【摘要】 利用Matlab在图像处理方面的强大优势，制作医学图像增强技术的课件，着重介绍课件的组织结构、内容设计、教学手段和教学形式的设计，并重点阐述课件的功能和实现方法
【关键词】 Matlab； 医学图像增强； 课件
1 引言 数字医学图像处理课程的目的在于让学生掌握医学成像和图像处理方面的基本原理、方法和发展趋势，培养学生解决该方面实际问题的能力。图像增强技术是本门课程非常重要的一部分，图像增强的目的是对其进行加工，以得到便于进行医学诊断的图像。图像增强的方法有很多，需要根据原始图像的问题所在，采用不同的增强技术。为了便于学生理解，并建立起对图像增强技术的直观概念，我们利用MATLAB软件编写了“医学图像增强技术”课件。 选择MATLAB语言开发课件主要基于以下几点：① 计算编程可视化，功能强大，易学、易用；② 工具箱中包括图像处理函数，涵盖了几乎所有的图像处理技术方法；③ 具有开放性，用户可以根据需要书写自己的函数，以满足特定的需要；④ 能够准确读取DICOM格式文件，并有丰富的处理DICOM格式图片的各种函数。医学影像设备产生的文件为DICOM格式，普通图像处理软件无法读取此格式，若将其转换为JPG或BMP又会造成某些信息的丢失，MATLAB可以克服这一缺点。 2 课件设计 2.1 组织结构设计
数字医学图像的增强主要包括灰度变换增强、空域滤波增强、彩色滤波增强。具体每种增强技术又有多种不同的增强方法，本课件依据图像增强技术的方法设计的组织结构图，如图1所示。
图1 医学图像增强技术课件组织结构图（略）
这样设计可以使学生先在整体概念上对图像的增强技术有所了解，又在此基础上对增强技术的种类和适用的场合有一个初步的认识，让医学学生突破对各种增强技术算法本身的畏难情绪，把学习的重点转移到如何应用解决实际问题的层次上，这也正是本门课程的教学目的所在。
2.2 内容设计
本课件使用的所有素材图片均为医学影像图片，包括X光片、CT图片、MRI图片等，根据这些图片本身的模糊特点，采用不同的图像增强技术，以得到便于医生诊断的“好”图片。例如，在CT图像中常见的图像模糊问题在于符合高斯分布的噪声的影像，这样我们可以采用空域滤波技术中平滑滤波的方法——中值滤波技术对其进行处理；对于一张手足口病的CT图片，由于灰度图像的特点，其病灶部分用肉眼较难分辨清楚，针对人眼对彩色敏感的视觉特性，我们可以对它进行伪彩色处理，以得到病灶部分清晰的影像。因此，在课件的素材选用和内容设计上，突出医学特色，重点解决医学影像增强技术的问题，拉近了本课程与医学生的距离，激发了他们的学习兴趣，并初步掌握采用何种图像增强手段解决常见医学影像问题。
2.3 教学手段的设计
本课件利用GUI（Graphic User Interface）图形用户界面设计各个窗口，并使用多种交互功能：① 交互按钮的设计。课件的大多数界面都提供了交互按钮，学生可以根据自己的学习需求进入下一个学习环节或者观看相应的图像处理的效果。② 独特的菜单功能设计。图像处理中的噪声不尽相同，将不同的噪声通过MATLAB编程设计成不同菜单，学生可以自由给图像添加噪声，然后利用课件中提供的滤波器进行滤波，观察不同滤波器对不同噪声的处理效果，如图4－1所示。③ 对于某些增强技术由于其参数设置的不同，将会得到不同的增强效果，学生可以手动重新设置参数，以观察图像处理后的效果。
交互手段的设计突破了课件仅仅起到演示功能的作用，方便了学生个性化的学习，并符合个人认知的特点。
2.4 教学理念的设计
