一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法
【專利摘要】本發(fā)明公開了一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，包括9個(gè)步驟：對(duì)微米級(jí)顯微采集環(huán)境下的圖像進(jìn)行預(yù)處理；對(duì)預(yù)處理后獲得的圖像進(jìn)行細(xì)胞孔洞提取；利用連通域的知識(shí)進(jìn)行細(xì)胞的封閉孔洞填充；在步驟3中填充后的圖像中提取細(xì)胞的輪廓線點(diǎn)序列；采用基于圓形度判定的不封閉孔洞填充方法對(duì)細(xì)胞的不封閉孔洞進(jìn)行填充；將填充后的圖像進(jìn)行倒角變換；利用中的細(xì)胞孔洞位置進(jìn)行極值唯一化標(biāo)記；使用基于標(biāo)記的分水嶺方法對(duì)極值唯一化后的圖像進(jìn)行分割；將分割得到的結(jié)果進(jìn)行量化、標(biāo)記。有益的技術(shù)效果：本發(fā)明能夠大大減少圖像噪聲的影響，改善過分割、分割線不連續(xù)現(xiàn)象，提高分割效果，增加細(xì)胞識(shí)別率。
【專利說明】
一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種醫(yī)學(xué)圖像處理領(lǐng)域中關(guān)于醫(yī)學(xué)圖像特征提取、識(shí)別技術(shù)領(lǐng)域，具 體涉及一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法。
【背景技術(shù)】
[0002] 現(xiàn)有技術(shù)的方法檢驗(yàn)一個(gè)樣本需要大量的時(shí)間。這種方法存在很多不足:首先檢 驗(yàn)工作量大，效率低，連續(xù)工作很容易因客觀因素導(dǎo)致錯(cuò)誤的識(shí)別；其次，對(duì)樣本的識(shí)別分 析容易受到視覺疲勞等的限制，摻雜了較強(qiáng)的主觀因素而缺乏客觀的標(biāo)準(zhǔn)。現(xiàn)有的半自動(dòng) 識(shí)別和檢測的方式顯得越來越不合適，當(dāng)遇到檢測高峰期時(shí)，不能及時(shí)、準(zhǔn)確地得到檢驗(yàn)結(jié) 果，就會(huì)耽誤病人就診。因此實(shí)現(xiàn)糞便鏡檢圖像自動(dòng)識(shí)別與分析，是醫(yī)院檢測部門也是患者 們的迫切需求。本技術(shù)方案提出的方法是對(duì)樣本圖像進(jìn)行圖像處理等過程實(shí)現(xiàn)樣本的自動(dòng) 檢測與分析。檢測人員一般不參與分析識(shí)別過程，只有在有特殊需要時(shí)才參與分析。極大地 縮短了檢驗(yàn)一個(gè)樣本所需的時(shí)間，而且有效地減少了檢驗(yàn)結(jié)果對(duì)人工操作以及醫(yī)生經(jīng)驗(yàn)的 依賴，快捷而且準(zhǔn)確的得到具體的檢驗(yàn)數(shù)據(jù)和結(jié)果?？朔思?xì)胞圖像噪聲多，細(xì)胞重疊和粘 連程度大，圖像質(zhì)量差異變化明顯等技術(shù)難點(diǎn)。
[0003] 解決分水嶺算法的過分割問題可以分為兩大類，一類是在分割之后，基于某種方 法對(duì)分割圖像進(jìn)行合并，但是這種方法十分耗時(shí)；另一類就是基于標(biāo)記的提取，標(biāo)記提取的 好壞直接影響到最終分割效果的好壞。經(jīng)對(duì)現(xiàn)有技術(shù)文獻(xiàn)的檢索發(fā)現(xiàn):Aymen Mouelhi， Mounir Sayadi ,Farhat Fnaiech Li等在《Automatic Segmentation of Clustered Breast Cancer Cells Using Watershed and Concave Vertex Graph》中提出的基于分水 嶺和圖形凹頂點(diǎn)的分割重疊細(xì)胞算法，算法步驟如下：首先，基于Chan-Vese能量函數(shù)使用 修改后的幾何活動(dòng)輪廓檢測細(xì)胞區(qū)域獲得細(xì)胞輪廓。然后，從欲分割圖像通過細(xì)胞輪廓檢 測高凹度的點(diǎn)提取細(xì)胞區(qū)域。接著，對(duì)圖像顏色權(quán)值距離進(jìn)行距離變換，對(duì)變換后獲得的圖 像利用分水嶺算法進(jìn)行分割。分割結(jié)果存在過分割現(xiàn)象，需要對(duì)分割線進(jìn)行篩選。首先去除 那些不以高凹度點(diǎn)為頂點(diǎn)的分割線，然后在過高凹度的分割線中利用Dijkstra算法找到分 割細(xì)胞的最短分割線，完成細(xì)胞分割。算法雖然取得了比較好的效果，但是未考慮不封閉孔 洞填充，且由于算法最終選取的是最短分割線，并不能將準(zhǔn)確區(qū)分細(xì)胞界限;Jingqi Ao等 在《Ahybrid watershed method for cell image segmentation》一文中，使用基于分水嶺 算法的k均值聚類生成細(xì)胞輪廓將所有細(xì)胞相關(guān)內(nèi)容(核和細(xì)胞質(zhì)）與背景分離，接著利用 全局直方圖檢測細(xì)胞核，細(xì)胞核與細(xì)胞質(zhì)直接的對(duì)比度低，需要進(jìn)行直方圖拉伸和直方圖 均衡化，以增加細(xì)胞核和細(xì)胞質(zhì)之間的對(duì)比，進(jìn)一步改善直方圖閾值的影響。這樣就可以獲 得細(xì)胞間的邊界和細(xì)胞內(nèi)部細(xì)胞核和細(xì)胞質(zhì)的邊界，最后利用分水嶺算法分別分割細(xì)胞核 和細(xì)胞質(zhì)。算法雖然能夠明顯的將背景，細(xì)胞質(zhì)，細(xì)胞核區(qū)分出來，但是細(xì)胞質(zhì)和背景之間 并不能嚴(yán)格區(qū)分開來，而且分割線不光滑;高麗等在《一種基于標(biāo)記的分水嶺圖像分割新算 法》一文中，將分水嶺算法直接應(yīng)用分水嶺在原始梯度圖像而并非簡化之后的圖像進(jìn)行分 害J，從而保證沒有物體邊緣信息的丟失。與此同時(shí)，新算法提出了一種新的標(biāo)記提取方法， 從圖像的低頻成份中提取與物體相關(guān)的局部極小值。在獲得梯度圖像過程中，先對(duì)圖像進(jìn) 行腐蝕，膨脹處理，然后分別計(jì)算RGB空間中的3個(gè)彩色分量圖像，取其中最大值作為該點(diǎn)梯 度。然后利用彩色梯度圖像的二階Buttrewerth低通濾波來消除噪聲。在提取標(biāo)記過程中， 根據(jù)圖像的照度一反射模型（照度分量通常以空間域的慢變化為特征，反射分量通常引起 突變），這些特性導(dǎo)致圖像的低頻成份對(duì)應(yīng)著圖像的基本內(nèi)容，而圖像的高頻成分與對(duì)應(yīng)著 圖像的邊緣、紋理細(xì)節(jié)和噪聲。因此，圖像的低頻成份中，局部極小值與圖像中的各個(gè)物體 具有強(qiáng)烈的相關(guān)性。將局部極小值構(gòu)成二值標(biāo)記圖像。然后，將提取的標(biāo)記利用形態(tài)學(xué)極小 值標(biāo)定技術(shù)強(qiáng)制作為原始梯度圖像的局部極小值，而屏蔽梯度圖像中原有的所有局部極小 值。最后基于這些標(biāo)記進(jìn)行分水嶺分割。該算法在圖像處理上取得了很好的效果，但是運(yùn)用 到分割重疊細(xì)胞中卻得不到理想效果，甚至不能將重疊細(xì)胞嚴(yán)格分割開來。這些算法在對(duì) 粘連細(xì)胞進(jìn)行分割的過程中存在過分割和分割線不連續(xù)的情況并沒有根本上解決，使得細(xì) 胞識(shí)別的誤識(shí)率較大。普通的細(xì)胞識(shí)別方法無法滿足正常人體醫(yī)學(xué)病理檢測的要求，需要 尋找一種消除過分割和提高分割線清晰度的方法，提高識(shí)別率。

【發(fā)明內(nèi)容】

[0004] 發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對(duì)現(xiàn)有技術(shù)的不足，提供一種微米級(jí) 顯微采集環(huán)境下的細(xì)胞自動(dòng)識(shí)別計(jì)數(shù)方法。
[0005] 為了解決上述技術(shù)問題，本發(fā)明公開了一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，具體如下：
[0006] -種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，按如下步驟進(jìn)行：
[0007] 步驟1，通過微米級(jí)顯微設(shè)備獲取細(xì)胞原始圖像A。所述的細(xì)胞原始圖像A由細(xì)胞圖 像區(qū)域和背景圖像區(qū)域兩部分構(gòu)成。其中，細(xì)胞圖像區(qū)域進(jìn)一步分為2種:封閉孔洞的細(xì)胞 圖像區(qū)域(細(xì)胞輪廓線完整）、不封閉孔洞的細(xì)胞圖像區(qū)域(細(xì)胞輪廓線不完整）。
[0008] 對(duì)微米級(jí)顯微采集環(huán)境下獲得的原始圖像A進(jìn)行圖像二值化預(yù)處理，獲得經(jīng)過二 值化處理的圖像B。其中數(shù)值較高的像素點(diǎn)的灰度值記為高值灰度，余下的記為低值灰度。
[0009] 進(jìn)一步說，使用自適應(yīng)閾值的二值化方法進(jìn)行圖像二值化。并使用數(shù)學(xué)形態(tài)學(xué)方 法去除噪聲、雜質(zhì)和凸顯細(xì)胞輪廓特征，得到經(jīng)過預(yù)處理的細(xì)胞圖像B。
