摘要：针对数字滤波技术，对其在医学图像去噪中的应用问题进行阐述。先分析了图像噪声的相关信息，包括图像噪声的含义、图像噪声的分类等；再对数字滤波技术进行分析和阐述；最后结合实验，对数字滤波在医学图像去噪中的应用方法进行分析，以进一步加深相关人员对数字滤波技术的认识，为全面强化医学图像去噪水平奠定基础。

关键词：数字滤波技术 医学图像去噪 应用

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2016）10-0115-02

在医院医疗工作中，医学影像技术是现代医学中的重要组成部分，医学影像技术水平对医院医疗工作的开展情况产生重要影响，这就要求相关人员在工作中，能密切关注有关医学图像质量问题，为提高医疗工作水平奠定基础。医学图像噪声一直是影响图像质量的重要因素，这就要求相关人员在处理医学图像中，能积极采用先进的技术，以进一步提高医学图像质量。本文将以此为背景，对数字滤波技术在医学图像去噪中的应用方法进行研究。

1 医学图像与图像噪音研究

1.1醫学成像噪音的含义与分类

在有关医学成像噪音问题的研究中，可以从以下两方面对其进行分析，一方面以人的感官角度为核心，在充分了解人感官特征的基础上，强调了图像噪音是影响人感觉器官所造成的影响，最终导致对图像化的判断出现误差；另一方面主要是从数学角度进行分析，这种方法将图像信息定义为空间函数f，则图像噪声就是会使该图像退化的因素，就是受噪音的影响图像退化为f，其表达关系式为：

在上述关系式（1）中，n代表噪音系数。

按照噪音产物的物理因素进行划分后，可以对其做进一步划分，如表1所示。

1.2 典型医学图像噪音分析

（1）超声图像噪声。超亨图像噪声的产生主要受到超声波的脉冲回波原理影响，在超声波在人体体内进行传播时，其在人体内的不同组织所产生不同的折射与反射，最终导致出现不同强度的回波信号，并且在收集这些回波信号后，能转化为不同强度的电信号参数，最后在显示电路的作用下成为灰度不同的图像信号。同时在超声成像过程中，由于散斑噪声广泛存在，这些都会对成像产生不良影响。这是因为在医学成像过程中超声波会相互作用、干涉，导致散斑噪声现象无法得到彻底的控制。同时，超声成像的噪音还与成像组织表面粗糙程度存在密切关系，表面越粗糙，成像噪音现象越明显。

（2）磁共振图像噪声。磁共振成像技术充分利用了磁共振的原理，通过构建一个磁场，并持续向人体内施加交变频电磁波，在这种情况下，被探查的质子将会发振，并在振动的同时持续性的传播共振信息信号，并接收线圈电动势资料。人体部位不同，所产生的质子共振频率也存在明显差异。从物理学角度来看，常见的磁共振图像主要包括随机噪声与噪声。其中随机噪音主要产生于线圈电容器的阻抗效应，受高频电磁影响，物体表面将会出现不规则的感应电流，并对电磁波强度造成影响，导致出现噪音。而热噪音主要来源与电子热运动，受接收线圈电阻、城乡物体电阻等因素影响，随着运动深入，其产生的噪声也会越来越明显。

2 数字滤波技术研究

2.1 数字滤波技术原理

一个数字系统用系统函数的表达方法为：

在上述关系式（2）中，代表输入；代表输入；、代表多项系数。

从上述关系式（2）中可以看出，该系统是先将输入序列以特定的运算方法转变为输出序列。而数字滤波技术就是根据这一原理发展而来的。因此可以判断，在一般的工作状态下，数字滤波器所需要的基本运算单元主要包括单位延时、乘法器、加法器等。

在一般情况下，数字滤波技术主要的实现方法包括无限冲激响应与有限冲激响应，两种过滤器之间的比较：（1）在相同的技术条件下，无限冲激响应滤波器由于存在对输入的反馈，因此可用比有限冲激响应滤波器较少的阶数来满足指标要求。这种方法的经济性较好，因此也能得到相关人员的认可。（2）有限冲激响应滤波器由于冲激相应时间是有限的，因此能用于快速FFT，这种方法的运算速度进一步提高，而无限冲激响应则无法达到这种要求。

