1 前言
計算機技術不斷發展，硬件性能不斷提升，軟件效能不斷優化，在其帶動下，數字圖像處理技術也得到了迅速的發展。以往難以解決的技術性瓶頸，而今已經可以輕而易舉的突破。但是在一些專業性較強的領域，對于數字圖像處理有著一些特殊的要求，很多通用的數字圖像處理技術、方法，不能充分發揮其優勢，甚至無法使用。本文針對數字圖像去噪這一典型問題，在簡單回顧相關通用數字圖像處理技術發展的基礎上，針對醫學PET圖像的特殊性，提出一些自己的看法及思考。
雖然數字圖像處理技術很早便被應用于醫學相關領域，但是由于醫學圖像自身的分類多樣、成像技術相對復雜，目前仍然有許多影響醫學圖像成像的諸多因素無法從理論層面解釋，所以數字圖像處理技術在醫學領域的發展仍然相對滯后。
2 數字圖像處理技術的回顧
數字圖像處理作為一個學科，經過將近60年的發展，已經形成了完善的理論體系，并細化為多個專業方向。數字圖像處理技術誕生之初，圖像去噪就是其主要目標之一。在通用數字圖像處理領域，常見的噪聲主要包括乘性噪聲和加性噪聲。數字圖像的噪聲往往和圖像的特征信息交織在一起，如何有效地區別并去除噪聲，同時盡量保持圖像的細節完整，是數字圖像去除噪聲要面對的難題[1].
2.1 空間域通過卷積處理圖像噪聲 對獲得的圖像在空間域直接進行處理，往往采用卷積的數學形式。例如常見的均值濾波、中值濾波、為納濾波等。常見的中值濾波可定義為：
式子中{xij（i,j）∈I2} 表示數字圖像個點的灰度值。根據圖像處理的實際需要，目前已經有許多成熟的濾波器可供選擇。該類方法的優勢在于數學結構相對簡單，運算量較小，但是圖像處理結果相對較差，容易造成圖像細節丟失或者噪聲抑制不足等結果。
2.2 頻率域通過相應轉換處理圖像噪聲 將要處理的圖像進行轉換，根據實際情況選擇適當的頻帶進行處理，然后經過反變換獲得去噪后的圖像[2].基于小波及其衍生分析方法的多尺度分析是該種方法中最具代表性的。因為該類方法理論較為成熟，數學機構靈活，所以至今仍然被學術界關注，并且每年都有一些新的方法被提出。雖然該類方法與前面提到的濾波器方法相比在運算復雜性上有著較大的劣勢，但其在圖像處理結果上的優勢明顯，并且隨著計算機硬件效能的提升，在頻率域的多尺度分析方法已經得到了較為普及的應用[3].
傳統的小波去噪方法（wavelet-based denoising）：將含有噪聲的圖像進行小波變換，轉化成小波系數Wf（j,k），選擇合適的閾值 Tf,根據一定的處理規則，對小波系數進行處理，把小波系數中噪聲的部分去除，最后經過小波反變換得到去噪后的圖像。
根據實際的圖像分析需求，在小波的基礎上發展出了很多小波的衍生方法。這些方法又可以按照處理圖像時基函數的變化與否分為自適應分析和非自適應分析。其中自適應分析比較常見的方法有：Brushlet、Wedgelet、Bandelet和Directionlet等。非自適應分析常見的方法有：Ridgelet、Curvelet、Contourlet、Shearlet、NSCT等[3].
3 數字圖像技術在醫學圖像領域的應用
數字圖像處理在醫學領域有著廣泛的應用，在這里只針對醫療中常見的大型設備來簡單闡述。這里僅例舉CT、MRI和PET（positron emissiontomography）三種具有代表性的影像設備來簡單分析。
CT、MRI和PET都屬于臨床常見的影像設備，雖然成像原理各不相同，但卻使用許多相同的數字成像技術。CT主要是運用X光穿透被照體，檢測X光的衰減，從而反推出被照體的衰減系數，根據已知的衰減系數對照表重建出被照體的解剖圖像。MRI的結構成像主要檢測靜態磁場中外加射頻脈沖對人體內氫質子的影響，從而得到對應的MR信號，重建出對應的解剖圖像。PET主要是檢測注入人體內的放射性核醫藥物在人體內代謝過程中發生“湮滅”放射出的γ射線，通過圖像重建得到對應的功能性信息[4].
