第五章 医学图像增强

第五章 医学图像增强

第一节概述

根据对医学图像的增强处理是在频率域还是空间域进行，可以把医学图像的增强技术分为频域增强和空域增强。在空间域方法中的“空域”一词是指图像所在的空间，这类方法是对图像的像素直接处理为基础的。而频域方法中的“频域”一词是指对图像进行傅里叶变换后图像所在的空间，即频率空间。频域处理技术是以修改图像的傅里叶频谱为基础的。根据对医学图像的处理策略，可以把图像增强技术分为全局增强处理和局部增强处理等。

第二节 直方图增强

一 直方图增强概述

一幅图像的灰度直方图挤在一个较小的灰度范围内，图像的灰度动态范围就小，图像的对比度就差，图像的质量也就不好。反之图像的灰度动态范围大，图像的对比度就好。

常用的修改直方图的方法有：灰度变换和直方图增强。直方图增强技术是一种通过改变图像的全部或局部对比度进行图像增强的技术，该技术主要有两种：直方图均衡和直方图规定化。

二 直方图均衡化

为使图像变得清晰，一个自然的想法是使图像的灰度范围变大，并且让灰度频率较小的灰度级在经过变换以后其频率变得大一些，从而使得像素个数增多以醒目。即应将变换后的图像灰度直方图在较大的动态范围内趋于平衡。当图像中各灰度级的分布呈均匀状态时，图像包含的信息量巨大，因此直方图均衡实际上就是为了使图像具有最大的信息量。

（1）图像均衡化的基本思想

直方图均衡化又称为直方图平坦化，理想图像的直方图的灰度级别应该拥有相同的像素个数。

（2）图像直方图均衡的实现

直方图均衡化技术的图像增强机制如下：

A、占有较多像素的灰度变换以后和前一个灰度级的级差增大。一般的讲，背景和目标占有较多的像素，这种技术实际上加大了目标与背景的对比度。

B、占有较少像素的灰度变换以后和前一个灰度级的级差较小，需要归并。一般的讲，边界和背景的过渡处的像素较少，由于归并，或者变为背景点或目标点，从而使边界变得陡峭。

直方图均衡化的缺点在于:由于频数较少的灰度进行归并，可能损失一些重要的图像细节，另外，处理后的图像显得粗犷。

第三节 图像的空间滤波增强

一 空间滤波增强概述

空间域滤波是在图像空间借助模板进行邻域操作完成的，各种空域滤波器根据功能又主要分为平滑滤波器、锐化滤波器两类。图像平滑的目的主要是消除图像中的噪声，而图像锐化则是为了增强被模糊的细节如图像的边缘等。

平滑滤波器。主要用来减弱或削弱图像中的噪声成分，从而提高图像的信噪比。因为高频分量对应图像中的区域边缘与噪声等灰度值具有较大、较快的部分。滤波器将噪声减弱或消除的同时，也会减弱图像的边缘信息。

锐化滤波器。主要用来增强图像的边缘信息，凸显图像中感兴趣区域的轮廓。

二 空间域平滑

（1）均值滤波法

一种在空间域对图像进行简单平滑处理的方法，其原理就是用某像素领域内的各点灰度值的平均值代替像素的原值。这种处理可以减小图像灰度的“尖锐”变化。由于图像噪声一般为“尖锐”变化的白噪声，所以均值滤波一般用来处理图像中的噪声。

另一种均值滤波器，它采取加权平均的方式，即不同的掩模元素具有不同的权值，从而突出一些像素的重要性。

均值滤波法的优点：容易实现对噪声的抑制；缺点：容易使目标轮廓变得模糊，而且会降低有用的细节信息。

（2）中值滤波法

中值滤波法是一种非线性滤波。这种方法简单，对孤立噪声的平滑效果比均值滤波法好，而且它能较好的保护图像边界，但是这种算法会使图像失掉细线和小块的目标区域。

中值滤波法是把领域内所有像素的灰度值从小到大排序，取中间值作为领域中心像素的输出值。中间值的取法如下：当领域内的像素为奇数时，取排序后的中间像素的灰度值；当领域内的像素为偶数时，取排序后的中间两像素的灰度值的平均值。

