Ảnh hưởng của các phương pháp hình thái học lên hình ảnh y tế

Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 369
ẢNH HƯỞNG CỦA CÁC PHƯƠNG PHÁP HÌNH THÁI HỌC 
 LÊN HÌNH ẢNH Y TẾ 
Hà Quang Thanh1*, Phan Việt Cương2 Hồ Thị Thảo2, Lê Tuấn Anh2, 
Nguyễn Hồng Hà2, Nguyễn Hải Dương
3., Tạ Chí Hiếu3 
 Tóm tắt: Xử lý và nâng cao chất lượng hình ảnh y tế với sự trợ giúp của các 
phần mềm máy tính là một trong những giai đoạn quan trọng trong chẩn đoán và 
điều trị hiện nay. Trong bài báo này, chúng tôi tập trung vào mô tả các thuật toán 
hình thái học mới sử dụng ITK (Insight Segmentation and Registration Toolkit). Các 
toán tử hình thái này loại bỏ nhiễu, phát hiện biên tốt, và khắc phục được nhược 
điểm của các phương pháp phát hiện biên truyền thống [1]. 
Từ khóa: Xử lý ảnh y tế; Phát hiện biên; Tăng cường hình ảnh; Các thuật toán hình thái; ITK. 
1. GIỚI THIỆU 
Hầu hết các hình ảnh y tế (X-quang, CT - Chụp cắt lớp vi tính và MRI - Chụp cộng 
hưởng từ) có độ tương phản thấp và các giá trị cường độ xám thay đổi đáng kể trên cùng 
một mô so với các định dạng hình ảnh thông thường khác (.jpg; .pnd; .gif; .tiff; .bmp). Vì 
một số đối tượng, bộ phận bị che khuất hoặc xâm chiếm bởi các mô lân cận nên rất khó để 
phân biệt các biên của đối tượng quan tâm và môi trường bao quanh nó. Một nguyên nhân 
khác gây suy giảm chất lượng hình ảnh y tế phổ biến là sự xuất hiện của nhiễu và các hiệu 
ứng hình sao trong quá trình tạo ảnh [2]. Một kỹ thuật vừa nâng cao độ tương phản biên 
tốt, vừa loại nhiễu là cần thiết để xử lý các nhược điểm nêu trên. Quá trình phát hiện biên 
nâng cao chất lượng hình ảnh ảnh hưởng đáng kể và trực tiếp đến kết quả hình ảnh cuối 
cùng cung cấp cho bệnh nhân và bác sĩ. Mục đích của công việc này là để tăng cường, làm 
nổi bật và trích xuất các đối tượng có cấu trúc trong khó phát hiện với mắt người. Vì 
những lí do đó, phần mền máy tính với các thuật toán mới ưu việt hơn đóng vai trò quan 
trọng trợ giúp trong chẩn đoán lâm sàng. 
Bài báo đề xuất ứng dụng kỹ thuật tăng cường độ tương phản, nhận dạng các đối tượng 
quan tâm từ các hình ảnh y khoa sử dụng các kỹ thuật hình thái, thay thế các phương pháp 
cổ điển hiệu suất thấp. Cơ sở của các thuật toán này dựa trên lý thuyến tập hợp và cấu trúc 
ngẫu nhiên. Hình thái học có thể được cũng sử dụng như là kỹ thuật chính thay thế nhiều 
kỹ thuật tiền xử lý và sau xử lý khác [3]. Nguyên tắc hoạt động của nó phụ thuộc vào yếu 
tố cấu trúc (structuring element) di chuyển trên toàn bộ hình ảnh. Hiệu quả của phương 
pháp đề xuất đã được chứng minh bằng các kết quả thực nghiệm thực hiện trên ảnh CT, 
MRI trên cơ sở công cụ ITK [4]. 
Bài báo được bố cục thành 3 phần: Phần 1 giới thiệu cách tiếp cận. Phần 2 trình bày 
hoạt động của 4 thuật toán hình thái học chính. Phần 3 sử dụng Phantom mẫu Gamex 463 
làm chuẩn đo lường để đánh giá kết quả và sử dụng ảnh lâm sàng thực tế, ưu điểm và 
nhược điểm của từng phương pháp được thực hiện trên hình ảnh y tế. 
