國立中興大學

資訊科學與工程學系

研究專題

指骨 X 光影像的 ROI處理之研究

The Research of Process of ROI of Phalangeal Bones Radiographs

學 生: 王建琁 詹雅評

指導老師: 喻石生 教 授

中華民國九十七年六月

- 1 -

目 錄

第一章、緒論........................................................................................................... - 4 -

1.1 研究動機.................................................................................................... - 4 -

1.2 自動化骨齡估測系統................................................................................ - 6 -

1.3 章節簡介.................................................................................................... - 7 -

第二章、影像前處理............................................................................................... - 8 -

2.1 取出手掌輪廓............................................................................................ - 8 -

2.1.1去背景.............................................................................................. - 8 -

2.1.2手掌影像二值化.............................................................................. - 8 -

2.1.3 Component..................................................................................... - 11 -

2.2 ROI的定位與選取................................................................................... - 12 -

2.3 ROI影像處理........................................................................................... - 15 -

2.3.1 Equalization ................................................................................... - 15 -

2.3.2 Gamma-Equalization ..................................................................... - 17 -

2.3.3幾種常用的 Filter.......................................................................... - 19 -

2.3.4 Lee Filer ......................................................................................... - 20 -

第三章、影像切割................................................................................................. - 23 -

3.1 邊緣偵測法.............................................................................................. - 24 -

3.1.1 Sobel邊緣偵測法 ......................................................................... - 24 -

3.2 分類法......................................................................................................- 25 -

3.2.1 Two-Means分類法........................................................................ - 26 -

3.2.2 Fuzzy Two-Means分類法............................................................. - 27 -

3.2.3 Adaptive Two-Means分類法 ........................................................ - 29 -

3.3 實驗結果比較.......................................................................................... - 32 -

3.4 改善分割結果的方法.............................................................................. - 34 -

3.4.1 Component演算法改良................................................................ - 34 -

3.4.2 Modified Adaptive Two-means with Lock .................................... - 35 -

第四章、形態學..................................................................................................... - 39 -

4.1 膨脹(dilation)與侵蝕(erosion) ................................................................ - 39 -

4.2 斷開(Opening)和閉合(Closing) .............................................................. - 40 -

4.3 區域填充.................................................................................................. - 41 -

4.4 連通成分的抽取...................................................................................... - 42 -

第五章、結論與心得............................................................................................. - 44 -

參考文獻................................................................................................................. - 45 -

- 2 -

圖表目錄 圖 1.1 自動化骨齡分析系統流程................................................................... - 6-

圖 2.1 拿掉 X 光片外圍的背景...................................................................... - 9-

圖 2.2 Triangle演算法示意圖 ........................................................................ - 9-

圖 2.3 掌影像二值化....................................................................................... -10-

圖 2.4 標示點的方法....................................................................................... -11-

圖 2.5 Component流程圖............................................................................... -12-

圖 2.6 水平掃描定位指頭............................................................................... -13-

圖 2.7 取出中軸............................................................................................... -13-

圖 2.8 點 xk,l 元素之鄰近點示意圖. ............................................................. -13-

圖 2.9 手指之中軸........................................................................................... -14-

圖 2.10 中軸上的元素鄰近點灰階值總和....................................................... -14-

圖 2.11 圗 2.10之一階微分.............................................................................. -14-

圖 2.12 Equalization前後比較 ......................................................................... -16-

圖 2.13 Gamma-Equalization實驗結果.. ......................................................... -17-

圖 2.14 Gamma-Equalization示意圖 ............................................................... -18-

圖 2.15 三種 Filter對胡椒鹽雜訊的處理結果................................................ -20-

圖 2.16 Lee filter實驗結果............................................................................... -21-

圖 3.1 取出影像特徵的過程........................................................................... -22-

圖 3.2 實作 Sobel之結果 ............................................................................... -24-

圖 3.3 背景部份............................................................................................... -25-

圖 3.4 Two-means實驗結果 ........................................................................... -26-

圖 3.5 Fuzzy Two-means實驗結果 (使用參數ε =0.05) ............................... -27-

圖 3.6 Modified Adaptive Two-means分類法................................................ -30-

圖 3.7 Component之改良............................................................................... -33-

圖 3.8 Component改良實驗結果................................................................... -34-

圖 3.9 使用 Modified Adaptive Two-means 產生過度切割的情況.............. -34-

圖 3.10 Modified Adaptive Two-means with Lock 第三步驟之結果 ............. -36-

圖 3.11 Modified Adaptive Two-means with Lock 與 without Lock之比較 . -36-

圖 4.1 膨脹運算過程示意圖........................................................................... -37-

