基于分水岭算法的交互式三维分割方法

纪建鹏;黎丽华;杨荣骞;吴效明

【摘 要】背景:在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割.目的:为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法.方法:提取CT 序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割.首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT 序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域.结果与结论:基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像.利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征.%BACKGROUND: The accurate three-dimensional (3D)segmentation of humantissue can improve the accuracy of clinical diagnosis, the traditional gradient watershed segmentation has the over-segmentation problem which makes the 3D segmentation of human tiss ue hard to implement.OBJECTIVE: In order to segment human tissue's 3D structure and reduce the influence of the pseudo-minima points on image segmentation, to propose an interactive 3D segmentation method based on marker-controlled watershed algorithm. METHODS: The internal and external markers of CT sequence images were extracted, then the gradent images were modified to segment the images. According to the similarity of neighbouring slices, we segmented the 3D structure of humantissue

using human-computer interactive method. We first selected a pointfrom the interested area in the f I rst s lice. Then we could extractthe interested area from the 3D slices by using the overlap relationship of tissues on continuous CT slices. RESULTS AND CONCLUSION: The marker-controlled watershed algorithm solves the over-s egmentation problem which segmentng the original gradient images meets. The proposed method makes it possible to make the further segmentation. The results suggest that, the segmented result using interactive3D segmentation based on watershed algorithm can clearly and accurately shows the 3D features of the tissue.

【期刊名称】《中国组织工程研究》 【年(卷),期】2011(015)039 【总页数】4页(P7351-7354)

【关键词】医学图像;控制标记符分水岭;人机交互;三维分割;数字化医学 【作 者】纪建鹏;黎丽华;杨荣骞;吴效明

【作者单位】华南理工大学生物科学与工程学院生物医学工程系,广东省广州市510006;华南理工大学生物科学与工程学院生物医学工程系,广东省广州市510006;华南理工大学生物科学与工程学院生物医学工程系,广东省广州市510006;华南理工大学生物科学与工程学院生物医学工程系,广东省广州市510006 【正文语种】中 文 【中图分类】R318

背景：在临床中准确对人体组织进行三维分割能提高临床诊断的准确性，但传统的分水岭算法存在过度分割问题，难以实现人体组织的三维分割。

目的：为准确三维分割人体组织，减少图像中伪极小值点对图像分割的影响，提出了一种基于控制标记符分水岭的交互式三维分割方法。

方法：提取CT序列图像的内部和外部标记符，以此修正梯度图像并进行分割；在此基础上，根据序列图像上下层的相似性，利用人机交互进行组织结构的三维分割。首先在第一张序列图像上手工选取感兴趣区域上的一个点，借助同一组织在连续CT序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域。

结果与结论：基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题，便于进一步分割图像。利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征。 图像分割是图像处理过程中至关重要的一部分，在医学影像分析领域，图像分割可以将医学图像中不同的生物组织分割成不同的区域[1]。现有的图像分割方法主要有基于区域的分割方法、基于边缘的图像分割方法、模糊C均值聚类法、分水岭分割算法等[2-3]。阈值法是基于区域的分割方法，是一种简单有效的图像分割方法，特别是不同物体或结构之间有很大的强度对比时，能够得到很好的效果。它用一个或几个阈值将图像的灰度级分为几个部分，它认为具有同一灰度值的象素属于同一个物体[4]。它的主要局限是，最简单形式的阈值法只能产生二值图像来区分两个不同的类；另外它只考虑象素本身的值，一般不考虑图像的空间特性，这样就对噪声非常敏感[5]。区域生长方法是另一种基于区域的分割方法，它根据图像中感兴趣区域的性质，如灰度、纹理、色彩等，把感兴趣区域分割出来；其一般过程为，从预先选定的生长点向邻域搜寻与生长点灰度差小于某设定值的点；其优点是操作简单，分割速度快；缺点是在图像的灰度发生突变或者有噪声的地方可能会出现小洞，因此需要一定的后处理[6]。