2. PHƯƠNG PHÁP 
2.1. Lựa chọn phần tử cấu trúc 
Các thuật toán hình thái thường được sử dụng bao gồm giãn nở (dilation), co (erosion), 
mở (opening) , đóng (closing). 
 Các phần tử cấu trúc là các thành phần cơ bản của thuật toán hình thái [5]. Việc lựa 
chọn hình dạng (hình vuông, ellipse, chữ thập, ...) , kích thước (3x3, 5x5, 7x7, ...) và gốc ( 
ogirin) của phần tử cấu trúc ảnh hưởng trực tiếp đến kết quả hình ảnh (hình 1). Phần tử cấu 
trúc là ma trận của hai giá trị 0 và 1 (đối với ảnh nhị phân, còn đối với ảnh đa mức xám thì 
Đo lường – Tin học 
 H. Q. Thanh, , T. C. Hiếu, “Ảnh hưởng của các phương pháp  lên hình ảnh y tế.” 370 
ma trận gồm các giá trị từ 0 đến 255) , trong đó 1 được xác định là pixel lân cận và 0 bỏ 
qua trong quá trình tính toán. Kích thước đối tượng và độ phân giải của hình ảnh cũng liên 
quan tới hoạt động của yếu tố cấu trúc. Theo lý thuyết phân tích hình ảnh, yếu tố cấu trúc 
càng nhỏ, khả năng lọc nhiễu ít hơn, nhưng có thể nhận dạng các biên nhỏ và ngược lại. 
Trong hình ảnh y tế, tùy thuộc vào đối tượng quan tâm mà ta chọn yếu tố cấu trúc cho phù 
hợp. 
Hình 1. Hình dạng của phần tử kết cấu. 
2.2. Phép toán giãn nở, co, mở và đóng 
2.2.1. Hình thái học trên ảnh nhị phân 
Giãn nở và co là 2 toán tử cơ bản của phương pháp hình thái học và được sử dụng trong 
phân đoạn hình ảnh, nhận dạng đối tượng, phát hiện biên, trích xuất đặc điểm, ... Sự giãn 
nở là quá trình mở rộng các tính năng bằng cách quét các phần tử cấu trúc trên toàn bộ 
hình ảnh. Các điểm ảnh được thêm vào ranh giới của các đối tượng và được đặt ở mức tối 
đa trong quá trình mở rộng. Ngược lại, quá trình thu hẹp làm mảnh các tính năng, tách các 
đối tượng gần nhau và tìm xương của đối tượng. Nguyên tắc hoạt động của quá trình này 
là các pixel được đặt ở mức tối thiểu để loại bỏ các pixel tương ứng khỏi ranh giới đối 
tượng bằng cách di chuyển phần tử cấu trúc. 
Toán tử mở là sự kết hợp của phép co trước và phép giản nở sau, theo đó phần tử được 
cuộn dọc theo biên bên trong. Toán tử đóng thực hiện phép giản nở trước và phép co sau, 
trong đó phần tử được di chuyển dọc theo ranh giới bên ngoài [6]. 
Đối với hình ảnh nhị phân, với: 
A – Ảnh gốc 
B – Phần tử cấu trúc 
Các toán tử hình thái học được định nghĩa như sau: 
Phép giãn nở: A được mở rộng bởi B, được viết là A⊕B, được định nghĩa là (1): 
A⨁B = {a+b| với b∈ B và a∈ A} (1) 
Phép co: A được thu hẹp bởi B, được viết là A⊝B, và được định nghĩa là (2): 
A⊝B = {p| (b+p) ∈A với mọi b∈B} (2) 
Phép mở là sử dụng lần lượt B thu hẹp A và sau đó tiếp tục mở rộng kết quả thu được, 
được viết là A◦B, được định nghĩa là (3): 
A∘B = (A⊝B)⨁B (3) 
Ngược lại với mở, phép đóng sử dụng B mở rộng A và sau đó B tiếp tục thu hẹp kết 
quả thu được, được viết là A•B, được định nghĩa là (4): 
A•B = (A⨁B)⊝B (4) 
2.2.2. Hình thái học với ảnh đa mức xám 
A(x,y) là ma trận điểm ảnh của hình ảnh đa mức xám 2 chiều. B (a,b) là phần tử cấu trúc. 
Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 371
Giãn nở, co, mở và đóng của hình ảnh đá mức xám A(x,y) bởi một phần tử cấu trúc đa 
mức xám B(a,b) được biểu diễn tương ứng (5), (6), (7), (8) [7]: 
(A⨁B)(x,y) = max{A(x-a,y-b) + B(a, b)} (5) 
(A⊝B)(x,y) = min{A(x-a,y+b) - B(a,b)} (6) 
(A∘B)(x,y) = (A⊝B)(x,y) ⨁ B(a,b) (7) 
(A•B)(x,y) = (A⨁B)(x,y) ⊝ B(a,b) (8) 
Tương tự như hình ảnh nhị phân, phép co làm mảnh hoặc làm giảm kích thước thang 
độ xám của đối tượng, loại bỏ nhiễu và chi tiết dư thừa. Giãn nở làm tăng hoặc mở rộng 
kích thước quy mô thang độ xám của đối tượng, phá vỡ các phân đoạn, lấp đầy các khoảng 
trống. Hiệu quả của các thuật toán giãn nở và co là rất rõ ràng đối với việc trích lọc biên 
đối tượng, nhưng việc lọc nhiễu vẫn là nhược điểm lớn [8]. 
Sự kết hợp của giãn nở và co để khắc phục những nhược điểm của việc sử dụng từng 
toán tử riêng lẻ. Toán tử mở các phần tử giúp làm mịn biên ảnh, loại bỏ các phần không 
liên tục (đối với các vùng nhỏ hơn phần tử cấu trúc), và loại bỏ phần lồi lên. Trái ngược 
với mở, toán tử đóng cũng loại bỏ nhiễu, xóa các lỗ nhỏ, lấp đầu các lỗ trống trên đường 
biên của đối tượng [9]. 
Bởi vì việc sử dụng riêng biệt các toán tử nhị nhân không linh hoạt theo quyết định của 
người sử dụng. Việc kết hợp hai toán tử này để giải quyết một số trường hợp như: mở rộng 
các chi tiết quan trọng trong khi loại bỏ không gian thừa hoặc các kẽ hở (Nếu chỉ có toán 
tử giãn nở thì không làm được điều này). Hoặc chỉ để xóa bỏ nhiễu, trong khi kích thước 
của các đối tượng không thay đổi (nếu chỉ có toán tử co thì không làm được điều này). 
3. KẾT QUẢ 
 Phương pháp đánh giá tính hiệu quả của các thuật toán này dựa trên công cụ xử lý 
hình ảnh ITK 4.11.0 (Insight Segmentation and Registration Toolkit). Những hình ảnh 
được sử dụng trong bài viết được lấy từ Bệnh viện Đà Nẵng, Bệnh viện Trung ương Quân 
đội 108 và từ dữ liệu của thư viện ITK. Bằng cách sử dụng ITK với cấu hình hệ thống 
Inter(R) Core(TM)i5-4210U, CPU 1.7GHz, RAM 4GB, Windows 10 64 bit, thực hiện 
phương pháp tiếp cận được đề xuất trong [5, 20, 21, 23]. Kết quả chỉ ra rằng: 
Kết quả thử nghiệm phương pháp đề xuất trên phantom Gamex 463 được lấy từ bệnh 
viện ung bướu Kiên Giang. Kết quả làm tăng cường nổi bật và trích xuất các đối tượng có 
cấu trúc, tính toán diện tích của 2 vùng trên phantom lần lượt là 6475 pixel2 và 7230 
pixel2, gần bằng với số liệu diện tích được ghi trên phantom là 6655 pixel2 và 7554 pixel2. 
Tỉ lệ chính xác tương ứng là 97.3% và 95.7%. 
a, b, c, 
Hình 2. (a) Ảnh gốc phantom Gamex 463, (b) ảnh thu được khi áp dụng, 
(c) ảnh thu được sau khi áp dụng thuật toán. 
