医学图象分割

1、2021-11-81在对图像的研究和应用中，人们往往仅对图像的某些部分感兴趣（目标或背景），它们一般对应图像中特定的、具有独特性质的区域。为了分析和识别它们，需要将它们分割并提取出来。2021-11-82医学临床实践和研究经常需要对人体某种组织医学临床实践和研究经常需要对人体某种组织和器官的形状边界截面面积以及体积进行和器官的形状边界截面面积以及体积进行测量，从而得出该组织病理或功能方面的重测量，从而得出该组织病理或功能方面的重要信息。要信息。比如肿瘤学研究经常用肿瘤收缩的程度和时间比如肿瘤学研究经常用肿瘤收缩的程度和时间来评估治疗效果，将肿瘤大小的精确量化数值来评估治疗效果，将肿瘤大小的精确

2、量化数值作为疗效的测度。作为疗效的测度。2021-11-83此外，血液细胞的识别和分类；血管造影图象此外，血液细胞的识别和分类；血管造影图象中冠状动脉的边缘检测、乳腺片中微钙化点的中冠状动脉的边缘检测、乳腺片中微钙化点的检测、放疗等都需要对组织成分的位置和大小检测、放疗等都需要对组织成分的位置和大小精确定位和计算。这些都需要图像分割技术。精确定位和计算。这些都需要图像分割技术。2021-11-8442021-11-8552021-11-862021-11-87根据分割算法适用性的不同，主要分为三大类：根据分割算法适用性的不同，主要分为三大类： 基于阈值的分割方法基于阈值的分割方法 基于区域的方

3、法基于区域的方法 基于边缘分割基于边缘分割2021-11-8882021-11-89人工分割人工分割:由经验丰富的临床医生在原始胶片图由经验丰富的临床医生在原始胶片图像上直接勾画出组织的边界像上直接勾画出组织的边界,或者通过图像编辑或者通过图像编辑器用鼠标在计算机显示器上勾画出组织的边界器用鼠标在计算机显示器上勾画出组织的边界或感兴趣区域或感兴趣区域.分割精度高分割精度高,费时费力费时费力,分割结果完全取决于操分割结果完全取决于操作者的经验和知识作者的经验和知识,分割结果难以重现分割结果难以重现.2021-11-810半自动分割半自动分割: 把计算机强大的数据处理算法分把计算机强大的数据处理算

4、法分析和智能计算能力以及自动存储和记忆功能与析和智能计算能力以及自动存储和记忆功能与医学专家的知识和经验有机结合医学专家的知识和经验有机结合,通过人机交互通过人机交互的方法完成图像分割的方法完成图像分割.分割速度比人工分割速度高分割速度比人工分割速度高,分割结果在很大程分割结果在很大程度上仍然依赖于操作者的主观经验和知识度上仍然依赖于操作者的主观经验和知识.2021-11-811全自动分割全自动分割: 完全由计算机自动完成图像分割完全由计算机自动完成图像分割的全过程的全过程.由于全自动分割方法不存在人为因素由于全自动分割方法不存在人为因素的影响的影响,为图像中感兴趣区域的自动精确测量奠为图像中

5、感兴趣区域的自动精确测量奠定了基础定了基础,分割速度和性能也有待改善分割速度和性能也有待改善.2021-11-8121、阈值分割原理阈值分割原理阈值分割是用一个或几个阈值将图像的灰度级分为几个部分,认为属于同一个部分的像素是属于同一个物体。阈值的选取是阈值分割方法中的关键技术。 2021-11-8132、阈值分割分类、阈值分割分类 多阈值的灰度直方图 T2T1单阈值单阈值灰度直方图 单阈值分割，多阈值分割，自适应阈值分割单阈值分割，多阈值分割，自适应阈值分割2021-11-814TyxfTyxfyxgTyxfTyxfyxgyxf),(),(01),(),(),(01),(),(?2021-11

6、-815例0501001502002500500100015002000T=170T=170(加中值滤波）2021-11-816(a)(b)(c)(d)选用不同的阈值选用不同的阈值其处理结果差异其处理结果差异很大。阈值过大，很大。阈值过大， 会提取多余的部会提取多余的部分；分； 而阈值过小，而阈值过小，又会丢失所需的又会丢失所需的部分。部分。阈值的选取很关阈值的选取很关键。键。不同阈值对阈值化结果的影响不同阈值对阈值化结果的影响原始图像阈值T=91阈值T=130阈值T=432021-11-817 阈值的选择对于图像分割结果至关重要。阈值的选择对于图像分割结果至关重要。仅凭人仅凭人 眼主观上的感