[0010] 經(jīng)過二值化處理的圖像B，由封閉孔洞的二值化圖像區(qū)域、不封閉孔洞的二值化圖 像區(qū)域、二值化背景圖像區(qū)域3部分構(gòu)成。其中，封閉孔洞的二值化圖像區(qū)域、不封閉孔洞的 二值化圖像區(qū)域、二值化背景圖像區(qū)域分別與構(gòu)成細(xì)胞原始圖像A的封閉孔洞的圖像區(qū)域、 不封閉孔洞的圖像區(qū)域、背景圖像區(qū)域相對(duì)應(yīng)。
[0011] 步驟2,采用基于連通域的孔洞分割方法對(duì)經(jīng)過二值化處理的圖像B進(jìn)行細(xì)胞孔洞 提取，即將封閉孔洞的二值化圖像區(qū)域全部標(biāo)記出來，將封閉孔洞的二值化圖像區(qū)域簡稱 為封閉孔洞區(qū)域，封閉孔洞區(qū)域內(nèi)的像素點(diǎn)的所有位置坐標(biāo)（i，j)組成封閉孔洞區(qū)域內(nèi)像 素點(diǎn)的位置集合Ω。
[0012] 步驟3,將封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω中的所有像素點(diǎn)的位置坐標(biāo)(i，j) 所對(duì)應(yīng)的灰度值記為f (i，j)，將該灰度值f (i，j)設(shè)為0，即對(duì)經(jīng)過二值化處理的圖像B中封 閉孔洞的二值化圖像區(qū)域進(jìn)行填充，得到一次填充的圖像C。
[0013] 步驟4,對(duì)一次填充后的圖像C提取細(xì)胞的輪廓，獲得細(xì)胞輪廓的線點(diǎn)序列集合 contours〇
[0014] 步驟5,采用基于圓形度判定法，對(duì)由步驟4獲得的線點(diǎn)序列集合contours進(jìn)行填 充，即對(duì)不封閉孔洞的二值化圖像區(qū)域進(jìn)行填充，得到二次填充后的圖像D。
[0015] 步驟6,對(duì)圖像D進(jìn)行取反操作，取反操作即用最大亮度值減去現(xiàn)有像素值并賦值 給圖像像素，獲得經(jīng)過取反操作處理的圖像E。
[0016] 對(duì)經(jīng)過取反操作處理的圖像E進(jìn)行倒角距離變換，獲得經(jīng)過倒角變換的圖像T。 [0017]對(duì)經(jīng)過倒角變換的圖像T進(jìn)行消除極小值、非線性變換、取反操作處理，獲得經(jīng)過 取反操作處理的再次取反后的圖像I。
[0018] 所述消除極小值為對(duì)圖像T中對(duì)應(yīng)的每個(gè)像素點(diǎn)的值減去一個(gè)常數(shù)值，本發(fā)明中 該常數(shù)值為50。
[0019] 所述非線性變換為對(duì)經(jīng)過消除極小值后的圖像進(jìn)行非線性變換，具體公式如下：
[0020]
[0021] 其中INTO函數(shù)是取整運(yùn)算。g是非線性變換的尺度等級(jí)，它的取值是由各個(gè)區(qū)域 中的灰度差異決定的，K是變換后的梯度圖像。將圖像K進(jìn)行取反操作后最后得到處理好后 的圖像I。
[0022] 所述取反操作為對(duì)經(jīng)過非線性變換后的圖像進(jìn)行取反運(yùn)算。
[0023] 步驟7,根據(jù)封閉孔洞區(qū)域內(nèi)像素點(diǎn)的坐標(biāo)集合Ω，對(duì)再次取反后的圖像I中進(jìn)行 細(xì)胞孔洞極值唯一化標(biāo)記，將再次取反后的圖像I中與封閉孔洞區(qū)域內(nèi)像素點(diǎn)位置相對(duì)應(yīng) 的、再次取反后的圖像I中的像素點(diǎn)值f(i，j)標(biāo)記為MIN頂U(kuò)M，得到經(jīng)過唯一化標(biāo)記極值的 圖像J。
[0024] 步驟8,使用分水嶺方法對(duì)經(jīng)過唯一化標(biāo)記極值的圖像J進(jìn)行細(xì)胞分割，得到分割 后的細(xì)胞圖像R。
[0025] 步驟9,對(duì)分割后的細(xì)胞圖像R進(jìn)行細(xì)胞標(biāo)記和量化，得到細(xì)胞的數(shù)量和每個(gè)細(xì)胞 的位置坐標(biāo)，實(shí)現(xiàn)計(jì)數(shù)功能，得到結(jié)果。
[0026]本發(fā)明所述的細(xì)胞圖像預(yù)處理包括:將細(xì)胞圖像進(jìn)行灰度化處理，根據(jù)細(xì)胞圖像 的不同亮度特征進(jìn)行自適應(yīng)分塊二值化，對(duì)圖像使用結(jié)構(gòu)元進(jìn)行腐蝕、膨脹操作去除雜質(zhì) 和噪聲，填補(bǔ)閾值化不當(dāng)產(chǎn)生的空隙，經(jīng)過上述處理后的圖像作為預(yù)處理后的圖像。
[0027] 本發(fā)明步驟2中的細(xì)胞孔洞提取包括以下步驟：已知得到的二值圖像中只有兩種 灰度值的像素點(diǎn)，細(xì)胞邊緣上的點(diǎn)的灰度值為〇，背景和細(xì)胞孔洞的點(diǎn)的灰度值均為255。
[0028] 1)首先，分別遍歷二值圖像中的四條邊界線，1 = 14 = 1，」=1，」=1，取得四條邊 界線上軌的每個(gè)像素點(diǎn)（i，j)，如果灰度值f(i，j)等于255值(white背景），那么以該點(diǎn)為種 子點(diǎn)，利用八連通區(qū)域生長算法將連通區(qū)域內(nèi)的所有像素點(diǎn)的灰度值設(shè)為0。
[0029] 2)其次，遍歷整圖中每個(gè)像素點(diǎn)（i，j)，如果灰度值f(i，j)不等于0,即為細(xì)胞孔洞 內(nèi)的像素點(diǎn)，將這些點(diǎn)保存在集合Ω中。
[0030] 本發(fā)明步驟3中細(xì)胞的封閉孔洞填充包括以下步驟：
[0031] 1)取出步驟2中得到的孔洞區(qū)域集合Ω中的所有像素點(diǎn)（i，j)。
[0032] 2)將每個(gè)像素點(diǎn)（i，j)對(duì)應(yīng)在二值圖像B上的灰度值f (i，j)設(shè)為0。
[0033] 3)完成圖像中封閉孔洞的填充，得到圖像C。
[0034]本發(fā)明步驟4中在圖像C上提取細(xì)胞的輪廓線點(diǎn)序列包括以下步驟:根據(jù)"探測準(zhǔn) 貝Γ找到目標(biāo)輪廓上的像素點(diǎn)，然后根據(jù)這些點(diǎn)找出目標(biāo)物體上的其他像素點(diǎn)：
[0035] 1)先按照從左到右、從下到上的探測準(zhǔn)則順序搜索圖像的所有像素點(diǎn)，找到最左 下方的邊界點(diǎn)。
[0036] 2)然后根據(jù)如下跟蹤準(zhǔn)則:從第一個(gè)邊界點(diǎn)開始，定義初始的搜索方向?yàn)檠刈笊?方。如果左上方的點(diǎn)是黑點(diǎn)，則為邊界點(diǎn)，否則順時(shí)針旋轉(zhuǎn)45度，這樣一直找到第一個(gè)黑點(diǎn) 為止。
[0037] 3)然后把這個(gè)黑點(diǎn)作為新的邊界點(diǎn)，在當(dāng)前搜索方向的基礎(chǔ)上逆時(shí)針旋轉(zhuǎn)90度， 繼續(xù)用同樣的方法搜索下一個(gè)黑點(diǎn)，直到返回最初的邊界點(diǎn)或直到找不到點(diǎn)為止。
[0038] 本發(fā)明步驟5中不封閉孔洞區(qū)域填充包括以下步驟：
[0039] 1)遍歷步驟4中得到的輪廓點(diǎn)序列集合contour s得到每個(gè)細(xì)胞的輪廓線i-contour，計(jì)算被輪廓線i -contour包圍的面積值area以及輪廓線的長度I ength。
[0040] 2)將1)中得到的輪廓線長度值length以及被輪廓線包圍的面積值area代入下式e = 4JiXarea/(lengthX length)，得到判定參數(shù)值e，當(dāng)判定參數(shù)即圓形度e為1時(shí)，圖形即為 圓形，Ι-e越大，圖形越不規(guī)則，與圓形的差距越大。
[0041 ] 3)如果Ι-e大于設(shè)定閾值t，則判定該輪廓線i-contour是不封閉的細(xì)胞孔洞的輪 廓線j-contour，其中設(shè)定閾值te (〇，1)。
[0042] 4)取得不封閉孔洞的輪廓線j-contour，得到輪廓線j-contour的點(diǎn)序列points， 通過points里任意兩點(diǎn)連接畫一條黑色的直線，得到對(duì)不封閉孔洞填充后的二值圖像D。 [0043]本發(fā)明步驟6中細(xì)胞圖像倒角距離變換包括以下步驟：
[0044] 1)將填充后的二值細(xì)胞圖像D作為輸入圖像，先進(jìn)行取反操作。
[0045] 2)用前向模板對(duì)目標(biāo)圖像進(jìn)行從左到右、由頂至下的前向掃描。在掃描到某個(gè)位 置時(shí)，模板中的每一個(gè)元素與其圖像中對(duì)應(yīng)的像素值相加而形成一個(gè)和集合。對(duì)應(yīng)模板空 白處定義為空操作，不計(jì)入和集合。位于模板中心的像素用這些和集合中的最小值取代。
[0046] 3)用后向模板對(duì)第二步結(jié)果進(jìn)行從右向左、由下至頂?shù)暮笙驋呙琛Ｌ幚矸椒ê偷?二步相同，最終得到倒角距離變換后的圖像T。
[0047] 4)對(duì)圖像T進(jìn)行非線性處理，包括微小值的消除和非線性變換，最后得到處理好后 的圖像I作為輸出。
[0048] 本發(fā)明步驟7中細(xì)胞孔洞極值唯一化包括以下步驟：
[0049] 1)根據(jù)步驟2中獲得的細(xì)胞孔洞內(nèi)像素點(diǎn)的位置集合Ω，得到集合Ω中每個(gè)像素 點(diǎn)的位置信息（i，j)。
[0050] 2)將步驟7. 1中每個(gè)像素點(diǎn)的位置（i，j)對(duì)應(yīng)圖像I中的像素值f(i，j)設(shè)為 MIN頂U(kuò)M即標(biāo)記為極小值，其中MIN頂U(kuò)M為0。
[0051] 3)輸出唯一化標(biāo)記極值后的圖像J。
[0052]本發(fā)明步驟8中基于標(biāo)記的分水嶺分割方法包括以下步驟：