传统的分水岭通过模拟水盆浸盖过程，将不同水域作为分割图像的一部分[7]。该算法对噪声非常敏感，将导致严重的过分割，图像分割实效性较差[8]。而基于控制标记符的分水岭算法能较好解决过分割现象，因此本文采用基于控制标记符的分水岭算法，以胸部CT图像为例，分割心脏主动脉，通过人机交互的方式，选中并提取心脏CT序列图像中的三维主动脉[9]，本算法可解决传统分水岭算法造成的过分割现象，通过CT序列图像的连续性准确选取序列图像的对应区域，后期可通过三维图像可视化直观呈现，便于医生更好地分析病情与治疗[10-11]。 华南理工大学生物科学与工程学院生物医学工程系，广东省广州市510006 纪建鹏，男，1989年生，山东省青岛市人，汉族，华南理工大学在读，主要从事医学图像处理研究。********************修回日期：2011-07-13 (20110615015/GW·W)

1.1 分水岭算法的原理 分水岭算法的基本思想是把图像看做地貌，以海拔高度象征象素灰度值，集水盆象征局部极小值，分水岭象征集水盆的边界[12]。分水岭的形成过程可以用模拟浸入来进行说明。假设有水从模型底部慢慢侵入并积累，各集水盆中水位不断升高，在相邻集水盆的汇合处，防止其合并的高地即为分水岭[13]。 传统的分水岭算法是通过对原始图像的梯度图像进行处理[14]，但是由于梯度图像中存在相当多的伪极小值，它本身存在严重的过分割问题，本文通过基于标记符的分水岭图像分割算法[15]，从原始梯度图像中寻找与物体相关的局部极大值作为标记内部标记符，将背景作为外部标记符，构成标记图像[16]。这种算法可以在保护边缘信息的前提下有效简化图像，最终获得理想的图像分割结果。 1.2 分水岭算法的MATLAB实现

基于控制标记符的分水岭分割算法的整体流程如下[17]：

获取梯度图像：本文通过fspecial函数建立prewitt梯度算子求取梯度图像，利用式(1)获取梯度图像。

其中 为横向边缘，为纵向边缘。

具体步骤如下：求prewitt纵向算子[18]及横向算子；利用滤波法处理各向梯度得到纵向边缘gv和横向边缘gh；得到梯度图像

内部标记符：梯度图像中有许多伪极小值，本文使用imextendedmax函数对选定内部区域进行标记，此函数可以计算在大于某阈值限制下图像中大于周围点的集合，从而消除某些与分割问题不相关的极小值。 函数格式为：im = imextendedmin(I，H)

其中，I为double格式的原始图像，阈值H参照所选目标区域的CT值进行选取。函数输出参数im为一大小与I相同的矩阵，im中局部极大值点的值为1，其他点的值为0，则im中为1的点即内部标记点的集合。

外部标记符：本文通过计算内部标记符图像的距离变换的分水岭变换得到外部标记符集合，因其得到的分水岭脊线介于高CT值区域中间，适合作为外部标记符。 算法步骤如下：对于内部标记符图像，求各象素到最近非零值的距离，得矩阵df；对df矩阵进行分水岭变换；分离出其中的分水岭脊线，作为外部标记符集合em。 利用内部和外部标记符修正梯度图像：本文使用强制最小技术，使用形态重构修改梯度图像，把梯度图像g中内部标记符im和外部标记符em为1的区域强制为最小[19]，再对图像进行分水岭变换，此算法可有效分离背景和所需标记区域：g2=imimposemin(g，im|em)，其中im为包含所选区域在内的高亮度区域，包含内部标记点，em为包含分水岭脊线的外标记点集；对修改后的梯度图像g2进行分水岭变换；

