摘自本人畢業論文《肺結節CT影像特征提取算法研究》
醫學圖像特征提取可以認為是基於圖像內容提取必要特征，醫學圖像中需要什么特征基於研究需要，提取合適的特征。相對來說，醫學圖像特征提取要求更加高，因為對醫生的輔助診斷起着至關重要的作用，所以需要嚴謹可靠的特征。肺結節CT影像特征提取也是屬於醫學圖像特征提取領域的一個部分，有着醫學圖像特征提取的基本要求。既有其他醫學圖像特征提取的方法，也有針對肺結節的特定特征提取方法。本小節主要對一些常用的肺結節CT影像醫學圖像特征提取方法進行介紹，主要可以分為灰度特征、紋理特征和形狀特征等。
3.1 灰度特征提取算法
醫學圖像基本都是灰度圖像，而本文研究的重點是肺結節CT影像特征提取，也是灰度圖像。灰度特征是一類醫學圖像處理中常用的圖像特征，簡單有效。醫學圖像的灰度特征，是利用灰度具有一定的穩定性，對大小、方向都不敏感，能表現出相當強的魯棒性[17]。醫學圖像基本都是灰度圖像，灰度特征也是一類重要特征，通過對圖像灰度分析，得到圖像的灰度直方圖，從中可以提取出許多有效的灰度特征。醫學圖像得到的灰度直方圖表現了一幅醫學圖像灰度分布情況的各種統計特性。
灰度直方圖算法[18]：
由f(x,y)表示一副灰度圖像，（x,y）處的值表示該位置像素。一副圖有M個像素，分布在0-L-1級，灰度直方圖即統計每級灰度像素書目得到的統計圖，通過灰度直方圖得到一系列灰度特征。灰度直方圖定義為
其中，i表示灰度級，L表示灰度級種類數， 表示灰度級為i的像素數目，M表示圖像總像素數，公式（3-1）表示每一灰度級占總像素百分比，即灰度級為i的像素出現頻率。
3.2 紋理特征提取方法
紋理特征是一類人類視覺可以明顯感覺到的特征，同時也是圖像的一類重要特征，主要表現為像素在空間分布模式的描述，可以反映圖像表示的物體表面的粗糙度、光滑性、顆粒度、隨機性等性質。紋理特征有規則紋理和准規則紋理之分，規則紋理指的是紋理基本元素按着一定規則排列而成，成為人工紋理；准規則紋理是指沒有特定形狀或規則的隨機紋理，而是按照灰度特征或者顏色特征分布，這樣的規則較難識別，只有觀察整個物體才可以看出，稱之為自然紋理[19]。
紋理特征提取方法目前出現的大概可以分為三類，統計分析方法、結構分析方法和頻譜分析方法[20]。本小節主要對這三類特征提取方法中較為典型的算法進行描述，內容如下：
3.2.1 統計分析方法
統計類方法是基於紋理圖像局部區域內灰度的統計特點來測量像素的空間分布情況，1973年，Haralick等[21]提出的灰度共生矩陣（GLCM）已經成為紋理特征提取的一種非常經典和有效的算法，在很多領域都得到廣泛應用。基於灰度共生矩陣，從中可以提取出很多統計量作為紋理特征。這里采用灰度共生矩陣作為統計分析方法的典型應用介紹，主要提取了能量、對比度、相關系數、熵和局部平穩（逆差矩）。
如圖3.1所示，其中 和 的范圍有像素間距d和方向θ兩個參數決定，設f(x,y)表示一副灰度圖像，對圖像中任一區域R，定義S為區域中具有特定空間聯系的像素對的集合，則灰度共生矩陣的元素表示為[22]：
為了減少計算量，一般先對圖像進行灰度級變換，降低灰度級數，同時減少方向數，通常取0º、45º、90º、135º四個方向。共生矩陣體現了不同紋理之間的區別，對於具有不同特點的圖像紋理，其共生矩陣明顯不同。例如 表示了水平方向上距離一個像素的灰度級聯合分布，如果共生矩陣主對角線元素都為0，則表明水平方向相鄰兩個元素沒有相同值，即紋理較為細膩；弱主對角線上元素很大，則表明水平方向紋理較為粗糙。
