醫(yī)學圖像去噪算法效果對比報告(有代碼)

1、第一章 引言1.1 研究背景和意義現(xiàn)實中的數(shù)字圖像在數(shù)字化和傳輸過程中，常受到成像設備與外部環(huán)境噪聲干擾等影響，成為含噪圖像。完全去除或減少數(shù)字圖像中的噪聲稱為圖像去噪技術。現(xiàn)實中的醫(yī)學圖像在采集、轉(zhuǎn)換和傳輸中，常常受到成像設備與外部環(huán)境噪聲干擾等影響，產(chǎn)生降質(zhì)，大多數(shù)的現(xiàn)實醫(yī)學圖像都是含噪圖像，醫(yī)學圖像噪聲對醫(yī)學圖像分析、醫(yī)學圖像壓縮的影響很大，因此醫(yī)學圖像去噪是醫(yī)學圖像預處理階段最重要的任務之一。醫(yī)學圖像去噪是圖像預處理中一項被廣泛應用的技術，其作用是提高醫(yī)學圖像的信噪比，突出醫(yī)學圖像期望特征。因此，具體重要的應用價值。本文結(jié)合高斯噪聲和椒鹽噪聲兩種噪聲類型的特點進行了分析，并采用均值濾波

2、、中值濾波和改進中值濾波算法對受高斯噪聲和椒鹽噪聲污染的圖像進行了去噪，并對去噪效果進行了對比。1.2 醫(yī)學圖像現(xiàn)代醫(yī)學已經(jīng)越來越依賴于醫(yī)療設備的協(xié)助，而其中的醫(yī)療成像設備則是其中最為重要的設備，貫穿了從醫(yī)療診斷、手術導航、術后效果評判等全流程。而隨著醫(yī)學成像技術的快速發(fā)展，各種成像技術給醫(yī)患提供了更豐富、更精確的成像效果。但是不同的成像技術一般都基于其成像原理而具有其獨特的優(yōu)點，也存在著其特定的局限，完美而通用的成像技術手段現(xiàn)在仍未出現(xiàn)，不同的成像技術在不同的應用情景下會有優(yōu)劣，對不同組織器官的成像也各有千秋。1.3 噪聲類型噪聲是電路或系統(tǒng)中不含信息量的電壓或電流。在醫(yī)學成像系統(tǒng)與自然界中

3、，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設備的開啟與斷開、雷擊閃電等都會使空間電場和磁場產(chǎn)生有序或無序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖通過磁、電耦合或是通過電源線等路徑進入放大電路，各種電氣設備，形成各種形式的干擾1-2。其占用高斯噪聲和椒鹽噪聲是兩種最常見的醫(yī)學圖像噪聲類型3。所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。在任選瞬時中任取n個，其值按n個變數(shù)的高斯概率定律分布。椒鹽噪聲（黑色噪點為椒，白色噪點為鹽）出現(xiàn)的位置隨機，圖像中到處存在噪聲，噪聲的幅值隨機分布。第二章 去噪算法2.1均值濾波算法均值濾

4、波是一種典型的線性去噪方法，因為其運算簡單快速，同時又能夠較為有效地去除高斯噪聲。因而適用面較廣，至今仍是一種常用的去噪方法，許多濾除噪聲方法都是在此基礎上發(fā)展而來。均值濾波的方法是對將處理的當前像素，選擇一個模板，該模板為其鄰近的若干像素組成，用模板中像素的均值來替代原像素的值。如圖3-1所示，序號x是當前像素，序號為1至8是鄰近像素。求模板中所有像素的均值，再把該均值賦予當前像素點，作為處理后圖像在該點上的灰度，即： （2-1）其中s為模板，N為該模板包含像素的總個數(shù)。圖2-1 模板示意圖中值濾波公式中N表示模板窗口中的像素個數(shù)。g(x,y)是均值濾波后中心像素的灰度值。均值濾波是一種線性

