醫(yī)學(xué)圖像處理MedicalImageProcessing,陳家益(beyond38)廣東醫(yī)學(xué)院信息工程學(xué)院計算機科學(xué)教研室,主要內(nèi)容：,6.2閥值分割法,6.3區(qū)域生長法和分裂合并法,6.1圖像分割的基本概念、特點和分類,第六章醫(yī)學(xué)圖像分割技術(shù),6.4其他常用的醫(yī)學(xué)圖像分割方法,（1）基本概念醫(yī)學(xué)圖像處理的最終目的是實現(xiàn)目標(biāo)的檢測識別、分類、分級。要實現(xiàn)這些目標(biāo)，首先就得把感興趣的區(qū)域從圖像中分割出來。圖像分割就是將圖像中的不同區(qū)域區(qū)分開來，劃分后的區(qū)域是互不相交的，且同一區(qū)域的每一個元素滿足某一個特定的準(zhǔn)則。具體來說，圖像分割就是原圖像劃分為一系列互相連接但又不重疊的子區(qū)域。,6.1圖像分割的基本概念、特點和分類,（1）基本概念圖像分割是圖像工程中非常重要的一個環(huán)節(jié)。處于基礎(chǔ)的圖像處理和高層次的圖像理解之間。,6.1圖像分割的基本概念、特點和分類,（2）醫(yī)學(xué)圖像分割的特點醫(yī)學(xué)圖像分割方法針對具體的醫(yī)學(xué)應(yīng)用和分割任務(wù)，具有以下三個特點。需要結(jié)合利用醫(yī)學(xué)領(lǐng)域知識或先驗知識進行。重視多種分割算法的有效結(jié)合。大多需要人工干預(yù)。,6.1圖像分割的基本概念、特點和分類,（3）圖像分割的分類圖像分割主要依賴于圖像中不同目標(biāo)或區(qū)域的影像特性，包括像素灰度值的變化、顏色或圖像的空間模式等。醫(yī)學(xué)圖像的分割通常根據(jù)像素的灰度變化，分為基于區(qū)域的分割和基于邊緣檢測的分割兩大類。這兩種方法分別利用了同一對象或目標(biāo)的內(nèi)部特征或像素灰度分布具有相似性，以及不同對象或目標(biāo)之間特征或灰度值的不連續(xù)性。,6.1圖像分割的基本概念、特點和分類,（3）圖像分割的分類基于區(qū)域的分割方法的算法有：閥值法區(qū)域生長法區(qū)域的分裂和合并法分水嶺法,6.1圖像分割的基本概念、特點和分類,（3）圖像分割的分類基于邊緣檢測的分割方法通過檢測不同區(qū)域的邊緣來解決圖像分割問題。常用的算法有：并行微分算子法基于邊界曲線擬合法基于形變模型的分割法,6.1圖像分割的基本概念、特點和分類,（1）閥值分割法概述閥值分割分為單閥值分割和多閥值分割。單閥值分割將圖像分割為目標(biāo)和背景，多閥值分割將圖像分割為多個目標(biāo)和背景。閥值分割的依據(jù)是：目標(biāo)或背景內(nèi)的相鄰像素間的灰度值是相似的，目標(biāo)和背景的像素在灰度上有差異，反映在直方圖上，目標(biāo)和背景則對應(yīng)不同的峰，選取的閥值應(yīng)位于兩個峰之間的谷底，從而將兩個峰有效地分開。,6.2閥值分割法,6.2閥值分割法,（1）閥值分割法概述閥值分割的關(guān)鍵在于如何確定一個合適的閥值T，把圖像分割為以下圖像：,6.2閥值分割法,（1）閥值分割法概述,6.2閥值分割法,閾值過小,閾值過大,（1）閥值分割法概述,6.2閥值分割法,原始圖像,閾值圖像,（1）閥值分割法概述閥值分割法可以分為全局閥值法和動態(tài)閥值法。如果閥值T的確定只和整幅圖像f(x,y)的直方圖有關(guān)系，即T=T(f(x,y)則為全局閥值法。如果閥值T的確定不僅考慮全局閥值信息，在應(yīng)用到每個像素點時還依據(jù)當(dāng)前像素點的鄰域?qū)傩赃M行微調(diào)，即T=T(f(x,y),p(x,y)，則為動態(tài)閥值法。