基于OpenCV的乳腺X线医学图像处理与分析系统设计与实现

摘要

乳腺癌是女性最常见的恶性肿瘤之一，严重影响女性的身心健康甚至危及生命。微钙化点是早期乳腺癌的主要征象，但乳腺X线影像的信息中仅有3％能为人眼所见，且早期乳腺癌微钙化点非常小、不规则、形状和分布各异，人工诊断很容易被忽视或误诊。因此使用计算机视觉技术实现高效的乳腺X线影像诊断一直是国内外该领域学者研究的方向。
　　本文主要研究了乳腺X线医学图像分析与处理算法，及其医学系统的设计与实现。主要进行了以下几方面的工作：
　　1)图像预处理。由于原始图片分辨率高，灰度分布表现过于集中，对比度很低，将其先进行直方图均衡化与灰度归一化处理，并采用自适应中值滤波技术，去除噪声，增加图像对比度。然后采用自适应阈值分割去除背景提取乳腺区域，为之后的工作大大降低运算量，提高效率增加检测精度。
　　2)微钙化点感兴趣区域的提取。根据医学上微钙化点感兴趣区域的定义，找出输入的乳腺x线图像中可能的异常区，提取出感兴趣区域。具体算法包括：拉普拉斯锐化、图像平滑、差值处理、分形维数的地毯覆盖法等。
　　3)微钙化点的检测。本文对传统的LOG算法进行了改进，提出了一种新型的结合形态学滤波的1LOG_2LOG级联算法。首先运用形态学Top-hat方法对微钙化点感兴趣区域图像进行增强，然后使用形态学开运算去除虚假钙化点，从而得到候选的微钙化点区域，最后使用1LOG_2LOG级联算法对候选的微钙化点进行进一步确认。通过研究表明，相比其他传统算法，该方法不仅大大提高了检测速度，而且能够精确提取微钙化点的位置和边缘，对实现乳腺癌的自动诊断具有重要的应用价值。
　　本文所有算法的研究都是基于OpenCV开源代码的。由于OpenCV的源代码完全开放，本文利用这套代码在PC上以Visual C++6.0集成环境做平台完成了基于OpenCV的乳腺X线医学图像处理与分析系统的设计与实现。利用OpenCV中的图像数据操作，动态数据结构，数学形态学操作，结构分析等函数，实现了对乳腺X线图像预处理、微钙化点感兴趣区域的提取和微钙化点检测的功能。
　　实验证明，对mini-MIAS乳腺X线数字影像图库中样本的处理和数据库提供的标注区域数据相比，本文所设计实现的系统能较好的完成乳腺X线影像中微钙化点的检测工作，具有良好的鲁棒性和通用性。