摘 要： 圖像分割是圖像處理中的重要工作，醫(yī)學(xué)圖像的多樣性和復(fù)雜性使其在圖像分割中具有較大的難度。閾值法由于高效、簡單而成為圖像分割的重要方法，但對于復(fù)雜的醫(yī)學(xué)圖像，其效果并不很理想。Powell法是最好的直接搜索法，利用改進的Powell法可以更好地搜索目標。為此，提出了一種將Otsu法和Powell法相結(jié)合的圖像分割方法，仿真實驗表明，該方法可以快速有效地分割圖像，魯棒性強。
關(guān)鍵詞： 醫(yī)學(xué)圖像; 圖像分割; 閾值分割; 優(yōu)化算法
圖像分割是圖像處理中的一項關(guān)鍵技術(shù),是按照一定的原則將一幅圖像或景物分為若干個特定的、具有獨特性質(zhì)的部分或子集，并提出感興趣的目標的技術(shù)和過程。在這個過程中，人們往往只對圖像中的某些部分感興趣，因此圖像分割的質(zhì)量會直接影響后續(xù)工作（如圖像分析、識別）的進行。近年來，隨著生物醫(yī)學(xué)成像技術(shù)的快速發(fā)展，人們能夠獲得大量高分辨率的醫(yī)學(xué)圖像數(shù)據(jù)影像，如計算機斷層成像(CT)、核磁共振成像(MRI)和超聲成像(US)等技術(shù)，它們已經(jīng)廣泛應(yīng)用于醫(yī)療診斷、術(shù)前計劃和治療等各個環(huán)節(jié)。這些技術(shù)不但豐富了醫(yī)學(xué)診療中正常和帶有病狀的相關(guān)知識，同時也為醫(yī)學(xué)診斷和治療體系做出了重要貢獻。從圖像中把感興趣區(qū)分離出來是醫(yī)學(xué)圖像分割的重點。由于人體解剖結(jié)構(gòu)的復(fù)雜性、組織器官形狀的不規(guī)則性以及不同個體間的差異性，研究圖像分割技術(shù)在醫(yī)學(xué)圖像處理過程中具有十分重要的意義[1-2]。
1 Otsu閾值法的圖像分割
圖像分割是圖像處理領(lǐng)域中的一個基本問題，也是自動目標識別技術(shù)中的一項關(guān)鍵技術(shù),是目標特征提取、識別與跟蹤的基礎(chǔ)。目前已經(jīng)提出的圖像分割方法的種類很多，從分割角度來看，分為相似性和非連續(xù)性。其中，非連續(xù)性分割包括邊緣檢測和邊緣跟蹤，相似性分割包括閾值分割和區(qū)域分裂與合并。閾值分割簡單、有效且效果很好，但閾值法只能通過產(chǎn)生二值圖像來區(qū)分兩個不同的類，并且只考慮像素本身的值，沒有考慮像素的空間特性，因此對噪聲很敏感[3-4]。
1.1 Otsu算法的閾值分割
由于閾值處理直觀、實現(xiàn)簡單且計算速度快，因此圖像閾值處理在圖像分割應(yīng)用中處于核心地位。閾值處理可視為一種統(tǒng)計決策理論問題，其目的是在把像素分配給兩個或多個組的過程中使引入的平均誤差最小。Otsu方法在類間方差最大的情況下是最佳的，其基本概念是：好閾值分類就其像素灰度值而言應(yīng)該是截然不同的，換言之，就其灰度值而言，給出最好的類間分離的閾值就是最好的閾值。除了最佳性之外，Otsu方法還有一個重要的特性，即它完全以在一幅圖像的直方圖上執(zhí)行計算為基礎(chǔ)，而直方圖是很容易得到一維陳列的[5]。
本文分析了經(jīng)典Otsu算法的優(yōu)點及不足，提出了一種將邊緣改進Otsu算法與改進的Powell算法相結(jié)合的圖像閾值分割法。該方法在搜索方向每次完全更新之后就將搜索方向再次設(shè)定為初始的正交搜索方向，使其計算量大為降低。將計算最佳閾值的過程作為一個優(yōu)化問題進行計算，極大地縮短了最優(yōu)閾值的搜索時間，更利于圖像的實時處理。仿真結(jié)果表明，利用該算法可以得到很好的分割效果且魯棒性強。
參考文獻
[1] 翁漩，鄭小林，姜海. 醫(yī)學(xué)圖像分割技術(shù)研究進展[J].醫(yī)療衛(wèi)生裝備， 2007，28(1)：37-39.
[2] 李康順，李茂民，張文生. 一種基于改進遺傳算法的圖像分割方法[J]. 計算機應(yīng)用研究，2009，26(11)：4364-4367.
[3] 胡斌，宮寧生. 一種改進的Otsu閾值分割算法[J]. 微電子學(xué)與計算機，2009，26(12)：153-155.
[4] 李丹霞，韋玉科.基于自適應(yīng)閾值的舌像分割方法[J]. 計算機技術(shù)與發(fā)展， 2011，21(9)：63-65.
[5] 高欣，卓東風(fēng)，劉國洋. 基于改進遺傳算法的圖像分割[J]. 通信技術(shù)，2011，44(10)：46-48.
[6] 韓翠英，孔娟. 關(guān)于圖像分割算法的優(yōu)化仿真研究[J].計算機仿真， 2011，28(6)：262-265.