摘 要：针对模糊C-均值聚类算法分割图像时容易产生模糊边缘的缺点，提出了一种结合图像梯度和模糊C-均值聚类的图像分割方法。该方法利用图像梯度反映出来的目标边界，对由模糊C-均值聚类所获得的聚类区域进行分割，把因模糊性而划分到目标区域的像素点与目标区域进行分离，同时利用区域增长方法找出干扰区域并删除。将该算法应用到胰腺ERCP图像分割，实验表明，改进算法能够比较准确地分割出图像中的目标，减少因模糊聚类产生的模糊边缘。
关键词:医学图像分割; 模糊聚类; 图像梯度; 区域增长; 去模糊化
医学图像是反映人体生物组织或器官的复杂图像，图像中的信息量大、处理困难。医学图像分割就是根据图像中目标间的相似或不同把图像分成若干个区域的技术和过程，它是医学图像研究中的关键步骤，是高层次医学图像理解和分析的前提条件，在医学上的应用范围很广，例如医学教学、医学研究、临床诊断、病理分析、影像信息处理、计算机辅助诊断等。由于各种原因所获取的医学图像不可避免地具有模糊、不均匀等特性，使用传统的图像分割方法[1-2]（阈值分割、边缘检测、区域生长等）分割出的结果很难满足需求。如何在计算机的辅助下精确地分割出满足医学图像处理要求的结果，是图像处理中需要解决的关键问题。
本文结合图像梯度和模糊C-均值聚类算法，一方面，利用模糊聚类算法能够很好地解决不确定性和模糊性的能力，合理地对图像中的目标进行划分；另一方面，利用图像梯度反映出的目标边界，对聚类过程中的模糊区域进行限定。实验表明,该算法能够准确地分割出图像中的目标。
2.2.2 用FCM算法划分图像
用FCM算法划分图像的具体步骤如下：
(1)根据模糊C-均值聚类算法求出每个像素点隶属于每一类的概率值。其中,隶属函数和聚类中心的更新依赖于式(2)和式(3)。m取值为2，聚类中心c为3或者4。
(2)需要满足的约束条件为每一个像素点对应c个聚类中心的隶属度的和为1。用像素点与聚类中心的灰度差值的绝对值来度量数据点和聚类中心的相似度。
(3)依据隶属度的大小，把像素点划分到隶属度最大的那一类，完成聚类分割。
2.2.3 用目标边界分割目标区域
根据求得的梯度确定图像中目标的边缘，然后遍历由模糊C-均值聚类算法所分割后的图像，在目标区域中找到属于边缘的像素点，并标记(灰度值为0)。由此可利用目标边缘对聚类后的目标区域进行分割。
2.2.4 消除模糊区域
遍历图像查找属于目标区域的像素点，每找到一个后，把该点作为种子点，加入到种子队列。判断其8邻域内是否有与其相连的目标点，把找到的点加入到种子队列末尾，并在种子队列中删除该种子点。直到种子队列为空时，说明该对象的所有的点已被找到。判断该对象的大小，若小于某一阈值，说明该对象属于模糊区域，则删除此无关对象。清空种子队列后进入下一循环。
3 实验结果与分析
为了验证该算法的有效性和实用性，以胰腺ERCP图像为例，分别用模糊C-均值聚类算法和提出的改进算法对图像进行分割。程序采用C++语言进行编写，工具采用VC++6.0。实验中采用了50组图片进行实验测试，图1为其中3组实验测试结果。
从图1可以看出，采用FCM聚类算法的分割结果(二值化)，分割出的目标区域(胰腺)的边界比较模糊；采用本文算法得到的分割结果(二值化)分割出的目标区域边缘与原始图像中胰腺的边缘比较符合。
在实际的医学应用中，图像分割结果的好坏直接影响医生对病人的诊断。采用FCM方法使得分割结果中的目标边界过于模糊。本文在FCM算法的基础上，利用图像梯度所反映出来的目标边缘来限定由FCM方法所划分的目标区域的边界。实验表明，采用本文改进的FCM算法分割医学图像可以得到比较理想的结果。本文算法在分割过程中的聚类数是根据实际图像而确定的，如何让计算机根据不同图像自动确定最佳聚类数从而实现图像的自动分割是一项很有意义的工作，未来将致力于此方面的研究。
参考文献
[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] 王艳华,管一弘． 基于模糊理论的医学图像分割的应用[J]．计算机技术与发展，2008，18(11)：25-28．
[4] 于剑．论模糊C均值算法的模糊指标[J]．计算机学报,2003，26(8)：968-973．
[5] 马军，邵陆．模糊聚类计算的最佳算法[J]．软件学报,2001，12(4)：578-581．
[6] 黄宁宁，贾振红，余银峰,等．改进的FCM与局部信息相结合的图像分割[J]．计算机应用与软件，2011，28(8):97-99．