摘 要：由于受到医疗器械先进水平及环境等要素的影响，临床医师的医学图像应用过程常常会产生一些人工处理需求。通过对目前我国医学图像处理现状的分析可知，虽然可行的处理方法数量较多，但其处理结果分别存在不同程度的弊端。本文从小波变换的概念入手，对小波变换在医学图像处理中的应用进行分析和研究。

关键词：小波变换；医学图像处理；应用

DOI：10.16640/j.cnki.37-1222/t.2017.17.127

0 前言

随着人们生活质量的不断发展，其对医疗水平的要求发生了显著提高。医学图像作为临床诊断及治疗中的常用依据，其质量直接影响临床医师确诊及治疗决策的作出。

1 小波变换

（1）小波变换的概念。小波变换是指基于变换将问题的固定特征突出出来，通过对空间频率参数的局部化分析以及函数的多尺度细化，实现对低频处频率与高频处时间的合理细分，使得傅里叶变换难点得以顺利解决[1]。

（2）小波变换的基本原理。小波变换的原理是指：通过对时间与尺度之间的交互分析，变更频率窗、时间窗以实现时频的局部化。小波变换的基本原理决定着这种方法可在非平稳信源的分析工作中产生良好的应用效果。

2 小波变换在医学图像处理中的应用

这里主要从以下几方面入手，对小波变换在医学图像处理中的应用进行分析和研究：

（1）医学图像融合方面。在临床医学图像处理中，常常会遇到一幅图像信息不足的现象。为了满足临床诊断和治疗工作的需求，可以通过融合方式将同一患者的多幅医学图像融为一体，以获得大信息量的图像信息。从本质角度来讲，可以将医学图像的融合处理分成以下几个阶段：第一，像素级处理阶段。这一阶段的融合难度较低，且医学图像中的信息基本不会出现丢失现象。第二，特征级融合阶段。这一阶段的融合难度相对较高，它要求保留多幅图像的特征信息，但从实践融合经验可知，这一要求的完成质量相对较低。第三，决策级融合阶段。作为医学图像融合的终极阶段，其处理难度最高。为提升医学图像的融合质量及融合阶段水平，可以将小波变换处理方法应用在这项工作中。其处理原理为：小波变换法可以通过将某一固定信号变换到频域，或者直接根据融合需求将所需信号的频谱从整幅医学图像中完全剥离、提取出来。从本质角度来讲，可以将基于小波变换的医学图像融合看成是一种融合规则融合。这种方法在保留被处理对象图像既有边缘特征和纹理特征的同时，还可以将最终所得融合图像信息中的块效应有效消除，为临床医师的诊断鉴别工作提供有效的参照依据。

例如，当临床医学图像处理中产生X射线计算机断层CT图像、正电子发射型PET计算机断层图像融合需求时，可以将小波变换技术应用在该融合处理过程中，使得医学图像同时反映代谢信息的原为表达结果、患者的精细解剖结构两种。

（2）医学图像去噪方面。超声图像的去噪结果直接影响医学图像作为临床诊断依据作用的发挥。通过对目前我国临床上超声医学图像去噪处理工作的分析可知，单一尺度滤波法是一种较为常用的去噪方法。超声医学图像去噪处理经验表明，这种方法能够有效地将图像中的斑纹噪声大部分去除，但与此同时，超声图像本身的边缘信息产生较为严重的丢失，严重影响自身作用的发挥。基于上述情况，可以将具有基函数灵活性特点、低熵性特点的小波变换处理法应用在实际的超声医学影响去噪处理工作中。这种方法的处理原理为：绝对值参数较小的小波系数以噪声信号为主，而绝对值参数较大的小波系数则以图像信号为主，因此，在噪声处理环节中，可以将噪声与图像两种信号存在明显重叠现象部分的小绝对值小波系数去除，此时所获得即为超声医学图像，且图像的边缘信息和细节信息基本不受损害[2]。这项处理工作要求从医学图像中获得高信噪比参数图像，因此，需通过大尺度分解的方式，提升信号的集中程度，进而促进噪声去除目的的实现。

（3）医学图像边缘提取方面。通过对医院传统医学图像处理工作的分析可知，其对图像边缘的传统处理主要是通过算子提取法完成的。这种处理方法的弊端在于，经处理后的医学图像边缘仍然存在不同程度的清晰度低问题。为了改善这种局面，可以将小波变换法应用在实际的医学图像边缘处理工作中。基于小波模极大值边缘检测法开展处理工作：若所选母函数为平滑函数的一阶偏导数，则处理中变换模的极大值参数刚好处于医学图像的密度突变点位置上。在这种情况下，可以结合处理对象图像的频率变化特征和时间变化特征，对医学图像的分辨率进行自动调节，使得医学图像中原本不清晰的图像边缘得到合理放大，以便临床医师根据放大后的医学图像边缘信息开展全面分析。

（4）医学图像特征增强方面。在临床诊断工作中，患者的医学图像特征是临床医师确诊的主要依据。由于设备及患者自身身体状况等因素的影响，临床医学图像分析工作中常常会出现一些特征模糊或不清晰的问题。为保证临床医师快速得出准确的诊断结果，可以事先利用小波变换对存在特征不清晰问题的医学图像进行预处理。[3]具体处理流程如下：首先利用小波对存在特征不清晰问题的医学图像进行分解，将其分解成具有高时间分辨率、低频率分辨率特点的高频模块，具有高时间分辨率特点、低频率分辨率特点的低频模块两个部分。在这种情况下，医学图像的细节和边缘被划分至高频模块中，而图像轮廓则被合理划分在低频模块中。由于特征分析主要与细节有关，此时，可以对高频模块的细节的小波系数进行合理增强，以实现促进临床医师作出准确决策的目的。以胃部超声图像为例，可以通过小波变换处理增加胃部图像信息的熵，使得患者图像的胃窦轮廓变得更加清晰。

3 结论

为了促进医学图像参照功能的有效发挥，可以将小波变换这种具有低熵性优势、基函数灵活性优势的处理方法应用在医学图像的特征增强处理、边缘提取处理、去噪处理以及融合处理等多项后期处理工作中。

参考文献：

[1]乜大伟.小波变换在医学图像处理中的应用[J].中国现代医生，2014（24）：49-51.

[2]李越.探讨小波变换在医学图像处理中的应用[J].电子技术与软件工程，2015（20）：101.

作者简介：魏小琴（1983-），女，四川南充人，工学硕士，实验师，主要研究方向：醫学图像处理及实验教学。