以上三種設備普遍使用了空間域通過卷積去噪的方法，最為常見的就是Gaussion filter.幾乎常見的品牌設備都將此種方法作為圖像重建過程中的去噪標準步驟。一般作為補充，許多品牌的設備也內建了一些“更為復雜”和“有效”的去噪方法。但是實際使用中，去噪效果并不十分理想[5].
4 局限與對策
CT在圖像重建過程中，如果只簡單使用Gaussion filter,忽略X光的實際物理效應，如康普頓散射、X光的能譜分布等，得不到較為準確的圖像信息，這也是目前臨床使用的普通CT無法做到準確“定量”的原因之一。MRI成像相較CT更為復雜，而且截至目前尚無研究表明MRI對人體有任何直接危害，所以MRI設備生產商將更多資源投入到如何從設備的硬件改善來提高圖像品質，而不是考慮如何從圖像處理的角度來解決問題。因此Gaussion filter在MRI中使用也非常廣泛。PET成像與CT原理不同，但是同樣受限于放射劑量。與MRI相比PET的圖像處理技術相對較為多樣，因為PET圖像自身的一些特點，也決定其需要配合更多的圖像處理才能獲得更多有價值的信息[6].而對于PET來說，雖然核醫藥物的γ射線產生符合泊松分布，但是在臨床實際圖像處理中往往并不針對泊松來處理，Guassion filter依然被使用。
由于早期計算機硬件的效能不高，許多優秀的數字圖像處理方法無法應用于臨床實踐，當今計算機硬件效能已經有了大幅度提升，可以重新考慮在相關大型醫療影像設備中植入較為先進的算法，從而獲得更為優良的圖像質量。并且應當根據不同影像設備的成像特點，合理優化圖像處理技術，做到通過軟件提升，使設備硬件發揮最大效率，使病人在最小的輻射劑量下得到最優化的診療。
5 討論與總結
數字圖像處理經歷了近60年的發展，涌現出了許多優秀的理論與研究成果，也在生產生活的諸多領域得參 考 文 獻到了廣泛應用。醫療領域對于圖像處理有著強大的需求，但就目前來看，該領域的數字圖像處理技術發展仍然滯后。對于科研工作者，醫療領域的圖像處理有較高的研究價值和較大的研究空間。要根據臨床實踐，通過深入研究醫學圖像的成像原理，理清問題的研究重點，有針對性地設計實驗方法，從而獲得較好的研究結果。在社會發展，人們越來越重視自身健康和生活質量的大背景下，只有把研究工作與生產生活實踐相結合，才能獲得科研轉化為生產力的良性循環。在科學技術飛速發展的大背景下，只有深入研究，細化問題，有針對性地解決具體問題，才是科研的最重要任務。
參 考 文 獻
[1] 寧 媛 , 李 皖 . 圖 像 去 噪 的 幾 種 方 法 分析比較[J].貴州工業大學學報：自然科學版，2006（34）：63-66.
[2] 馬國兵，肖培如?；谛〔ǖ膱D像去噪研究綜述[J].工業控制計算機，2013（5）：91-92.
[3] 李彥，汪勝前，鄧承志。多尺度幾何分析的圖像去噪方法綜述[J].計算機工程與應用，2011（47）。
[4] 陳武凡，秦安，江少峰，等。醫學圖像分析的現狀與展望[J].中國生物醫學工程學報，2008（27）。
[5] Le Pogam A,Hanzouli H,Hatt M,et al.Denoising of PET images by combiningwavelets and curvelets for improvedpreservation of resolution and quantitation[J].Medical Image Analysis,2013（17）：877-891.
[6] Mejia JM,Ochoa Dominguez HDJ,VergaraVillegas OO,et al.Noise reduction in small-animal PET images using a multiresolutiontransform[J].IEEE Transactions on MedicalImaging,2014（33）：2010-2019.