 Kết quả xử lý của hình ảnh CT, MRI thực tế, hình 3, 4, 5, 6 kết quả thu được sau khi 
thực hiện các thuật toán hình thái học. Các hình ảnh thu được đã được hiệu chỉnh để ngăn 
Đo lường – Tin học 
 H. Q. Thanh, , T. C. Hiếu, “Ảnh hưởng của các phương pháp  lên hình ảnh y tế.” 372 
chặn các hiệu ứng đường biên và duy trì các giá trị ban đầu của ảnh gốc. Từ hình 3, chúng 
ta có thể thấy rằng thuật toán giãn nở làm tăng số lượng pixel sáng và giảm số lượng pixel 
tối. Hình ảnh cuối cùng có phân bố cường độ đồng đều trên hình ảnh gốc. Hình 3, 4 cho 
thấy các kết quả khác nhau của các phần tử cấu trúc 3x3, 5x5. Độ tương phản tăng theo 
kích thước của phần tử cấu trúc, với phần tử cấu trúc 3x3 cho kết quả tốt nhất. Nhưng các 
biên không được bảo toàn khi kích thước của các phần tử này tăng lên và kết quả là các 
cấu trúc bên trong hầu như không nhìn thấy được. Hình 5, 6 là kết quả tương ứng của hình 
thái mở và đóng, các điểm ảnh tối được loại bỏ nhưng các điểm ảnh sáng không bị ảnh 
hưởng. Hình 5 thu được khung xương của đối tượng khi thực hiện phép trừ hình ảnh gốc 
và hình ảnh phép mở. Kết quả của hình 6 cho thấy các biên của hình ảnh MRI đại tràng 
được phát hiện hoàn toàn và phân biệt khi thực hiện phép trừ hình ảnh gốc và hình ảnh 
hình thái đóng. 
Hình 3. (a) Ảnh gốc; (b), (c) Tương ứng là hình ảnh thu được với các phần tử cấu trúc 
3x3, 5x5 của phép giãn nở. (1,3) Hình ảnh MRI của bụng và đại tràng lấy từ [10];(2) Hình 
ảnh CT của bệnh nhân Lê Quang T, lấy từ Bệnh viện Đà Nẵng. 
1 
2 
3 
 a, b, c, 
Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 373
Hình 4. (a) Ảnh gốc; (b), (c) Tương ứng là hình ảnh thu được với các phần tử cấu trúc 
3x3, 5x5 của phép co. 
a, b, c, d, 
Hình 5. (a) Là hình ảnh thu được với phần tử cấu trúc 3x3; (b) Hình ảnh gốc – Hình ảnh 
(a); (c) Là hình ảnh thu được với phần tử cấu trúc 5x5; (d) Hình ảnh gốc – Hình ảnh (c)của 
hình thái mở. 
a, b, c, d, 
Hình 6. (a) Là hình ảnh thu được với phần tử cấu trúc 3x3; (b) Hình ảnh gốc – hình ảnh 
(a); (c) Là hình ảnh thu được với phần tử cấu trúc 5x5; (d) Hình ảnh gốc – hình ảnh (c) của 
hình thái đóng. 
Đo lường – Tin học 
 H. Q. Thanh, , T. C. Hiếu, “Ảnh hưởng của các phương pháp  lên hình ảnh y tế.” 374 
Ưu điểm lớn nhất của phương pháp là các khu vực biên có độ tương phản thấp và suy 
giảm chất lượng của hình ảnh phổi, gan, mô khác,.. được xác định rõ ràng. 
Nhược điểm của các phương pháp trên là phần tử cấu trúc di chuyển theo hướng cố 
định trên ảnh, do đó nhiễu có thể được tạo ra ở ngoài phạm vi của đối tượng quan tâm. 
Hình ảnh mục tiêu cuối cùng trở nên phức tạp hơn trong trường hợp này. 