5、濾波器，但模糊效應比較嚴重，去噪的同時會引起細節(jié)信息的丟失4-5。2.2中值濾波算法中值濾波是一種常用的非線性平滑濾波方法，其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代換。中值濾波優(yōu)于均值濾波之處在于它不僅像均值濾波一樣可以抑制噪聲，而且可以使邊緣模糊效應大大降低。設二維圖像的像素灰度集合為是二維整數(shù)集。對于大小為（含奇數(shù)個像素）的窗口內(nèi)的像素值中值被定義為： （2-2）式（2-2）中表示把窗口內(nèi)的奇數(shù)個像素按灰度值大小排列，取中間像素值賦給，然后以取代二維窗口M中的中心像素值作為中值濾波的輸出。對于二維圖像進行濾波的時候，濾波窗口也可以是二維的。在實際使用窗口時

6、，窗口的尺寸一般先用3再取5逐點增大，直到其濾波效果滿意為止。中值濾波的主要作用是將那些與周圍像素灰度值的差比較大的像素改取與周圍的像素值接近的值，從而可以消除孤立的噪聲點，所以中值濾波對于濾除圖像的椒鹽噪聲非常有效6。2.3 改進的中值濾波算法中值濾波仍然會帶來一定的模糊效應，并且對于噪聲的去噪過程沒有針對性，因此本文提出一種改進算法，大體思路是將加入圖像像素點是否為噪聲的判決預處理，只針對可能為噪聲點的區(qū)域進行去噪，而對于非噪聲點不進行去噪。具體算法過程如下：（1）首先逐個像素判斷灰度值是否在0,0+和255-,255兩個范圍內(nèi)，若不在這個范圍內(nèi)則不進行濾波處理，保持原先的灰度值。若屬于這

7、個范圍，則說明可能是椒鹽噪聲，需要濾波處理。（2）對于可能是椒鹽噪聲的像素點提取其3×3鄰域范圍九個像素的灰度值，分別判斷統(tǒng)計是否屬于0,0+和255-,255兩個范圍內(nèi)，若屬于這個范圍，則去除這個像素，若不在這個范圍進行保留。（3）將3×3鄰域范圍內(nèi)不在噪聲區(qū)域范圍的像素予以保留，并組成一個新序列，對這個所有元素都不屬于噪聲區(qū)域的序列進行排序，選取中值取代中心位置原先像素的灰度。（4）若圖像某個區(qū)域原先就是很亮，或者很暗的區(qū)域，則會出現(xiàn)3×3鄰域范圍九個像素的灰度值都在噪聲區(qū)域內(nèi)，此時若去掉屬于噪聲灰度范圍的像素后，序列為空序列。那么加入一個序列長度的判斷，若序

8、列為空，長度為0，則此像素點也不做濾波處理，保持原先的灰度值。此方法不僅更有針對性的對可能的噪聲點直接濾波，避免對非噪聲區(qū)域因為濾波引起的模糊效應，濾波效果更好，而且對中值濾波本身的序列進行了改進，避免了高密度噪聲情況排序序列中過多噪聲點存在引起的濾波失效。下文將有詳細具體的實驗結(jié)果和對比分析。第三章 實驗結(jié)果對比3.1 實驗圖像本文采用BrainWeb數(shù)據(jù)庫。BrainWeb數(shù)據(jù)庫含有不同弛豫時間和參數(shù)的MRI圖像，圖像尺寸都為181×217×181，圖像體素間隔（Spacing）為1mm×1mm×1mm。3.2 實驗環(huán)境實驗結(jié)果均在Pentium(R