[0053] 1)初始化標(biāo)記圖M(標(biāo)記圖是和灰度圖等尺寸大小的二維數(shù)組），初始化標(biāo)記值為 INIT。對(duì)灰度圖進(jìn)行遍歷按灰度遞增的次序給像素排序，確定具有某一灰度層h的像素集合 0(1〇，其中灰度層號(hào)11￡[]\1預(yù)頂1]]\1，255]。
[0054] 2)得到灰度層h等于MINMUM的像素集合Q(h = MINMUM)內(nèi)的所有點(diǎn)。將該層的像 素集合Q(h)中的每個(gè)點(diǎn)對(duì)應(yīng)標(biāo)記圖上的灰度值賦予標(biāo)記MASK，然后遍歷該層的像素集合Q (h)，如果當(dāng)前點(diǎn)的標(biāo)記不是MASK那么執(zhí)行空操作，繼續(xù)該層的像素集合Q(h)的遍歷。如果 當(dāng)前點(diǎn)的標(biāo)記（即標(biāo)記圖上的灰度值)為MASK那么將該點(diǎn)記為盆地w，其中w是盆地的標(biāo)記及 細(xì)胞的序號(hào)。然后將當(dāng)前點(diǎn)壓入隊(duì)列Ql中，按照廣度優(yōu)先的方式遞歸地找到當(dāng)前點(diǎn)的所在 的連通區(qū)域，將連通區(qū)域上的點(diǎn)全部標(biāo)記為盆地w。
[0055] 3)對(duì)剩下的像素集合{Q(h)，h! =minimum}對(duì)其每個(gè)點(diǎn)賦予標(biāo)記值MASK。遍歷該層 的像素集合Q(h)，計(jì)算當(dāng)前像素點(diǎn)p的八個(gè)領(lǐng)域點(diǎn)，如果領(lǐng)域點(diǎn)中存在點(diǎn)屬于某個(gè)水盆（BP 對(duì)應(yīng)標(biāo)記圖上的標(biāo)記為w)，則將當(dāng)前點(diǎn)壓入隊(duì)列Q2中。
[0056] 4)如果FIFO先進(jìn)先出隊(duì)列Q2不空，則取出第一個(gè)元素，即當(dāng)前像素點(diǎn)p，計(jì)算當(dāng)前 像素點(diǎn)P的八個(gè)鄰域點(diǎn)，如果鄰域點(diǎn)中存在的點(diǎn)只屬于一個(gè)盆地i，則給點(diǎn)P打上該集水盆的 標(biāo)記i。如果鄰域點(diǎn)中存在兩個(gè)及兩個(gè)以上的點(diǎn)屬于不同的集水盆，則打上水壩的標(biāo)記 WSHED;如果鄰域點(diǎn)中存在點(diǎn)屬于水壩，則也打上水壩的標(biāo)記WSHED。同時(shí)將當(dāng)前像素點(diǎn)p的 所有標(biāo)記為MASK的領(lǐng)域點(diǎn)像素壓入隊(duì)列Q2中步驟4)所有灰度層均處理完畢及浸沒過程結(jié) 束后，將標(biāo)記為WSHED水壩的像素點(diǎn)的灰度值設(shè)為背景值(255)，把集水盆地內(nèi)的像素點(diǎn)的 灰度值均設(shè)為前景目標(biāo)的灰度值(〇)，最終得到一幅分割后的二值圖像。上一步驟中被標(biāo)記 為WSHED水壩的像素點(diǎn)組成了結(jié)果圖像R中重疊細(xì)胞的連續(xù)分割線。
[0057]本發(fā)明步驟9中量化、計(jì)數(shù)過程包括以下步驟：
[0058] 1)對(duì)返回的細(xì)胞特征向量組中的向量計(jì)數(shù)。
[0059] 2)利用向量組中的位置信息，計(jì)算每個(gè)細(xì)胞的中心位置坐標(biāo)和平均半徑。
[0060] 本發(fā)明公開了一種基于細(xì)胞孔洞極值唯一化的改進(jìn)分水嶺變換的細(xì)胞圖像自動(dòng) 識(shí)別計(jì)數(shù)方法。包括以下步驟:步驟一、采集圖像預(yù)處理。步驟二、對(duì)預(yù)處理后獲得的圖像進(jìn) 行細(xì)胞孔洞提取。步驟三、利用連通域的知識(shí)進(jìn)行細(xì)胞的封閉孔洞填充。步驟四、在步驟3中 填充后的圖像中提取細(xì)胞的輪廓線點(diǎn)序列。步驟五、采用基于圓形度判定的不封閉孔洞填 充方法對(duì)細(xì)胞的不封閉孔洞進(jìn)行填充。步驟六、進(jìn)行倒角距離變換獲得變換后的圖像。步驟 七、進(jìn)行細(xì)胞孔洞極值唯一化，得到標(biāo)記圖像。步驟八、對(duì)標(biāo)記圖像使用改進(jìn)分水嶺方法進(jìn) 行細(xì)胞分割。步驟九、對(duì)分割得到的細(xì)胞進(jìn)行量化、計(jì)數(shù)。本發(fā)明在普通的細(xì)胞識(shí)別方法基 礎(chǔ)之上使用了不封閉孔洞的填充方法、細(xì)胞孔洞極值唯一化方法以及改進(jìn)的分水嶺方法， 其優(yōu)點(diǎn)在于可以自動(dòng)、精確地定位粘連細(xì)胞的分割位置，克服了現(xiàn)有分割方法所產(chǎn)生的過 分割和分割線不連續(xù)的情況，從而提高細(xì)胞識(shí)別的準(zhǔn)確率。
[0061] 有益的技術(shù)效果
[0062] 本發(fā)明能夠?qū)ξ⒚准?jí)顯微環(huán)境下采集到的細(xì)胞圖像進(jìn)行自動(dòng)識(shí)別和計(jì)數(shù)，通過使 用不封閉的細(xì)胞孔洞填充方式、細(xì)胞孔洞極值唯一化標(biāo)定以及改進(jìn)分水嶺方法能夠大大減 少圖像噪聲的影響，改善過分割、分割線不連續(xù)現(xiàn)象，提高分割效果，增加細(xì)胞識(shí)別率。具體 而言，本發(fā)明具有以下優(yōu)點(diǎn)：
[0063] 1、步驟5針對(duì)不封閉孔洞通過采用填充的方法有效地克服了不封閉細(xì)胞的識(shí)別問 題。
[0064] 2、步驟5通過增加對(duì)不封閉孔洞的識(shí)別提高了細(xì)胞圖像的整體識(shí)別率。
[0065] 3、步驟7和步驟8利用細(xì)胞孔洞特征標(biāo)記極小區(qū)改進(jìn)分水嶺算法，能夠消除由于圖 像中存在大量的偽極小值而導(dǎo)致的過分割現(xiàn)象。
[0066] 4、步驟2和步驟7通過細(xì)胞孔洞特征的提取，對(duì)細(xì)胞圖像極值實(shí)現(xiàn)了唯一化，有效 地降低了細(xì)胞識(shí)別的誤判率。
[0067] 5、步驟8中通過重新定義算法中確定某像素點(diǎn)為水壩WSHED的判定標(biāo)準(zhǔn)解決了經(jīng) 典的分水嶺算法會(huì)產(chǎn)生不連續(xù)分割線的問題，能夠產(chǎn)生較為完整的分割線。
[0068] 6、步驟7和步驟8對(duì)粘連程度較嚴(yán)重的細(xì)胞實(shí)現(xiàn)了較為精確的分割，具有較好的魯 棒性。
【附圖說明】
[0069]下面結(jié)合附圖和【具體實(shí)施方式】對(duì)本發(fā)明做出更進(jìn)一步的具體說明，詳細(xì)闡明本發(fā) 明的各種優(yōu)點(diǎn)。
[0070]圖1為本發(fā)明系統(tǒng)流程圖。
[0071 ]圖2為本發(fā)明中步驟5細(xì)胞的不封閉孔洞填充方法的流程圖。
[0072]圖3為本發(fā)明改進(jìn)分水嶺算法中浸沒過程流程圖。
[0073]圖4為細(xì)胞孔洞三級(jí)連通域示意圖。
[0074]圖5為倒角距離變換的前向模板圖。
[0075] 圖6為倒角距離變換的后向模板圖。圖中，（a)為原始圖像，（b)為二值圖像，（c)為 傳統(tǒng)封閉孔洞填充結(jié)果，（d)為本發(fā)明填充算法結(jié)果。
[0076] 圖7為測試方法一中對(duì)圖像1的填充結(jié)果對(duì)比圖。圖中，（a)為原始圖像，（b)為本發(fā) 明填充算法結(jié)果，（c)為傳統(tǒng)形態(tài)梯度，（d)為本發(fā)明的形態(tài)梯度，（e)為傳統(tǒng)算法結(jié)果，（f) 為本發(fā)明算法結(jié)。
[0077] 圖8為測試方法一中對(duì)圖像2的填充結(jié)果對(duì)比圖。圖中，（a)為原始圖像，（b)為本發(fā) 明填充算法結(jié)果，（c)為傳統(tǒng)形態(tài)梯度，（d)為本發(fā)明的形態(tài)梯度，（e)為傳統(tǒng)算法結(jié)果，（f) 為本發(fā)明算法結(jié)。
[0078] 圖9為測試方法一中對(duì)圖像1的填充結(jié)果對(duì)比圖。圖中，（a)為原始圖像，（b)為本發(fā) 明填充算法結(jié)果，（c)為傳統(tǒng)形態(tài)梯度，（d)為本發(fā)明的形態(tài)梯度，（e)為傳統(tǒng)算法結(jié)果，（f) 為本發(fā)明算法結(jié)。
[0079] 圖10為測試方法二中的分割結(jié)果對(duì)比圖。圖中，（a)為原始圖像，（b)為本發(fā)明填充 算法結(jié)果，（c)為傳統(tǒng)算法的分割線，（d)為本發(fā)明算法的分割線。
[0080] 圖11為測試方法三中的分割結(jié)果對(duì)比圖。圖中，（a)為原始圖像，（b)為本發(fā)明填充 算法結(jié)果，（c)為傳統(tǒng)算法的分割線，（d)為本發(fā)明算法的分割線。
【具體實(shí)施方式】
[0081] 現(xiàn)結(jié)合附圖詳細(xì)說明本發(fā)明的技術(shù)細(xì)節(jié)。
[0082] 本發(fā)明公開了一種微米級(jí)顯微環(huán)境下采集到的細(xì)胞圖像進(jìn)行自動(dòng)識(shí)別和計(jì)數(shù)方 法，包括以下步驟：
[0083]參見圖1，一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，通過電腦按如下步驟進(jìn)行：
[0084]步驟1，通過微米級(jí)顯微設(shè)備，獲取細(xì)胞原始圖像A。優(yōu)選的方案是，微米級(jí)顯微設(shè) 備為掃描電子顯微鏡。所述的原始圖像A由含有孔洞的圖像區(qū)域和背景圖像區(qū)域2部分構(gòu) 成。其中，含有孔洞圖像區(qū)域進(jìn)一步分為2種:封閉孔洞的圖像區(qū)域、不封閉孔洞的圖像區(qū) 域。
