改进数学形态学方法在医学图像处理中的应用

近年来，随着计算机辅助诊断系统和远程医疗在医学中的快速发展，数字图像处理非常关键。图像的边缘涵盖了大部分的图像信息，医学图像边缘检测是进行后续图像处理的基础。因此，研究医学图像边缘检测具有重要实际意义。基于医学图像成像过程中光源单一以及探测手段的影响，会导致图像噪声分布不均一，往往夹杂多种不同噪声，本文针对医学图像的特性提出了一种改进的形态学算法，包含以下三种优势。第一，自适应权重赋值。对于多方向结构元素，本文算法根据边缘马氏灰度距离自适应赋值各个方向的权重；对于多尺度多形状结构元素，根据信息熵自适应赋值各个结构元素的权重。第二，改进的形态学算子。基于现有算子检测边缘锯齿状、抗噪效果不显著的缺点，本文算法中提出了一种新型抗噪形态学算子。第三，应用于混合噪声彩色医学图像边缘检测。基于现今形态学常应用于灰度图像，为了验证本文算法的鲁棒性，将本文算法应用于四种混合噪声彩色图像进行边缘检测，检测效果良好。最后本文通过视觉直观分析和客观评价指标验证了本文算法均好于其它算法。实验结果表明本文算法提取到的图像边缘完整且清晰，对多种不同混合噪声的抑制和消除也有明显的优势，在医学图像研究中具有很好的应用价值。

在目前的医学影像诊断中，医生主要是通过观察一组X 光片、B 超、CT 或者MRI 图像去发现病变体，这主要依据医生的经验来判定，很难准确地判定病变组织的位置和大小。随着计算机软件技术的快速发展，医学图像处理实现了对人体病变组织的分割、特征提取、目标识别、三维重建和显示等，使得医学图像的呈现方式以及显示质量获得了极大的提高。这使得在现有的医学影像设备情况下大大提高了对医生的帮助，从而提升了医疗诊断水平，而且还为手术仿真、医疗教学及各种医学研究活动提供了数字实现方法，对医学研究与发展具有非常大的贡献。

近年来，随着远程医疗的快速发展，越来越多的病人在当地就可以接受到更先进的医疗技术，其主要途径是通过医学图像的传输或者实时视频会诊。为了能让医生更加清楚地看到病人的真实情况，对病情做出准确地判断，医学图像的质量很关键。为了提高图像的质量，有必要对医学图像进行预处理。图像的边缘涵盖了大部分的图像信息，医学图像边缘检测是进行图像分割、纹理分析、图像配准和融合等后续图像处理的基础。因此，研究医学图像边缘检测具有重要实际意义。