摘要：目的：探讨图像增强技术在X射线医学影像中的实际应用情况。方法：本文应用多种互补的图像增强方式，对X射线影像进行锐化处理，并将其算法结果与传统图像增强算法结果进行比较分析，此种算法能够有效增强X射线影像效果，图像细节更清晰，与传统算法相比具有一定应用优势。结果与结论：图像增强技术在X射线医学影像中具有良好的应用价值，有效提高了图像质量和清晰度，从而提高临床医学诊断的准确性。
关键词：图像增强技术；X射线；医学影像；锐化处理；应用
X射线影像是临床医学诊断中的重要依据，一旦X射线影像存在轻微模糊或灰度分布不均匀，极易造成临床诊断偏差，甚至出现漏诊或误诊的情况严重威胁着患者的生命健康。针对此种情况，本文试图研究一种新的算法以实现图像增强，以降低噪声，提高灰度分布均匀性，提高临床医学诊断的准确性。
1 图像增强简介
所谓图像增强，就是指通过强调图像中边缘、轮廓或对比度等部分特征，以便于医学人员对图像进行准确的观察和分析。在X射线医学影像中，常用的图像增强技术主要有两种，一是空域增强，是直接在空间域上改变像素灰度值，以实现图像增强，主要有灰度变换和直方图变换两种类型。二是频域增强，就是对图像实行傅立叶转换，在频域范围内对图像进行滤波处理，并加以逆变换，进而实现图像增强。在X射线医学影像中单独使用某一种方式并不能够取得理想的图像增强效果，往往需要多种图像增强方式的协调配合，以切实提高X射线医学影像的清晰度及灰度分布均匀性。
2 算法思想
就X射线医学影像的实际情况来看，其灰度动态范围较窄，且噪声较高，实际图像增强的难度较大，为促进此类问题的有效解决，本文以拉普拉斯法突出图像细节，以梯度法突出图像边缘，以平滑后的梯度图像进行掩盖，对图像进行锐化处理，扩大灰度动态范围，从而实现图像增强。
2.1锐化处理
在X射线医学影像中，以微分方式对图像进行锐化处理，能够有效突出图像中灰度的过渡部分。微分算子相应强度与其操作图像的突变程度成正比例关系，能够有效增强图像边缘和噪声等其它突变。
在拉普拉斯算子方面，作为相对简单的各向同性微分算子，其阶微分均为线性操作方式，由此可知，拉普拉斯算子属于线性算子。
期刊文章分类查询,尽在期刊图书馆在X射线医学影像中，通过拉普拉斯操作后，图像中的灰度突变更为明显，通过原图像与拉普拉斯图像的有序叠加，图像的背景特性得到有效恢复，并获得优质的图像锐化效果。应用拉普拉斯算子时应当注意，若模板中心系数为负数，为保证锐化结果的可靠性，应当将原图像减去拉普拉斯变化后的图像，依据；拉普拉斯算子和输入图像等作为主要数据依据，计算锐化后的图像。研究表明，经过拉普拉斯增强处理后的图像，其清晰度明显提升。
一阶微分算子方面主要通过梯度幅值来实现数字图像处理，其中以Roberts算子和Sobel梯度算子比较常用。在选用Sobel算子对图像进行增强处理时，其中心系数权重为2，在突出中线点作用后，能够实现图像平滑处理，图像边缘突出，X射线医学影像的更加清晰。
2.2平滑处理
X射线医学影像成像过程中常伴有轻微模糊和噪声，针对此种情况，大多采用中值滤波和均值滤波等平滑方式对图像进行平滑处理。
中值滤波方面在实际应用中能够保留图像边缘，并滤除噪声，消除噪声护理垫和图像扫描噪声，但对高斯噪声的处理效果并不理想。在X射线医学影像中从应用中值滤波时，选定一个奇数点滑动窗口，待进行窗口扫描后，按照灰度级将像素点进行升序或降序排列，以中间位置像素的灰度值代替窗口中像素点的灰度值。中值滤波主要是通过非线性的增强方式改变图像性质，但不被医学图像处理所允许，因此选用均值滤波对图像进行平滑噪声处理。
就均值滤波来看，其能够去除图像中的不相关细节，降低图像噪声，但也存在一定负面效应，往往会导致图像边缘模糊。
2.3掩蔽和高提升滤波
图像乘法的重要应用是模板操作，也称感兴趣区域（ROI）操作，可以遮掉图像中的某些部分。设置一个模板图像，在相应的原图像需要保留处设置模板图像的值为1，在需要抑制的地方设置模板图像的值为0，用模板图像乘以原图像，就可以遮掉部分区域。本算法就用到这个原理。上述提到拉普拉斯算子是二阶微分算子，在图像细节的增强方面是最好的。但是也会产生多于梯度操作的噪声，这些噪声在平滑区域尤为明显。梯度操作在灰度变化区域的平均响应强于拉普拉斯操作的平均响应。而梯度操作对噪声和小细节的响应弱于拉普拉斯操作的响应，并且通过均值滤波器对梯度操作后的图像进行平滑处理进一步降低噪声。因此，本算法对梯度图像平滑处理后，再用拉普拉斯图像与它相乘。把平滑后的梯度图像看成是模板图像。乘积保留灰度变化强烈的区域的细节，降低灰度变化相对平坦的区域的噪声，这样就可以将梯度操作和拉普拉斯操作的优点相结合，最后通过高提升滤波，即将结果图像乘以一个大于1的权重系数，然后和原图像相加，得到最终的锐化图像。
3 实验结果
本文算法经过高提升滤波以后，强调了灰度变化强烈的区域的细节，图像中的骨骼结构更为清晰，灰度信息非常丰富，没有出现灰度色调上的较大反差，视觉效果比较柔和，骨骼、脊椎等一些重要的边缘、轮廓信息非常丰富。
4 结论
本文提出的针对医学X射线图像增强算法充分考虑了X射线医学影像的特点，首先采用拉普拉斯法来突出图像中的小细节，然后使用梯度法突出边缘，再用平滑过的梯度图像掩蔽拉普拉斯图像，通过高提升滤波得到锐化的图像。最后，使用灰度变换增大锐化图像的灰度动态范围，得到最终的结果。增强后的图像细节更加清晰，为医师了解病灶的大小、形状等相关信息提供了有益的参考。
参考文献：
[1]曹妍，陈伟 图像增强技术在X射线医学影像中的应用[J].《CT理论与应用研究》，2015，24（4）：545-551
[2]吴君，阳建华，贺超，祝元仲，陈晓文 图像增强技术在数字X射线医学影像中的应用[J].《中国医学装备》，2012（5）：60-62
[3]胡学龙.数字图像处理[M].第 2 版.北京：电子工业出版社，2011.
论文作者:孔祥芝
论文发表刊物:《健康世界》2016年第18期
论文发表时间:2016/10/24
标签：图像论文; 拉普拉斯论文; 锐化论文; 灰度论文; 射线论文; 算子论文; 梯度论文; 《健康世界》2016年第18期论文;