CN101520890B - 一种基于灰度特征图像的粘连染色体自动分割方法 - Google Patents
一种基于灰度特征图像的粘连染色体自动分割方法 Download PDFInfo
- Publication number
- CN101520890B CN101520890B CN2008102206681A CN200810220668A CN101520890B CN 101520890 B CN101520890 B CN 101520890B CN 2008102206681 A CN2008102206681 A CN 2008102206681A CN 200810220668 A CN200810220668 A CN 200810220668A CN 101520890 B CN101520890 B CN 101520890B
- Authority
- CN
- China
- Prior art keywords
- chromosome
- chromosomes
- image
- gray
- conglutinated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
提供一种粘连染色体自动分割方法,该方法是基于染色体的灰度特征图像先进行淹没腐蚀处理操作,然后进行条件膨胀恢复处理操作。本发明设计了一种基于灰度特征图像的形态学处理方法算法来分割严重粘连而又没有发生遮挡、交叠的染色体,解决了现有技术中对这种发生严重粘连而又没有遮挡、交叠染色体分割的技术难点和空缺,满足了染色体分析、细胞研究、病理分析等医疗领域需要精确分割粘连染色体和检测染色体数目的需求,并进一步提高了染色体分析系统中的自动化程度。该方法对染色体分析系统的自动分割处理提供具有良好连续性边界效果和独立性的染色体个体,特别是可以完整、清晰的保留原染色体图像边界的凹凸细节进而提高粘连染色体的分割自动化程度和染色体数目统计的精确度。
Description
【技术领域】
本发明属于图像处理技术领域,涉及一种基于灰度特征图像的粘连染色体自动分割技术,尤其涉及一种用于染色体分析系统中严重粘连染色体的分割方法。
【背景技术】
在染色体自动分析系统中,采集的细胞分裂前期末和中期的染色体总是存在着粘连现象。对此,早期的染色体分析系统常采用手工分割的方法进行染色体的分离,为下一步染色体的分类和配对提供个体独立的染色体。随着图像处理技术的发展,自动分割方法被逐渐引入其中。目前国内外已经开发和研制出多种针对粘连、交叠染色体的分割技术和方法,有基于粘连染色体边界特征的提取和处理的分割方法,适用于轻微粘连染色体的分割,如“T”字型、“V”字型或平行粘连染色体;有基于交叠染色体骨架特征的细化处理分割方法,适用于发生遮挡、交叠染色体的分割,如“十”字型、“H”型、“X”型交叠染色体;但是对于一些粘连较严重又没有交叠的染色体运用上述方法显然都不适用,还有一种基于数学形态学特征的切割和分离方法,该方法通过在目标粘连染色体图中进行腐蚀和膨胀处理,由极限腐蚀获得各个独立染色体对象的核,再由这些染色体对象核膨胀进行水域生长,产生分界线,最后达到自动切割、分离粘连染色体对象的目的,成功地解决了目标粘连现象对后续分析、测量产生干扰的问题。但是这种方法对目标粘连染色体的形状和粘连状况有较高要求,目标染色体间的粘连区域较窄,明显小于目标染色体的宽度。这种方法用在轻微粘连的染色体分割中十分有效。对于严重粘连而又没有发生遮挡、交叠的染色体的分割却不能使用。如果采用传统的分水岭算法,利用灰度图像求梯度信息作为输入图像实现分割,如果对原始粘连染色体灰度图像变化不大或者灰度相近的区域进行梯度计算时不作滤波平滑处理,很容易产生将粘连染色体错误分割成多个染色体块的过分割情况,但如果进行滤波处理,又容易造成将多条粘连染色体合成一个整体。
因此,提供一种独特的分割方法解决这种粘连严重而又没有发生遮挡、交叠的染色体分割问题实为必要。
【发明内容】
针对现有粘连、交叠染色体分割技术的不足,本发明目的在于提供一种基于灰度特征图像的分割方法,采用独特的淹没算法实现粘连染色体的分割。这种淹没算法不是像传统分水岭算法那样处理原始粘连染色体图像的梯度图,而是运用灰度形态学提取描述和表示原始粘连染色体图像的有用成分进行处理。
