基于CT技术的图像边缘检测及OpenCV实现

林悦铭 许东滨

CT技术能够构建起完整的人体内部三维计算机模型，为患者身体的全面检查提供重要参考依据，其在医学领域的应用将医学成像技术推进到了一个全新的阶段。基于CT技术的图像边缘检测能够对图像的边缘进行突出，实现对图像区域的准确区分，为图像分割提供参考依据，从而保证图像处理的高效性，为临床诊断和治疗奠定良好基础。不过，CT技术在实际应用中同样存在着一些不足和问题，需要技术人员更加深入的研究。

1 边缘检测

边缘指的是图像像素通过类屋顶状变化或者灰度后阶跃变化后产生的像素集合，其通常存在于区域和区域、基元和基元以及目标和目标之间。边缘检测的首要任务是图像处理，计算机处理得到的图像边缘很可能并非真正边缘，仅仅是图像信息引起计算机关注的部分，需要结合实际情况对具体参数进行整改。考虑现实中物体信息都是以三维方式呈现，计算机得到的多是二维信息，在转化过程中，必然存在信息丢失问题，加上环境与噪声的影响，许多图像边缘都不能被有效识别，即便识别出来，也不一定是真正的边缘。幅度与方向是边缘的重要属性，和边缘方向垂直的像素变化相对较大，和边缘方向平行的像素变化相对较小，采用微分算子能够准确的检测出边缘幅度和方向是否发生变化。在对图像边缘进行分析时，应该关注其方向和幅度，通常来讲，垂直于边缘方向的像素变化剧烈，沿边缘方向的像素则相对平缓，通过微分算子能够将之检测出来。在边缘检测过程中，需要做好图像滤波，降低噪声的影响，然后适当增强图像，运用增强算法来突出临域内较为明显的灰度变化。图像增强后，临域内可能会出现一些幅值较大的点，不过一般情况下，这些点并不是其想要的图像边缘，可以通过阈值法，对其进行选择和取舍[1-2]。

2 Canny算子

图像边缘检测和提取中，很难同时满足边缘提取和噪声抑制的要求。例如，CT、高精度零件等，其对边缘的要求相对较高，利用普通边缘检测方式，很难保障边缘检测精度。在这种情况下，应该选择恰当的边缘检测算子与相关参数，尽可能保证结果与边缘提取目标接近。事实上，存在一个线性算子，能够平衡边缘检测和噪声抑制需求，保留部分细节，这个线性算子是Caussian函数的一阶导数，其能够形成Canny边缘检测算子。在实际图像处理中，Canny算子有着良好的效果，也是当前应用最为广泛的边缘检测手段之一，而考虑Caussian函数本身属于对称函数，在垂直于边缘方向反对称，因此Canny算子对边缘两侧变化尤其敏感[3]。这里设置二维Caussian函数为

从Caussian函数的可分性考虑，能够将两个滤波卷积模板分解，形成两个一维行列滤波器，转化后存在

将两个一维行列滤波器与f（x，y）进行卷积后，可以得到垂直边缘的方向和边缘强度。Canny提出，运用Gn算子与图像f（x，y）的卷积，在边缘方向运用最大值方法，完成边缘定位[4-5]。通过这样的方式，可以对任意一点的A（ij）值是否属于a（i，j）临域内的最大值做出判断，根据判断结果分析该点是否属于边缘点。若一个点可以同时满足三个条件，则可以将之认定是图像的其中一个边缘点。

3 边缘提取评价

Canny算子给出了三个能够对图像边缘检测性能进行评价的指标，一是高精确度，检测结果必须全部处于正确的边界上；二是低失误率，在结果中应该尽量包含较多的真实边缘，消除错误结果；三是单像素宽，对于边缘上存在唯一相应的情况，可以在模糊边界中，找出最优边界[6]。而对于上述三个评价指标，相关研究人员同样提出了能够用于一阶微分滤波器的图像边缘检测评价标准，其一，信噪比准则

其中，G（-x）代表边缘函数，h（x）表示w带宽的低通滤波器脉冲响应，σ表示Caussian噪音均方差，SNR的数值越大，提取到的图像边缘质量越好。

定位精度准则为

公式中，G’（-x）是G（-x）的一阶导数，h’（x）是h（x）的一阶导数，L能够对定位精度的量进行准确评价，数值越大表示定位精度越高[7-8]。

其二，单边缘响应准则，如果想要保证边缘像素仅存在一个单独响应，则算子脉冲响应导数的零交叉点平均距离必须满足

4 OpenCV实现

OpenCV的全称是Open Source Computer Vision Library，开源计算机视觉库，其本身是一个软件库，包含了许多可以对图像进行处理的库函数，技术人员可以根据实际需求，直接对这些库函数进行调用。相比较而言，OpenCV本身具备了多语言接口和多平台支持，有着处理速度快和移植性强等优点。这里选择Intel core i5-2450M的64位PC机作为CPU，IDE则选择visual studio 2015，OpenCV3.0[9-11]。

在经过边缘滤波平滑处理后，利用Laplace算子对图像边缘进行检测，对比得到的结果，会发现当参数为0时，Soble算子可以得到较为清晰的细节，但是图像边缘依然模糊不清，参数为1时边缘较为清晰，而细节部分存在粘连，无法满足图像重建要求。运用Canny算子，进行图像边缘提取，可以得到相应结果。与其他方法对比，Canny算子在细节处理上更加精确，参数具备良好的可调性，通过对参数的有效调节，Canny算子可以实现对于边缘部分的有效控制[12]。

5 结语

总而言之，CT技术在现代医学领域有着相当广泛的应用，能够帮助医护人员及时发现潜藏的病灶，采取相应的预防措施。OpenCV可以为CT技术提供图像处理工具，提升图像边缘检测的高效性和准确性。在实际操作中，以CT技术为基础，运用Canny算子边缘提取等方式，对CT图像进行预处理，能够有效提升图像边缘检测的准确性，利用便于调试的轨迹条，也可以完成对于各种参数的实时可视化调节，方便制定最优化方案，从而为医疗卫生行业的发展提供技术支持。