2.2 具体技术研究

2.2.1 小波变换对图像去噪的基本原理

根据小波变化技术的实际情况来看，其对图像去噪的方法可以分为两种，主要体现在图像信号与计算分析上。其中一方面专门处理图像信号，在经过小波变化后，在不同规律特征的基础上，信号所要展示的信息也存在明显的差异；之后相关人员通过调整小波系数，在不同分辨率基础上确定阀值门限，完成去噪。另一方法通过计算，以小波变化多边形的特点，以大量的计算确定图像恢复要求，再按照计算结果进行处理。一般在小波技术进行图像去噪处理中，其主要分为三个步骤：

（1）对图像进行二维离散小波变化，进而获取不同状态下的小波系数，包括、、。（2）分析小波系数，并进行相应的调整；也可以根据具体的使用要求，对其进行传统的处理。（3）对图像进行小波逆变，最后获得想要的图像信息。

2.2.2 小波变换对图像去噪的基本方法

按照上文分析的相关内容，在采用小波变换技术过程中，需要进一步修正小波系数，确保其工作效果能达到预期，以下就是基于小波变换的一些常用方法：

（1）小波系数阀值化处理方法。该方法的核心思想，依靠阀值将小波系数进行划分，包括信息点、受噪声污染点等，再滤除代表噪声点的小波系数后，对剩余小波技术进行研究，并重建小波图像后，确定去噪结果。（2）统计性去噪法。小波系数统计性去噪法的关键点，就是立足于随机过程，来阐述小波系数领域。在整个操作过程中，需要先构建随机场模型，并在该模型中充分考虑到小波系数的统计特点，以及影响小波操作的相关要素，依靠工作人员的经验等，不断修正、选取小波系统。（3）小波变换的正则化去噪法。基于小波变换的正则化去噪法将图像降质过程看作是一个线性不变系统，其关系式为：

在该关系式（3），H代表线性时不变的低通滤波器；n代表噪音参数。在具体操作中，主要按照上述关系式，对整个系统进行表波变化，并将其空域上的正则化处理方法完全应用到小波频域上，确保整个分析过程的完整性。但在操作过程中需要注意的时，在处理过程中，需要对各个自频带并行同时处理，最后统计处理结果，以小波逆变换的方法获取去噪图像参数。

3 应用分析

总体而言，数字滤波技术作为一种新型数字图像技术已经在医學图像领域得到了广泛的应用，这里仅列举医院具有代表性的影像设备进行分析。

CT、MRI等都属于临床上常见的影响设备，虽然成像原理存在差异，但却使用着很多相同的数字成像技术，其中CT主要依靠X广穿透被照物体，通过判断X光的衰减情况，进而反算出被照物体的衰减系数，根据已知衰减系数特点，再根据对照重建出被照物体的解剖影像图像。而MRI的主要结构成像主要检测静态磁场中外加射频脉冲对人体内氢质子的影响，从而得到对应的MR信号，重建出对应的解剖图像。上述两种技术在应用数字滤波技术过程中，都可以参照小波变换技术的相关内容展开操作。由于小波系数阀值门限法的基本思想就是受噪声污染图像的小波系数有相当一部分模值很小或者趋近于0，意味着这些点所包含的信息量很小并且受到噪声强烈的干扰。因此在应用中，可以通过阀值限定小波系数，最终来达到控制噪声污染的目的。

以CT为例，在应用小波变换技术中，可以先根据CT影响的实际情况，将其转换为若干层，并确定每一层的小波系数的最大值，然后任意选取一个百分数P，并保证P<1，使阀值的关系式变成，在经过这种处理后，相关人员只需要确定不同层次上的阀值百分比p的情况，就能有效处理图像噪音问题。

4 结语

总体而言，医学影像去噪技术对当前医疗工作产生重要影响，而数字滤波技术在医学影像去噪中发挥着重要作用，这就要求相关人员在工作中，能提高对数字滤波技术的分析，了解相关技术的操作要点与注意事项，确保能为临床工作提供稳定的医学影像资料支撑，最终保证各项医疗工作的顺利开展。

参考文献

[1]李康.一种改进滤波算法的研究与应用——脑部CT医学图像去噪方法研究[J].科技与创新，2016（16）：108-110.

[2]龚伟.浅议数字图像去噪技术及其应用[J].科技创新与应用，2013（10）：35.

[3]陈蒙.医学X光成像中图像去噪算法研究[J].软件，2013（11）：62-63.

收稿日期：2016-08-25

作者简介：宋柏霖（1995—），男，辽宁大连人，本科，中国科学院深圳先进技术研究院实习生，研究方向：生物医学电子学。