【《淋巴管瘤磁共振图像的分割方法实现案例分析》2700字（论文）】

第页淋巴管瘤磁共振图像的分割方法实现案例分析目录TOC\o"1-3"\h\u9575淋巴管瘤磁共振图像的分割方法实现案例分析 169531.1算法步骤 1136661.1.1数据采集参数 1303821.1.2图像预处理 2152541.1.3感兴趣区域的选取 3267261.2基于边缘检测的分割方法分割结果与分析 4280431.3基于阈值的分割方法分割结果与分析 42121.4基于区域生长的分割方法分割结果与分析 6200961.5图像后处理 81.1算法步骤图1.1算法步骤流程图1.1.1数据采集参数本论文所用的图像数据是由GE公司的磁场强度为3T的MRI设备进行磁共振成像得到的。成像所采用的序列为SE（自旋回波）序列，其相关数据采集参数如下：成像频率为127.7639MHz；相位编码步数为256；切片厚度为4mm；偏转角为111°；视野大小为100×100；重复时间TR=2103ms；回波时间为70.8480ms；矩阵大小为[4×1uint16]；本文基于MATLAB对以上数据进行了一系列处理，处理结果将在下文中展示。1.1.2图像预处理本文在算法进行过程中,进行读入数据后对图像进行了相关的预处理,经过一系列比较选择采用直方图增强法,以便后面图像分割效果更好,能更容易的辨别和分割病灶。下文是对直方图增强法的概述:灰度直方图是图像处理中使用最便捷的工具,可以观察图像灰度直方图分布方式,以此来判断图像质量是否合格。假如某一图像的灰度值范围是很狭窄的,那么其可以活动的动态范围就会大大缩小,进而导致图像对比度很低,直接拉低形成图像质量,相反情况下,也是如此。最普遍的修改直方图的方法有:灰度变化和直方图的增强。图像的整体或者局部对比度是直方图增强技术的核心工作点,一般分为:直方图的均衡和规定化。(1)本文使用的图像增强方法基于直方图均衡化技术，下面对该方法的基本步骤进行阐述。1)统计原图像的直方图;2)用归一化的方法对原始图像的灰度值进行处理，所依据的公式为公式（1.1）:prrk3)根据如下公式(1.2)对变换函数的各个灰度等级值进行求解，也就是说，对累计直方图所用的各灰度等级值进行求解。sk=Tr4)在求解完灰度等级值后，将其与接近的灰度级值进行归类整理，这个灰度级指的是与原始图像最近的灰度级。也就是说，将根据公式（1.2）求得的灰度等级值，依照就近原则进行近似运算，近似到标准灰度级别值中。进行近似运算时，标准灰度级别值需要与原始图像的灰度级别相同。在确定好新图像的灰度级别后，根据各个灰度值确定新图像的灰度级别,计算每个灰度值带有的像素数并根据这些像素数绘制基于新图像的直方图。(2)利用函数imadjust给原始图像规定一个新的直方图,并将灰度值控制在0到1之间。该函数的应用说明如下,例:J=imadjust(I,[0.30.8],[0.20.9])：表示I显示在J中的像素值范围为0.3到0.8，而且0.3在J中对应0.2，0.8在J中对应0.9。I中小于0.3的也都在J中用0.2表示，高于0.8的像素在J中都用0.9表示。两种直方图增强效果如下图1.2所示：图1.2两种直方图增强法增强效果1.1.3感兴趣区域的选取在对图像进行处理的时候,我们往往会对图像的某一部分进行处理，这一部分被称为感兴趣区域(ROI,region

of

interest)。我们把一幅图片需要处理的部分提取出来,再进行相关的处理,这样不仅会提高处理结果的质量,还会提高效率,避免不必要的误差等。本论文算法感兴趣区域选择,提取结果如下图1.3所示:图1.3原图（左）感兴趣区域的选择（中）感兴趣区域的提取（右）1.2基于边缘检测的分割方法分割结果与分析根据实验数据提取感兴趣区域，进行图像分割时，使用的方法是以边缘检测为基础的分割方法。根据边缘检测算子对图像边缘敏感程度的不同，本文使用了五种边缘检测算子进行图像分割，Roberts、Prewitt以及Sobel边缘检测算子对比较大的连续区域边缘敏感

,而LoG和Canny边缘检测算子除对所需分割的区域敏感外，还对周围的区域，也就是不需要被分割出的区域敏感。根据这些特点，利用这五种算子对感兴趣部位进行分割。结果如图1.4所示:图1.4几种边缘算子对MRI淋巴管瘤图像的分割结果上述分割方法对淋巴管瘤边缘,即对淋巴管瘤的囊壁进行了分割。在治疗过程中囊壁位置的确定有很重要的意义,根据囊壁的位置可判断淋巴管瘤是否出现了诸如邻近组织的分界线不清晰、淋巴管瘤在组织间隙进行延伸增生甚至包绕等问题。也可避免由于不清楚边界引起囊壁破裂,囊内出血等情况。本文利用了五种边缘检测算子对一感兴趣区域内的淋巴管瘤进行分割,但是分割结果依然存在缺陷,比如:囊壁分割不全,或者对周围的其他边缘敏感等。1.3基于阈值的分割方法分割结果与分析本文主要利用多峰阈值方法中的一种,即:双峰阈值分割方法对图像进行分割。阈值法要根据灰度直方图计算得自己需要的相应的阈值,所以我们要在对图像进行分割之前要画出图像的灰度直方图,再进行相应处理。以下分别是对几组数据的双峰阈值分割结果：（1）对整幅图像的分割结果，如图1.5所示：图1.5基于阈值法对整幅MRI淋巴管瘤图像进行分割分割结果（2）对感兴趣区域的分割结果，如图1.6所示：图1.6基于阈值分割法对MRI淋巴管瘤图像感兴趣区域的分割结果由上面所示的分割结果图不难看出基于阈值的(本论文主要采用双峰阈值法)分割方法对淋巴管瘤MRI图像的分割效果是很不错的,通过这种方法能很清楚的将整张图像或感兴趣区域中的肿瘤分割出来。不过也可以从分割出来的结果看出在肿瘤周围还有一些被分割出来的其他的组织影像,所以分割结果需要进一步的优化和处理。1.4基于区域生长的分割方法分割结果与分析(1)区域生长法在用来进行图像处理是需要处理以下三个内容:1)首先，选择或选择一组可以正确表示感兴趣区域的基本像素(选择种子)。2)接下来需要定义一个准则，这个准则需要它能够在生长过程中将相邻象素包含在内，在生长过程中，可以对准则进行定义，被定义的准则需要将包括在内。(定义阈值)。3)定义条件或规则以停止增长过程(停止条件)。以区域灰度差为依据的生长准则是一种比较常用的生长准则，此外，以区域内灰度分布统计性质为依据的生长准则是另一种比较常用的生长准则。本论文使用的是多个种子点区域生长法。（2）分割结果，如图1.7所示：图1.7基于多种子点区域生长法分割MRI淋巴管瘤图像分割结果由上面所示实验结果来看种子点生长法能够比较成功的分割出图像中的淋巴管瘤,不过在设计算法过程中遇到了一些问题,比如最前面开始使用的是单个种子点生长法这个方法对图像的分割效果不理想,总是会丢失一些信息,后来将算法改进成多个种子点生长法,才得到上图1.7所示的分割效果。1.5图像后处理在上述实验分割结果的基础上进一步优化了图像的分割效果,比如多分割结果进行了平滑轮廓处理,填充和闭处理。经过算法的实现，可以获取到肿瘤的边缘信息，同时