龙源期刊网httpwwwqika
comc

基于分水岭算法的颅脑CT图像分割研究
作者：荆源来源：《科技视界》2016年第03期
【摘要】本文采用分水岭算法对颅脑CT图像进行分割，针对算法所产生的图像过分割问题，首先将原图像转换为形态梯度图像，并对形态梯度图像定义一组形态开闭滤波器进行处理；然后采用分水岭算法进行分割。【关键词】图像分割；数学形态学；分水岭算法0引言医学CT不同于X线成像，是利用X射线穿透人体，通过射线强度衰减的程度对人体组织成像。图像分割在医学图像处理中占有重要地位，所谓图像分割5就是指把图像分成各具特性的区域并提取出有用的目标的技术和过程，图像分割的方法2比较常用的有阈值法、边缘检测法、区域生长法、聚类法、颗粒分析及基于数学形态学的分水岭变换等。由于与一般自然背景下的图像相比，医学图像普遍存在目标与背景对比度较差、目标的边缘模糊和噪声较大等特点。针对这些特点，本文采用分水岭算法对医学颅脑CT图像进行分割，实验结果表明，本文提供的方法对于医学图像的处理是行之有效的，取得了较为理想的效果。1分水岭算法分水岭分割算法的有三个步骤：（1）对图像的读取；（2）求取图像的边界，在此基础上可直接应用分水岭分割算法，但效果不佳；（3）对图像的前景和背景进行标记，其中每个对象内部的前景像素值都是相连的，背景里面的每个像素值都不属于任何目标物体。分水岭算法方法存在两点不完善的地方：第一点是参考图像决定了分割性能，如果所有区域的边界能被保留下来，内部的边界又被限制，所以分水岭算法的分割能够成功，但对于得到图像的梯度，其区域的伪边界都是可能出现的，而不同对象之间也可能由于采集图像的外界条件等因素而失去边界，而会形成错误分割或者过分分割，如果用LOG算子或别的高斯型滤波后得到的图像作为对象，尽管能够取得大片的面积，但他的位置会有比较大的移动，并且图像的采集的外界原因，误分割也是存在的。所以要对梯度图像进行处理，以便得到优质的分割参考图像；第二点缺陷是于图像分割的目标不相同，因为小的目标太过于具体，而只用其中一种或几种特征提出的梯度参考图像，对这些具体的情况不能做出详细的判断，所以分割以后的所选用区域要做相似性检验，以便成为所需的区域。为克服上述两个缺陷，本文首先用形态梯度来产生参考图像，对不同的目标部分增加他们的不同点，其次用形态学开闭滤波器组处理参考图像，使其起到连接不同形态大区域、消灭r