（电机与电器专业论文）医用扫描灰度图像的噪声去除数学形态学算法分析.pdf

浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 a b s t r a c t s t e r e o t a c t i cr a d i o s u r g e r yi san e ws u b j e c ti n v e n t e db yl e k s e l li n1 9 5 1 ，w h i c hi s u s e df o rk n u bt r e a t m e n t i ts t a n d a r d i z a t i o nt h et a r g e ts p o tp o s i t i o nb ys p a t i a lo r i e n t a t i o n m e t h o df i r s t ，a n dt h e nf l i c kt h et a r g e ta r e aw i t hh i g h e n e r g yr a d i a t i o nt od e s t r o yt h i s a r e at oa c h i e v ec n r et a r g e t u s i n gt h i si n s t r u m e n t ，t h ed o s ed i s t r i b u t i o ni nk n u bb o r d e r i sv e r ys h a r p ，s oi ti sa l s on a m e dg a m m ak n i f e t h i st h e s i ss t u d i e si m a g ed e n o s i n go ff i l ma n a l y s i ss o f t w a r ew h i c hi sm a t i n gu s e d w i t hc t - r o b o tg a m m ak n i f e ，w h i c hi sd e v e l o p e db yh a n g z h o uc h i n a b e s tg a m m a m e d i c a la p p a r a t u si n v e s tc o r p o r a t i o n t h i st h e s i s m o s t l y r e f e rt o d i g i t a li m a g e p r o c e s s i n g ，m a t h e m a t i c a lm o r p h o l o g y a sw e l la st h er e l a t i o nj o bo f i m a g ep r o c e s s i n g t h er e s e a r c hw o r ka n da c h i e v e m e n t so f t h i st h e w sa r ea sf o l l o w i n g ： 1 i n t r o d u c i n gt h ed e v e l o p m e n ta n dt h eh i s t o r yo fg a m m ak n i f ei nt h ew o r l d ，a n d t h ec h a r a c t e r i s t i ca n ds t r u c t u r eo fc t - r o b o tg a m m ak n i f e t h e ns t a t i n gt h em e a n i n g a n dc o n t e n to f t h i st h e s i s 2 i n t r o d u c i n gt h er o u t i n ed e n o i s i n gm e a n so ff i l ms c i n t i g r a m ，d i s c u s st h e a p p l i c a t i o no fm a t h e m a t i c a lm o r p h o l o g yi nd i g i t a li m a g ep r o c e s s i n g ，a n dp r o p o s e t e x t u a lm e a n si n c o r p o r a t i n gw i t hs o m ep r a c t i c a lf i l m 。 