圖 4.2 侵蝕運算過程示意圖........................................................................... -38-

圖 4.3 區域填充之結果................................................................................... -39-

圖 4.4 連通成分的抽取之結果....................................................................... -40-

- 3 -

表 3.1 Two-means 與 Fuzzy Two-means切割結果之比較.......................... -31-

表 3.2 Modified Adaptive Two-means 與 Modified Adaptive Two-means

after Gamma-equalization切割結果之比較........................................ -32-

- 4 -

第一章、緒論

1.1 研究動機

估測兒童骨齡(Bone age)或骨骼發育之成熟度，一直以來都

是小兒內分泌醫學在臨床診斷上非常重要的一環，此方法被廣

泛使用的原因是其較為簡單，且僅需要手掌的 X 光片便可進行

骨齡的估算[1]。在臨床應用上，可針對生長及發育異常的兒童

給予適度的治療與監控，進一步更可用來估測兒童未來的成人

身高。在小兒放射醫學上，主要針對患者左手手腕 X 光片進行

整體的觀察與分析並估測其骨齡，進而與患者的實際年齡進行

比較，藉由判斷兩者間是否有明顯之差異，以此做為臨床診斷

之依據。

在臨床醫學上，一般判別骨齡主要有兩個依據，分別為分

析腕骨和指骨的骨骼特徵。然而，前者僅能分析小於 9~12 歲

的骨齡，適用範圍較小[2]，故本實驗主要針對指骨部分的感興

趣區域(Region of interest: ROI)進行分析。由於指骨骨骼成長在

不同的年齡階段有著不同的構造與特性，因此一般可分為兩個

階段：早期階段(early stage)骨骺(epiphysis)逐漸由點變厚變寬，

而後期階段(later stage)則為骨骺與幹骺端(metaphysic)融合，當

融合完成後即為成人骨骼。兩階段用來判別骨齡的方法也因每

階段骨骼特性的不同而有差異。早期階段主要以骨骺的形狀、

大小、骨骺與幹骺端的半徑及兩者之間的距離…等特徵作為骨

齡估測的依據，主要是利用影像切割的技術來完成上述相關特

徵的萃取與分析；後期階段的影像特徵可以透過分析頻率域來

了解骨骺與幹骺端融合區塊的融合程度，使用的特徵萃取方法

有小波轉換(warelet transform)、傅立葉轉換(Fourier transform)

等技術[3]。

臨床上，最普遍用來估測骨齡的方法有下列兩種，分別為

Greulic and Pyle(GP)[4,5]及 Tanner and Whitehouse(TW2)[6]。GP

- 5 -

法係為一種圖像比對法，主要是利用整張待估測影像與資料庫

圖像(含性別與年齡等資訊)的 X 光片一一做比較，找出最相似

者，則該資料庫所記錄的年齡即為估測的骨齡。而 TW2 法則

屬於一種計分法，它將骨骺生長狀態區分為八個階段，再以指

節為單位依照不同階段分別計分，最後根據總分評估其骨齡。

TW2 法將骨骺生長狀況區分為以下八階段(B~I):

