论文部分内容阅读
随着计算机技术的迅速发展,数字图像处理技术在医学领域的研究和应用日益深入和广泛。现代医学已越来越离不开医学图像处理技术,医学图像处理技术在临床诊断、科学教研等方面发挥了重要的作用。医生通常不对骨科X线图像进行相关处理直接进行诊断,但是骨科X线图像具有噪声高、软硬组织灰度差值较小、动态范围宽、数据量大、细节丰富、灰度级数复杂、对比度低等特点,这些因素给骨科病的相关病情的诊断带来了难度,严重影响医学诊断。因此,对骨科X线片进行图像增强处理及目标分割的研究及运用来提高诊断的准确性,提高诊断效率有着十分现实的重要意义。
本文在广泛阅读了国内外有关图像增强及分割技术的参考文献的基础之上,系统分析了传统的图像增强及分割算法。针对骨科X线图像的特点,提出了一种有效的混合图像增强算法,该算法先用二阶微分变换突出图像的细节,用一阶微分变换突出其边缘,接着用平滑过的梯度图像掩蔽拉普拉斯图像,再经过二阶巴特沃思高通滤波和高频加强滤波后得到锐化图像,最后经过灰度调整得到最终的增强图像。运用该算法改善了骨科X线片的清晰度,增强了对比度,同时突出了骨骼的细节及边缘,效果不错,是一次成功的尝试。
图像分割关键是选取合适的阈值进行二值化,本文采用了局部多阈值的Otsu(最大类间方差法)进行图像二值化,即按行把整幅混合增强图分成很多小块,对每小块两边逼近,取得包含目标区域的最小区域,对每小块中包含目标的最小区域使用Otsu进行图像二值化。通过分析研究,采用局部多阈值的Otsu进行图像二值化比传统的全局单阈值的Otsu进行图像二值化效果更好,可以将背景区域与目标区域更好地区分出来。
为了消除二值化后产生的非目标白色小块,本文提出了一种分块的面积滤波方法,该方法解决了面积滤波中面积参数设定的问题。面积滤波后接着进行孔洞填充与闭运算得到准确包含目标的二值图,最后将二值图与原图进行点乘得到原图的目标分割结果图。实验结果表明,该方法能将目标区域准确定位分割出来,为将来骨刺识别的研究做好了前期准备。