[0085] 對(duì)微米級(jí)顯微采集環(huán)境下獲得的原始圖像A進(jìn)行圖像二值化預(yù)處理，獲得經(jīng)過二 值化處理的圖像B。將其中數(shù)值較高的像素點(diǎn)的灰度值記為高值灰度，余下的記為低值灰 度。
[0086] 進(jìn)一步說，使用自適應(yīng)閾值的二值化方法進(jìn)行圖像二值化。并使用數(shù)學(xué)形態(tài)學(xué)方 法去除噪聲、雜質(zhì)和凸顯細(xì)胞輪廓特征，得到經(jīng)過預(yù)處理的細(xì)胞圖像B。
[0087]經(jīng)過二值化處理的圖像B，由封閉孔洞的二值化圖像區(qū)域、不封閉孔洞的二值化圖 像區(qū)域、二值化背景圖像區(qū)域3部分構(gòu)成。其中，封閉孔洞的二值化圖像區(qū)域、不封閉孔洞的 二值化圖像區(qū)域、二值化背景圖像區(qū)域分別與原始圖像A中的封閉孔洞的圖像區(qū)域、不封閉 孔洞的圖像區(qū)域、背景圖像區(qū)域相對(duì)應(yīng)。
[0088]步驟2,采用基于連通域的孔洞分割方法對(duì)經(jīng)過二值化處理的圖像B進(jìn)行細(xì)胞孔洞 提取，即通過電腦將封閉孔洞的二值化圖像區(qū)域全部標(biāo)記出來，將封閉孔洞的二值化圖像 區(qū)域簡稱為封閉孔洞區(qū)域，將封閉孔洞區(qū)域內(nèi)的所有像素點(diǎn)的位置坐標(biāo)（i，j)組成封閉孔 洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω。
[0089] 步驟3,將封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω中的所有像素點(diǎn)的位置坐標(biāo)(i，j) 所對(duì)應(yīng)的灰度值記為f(i，j)，將該灰度值f(i，j)設(shè)為0,實(shí)現(xiàn)了圖像B中封閉孔洞的二值化 圖像區(qū)域填充，得到一次填充后的圖像C。
[0090] 步驟4,對(duì)一次填充的圖像C提取細(xì)胞的輪廓，獲得細(xì)胞輪廓的線點(diǎn)序列集合 contours〇
[0091] 步驟5,采用基于圓形度判定法，對(duì)由步驟4獲得的線點(diǎn)序列集合contours進(jìn)行填 充，得到二次填充后的圖像D，如圖2所示。
[0092] 步驟6,對(duì)二次填充后的圖像D進(jìn)行取取反操作獲得經(jīng)過取反處理的圖像E取反操 作為進(jìn)行二值圖像的取反運(yùn)算。對(duì)經(jīng)過取反操作處理的圖像E進(jìn)行倒角距離變換，獲得經(jīng)過 倒角變換的圖像T。
[0093] 對(duì)經(jīng)過倒角變換的圖像T進(jìn)行消除極小值、非線性變換、和取反操作處理，獲得再 次取反后的圖像I。
[0094]所述消除極小值為對(duì)圖像T中對(duì)應(yīng)的每個(gè)像素點(diǎn)的值減去一個(gè)常數(shù)值，本發(fā)明中 該常數(shù)值為50。
[0095] 所述非線性變換為對(duì)經(jīng)過消除極小值后的圖像進(jìn)行非線性變換，具體公式如下：
[0096]
[0097] 其中INTO函數(shù)是取整運(yùn)算。g是非線性變換的尺度等級(jí)，它的取值是由各個(gè)區(qū)域 中的灰度差異決定的，K是變換后的圖像。將圖像K進(jìn)行取反操作后最后得到再次取反后的 圖像I。
[0098] 步驟7,根據(jù)封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω，在再次取反后的圖像I中進(jìn)行 細(xì)胞孔洞極值唯一化標(biāo)記，即將與封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω相對(duì)應(yīng)的圖像I中 的像素點(diǎn)的值f (i，j)標(biāo)記為MIN頂U(kuò)M，得到經(jīng)過唯一化標(biāo)記極值的圖像J。
[0099] 步驟8,使用分水嶺方法對(duì)經(jīng)過唯一化標(biāo)記極值的圖像J進(jìn)行圖像分割，得到分割 后的圖像R，如圖3所不。
[0100] 步驟9,對(duì)分割后的圖像R進(jìn)行細(xì)胞進(jìn)行標(biāo)記和量化，得到細(xì)胞的數(shù)量和每個(gè)細(xì)胞 的位置坐標(biāo)。
[0101] 進(jìn)一步說，經(jīng)過預(yù)處理的圖像B中的像素點(diǎn)只有兩種灰度值。將這兩種灰度值分別 記為高值灰度和低值灰度。其中，
[0102] 經(jīng)過預(yù)處理的圖像B中的細(xì)胞邊緣上的像素點(diǎn)有低灰度值低值灰度，經(jīng)過預(yù)處理 的圖像B中的背景和細(xì)胞孔洞的像素點(diǎn)有高灰度值高值灰度。
[0103] 優(yōu)選的方案是，令高值灰度為255，低值灰度為0。
[0104] 步驟2的具體方法為：首先，分別遍歷經(jīng)過二值化處理的圖像B中的四條邊界線，i =1，i = I，j = 1，j = J，其中I是圖像寬度值，J是圖像高度值，i和j分別表示橫坐標(biāo)值和縱坐 標(biāo)值，取得四條邊界線上軌的每個(gè)像素點(diǎn)（i，j)，隨后進(jìn)行如下的判斷：
[0105] 如果像素點(diǎn)的灰度值f(i，j)等于255值，即該像素點(diǎn)為背景圖像(white背景），那 么以該像素點(diǎn)為種子點(diǎn)，利用八連通區(qū)域生長算法將連通區(qū)域內(nèi)的所有像素點(diǎn)的灰度值設(shè) 為Oo
[0106] 如果像素點(diǎn)的灰度值f(i，j)不等于0,即該像素點(diǎn)為細(xì)胞孔洞內(nèi)的像素點(diǎn)，將該像 素點(diǎn)點(diǎn)保存在封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω中。
[0107] 即將像素點(diǎn)的灰度值f(i，j)不等于0的最后統(tǒng)一成255。
[0108] 參見圖2,進(jìn)一步說，步驟5的具體方法如下：
[0109] 首先，遍歷步驟4的線點(diǎn)序列集合contours，得到每個(gè)細(xì)胞的輪廓線i-contour，計(jì) 算被每一個(gè)細(xì)胞輪廓線i -contour包圍的面積值area以及輪廓線的長度I ength。
[0110] 將每一個(gè)細(xì)胞輪廓線i-contour的將輪廓線長度值length以及面積值area代入下 式，獲得判定參數(shù)值e。
[0111] β = 4πXarea/(lengthX length)
[0112] 隨后，設(shè)定閾值t，并根據(jù)判定參數(shù)值e對(duì)每一個(gè)細(xì)胞輪廓線i-contour進(jìn)行如下的 判斷：
[0113] 如果ι-e不大于設(shè)定閾值t，則判定該細(xì)胞輪廓線i-contour是封閉的。ι-e，是一個(gè) 減法運(yùn)算。
[0114] 如果Ι-e大于設(shè)定閾值t，則判定該細(xì)胞輪廓線i-contour是不封閉的。將不封閉的 細(xì)胞輪廓線i-contour記為不封閉孔洞的的輪廓線j-contour。
[0115] 閾值t的范圍是(0，1]。
[0116]由不封閉孔洞的輪廓線j-contour的點(diǎn)序列points，通過點(diǎn)序列points里任意兩 點(diǎn)連接畫一條直線。該直線灰度值為〇,即為黑色的直線，得到填充后的二值圖像D。
[0117]參見圖2，進(jìn)一步說，步驟5的具體過程為：
[0118] 步驟5.1遍歷步驟4中得到的細(xì)胞輪廓的線點(diǎn)序列集合contours，得到每個(gè)細(xì)胞的 輪廓線i-contour，計(jì)算被細(xì)胞輪廓線i-contour包圍的面積值area以及輪廓線的長度 Iength0
[0119] 步驟5.2將步驟51中得到的輪廓線長度值length以及被細(xì)胞輪廓線i-contour包 圍的面積值area代入下式θ = 4π Xarea/(length X length)，得到判定參數(shù)值e。判定參數(shù)值 e即為圓形度。當(dāng)判定參數(shù)值e為1時(shí)，細(xì)胞輪廓線i-contour 即為圓形，Ι-e越大，圖形越不規(guī) 貝IJ，與圓形的差距越大。I _e越小，圖像越接近于圓形。
[0120]步驟5.3設(shè)定閾值t，其中閾值t e (〇，1)。如果Ι-e大于設(shè)定閾值t，則判定該輪廓線 i-contour是不封閉，改用不封閉細(xì)胞孔洞的輪廓線j-contour標(biāo)識(shí)。
[0121] 如果Ι-e不大于閾值t，則說明是干擾目標(biāo)，舍去不做處理。
[0122] 步驟5.4由不封閉孔洞的輪廓線j-contour，得到點(diǎn)序列points。得到點(diǎn)序列 points的具體方法為：
[0123] 從點(diǎn)序列points里任意取兩點(diǎn)，并連接該兩點(diǎn)畫出一條直線，該直線的灰度值為 〇,即為黑色的直線，直線寬度為2個(gè)單位像素，得到對(duì)細(xì)胞的不封閉孔洞填充后的二值圖像 D0
[0124] 進(jìn)一步說，步驟7的具體過程為：
[0125] 步驟7.1根據(jù)步驟2中獲得的封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω，得到該位置集 合Ω中每個(gè)像素點(diǎn)的位置信息（i，j)。
[0126] 步驟7.2將步驟7.1中每個(gè)像素點(diǎn)的位置（i，j)對(duì)應(yīng)的再次取反后的圖像I中的像 素值f (i，j)設(shè)為MIN頂U(kuò)M，即標(biāo)記為極小值，其中MIN頂U(kuò)M取值為0為。