本着开放性原则，本课件代码全部对学生开放，学生机器中只要安装有MATLAB软件就可以查看源代码，教师与学生共享代码。每个模块都是单独的m文件，这便于课件的进一步扩展，如果需要增加新的模块只要单独编写m文件，将其与主模块挂在一起即可。这样对一部分对课程钻研较深的同学，提供了一个很好的学习平台。很多学生不再满足于老师所“给”的知识，他们有更强的主动根据自己的需求“索取”的意识，他们不满足于仅仅“知其然”，还要“知其所以然”。学生在使用课件的过程中会思考，并试图设计新功能或实现图像处理的改进算法以满足个性化的需求，教师应该鼓励学生的这种求知欲望，并引导或一起进一步开发完善课件。这样一种教学理念的改进使得本门课程的学习形式也发生了很大转变，学生参与和老师一同改进课件，再一同学习，从而获得了极大的成就感、满足感和自信心，也增强了科研和动手的能力。
3 课件功能及实现
3.1 主界面的设计实现
在MATLAB工作间键入guide命令将会出现GUI设计窗口，在该窗口分别放置1个静态文本框（Static Text）用于显示标题、1个activex2控件（Microsoft InkPicture Control）用于显示图片、4个按钮控件（Push Button）用于进入不同的功能界面，利用菜单工具设计简单快捷的菜单，效果如图2所示。主界面的设计力求简单明了，学习者看后方便快速进入相关主题。
图2 医学图像增强技术演示课件主界面（略）
3.2 灰度变换
利用图像灰度级的分布可以看出图像灰度分布的特性。如果大部分像素集中在低灰度区则图像呈现暗特性，反之则呈现亮特性。灰度变换的目的是通过改善直方图的灰度分布特性，进而改善图像的质量。灰度变换的方法包括直方图灰度变换、直方图均衡化、直方图规定化。本研究以直方图均衡化为例说明该模块的设计功能。直方图均衡化是利用直方图的统计数据进行直方图的修改，能有效的处理原始图像的直方图分布情况，使各灰度级具有均匀的概率分布，通过调整图像灰度值的动态范围，自动增加整个图像的对比度，以致图像具有较大的反差，大部分细节比较清晰［1］。如图3所示，为脑膜炎患者的MR图像，通过直方图分析，原图像大面积为暗色，并且层次不清，经过直方图均衡化后，直方图的灰度间隔被拉大，显得较为“平坦”，灰度层次等级增加，然后用此均衡直方图校正图像，有利于图像的分析与识别。
主要程序部分代码如下：
I=imread('脑膜炎.jpg');
J=histeq(I);
subplot(121);imshow(I);
title('原图')
subplot(122);imshow(J);
title('直方图均衡化后');
figure，subplot(121);
imhist(I，64);
title('原始图像直方图');
subplot(122);imhist(J，64)
title('均衡变换后直方图')
图3-1 均衡化前后的脑膜炎图片（略）
图3-2 均衡化前后的脑膜炎图片直方图比较（略）
3.3 空域滤波
空域滤波在处理效果上来分，可以分为平滑滤波器和锐化滤波器。下面以平滑滤波器为例介绍课件功能及实现。
平滑滤波器的目的在于消除混在图像中的干扰，常使用的滤波器有均平滤波器filter2()、中值滤波器medfilt2()、维纳滤波器wiener()。例如由于医学成像设备CT机自身的原因，在CT图像中容易产生高斯白噪声，严重影像了图像的质量，为了去除此类干扰可采用维纳滤波器；如果影像本身带有盐椒噪声，可采用中值滤波器。如图4-1和图4-2所示为本课件的3种滤波器，课件所给原CT图像为清晰图片，学生可以通过菜单给图像增加盐椒噪声(SALTPEPPET)或高斯噪声(GUASSIAN)，然后采用不同滤波器进行处理，对比其效果。
图4-1 添加盐椒噪声的图像界面（略）
图4-2 进行中值滤波后的图像界面（略）
主要实现代码如下：
imnoise(I，''salt && pepper''，0.02) ％添加盐椒噪声
imnoise(I，''gaussian''，0，0.005) ％添加高斯噪声
filter2(fspecial(''average''，3)，I)/255 ％均平过滤器
