一種細(xì)胞分離方法技術(shù)

本發(fā)明專利技術(shù)涉及圖像分割領(lǐng)域，尤其是涉及一種細(xì)胞分離方法，包括以下步驟：A、運(yùn)用OSTU方法對(duì)細(xì)胞圖像進(jìn)行預(yù)分割；B、運(yùn)用邊界追蹤方法對(duì)預(yù)分割圖像進(jìn)行孔洞填充；C、對(duì)孔洞填充后的圖像進(jìn)行分水嶺分割；D、對(duì)分割后圖像中的“過(guò)分割”區(qū)域進(jìn)行合并，“分割不完全”區(qū)域進(jìn)行再分割。和現(xiàn)有的綜合凹點(diǎn)分析與邊緣檢測(cè)的分割算法和基于數(shù)學(xué)形態(tài)學(xué)的分割算法相比，思路清晰，易于在代碼中實(shí)現(xiàn)，所以實(shí)現(xiàn)簡(jiǎn)單；與傳統(tǒng)方法對(duì)比，可明顯減少過(guò)分割情況。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及圖像分割領(lǐng)域，尤其是涉及。
技術(shù)介紹
顯微鏡技術(shù)的發(fā)展使得人類對(duì)事物的觀察更加精細(xì)，打開了對(duì)微觀世界的研究。逐漸進(jìn)入對(duì)細(xì)胞一生命活動(dòng)的基本單位的探索。在對(duì)生物細(xì)胞形態(tài)結(jié)構(gòu)的研究中發(fā)現(xiàn)，由于細(xì)胞自身的結(jié)構(gòu)，觀察到的細(xì)胞圖像常常是很多個(gè)細(xì)胞聚集在一起，因此就不可避免的需要引入細(xì)胞分割技術(shù)，通過(guò)該技術(shù)將重疊的細(xì)胞準(zhǔn)確的分離開來(lái)，以便于進(jìn)行下一步對(duì)細(xì)胞形態(tài)的識(shí)別及個(gè)數(shù)的統(tǒng)計(jì)。現(xiàn)有的分割方法主要有兩大類綜合凹點(diǎn)分析與邊緣檢測(cè)的分割算法和基于數(shù)學(xué) 形態(tài)學(xué)的分割算法。以上兩類算法雖能取得一定成效，但也存在一定的缺陷與局限性，如綜合凹點(diǎn)分析與邊緣檢測(cè)的分割算法中難以確定出真正的凹點(diǎn)，且凹點(diǎn)很難正確配對(duì)等問(wèn)題的存在使得該方法難以取得好的分割效果，主要是因?yàn)橛?jì)算凹點(diǎn)的算法主要是通過(guò)計(jì)算K個(gè)輪廓點(diǎn)所組成的夾角來(lái)判斷，這種方法計(jì)算量大，容易受噪聲的影響，而且計(jì)算結(jié)果與K的取值以及設(shè)定的夾角大小有關(guān)，因此極有可能把噪點(diǎn)當(dāng)作了凹點(diǎn)，而把真正的凹點(diǎn)丟失了 ；而基于數(shù)學(xué)形態(tài)學(xué)的方法中的分水嶺方法往往難以克服“過(guò)分割”問(wèn)題，這是因?yàn)閳D像中常存在噪聲及局部不規(guī)則現(xiàn)象，使得局部極小值區(qū)域的個(gè)數(shù)超過(guò)實(shí)際的分割對(duì)象，也就造成難以克服的“過(guò)分割“問(wèn)題，因此有必要研究出高效實(shí)用的細(xì)胞分離方法?，F(xiàn)有技術(shù)中也有對(duì)細(xì)胞分離方法進(jìn)行改進(jìn)的專利，如專利申請(qǐng)?zhí)枮?01010568802.4,申請(qǐng)日為2010_12_1，名稱為“一種圖像中的粘連細(xì)胞分割方法”的專利技術(shù)專利，其技術(shù)方案為步驟一，對(duì)含有粘連細(xì)胞的圖像進(jìn)行二值化，將圖像中的粘連細(xì)胞作為前景色進(jìn)行標(biāo)記，其余的為背景色，得到二值圖，再對(duì)上述二值圖做距離變換，在距離變換的過(guò)程中記錄下各個(gè)點(diǎn)到最近背景點(diǎn)的距離值，保存為距離圖；步驟二，確定真實(shí)細(xì)胞的中心點(diǎn)首先，在所述距離圖中搜索局部極大值點(diǎn)，即距離值大于其八鄰域點(diǎn)的距離值的點(diǎn)，以這些局部極大值點(diǎn)為起始點(diǎn)對(duì)所述二值圖作水域分割，得到分割后的區(qū)域圖；其次，對(duì)所有的局部極大值點(diǎn)進(jìn)行篩選，去除符合篩選條件的局部極大值點(diǎn)，剩余的極大值點(diǎn)每個(gè)均代表單個(gè)血細(xì)胞的中心點(diǎn)，其中，所述篩選的條件為(I)該局部極大值點(diǎn)的距離值低于預(yù)設(shè)的閾值D ; (2)該局部極大值點(diǎn)的距離值小于任一閾值點(diǎn)的距離值，其中所述閾值點(diǎn)指與當(dāng)前局部極大值點(diǎn)的距離低于門限閾值T的局部極大值點(diǎn)；步驟三，計(jì)算區(qū)域圖中各區(qū)域中心與各上述中心點(diǎn)的距離，從而獲得各區(qū)域與各單個(gè)血細(xì)胞的距離值，使每個(gè)區(qū)域歸屬于與之距離值最小的血細(xì)胞，完成血細(xì)胞的初步分割，其中，所述的區(qū)域中心指區(qū)域中距離值最大的點(diǎn)；步驟四，對(duì)初步分割的邊界進(jìn)一步修正檢測(cè)獲取與兩個(gè)或兩個(gè)以上區(qū)域毗鄰的區(qū)域，在上述獲取的毗鄰區(qū)域的邊界上搜索用于分割的連接角點(diǎn)，利用該連接角點(diǎn)對(duì)當(dāng)前區(qū)域重新分割，分割得到的區(qū)域分屬于與各自相鄰的區(qū)域。通過(guò)上述步驟，即完成粘連細(xì)胞的分割。上述專利存在的問(wèn)題主要有1、采用的距離變換為傳統(tǒng)的倒角距離，該距離只是對(duì)歐氏距離的一種近似，不是完全歐氏距離，使得選取種子點(diǎn)的準(zhǔn)確性不高；2、利用局部最小值及預(yù)設(shè)閾值點(diǎn)選取種子點(diǎn)，增加了一定的計(jì)算量同時(shí)引入主觀因素；3、采用復(fù)雜的鏈碼差進(jìn)行修正，增加了計(jì)算量。
技術(shù)實(shí)現(xiàn)思路
為了克服現(xiàn)有的細(xì)胞圖像分離方法存在的的凹點(diǎn)很難正確配對(duì)、難以克服“過(guò)分害I]”的問(wèn)題，現(xiàn)在特別提出一種融合OSTU和邊界追蹤，并且運(yùn)用精確歐氏距離進(jìn)行前期距離變換，以及提出距離閾值與面積閾值概念，減少了計(jì)算量的。為實(shí)現(xiàn)上述技術(shù)效果，本專利技術(shù)的技術(shù)方案如下 ，其特征在于，包括以下步驟 A、運(yùn)用OSTU方法對(duì)細(xì)胞圖像進(jìn)行預(yù)分割 al.根據(jù)輸入圖像的灰度值，運(yùn)用OSTU方法計(jì)算出最佳閾值 其具體過(guò)程為根據(jù)輸入灰度圖像的灰度值，將其分為I、級(jí)，用A代表圖像中灰度級(jí)為的像素個(gè)數(shù)，那么圖像中總像素個(gè)數(shù)，且每個(gè)灰度級(jí)存在的概率 I2*1Pi = nYhJ。若選擇某一灰度級(jí)k將該圖像分成兩組，其中C0 =丨+1~衫，Ci = {A+i~m}, A那么兩組所產(chǎn)生的概率m 以及兩組的組內(nèi)平均差 ，π分別為= =fljR), ω φιΜ) A ·ι 二ip- u(k)i im U- ^(k) 二· JL ,=’抖= Σ^γ=^·,μ = Σ玄=7=^7 ;其中，代表整% ajWmI 1幅圖像的灰度平均值，A(.t)=i奶*代表閾值為^時(shí)的灰度平均值，因此全部采樣的灰度 k平均值μ =砷Μ) + w ;因此兩組間的方差為 CTj ⑷=呌 O0 — + O1O1 — μ)2 = (P1 —外)2 =苧勞 f.與黑...... 雄.) 在f m間變化k可找到一個(gè)k*使取最大值，即V = ^rgmrni a2 (k),此時(shí)的^ 即為所求的最佳閾值； a2.利用最佳閾值V將輸入圖像轉(zhuǎn)化為二值圖像根據(jù)圖像的實(shí)際情況將像素值小于的像素轉(zhuǎn)化為背景像素(或目標(biāo)像素)，其它像素轉(zhuǎn)化為目標(biāo)像素(或背景像素); B、運(yùn)用邊界追蹤方法進(jìn)行孔洞填充 bl.