3 p r o p o s i n gaf a s ta n dc o l l a t e r a la l g o r i t h mo fg e t t i n gi m a g eb o r d e ra n da r e af i l l s h o r t e nt h et i m eo fc a l c u l a t i n ga n dt r e a t i n gp r o c e s s ，a sw e l la si m p r o v i n gt h ee f f e c t f o r a p p r o v i n gt h ee f f e c to ft h i sm e t h o d ，s o m ee x p e r i m e n t sh a v eb e e nm a d e ，a n dt h o s e e x p e r i m e n t ss h o wt h a tt h i sa l g o r i t h mi ss i m p l ea n de f f i c i e n t 4 i n t r o d u c i n gt h es e l e c tm e t h o d so fg r a d a t i o nt h r e s h o l da n ds t m c t u r ee l e m e n t ，a n d p r o p o s i n gt h ef u r t h e rd i r e c t i o ni nt h er e s e a r c ho fs e l fa d a p t e do b t a i n i n go fg r a d a t i o n t h r e s h o l d k e y w o r d ： g a m m ak n i f e ，i m a g ep r e p r o c e s s i n g ，m a t h e m a t i c a lm o r p h o l o g y , i m a g ed e n o s i n g ， f r i n g e ，d i g i t a li m a g ep r o c e s s i n g 4 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 1 、引言 第一章绪论 放射外科是特指采用电离辐射进行手术，即单次大剂量集中照射病灶使病灶 产生不同程度的放射损伤和其他放射性改变，达到类似于手术刀切除病灶的效果， 故人们也以刀相称。由于它不用手术开刀，比较安全，很受病人及医生们的欢迎， 所以近几年伽玛刀的运用发展很快，具不完全统计，我国目前拥有伽玛刀近百台。 伽玛刀的治疗计划系统进行靶点设计和计划评估主要建立在剂量分析的基础 上，因此最开始对治疗计划系统进行初始化的“灰度剂量曲线”的准确性就 显得非常重要，而“灰度剂量曲线”是通过对定标片的扫描图进行分析获得 的，所以- 准确、可靠的分析定标片的信息，提取其有用信息，去除杂质信息的 工作就显得十分必要。 2 、c t 机器人伽玛刀 c t 机器人伽玛刀是杭州华源伽玛医疗设备投资有限公司开发、生产的产品， 首倡诊断与治疗一次性定位结构，采用复合旋转聚焦方法，治疗计划系统( t p s ) 建 立完善的专家数据库，使设备功能扩大了治疗范围、提高了治疗精度、增大了焦 皮比和减少了正常组织的损伤。设备外形如图1 ，1 所示。1 图1 1c t 机器人伽玛刀 如图可见，全套设备由四个部分组成：治疗床、c t 、准直器库、治疗头。 囊秒 ，麟嫁 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 智能数控放疗系统采用现有伽玛射线治疗设备的成熟技术。同时应用了数控 机床技术，将西门子9 4 0 d 数控系统引入医疗器械中，不仅增强了设备的功能，同 时使设备的结构简化。这种设备硬件软件化是机电设备发展的趋势，也是大型医 疗器械发展的方向。采用机械、电气、自动控制、核物理、医学、计算机等综合 科技手段，首创“在线影像定位，数控原理控制五轴联动、无创伤放射治疗肿瘤” 等先进技术，使放射治疗系统的治疗精度和治疗范围大大提高。 3 、剂量场分析验证系统 图1 - 2 黑度计系统 目前在剂量测量分析方面胶片分析仪、电离室、热释光剂量仪等各有优势， 但对一个完整伽玛刀剂量场分析而言，仅仅应用其中任何一种测量分析方式都是 囊秒 ，麟嫁 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 不够的，因此华源公司自行研制了一套剂量场分析验证系统，以将伽玛刀的剂量 分析的各个方面都综合考虑进去，并进一步推广到其他的放疗设备，如加速器等。 图1 2 给出了剂量测量分析技术的一些方法。哼、1 们 图1 2 系统流程图 剂量场分析验证系统的系统流程图如图1 2 所示。 