在对图像进行种植滤波时，通常选择的滤波器窗口是方形的（具有奇数的行与列），某些情况下也可以选择其他形式的滤波器窗口，例如线状、十字形和圆环形等。

（3）中指滤波的主要特性

A、对某些输入信号中值滤波具备不变性。一般的，与窗口对角线垂直的边缘经滤波后将保持不变。利用这个特点，可以使中指滤波既能去除图像的噪声，又能保持图像中的一些物体的边缘。

B、中值滤波可用来减弱随机干扰和脉冲干扰。在对于脉冲的干扰，特别是脉冲宽度小且相距较远的窄脉冲干扰，中值滤波非常有效。

三 空间域锐化

在图像处理中，把削减图像模糊、突出目标边界与图像细节的增强方法称为图像锐化。因此，锐化技术常用于加强图像中的目标边界和图像细节。图像轮廓是灰度陡然变化的部分，包含丰富的空间高频成分。把高频分量相对突出，显然可以使轮廓清晰。

（1）基于微分的锐化方法

图像边缘客户定义为被人眼能识别的图像像素值变换处。通过积分运算可以对医学图像局部区域的像素值求平均，求平均会造成图像边缘的模糊。微分是积分运算的逆运算，可以想象通过微分运算能够使图像的边缘锐化。实际上通过微分得到的是图像的高频信息，而图像的高频信息通常集中在图像的边缘，这样图像微分后再与原始图像数据叠加就可以得到边缘锐化的图像。

（2）基于边缘检测算子的锐化法

边缘检测算子，在边缘检测中，使得到边缘图像有更好的边缘连续性和更少的检测点。经典的一级微分边缘检测算子，这些算子通过寻找图像灰度或色彩值的一阶微分的局部极值来检测图像的边缘。二阶微分边缘检测算子，这些算子通过寻找图像灰度或色彩值的二阶微分的零交叉点获得图像的边缘。Canny算子，提出了三个准则：单边缘准则、最多信噪比准则、边缘的最佳准确性准则。

图像边缘检测就是首先对图像进行滤波得打滤波图像，对滤波图像求极值得到极值点图像，然后基于预设阈值由极值点图像得到边缘图像。在极值图像中极值点对应图像的边缘点，极值点的像素就是滤波图像中对应点的滤波值，包含了图像的高频信息，因此，将极值点图像乘系数与原图像相加就可以得到高频信息得到增强的图像。由于图像的高频信息主要位于图像的边缘，所以相加以后的图像的边缘得到锐化。

需要指出的是。虽然基于微分的锐化和基于边缘检测的锐化都能使图像边缘处的对比度增强，使边缘看起来更加锐利化，但两者有区别。前者是锐化的同时提高了图像的整体亮度，而后者是对图像整体亮度的提高不明显；前者锐化的边缘趋向于边缘变厚，后者锐化的边缘更加细化。

第四节 图形的频域滤波增强

在频域中进行增强的步骤主要有：

（1）计算增强图像的傅里叶变换

（2）将其与一个根据需要设计的转移函数相乘

（3）再将结果进行傅里叶反变换，得到增强图像

常用的频域增强的方法有：低通滤波和高通滤波。

一 低通滤波器

图像中的边缘和噪声都对应着图像傅里叶变换中的高频部分，所以，频率域中，通过滤波器转移函数衰减图像的高频信息，而使低频信息畅通无阻的保留下来的过程称为低通滤波。低通滤波抑制了反映图像边界特征的高频信息以及包含在高频中的孤立点噪声，起到了平滑图像去噪声的增强作用。

二 高通滤波器

高通滤波器是为了衰减或抑制低频分量，而保留高频分量的滤波形式。因为边缘及灰度急剧变换部分与高频分量相关联，在频域中进行高通滤波将使图像得到锐化处理。