由灰度共生矩陣提取的幾個主要的圖像紋理特征定義如下：
3.2.2 結構分析方法
結構法是最早用來分析圖像紋理特征的方法，但是由於該方法效果不好，很少再研究使用。結構法是從紋理圖像的結構角度來解析紋元和排列規則，第一步，提取紋元，第二步，對紋元的排列規則進行推測。
3.2.3 頻譜分析方法
傅里葉變換是時域和頻域進行變換的橋梁，為頻域分析提供了可能。紋理特征不僅是表現在時域中，頻域中也有着許多紋理特征，例如在變換后的圖像能量譜就是一種重要而簡單的頻域特征[22]。
3.3 形態特征提取方法
形態特征相對於紋理特征而言，是一類比較直觀的可以用幾何圖形等描述的一類特征。圖像的形態特征可以分為兩類，一類是基於輪廓的形態特征，一類是基於區域的形態特征。形態特征在醫學圖像處理領域也是一類較為常用的特征提取方法，對醫學診斷等有着極大的幫助。
3.3.1 基於輪廓的形態特征
基於輪廓的形態特征描述方法僅僅是提取形狀的輪廓信息，一般有兩類方法：連續型（全局型）和離散性（結構型）。在這里主要研究兩種常用的基於形態的特征提取方法：簡單幾何描述符和傅里葉形狀描述符[23]。
(1)簡單幾何描述符算法：
a.邊界長度：一般采用4-方向連通邊界或8-方向連通邊界表示，得到一個近似長度
b.邊界直徑：邊界上相距最遠的兩個點之間的距離
c.曲率：曲率是斜率的改變率，描述了邊界方向變化的情況
(2)傅里葉形態描述符算法：
傅里葉形狀描述法（Fourier Shape Descriptions）是一種廣泛應用的形狀描述符，假設一個物體輪廓由一系列坐標 的像素組成，其中0 s N-1,而N是輪廓上像素總數。
從這些邊界點可以導出3種形狀表達：曲率函數(curvature function)、質心距離（centroid distance）、復坐標函數（complex coordinates function）.
3.3.2 基於區域的形態特征
基於區域的形態特征描述方法，將整個區域作為一個整體，利用區域內所有像素來提取一系列形態特征，本小節主要介紹幾種簡單的基於區域的形態特征提取算法：簡單幾何參數描述符和幾何不變矩。
(1)簡單幾何參數描述符算法：
- 區域面積：區域面積描述區域大小的基本特征，假設以像素為單位，則面積就是區域內像素數
- 區域重心：一種全局描述符，坐標公式如下
。
其中，B為區域周長，可以看出圓形參數為1，一定程度上這個參數可以描述區域緊湊性，對尺度變換和旋轉變換不敏感。
(2)幾何不變矩算法：
1962年，Hu[24]提出圖像識別的不變矩理論，首次提出代數不變量的不變矩，通過對幾何矩的非線性組合，導出了一組對圖像平移、旋轉、和尺度變化不變的矩。不變矩是一種統計特征，利用灰度分布各階矩來描述圖像灰度分布特性。
離散數字圖像f(x,y)的p+q階矩定義為
基於區域的形態特征提取方法在這里主要講述了上述兩種簡單的提取方法，還有很多其他類似方法提取圖像的形態特征。在醫學圖像特征提取領域中，形態特征也發揮着重要的作用，對圖像特征提取和預后有着極大的幫助。
3.4 本章小結
本章內容主要對肺結節的基本知識進行介紹，講述了肺結節生長得一些特點，例如大小和生長模式；然后講述了肺結節的臨床表現及病理特征，對了解肺結節需要的醫學知識有了基本補充。本章重點是講述了醫學圖像處理中常用的特征提取方法，本文研究的是肺結節CT影像特征提取方法，在這里主要分為三類：灰度特征、紋理特征和形態特征。每類特征采取了常用的方法來提取特征，通過各類特征提取方法的不同，來提取不同的肺結節CT影像特征。
下一篇文章將講述主要部分實現的代碼。