4. KẾT LUẬN 
 Hình thái học là phương pháp mới được sử dụng trong phân tích và xử lý hình ảnh y tế 
thay vì các phương pháp phát hiện biên truyền thống. Kết quả thử nghiệm cho thấy 
phương pháp này cải thiện độ tương phản, nhận dạng và trích xuất được các biên của hình 
ảnh y tế. Ưu điểm của phương pháp này là phân biệt rõ ràng các biên với các đối tượng lân 
cận, giảm các lỗi trong quá trình nhận dạng đối tượng. Phép giãn nở, co, mở và đóng đã 
cải thiện chất lượng của toàn bộ hình ảnh, không phân biệt các điểm ảnh do đó nhiễu được 
loại bỏ hoàn toàn. Hiệu quả của cách tiếp cận này hỗ trợ việc phân đoạn và trích xuất các 
khối u và tổn thương ở những giai đoạn xử lý về sau đối với ảnh y tế. 
TÀI LIỆU THAM KHẢO 
[1]. K. Shri Sarika, P. Sudha, " An Analysis of Edge Extraction for MRI Medical Images 
through Mathematical Morphological Operators Approaches," IJCA Proceedings on 
International Conference on Research Trends in Computer Technologies, (2013). 
[2]. Yoshitaka Kimori, " Morphological image processing for quantitative shape analysis 
of biomedical structures: effective contrast enhancement," Journal of Synchrotron 
Radiation, pp. 848 - 853, Vol. 20, (2013). 
[3]. Raihan Firoz, Md Islam, Md. Shahinuzzaman," Medical Image Enhancement Using 
Morphological Transformation," Journal of Data Analysis and Information 
Processing, pp. 1 - 12, Vol. 4, (2016). 
[4]. https://itk.org/ 
[5]. H. J. Johnson, M. M. McCormick, and L. Ibanez, "The ITK Software Guide," The 
Insight Software Co. Shahjahan Ali, M. Nasir Uddin Khan, Md. Khalid Hossain, Md. 
Khairul nsortium, Chapter 2, pp. 82 - 86, (2016). Available at: 
https://itk.org/ItkSoftwareGuide.pdf 
[6]. Gaetan Lehmann, "Binary morphological closing and opening image filters," The 
Insight Journal, (2006). 
[7]. Mahesh Kumar, Sukhwinder Singh, " Edge detection and denoising medical image 
using morphology," International Journal of Engineering Sciences & Emerging 
Technologies, Vol. 2, pp. 66 - 72, (2012). 
[8]. Zhao Yu-qian, Gui Wei-hua, Chen Zhen-cheng, Tang Jing-tian, Li Ling yun, " 
Medical Images Edge Detection Based on Mathematical Morphology," Engineering 
in Medicine and Biology 27th Annual Conference, Proceedings of the 2005 IEEE, 
pp. 6492 – 6495, (2005). 
[9]. W. Li, Véronique Haese-Coat, Joseph Ronsin, "Object Detection in Medical Images 
Based on Improved Morphological Multiresolution Decomposition and 
Morphological Segmentation," Russian Journal of Biomechanics, pp. 75 - 88, No. 1, 
(1999). 
[10]. Available at :  
Nghiên cứu khoa học công nghệ 
Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san FEE, 08 - 2018 375
ABSTRACT 
EFFECTS OF EFFECTIVE METHODOLOGY 
MEDICAL PHOTOS 
Handling and improving the quality of medical images with the help of computer 
software is one of the important stages in the diagnosis and treatment. In this 
article, we focus on describing the new morphological algorithms by ITK (Insight 
Segmentation and Registration Toolkit). These morphological operators eliminate 
noise, detect good edges, and overcome the drawback of traditional border 
detection methods [1]. 
Keywords: Medical image processing; Edge detection; Image enhancement; Morphological algorithms; ITK. 
Nhận bài ngày 01 tháng 7 năm 2018 
Hoàn thiện ngày 10 tháng 9 năm 2018 
Chấp nhận đăng ngày 20 tháng 9 năm 2018 
Địa chỉ: 1 Viện Trang Thiết bị và Công trình Y tế; 
 2 Trung tâm Vật lý hạt nhân, Viện Vật lý, Viện HLKH-CNVN; 
 3 Học viện Kỹ thuật quân sự. 
 *Email: Haquangthanh70@gmail.com.