一種基于高光譜成像的粘連紅細胞自動計數方法技術

本發明專利技術公開了一種基于高光譜成像的粘連紅細胞自動計數方法，包括以下步驟：讀入血涂片的高光譜圖像數據并進行壓縮，采用連續最大角凸錐方法對壓縮后的高光譜數據進行分解，獲取血涂片預設數目端元的豐度圖；結合大津法對各端元的豐度圖進行二值化處理，并采用數學形態學方法腐蝕運算去除細小噪聲點；對各端元二值圖像進行孔洞填充，根據連通域個數及最大連通域的大小選出細胞質二值圖像；對細胞質二值圖像的細胞質連通域進行標記與面積統計，選取細胞質連通域面積的中值作為參考值

Red blood cell automatic counting method based on hyperspectral imaging

The invention discloses a method for adhesion of red blood cells automatic counting method based on hyperspectral imaging technology, which comprises the following steps: reading the blood smear of hyperspectral image data were compressed and, with the continuous angular convex cone method to decompose the hyperspectral data compression, get the blood smear a pre-set number of end element abundance map; combined with the Otsu on each end of the element abundance map of binarization processing, and using the mathematical morphology method of corrosion operation to remove tiny noise points; the end of $two value image is hole filling, according to the number of connected domains and the Dalian domain size selected two value image of cytoplasm cytoplasm; cytoplasm two value image connected domain statistical markers and median area, selected area as a cytoplasmic connected domain reference value