9、) 4 CPU2.0GHz，1G內(nèi)存，Microsoft Windows XP Professional Service Pack3操作系統(tǒng)，MATLAB7.0軟件環(huán)境下實現(xiàn)。MATLAB軟件很適合圖像處理算法仿真和驗證，因此本設計采用MATLAB作為開發(fā)環(huán)境實現(xiàn)。下面對軟件特點進行介紹。MATLAB軟件由美國mathworks公司發(fā)布，其面對的科學領域包括科學計算、可視化以及交互式程序設計的高科技計算環(huán)境。MATLAB最早應用于矩陣計算中，后來涉及的領域擴大，功能不斷完善，現(xiàn)已發(fā)展為數(shù)值分析、矩陣計算、科學數(shù)據(jù)可視化以及非線性動態(tài)系統(tǒng)的建模和仿真等諸多強大功能集于一身的易用的視窗環(huán)境軟件，為

10、科學工作者、研究人員、工程技術者提供了進行有效數(shù)值計算的諸多學科領域的全面解決方案。MATLAB主要應用于工程計算、控制設計、信號處理與通訊、圖像處理、信號檢測、金融建模設計與分析等領域?？梢哉f，已經(jīng)沒有MATLAB不涉足的科研領域。同時MATLAB在很大程度上擺脫了諸如如C、Fortran等傳統(tǒng)非交互式程序設計語言的編輯模式，標志著當今世界科學計算軟件的前沿水平。由于MATLAB在圖像處理領域的諸多優(yōu)勢7-8，因此本設計采用MATLAB作為開發(fā)的軟件環(huán)境。3.3 實驗結(jié)果圖3-1是均值濾波算法和中值濾波算法對高斯噪聲污染圖像的去噪效果對比。圖3-2是均值濾波算法、中值濾波算法和改進中值濾波算

11、法對椒鹽噪聲污染圖像的去噪效果對比。(a) 含高斯噪聲的大腦醫(yī)學圖像 (b) 均值濾波效果(c) 中值濾波效果 (d) 改進中值濾波算法效果圖3-1 高斯噪聲醫(yī)學圖像去噪效果對比上面圖3-1的實驗結(jié)果圖和表的數(shù)據(jù)是對應了，從以上的實驗可以得出以下結(jié)論：（1）對高斯噪聲污染的醫(yī)學圖像，均值濾波通常效果比中值濾波效果好。（2）改進中值濾波中存在部分顆粒，但與經(jīng)典的中值濾波算法相比，保留了更多的圖像細節(jié)信息。(a) 含椒鹽噪聲的大腦醫(yī)學圖像 (b) 均值濾波效果(c) 中值濾波效果 (d) 改進中值濾波算法效果圖3-2 椒鹽噪聲醫(yī)學圖像去噪效果對比上面圖3-2的實驗結(jié)果圖和表的數(shù)據(jù)是對應了，從以上的

12、實驗可以得出以下結(jié)論：（1）對椒鹽噪聲污染的醫(yī)學圖像，中值濾波通常效果比均值濾波效果好。（2）但如果噪聲密度大，非常多的像素都是噪聲點，此時均值濾波不能清除掉全部椒鹽噪聲。（3）改進的中值濾波性能優(yōu)于中值濾波，可以清除掉更多的椒鹽噪聲。當噪聲密度很大時，這種優(yōu)勢更加明顯。3.4 對比總結(jié)綜上所述，在醫(yī)學圖像去噪預處理中，對于高斯噪聲，均值濾波比中值濾波和改進的中值濾波算法更有優(yōu)勢；但對于椒鹽噪聲，中值濾波比均值濾波更有優(yōu)勢。由于中值濾波會帶來一定的模糊效應，改進中值濾波去椒鹽噪聲的去除更有針對性，因此，在與經(jīng)典中值濾波類似的去噪效果的條件下，保留了更多的圖像細節(jié)信息。第四章 總結(jié)與展望本文分析

