shù)的過零點(diǎn)來(lái)體現(xiàn)出來(lái)的。利用梯度最大值提取邊緣點(diǎn)的這種思想產(chǎn)生了許多經(jīng)典的邊緣檢測(cè)方法如：Sobel算法、Log 算法、Canny 算法等。

一、邊緣檢測(cè)概述

圖像中邊緣檢測(cè)是利用物體和背景在某種圖像特征中的差異來(lái)實(shí)現(xiàn)的， 這些差異包括灰度、顏色或紋理特征， 檢測(cè)出圖像特征發(fā)生變化的位置從而達(dá)到檢測(cè)目的。圖像邊緣是分析和理解圖像的基礎(chǔ)， 是圖像中最基本的特征， 圖像處理的研究中許多都涉及到邊緣檢測(cè)。圖像邊緣檢測(cè)在實(shí)際工程中有著廣泛的應(yīng)用， 如圖像匹配、模式識(shí)別、特征提取和圖像編碼等。

二、國(guó)內(nèi)外現(xiàn)狀

邊緣檢測(cè)技術(shù)作為一個(gè)低級(jí)的計(jì)算機(jī)視覺處理技術(shù)很早就引起了人們關(guān)注。最早提出邊緣檢測(cè)技術(shù)的是Julez，但他并未展開系統(tǒng)研究，而最早期對(duì)其進(jìn)行系統(tǒng)研究的是Roberts在1965年開始的，從此，拉開了圖像邊緣檢測(cè)技術(shù)研究的序幕。

很多年來(lái)，由于眾多專家、學(xué)者的不懈努力，在邊緣檢測(cè)領(lǐng)域提出了很多相關(guān)理論和邊緣檢測(cè)算法，大致將已有的邊緣檢測(cè)算法分類如下：

1.傳統(tǒng)邊緣檢測(cè)算法。傳統(tǒng)邊緣檢測(cè)算法以原始圖像為基礎(chǔ)，對(duì)圖像中的各個(gè)像素考察它的某個(gè)領(lǐng)域內(nèi)灰度值的階躍變化，利用邊緣鄰近一階或者二階方向?qū)?shù)變化規(guī)律來(lái)檢測(cè)邊緣，這種方法簡(jiǎn)單而且有效。其中最基本的算子有：Roberts算子， Sobel算子、Prewitt算子和Kirsch算子等等，這些算子都是一階微分算子。其檢測(cè)原理為：一階導(dǎo)數(shù)在邊緣處取得最大值。但是運(yùn)用上述一階邊緣檢測(cè)算子檢測(cè)邊緣時(shí)，在邊緣像素鄰域產(chǎn)生的響應(yīng)較寬，還需要后期進(jìn)行細(xì)化處理，所以這些算子的邊緣定位精確度不高。

2.改進(jìn)的傳統(tǒng)邊緣檢測(cè)法。傳統(tǒng)邊緣檢測(cè)法大多屬于微分算法，在數(shù)字邊緣檢測(cè)中，常用不同的模板算子與圖像的像素灰度值做卷積運(yùn)算，來(lái)求解邊緣的導(dǎo)數(shù)值。這些算法簡(jiǎn)單有效，可操作性強(qiáng)，相對(duì)來(lái)說比較成熟，并且在matlab中可以直接調(diào)用，已經(jīng)應(yīng)用于很多領(lǐng)域，并取得了顯著成績(jī)。所以，基于這些算子的改進(jìn)是今后研究邊緣檢測(cè)算法的方向之一。很多學(xué)者已經(jīng)付出了很多努力，取得了很多研究成果。

3.基于小波變換和形態(tài)學(xué)的圖像邊緣檢測(cè)算法。小波變換是一種有效的數(shù)學(xué)工具，它通過時(shí)間和頻域的局域變換能有效提取有用信息，并且，還能夠通過伸縮和平移對(duì)信號(hào)進(jìn)行多尺度細(xì)化分析，具有良好的時(shí)頻局部化特性、方向選擇性以及多尺度分析能力，是檢鋇（突變信號(hào)的有力工具。各種基于小波變換的圖像邊緣檢測(cè)方法也取得了很大發(fā)展，并且，應(yīng)用領(lǐng)域越來(lái)越廣泛。例如，二進(jìn)制小波；多進(jìn)制小波、巴布小波、正交小波等等類型的小波也在圖像邊緣檢測(cè)方面也取得了不錯(cuò)的研究成果。

三、醫(yī)學(xué)圖像邊緣檢測(cè)算法

1.canny算法。基于這三個(gè)準(zhǔn)則，Canny得出了c-y邊緣檢測(cè)算子。完整的c-y邊緣在高斯噪聲中代表一個(gè)跳變的強(qiáng)弱情況。按照這個(gè)模型，canny研究了已有的邊緣檢測(cè)算子以及其在邊緣檢測(cè)領(lǐng)域內(nèi)的相關(guān)應(yīng)用，在1986年canny提出了一個(gè)相對(duì)比較好的邊緣檢測(cè)方法，這種算法要求滿足下述幾個(gè)準(zhǔn)則：