从图1 2 可知，分析验证系统软件的目标主要有两类： 1 、基于胶片扫描数据源的o a r 测量分析： 2 、基于电离室半导体探测器的t m r 测量分析。 本论文涉及到的主要是第一个方面，即对胶片数据源进行分析。 4 、本论文研究的内容和意义 近年来国内# i - 1 0 玛刀设备日益增多，由于其辐射场的剂量分布曲线边缘变化 十分陡峭，而形成焦点的射束是由各方向入射等特点，因而对于伽玛刀的焦点处 的剂量率等剂量学参数的测量要求比较高，通常的放疗测量仪器不太适合伽玛刀 的测量。 7 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 目前，国内尚无较理想的对伽玛刀的测量仪器和测量方法，因而拥有伽玛刀 的医院，基本靠伽玛刀生产厂家在调试伽玛刀时所测量的剂量学参数输入治疗计 划系统，以便治疗中使用，绝大多数的医院在以后伽玛刀的使用中，基本无能力 测量剂量学参数，这显然是不科学的。 热释光的测量原理如图1 3 所示。 ， a 西4 夕 vv 警 - - - - z ( a ) 鲥 ： 口1 4 多0 v_ 弋。 ( b ) 中1 4 图1 3 准置器测量热释光剂球圆片 由图1 3 可知，热释光的测量先按事先仿真计算的结论将测量元件在剂量场的 2 0 8 0 剂量面内尽量密集，在变化缓和的1 0 0 以及2 0 以下区域以较为稀疏 的排列。然而，由于热释光在进行伽玛刀的剂量场分析中存在很大的局限性，尽 量密集是一个非常模糊的概念，而且2 0 ： 1 38 0 剂量线之间的半影区域只有几个 毫米，因此在这个范围内不可能排布太多的热释光元件。如果当其在胶片半影区 域上只测了两个点的时候，出来的曲线是非常失真的。而胶片扫描数据源在半影 区域上可以测到2 0 个点以上，因此测得的曲线大大精确，因此我们在实际中采用 了胶片数据源进行分析。 杭州华源伽玛医疗设备投资有限公司开发的剂量场分析及验证系统其前期的 胶片处理方法采用了传统的滤波器和根据图像对称性进行区域填充，处理的效果 不尽如人意，而且人为因素比较多，这样会造成作为剂量场分析验证系统的基础 之一的“灰度剂量曲线”不够准确，影响其进生成的o a r 数据的正确性，因 此重新开发了另外一套基于数学形态学的图像去噪程序。这种处理方法在处理其 余类似的灰度图像时同样适用。 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 具体内容安排如下： 第二章主要讨论了数字图像处理的一些基本概念，并介绍了常规对图像进行 处理的步骤： 第三章介绍了与本论文有关的数字图像处理的一些基本内容，包括边缘提取， 区域填充，对象识别等等方面。 第四章单独重点介绍数学形态学的知识，包括其基本概念、主要应用等等方 面。 第五章对结构元素和门限处理等方法进行论述，并给出了本文结构元素的选 取方法。 第六章介绍了快速并行的边缘提取和区域填充算法的实现，通过大量的试验 证明其方法的可行性。 第七章为结束语。 5 、本章小结 本章介绍了伽马刀的发展情况，概述了c t 机器人伽马刀的结构及其剂量分 析验证系统，最后提出本论文的内容和意义。 9 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 第二章噪声去除算法的基本原理 1 、数据采集 自然界的物体在人眼内的成像都是模拟图像。模拟图像的可以通过式2 1 表 示。 f ( x ，y ，z ) = 0 ( 苫，y ，z ) ，；一( z ，y ，= ) ，五船( x ，y ，z ) ) ( 2 1 ) 厂表示坐标点( x ，y ，z ) 的强度或灰度，根据下标不同，分别表示不同基色的强 度或灰度。如果是二维情况，式2 1 坐标点的坐标将只有两个；如果是灰度图象， 那么有- ，0 = 。= 以。：如果是黑白二值图像，那么厂值只有0 和1 两种取值情 况。 从上面的描述可以看出，在二维情况中，任何一幅模拟图像都可以表示成 f ( x ，y ) ，而当x ，y 以及幅值厂为有限的，离散的数值的时候，就称该图像为数字 图像。 借用数字计算机来处理数字图像就称为数字图像处理。由于采集到的图像都 是模拟图像，因此要先转换成为数字图像才能提供给计算机进行处理，如图2 1 图2 1 图像采集系统 所示，描述了将模拟图像转换成数字图像的基本单元。 经过采样量化得到的数字图像以采样点的值所组成的矩阵来表示，如式2 2 1 5 l 黛警澄 。、“嚣 ，磐嚏 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 f ( x ，y ) = f ( o ，1 ) f ( 1 ，1 ) m f ( n 一1 ，1 ) l f ( o ，m 一1 ) l f ( 1 ，m 一1 ) 0m lf ( n 一1 ，m 1 ) ( 2 2 ) 每个采样点叫做一个像素。