医学B超图像降噪处理的三种方法比较

　　现代医学B超图像,无论是线扫还是扇扫的,其图像在形成过程中由于受到X射线源固有噪声、量子涨落、电子光学系统成像噪声、机械噪声、信道噪声及在成像链中其它组合元件带入噪声的影响,特别是当波长与照射物体表面粗糙度相当时,就会产生斑点噪声,这一现象可以用随机散射模型来解释[1].这些噪声的存在可使获得的图像不清晰,尤其是掩盖和降低了图像某些细节信息,为以后的图像识别及病情诊断造成不利的影响.因此,为了抑制这些噪声,改善图像质量,必须对图像进行降噪处理.本文针对医学B超图像分别采用中值滤波、自适应滤波和小波阈值降噪处理这三种方法,对同一图像进行了处理,并对三种方法的效果作了对比.

　　1　三种降噪方法的原理

　　1.1　中值滤波法

　　对受到噪声污染的图像降噪可以采用线性滤波,但多数线性滤波是低通滤波,在去除噪声的同时也使图像的边缘变的模糊,丢失了有用信息,而中值滤波是一种非线性滤波,它可以去除图像中的脉冲噪声和椒盐噪声,同时可以保护图像边缘不被模糊.中值滤波的基本原理是把数字图像中一点的值用该点的一个领域的各点值的中值代替.其基本技术思路是对窗口内的所有像素灰度进行排序,取排序结果的中值作为原窗口中心点处像素的灰度.它的工作步骤如下[2]:

　　1)将模板在图中游走,并将模板中心与图中某个像素位置重合;

　　2)读取模板下各对应像素的灰度值;

　　3)将这些灰度值从小到大排列成一列;

　　4)找出这些值里排在中间的一个;

　　5)将这个中间值赋给对应模板中心位置的像素.

　　由此可以看出,中值滤波器的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值,从而可以消除孤立的噪声点.

　　1.2　自适应滤波法

　　中值滤波法降噪是在整幅图像中应用相同的模板.但是在医学B超图像中,不同区域内图像性质不同,且其叠加的噪声幅度也不尽相同,故应根据图像的局部区域特性自动选择相应的滤波器模板,这种滤波器称为自适应滤波器.

　　由于在医学B超图像中,在出现边界或其它突变结构时,灰值变化较大,从而其方差较大,而噪声方差较小,同时此时由于为有用信息,故应以保持信号为主.而在灰值均匀分布的区域,其方差主要由噪声决定,而噪声方差较小,故此时应以去噪为主.据此可以设计自适应滤波器.它的技术思路为:估计每个像素的局部区域的均值和方差

　　式中:η为图像中一个M*N像素的矩形局部区域;M,N分别为该邻域像素矩阵的行数和列数;n1,n2为像素坐标;a(n1,n2)为原始图像中(n1,n2)像素的灰度值;b(n1,n2)为图像自适应滤波后(n1,n2)像素的灰度值.