第6期 邵欣，等：基于EMD和模极大值的造影图像血管提取 ·853. 3)设定阈值并通过阈值T将待填充区域内的 所有点分类成待填充点和保留点。如果一个像素点 的灰度级小于阈值T则使用填充模板进行灰度级填 充，如果大于阈值T则保留该像素点的原灰度级，不 做灰度级填充处理。阈值T的设定方法是：对于选 定的图像填充区域，首先统计该区域内每个灰度级 像素的出现概率，即得到该区域的灰度直方图，然后 图5心血管的空间结构 概率小于某一数值的所有灰度级中的最大值作为阈 Fig.5 Spatial structure of the cardiovascular 值。本文实验中概率取1.16×102，约为0.0116。 09 4)依据图像填充模对图像①区由下至上、从右 到左扫描，以填充黑色区域中的所有待填充点。对 其他待填充区域进行类似处理，唯一不同的是矩阵 模块与待填充点的邻接方向发生了变化。 5)图像二次填充以去除毛刺。经过4)对冠脉 造影图像进行初次扫描及像素填充之后，部分像素 点的过渡处仍存在小的毛刺，为了更好地实现图像 ×10 像素平滑过渡的效果，重复4)对图像进行二次扫描 填充。冠脉造影图像经像素填充预处理后的图像如 (a)imf 图4所示。下文中提到的冠脉造影图像均指预处理 后的图像。 *10 (b)imf, 102 01 图4预处理后图像 Fig.4 The result of image preprocessing 2造影图像经验模态分解 本文采用经验模态分解方法将造影图像分解成 若干图像层，利用了血管以下特性：在三维空间中为 管状结构，经X光照射后形成冠脉造影图像中的血 2x3 4 3*10 管段，其在血流方向上灰度级变化缓慢，而在垂直于 (c)imf 血管血流方向上灰度级变化剧烈。如图5所示，图 像灰度级在入，方向上变化较平缓，在入，方向上变 化剧烈。 以图4为实验对象，图像通过经验模态分解后 的结果是原图像被分解成不同的图像层，每一层中 包含图像中不同变化频率血管特征信息，图像分解 结果如图6所示。通过对照原冠脉造影图像与图像 分解后的图像层组发现，图像中的血管信息主要分 *10 布在imf、imf2和imf中。因此，在对各分解层信号 的后续处理过程中，本文只针对前3层进行处理。 (d)imf３）设定阈值并通过阈值 Ｔ 将待填充区域内的 所有点分类成待填充点和保留点。 如果一个像素点 的灰度级小于阈值 Ｔ 则使用填充模板进行灰度级填 充，如果大于阈值 Ｔ 则保留该像素点的原灰度级，不 做灰度级填充处理。 阈值 Ｔ 的设定方法是：对于选 定的图像填充区域，首先统计该区域内每个灰度级 像素的出现概率，即得到该区域的灰度直方图，然后 概率小于某一数值的所有灰度级中的最大值作为阈 值。 本文实验中概率取 １．１６×１０ －２ ，约为 ０．０１１ ６。 ４）依据图像填充模对图像①区由下至上、从右 到左扫描，以填充黑色区域中的所有待填充点。 对 其他待填充区域进行类似处理，唯一不同的是矩阵 模块与待填充点的邻接方向发生了变化。 ５）图像二次填充以去除毛刺。 经过 ４）对冠脉 造影图像进行初次扫描及像素填充之后，部分像素 点的过渡处仍存在小的毛刺，为了更好地实现图像 像素平滑过渡的效果，重复 ４）对图像进行二次扫描 填充。 冠脉造影图像经像素填充预处理后的图像如 图 ４ 所示。 下文中提到的冠脉造影图像均指预处理 后的图像。 图 ４ 预处理后图像 Ｆｉｇ．４ Ｔｈｅ ｒｅｓｕｌｔ ｏｆ ｉｍａｇｅ ｐｒｅｐｒｏｃｅｓｓｉｎｇ ２ 造影图像经验模态分解 本文采用经验模态分解方法将造影图像分解成 若干图像层，利用了血管以下特性：在三维空间中为 管状结构，经 Ｘ 光照射后形成冠脉造影图像中的血 管段，其在血流方向上灰度级变化缓慢，而在垂直于 血管血流方向上灰度级变化剧烈。 如图 ５ 所示，图 像灰度级在 λ１ 方向上变化较平缓，在 λ２ 方向上变 化剧烈。 以图 ４ 为实验对象，图像通过经验模态分解后 的结果是原图像被分解成不同的图像层，每一层中 包含图像中不同变化频率血管特征信息，图像分解 结果如图 ６ 所示。 通过对照原冠脉造影图像与图像 分解后的图像层组发现，图像中的血管信息主要分 布在 ｉｍｆ １ 、 ｉｍｆ ２ 和 ｉｍｆ ３ 中。 因此，在对各分解层信号 的后续处理过程中，本文只针对前 ３ 层进行处理。 图 ５ 心血管的空间结构 Ｆｉｇ．５ Ｓｐａｔｉａｌ ｓｔｒｕｃｔｕｒｅ ｏｆ ｔｈｅ ｃａｒｄｉｏｖａｓｃｕｌａｒ （ａ） ｉｍｆ １ （ｂ） ｉｍｆ ２ （ｃ） ｉｍｆ ３ （ｄ） ｉｍｆ ４ 第 ６ 期 邵欣，等：基于 ＥＭＤ 和模极大值的造影图像血管提取 ·８５３·