为实现上述目的,本发明采用如下技术方案:
提供一种粘连染色体自动分割方法,该方法是基于染色体的灰度特征图像先进行淹没腐蚀处理操作,其包括如下步骤:
(1)确定初始阈值T;
(2)判断是否有像素灰度值大于等于T,如果没有像素灰度值大于等于T则以T-1作为新的淹没阈值T’继续淹没,如果有像素灰度值大于等于T则赋值Ts,复制当前图像并将复制结果进行二值化处理,
(3)判断图像中物体的个数,若小于m则返回步骤(2)继续进行T’的淹没腐蚀处理过程,否则终止淹没腐蚀过程,记录最终淹没阈值T’,进入条件膨胀恢复处理操作;
该条件膨胀恢复处理操作包括以下步骤:
(a)判断图像中是否有灰度值为Ts的像素点在原始图像中灰度值小于等于T’,如果没有,以T”=T’+1作为新的膨胀恢复阈值重复执行步骤(a)所述的膨胀恢复处理,如果有则进入下一步;
(b)计算当前像素n邻域中灰度值小于Ts的像素数目是否大于p个,如果是,将其恢复赋值为原始灰度值,并进入下一步,否则重复执行步骤(b);
(c)判断此时的T’是否小于最开始淹没腐蚀的阈值T,如果是,那么跳转到步骤(a)中继续进行T”=T’+1的膨胀恢复处理,如果T’=T则停止条件膨胀恢复处理。
采集的染色体图像背景颜色设为白色,因此设背景灰度值Ts=255,初始阈值T=254,并且其中步骤(b)的n=8,p=3。其中m为大于等于2的整数。
对发生轻微粘连的染色体、对发生轻微或严重粘连的三条或多条染色体等情况都可以采用本发明的分割和恢复方法进行处理。
本发明相对于现有技术的主要优点及有益效果是:设计了一种基于灰度特征图像的形态学处理方法算法来分割严重粘连而又没有发生遮挡、交叠的染色体,解决了现有技术中对这种发生严重粘连而又没有遮挡、交叠染色体分割的技术难点和空缺,满足了染色体分析、细胞研究、病理分析等医疗领域需要精确分割粘连染色体和检测染色体数目的需求,并进一步提高了染色体分析系统中的自动化程度。该方法对染色体分析系统的自动分割处理提供具有良好连续性边界效果和独立性的染色体个体,特别是可以完整、清晰的保留原染色体图像边界的凹凸细节进而提高粘连染色体的分割自动化程度和染色体数目统计的精确度。
【附图说明】
图1是采集的2条发生严重粘连而又没有遮挡、交叠的染色体原始灰度图象;
图2是本发明淹没腐蚀处理算法的流程示意图;
图3是本发明条件膨胀恢复处理算法的流程示意图
图4是实施例对灰度染色体图像进行淹没腐蚀运算处理后的结果示意图;
图5是实施例对灰度染色体淹没腐蚀后的图像进行初步膨胀运算处理后的结果示意图;
图6是实施例加入限制条件后膨胀处理的最终恢复结果示意图。
【具体实施方式】
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
本发明的一种基于图像灰度特征的粘连染色体自动分割方法提供具有良好完整边界效果和独立性的染色体个体,特别是可以完整、清晰的保留染色体图像边界的原有灰度信息特征。
如图1所示,为2条严重粘连而又没有发生遮挡、交叠的染色体原始灰度图像,如图可见通常情况下,严重粘连染色体之间区域的灰度区别于染色体内部的灰度,并且采集的染色体图像背景颜色为白色,本发明的淹没算法是一种基于输入图像的灰度图的独特分割方法,首先对粘连染色体进行淹没腐蚀处理,得到各自独立的染色体核心区域;然后再对淹没腐蚀的染色体核心区域进行条件膨胀的恢复处理操作,算法既简单又解决了传统分水岭算法产生的过分割问题。
本发明的淹没腐蚀处理算法流程图如图2所示,其实现步骤如下:
1、对发生严重粘连而又没有遮挡、交叠的染色体原始灰度图像进行去除杂信息、噪声及增强图像对比度的预处理;
2、然后把预处理后的图像采用从254逐渐向0逼近的淹没阈值对发生严重粘连的染色体进行淹没腐蚀。由于采集的染色体图像背景颜色为白色,所以设背景的灰度值是255,从淹没阈值为254的灰度值开始进行淹没腐蚀,即遍历每一个像素点,判断是否有像素灰度值大于此时的淹没阈值T,如果没有像素灰度值大于此时得淹没阈值T,那么将此时的淹没阈值T减1作为新的淹没阈值T’=T-1继续淹没;