7、觉很难选择到合适的阈值。眼主观上的感觉很难选择到合适的阈值。 四种比较经典的阈值选取方法四种比较经典的阈值选取方法v极小值点阈值选取方法极小值点阈值选取方法v迭代阈值选取方法迭代阈值选取方法v大津阈值选取方法大津阈值选取方法v局域阈值法局域阈值法2021-11-818先作出图像的灰度直方图，若其先作出图像的灰度直方图，若其直方图呈双峰且有明直方图呈双峰且有明显的谷底，则可以将谷底点所对应的灰度值作为阈值显的谷底，则可以将谷底点所对应的灰度值作为阈值T。这种方法适用于目标和背景的灰度差较大，直方图有这种方法适用于目标和背景的灰度差较大，直方图有明显谷底的情况。明显谷底的情况。2021-11-81

8、92/)(21uuT2minmaxZZT2021-11-82011211LTkkLTkkiinkn利用程序自动搜寻出比较合适的阈值。步骤为： 1）首先选取图像灰度范围的中值作为初始值T；2）用T分割图像。生成两组像素集合：G1（所有灰度值大于T），而G2（所有灰度值小于或等于T）3）对G1和G2中所有像素计算平均灰度值1和2。nk是灰度为k的像素点个数。iiTkkTkknkn0012021-11-8214）计算新的阈值：）计算新的阈值：T= ( 1+ 2) /2。重复步骤（重复步骤（2）到（）到（4），直到得到的），直到得到的T值之差小值之差小于一个事先定义的参数于一个事先定义的参数T0。20

9、21-11-822T=127.3984迭代法分割结果原图迭代5次2021-11-82310LiinNNnpii总象素数：总象素数： 各灰度值的概率：各灰度值的概率：2021-11-824TTC00111LTC0CTiiTp00)(1C11011LTiip0CTiiTTip000)()(1C1111)(1)(LTiiTTip然后用将其分成两组和各组产生的概率如下：产生的概率产生的概率的类均值的类均值10Liiip其中是整体图象的灰度平均值；kiiipk0)(是阈值为时的灰度平均值 T（3 3）最大方差阈值分割（）最大方差阈值分割（OstuOstu法）法）2021-11-8251100)(1)()

10、()()()()()(2201102112002TTTTT)(maxarg2*TTkT两组直方图的灰度平均值为两组直方图的灰度平均值为两组总的方差用下式求出两组总的方差用下式求出值便是阈值值便是阈值, ,不管图象的直方图有无明显的双峰，都能得到较满意的结果。不管图象的直方图有无明显的双峰，都能得到较满意的结果。（3 3）最大方差阈值分割（）最大方差阈值分割（OstuOstu法）法）2021-11-826（3 3）最大方差阈值分割（）最大方差阈值分割（OstuOstu法）法）2021-11-8272021-11-828（4 4）局部阈值法）局部阈值法 将图像细分为子图像，对不同的子图像使用不将图

11、像细分为子图像，对不同的子图像使用不同的门限进行分割。用于像素位置相关的一组同的门限进行分割。用于像素位置相关的一组阈值（阈值是坐标的函数）来对图像各部分分阈值（阈值是坐标的函数）来对图像各部分分别进行分割。别进行分割。 这种与坐标相关的阈值也叫动态阈值，此方法这种与坐标相关的阈值也叫动态阈值，此方法也叫变化阈值法或自适应阈值法。也叫变化阈值法或自适应阈值法。2021-11-829（4 4）局部阈值法）局部阈值法),(),( 0),(),( 1),(yxyxfyxTyxfyxgTyxfyxT),(),(0f0(x,y)是f的形态学开运算。 2021-11-8302021-11-831局部阈值与