像素是广泛用于表示数字图像元素的词汇。上式 中的m 和n 表示图像在宽和高方向上的像素数。计算机中通常以二维数组来表示 数字图像的像素矩阵。 把像素按照不同的方式进行组织和存储就得到不同的图像格式。在我们进行 胶片处理的时候存储成为的是r a w 格式。其实r a w 格式不能算一种图像格式， 不能直接编辑，它只是c c d 或c m o s 在将光信号转化为电信号的高低电平的原 始记录。其没有经过任何编辑，因此可以认为是最真实的图像数据记录。此外， r a w 格式可以转换成1 6 位的图像，这点对于包括j p g 在内的大多数的图像格式 是一个很大的优势，因此在我们对胶片进行采集和处理的时候我们采用了r a w 格 式1 6 位灰度来存储图像。 2 、像素 如图2 2 表示一幅数字图像的一个片段上的一段像素点。 考虑像素点e ，其坐标为( x ，y ) ，b ，d ，f ，h 四个像素叫做 e 的四邻域像素，其坐标分别为： ( x ，y 1 ) ，( x 一1 ，y ) ，( x + 1 ，) ，( x ，y + 1 ) 。 图2 2 八邻域 这四个点组成像素集，称为像素点e 的四邻域，记作4 ( p ) 。 a ，c ，g ，i 四个像素坐标如下： ( x 一1 ，y 一1 ) ，( x + 1 ，y 1 ) ，( x 一1 ，y + 1 ) ，( x + 1 , y + 1 ) 。 这四个点组成像素集，称为像素点e 的四对角邻，记作。( p ) 。 4 ( e ) 和。( g ) 一起称作e 的八邻域，记作8 ( 口) 。 在邻域的基础上定义了像素的邻接性和连通性，说两个图像是4 邻接或者8 邻接的，首先这两个像素必须互相处于对方的四邻域或者八邻域中，此外，这两 萋堇m 一 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 个像素的灰度级必须满足特定的相似性准则。如果在一幅图像中全部像素之间存 在一个通路，那么我们就说这幅图象是连通的。 在这里我们先区分一下边缘和边界的概念，因为在之后的论述中会用到。 边缘是在不连续点进行灰度级测量的局部概念，而一个有限区域边界的闭合 通路这个整体概念才形成边界，因此我们在图像处理时会发现许多是边缘的像素 最终不在边界上，这也是不难理解的。当然，把边缘点连接成边缘线段也是可能 的。 数字图像处理的基本步骤 第一步：数字图像获取，采用m i c r o t e ks c a nm a k e r9 8 0 0 x l 和m i c r o t e ks c a n m a k e ri 7 0 0 两种扫描仪对经过辐射的m d 5 5 型低灵敏度胶片进行数字图像的获 取。 第二步：图像增强。因为我们处理的图像要求要非常真实，而图像增强又是 一个比较主观的操作，因此除了在对某些非常模糊的胶片影像进行适当的增强之 外，基本不会对扫描图像进行增强。 第三步：形态学处理。涉及提取图像元素的工具，它在表现和描述形状方面 非常有用。我们进行的胶片处理主要用到的就是形态学处理。 第四步：分割。分割过程将幅图像划分为背景或目标，自主分割是数字图 像处理中最为困难和复杂的任务之一。 第五步：表示与描述。跟随在分割步骤的输出后边，将数据转换成适合计算 机处理的形式。 4 、本章小结 本章介绍了噪声去除算法处理对象的基本概念和处理的基本步骤。对数字图 像、象素、图像处理的步骤进行了简要说明。 1 2 爹 ，露一；骣k 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 第三章噪声去除算法的步骤分析 噪声去除算法牵涉到数字图像处理得内容比较多，而数字图像处理的内容非 常丰富，与本论文有关的相关内容包括图像平滑、边缘提取、分割、形态学处理 等等内容，按照实际应用到的理论依次分析在实际处理中的步骤和作用。其中形 态学处理是本论文的重点放到下一章来叙述。 1 、图像平滑 图像平滑主要是为了消除噪声。噪声并不限于人眼所能看得见的失真和变形， 有些噪声只有在进行图像处理时才可以发现。图像的常见噪声主要有加性噪声、 乘性噪声和量化噪声等。图像中的噪声往往和信号交织在一起，尤其是乘性噪声， 如果平滑不当，就会使图像本身的细节变得模糊不清，如何既平滑掉噪声又尽量 保持图像不失真是图像平滑的主要研究任务。 图像平滑包括空域法和频域法两大类，在空域法中，图像平滑的常用方法是 均值滤波和中值滤波。我们在图像平滑( 图像增强) 的时候就设计了这两种滤波 方法。 均值滤波器属于平滑线形滤波器，它的主要应用是去除图像中的不相干的细 节，也就是比起其掩模来讲尺寸比较小的象素区域。均值滤波不可避免的存在着 边缘模糊的负面效应。 中值滤波器属于统计排序滤波器，它对处理脉冲噪声( 椒盐噪声) 非常有效。 