,6.2閥值分割法,（2）全局閥值法最小極值點閥值法對于符合如右圖模型特點的圖像，概率密度函數(shù)兩個峰之間的波谷最低處的灰度值可以作為分割閥值T，此閥值即為最小極值點閥值。求解方法：滿足以上條件的z值即為最小極值點閥值T。,6.2閥值分割法,（2）全局閥值法Otsu法(最大類間方差閾值法)Otsu法的原理是，背景和目標(biāo)為來自兩個總體的兩組灰度值樣本，以組間方差最大作為約束條件來確定閾值。Otsu法無需先驗知識，也無需輸入?yún)?shù)，選取的閥值進行分割的效果比較理想。函數(shù)graythresh()就是使用Otsu法確定閥值。,6.2閥值分割法,（2）全局閥值法Otsu法(最大類間方差閾值法)Otsu法閥值分割實例：level=graythresh(f);BW=im2bw(f,level);,6.2閥值分割法,（2）全局閥值法最小誤差閥值法最小誤差閥值法也稱全局最優(yōu)閥值法。如果圖像的目標(biāo)和背景的概率密度函數(shù)已知，或者目標(biāo)和背景的各自直方圖已知，分別為po(z)和pb(z)，并且目標(biāo)像素和背景像素在整張圖像中占的比例已知，分別為Po和Pb（Po=1-Pb），最小誤差閥值就是使得目標(biāo)和背景的誤分割誤差最小的閥值。,6.2閥值分割法,（2）全局閥值法最小誤差閥值法選定任意一個閥值t，則將一個背景像素誤分割為目標(biāo)像素的概率為：將一個目標(biāo)像素誤分割為背景像素的概率為：總體誤分割的概率為：,6.2閥值分割法,t,t,t,（2）全局閥值法最小誤差閥值法使總體誤分割的概率最小的閥值就成為最小誤差閥值。將上式對t求導(dǎo)，并令其等于零，可得：求解以上方程即得滿足分割誤差最小的閥值t=T。,6.2閥值分割法,（2）全局閥值法最小誤差閥值法從上述方程看，如果目標(biāo)和背景像素在圖像中所占比例相等，即Pb=Po=0.5，方程可化簡為：最優(yōu)閥值為目標(biāo)和背景的概率密度函數(shù)的交點處對應(yīng)的灰度級。,6.2閥值分割法,（2）全局閥值法最小誤差閥值法實際應(yīng)用中，目標(biāo)和背景的出現(xiàn)和分布的概率很難獲得。在很多情況下，可以用近似的方法來替代。例如假設(shè)、都符合高斯分布，且均值、和方差和已知。則：，,6.2閥值分割法,（2）全局閥值法最小誤差閥值法如果進一步假設(shè)和相等且其值為，對應(yīng)的最優(yōu)閥值為：如果假設(shè)目標(biāo)和背景像素在圖像中所占的比例相等，即Pb=Po=0.5，則最優(yōu)閥值為,6.2閥值分割法,（2）全局閥值法基于最小誤差法理論的迭代最優(yōu)閥值選?。喝艏僭O(shè)目標(biāo)和背景出現(xiàn)的概率相同，且均為高斯分布，方差相等，則對應(yīng)的最優(yōu)閥值為。在確定圖像符合雙峰模型后，可采用迭代法得到或逼近真正的最優(yōu)閥值。1）選擇一個初始閥值T。2）用T實現(xiàn)圖像分割，把圖像像素分為兩類。3)分別計算上一步獲得的兩類像素的均值和。4）依據(jù)公式計算新的閥值。5）若新的閥值T和上一輪T值相差的絕對值小于預(yù)先設(shè)置的一個參數(shù)thresh時，退出迭代，此時的T值為最終的最優(yōu)閥值。否則回到第2步，繼續(xù)迭代。,6.2閥值分割法,（2）全局閥值法迭代最優(yōu)閥值分割:T=(max(f(:)+min(f(:)/2;flag=1;%計算初始閾值Twhile(flag)g=f=T;%g與f尺寸相同，g中為1的點在f中像素值=TnewT=(mean(f(g)+mean(f(g)/2;%計算新的Tflag=abs(newT-T)0.0001;%如果newT和T相差不大，%flag為0T=newT;%改變TendBW=im2bw(f,double(T)/255);,6.2閥值分割法,（3）動態(tài)閥值法,6.2閥值分割法,（3）動態(tài)閥值法當(dāng)圖像的不同區(qū)域的背景或受到的干擾強度有明顯區(qū)別時，不宜使用全局閥值分割，可使用動態(tài)閥值。