[0127] 步驟7.3輸出步驟7中唯一化標(biāo)記極值后的圖像J。
[0128] 參見圖3，進(jìn)一步說，步驟8的具體過程為：
[0129] 步驟8.1設(shè)定標(biāo)記圖M，大小與圖像J一致，標(biāo)記值初始化為INI T，按灰度遞增的次 序?qū)Σ襟E7獲得的經(jīng)過唯一化標(biāo)記極值的圖像J中像素點(diǎn)進(jìn)行排序，獲得像素點(diǎn)集合Q(h)。 其中，h為像素點(diǎn)集合的灰度層，層號(hào)he [MIN頂U(kuò)M，255]。
[0130] 步驟8.2得到灰度層h等于MIN頂U(kuò)M的像素集合Q(h=MINMUM)內(nèi)的所有點(diǎn)。將該層 的像素集合Q(h)中的每個(gè)點(diǎn)對(duì)應(yīng)標(biāo)記圖上的灰度值賦予標(biāo)記MASK，然后遍歷該層的像素集 合Q(h)，如果當(dāng)前點(diǎn)的標(biāo)記不是MASK那么執(zhí)行空操作，繼續(xù)該層的像素集合Q(h)的遍歷。如 果當(dāng)前點(diǎn)的標(biāo)記（即標(biāo)記圖上的灰度值)為MASK那么將該點(diǎn)記為盆地w，其中w為盆地的標(biāo)記 及細(xì)胞的序號(hào)。然后將當(dāng)前點(diǎn)壓入隊(duì)列Ql中，按照廣度優(yōu)先的方式遞歸地找到當(dāng)前點(diǎn)的所 在的連通區(qū)域，將連通區(qū)域上的點(diǎn)全部標(biāo)記為盆地w。
[0131] 步驟8.3將其余像素集合Q(h)中的每個(gè)點(diǎn)的灰度值賦予標(biāo)記MASK。遍歷該層的像 素集合Q(h)，計(jì)算當(dāng)前像素點(diǎn)p的八個(gè)領(lǐng)域點(diǎn)，如果領(lǐng)域點(diǎn)中存在點(diǎn)屬于某個(gè)水盆（即對(duì)應(yīng) 標(biāo)記圖上的標(biāo)記為i)，則將當(dāng)前點(diǎn)壓入隊(duì)列Q2中。。
[0132] 步驟8.4如果隊(duì)列Q2不空，則取出第一個(gè)元素，即當(dāng)前像素點(diǎn)p，計(jì)算當(dāng)前像素點(diǎn)p 的八個(gè)鄰域點(diǎn)，如果鄰域點(diǎn)中存在的點(diǎn)只屬于一個(gè)盆地i，則給點(diǎn)P打上該集水盆的標(biāo)記i。 如果鄰域點(diǎn)中存在兩個(gè)及兩個(gè)以上的點(diǎn)屬于不同的集水盆，則打上水壩的標(biāo)記WSHED;如果 鄰域點(diǎn)中存在點(diǎn)屬于水壩，則也打上水壩的標(biāo)記WSHED。同時(shí)將當(dāng)前像素點(diǎn)p的所有標(biāo)記為 MASK的領(lǐng)域點(diǎn)像素壓入FIFO先進(jìn)先出隊(duì)列Q2中。
[0133] 步驟8.5所有灰度層均處理完畢及浸沒過程結(jié)束后，將標(biāo)記為WSHED水壩的像素點(diǎn) 的灰度值設(shè)為背景值（255)，把集水盆地內(nèi)的像素點(diǎn)的灰度值均設(shè)為前景目標(biāo)的灰度值 (〇)，優(yōu)選的方案是，將背景值設(shè)為255,前景目標(biāo)的灰度值為0。最終得到一幅分割后的二值 圖像。上一步驟中被標(biāo)記為WSHED水壩的像素點(diǎn)組成了結(jié)果圖像R中重疊細(xì)胞的連續(xù)分割 線。
[0134] 實(shí)施例
[0135] 更具體地說，如圖1、圖2和圖3所示，本發(fā)明包括以下步驟：
[0136] 一、采集圖像的預(yù)處理階段
[0137] 將采集得到的圖像進(jìn)行灰度化，使用加權(quán)平均法，將三個(gè)分量以不同的權(quán)值進(jìn)行 加權(quán)平均，得到灰度化圖像，本發(fā)明所使用的加權(quán)公式如下：
[0138] f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)
[0139] f (i，j)表示灰度化后的圖像灰度值，R(i，j)，G(i，j)，B(i，j)表示灰度化之前的原 圖像素點(diǎn)所對(duì)應(yīng)的三個(gè)通道的顏色灰度值。
[0140]對(duì)灰度化后的圖像進(jìn)行4等分，總共四塊矩形ROI區(qū)域，分別是左上角一塊imgl，右 上角一塊img2,左下角一塊img3,右下角一塊img4。具體參數(shù)如下表：
[0142] 注:在上表中width表示原圖的寬度，height表示原圖的高度。
[0143] 獲取四塊感興趣區(qū)域ROI后，分別對(duì)這四張圖像進(jìn)行二值化，二值化后將四張1/4 圖的對(duì)應(yīng)坐標(biāo)點(diǎn)上的灰度值賦值到目標(biāo)圖像上。
[0144] 結(jié)合高倍鏡下細(xì)胞圖像的特點(diǎn)，本方案采用了一種自適應(yīng)閾值的二值化方法，該 方法對(duì)圖像中的每一個(gè)像素點(diǎn)計(jì)算自適應(yīng)閾值，算法如下描述。
[0145] 首先定義集合{8抑7(;[，」）}，1〈 = ;[〈 = 1，1〈=」〈=1表示待處理的灰度化圖像，1表 示該圖像的width值，J表示該圖像的height值。其中T(x，y)是為每一個(gè)像素點(diǎn)單獨(dú)計(jì)算的 閾值，mean (X，y)是為每一個(gè)像素點(diǎn)單獨(dú)計(jì)算的均值，T (X，y)和mean (X，y)的計(jì)算公式如下：
[0146]
[0147] 其中p*p是用來計(jì)算閾值的象素鄰域大小，與它相關(guān)的參數(shù)bl〇Ck_siZe = 2*p+l。 本方案中block_size取101，該值足夠大時(shí)，能夠很好的閾值化，且必須為奇數(shù)。T(x，y)的閾 值計(jì)算公式如下：
[0148] T(x,y) =mean(x,y)-paraml,
[0149] 其中paraml是一個(gè)與方法有關(guān)的常量參數(shù)，本方案中取5,也可以是負(fù)數(shù)。
[0150] 得到每一個(gè)像素點(diǎn)的自適應(yīng)閾值后計(jì)算得到二值化的圖像，定義集合{binary 〇}，1〈 = ;[〈 = 1，1〈=」〈=1表示處理后的二值化圖像，計(jì)算公式如下：
[0151]
[0152] 其次，使用基于數(shù)學(xué)形態(tài)學(xué)的去噪方法進(jìn)行圖像去噪，采用的處理方式如下：
[0153] 對(duì)于一副二值圖像來說，圖像腐蝕運(yùn)算能夠剔除圖像中的邊界點(diǎn)，而保留尺寸相 對(duì)較大的目標(biāo)，使得邊界向內(nèi)部收縮。在某種意義上，具有過濾小細(xì)節(jié)的作用。膨脹運(yùn)算能 夠?qū)⑴c物體接觸的背景結(jié)合，填充其中的小缺口，彌合圖像中的小裂縫，加粗狹窄細(xì)長的部 分。使得邊界向外部擴(kuò)大。下面介紹腐蝕和膨脹的基本概念和運(yùn)算。
[0154] 使用數(shù)學(xué)形態(tài)學(xué)處理圖像時(shí)，需要一種搜索圖像信息的"探針"，即結(jié)構(gòu)元素，這些 結(jié)構(gòu)元素通常是一些小的簡單集合，如正方形，圓形等集合。使用不同的結(jié)構(gòu)元素和形態(tài)學(xué) 算子可以獲取關(guān)于目標(biāo)的大小、形狀、連通性和方向性等信息，其處理效果則取決于結(jié)構(gòu)元 的大小、內(nèi)容、邏輯運(yùn)算的性質(zhì)。
[0155] 1)腐蝕：
[0156] 運(yùn)用結(jié)構(gòu)元素把連接成分的邊界點(diǎn)向內(nèi)收縮若干像素，去除小于結(jié)構(gòu)元素物體的 處理過程。其運(yùn)算符為，A用B來腐蝕記作A B，其運(yùn)算公式為：
[0157] A(S)B = {.X I (B)x. e A}
[0158] 2)膨脹：
[0159] 運(yùn)用結(jié)構(gòu)元素把連接成分的邊界向外膨脹若干像素的處理。該運(yùn)算能夠有效的填 補(bǔ)物體的空洞，斷線等。膨脹的運(yùn)算符為，圖像集合A用結(jié)構(gòu)元素 B來膨脹，記作A B，其運(yùn)算 公式如式：
[0160] A0B = {x|[(5)vn^]^0}
[0161] 本方案采用的處理方式是先腐蝕后膨脹，使用3*3的正方形結(jié)構(gòu)元素，先進(jìn)行3次 腐蝕運(yùn)算，再進(jìn)行3次膨脹運(yùn)算。這樣處理的目的是先把孤立點(diǎn)先清理干凈，以及分隔開細(xì) 胞之間狹窄的連通區(qū)域。然后再利用膨脹運(yùn)算填補(bǔ)細(xì)胞孔洞的小缺口，彌合細(xì)胞中的小裂 縫，加粗細(xì)胞的邊緣厚度，同時(shí)將細(xì)胞邊界向外部擴(kuò)大到腐蝕運(yùn)算之前的正常大小程度。
[0162] 二、細(xì)胞孔洞提取
[0163] 二值圖像中存在三個(gè)部分，1.背景、2.細(xì)胞邊緣、3.細(xì)胞孔洞，在這里分別用集合 A、B、Q表示，U表示圖像全集。其中細(xì)胞邊緣集合B為細(xì)胞內(nèi)徑和外徑之間區(qū)域的像素點(diǎn)集 合，細(xì)胞孔洞集合Q為細(xì)胞內(nèi)徑以內(nèi)區(qū)域的像素點(diǎn)集合。上述三者存在這樣的關(guān)系：
[0164]
[0165] 三者均為圖像上的連通域，背景為第一級(jí)連通域，細(xì)胞邊緣為二級(jí)連通域，細(xì)胞孔 洞恰好是三級(jí)連通域。示意圖如圖4:
[0166] 分析以上存在的性質(zhì)，可以用集合論的知識(shí)和連通域算法提取出細(xì)胞孔洞。