（l）信噪比準(zhǔn)則：該準(zhǔn)則主要是在圖像邊緣處來(lái)檢測(cè)有無(wú)結(jié)果。并且不能出現(xiàn)虛假邊緣。

（2）精度定位準(zhǔn)則：也就是我們所標(biāo)記的邊緣位置必須要和其他在圖像上的邊緣的中心位置相近。

（3）單邊響應(yīng)準(zhǔn)則：?jiǎn)为?dú)邊緣所產(chǎn)生的響應(yīng)的頻率不要太高，并且需要最大地抑制虛假邊緣響應(yīng)。

這里，脈沖響應(yīng)導(dǎo)數(shù)的零交叉點(diǎn)平均距離D（f）必須滿足下面的關(guān)系式：

D（f）=π

h”（x）是h（x）的二階導(dǎo)數(shù)。根據(jù)上面的指標(biāo)和準(zhǔn)則，我們使用泛函求導(dǎo)的方法來(lái)推導(dǎo)出Canny邊緣檢測(cè)器，并得出這個(gè)檢測(cè)器恰恰是信噪比和定位之乘積的最優(yōu)的逼近算子。

主要過程如下：

（1）對(duì)圖像進(jìn)行平滑，我們主要使用高斯濾波器來(lái)進(jìn)行；

（2）計(jì)算幅值和方向；

（3）必須要讓梯度的幅值被極大值所抑制；

（4）用雙閩值算法對(duì)邊緣進(jìn)行檢測(cè)與連接。

canny邊緣檢測(cè)重點(diǎn)是用來(lái)尋找到梯度幅度的局部最大值。這里的梯度通過高斯濾波器的導(dǎo)數(shù)來(lái)進(jìn)行計(jì)算出來(lái)的。Canny方法主要使用兩個(gè)閩值分別對(duì)強(qiáng)邊緣以及弱邊緣進(jìn)行檢測(cè)，同時(shí)在對(duì)強(qiáng)邊緣與弱邊緣進(jìn)行相連操作的時(shí)候。

2.MTM算法。均值濾波算法對(duì)于脈沖信號(hào)去噪的能力是很不理想的。然而，中值濾波算法卻能夠很好滴對(duì)脈沖噪聲進(jìn)行去噪，但是對(duì)于高斯噪聲的去噪能力相對(duì)差了一點(diǎn)。

但是在最后評(píng)價(jià)時(shí)，這些方法往往都采用利用單一的噪聲進(jìn)行評(píng)價(jià)。假如能夠找到某種方法可以將脈沖噪聲以及被高斯噪聲影響的像素進(jìn)行區(qū)分開來(lái)，然后對(duì)于受到不同噪聲干擾的像素進(jìn)行不同的濾波，所以理論上將，這將會(huì)起到比較好的濾波效果。

3.Otsu算法研究。在對(duì)圖像的處理過程中，長(zhǎng)期以來(lái)，閾值的自動(dòng)選取都是對(duì)圖像進(jìn)行研究的重點(diǎn)話題。往往閾值的選取都是在這樣的一種假設(shè)上進(jìn)行研究的。那么最佳的閾值應(yīng)該具備最好的而且可以所示分開的兩類門限。這種算法計(jì)算比較簡(jiǎn)單，并且一定情況下不會(huì)受到圖像對(duì)比度和亮度變化的影響，同時(shí)在某些圖像在進(jìn)行實(shí)時(shí)處理系統(tǒng)中的應(yīng)用也變得十分廣泛，長(zhǎng)期以來(lái)就被認(rèn)為是閾值自動(dòng)化選取領(lǐng)域里的最優(yōu)化的方法。

四、結(jié)語(yǔ)

由于邊緣檢測(cè)技術(shù)的復(fù)雜性和研究時(shí)間的限制，本課題的研究對(duì)象主要針對(duì)醫(yī)學(xué)圖像算法，所提出方法的應(yīng)用領(lǐng)域還有待于進(jìn)一步擴(kuò)展和完善，但是這些方法對(duì)后續(xù)邊緣檢測(cè)研究工作具有很高的參考價(jià)值。此外，由于技術(shù)上的限制，還有很多問題有待進(jìn)一步的研究。展望今后的研究工作，還有待研究。

參考文獻(xiàn)：

[1] 段瑞玲，李慶祥，李玉和.圖像邊緣檢測(cè)方法研究綜述[J].光學(xué)技術(shù)，2005，31（3）：415-419.

[2] 馬艷，張治輝.幾種邊緣檢測(cè)算子的比較[J].工業(yè)自動(dòng)化，2004（1）：54-56.

[3] 刑軍.基于Sobel 算子數(shù)字圖像的邊緣檢測(cè)[J].微機(jī)發(fā)展，2005，15（9）：48-52.