摘 要： 針對模糊C-均值聚類算法分割圖像時容易產生模糊邊緣的缺點，提出了一種結合圖像梯度和模糊C-均值聚類的圖像分割方法。該方法利用圖像梯度反映出來的目標邊界，對由模糊C-均值聚類所獲得的聚類區域進行分割，把因模糊性而劃分到目標區域的像素點與目標區域進行分離，同時利用區域增長方法找出干擾區域并刪除。將該算法應用到胰腺ERCP圖像分割，實驗表明，改進算法能夠比較準確地分割出圖像中的目標，減少因模糊聚類產生的模糊邊緣。
關鍵詞: 醫學圖像分割; 模糊聚類; 圖像梯度; 區域增長; 去模糊化
醫學圖像是反映人體生物組織或器官的復雜圖像，圖像中的信息量大、處理困難。醫學圖像分割就是根據圖像中目標間的相似或不同把圖像分成若干個區域的技術和過程，它是醫學圖像研究中的關鍵步驟，是高層次醫學圖像理解和分析的前提條件，在醫學上的應用范圍很廣，例如醫學教學、醫學研究、臨床診斷、病理分析、影像信息處理、計算機輔助診斷等。由于各種原因所獲取的醫學圖像不可避免地具有模糊、不均勻等特性，使用傳統的圖像分割方法[1-2]（閾值分割、邊緣檢測、區域生長等）分割出的結果很難滿足需求。如何在計算機的輔助下精確地分割出滿足醫學圖像處理要求的結果，是圖像處理中需要解決的關鍵問題。
本文結合圖像梯度和模糊C-均值聚類算法，一方面，利用模糊聚類算法能夠很好地解決不確定性和模糊性的能力，合理地對圖像中的目標進行劃分；另一方面，利用圖像梯度反映出的目標邊界，對聚類過程中的模糊區域進行限定。實驗表明,該算法能夠準確地分割出圖像中的目標。
2.2.2 用FCM算法劃分圖像
用FCM算法劃分圖像的具體步驟如下：
(1)根據模糊C-均值聚類算法求出每個像素點隸屬于每一類的概率值。其中,隸屬函數和聚類中心的更新依賴于式(2)和式(3)。m取值為2，聚類中心c為3或者4。
(2)需要滿足的約束條件為每一個像素點對應c個聚類中心的隸屬度的和為1。用像素點與聚類中心的灰度差值的絕對值來度量數據點和聚類中心的相似度。
(3)依據隸屬度的大小，把像素點劃分到隸屬度最大的那一類，完成聚類分割。
2.2.3 用目標邊界分割目標區域
根據求得的梯度確定圖像中目標的邊緣，然后遍歷由模糊C-均值聚類算法所分割后的圖像，在目標區域中找到屬于邊緣的像素點，并標記(灰度值為0)。由此可利用目標邊緣對聚類后的目標區域進行分割。
2.2.4 消除模糊區域
遍歷圖像查找屬于目標區域的像素點，每找到一個后，把該點作為種子點，加入到種子隊列。判斷其8鄰域內是否有與其相連的目標點，把找到的點加入到種子隊列末尾，并在種子隊列中刪除該種子點。直到種子隊列為空時，說明該對象的所有的點已被找到。判斷該對象的大小，若小于某一閾值，說明該對象屬于模糊區域，則刪除此無關對象。清空種子隊列后進入下一循環。
3 實驗結果與分析
為了驗證該算法的有效性和實用性，以胰腺ERCP圖像為例，分別用模糊C-均值聚類算法和提出的改進算法對圖像進行分割。程序采用C++語言進行編寫，工具采用VC++6.0。實驗中采用了50組圖片進行實驗測試，圖1為其中3組實驗測試結果。
從圖1可以看出，采用FCM聚類算法的分割結果(二值化)，分割出的目標區域(胰腺)的邊界比較模糊；采用本文算法得到的分割結果(二值化)分割出的目標區域邊緣與原始圖像中胰腺的邊緣比較符合。
在實際的醫學應用中，圖像分割結果的好壞直接影響醫生對病人的診斷。采用FCM方法使得分割結果中的目標邊界過于模糊。本文在FCM算法的基礎上，利用圖像梯度所反映出來的目標邊緣來限定由FCM方法所劃分的目標區域的邊界。實驗表明，采用本文改進的FCM算法分割醫學圖像可以得到比較理想的結果。本文算法在分割過程中的聚類數是根據實際圖像而確定的，如何讓計算機根據不同圖像自動確定最佳聚類數從而實現圖像的自動分割是一項很有意義的工作，未來將致力于此方面的研究。
參考文獻
[1] KIMD W, LEE K H, LEE D. A novel initialization scheme for the fuzzy C-means algorithm for color clustering [J]. Pattern Recognition Letters, 2004,25(2)：227-237．
[2] MAULIK U．Medical image segmentation using genetic algorithms[J]．Information Technology in Biomedicine，2009,13(2)：166-173．
[3] 王艷華,管一弘． 基于模糊理論的醫學圖像分割的應用[J]．計算機技術與發展，2008，18(11)：25-28．
[4] 于劍．論模糊C均值算法的模糊指標[J]．計算機學報,2003，26(8)：968-973．
[5] 馬軍，邵陸．模糊聚類計算的最佳算法[J]．軟件學報,2001，12(4)：578-581．
[6] 黃寧寧，賈振紅，余銀峰,等．改進的FCM與局部信息相結合的圖像分割[J]．計算機應用與軟件，2011，28(8):97-99．