[0167] 已知得到的二值圖像中只有兩種灰度值的像素點(diǎn)，細(xì)胞邊緣上的點(diǎn)的灰度值為0， 背景和細(xì)胞孔洞的點(diǎn)的灰度值均為255。首先，分四次遍歷二值圖像中的四條邊界線，i = l， i = I，j = I，j = J，其中I是圖像寬度值，J是圖像高度值，i和j分別表示橫坐標(biāo)值和縱坐標(biāo) 值，取得四條邊界線上軌的每個(gè)像素點(diǎn)（i，j)，如果灰度值f(i，j)等于255值(white背景）， 那么以該點(diǎn)為種子點(diǎn)，利用八連通區(qū)域生長算法將連通區(qū)域內(nèi)的所有像素點(diǎn)的灰度值設(shè)為 0。其次，遍歷整圖中每個(gè)像素點(diǎn)（i，j)，如果灰度值f(i，j)不等于〇,即為細(xì)胞孔洞內(nèi)的像素 點(diǎn)，將這些點(diǎn)保存在集合Ω中。
[0168] 三、進(jìn)行細(xì)胞的封閉孔洞填充
[0169] 將步驟2中得到的孔洞區(qū)域集合Ω中的所有像素點(diǎn)（i，j)對(duì)應(yīng)在二值圖像B上的灰 度值f(i，j)設(shè)為〇,完成細(xì)胞圖像中封閉孔洞的填充，得到圖像C。
[0170] 四、提取細(xì)胞的輪廓線點(diǎn)序列
[0171]在進(jìn)行了封閉孔洞填充后的圖像C中提取細(xì)胞的輪廓線點(diǎn)序列集合contours。
[0172]對(duì)獲得的圖像C逐像素點(diǎn)進(jìn)行檢測，如果該點(diǎn)為黑，且它的8個(gè)相鄰點(diǎn)都是黑色時(shí)， 則該點(diǎn)為內(nèi)部點(diǎn)，將該點(diǎn)刪除，最終得到圖像的輪廓線。
[0173] 對(duì)獲得的輪廓進(jìn)行輪廓跟蹤，先根據(jù)"探測準(zhǔn)則"找到目標(biāo)輪廓上的像素點(diǎn)，然后 根據(jù)這些點(diǎn)找出目標(biāo)物體上的其他像素點(diǎn)。先按照從左到右、從下到上的探測準(zhǔn)則順序搜 索圖像的所有像素點(diǎn)，找到最左下方的邊界點(diǎn)。然后根據(jù)如下跟蹤準(zhǔn)則：
[0174] 從邊界點(diǎn)開始，定義初始的搜索方向?yàn)樽笊戏匠?。如果左上方的點(diǎn)是黑點(diǎn)，則為 邊界點(diǎn)，否則順時(shí)針旋轉(zhuǎn)45度，這樣一直找到第一個(gè)黑點(diǎn)為止。然后把這個(gè)黑點(diǎn)作為新的邊 界點(diǎn)，在當(dāng)前搜索方向的基礎(chǔ)上逆時(shí)針旋轉(zhuǎn)90度，繼續(xù)用同樣的方法搜索下一個(gè)黑點(diǎn)，直到 返回最初的邊界點(diǎn)或直到找不到點(diǎn)為止。
[0175] 五、進(jìn)行細(xì)胞的不封閉孔洞填充
[0?76] 首先，遍歷輪廓點(diǎn)序列集合contours得到每個(gè)細(xì)胞的輪廓線i-contour，計(jì)算被輪 廓線i-contour包圍的面積值area以及輪廓線的長度length，具體方法如下：
[0177]通過依次計(jì)算輪廓線上的序列點(diǎn)之間的線段長度，并求和得到輪廓的長度。輪廓 包圍的面積值等于輪廓線內(nèi)的像素點(diǎn)的個(gè)數(shù)加上輪廓線上的像素點(diǎn)的個(gè)數(shù)，即輪廓線以及 被輪廓線包圍的連通區(qū)域的像素點(diǎn)個(gè)數(shù)，計(jì)算方法如下：
[0178]以輪廓線上的任意一點(diǎn)作為種子點(diǎn)，使用八連通算法找到該點(diǎn)所在的連通區(qū)域， 每找到一個(gè)新的未標(biāo)記的像素點(diǎn)面積值就進(jìn)行加一累計(jì)。
[0179]將計(jì)算得到的輪廓線長度值length以及被輪廓線包圍的面積值area代入下式e = 4jt X area/ (Iength X I ength)，得到判定參數(shù)值e，當(dāng)判定參數(shù)即圓形度e為1時(shí)，圖形即為圓 形，I _e越大，圖形越不規(guī)則，與圓形的差距越大。
[0180] 如果Ι-e大于設(shè)定閾值t，則判定該輪廓線i-contour是不封閉的細(xì)胞孔洞的輪廓 線j-contour，其中設(shè)定閾值te (〇, 1)。
[0181 ] 取得不封閉孔洞的輪廓線j-contour，得到輪廓線j-contour的點(diǎn)序列points，通 過points里任意兩點(diǎn)連接畫一條黑色的直線，得到對(duì)細(xì)胞的不封閉孔洞填充后的二值圖像 D；
[0182] 六、倒角距離變換求取圖像T
[0183] 首先，對(duì)二值圖像進(jìn)行取反操作后用前向模板對(duì)填充后的二值細(xì)胞圖像D進(jìn)行從 左到右、由頂至下的前向掃描。在模板進(jìn)行所到每一個(gè)位置，模板中的每一個(gè)元素與其對(duì)應(yīng) 的像素值相加而形成一個(gè)兩項(xiàng)和的集合。對(duì)應(yīng)模板空白處定義為空操作，不計(jì)入和集合。位 于模板中心的像素用這些和集合中的最小值取代。前向模板如圖5:
[0184] 其次，用后向模板對(duì)第二步結(jié)果進(jìn)行從右向左、由下至頂?shù)暮笙驋呙?。處理方法?第二步相同。后向模板如圖6:
[0185] 對(duì)獲得的圖像T進(jìn)行非線性增強(qiáng)處理，首先進(jìn)行微小值的消除，將圖像T中對(duì)應(yīng)的 每個(gè)像素點(diǎn)的值減去一個(gè)常數(shù)值，得到新的圖像H，之后，對(duì)新的圖像H進(jìn)行非線性變換，具 體公式如下：
[0186]
[0187]其中INTO函數(shù)是取整運(yùn)算。g是非線性變換的尺度等級(jí)，它的取值是由各個(gè)區(qū)域 中的灰度差異決定的，K是變換后的圖像。將圖像K進(jìn)行取反操作后最后得到處理好后的圖 像I。七、細(xì)胞孔洞極值唯一化
[0188] 根據(jù)步驟2中獲得的細(xì)胞孔洞內(nèi)像素點(diǎn)的位置集合Ω，得到集合Ω中每個(gè)像素點(diǎn) 的位置信息（i，j)。
[0189] 將得到的每個(gè)像素點(diǎn)的位置(i，j)對(duì)應(yīng)圖像I中的梯度值f (i，j)設(shè)為MINIMUM即標(biāo) 記為極小值，其中MIN頂U(kuò)M為梯度值0。
[0190] 輸出唯一化標(biāo)記極值后的圖像J。
[0191] 八、使用基于標(biāo)記的分水嶺方法進(jìn)行分割
[0192] 初始化標(biāo)記圖M(標(biāo)記圖是和灰度圖等尺寸大小的二維數(shù)組）初始化標(biāo)記值為 INIT。對(duì)灰度圖進(jìn)行遍歷按灰度遞增的次序排序，確定具有對(duì)應(yīng)于灰度層h的像素集合Q (1〇，其中灰度層號(hào)11￡[]\1預(yù)頂1]]\1，255]。
[0193] 得到像素集合Q(h = MINMUM)內(nèi)的所有點(diǎn)。將該層的像素集合Q(h)中的每個(gè)點(diǎn)對(duì) 應(yīng)標(biāo)記圖上的灰度值賦予標(biāo)記MASK，然后遍歷該層的像素集合Q(h)，如果當(dāng)前點(diǎn)的標(biāo)記不 是MASK那么執(zhí)行空操作，繼續(xù)該層的像素集合Q(h)的遍歷。如果當(dāng)前點(diǎn)的標(biāo)記（即標(biāo)記圖上 的灰度值)為MASK那么將該點(diǎn)記為盆地w，其中w是盆地的標(biāo)記及細(xì)胞的序號(hào)。然后將當(dāng)前點(diǎn) 壓入隊(duì)列Ql中，按照廣度優(yōu)先的方式遞歸地找到當(dāng)前點(diǎn)的所在的連通區(qū)域，將連通區(qū)域上 的點(diǎn)全部標(biāo)記為盆地w;
[0194] 遍歷其余像素集合Q(h)，將其中的每個(gè)點(diǎn)的灰度值賦予標(biāo)記MASK。遍歷該層的像 素集合Q(h)，計(jì)算當(dāng)前像素點(diǎn)p的八個(gè)領(lǐng)域點(diǎn)，如果領(lǐng)域點(diǎn)中存在點(diǎn)屬于某個(gè)水盆（即對(duì)應(yīng) 標(biāo)記圖上的標(biāo)記為w)，則將當(dāng)前點(diǎn)壓入隊(duì)列Q2中。
[0195] 如果隊(duì)列Q2不空，則取出當(dāng)前像素點(diǎn)p，計(jì)算p的八個(gè)鄰域點(diǎn)，如果鄰域點(diǎn)中存在的 點(diǎn)只屬于一個(gè)盆地w，則給點(diǎn)p打上該集水盆的標(biāo)記w。如果鄰域點(diǎn)中存在兩個(gè)及兩個(gè)以上的 點(diǎn)屬于不同的集水盆，則打上水壩的標(biāo)記WSHED;如果鄰域點(diǎn)中存在點(diǎn)屬于水壩，則也打上 水壩的標(biāo)記WSHED。同時(shí)將當(dāng)前像素點(diǎn)p的所有標(biāo)記為MASK的領(lǐng)域點(diǎn)像素壓入隊(duì)列Q2中。
[0196] 所有灰度層均處理完畢及浸沒過程結(jié)束后，將標(biāo)記為WSHED水壩的像素點(diǎn)的灰度 值設(shè)為背景值(255)，把集水盆地內(nèi)的像素點(diǎn)的灰度值均設(shè)為前景目標(biāo)的灰度值(0)，最終 得到一幅分割后的二值圖像。上一步驟中被標(biāo)記為WSHED水壩的像素點(diǎn)組成了結(jié)果圖像R中 重疊細(xì)胞的連續(xù)分割線。
[0197] 九、對(duì)分割后的細(xì)胞進(jìn)行量化、計(jì)數(shù)
[0198] 計(jì)算返回的特征向量組中向量個(gè)數(shù)，細(xì)胞圖像中細(xì)胞的數(shù)目等于向量個(gè)數(shù)。
[0199] 通過特征向量組中細(xì)胞的外接矩形，計(jì)算外接矩形兩個(gè)對(duì)角點(diǎn)連線的中點(diǎn)作為每 個(gè)細(xì)胞的中心位置坐標(biāo)的近似值;計(jì)算細(xì)胞外接矩形的相鄰兩邊長的長度平均值近似作為 細(xì)胞的半徑。