medfilt2(I，［3 3］) ％中值过滤器
wiener2(I，［5 5］) ％维纳滤波器
3.4 频域滤波
由于图像的边缘、跳跃部分及噪声颗粒是图像信号的高频分量，大面积的背景区域代表了图像信号的低频分量。因此，在频域内采用低通滤波器可以进行滤波，使用高通滤波器可以进行边缘检出［2］。其中，常用低通滤波器有理想低通滤波器、Butterworth低通滤波器、指数低通滤波器和梯形低通滤波器等；常用高通滤波器有理想高通滤波器、Butterworth高通滤波器、指数高通滤波器和梯形低通滤波器等。如图5所示，为线性高通滤波前后的比较。主要实现代码为：
i=imread('head3.jpg') ％读入图像：
g=［-1 -1 -1 ;-1 8 -1;-1 -1 -1］ ％设置线性高通滤波模板
：h=double(i) ％转换为double类型
：conv2(h， g) ％进行线性高通滤波
imshow(i) ％显示图像：
图5 线性高通滤波（略）
3.5 彩色增强
医学影像如CT、MR、B超、X光片都是灰度图像，尽管这些设备的成像质量很高，可以将灰度等级分成2000多阶，但人眼只能分别出其中16个灰度等级。若将 2000个灰度等级，划分为 16个灰阶则，每个灰阶所能分辨的CT值为2000／16＝125Hu。即相邻两组织CT值相差125时人眼才能将二者区分出来，若小于此数值，处于同一灰阶则不能分辨。而人体组织的C T值在相差几个HU单位时（3～5Hu）就有重要的诊断意义。然而，人眼对彩色的敏感程度远远高于对灰度的敏感程度，利用人眼的这一视觉特性，可以对医学图像进行伪彩色处理，使病灶部分能够较清晰的显现出来。如图6所示为肠道病毒引发的脑干脑炎（手足口病）MRI图像［3］，本课件使用了患者脑部脑干部分横切面图像进行分析。可以看出，灰度图像病灶部分模糊不清，但对其进行伪彩色处理后，可以较清晰地辨认出病灶的轮廓和大小。其主要实现方法为，首先读入灰度图像，然后将灰度图像分层，对图像数组进行等分层处理，最后利用PColor()进行彩色变换。
图6 脑干脑炎炎症部分利用伪彩色增强前后的比较（略）
本模块的主要实现代码如下：
I=imread('head.tif');
subplot(121);imshow(I);
%将灰度图像分成8层
title('灰度图像')
I=double(I);
J=floor(I/32);
%对图像数组进行等分层处理
J1=floor(J/4);
J2=rem(floor(J/2)，2);
J3=rem(J，2);
%进行彩色变换
PColor(:，:，1)=J1;
PColor(:，:，2)=J2;
PColor(:，:，3)=J3;
subplot(122);imshow(PColor);
title('伪彩色增强后图像')
4 总结
利用MATLAB制作医学图像增强技术课件，能够充分利用MATLAB在数字图像处理方面的强大优势。MATLAB中包含了几乎所有的图像处理方法，软件良好的开放性以及语言的简洁明了便于执教教师的开发和使用。在医学图像处理课程中使用医学图像增强技术课件可以使学生直观地了解医学图像处理技术的实质，加深对医学图像处理的理解，将教学与实验结合起来，有助于改善教学的薄弱环节，增强医学生在本门课程学习中的动手能力，拓展医学图像处理的基础知识，提升实践技能。
【参考文献】
1 袁丽婷，邱力军.基于Matlab的X线医学图像增强与直方图处理方法.第四军医大学学报，2007，28（4）：376～378.
2 王家文，曹宇编著，MATLAB6.5图形图像处理.北京，国防工业出版社，2004，304.
3 http://www.radinet.com.cn/news_view.asp?id=4774.