Stage B ) 骨骺與幹骺端區間有單一鈣離子的沉澱物

Stage C ) 骨骺開始有明顯的外觀

Stage D ) 骨骺最大半徑為幹骺端寬的一半或一半以上

Stage E ) 骨骺邊緣是凹的

Stage F ) 骨骺與幹骺端的半徑一樣寬

Stage G ) 骨骺包住幹骺端

Stage H ) 骨骺與幹骺端開始融合

Stage I ) 骨骺與幹骺端完全融合

鑑於骨頭 X 光片影像中各類組織－包含骨頭組織(bone

tissue)及軟組織(soft tissue)，此兩個組織的灰階對比程度較低，

再加上外在因素以及個體間骨骼差異性大，使得觀察者無法明

確判別。又因為不可能找到完全相同的兩張 X 光片，使得 GP

法在不同觀察者中常會得到不同的骨齡估測結果。另外，由於

每個觀察者受到影像判讀訓練的程度和方法不同，對於影像分

析的重點及累積之經驗均有差異，這些都將影響骨齡估測的結

果，综合以上分析，使得利用 GP 法所估測之骨齡其主觀成分

非常大[7]。而 TW2 法係由觀察每個指節再分別給分，雖然比

GP法來的準確且客觀，但步驟細節繁瑣且費時造成評估困難。

此兩種方法，在資料庫檔案的比對以及判別所屬階段與相似程

度上的歸類，皆由人工進行，不僅耗費大量人力與時間，還可

能因觀察者的不同而有不客觀的結果[5,8]，所以目前極需一個

電腦系統既客觀、準確又省時的估測骨齡 [9,10]。然而在自動

化骨齡估測系統中，骨骼之特徵萃取為其重要之關鍵因素，而

準確的影像特徵切割乃為首要之任務。

經由以上的分析，我們希望在此研究中，可以藉由各種數

位影像處理的技術，針對各階段骨骼發育的特性，進行影像的

- 6 -

特徵強化，以作為後續影像特徵切割作業及特徵萃取與分析之

依據，最終可達到準確估測骨齡之目的，並有效降低時間與人

力，提高診斷的準確度。本專題即針對自動化指骨 ROI 影像特

徵之切割進行研究與實驗，利用多種影像處理技術以及影像切

割的方法，希望得到較好的指骨影像自動化切割結果。

1.2 自動化骨齡估測系統

一般來說，自動化骨齡分析估測系統主要分成三大部分（圖

1.1），第一部分為影像處理，第二部份為特徵萃取，第三部份

為骨齡估測。而本專題研究主要係針對第一部分及第二部份進

行研究分析。

影像處理影像處理影像處理影像處理 特徵萃取特徵萃取特徵萃取特徵萃取 骨齡估測骨齡估測骨齡估測骨齡估測

影像前處理

ROI 萃取

資料庫

取出 ROI

切割 分析

圖 1.1 自動化骨齡分析系統流程

以下就上圖三個部份，做詳細的介紹與說明：

(一一一一) 影像處影像處影像處影像處理理理理：首先我們利用二值化以及找出最大區域亮塊的

方法去除手掌周圍的雜訊以及找出手掌輪廓。完成手掌輪

廓的擷取後，接著要對手指中軸進行定位，最後根據手指

中軸的灰階變化取出感興趣區域 ROI(Region Of Interest)

影像。

(二) 特徵萃取特徵萃取特徵萃取特徵萃取：為了要判別骨齡，我們需要找出足以代表個別

X 光片影像的特徵，此部分即為特徵萃取。而特徵萃取必

須對於上述取出的各個 ROI 區域進行分析；以骨骼發育前

期來說，首先必須透過影像切割的技術進行，最後選出足

以判別骨齡的某幾項特徵，如骨骺的形狀、大小、半徑…

- 7 -

等。而影像切割的方法，主要依據三種基礎概念：1)臨界

值，2)邊界，3)分類。以臨界值為基礎(threshold-base)的分

割，是依據所選定的臨界值來分割，大於此臨界值者歸為

物體點 (Object point)，剩餘的歸於背景點 (Background

point)，也可選定多個臨界值來分類多個標的物；以邊界

為基礎(dge-base)的分割，是根據灰階的非連續性特徵在區

域之間找尋邊界，我們使用 sobel實作；而以分類為基礎

(clustering-base)的分割，是將擁有相同性質者歸於同類，

藉此分出不同的群組。本研究使用的影像切割方法有

Two-means、Fuzzy Two-means、Adapt Two-means。在實驗

的過程中，因為使用 Two-means時分類的依據太過果斷及

缺乏彈性，使得分類結果並非我們理想的狀態，尤其是在

骨頭的邊緣是最不易被準確切割的地方。進而改採 Fuzzy

Two-means，結果非但沒有得到較精確的分類，反而使計

算上更為繁複。最後，改用以上述方法為基礎衍生出來且

改良過的 Adapt Two-means，希望能在骨頭邊緣上得到更

精確的分類。

(三) 骨齡估測骨齡估測骨齡估測骨齡估測：經由上述兩大步驟－影像處理及切割後，我們

可以得到清楚的特徵影像，最後藉由與資料庫中的影像特

徵的比較進行骨齡分析，進而判別骨頭年齡，此部分即為

骨齡估測。

1.3 章節簡介

為了達到本研究的目的，我們實作各種影像處理和影像分

割的方法，以取得完整精確的骨頭特徵，使得估測骨齡時有準

確的依據。在第二章，將逐一介紹我們在影像處理上所使用的

方法與技術，以利於後續切割演算法的進行。第三章，便進入

重要的影像切割步驟，將一系列介紹各種影像切割的原理與方

法分析比較。接著，第四章會針對切割後的影像做進一步的處

理，在此我們利用型態學的處理技術讓切割後的影像更趨於理

想目標。最後，第五章是本研究及實驗的結論與未來的發展。