[0200] 十、測試圖像
[0201] 在測試細(xì)胞圖像時(shí)，首先通過預(yù)處理樣本圖像得到二值圖像，然后再通過細(xì)胞孔 洞填充和細(xì)胞分割方法這兩個(gè)步驟，最后定位每張圖像上的細(xì)胞并進(jìn)行計(jì)數(shù)統(tǒng)計(jì)。
[0202] 本實(shí)施例的測試細(xì)胞樣本圖像庫為目前各大醫(yī)院臨床檢測中得到的微米級(jí)顯微 鏡下的細(xì)胞圖像，共400張高倍鏡下的細(xì)胞圖像。每張圖像中的細(xì)胞個(gè)數(shù)平均在30個(gè)以上。 圖像的大小為2048*1536像素。實(shí)驗(yàn)運(yùn)行平臺(tái)為聯(lián)想-Z400系列64位筆記本，Intel的i5處理 器，CPU2.60GHz，4G安裝內(nèi)存。多組對(duì)比算法均在同一個(gè)硬件平臺(tái)上檢測。實(shí)驗(yàn)的統(tǒng)計(jì)結(jié)果 如下：
[0203] (1)準(zhǔn)確度高對(duì)1000多個(gè)細(xì)胞分割結(jié)果的統(tǒng)計(jì)顯示:與目視鑒別結(jié)果一致的約占 98%以上。
[0204] (2)重復(fù)性好、穩(wěn)定性強(qiáng)對(duì)每張細(xì)胞圖像進(jìn)行多次處理測量，并統(tǒng)計(jì)細(xì)胞數(shù)目和分 割效果，多次結(jié)果均保持一致。
[0205] (3)魯棒性強(qiáng)對(duì)噪聲比較大的圖像的測量，其準(zhǔn)確性、可重復(fù)性及穩(wěn)定性同樣令人 滿意。
[0206] 測試方法一 ：（1)封閉孔洞填充方法，利用八連通算法標(biāo)記背景，將剩下的未標(biāo)記 區(qū)域填充成目標(biāo)細(xì)胞。（2)封閉孔洞填充方法+不封閉孔洞填充方法，先進(jìn)行封閉孔洞的填 充，然后查找到不封閉的細(xì)胞孔洞，利用輪廓線信息填充不封閉的細(xì)胞孔洞。其填充結(jié)果對(duì) 比見圖7、8和9。
[0207] 實(shí)驗(yàn)結(jié)果表明，本發(fā)明填充算法可以在不影響傳統(tǒng)填充結(jié)果的前提下對(duì)不封閉的 孔洞進(jìn)行有效地填充，對(duì)填充率做到了實(shí)質(zhì)的提升。然后對(duì)所有圖像分別進(jìn)行兩種方法處 理后得到的填充率對(duì)比見表1。
[0208] 表1
[0211] 從表1中可以看出，⑴隨著不封閉孔洞填充方法的加入，能更充分的填充圖像二 值化后產(chǎn)生的細(xì)胞孔洞，填充率會(huì)有所提高。（2)實(shí)際實(shí)驗(yàn)中，在細(xì)胞孔洞填充步驟中增加 不封閉孔洞填充法后，被填充的細(xì)胞個(gè)數(shù)明顯增加，填充率顯著提高了。
[0212] 測試方法二：識(shí)別每張細(xì)胞圖像，統(tǒng)計(jì)分割方法的誤判率，通過平均誤判率來評(píng)測 不同算法分割的精確性。（1)基于距離變換和非線性處理的重疊細(xì)胞分水嶺分割方法，利用 目前最新的改進(jìn)分水嶺分割方法對(duì)填充后的二值圖像中粘連的細(xì)胞進(jìn)行分割。（2)在方法 (1)中增加利用細(xì)胞孔洞唯一化細(xì)胞極值操作后的分割方法，利用細(xì)胞孔洞標(biāo)記細(xì)胞極小 值，再利用基于標(biāo)記的分水嶺方法分割重疊細(xì)胞。其分割對(duì)比結(jié)果見圖10。
[0213] 對(duì)所有圖像分別進(jìn)行兩種分割方法處理后計(jì)算平均誤判率，對(duì)比結(jié)果見表2。
[0214] 表2
[0216] 從表2中可以看出，基于細(xì)胞孔洞的改進(jìn)分水嶺分割方法降低了誤判率，消除了過 分割現(xiàn)象，提高了分割結(jié)果的精確度。
[0217] 測試方法三:識(shí)別每張細(xì)胞圖像，比較兩種分割算法產(chǎn)生的分割線的效果。（1)步 驟84中用傳統(tǒng)的算法代替，然后分割重疊細(xì)胞圖像。（2)利用本發(fā)明的算法分割重疊細(xì)胞圖 像。其分割對(duì)比結(jié)果見圖11。
[0218] 從上圖對(duì)比中可以看出，傳統(tǒng)算法產(chǎn)生的分割線偶爾會(huì)出現(xiàn)不連續(xù)的情況，而本 發(fā)明算法的分割線沒有出現(xiàn)不連續(xù)現(xiàn)象，分割效果較完美。這個(gè)特點(diǎn)對(duì)所有測試圖像均符 合，可見本發(fā)明算法具有較好的魯棒性。
[0219]本文中的醫(yī)學(xué)圖像處理是指，醫(yī)學(xué)圖像處理又稱為醫(yī)學(xué)圖像的后處理，是指利用 計(jì)算機(jī)的信息處理能力對(duì)獲取的醫(yī)學(xué)圖像進(jìn)行各種處理和分析，使之滿足醫(yī)療需要的一系 列技術(shù)的總稱，包括有圖像增強(qiáng)、圖像分割和圖像配準(zhǔn)等。
[0220]本文中的自動(dòng)細(xì)胞圖像識(shí)別是指，將細(xì)胞圖像數(shù)字化后，運(yùn)用光學(xué)密度直方圖、邊 界跟蹤和輪廓跟蹤、形狀學(xué)分析、細(xì)胞紋理分析和空域頻域分析等數(shù)字圖像處理方面的技 術(shù)，提取細(xì)胞各種特征參數(shù)，將分類誤差減小到了人工誤差接受的范圍內(nèi)，實(shí)現(xiàn)自動(dòng)對(duì)細(xì)胞 進(jìn)行識(shí)別。
[0221]本文中的細(xì)胞分割處理是指，細(xì)胞分割處理是圖像處理技術(shù)的基本方法之一。圖 像分割是將圖像分成若干部分，其本質(zhì)是將像素進(jìn)行分類。分類的依據(jù)是像素的顏色、頻譜 特性、灰度值、空間特性或紋理特性等。
[0222] 本文中的細(xì)胞圖像識(shí)別是指，細(xì)胞圖像識(shí)別過程實(shí)際上是圖像分割區(qū)域的一個(gè)標(biāo) 記過程，即對(duì)已分割好的各個(gè)物體用識(shí)別算法來辨別景物，并給這個(gè)物體賦予特定的標(biāo)記。 最后對(duì)被標(biāo)記的細(xì)胞圖像進(jìn)行統(tǒng)計(jì)以實(shí)現(xiàn)細(xì)胞計(jì)數(shù)目的。
[0223] 本發(fā)明提供了微米級(jí)顯微采集環(huán)境下的細(xì)胞自動(dòng)識(shí)別計(jì)數(shù)的思路及方法，具體實(shí) 現(xiàn)該技術(shù)方案的方法和途徑很多，以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本 技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤 飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。本實(shí)施例中未明確的各組成部分均可用 現(xiàn)有技術(shù)加以實(shí)現(xiàn)。
【主權(quán)項(xiàng)】
1. 一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，其特征在于:通過電腦按如下步驟進(jìn)行： 步驟1，通過微米級(jí)顯微設(shè)備獲取細(xì)胞原始圖像A;所述的細(xì)胞原始圖像A由含有孔洞的 細(xì)胞圖像和背景圖像2部分構(gòu)成;其中，含有孔洞細(xì)胞圖像進(jìn)一步分為2種:封閉孔洞的細(xì)胞 圖像、不封閉孔洞的細(xì)胞圖像； 對(duì)微米級(jí)顯微鏡采集環(huán)境下獲得的原始圖像A進(jìn)行圖像二值化預(yù)處理，獲得經(jīng)過二值 化處理的圖像B;經(jīng)過二值化處理的圖像B內(nèi)的像素點(diǎn)的灰度值只有2種，將其中數(shù)值較高的 像素點(diǎn)的灰度值記為高值灰度，余下的記為低值灰度； 經(jīng)過二值化處理的圖像B，由封閉孔洞的二值化圖像區(qū)域、不封閉孔洞的二值化圖像區(qū) 域、二值化背景圖像區(qū)域3部分構(gòu)成;其中，封閉孔洞的二值化圖像區(qū)域、不封閉孔洞的二值 化圖像區(qū)域、二值化背景圖像分別與原始圖像A中的封閉孔洞的圖像區(qū)域、不封閉孔洞的圖 像區(qū)域、背景圖像區(qū)域相對(duì)應(yīng)； 步驟2,采用基于連通域的孔洞分割方法對(duì)經(jīng)過二值化處理的圖像B進(jìn)行細(xì)胞孔洞提 取，即將封閉孔洞的二值化細(xì)胞圖像全部標(biāo)記出來，將封閉孔洞的二值化圖像所覆蓋的區(qū) 域簡稱為封閉孔洞區(qū)域，封閉孔洞區(qū)域內(nèi)的像素點(diǎn)的所有位置坐標(biāo)（i，j)組成封閉孔洞區(qū) 域內(nèi)像素點(diǎn)的位置集合Ω ; 步驟3,將封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω中的所有像素點(diǎn)的位置坐標(biāo)（i，j)所對(duì) 應(yīng)的灰度值記為f(i，j)，將該灰度值f(i，j)設(shè)為〇,即對(duì)經(jīng)過二值化處理的圖像B中封閉孔 洞的二值化圖像區(qū)域進(jìn)行填充，得到一次填充后的圖像C; 步驟4,對(duì)一次填充后的圖像C提取細(xì)胞的輪廓，獲得細(xì)胞輪廓的線點(diǎn)序列集合 contours； 步驟5,采用基于圓形度判定法，對(duì)由步驟4獲得的線點(diǎn)序列集合contours進(jìn)行填充，即 對(duì)不封閉孔洞的二值化圖像區(qū)域進(jìn)行填充，得到二次填充后的圖像D; 步驟6，對(duì)二次填充的圖像D進(jìn)行取反操作，獲得經(jīng)過取反處理的圖像E; 對(duì)經(jīng)過取反操作處理的圖像E進(jìn)行倒角距離變換，獲得經(jīng)過倒角變換的圖像T; 對(duì)經(jīng)過倒角變換的圖像T進(jìn)行消除極小值、非線性變換、和取反操作處理，獲得再次取 反后的圖像I; 步驟7,根據(jù)封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω，在再次取反后的圖像I中進(jìn)行細(xì)胞 孔洞極值唯一化標(biāo)記，將與封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω中位置相對(duì)應(yīng)的像素點(diǎn)的 值f (i，j)標(biāo)記為MIN頂U(kuò)M，得到經(jīng)過唯一化標(biāo)記極值的圖像J; 步驟8,使用分水嶺方法對(duì)經(jīng)過唯一化標(biāo)記極值的圖像J上進(jìn)行圖像分割，得到分割后 的細(xì)胞圖像R; 步驟9，對(duì)分割后的圖像R進(jìn)行細(xì)胞進(jìn)行標(biāo)記和量化，得到細(xì)胞的數(shù)量和每個(gè)細(xì)胞的位 置坐標(biāo)，即得到結(jié)果。