【技術實現步驟摘要】
一種基于高光譜成像的粘連紅細胞自動計數方法
本專利技術涉及數字圖像處理
，特別涉及一種基于高光譜成像的粘連紅細胞自動計數方法。
技術介紹
紅細胞作為最常見的一種血細胞，承擔著氧氣運輸和免疫功能。紅細胞計數是血常規檢查的重要指標，在疾病預防與診斷方面具有重要的參考價值。目前，全自動血細胞分析儀有效地提高了分析速率，但其分析結果存在較高的假陰性率，部分樣本仍然需要檢驗員再次進行顯微鏡復檢以降低漏診率和誤診率。血涂片顯微鏡檢查作為臨床上判斷血細胞病理變化的金標準仍是必不可少的分析手段。而傳統基于數字顯微圖像的血細胞分類與識別方法能夠將檢驗人員從繁瑣耗時的鏡檢工作中解脫出來，減少人為因素引起的誤判，提高識別率。但是由于細胞形態多樣性、細胞粘連以及某些成分的干擾，截至目前仍然未能找到一種對任意細胞圖像處理精度均符合臨床要求的方法。顯微高光譜成像技術將傳統的光學成像和光譜技術相結合，在獲取樣本空間信息的同時，還為圖像中的每個像元提供數十個至數百個窄波段光譜信息，不僅能夠分析血細胞的形態結構，還能夠分析細胞成分含量相關信息，為實現更精確的樣本識別、生化參量提取等提供了可能，有望解決上述基于圖像方法的瓶頸問題。但是如何充分利用所獲取的圖像和光譜信息，提高定性與定量分析的準確性仍然是高光譜成像技術應用的關鍵。
技術實現思路
本專利技術的目的在于提供一種基于高光譜成像的粘連紅細胞自動計數方法，該方法能夠充分利用光譜與圖像信息，有效地識別粘連紅細胞，提高紅細胞計數的準確率。實現本專利技術目的的具體技術方案是：一種基于高光譜成像的粘連紅細胞自動計數方法，所述方法包括以下步驟：(1)讀入血涂片的高光譜圖像數據并進行壓縮，采用連續最大角凸錐方法對經過壓縮處理的高光譜圖像數據進行分解，獲取血涂片預設數目端元的豐度圖；(2)結合大津法對所述血涂片預設數目端元的豐度圖分別進行二值化處理，并采用數學形態學方法腐蝕運算去除細小噪聲點，獲取預設數目端元豐度圖的二值圖像；(3)對所述預設數目端元豐度圖的二值圖像分別進行孔洞填充操作，并根據經過孔洞填充后的各端元二值圖像中連通域的個數及最大連通域的大小選出細胞質二值圖像；(4)對所述細胞質二值圖像的細胞質連通域進行標記與面積統計，選取細胞質連通域面積的中值作為參考值R；(5)對所有細胞質連通域進行識別與計數。進一步，步驟(1)具體包括：讀入血涂片的高光譜圖像數據Data(2x，2y，λ)；采用二次線性插值法對所述高光譜圖像數據中每個波段的圖像進行壓縮，獲取壓縮后的高光譜圖像數據Data’(x，y，λ)；采用連續最大角凸錐方法對所述壓縮后的高光譜圖像數據Data’(x，y，λ)進行分解，獲取血涂片的n個端元的豐度圖Ij(x，y)(j＝1，2，...，n)。進一步，步驟(2)具體包括：采用大津法自適應地分別獲取所述血涂片的n個端元的豐度圖Ij(x，y)(j＝1，2，...，n)的分割閾值Tj(j＝1，2，..，n)；根據所述分割閾值Tj(j＝1，2，..，n)分別對所述n個端元的豐度圖Ij(x，y)(j＝1，2，..，n)進行二值化處理，并采用3×3大小的結構元素進行數學形態學腐蝕運算去除細小噪聲點，獲取所述n個端元的豐度圖Ij(x，y)(j＝1，2，..，n)對應的二值圖像Bj(x，y)(j＝1，2，..，n)。進一步，步驟(3)具體包括：對所述二值圖像Bj(x，y)(j＝1，2，..，n)分別進行取反操作，獲取反色二值圖像Rj(x，y)(j＝1，2，..，n)；分別將所述反色二值圖像Rj(x，y)(j＝1，2，..，n)中最大連通域的像素值取反，其他連通域的像素值保持不變，獲取圖像Rj’(x，y)(j＝1，2，..，n)，對所述二值圖像Bj(x，y)(j＝1，2，..，n)及對應的所述圖像Rj’(x，y)(j＝1，2，..，n)進行異或操作，獲得孔洞填充后的二值圖像Bj’(x，y)(j＝1，2，..，n)；分別獲取所述孔洞填充后的二值圖像Bj’(x，y)(j＝1，2，..，n)中連通域的個數Nj(j＝1，2，..，n)以及最大連通域的面積Sj(j＝1，2，..，n)，并分別進行判斷，若Nj大于100以及Sj大于1000且小于4000，則所述孔洞填充后的二值圖像Bj’(x，y)為細胞質二值圖像Bc(x，y)。進一步，步驟(4)具體包括：對所述細胞質二值圖像Bc(x，y)中的細胞質連通域進行標記，根據標記分別統計每個相應標記區域的面積大小，并將面積大小的中值作為參考值R。進一步，步驟(5)具體包括：依次對所述細胞質二值圖像Bc(x，y)中每個所述標記的細胞質連通域的面積進行判斷；若所述細胞質連通域的面積小于0.5×R，則不進行計數；若大于0.5×R并小于1.9×R，記為單個細胞；若大于1.9×R，采用最小凸邊形進行擬合，若擬合凸邊形面積大于2.5×R，則記為兩個粘連細胞，否則記為單個細胞。本專利技術提供的技術方案的有益效果是：本專利技術所提出的一種基于高光譜成像的粘連紅細胞自動計數方法，通過對高光譜圖像數據進行分解獲取主要端元的豐度圖，不同端元與血液中不同組分相關，有助于去除與計數無關的信息，進一步對豐度圖進行二值化處理和孔洞填充操作來自動提取細胞質二值圖像，通過細胞質的識別和對細胞質大小的判別，解決了粘連細胞對計數結果的影響，提高了紅細胞自動計數結果的準確率。附圖說明圖1為本專利技術提供的一種基于高光譜成像的粘連紅細胞自動計數方法的流程圖；圖2為本專利技術提供的孔洞填充操作流程圖；圖3為本專利技術提供的細胞質二值圖像選取流程圖；圖4為本專利技術提供的粘連紅細胞識別流程圖；圖5為本專利技術實施例的5個端元的豐度圖像；圖6為本專利技術實施例的5個端元的二值圖像；圖7為本專利技術實施例的經過孔洞填充的5個端元的二值圖像；圖8為本專利技術實施例的細胞質二值圖像(a)及粘連紅細胞識別結果圖。具體實施方式為了更加清楚明白地說明本專利技術所述的技術手段、技術改進及有益效果，以下結合附圖對本專利技術進行詳細的說明。本專利技術所提供的一種基于高光譜成像的粘連紅細胞自動計數方法，參見圖1、圖2、圖3和圖4，包括以下幾個步驟：S101：讀入血涂片的高光譜圖像數據并進行壓縮，采用連續最大角凸錐方法對經過壓縮處理的高光譜圖像數據進行分解，獲取血涂片預設數目端元的豐度圖。該步驟具體為：讀入血涂片的高光譜圖像數據Data(2x，2y，λ)；采用二次線性插值法依次將所述高光譜圖像數據中每個波段圖像的行、列數壓縮為原來的一半，獲取壓縮后的高光譜圖像數據Data’(x，y，λ)；采用連續最大角凸錐方法對所述壓縮后的高光譜圖像數據Data’(x，y，λ)進行分解，獲取血涂片的5個端元的豐度圖Ij(x，y)(j＝1，2，...，5)；其中，預設數目n的選擇根據實際應用中的需要進行設置，本專利技術實施例對此不做限制，此處以n＝5為例進行說明。S102：結合大津法對所述血涂片預設數目端元的豐度圖分別進行二值化處理，并采用數學形態學方法腐蝕運算去除細小噪聲點，獲取預設數目端元豐度圖的二值圖像。該步驟具體為：采用大津法自適應地分別獲取所述血涂片的5個端元的豐度圖Ij(x，y)(j＝1，2，...，5)的分割閾值Tj(j＝1，2，...，5)；將所述5個端元豐度圖Ij(x，y)(j＝1，2，...本文檔來自技高網...

