数字牙ｘ线图像特征及边缘提取实用方法研究

《数字牙ｘ线图像特征及边缘提取实用方法研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、数字牙Ｘ线图像特征及边缘提取实用方法研究【关键词】牙Ｘ线图像；图像特征及边缘提取；ＭＡＴＬＡＢ　７.０　　数字牙Ｘ线图像特征及边缘提取是数字Ｘ线牙体诊疗设备能否准确分析病症的关键，也是有待普及的牙Ｘ线片多媒体教学软件的技术关键。由于牙Ｘ线机不能象光学透镜那样聚焦，牙Ｘ线影像图像边缘及特征都不够清晰，即使在采用合适方法增强对比度后，图像特征及边缘仍然不易提取。本课题从最基本的牙Ｘ线平片数字影像入手，对传统的图像处理方法实验分析、总结，提出了“按灰度分层法”和“定点灰度增长法”来提取特征及边缘，并在ＭＡＴＬＡＢ中编程实现。　　１牙Ｘ线图像特征及边缘特点牙Ｘ线图像与普通图像相比本质上具有模糊性和不均

2、匀的特点，这是由于：（１）医学影像具有灰度上的含糊性，且同一组织具有的影像有着大幅度的变化。（２）局部体效应。在边界上通常同时包含两侧物体的影像，导致无法对边界进行准确的判断。（３）不确定性的知识。在病变情况下，会出现一些正常情况下没有的组织。上述这些特点使得牙　Ｘ线图像特征及边缘的提取成为临床应用及多媒体教学的瓶颈。　　２传统牙Ｘ线特征及边缘提取方法传统图像边缘提取方法中的阈值分割法及微分算子法都是在整个图像区域提取梯度较大的点，适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。微分算子法利用相邻区域像素值不连续的性质，采用一阶或二阶导数来检测边缘点。针对牙Ｘ线图像，若按梯

3、度来划分区域，则图像中区域过多，边界也自然较多，即便指定较小特征区域，该方法所获得边缘也较混乱，不易区分（图1）从上述图像特定区域边缘提取中可以看到，即便采用算法相对复杂的二维ｃａｎｎｙ算子，图像中区域边缘连续性虽较好，但小区域众多，不易区分指定特征区域。此算法直接应用于数字Ｘ线牙体诊疗设备，基本是不可行的。基于上述分析，靠选定合适单阈值来分隔特征区域基本是不可能的，但若采用双阈值法还是可行的，ＭＡＴＬＡＢ中可使用函数Ｇ＝ｒｏｉｃｏｌｏｒ（Ｐ，Ｔ１，Ｔ２）；或表达式Ｇ＝（Ｐ＞＝Ｔ１　　Ｐ＜＝Ｔ２）。实践中可配合滚动条，交互选择双门限，图像变换直观，算法简单实用，便于观察，也便于教学。　　３实用

4、牙Ｘ线特征及边缘提取方法　　３.１按灰度分层法（牙冠、龋洞边缘提取）图２龋蚀牙齿原图像及分５层处理后图像该方法把256级灰度图像平均分成ｎ个灰度级。这样原来图像中相近灰度级就代表了不同区域，便于分割，默认256级灰度的牙×线图像的牙髓：龋洞等目标区域，其灰度与周围图像的分割既可利用此方法实现。如上图所示：原图像按灰度平分５～８级，实践中所需的特征区域可基本与背景分开。由于特征区域灰度已唯一，二值处理就很容易了。该方式简单、实用，对一般性牙Ｘ片诊断是合适的。在医疗及教学实践中，还可以设一滚动条，交互式调节灰度需求层数，方便观测。相关函数ｌｅｖｅｌ（Ｐ，ｎ）中，Ｐ为图像矩阵，ｎ为指定灰度级（程序略

5、）。　　３.２定点按灰度增长法提取边缘（填充物及龋洞边缘提取）　　牙Ｘ线图像中，特征区域与背景灰度不唯一，背景中也经常不同程度地存在与特征区域灰度相近的小区域。如果直接采用阈值法，则特征区域的提取就不唯一，还需再分离。定点按灰度增长法，即指定中心点集合，并在给定灰度相似范围内增长特征区域的方法。本方法既可便于交互操作，又保证了特征区域的连续性。相关函数ｍｏｕｎｔ（Ｐ，Ａ，ＰＨ），Ｐ为输入图像，Ａ为给定参数矩阵，ＰＨ为指定特征灰度值（实验中为０或２５５）。其中Ａ矩阵由行向量组成，每行为：中心坐标ｘ与ｙ，灰度相似程度ｓｃａｌｅ，及扫描次数ｃ。ｍｏｕｎｔ　函数逐行调用Ａ矩阵中行向量，以其给定的中心点

6、为开始点，按给定的灰度相似程度，向４方向增长特征区域，并在整个图像范围内进行给定次数的扫描，生成相应图像；在调用完所有行向量后，ｍｏｕｎｔ函数再将每行扫描生成的图像合并后返回（程序略）。　　实验步骤：龋洞特征区域边缘提取过程如图4所示，图(1)为原图像。　　（１）确定基准点矩阵。例：龋洞选取三个基准点，其坐标、灰度相似程度及循环扫描次数如相应行向量所示：Ａ＝６５３０１１５７０６５８５８０２０５５（２）利用开发函数，按定点增长法确定特定区域（Ｇ＝ｍｏｕｎｔ２（Ｐ，Ａ，０）；实验结果如图4（２）所示）。（３）提取二值图像（Ｂ＝Ｇ～＝０；实验结果如图4（３）所示）。（４）采用指定结构元素矩阵　（ＳＥ

7、＝ｏｎｅｓ（２））　与上述二值图像进行开启运算（ＩＥ＝ｉｍｅｒｏｄｅ（Ｂ，ＳＥ）；ＩＯ＝ｉｍｐｉｌａｔｅ（ＩＥ，ＳＥ）；实验结果如图4（４）所示）。（５）提取边缘（ＥＤＧＥ＝ｂｗｐｅｒｉｍ（ＩＯ）；实验结果如图4（５）所示）。牙髓、牙根、填充物等许多牙齿特征区域都可以通过上述方法提取边缘。由上述图示可见，采用此方法提取的特征及边缘清晰、连续，为后期相关特征值的计算奠定了基础。该方法简单、实用，适于