2.1 基于面积重叠的三维分割原理 本文根据序列图像上下层间的相似性，利用相邻层图像中对应区域的面积重叠关系实现组织的三维分割。

本文采用人机交互方法，其原理见图1所示，通过鼠标点选第一张CT图像a1中感兴趣区域。利用分水岭算法分割后的图像各区域具有相应的特征值。在同一分割

区域内各点的特征值相同，据此可提取选点所在区域A1的坐标集合。

在下一张图像a2中，寻找与A1有重叠关系的区域，如图所示即A2、A3。图中AO2、AO3是区域A2、A3与A1重叠的部分。若重叠部分面积占该区域面积一半以上，则认为该区域与上层感兴趣区域为同一组织，否则为不同组织。若图中A2、A3、AO2、AO3的面积依次为SA2、SA3、SAO2、SAO3，由于

SAO2/SA2＞0.5，因此A2与A1为同一组织；SAO3/ SA3＜0.5，因此A3与A1为不同的组织。其他相邻层间的组织也可利用此算法分割出来。 2.2 组织整体分割算法MATLAB实现

基于面积重叠关系的组织三维分割算法的整体流程如下：

3.1 分水岭算法分割效果 图2所示为直接对梯度图像进行分水岭分割的结果，由于梯度图像中具有许多伪极小值点，所得结果会出现严重的过分割问题。 图3所示为标记分水岭分割效果，这种算法可以准确分割出图像中的高亮度区域且对背景有所处理。

对图像进行内部标记可突出选中区域，而外部标记可以准确选取背景。标记分水岭算法使得图像更为清晰易读，便于图像的观察和后续处理。

3.2 三维分割效果 使用基于标记符分水岭分割算法的交互式三维分割方法在胸部序列CT中分割主动脉，图4a所示为原始CT序列图像，图4b所示为主动脉的分割效果。

对分割后的连续CT图像进行三维重建[20]，得到结果见图5所示。

由三维重建效果图可知，所分割的连续CT图序列中主动脉部分的信息较为连贯，且三维图像满足主动脉根部的几何特征，因此验证了本算法的有效性。

本文提出了一种基于分水岭算法的交互式三维分割方法，此算法解决了直接应用梯度图像进行分割的过度分割问题，使获得的图像便于进一步的分割。此外，本文提出一种交互式的三给维分割方法，将感举组织区域的三维结构分割出来，使得医生

能够方便直观地观察，有利于进一步的诊断。

来自本文课题的更多信息--

作者贡献：杨荣骞进行实验设计，实验实施为纪建鹏与黎丽华，实验评估为纪建鹏与黎丽华，资料收集为纪建鹏，纪建鹏成文，吴效明审校，纪建鹏与杨荣骞对文章负责。

利益冲突：课题未涉及任何厂家及相关雇主或其他经济组织直接或间接的经济或利益的赞助。

本文创新性：以“图像分割，分水岭，梯度分水岭”为关键词检索中国期刊网2007/2011文献，共检索到20篇，传统的分水岭通过模拟水盆浸盖过程，将不同水域作为分割图像的一部分。该算法对噪声非常敏感，将导致严重的过分割，图像分割实效性较差。实验利用基于控制标记符的分水岭算法以及 CT序列图像同一器官上下层间的重叠关系实现器官或组织的三维分割，解决了传统分水岭算法的过度分割现象，并且将分割结果进行可视化后可清晰准确地反映血管的三维结构特征。 【相关文献】

[1] Bai Y,Sun Y,Hu YP,et al.Zhongguo Yixue Yingxiang Jishu. 2007; 23(9):1402-1404.白杨,孙跃,胡银萍,等.蚁群算法在磁共振图像分割中的应用[J].中国医学影像技术,2007,23(9):1402-1404. [2] Wen XK,Qing QY,RunPL.The Comparative Research on Image Segmentation

Algorithms. 2009 First International Workshop on Educational Technology and Computer Science,20092: 703-707.

[3] Padmavathi G,Muthukumar M,Thakur SK.Implementation and Comparison of Different Segmentation Algorithms used for Underwater Image Based on Nonlinear Objective Assessments.2010 3rd International Conference on Advanced Computer Theory and Engineering, Chengdu, 2010: 393-397.

[4] Li Q.Tongren Zhiye Jishu Xueyuan Xuebao. 2008;6(6): 52-54.李强.图像分割中的阈值法研究[J].铜仁职业技术学院学报,2008, 6(6): 52-54.