【技術保護點】
一種基于高光譜成像的粘連紅細胞自動計數方法，其特征在于，所述方法包括以下步驟：(1)讀入血涂片的高光譜圖像數據并進行壓縮，采用連續最大角凸錐方法對經過壓縮處理的高光譜圖像數據進行分解，獲取血涂片預設數目端元的豐度圖；(2)結合大津法對所述血涂片預設數目端元的豐度圖分別進行二值化處理，并采用數學形態學方法腐蝕運算去除細小噪聲點，獲取預設數目端元豐度圖的二值圖像；(3)對所述預設數目端元豐度圖的二值圖像分別進行孔洞填充操作，并根據經過孔洞填充后的各端元二值圖像中連通域的個數及最大連通域的大小選出細胞質二值圖像；(4)對所述細胞質二值圖像的細胞質連通域進行標記與面積統計，選取細胞質連通域面積的中值作為參考值R；(5)對所有細胞質連通域進行識別與計數。

【技術特征摘要】
1.一種基于高光譜成像的粘連紅細胞自動計數方法，其特征在于，所述方法包括以下步驟：(1)讀入血涂片的高光譜圖像數據并進行壓縮，采用連續最大角凸錐方法對經過壓縮處理的高光譜圖像數據進行分解，獲取血涂片預設數目端元的豐度圖；(2)結合大津法對所述血涂片預設數目端元的豐度圖分別進行二值化處理，并采用數學形態學方法腐蝕運算去除細小噪聲點，獲取預設數目端元豐度圖的二值圖像；(3)對所述預設數目端元豐度圖的二值圖像分別進行孔洞填充操作，并根據經過孔洞填充后的各端元二值圖像中連通域的個數及最大連通域的大小選出細胞質二值圖像；(4)對所述細胞質二值圖像的細胞質連通域進行標記與面積統計，選取細胞質連通域面積的中值作為參考值R；(5)對所有細胞質連通域進行識別與計數。2.根據權利要求1所述的基于高光譜成像的粘連紅細胞自動計數方法，其特征在于，所述的步驟(1)的具體過程為：讀入血涂片的高光譜圖像數據Data(2x，2y，λ)；采用二次線性插值法對所述高光譜圖像數據中每個波段的圖像進行壓縮，獲取壓縮后的高光譜圖像數據Data’(x，y，λ)；采用連續最大角凸錐方法對所述壓縮后的高光譜圖像數據Data’(x，y，λ)進行分解，獲取血涂片的n個端元的豐度圖Ij(x，y)(j＝1，2，...，n)。3.根據權利要求1所述的基于高光譜成像的粘連紅細胞自動計數方法，其特征在于，所述的步驟(2)的具體過程為：采用大津法自適應地分別獲取所述血涂片的n個端元的豐度圖Ij(x，y)(j＝1，2，...，n)的分割閾值Tj(j＝1，2，..，n)；根據所述分割閾值Tj(j＝1，2，..，n)分別對所述n個端元的豐度圖Ij(x，y)(j＝1，2，..，n)進行二值化處理，并采用3×3大小的結構元素進行數學形態學腐蝕運算去除細小噪聲點，獲取所述n個端元的豐度圖Ij(x，y)(j＝1，2，..，n)對應的...

【專利技術屬性】
技術研發人員：周梅，劉茜，李慶利，劉洪英，邱崧，
申請(專利權)人：華東師范大學，
類型：發明
國別省市：上海,31