2. 根據(jù)權(quán)利要求1所述的一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，其特征在于:經(jīng)過預(yù)處理的圖 像B中的像素點(diǎn)只有兩種灰度值;將這兩種灰度值分別記為高值灰度和低值灰度;其中，經(jīng) 過預(yù)處理的圖像B中的細(xì)胞邊緣上的像素點(diǎn)為低值灰度，經(jīng)過預(yù)處理的圖像B中的背景和細(xì) 胞孔洞的像素點(diǎn)的灰度值為高值灰度。3. 根據(jù)權(quán)利要求1所述的一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，其特征在于:步驟2的具體方 法為:首先，分別遍歷經(jīng)過二值化處理的圖像B中的四條邊界線，i = l，i = I，j = l，j = J，其 中I是圖像寬度值，J是圖像高度值，i和j分別表示橫坐標(biāo)值和縱坐標(biāo)值，取得四條邊界線上 軌的每個(gè)像素點(diǎn)（i，j)，隨后進(jìn)行如下的判斷： 如果像素點(diǎn)的灰度值f(i，j)等于255值，即該像素點(diǎn)為背景圖像，那么以該像素點(diǎn)為種 子點(diǎn)，利用八連通區(qū)域生長算法將連通區(qū)域內(nèi)的所有像素點(diǎn)的灰度值設(shè)為0; 如果像素點(diǎn)的灰度值f (i，j)不等于0，即該像素點(diǎn)為細(xì)胞孔洞內(nèi)的像素點(diǎn)，將該像素點(diǎn) 點(diǎn)保存在封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω中。4. 根據(jù)權(quán)利要求1所述的一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，其特征在于:步驟5的具體方 法如下：首先，遍歷步驟4的線點(diǎn)序列集合contours，得到每個(gè)細(xì)胞的輪廓線i-contour，計(jì) 算被每一個(gè)細(xì)胞輪廓線i -contour包圍的面積值area以及輪廓線的長度1 ength; 將每一個(gè)細(xì)胞輪廓線i-contour的將輪廓線長度值length以及面積值area代入下式， 獲得判定參數(shù)值e; θ = 4π Xarea/(length X length) 隨后，設(shè)定閾值t，并根據(jù)判定參數(shù)值e對(duì)每一個(gè)細(xì)胞輪廓線i-contour進(jìn)行如下的判 斷： 如果Ι-e不大于設(shè)定閾值t，則判定該細(xì)胞輪廓線i-contour是封閉的； 如果Ι-e大于設(shè)定閾值t，則判定該細(xì)胞輪廓線i-contour是不封閉的；將不封閉的細(xì)胞 輪廓線i-contour記為不封閉孔洞的的輪廓線j-contour; 閾值t的范圍是(0，1 ]; 由不封閉孔洞的輪廓線j-contour的點(diǎn)序列points，通過點(diǎn)序列points里任意兩點(diǎn)連 接畫一條直線;該直線灰度值為0，即為黑色的直線，得到第二次填充后的二值圖像D。5. 根據(jù)權(quán)利要求1或4所述的一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，其特征在于:步驟5的具體 過程為:步驟5.1遍歷步驟4中得到的細(xì)胞輪廓的線點(diǎn)序列集合contours，得到每個(gè)細(xì)胞的 輪廓線i -contour，計(jì)算被細(xì)胞輪廓線i-contour包圍的面積值area以及輪廓線的長度 length； 步驟5.2將步驟51中得到的輪廓線長度值length以及被細(xì)胞輪廓線i-contour包圍的 面積值area代入下式θ = 4π Xarea/(length X length)，得到判定參數(shù)值e;判定參數(shù)值e即 為圓形度；當(dāng)判定參數(shù)值e為1時(shí)，細(xì)胞輪廓線i-contour即為圓形，Ι-e越大，圖形越不規(guī)則， 與圓形的差距越大； 步驟5.3設(shè)定閾值t，其中閾值te (〇, 1);如果Ι-e大于設(shè)定閾值t，則判定該輪廓線i-contour是不封閉，改用不封閉孔洞的輪廓線j -contour標(biāo)識(shí)； 步驟5.4由不封閉孔洞的輪廓線j-contour，得到點(diǎn)序列points;得到點(diǎn)序列points的 具體方法為:從點(diǎn)序列points里任意取兩點(diǎn)，并連接該兩點(diǎn)畫出一條直線，該直線的灰度值 為0,即為黑色的直線，直線寬度為2個(gè)單位像素，得到對(duì)不封閉孔洞填充后的二值圖像D。6. 根據(jù)權(quán)利要求1所述的一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，其特征在于:步驟7的具體過 程為： 步驟7.1根據(jù)步驟2中獲得的封閉孔洞區(qū)域內(nèi)像素點(diǎn)的位置集合Ω，得到該位置集合Ω 中每個(gè)像素點(diǎn)的位置信息（i，j); 步驟7.2將步驟7.1中每個(gè)像素點(diǎn)的位置（i，j)對(duì)應(yīng)的再次取反后的圖像I中的值f( i， j)設(shè)為MIN頂U(kuò)M，即標(biāo)記為極小值，MIN頂U(kuò)M取值為0; 步驟7.3輸出唯一化標(biāo)記極值后的圖像J。7.根據(jù)權(quán)利要求1所述的一種用于細(xì)胞的識(shí)別計(jì)數(shù)方法，其特征在于:步驟8的具體過 程為： 步驟8.1建立標(biāo)記圖像Μ，將Μ中的所有像素點(diǎn)的值初始化為INI T，按灰度遞增的次序給 由步驟7獲得的經(jīng)過唯一化標(biāo)記極值的圖像J中像素點(diǎn)進(jìn)行排序，獲得像素點(diǎn)集合{Q(h)，h e [MIN頂U(kuò)M，255]}，其中，稱h為灰度層； 步驟8.2在標(biāo)記圖像Μ中找到坐標(biāo)屬于Q(h = MINMUM)的所有像素點(diǎn)，并將這些點(diǎn)的灰 度值設(shè)置為MASK，然后遍歷該層，如果當(dāng)前點(diǎn)的標(biāo)記不是MASK那么執(zhí)行空操作，繼續(xù)該層的 遍歷；如果當(dāng)前點(diǎn)的標(biāo)記為MASK，那么將該點(diǎn)記為盆地w，其中w是盆地的標(biāo)記及細(xì)胞的序 號(hào);然后將當(dāng)前點(diǎn)壓入隊(duì)列Q1中，按照廣度優(yōu)先的方式遞歸地找到當(dāng)前點(diǎn)的所在的連通區(qū) 域，將連通區(qū)域上的點(diǎn)全部標(biāo)記為盆地w; 步驟8.3對(duì)于除111；[11；[1]11111之外的灰度層11，遍歷該層的像素集合9(11)將每個(gè)對(duì)應(yīng)像素點(diǎn) 的值賦予標(biāo)記MASK，且將全部插入隊(duì)列Q2; 步驟8.4從隊(duì)列Q2中取出像素點(diǎn)p，計(jì)算像素點(diǎn)p的八個(gè)鄰域點(diǎn)，如果鄰域點(diǎn)中存在的點(diǎn) 只屬于一個(gè)盆地w，則給點(diǎn)p打上該集水盆的標(biāo)記w;如果鄰域點(diǎn)中存在兩個(gè)及兩個(gè)以上的點(diǎn) 屬于不同的集水盆，則打上水壩的標(biāo)記WSHED;如果鄰域點(diǎn)中存在點(diǎn)屬于水壩，則也打上水 壩的標(biāo)記WSHED;同時(shí)將當(dāng)前像素點(diǎn)p的所有標(biāo)記為MASK的鄰域點(diǎn)像素壓入Q2中，重復(fù)此步 驟直到隊(duì)列為空;步驟8.5所有灰度層均處理完畢及浸沒過程結(jié)束后，將標(biāo)記為WSHED水壩 的像素點(diǎn)的灰度值設(shè)為背景值，把集水盆地內(nèi)的像素點(diǎn)的灰度值均設(shè)為前景目標(biāo)的灰度 值，最終得到一幅分割后的二值圖像。上一步驟中被標(biāo)記為WSHED水壩的像素點(diǎn)組成了結(jié)果 圖像R中重疊細(xì)胞的連續(xù)分割線。
【文檔編號(hào)】G06K9/38GK106056118SQ201610427466
【公開日】2016年10月26日
【申請(qǐng)日】2016年6月12日
【發(fā)明人】霍星, 檀結(jié)慶, 荊玨華, 董周樑, 汪國新, 何逸飛, 沈宏偉, 邵堃
【申請(qǐng)人】合肥工業(yè)大學(xué)