肺部成分萃取和排序

如果想要更容易和精確的分析肺的病灶和位置，那麼將其他不相關的影像細節移除 是必須的。在分出含有肺的胸部分類後，就可以來運用型態學的各種數位影像處理方法 來達成我們需要的效果，而物體辨識中尤其重要的就是“邊緣偵測＂技巧了；以人類視 覺角度來看，如要了解所看到的物體為何，就是要知其形狀然後判斷，相對於影像處理 也是。

本論文的數位影像處理是採用空間域的直接處理，先對圖檔取門檻值在進行邊線偵 測，隨後以“邊界跟隨演算法＂求出主要邊緣，最後再以此邊框挖取出肺部成分，去除 其他不需要的影像，並將影像資料進行排序以利後面階段的執行。其過程如下圖所示：

圖 3.10：肺部成分萃取流程

3.4.1 臨界值法

取門檻值最主要的功用是將“影像分割＂，經由此動作之後可以較能把背景和主要 目標景物區分開來，保留我們真正感興趣的影像。現在我們來看一張原始的橫切電腦斷 層掃描資料，如圖 3.11。

圖 3.11：原始影像

圖 3.12：邊緣運算後的影像

從此影像觀察應該可以隱約看出除了人體外，四周仍有像是衣服或者覆蓋物之類的 其他物品。如果直接想要單單只使用邊緣偵測就要將主要的邊線找出是不容易的。圖 3.12

胸部影 像資料

門檻值(T)化

≦T 之影像

＞T 之影像 邊線偵測 邊界跟隨 填充挖取

排序 肺組織

選取到錯誤的主要邊緣，在此就需要取門檻值除掉雜質邊線，讓我們的主要人體線條更 加明顯，並在之後來邊緣偵測就可以得到我們想要的目地邊線。

門檻值化通常是將物體和背景的灰階值直接二值化，顯現出物體的值為一，背景的 值為零，在此我將會利用此兩種值來做兩種用途，門檻值 T 的選擇為“-374＂。

(3.9)

是原始電腦斷層掃描影像，點 的 HU 值； 是門檻化後的影像資料。

I. 以值為一當遮罩，將被遮罩的原始影像值保留，作

用為：取得身體邊緣。

使不必要的邊線消除和顯現人體外形；尤其是人體上方的雜質邊線，避免此資料影 像做邊線偵測後，進行邊界跟隨處理時，找到錯誤的起始點資訊。

(3.10)

是原始影像中和 值為一的座標，相同位置的原始影像資料值。

II. 以值為零當遮罩，將被遮罩的原始影像值保留，作

用為：取得肺部成分。

此項資料會與最後求出的人體邊界相互結合，得到僅僅含有肺部的像素影像。

(3.11)

是原始影像中和 值為零的座標，相同位置的原始影像資料值。

3.4.2 邊緣偵測

相信這是最基本且最為大家所熟知的方法，找出物體的外形在空間影像處理方面是 很重要的，如此才可知此影像為何以及該做哪些動作。常見的邊緣運算的遮罩(mask)有

“Sobel＂、“Prewitt＂和“Roberts＂諸多類型。且遮罩的組成有方形、矩形和圓形；維

度則有 、 和 等等，不過以方形和 的遮罩容易執行的特性是較為廣泛

使用的，上述 3 遮罩類型其係數如下，圖 3.13。

圖 3.13：Roberts、Prewitt、Sobel

以上的各遮罩效果是以“Sobel＂所顯現的邊界較佳，也就是銳利度較高，不過仍取 決於需求的方向，而我則需要人體輪廓的清楚顯現且連接良好，才能順利的以邊界跟隨 操作得到完整且唯一的邊線，取出我們要分析的肺部區塊影像。

作完門檻值化後，不必要的邊緣就不會在測邊後出現，因此取 作邊線偵測運算。

(3.12)

是經過測邊後的影像資料， ：以“Sobel＂為面罩的邊緣運算方程式。

— 邊線取得的改良

雖然以“Sobel＂作邊界偵測的銳利度很高，但是仍有機會出現邊界資訊不連接的情 況，那將會使得邊界跟隨演算過程中找到不完整的邊線，使得肺部組織不能全部求得，。

因此，為了改善這個問題，就要另外使用需較多步驟和運算的方法，像是以(Local mask) 和(Global mask)的求邊界方法[19]，來輔助得出連續性的人體外形，不過其計算量和空間 使用上有點大量。因此，在此是使用膨脹或侵蝕運算，其演算法如下：

當發現有不連續的情況發生，則

A. 將 影像二值化

成為 ，以便作侵蝕動作。

如圖 3.14

(3.13)

圖 3.14：A 點說明圖

B. 對 侵蝕處理成 。

(3.14)

此處的 是方程式(2.15)侵蝕方程式。藉由侵蝕的特性， 四周將會減少一個像 素點，而這些減少的各像素剛好形成完整又連續的邊，也正是我們原先不連續的邊線，

此舉等於是將有斷掉的邊緣部分接續起來。

C. 最後，將 值為 1 和 值為 0 的座標找出，

就是具有完整的邊線資料圖 。

(3.15)

圖 3.15：結合後的

如此就可以使得主要的人體邊界不間斷，形成完整的邊線。

3.4.3 邊界跟隨演算法找邊

此演算法在邊界分明情況下，在找出我們想要的邊是很有功效的。由上圖 3.15 來觀 察，如果只想要留下身體的影像並把像是平台或是不相關的物體移除，就不需刻意的去 處置那個礙眼的平台；因為經過門檻化後，可以看見軀體是位於影像最上方且周圍沒有 其他邊線資訊，這樣可求得正確的邊界起始點，取出人體的邊線資料。

圖 3.16：邊界演算過程圖

(3.16)

是 作邊界跟隨演算後，身體邊線的影像資料值， 是邊界跟隨方程式。

邊界跟隨演算法可以找出某單一物體影像邊界，如此就可以獨立出此物體，也改變 了之前學長以膨脹和侵蝕來去除周圍物體的方法[3]，多次的膨脹和侵蝕運算是比較耗費 執行時間，也比較不清楚要執行幾次才能將不要的物體清除，所得出的外型也比較不完 整，這是比較不理想的地方。而在後面的肺裂隙處理上，將會把左右肺分離出來各別執 行，使邊界判定上和分析更加容易。

3.4.4 區域填充取出肺組織

人體外形資料取得後，則可以用此邊線框出肺部成分像素，作法為使用區域填充來 把內部填滿，在和只留下符合肺細胞 HU 值的影像作比對，挖取出肺部組織的影像資料。

不過由於此方法也是“迴旋運算＂的一種，所以執行時間也會增加。既然主要邊線已經 確定則也可大約的比對挖取肺部，節省時間。

(3.17)

圖 3.17：影像區域填充演示圖

在此是第 張原始影像的肺部資料， 是區域填充方程式(2.16)。如此，就可以 取出全身的肺部區域的醫學影像，進行標出裂隙。

3.4.5 影像排序

以 MATLAB 雖可以直接的讀取影像二為矩陣資料，但是每一張電腦斷層掃瞄影像資 料的順序是沒有從頭到腳，由上而下的排放，由於在顯示出肺部裂隙的處理上，我們是 依照影像彼此的資料相關連續性為基礎，有順序的進行標示裂隙的動作。如此就需要分 辨其檔名(其檔名規則，由大到小錯置排列)進而重新排序，以此關係為資訊來使裂隙位 置標示出來。

最後，完整的以圖形流程來看所有演算過程，請對照起始流程圖(頁碼 12)，如下圖 3.18。

比對