13、了高斯噪聲和椒鹽噪聲兩種噪聲類型，并對這兩種噪聲污染的醫(yī)學圖像采用均值濾波、中值濾波進行去噪處理，并設計了一種改進中值濾波算法，此算法對椒鹽噪聲的去噪效果更有針對性，因此減少了經(jīng)典中值濾波的模糊現(xiàn)象。本文對各種算法的醫(yī)學圖像去噪效果進行了實驗結(jié)果對比、分析和總結(jié)。盡管本文研究取得了一定的成果，但是由于時間和實驗條件所限，本文的工作還有很多需要完善和深入的地方。結(jié)合研究工作中的一些體會，今后的研究工作可以在以下幾個方面進一步開展：（1）更多不同類型的醫(yī)學圖像去噪效果的設計。本文只采用了大腦醫(yī)學圖像進行實驗，不同的醫(yī)學圖像具有不同特點，可以具體分析，設計具體的去噪方案。（2）去噪算法的自動判別。均

14、值濾波和中值濾波兩種算法對高斯噪聲和椒鹽噪聲的處理效果不同，因此需要先判別噪聲類型，才能選擇合適的去噪算法。這些工作可以在未來的研究中，進一步深入探索。參考文獻1 R. C. Gonzalez, R E. Woods, S. L. Eddins. Digital image processing using MATLAB M.Beijing: Pub. House of Electronics Industry:Pearson Education (Asia) Co.,2004:231-234.2 章毓晉.圖像處理和分析技術（第二版）M.北京:高等教育出版社,2008:71-72.3 Liu

15、Jieping,Yu Yinglin. A flexible method for image noise removal J.Journal of South China University Technology,2000,28(2):60-63.4 唐彩虹,蔡利棟.一種基于直方圖的加權均值濾波方法J.微計算機信息,2006，22(22):202-204.5 陳初俠,丁勇,劉櫟莉.去除椒鹽噪聲的自適應開關加權均值濾波J.計算機工程,2010,36(4):210-212.6 張媛,蔡利棟.一種去除文本圖像椒鹽噪聲的方法J.長春理工大學學報(自然科學版),2010,33(2):129-132.

16、7 王家文, 王皓, 劉海. MATLAB 7.0編程基礎M. 北京：機械工業(yè)出版社，2005:50-175.8 蘇金明，阮沈勇. MATLAB 實用教程M. 北京：電子工業(yè)出版社，2005.附錄程序代碼：% 椒鹽噪聲去噪部分I=imread('MRT1.bmp');subplot(2,2,1),imshow(I);%原始含椒鹽噪聲圖像height width=size(I); Imean=I; for i=2:height-1 for j=2:width-1 s=sum(sum(I(i-1:i+1,j-1:j+1)/9;%均值濾波 Imean(i,j)=s; endendsu

17、bplot(2,2,2),imshow(Imean);%顯示均值濾波結(jié)果 Imed=I; for i=2:height-1 for j=2:width-1 sortseq=I(i-1,j-1),I(i-1,j),I(i-1,j+1),I(i,j-1),I(i,j),I(i,j+1),I(i+1,j-1),I(i+1,j),I(i+1,j+1); s=sort(sortseq);%排序 Imed(i,j)=s(5);%選取中值 endend subplot(2,2,3),imshow(Imed);%顯示中值濾波結(jié)果 Iim=I; for i=2:height-1 for j=2:width-1

18、if I(i,j)=0|I(i,j)=255%中值濾波統(tǒng)計去掉椒鹽噪聲點 sortseq=; for ii=-1:1 for jj=-1:1 if I(ii+i,jj+j)=0&I(ii+i,jj+j)=255%如果不是椒鹽噪聲點，進行下面的排序 sortseq=sortseq I(ii+i,jj+j); end end end if length(sortseq)=0 s=sort(sortseq);%排序 Imed(i,j)=s(5);%選取中值 end end endend subplot(2,2,4),imshow(Iim);%改進中值濾波結(jié)果 % 高斯噪聲去噪部分I=imread('MRPD.bmp');subplot(2,2,1),imshow(I);%原始含高斯噪聲圖像height width=size(I); Imean=I; for i=2:height-1 for j=2:width-1 s=sum(sum(I(i-1:i+1,