12、全局阈值的比较局部阈值与全局阈值的比较2021-11-833基本思想：基本思想：将具有相似性质的像素集合起来构成区域。将具有相似性质的像素集合起来构成区域。具体步骤：具体步骤：先对每个需要分割的区域找一个种子象素作先对每个需要分割的区域找一个种子象素作为生长的起点，然后将种子象素周围邻域中与种子象素为生长的起点，然后将种子象素周围邻域中与种子象素具有相同或相似性质的像素（根据某种事先确定的生长具有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子象素所在的区域中。将或相似准则来判定）合并到种子象素所在的区域中。将这些新象素当作新的种子象素继续进行上面的过程，直这些新象素当

13、作新的种子象素继续进行上面的过程，直到在没有满足条件的像素可被包括进来。这样一个区域到在没有满足条件的像素可被包括进来。这样一个区域就生长了。就生长了。2021-11-834区域生长的一种最简单的方法是从某个象区域生长的一种最简单的方法是从某个象素开始，然后检查它的近邻，判断它们是素开始，然后检查它的近邻，判断它们是否具有相似性，这个相似性可以是灰度级否具有相似性，这个相似性可以是灰度级、彩色、组织、梯度或其他特性。、彩色、组织、梯度或其他特性。2021-11-835例如：每一步所接受的邻近点例如：每一步所接受的邻近点(4(4邻域）的灰度级与先邻域）的灰度级与先前物体的平均灰度级相差小于前物体

14、的平均灰度级相差小于2 2。 起始起始33333822798468552021-11-836第二步第二步33333822798468552021-11-837第三步第三步33333822798468552021-11-838步骤：步骤： 选择合适的种子点；选择合适的种子点；确定相似性准则确定相似性准则( (生长准则生长准则) )确定生长停止条件确定生长停止条件2021-11-839举例举例 (a) 初始情形初始情形 (b) T=1 (c) T=2 (d) T=3生长准则生长准则: : 所考虑的像素点和种子点的灰度值的绝对值差小于或等所考虑的像素点和种子点的灰度值的绝对值差小于或等于某个阈值于某

15、个阈值T T就将该像素点归入种子点所在的区域就将该像素点归入种子点所在的区域. .2021-11-8402021-11-841优点：优点：计算简单，特别适用于分割小的结构，如肿瘤和伤疤。计算简单，特别适用于分割小的结构，如肿瘤和伤疤。缺点：缺点：需要人工交互以获得种子点，必须在每个需要抽取的区需要人工交互以获得种子点，必须在每个需要抽取的区域中植入一个种子点。同时，对噪声敏感。域中植入一个种子点。同时，对噪声敏感。原图 区域生长结果2021-11-843源图像源图像区域生长结果区域生长结果2021-11-8442021-11-84541()()iniiijnijRP RTRRP RF2021-

16、11-8461）四叉树分裂 具体过程：具体过程：将一块图像分成4块等大小的方块，判断每个块是否满足一致性标准。如果满足，则不再分解；如果不满足，则进行细分使之成4块，并且对细分得到的方块应用一致性准则检查，分解过程重复迭代下去，直到满足一致性准则，结果可能包含不同大小的块。2021-11-8472021-11-84844111234412341()(,)(,)()iijnijjjiiiiiiiinijjRRPRTRRRRRRRRPRF2021-11-8493) 不同分枝上相邻节点的合并 在图像分裂操作过程中，会出现将某个区域分裂到不同的分枝上的情况，此时需要将具有相邻关系又不在同一分枝上，且具

17、有相同一致性的子节点合并()(,)(,)()ijnijijijnijRRP RRTR RR RP RRFRi , Rj为相邻子区域2021-11-8502021-11-851111231323231333416173334363739389192923635383738949551373837383996585238393836369757537376793537989954719695949210097989797969999举例：举例：2021-11-8522021-11-8532021-11-8542021-11-8552021-11-8562021-11-8572021-11-858用

18、具有一定形态结构的结构元用具有一定形态结构的结构元素去量度和提取图像中的对应形态以达到对图素去量度和提取图像中的对应形态以达到对图像分析和识别的目的。像分析和识别的目的。数学形态学的数学基础和所用语言是集合论。数学形态学的数学基础和所用语言是集合论。2021-11-8592021-11-860AxxcA|cBABxAxxBA,|2021-11-861AababA|AaaxxA,|2021-11-8622021-11-8632021-11-8642021-11-865AABxbAx)(|ABxbAx)(|2021-11-8662021-11-867BAA图图a图图b2021-11-8682021-11-8692021-11-87