設(shè)置已跟蹤邊界隊(duì)列,按照由上到下，由左到右的順序搜索到第一個(gè)目標(biāo)像素 將其作為初始化邊界搜索點(diǎn)，設(shè)定初始化搜索方向，并將A抓qei ； b2. JAp0的i&b方向開始按逆時(shí)針?lè)较蛩阉? 的8鄰域中的目標(biāo)像素λ，若A不存在，則表明I為孤立像素區(qū)域，轉(zhuǎn)步驟b5 ;若乃被標(biāo)記已跟蹤過(guò)，則仍按逆時(shí)針順序繼續(xù)向下搜索8鄰域中是否存在未被跟蹤過(guò)的邊界像素，若不存在，則表明已回到跟蹤起點(diǎn)，轉(zhuǎn)步驟b5 ;若％未被跟蹤過(guò)，則將其放入中； b3.根據(jù)相對(duì)于Pd的方向標(biāo)號(hào)dr ,更新dir，若dir為奇數(shù)，則仏=(dir+7)%B，若為偶數(shù)，則—=+ 6)%8 ； b4.以P1為搜索像素，轉(zhuǎn)b2步，繼續(xù)追蹤下一個(gè)邊界像素； b5.當(dāng)搜索到的像素與開始像素重合時(shí)結(jié)束追蹤； b6.當(dāng)一個(gè)區(qū)域的邊界全被標(biāo)記出后，對(duì)其進(jìn)行孔洞填充； C、對(duì)圖像進(jìn)行分水嶺分割 Cl.對(duì)細(xì)胞圖像進(jìn)行距離變換處理； c2.根據(jù)距離變換值選取種子點(diǎn)； c3.根據(jù)種子點(diǎn)進(jìn)行分水嶺分割； 所述c2步驟具體為 c21 :查找圖像中的局部最大距離變換值像素并按從大到小的順序存入隊(duì)列 mmiDT ■中，計(jì)算麗，其中代表距離變換排序后的第.個(gè)距離變—/2I換最大值；DTmax代表最大的距尚變換值；奴wm代表細(xì)胞圖像中的目標(biāo)像素總數(shù)，num =, S = JiDTami ； c22 DT_MAX中第一個(gè)元素出隊(duì)，放入種子像素?cái)?shù)組中；c23 :若不為空，則中第一個(gè)元素P出隊(duì)，否則轉(zhuǎn)步驟c25 ；c24 :計(jì)算-與所有中的種子像素間的距離^^ ,若存在，則直接轉(zhuǎn)步驟c25，否則將P傲入Seed中，轉(zhuǎn)步驟c23 ；c25 算法結(jié)束。D、“過(guò)分割”區(qū)域的合并與“分割不完全”區(qū)域再分割dl.設(shè)直二個(gè)面積閾值，, ^Iim = TlDilals js , Smtx = TlDTmg ,其中為經(jīng)驗(yàn)值，對(duì)于本專利技術(shù)取值為1，即將單像素的區(qū)域當(dāng)做噪聲處理； d2.計(jì)算圖像各個(gè)區(qū)域的面積，根據(jù)面積閾值對(duì)該區(qū)域進(jìn)行下列的處理 若，則表明該區(qū)域?yàn)樵肼晠^(qū)域，將其去除； 若< >4^ ,則表明該區(qū)域“分割不完全”，則將其重新再次分割； 若S <-Jain ,則表明該區(qū)域是“過(guò)分割”區(qū)域，則將其合并到鄰域區(qū)域； 其它本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種細(xì)胞分離方法，其特征在于，包括以下步驟：？A、運(yùn)用OSTU方法對(duì)細(xì)胞圖像進(jìn)行預(yù)分割；B、運(yùn)用邊界追蹤方法對(duì)預(yù)分割圖像進(jìn)行孔洞填充；C、對(duì)孔洞填充后的圖像進(jìn)行分水嶺分割；D、對(duì)分割后圖像中的“過(guò)分割”區(qū)域進(jìn)行合并，“分割不完全”區(qū)域進(jìn)行再分割。

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李均利，李曉寧，袁丁，蘇菡，張瑩，楊軍，
申請(qǐng)(專利權(quán))人：四川師范大學(xué)，
類型：發(fā)明
國(guó)別省市：