【摘要】 利用Matlab 7.0图像处理函数和编程技巧，显示MRI图像的轮廓线、内部组织的边缘线和灰度直方图，对图像选定区域进行自由放大和缩小，利用图像处理工具显示任意区域的灰度值，并能自如测量两点之间的距离。
【关键词】 医学图像处理;Matlab 7.0;边缘检测;灰度直方图;图像分割;梯度算子
Edge detection of MRI image and the tracking and showing methods of gray level in special regions
GAI Li-Ping，LIU Tie-Li，WANG Li.Department of Medical Image， Dalian Medical University，Dalian 116027，China
[Abstract] Use the image processing function and programming tomography of Matlab 7.0 to show the contour line， edge line and gradation histogram of MRI image and zoom to the selected regions.Use medical image processing tool to show the gray level of discretional regions and measure the distance of the given points as well.
[Key words] medical image processing;Matlab 7.0;edge detection;gradation histogram;medical image segmentation;Robert cross
在医学临床实践和研究中，经常需要对人体某种组织或器官的形状、边界、截面面积以及体积等进行测量，从而得出该组织病理或功能方面的重要信息，这对临床诊断和治疗有重要的意义。为了估测图像边界方向、边界位置、边界形状及边界强度等信息，采用的最多的方法便是图像分割技术[1，2]。本文采用交互式界面，利用Matlab 7.0图像处理函数和编程技巧，灵活展示医学图像的分割方法。
1 医学图像的边界处理
1.1 图像轮廓线的描绘[3] 医学图像的边界或轮廓是指包围着连通区域的一条封闭的边缘曲线。常用的方法有对像素的灰度特性进行微分运算，也可采用加权变换后的灰度直方图，得到明显的峰谷分界。图1描述的是轮廓图像，图2是本图像的灰度直方图分布。由图2可知图像灰度分布在100数值处较为密集。
1.2 图像边缘线的几种描绘方法对比[4] 边缘检测技术[5]是基于物体与背景之间在灰度(或纹理)特性上存在着某种不连续性(或突变性)。边缘是指它的两侧分属于两个区域，每个区域内部的特性相对比较均匀一致，而两个区域之间在特性上则存在一定差异。常用的边缘检测算法有拉普拉斯laplace微分算子、梯度算子Robert cross、Prewitt算子、Sobel模板、Canny算子等，其中Canny算子能提高信噪比SNR;或小波变换的局部极大值点反映图像信号的突变点位置，即图像的边界位置。图3给出了几种不同算子的图像边缘描绘线。下面以梯度算子和拉普拉斯算子为例进行理论分析。边界跟踪是梯度检测的重要方法，通过求出灰度梯度矢量就能知道边缘检测的检测灵敏度具有等方向性。梯度算子是一阶导数算子，在图像进行微分运算后，每个像素处都有一灰度梯度值反映该点边缘强度[6]。其中幅值为： 图1 图像轮廓线图2 图像灰度直方图(略)
Δf(x，y)=f(x，y) xi+f(x，y) yj
方向为：
θ(x，y)=tan-1f(x，y) x/f(x，y) y
对于数字图像可用差分代替微分。对于拉普拉斯Laplace算子是二阶导数算子，定义为:
2f=2f x2+2f y2
2 图像中任意给定区域自由缩放[7]
如图4所示，先利用图像处理工具箱中的overriew界面，再利用放大zoom out或缩小zoom in功能选择矩形区域，这样就可以在image tool界面下，对图像选定区域进行自由放大和缩小。图像左边的矩形区域为任意选定区域，右边显示的是矩形区域内信号的放大图像。
3 图像中任意给定区域和路径的灰度值分布
3.1 任意选定区域的灰度值 利用imtool命令，可以显示图像处理界面，点击主界面的区域灰度值可以显示选定矩形区域内的灰度数值，且可以自由变换选定位置，并对任意选定两点间进行测距。若为RGB图像则显示RGB 3种颜色信息。同时利用pixel region同时可以显示区域的灰度值，图5为灰度值显示界面图。
3.2 任意选定路径的灰度值分布 在医学图像处理中，有时需要了解不同路径方向上的灰度分布，为医学诊断提供信息。利用profile函数可以方便地实现这一点。图6虚线部分为选择的路径，图7为该路径上的灰度分布图。这种灰度分布曲线，为医学诊断提供了很好的参考数据。
[1] [2] 下一页 |
