医学图像中的细胞提取研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇医学图像中的细胞提取研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：针对医学图像中的细胞提取问题，提出一种基于连通域的提取方法，该方法首先将图像进行二值化，然后依据八方向连通域提取细胞，再进行腐蚀和膨胀。经过实验证明，在具有复杂背景的医学图像中，该方法也能有效地提取细胞。

关键词：医学图像；连通域；细胞

中图分类号：TP18文献标识码：A文章编号：1009-3044(2011)29-7237-02

Cells Segmentation Research of Medical Images

LIU Sai

(College of Computer Science, South-Central University for Nationalities, Wuhan 430074, China)

Abstract: According to the cells segmentation problem of medical images, this paper proposed a method based on connected domains. This method firstly changed images to binary images. Secondly, extracted cells based on eight connected domain, then carried corrosion and expansion out. The experiments proved this method can get the cells correctly in medical images.

Key words: medical images; connected domain; cells

目前，国内有很多临床医学的诊断需要借助于分析系统对医学图像进行分析，特别是图像中的细胞分析[1]，这就涉及到一个重要的问题，即如何在彩色的具有复杂背景的图像中正确地识别出细胞。细胞提取的准确率直接影响到相应的分析结果[2]。从临床医学的角度来说，医学图像中的细胞提取具有相当的实际意义[3]。本文正是在这样的背景之下，展开了相应的研究，目的是为了更好地达到细胞提取效果。

1 图像中细胞提取的思路

一般的，从显微镜设备采集到的图片为彩色图片，通常这种图片的格式为bmp格式。本文拟采取的思路为，首先将24位彩色位图转换为灰度图，然后将灰度图进行二值化，再利用八方向连通域提取细胞，再进行去噪声处理，最终得到细胞。因为实际拍摄得到的图片是具有复杂背景的，为了能够准确分割，因此需要进行二值化的工作，这样就能将细胞区域和背景区域分开。二值化以后，一个细胞内的区域是一个连通的区域，于是对细胞区域内的某个像素点，可以考虑它的上、右上、右、右下、下、左下、左、左上这八个方向上的像素点情况，如果在它的这八个方向上也有黑像素点，说明这个点也是该细胞区域内的像素点。初步提取以后，由于图片中可能含有噪声，因此还需要进行去噪声处理。

本文首先给出系统的框架，接着给出关键模块的设计，最后是系统的实验及结论。

2 细胞提取的整体框架

细胞提取的整体框架分为初始化，灰度图转换，二值化，细胞提取，去噪声五部分。框架如图1所示。

其中，初始化完成bmp图片的打开以及设置相应像素点矩阵的工作；灰度图转换步骤用于将24位位图转换为灰度图，方便后续的操作；二值化的目的是为了将背景和细胞区别开来；细胞提取阶段采用连通域的思想；最后阶段通过去噪声进一步优化结果。

3 系统设计

系统采用delphi设计，以客户端形式提供给用户使用。根据上述内容设计关键模块，具体如下。

3.1 二值化

二值化是个关键步骤，用以将背景区域和前景区域分别开来，二值化的效果直接影响到细胞的提取效果。下面给出二值化的算法流程：

1）设置相应数据结构；

2）for CurrentGrayVal := 1 to 254 do

begin

求解前景灰度值总和；

求解前景像素点比例和背景像素点比例；

求解前景平均灰度；

If 前景背景差别加大 then

begin

Great:= CurrentGrayVal；

end

end

3）遍历每个像素点的灰度值；

If 该像素点灰度值

Else该像素点灰度值赋值为255；

其中，CurrentGrayVal为当前灰度值，Great为阈值。

3.2 细胞提取

细胞提取采用八方向连通的方式进行。下面给出算法流程：

1）初始化栈和标记矩阵；

2）遍历像素点矩阵，找到某新连通域的第一个点，入栈；

3）while 栈不为空 do

begin

弹出栈顶像素点；

查找该像素点周围八方向，找到下一个前景点也入栈；

end

4）保存每个连通域的外接矩阵坐标；

5）把连通域添加到imagelist中；

其中，imagelist用于存放识别出的细胞图片。

3.3 去噪处理

去噪处理的算法流程如下：

1）求解每个细胞的面积（含噪声）；

2）统计每个细胞平均像素点数目；

3）从数据库提取参数，计算单个细胞像素点下限数目；

4）遍历每个细胞图片；

If该细胞像素点数目低于下限 then

begin

去除该噪声细胞；

end

4 系统展示

4.1 实验介绍

本系统采用delphi设计，并结合数据库，经过测试，运行良好。以下是系统运行结果展示。

4.2 实验结果

图2为待二值化图。

图3为二值化以后的效果图。

图4为细胞初步提取效果图。

从运行结果来看，有一些面积过小的细胞显然是噪声，需要去除。图5为去噪以后的效果图。

5 总结

本文以医学图像为对象，经过灰度处理，二值化处理，细胞提取，噪声处理阶段，完成细胞提取的研究。经过实验证明，具有较好的分割效果。但对粘连细胞的处理还需进一步提高，这是下阶段的研究重点。

参考文献：

[1] 吴建斌,李太全,田茂.改进的遗传算法在白细胞识别中的应用研究[J].计算机工程与应用,2007,43(27):243-245.

[2] 胡炯炯,于慧敏,房波.基于形态学约束的B-Snake模型的细胞图像自动分割方法[J].中国图象图形学报,2005,10(1):31-37.

[3] 贾丹丹,李宏.基于神经网络和小波分析的血细胞识别算法[J].计算机应用与软件,2009,26(8):29-31.