3、如果有像素灰度值大于此时的淹没阈值T,即被背景色淹没,赋值255,复制当前图像并将复制结果进行二值化处理,判断二值化后图像中物体(染色体块)的个数,如果当图像中统计有2个物体(染色体块)时终止淹没腐蚀过程。此时,染色体周边都被淹没,面积明显减小,仅剩下2条染色体的核心区域,那么记录停止淹没腐蚀处理的最终淹没阈值T’=T,进入条件膨胀恢复处理操作;否则,如果图像中只有1个物体,则返回步骤2继续进行T’=T-1的淹没腐蚀处理过程;
本发明的条件膨胀恢复处理算法流程图如图3所示,其实现步骤如下:
1、将经过淹没腐蚀处理后出现的2条染色体图像作为输入图像进行染色体核心区域的膨胀处理,由淹没腐蚀处理过程步骤3中记录的最终极限淹没腐蚀阈值T’逐渐向255逼近进行条件膨胀处理,判断图像中是否有灰度值为255的像素点在原始图像中灰度值小于等于T’,如果没有,将此时的T’加1作为新的膨胀恢复阈值T”=T’+1重复执行步骤1所述的膨胀恢复处理;
2、如果图像中有灰度为255的像素点在原始图像中灰度值小于等于T’,计算当前像素8邻域中灰度值小于255的像素数目是否大于3个,如果是,将其恢复赋值为原始灰度值。然后,判断此时的T’是否小于最开始淹没腐蚀的阈值254,如果是,即还有未恢复的像素点,那么跳转到步骤1中继续进行T”=T’+1的膨胀恢复处理;
3、如果T’=254说明恢复完成可停止条件膨胀恢复处理。
所述的条件膨胀处理步骤2中,由于从其中一个染色体对象核心区域开始膨胀的时候,另一个染色体被淹没腐蚀的区域也有灰度值与T’相等的像素点被恢复,致使恢复结果出现另外一条染色体的部分恢复结果,为避免这种情况出现,还需要在膨胀过程加入其他限制条件即每个满足恢复条件的像素点的8邻域像素中不少于3个是染色体内部,即判断当前像素8邻域中灰度值小于255的像素数目是否大于3个的处理步骤。
本发明的一种基于图像灰度特征的粘连染色体自动分割方法提供具有良好完整边界效果和独立性的染色体个体,特别是可以完整、清晰的保留染色体图像边界的原有灰度信息特征。如图1所示,为2条严重粘连而又没有发生遮挡、交叠的染色体原始灰度图像,采用本发明的淹没腐蚀和条件膨胀恢复的处理过程及其结果如下:
1、对如图1所示发生严重粘连而又没有遮挡、交叠的染色体原始灰度图像进行去除杂信息、噪声及增强图像对比度的预处理;然后把预处理后的图像采用从254逐渐向0逼近的淹没阈值对发生严重粘连的染色体进行淹没腐蚀。淹没到仅剩下2条染色体的核心区域,并记录此时的淹没终止阈值设为T’,结果如图4所示;
2、将上述淹没腐蚀处理后出现的2条染色体图像作为输入图像,进行染色体核心区域分别进行条件膨胀处理,由淹没腐蚀处理过程中记录的最终淹没腐蚀阈值T’逐渐向255逼近进行膨胀处理操作,如图5所示;
3、但图5中的结果显示由于从其中一个染色体对象核心区域开始膨胀的时候,另一个染色体被淹没腐蚀的区域也有被恢复的区域,所以要加入限制条件,即每个满足恢复条件的像素点的8邻域像素中不少于3个是染色体内部,最终的恢复结果如图6所示。
以上所述仅为本发明的一种较佳实施例,对于能够分割的染色体粘连形式不限于上述一种。例如,对发生轻微粘连的染色体、对发生轻微或严重粘连的三条或多条染色体等情况都可以采用本发明的分割和恢复方法进行处理,因此,本发明的具体实施例仅仅是对本发明精神的一种展示,而不应当作为对本发明的一种限制。本发明的保护范围并不局限于此,本领域中的技术人员任何基于本发明技术方案上非实质性变更均包括在本发明保护范围之内。
Claims (1)
1.一种粘连染色体自动分割方法,其特征在于,该方法是基于染色体的灰度特征图像先进行淹没腐蚀处理操作,其包括如下步骤:
(1)确定初始阈值T;
(2)判断是否有像素灰度值大于等于T,如果没有像素灰度值大于等于T则以T-1作为新的淹没阈值T’继续淹没,如果有像素灰度值大于等于T则赋值Ts,复制当前图像并将复制结果进行二值化处理;
(3)判断图像中物体的个数,若小于m则返回步骤(2)继续进行T’的淹没腐蚀处理过程,否则终止淹没腐蚀过程,记录最终淹没阈值T’,进入条件膨胀恢复处理操作;
该条件膨胀恢复处理操作包括以下步骤:
(a)判断图像中是否有灰度值为Ts的像素点在原始图像中灰度值小于等于T’,如果没有,以T”=T’+1作为新的膨胀恢复阈值重复执行步骤(a)所述的膨胀恢复处理,如果有则进入下一步;
(b)计算当前像素n邻域中灰度值小于Ts的像素数目是否大于p个,如果是,将其恢复赋值为原始灰度值,并进入下一步,否则重复执行步骤(b);
(c)判断此时的T’是否小于最开始淹没腐蚀的阈值T,如果是,那么跳转到步骤(a)中继续进行T”=T’+1的膨胀恢复处理,如果T’=T则停止条件膨胀恢复处理;
其中初始阈值T=254,Ts=255,n=8,p=3,m为大于等于2的整数,采集的染色体图像背景颜色为白色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102206681A CN101520890B (zh) | 2008-12-31 | 2008-12-31 | 一种基于灰度特征图像的粘连染色体自动分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008102206681A CN101520890B (zh) | 2008-12-31 | 2008-12-31 | 一种基于灰度特征图像的粘连染色体自动分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101520890A CN101520890A (zh) | 2009-09-02 |
CN101520890B true CN101520890B (zh) | 2011-04-20 |
Family
ID=41081463
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008102206681A Expired - Fee Related CN101520890B (zh) | 2008-12-31 | 2008-12-31 | 一种基于灰度特征图像的粘连染色体自动分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101520890B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222352B (zh) * | 2010-04-16 | 2014-07-23 | 株式会社日立医疗器械 | 图像处理方法和图像处理装置 |
CN103236052B (zh) * | 2013-03-28 | 2014-05-07 | 华中科技大学 | 一种基于l1最小化模型的全自动细胞定位方法 |
CN109146838A (zh) * | 2018-06-20 | 2019-01-04 | 湖南自兴智慧医疗科技有限公司 | 一种基于几何特征与区域融合的g显带粘连染色体分割方法 |
CN109300111B (zh) * | 2018-08-27 | 2020-05-12 | 杭州德适生物科技有限公司 | 一种基于深度学习的染色体识别方法 |
CN109344874B (zh) * | 2018-08-31 | 2020-09-15 | 华侨大学 | 一种基于深度学习的染色体自动分析方法及系统 |
CN109285166B (zh) * | 2018-09-20 | 2023-03-31 | 伍业峰 | 基于全卷积网络的交叠、粘连染色体自动分割方法 |
CN109670518B (zh) * | 2018-12-25 | 2022-09-23 | 浙江大学常州工业技术研究院 | 一种测量图片中目标物的边界的方法 |
CN110533684B (zh) * | 2019-08-22 | 2022-11-25 | 杭州德适生物科技有限公司 | 一种染色体核型图像切割方法 |
CN110610757B (zh) * | 2019-09-24 | 2023-02-03 | 电子科技大学 | 基于人工智能与图形学结合的染色体图像处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1410911A (zh) * | 2001-09-26 | 2003-04-16 | 财团法人资讯工业策进会 | 用于运具调度派遣的演算方法 |