其主要功能是使拥有不同狄度的点看起来更接近它的邻域。 在我们的系统中实际使用的是改进后的滤波器模板，以中值滤波器为例，如 图3 1 所示。5 1 圆+ 。j i 鼷l o 。j i ；| 匿； 图3 1 图像平滑模板 1 3 。、蘸。莎 一辔 浙江大学硕士学位论文 医用扫描获度图像的噪声去除数学形态学算法分析 上图的含义是在图像中取5 * 5 的区域，包含点( f ，) 的五边形和六边形各四个， 3 * 3 的区域一一个，计算这九个区域的标准差和灰度的平均值，取标准差最小区域的 灰度平均值作为点( f ，_ ，) 的灰度。中值滤波器的算法如图3 2 所示。 b o o lh e d i a n f i l t 1 p s r c 1 d d s t 1 p n o w m a g e b a u a l u e 。h a r t 。i f i l l e r h 。i f i i t e l 1 4 x ，i f i 】t e r h v ) 针 h h e w l m a g o h i t sil o c a l a l l o c ( l x i o w i d t h - t t e i o h t - 2 )，分配内存保存新日像 判断：是p p 否( 1 内存分鬻失败2 犍型淀内在。h g f l e l m e m c p u ( 1 p h e w l m a g e b i t s pm a g e b i t sw i d t h n t e l g h t 0 2 ) i 劲始化瓤分配内存1i。铆i 日化莉升配冈仟 h n r 。9 一l o c a l1 0 c i l h ! i 1 坚分配内存保存滤被器数组_ t z f i h - i f i l t e r w ) 判断是否内存分配失败以及锁定内在 ，开始落技 i | 符 f o r ( i - i f i tl e f h v ；i ( h e i g h t i f i l t e l 。h + i f i i t ej 1 4 y + 1 ；i + + ) y 0 f o r ( j i f i i t e r h x ：j i d t h i f i l t p r w + i f i l t p i - n x + 1 ：j t ) t ，指向新i m a g e 第i 行第j 列的指针 i p d s tt ( l p w o r d ) l p n e w l m a g e r i t s w i d t h i c h e i g h t i 一1 ) + j ： i 谤取滤波器数组 f o r l = ；l t g y ) 2 1 0 ，( x , y ) 兰丁 因此，标记为1 ( 或任何其他合适的灰度级) 的象素对应于对象，而标记为0 ( 或任何其他没有被标记为对象的灰度) 的象素对应于背景。 门限处理的方法很多，比较多的情况应用基本全局门限、基本自适应门限、 最佳全局门限、最佳自适应门限、基于不同变量的门限等。对于扫描胶片而言， 其直方图虽然具有单一的较大波谷，然而如果采用全局门限处理，这个门限是很 难选择的，因此采用自适应门限是比较可取的。 对于基本自适应门限的选择基本思想就是将图像进一步分割为子图像，并对 不同的子图像使用不同的门限进行分割。这种方法的关键问题是如何将图像进行 细分和如何为得到的子图像估计门限值。 在门限处理的时候，引入f i s h e r 准则函数，也可以自适应的得到较优门限。4 1 具有多峰分布直方图的问题最好使用基于区域生长的方法解决。5 1 6 1 区域生长的基本过程包括：队列初始化：将对应于区域内部的所有已标号种 子象素的位置放入最高优先级队列。因为已标号的种子象素是肯定属于某一确定 区域的，所以其优先级是最高的。区域生长过程：从队列总取出一个象素，如果 取出的当前象素仍未属于某一确定区域，则由于象素放入队列过程的规则，至少 有一个区域与当前象素相邻。于是，通过计算当前象素与每一个相邻区域之间的 相似度，把当前象素归并到其中一个最合适的区域( 即最相似的区域) 。这里的相 似度是个重要的参数，理论上可用它来度量一个象素属于某一区域的确定度。每 当有新的象素点加入某一区域，则该区域的灰度平均值都被更新，以使新的相似 度计算得更准确。接着，检查当前象素的邻点象素是否已被归并到某一确定区域。 如果没有，则将该邻点象素放入相应优先级的队列中，其优先级由当前象素值与 该邻点象素值之差来决定，差值越小，优先级越高。由此可见，放入队列的任何 一个象素至少有一个相邻的区域，这就是为什么都能对从队列中取出的象素进行 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 判决的原因。 