動態(tài)閥值的思想：把圖像劃分為若干個子圖像，則每個子圖像受到不均勻變化的影響較小，背景可近視看作均勻。對每個子圖像單獨進行閥值分割，再將每個子圖像的分割結(jié)果拼成整幅圖像。每個子圖像所用的閥值隨子圖像在原圖像中的位置而變化。,6.2閥值分割法,（3）動態(tài)閥值法f=imread(septagon2.jpg);m,n=size(f);segImg=zeros(m,n);subSize=200;stdT=6;fori=1:subSize:mforj=1:subSize:nsubImg=f(i:i+subSize-1,j:j+subSize-1);if(std2(subImg)stdT)T=1.0;elseT=graythresh(subImg);endsegSub=im2bw(subImg,T);segImg(i:i+subSize-1,j:j+subSize-1)=segSub;endend,6.2閥值分割法,（1）區(qū)域生長法和閥值法相似，區(qū)域生長法也是基于區(qū)域相似性進行分割，不同的是：閥值法獲得閥值T后，分割過程可以并行實現(xiàn)，不同的圖像區(qū)域同時進行分割；而區(qū)域生長法是串行的算法，除第一步外，每一步算法都依賴于上一步的計算結(jié)果。,6.3區(qū)域生長法和分裂合并法,（1）區(qū)域生長法區(qū)域生長法的基本思想：將具有相似性質(zhì)的像素合并起來構(gòu)成區(qū)域，需要在待分割區(qū)域指定一個或多個種子點作為生長的起點。種子點可以人工指定，也可以設(shè)定規(guī)則由計算自動指定。確定種子點后，根據(jù)生長規(guī)則，將種子像素周圍（一般選擇8鄰域）符合生長規(guī)則的像素劃分到種子點所在的區(qū)域；再將新納入的像素點作為種子點繼續(xù)進行生長，直到?jīng)]有滿足生長規(guī)則的像素為止。這樣就由最初的種子點產(chǎn)生一個連通的區(qū)域。,6.3區(qū)域生長法和分裂合并法,（1）區(qū)域生長法運用區(qū)域生長法的三個關(guān)鍵點：選擇合適的種子點：種子點是區(qū)域生長的起始點，會決定區(qū)域生長的位置。“最小區(qū)域”閥值的確定：如果生成的區(qū)域小于閥值，則拋棄。生長區(qū)域的合并原則：如果一個像素同時屬于多個區(qū)域，則這些區(qū)域會被合并。,6.3區(qū)域生長法和分裂合并法,（1）區(qū)域生長法區(qū)域生長法的優(yōu)點：充分考慮圖像的局部特性，特別適用于分割小的結(jié)構(gòu)。,6.3區(qū)域生長法和分裂合并法,（1）區(qū)域生長法區(qū)域生長法實例：已知種子點：像素值為1和5的種子；相似性準(zhǔn)則：像素與種子像素灰度差的絕對值小于等于閾值T；（b）:T=3，恰好分成兩個區(qū)域；（c）:T=1，有些像素?zé)o法判斷；（d）:T=6，整個圖被分成一個區(qū)域。,6.3區(qū)域生長法和分裂合并法,（1）區(qū)域生長法種子點：像素值為6的種子；相似性準(zhǔn)則：相鄰像素與種子像素灰度差的絕對值小于等于閾值T2；,6.3區(qū)域生長法和分裂合并法,（1）區(qū)域生長法f=im2double(f);maxT=0.05;g=zeros(size(f);seeds=*;fori=1:size(seeds,1)x=seeds(i,1);y=seeds(i,2);g=g+regiongrowing(f,x,y,maxT);endfigure,imshow(