CN1945580A (zh) * | 2005-10-06 | 2007-04-11 | 索尼株式会社 | 图像处理装置 |
-
2008
- 2008-12-31 CN CN2008102206681A patent/CN101520890B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1410911A (zh) * | 2001-09-26 | 2003-04-16 | 财团法人资讯工业策进会 | 用于运具调度派遣的演算方法 |
CN1945580A (zh) * | 2005-10-06 | 2007-04-11 | 索尼株式会社 | 图像处理装置 |
Non-Patent Citations (1)
Title |
---|
JP特开平5-180833A 1993.07.23 |
Also Published As
Publication number | Publication date |
---|---|
CN101520890A (zh) | 2009-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101520890B (zh) | 一种基于灰度特征图像的粘连染色体自动分割方法 | |
CN105160668B (zh) | 图像分割方法、系统与细胞图像分割方法、系统 | |
CN102013102B (zh) | 一种图像中的粘连细胞分割方法 | |
CN107256558A (zh) | 一种无监督式的宫颈细胞图像自动分割方法及系统 | |
CN102676633A (zh) | 一种菌落自动计数方法 | |
CN106650728B (zh) | 一种阴影车牌图像二值化方法 | |
CN101515325A (zh) | 基于字符切分和颜色聚类的数字视频中的字符提取方法 | |
CN104952077B (zh) | 一种票据图像油污检测方法及系统 | |
CN102663700B (zh) | 粘连颗粒二值图像的分割方法 | |
CN112036254A (zh) | 基于视频图像的运动车辆前景检测方法 | |
CN103778627A (zh) | 一种基于sar图像的海域溢油检测方法 | |
CN107085726A (zh) | 基于多方法去噪和连通区域分析的甲骨拓片单字定位方法 | |
CN105005969B (zh) | 一种票据图像涂改检测方法及系统 | |
CN104063866A (zh) | 一种矿石传送过程中的粒度检测方法 | |
CN103955949A (zh) | 基于Mean-shift算法的运动目标检测方法 | |
CN109850518B (zh) | 一种基于红外图像的实时矿用胶带预警撕裂检测方法 | |
CN109460735A (zh) | 基于图半监督学习的文档二值化处理方法、系统、装置 | |
CN111583178B (zh) | 一种在藻类细胞显微图像中分割黏连藻类细胞的方法 | |
CN105719275A (zh) | 一种并行组合的图像缺陷分割方法 | |
CN101706959A (zh) | 基于二维信息熵金属板带表面缺陷提取方法 | |
CN102509095A (zh) | 一种车牌图像的预处理方法 | |
CN105447489A (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
CN103500451B (zh) | 一种用于卫星数据的独立浮冰提取方法 | |
CN104966348A (zh) | 一种票据图像要素完整性检测方法及系统 | |
CN102663387A (zh) | 基于牙科全景图的皮质骨宽度自动计算方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110420 Termination date: 20141231 |
|
EXPY | Termination of patent right or utility model |