[5] Zhao CY,Yan CQ,Shi XF.Zhongguo Keji Xinxi. 2009;21(1):42-43.赵春燕,闫长青,石秀芳.图像分割综述[J].中国科技信息,2009,21(1): 42-43.

[6] Zhu HW,Liu YJ,Zeng YJ.Beijing Shengwu Yixue Gongcheng. 2005;24(2):155-159.主海文,刘有军,曾衍钧.血管图像分割技术的研究进展[J].北京生物医学工程, 2005,24(2):155-159. [7] Gonezalez RC,Woods RE.Digital Image Processing Second Edition.Beijing：Publishing House of Electronics Industry,2002.

[8] Tang G,Zhao XD,Wang YM.Jisuanji Xuebao. 1998;21(3):204-209.唐果,赵晓东,汪元美.三维医学图像分割与可视化研究[J].计算机学报,1998,21 (3): 204-209.

[9] Wang XY,Xu JR.Zhongguo Jieru Yingxiang yu Zhiliaoxue. 2009; 6(1): 91-94.王小燕,许建荣.图像分割技术在血管图像中的应用[J].中国介入影像与治疗学, 2009,6(1): 91-94.

[10] Liu YH,Zhao QJ.An Improved Watershed Algorithm Based on Multi-Scale Gradient and Distance Transformation. 2010 3rd International Congress on Image and Signal Processing, Yantai, 2010.

[11] Ma LH,Zhang Y,Deng JP.Zhongguo Yingxiang Tuxing Xuebao. 2003;8(1):77-83.马丽红,张宇,邓健平.基于形态开闭滤波二值标记和纹理特征合并的分水岭算法[J].中国图像图形学报,2003,8(1): 77-83.

[12] Spender JC.Managing a Socially Constructed Technology: the Case of CT Scanning. Proceedings of the 28th Annual Hawaii International Conference on System Sciences, Hawaii,1995: 523-532.

[13] Chen JB,Yu SH,Shu ZY.Changjiang Daxue Xuebao. 2008;5(2): 96-98.陈军波,喻胜辉,舒振宇.基于控制标记符分水岭的医学图像分割[J].长江大学学报,2008,5(2): 96-98.

[14] Sun Y,He GJ.Kexue Jishu yu Gongcheng. 2008;8(11): 2776-2781.孙颖,何国金.基于标记分水岭算法的高分辨率遥感图像分割方法[J].科学技术与工程,2008,8(11): 2776-2781.

[15] Wu X,Wan B,Xu XQ,et al.Weijisuanji Xinxi：Jiankong Zidonghua. 2006;22(8): 174-176.吴璇,汪渤,徐学强,等.形态学梯度重建的改进快速分水岭算法[J].微计算机信息：测控自动化,2006,22(8): 174-176.

[16] Gao L,Yang SY,Li HQ.Zhongguo Tuxiang Tuxing Xuebao. 2007; 12(6): 1025-1032.高丽,杨树元,李海强.一种基于标记的分水岭图像分割新算法[J].中国图像图形学报,2007,12(6): 1025-1032.

[17] Jiang LL,Wang S,Wang BC,et al.Jisuanji Jishu yu Fazhan. 2010; 20(1): 39-42.蒋璐璐,王适,王宝成,等.一种改进的标记分水岭遥感图像分割方法[J].计算机技术与发展,2010,20(1): 39-42. [18] Li X.Wuhan：Huazhong Keji Daxue.2007.黎鑫.基于形态学梯度和分水岭的图像分割算法研究[M].武汉:华中科技大学,2007.

[19] Soille P. Morphological Image Analysis Principles and Applications. Berlin, Gemany. Springer-Verlag, 1999.

[20] Dai H,Lu DH,Yang YF.Shanghai Ligong Daxue Xuebao. 2007;29 (2): 165-170.戴虹,吕东辉,杨云峰.距下关节CT序列图像分割及信息提取研究[J].上海理工大学学报,2007,29(2): 165-170.