3 、本章小结 结构元素和阈值选取在数字图像处理中占有很重要的地位。本章通过对医用 扫描数字图片进行分析，归纳出其基本特点，进而选取了适合于对其进行处理的 结构元素的大小和组合。此外介绍了门限的基本概念和自适应选取门限的基本思 想。 浙江大学碗士学位论文 医用扣描灰度图像的噪声去除数学形态学算法分析 第六章快速并行噪声去除的实现 1 、边缘检测 图像的边缘集合了图像的大部分信息，因此图像的边缘检测也是图像处理领 域中一种重要的预处理技术。边缘通常被定义为局部的不连续或突变，因此可虬 使用局部领域办法来对其进行检测，而大多数的边缘检测算法使用的就是梯度算 子，如s o b e l 、r o b e r t 、p r e w i t t 和c a n n y 算子。 本方法使用了一种改进的梯度算子，依靠每个象素的八领域象素得到3 x 3 窗 格内水平、垂直、正负4 5 。四个方向，在采样象素足够多的情况下，可认为此四个 方向即为边缘线方向，而通过判断其两侧的灰度值是否突变来识别当前象素是否 是边缘象素。 考虑垂直的边缘线， = m i n ( i9 4 + 岛+ 岛一g 其他几个方向类似： 则水平方向象素有梯度突变 9 2 一9 3 1 ，1 9 4 + 9 8 + g o 9 59 6 一9 7 1 ) r 2 = m i n ( 1 9 2 + + 岛一目一岛一岛l ，l 岛+ 岛+ 岛一自一幽一1 ) r 3 = m i n ( 1 9 3 + 岛+ g o g i 9 2 - 9 8 i ，1 9 3 + 9 7 + g o 毋一一9 6 i ) 图6 - 1 八邻域像素 r 4 = m i n ( i g l + 9 5 + g o 一岛一9 3 一9 4 i ，i g l + 岛+ 岛一一9 7 一1 ) 其中伽；1 ，2 ，3 ，4 ) 表示方向梯度，晶咖= o 8 ) 表示当前象素和八领域象素的 灰度值。 最终当前象素的梯度表示为： r ；m a x ( r 1 ，) 然后将此梯度值与预设定的阈值比较如果大于预设定闽值，则此象素为边 缘点。 这种梯度检测的方法和传统的模板卷积计算边缘不同，而更加简单，效果也 更好。梯度检测之后的边缘如图6 2 所示。 更好。梯度检测之后的边缘如图6 2 所示。 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 a 图6 2 新梯度检测方法的边缘检测图 将此图和图3 1 0 进行比较可以发现这种新的梯度检测方法在提取主要杂质的 轮廓方面很有效，而且能提取出其余的脉冲杂质，和3 1 0 第二幅图像相比，这种 方法的优点是不会提取出一些非杂质的脉冲点。 2 、边缘连接和区域标记 从理论上讲，用1 的方法可以得到图像的边缘线，然而实际上，由于图像灰 度的不均匀等因素带来的影响使得到的一组象素很少能完整的描绘一条边缘。此 外，为了加快去杂质的速度，有必要在处理的同时将杂质内部象素也标记出来， 使下一步的形态学填充成为并行处理。 在图像处理中采用了逐行遍历的方式进行，因此遍历到当前象素时，1 、2 、3 、 8 四个象索已经遍历过，我们只需要考虑4 、5 、6 、7 四个象素。 根据实际情况对4 、5 、6 、7 四个像素进行生长，也就是综合考虑八邻域模板 内的所有9 个像素点的灰度，看它们的分布情况，如果符合了某个生长的条件就 将4 、5 、6 、7 中的某个像素进行相应的生长。 生长的一个条件是：如果某个领域象素和当前象素灰度差小于某个给定阈值 ( 此阈值应远小于1 中的闽值) ，则将此领域象素和边界点一样标记出来，成为待 处理点。 参考八领域模板，可以得到这样一个事实：如果当前象素的八领域中，有多 半的象素被标记成为待处理点( 大于等于6 个) ，则当前象素点极大可能为一个待 处理点，将这样的象素也标记出来。 经过l 和2 两个步骤之后，将图像中的杂质标记完成。区域标记后的情况如 图6 3 所示，可见，将两个大的杂质块，以及其他的一些毛刺和裂纹等杂质都标记 出来等待处理。 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 3 、区域填充 图6 3 区域标记之后的情况 图像中的杂质标记完成之后，下一步的处理要将标记出的杂质用理想的值替 换掉，在替换的过程中考虑用数学形态学的思想思想。 标记出的杂质分为两类，一类是浅色杂质，一类是深色杂质。浅色杂质和深 色杂质可以通过杂质和背景的梯度方向进行识别。对于深色杂质采用开闭双边运 算进行处理，对于深色杂质采用闭开的双边运算进行处理。 仅对标记出的杂质部分进行处理避免了对正常象素值的改变，最大限度保证 了图像不失真。 