基于 Matlab+GUI的医学图像处理系统

基于 Matlab+GUI的医学图像处理系统

杨津听 1，洪昆 2，余永祥 1，和贵星 3，聂川滨 4

1、昆明电器科学研究所 云南 昆明 650221

2、昆明市科学技术情报研究所 云南 昆明 650021

3、武钢集团昆明钢铁股份有限公司 云南 安宁 650300

4、云南安防科技有限公司 云南 昆明 650033

摘要： 以 CT 图像为研究对象，以 MATLAB GUI(Graphical UserInterface) 的集成开发环境为工具，对图像进行了增强、滤波、边缘检测、图像分割和形态学处理操作。用 MATLAB GUI 实现了数字图像处理的用户界面系统。结果证明，以数字图像处理技术为基础，利用 MATLAB 图像处理工具箱和图形用户界面开发环境开发出的系统对医学 CT 图像有着良好的质量改善作用。

关键词：MATLAB软件 交互界面开发 数字图像处理 CT图像 滤波

一 、引言

目前，医学图像的来源主要是B超、CT、彩色多普勒、X射线透视、核磁共振以及各种电子内窥镜等数字化医学成像设备。从医疗设备获取的医学图像质量的高低与医疗器械的成像原理、所处外界环境因素和机器自身的参数有着密不可分的关系，图像损坏和失真问题时有发生，借助数字图像处理技术，对医学图像进行加工和处理，使其信息特征更加符合临床诊断的预期标准和要求，从而具有更完善的医学临床参考价值^[1]。

二 、MATLAB中的医学图像处理技术

MATLAB图像处理工具箱的主要功能是实现图像的增强、滤波、分割以及形态学处理。由于获取图像需要经过摄像头、线路传送和数模转换器等设备，图像的质量和清晰度会受到客观因素的干扰，造成图像的细节的模糊和难以分辨，通过图像增强和图像复原可以改善图像质量。

医学图像的噪声来源广泛，大致可以分为两类，一类来自医疗器械系统自身的噪声，比如CCD（摄像机）的热噪声、机器运转噪声等；另一类就是来自电磁波等医学仪器外部的各种电磁噪声。由于实际获得的医学图像都不可避免的受到上述噪声的干扰，根据图像信号与噪声分布特性的关系，用数字图像处理中的空域变换法对图像进行去除噪声处理。

一般来说，边缘检测是利用图像中像素灰度值有明显变化的特点，通过微分或二阶微分的方法确定像素点的边缘所在。对于一阶微分来说，图像的边缘点对应着其峰值；对于二阶微分来说，图像的过零点处对应着图像的边缘。边缘检测是并行边界分割的主要方法，利用边缘检测算子对边缘进行检测的基本原理是先把图像中的局部边缘明显化，在像素的“边缘强度”和阈值确定后，就可以将图像的边缘点提取出来。

根据一幅图像的灰度分布、空间纹理、色彩、形状、边缘的固有特征，用图像分割处理方法对这些特征加以标记和定位，就可以根据特定属性将图像分成不同的部分，把目标与背景分割开来。图像分割是为了图像的模式识别和理解、压缩与编码，使图像中具有相同性质的信息归类出来，将具有差异性的区域标记出来，图像分割是计算机视觉领域和数字图像处理技术结合的重要一部分，是图像分析和识别的基础，是图像分析和识别的基础。

数字图像处理形态学是指将图像中的边界或骨架等图像分量用数字形态学的方法提取出来，同时对图像处理前后进行细化和过滤的过程。数字形态学主要是解决图像处理过程中的某些识别问题，用集合论来描述数学形态学使它具有非常强大的适用性和功能性。

三 、医学图像处理系统的实现

3.1 直方图变换模块设计

设变量r代表图像中像素灰度等级，如果将0~256范围的灰度像素值进行归一化处理，使每个像素值的灰度随机分布在[0~1]之间，那么图像的灰度级分布就可以用概率密度函数pr(r)来表示。

在数字化处理后的离散情况下，r_k代表离散灰度级，p_r(r_k)代表p_r(r)则下式成立：

p_r(r_k)=n_k/n

式中，0≦r_k≦1，k=0,1,2,…,n-1。其中，n表示像素总数目，n_k表示灰度值为r_k的像素数目，n_k/n即频数。

3.2 平滑滤波模块设计

由于实际获得的数字图像中因传输通道干扰和设备内部噪声等因素的影响会夹杂很多噪声，主要有量化噪声、加噪噪声和高斯噪声等等。图像平滑处理技术能够很好的消除噪声干扰，减弱频域中的高频分量减少图像毛刺，起到平滑作用。图像平滑包括空（时）域方法和频域方法，在空间域中主要用邻域线性滤波、中值滤波等来去除噪声，在频域中主要利用各种形式的低通滤波器来减少噪声。本设计采用了维纳滤波器、中值滤波器、领域滤波器等3种滤波器。

3.3 边缘检测模块设计

边缘是医学CT图像最基本的特征，包含识别图像病理信息的有用信息。由于人体的不同器官的组织构成和密度分布不均匀，并且器官在人体内是运动和蠕动的，使获得的人体医学图像夹杂各种噪声和边缘模糊

^[2]，所以利用边缘检测技术有利于医护人员对病人CT图像的病理部位予以识别、判断。同时，图像分割的基础是边缘检测，可以将医学CT图像中的病灶部位提取出来进行定性定量分析。本文采用了基于一阶导数的Sobel、Prewitt、Roberts边缘算子和基于最优化思想推导出的Canny边缘算子对CT图像进行了边缘检测。

3.4 阈值分割模块设计

对图像进行阈值分割处理，首先要建立图像模型，即假设图像是由单峰灰度分布的目标和背景组成，图像的目标和背景之间的对比度越强，计算过程越简单，图像分割效果也越明显。阈值确定后，可以根据既定要求把图像分割成不同的部分。

全局阈值法指的是在图像分割过程中，用相同的阈值对所有像素进行分割。局部阈值法是根据实际需要和图像客观情况，针对性地采用不同的阈值进行分割。动态阈值分割指的是对图像先进行坐标分块，然后根据光照强弱大小、噪声分布或者背景变化大小等实际情况，对划分好的图像部分选取各自合适的阈值进行分割。动态阈值分割法的抗噪能力比较强，对于用全局阈值不能有效分割的图像能有很好的处理效果。

四、 结语

本文利用MATLAB强大的图像处理功能，设计了医学图像处理系统和绘制了图形用户接口界面，对CT图像进行了相关图像处理，实现了图像的快捷处理，便于学习、操作和诊断应用，有助于获取清晰可辩的人体器官和病灶的影像信息。

参考文献：

林利,王立伟. Matlab 在医学图像处理中的应用[J].牡丹江医学院学报,2003 24(1):67 70.

廖凯.医学图像处理技术浅谈[J],科技信息,2007,(27):553.

第一作者简介：杨津听，1969年生，男，汉族，正高级工程师，工程硕士，从事的主要工作：电力拖动自动控制系统，DCS系统，MES系统，先进控制系统，非线性系统、混沌系统的研究、设计、制造；通讯方式：邮编：650221，云南省昆明市龙泉路上马村五台路2号 昆明电器科学研究所 ，电话：13888757144，0871-66243077，e-mail:newtonsmale@qq.com。

2/2