4 、阈值选择 ( a ) 正常区域 ( b ) 浅色杂质 ( c ) 深色杂质 图6 4 正常区域、浅色杂质、深色杂质的一维剂量图比较 3 9 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 待处理图像的有用信息，即中间部分的圆形黑色区域有一个渐变的过程，因 此其梯度变化不会非常明显，而杂质区域的梯度变化是非常明显的，如图6 4 所示。 因为杂质区域的梯度变化比正常区域要明显很多，因此只要梯度的阚值选择 得相对较大，那么在提取边缘的时候将不会把正常区域的边界提取出来，这样在 处理的时候对正常区域的损害也会比较小。 如果阈值选择过小，那么正常组织的损害比较大，严重的情况甚至会使得图 像面目全非，而闽值选择过大，将不能达到有效去除杂质的目的。另外，经过对 正常区域的分析，可以发现，在正常区域的边界中5 0 剂量线左右的梯度变化 相对比较明显，因此以5 0 剂量所在位置的梯度变化值作为闽值来进行杂质和非 杂质的区分是比较理想的。 5 、图像平滑 经过数学形态学的处理之后，用开运算、闭运算、中值滤波、均值滤波之一 对全图进行一次处理。达到图像的平滑，消除一些梯度变化比上述处理闽值小的 一些毛刺或裂纹，使得曲线更加光滑。因为是对全局进行处理，因此滤波选择3 * 3 的模板。 6 、算法实现 l p d d s t ； i 揭同缓存区域的指针 。l p 。d d n e w l 7 9 e b l t s ；。 一，；s e d g e l l e t 。b o o lw i d t h h e i q h t 塑曼熏蕤疆律的指针 - i = 【 1 ：j 力目i j 示j p 凄日潍 f o rti = o ：i w i d t h 善、h e i g h t ：i + + ) h d d h e w im a g e b i t s ； ，分配内存保存图像 h d d n e w i m a g e b i t 5tl o c a l a l l o c ( l h n d 。w i d t hih e i g h t - ) ； i f h d d n e t # i m a g e b i s = = n u l l ， r e t u r nf a l s e ； 4 0 渐江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 ，锁定内存 l p d o h e i m a 9 e b i t si ( l p o r d ) l o c a l l o c k e h d d e 1 1 1 a g e b i t s ) ； ，初始化缓存图像为原始图像 m e n c p y ( z p d d n e ! m a g e b i t s ，z p i m a g e b i t 5 ，i i j i d t h - h e i g ht * 2 ) ； 定义八邻域矩阵 蹇爻早志磊突赣霪离潦梯度差值定义中心和八领域泵紊梯度差值 ，计算闻值 f o r ( j im ；j h e i g h t n ；j + + ) f o r ( i = n ：i l i d t h m ；i + ) ，边缘检测 f o r ( j 2 n ；j ( h e i g h t n ；j + + ) f o r ( i 2n ；i w i d t h m 。o i + + ) i f ( g r i t s + w i d t h j + i ； 紊的梯度差； e b i t s + w i d t h 。j + i ； r a y u a l u e g r a d i e n t 边界点 e s h ) l p o d s t 。* l p d d l ： ，吏口呆梯度值在阀值之上，标记为边界点 i s e d g e 【w i d t h 。j + i 】zt r u e ； i f ( 申心象素和后继彖素梯度差在某闽值之内) 标记该后继彖素为边界点； 4 l 国 n八四该八呆帅算筻笪笪蚰 邛计计丌计 浙江大学硕士学位论文 医用扫描灰度图像的噪声去除数学形态学算法分析 边缘连接 f o r ( j 。m ：j h e i g h t m ；j ) f o r i - n ；i ( w i d t h n ；i + ) j p d d s ta ( l p w o r d ，1 p d d h e w m a g e b i t s w i d t h - j + i ； 边缘连接， ， ，用区域生长进行杂质标记 f o r ( j n ；j h e i g h t n ；j + ) f o r ( i - n ；i w i d t h n ：i ) l p d d s t - ( l p w o r i f ( 当前彖素八邻 d d h e w i m a q e b i t s + w i d t h - + i ： 素中有