CN102663390A - 一种流式细胞显微图像二值化方法 - Google Patents
一种流式细胞显微图像二值化方法 Download PDFInfo
- Publication number
- CN102663390A CN102663390A CN2012101299844A CN201210129984A CN102663390A CN 102663390 A CN102663390 A CN 102663390A CN 2012101299844 A CN2012101299844 A CN 2012101299844A CN 201210129984 A CN201210129984 A CN 201210129984A CN 102663390 A CN102663390 A CN 102663390A
- Authority
- CN
- China
- Prior art keywords
- interval
- image
- value
- cumulative histogram
- accumulathist
- 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.)
- Granted
Links
Images
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Image Processing (AREA)
- Image Input (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种流式细胞显微图像二值化方法,属于显微镜系统图像处理技术。包括)、统计图像灰度直方图、统计图像灰度累加直方图、基于累加直方图的计算。本发明方法通过基于灰度图像累加直方图的计算,可以得到较准确的二值化图像。
Description
技术领域
本发明属于显微镜系统的图像处理技术领域,尤其是指一种流式细胞显微图像二值化方法。
背景技术
图像二值化是图像处理的基本操作和重要步骤,其功能是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。二值化方法主要分为全局二值化和局部二值化。全局二值化的基本思想是求取或设定一个阈值T,将源图像中大于T的像素设置为白色(或黑色),将源图像中小于T的像素值设置为黑色(或白色),其优点是处理速度快,对噪声不敏感,缺点是图像灰度分布不均匀时二值效果不理想,代表方法是Otsu方法。局部二值化方法是将源图像分为N份,对每一份分别求取阈值然后二值化,其优点是处理灰度不均匀图像效果较好,缺点是计算量大,对噪声敏感,代表方法是Niblack方法。
其它图像二值化方法也有很多,如专利CN00808969和专利 CN1694119提及和公开的方法。然而,流式细胞显微图像对比度相对较低和局部区域可能不清晰,当前二值化方法很难对绝大多数流式细胞显微图像计算出准确的二值图像。
发明内容
针对现有技术对流式细胞显微图像二值化的不足,本发明的目的是提供一种基于累加直方图的图像二值化方法,该方法能对流式细胞显微图像提供较好的二值化效果。
本发明的技术方案是:一种流式细胞显微图像二值化方法,包括以下步骤:
(1)、计算待处理图像的灰度分布直方图;
(2)、计算待处理图像的灰度累加直方图并归一化;
(3)、在累加直方图横轴上选取一个区间[ ,],计算此区间内累加直方图中(, )、( ,)两点形成直线l的斜率和截距,其中、分别是像素灰度值、对应的累加值,区间[,]的选择尽可能包含图像灰度分布所在的区间,如256级灰度图像,可以选择区间[0,255];
(4)、在累加直方图横轴上选取一个区间[,]([,][,]),计算区间[,]内累加直方图中各点(x, y)到直线l的距离并排序,距离最大的点的横坐标值即为阈值;区间[,]为区间[,]子集,应包含累加直方图中累加值变化明显的区域;
(5)、根据阈值对图像二值化。
本发明一种实施方式是在步骤(1)中,设图像灰度级为M,统计图像中像素灰度值为i(i=0,1,2…M-1)的像素总数,记为Hist[i],得到M级灰度分布直方图Hist[M]。
本发明一种实施方式是在步骤(2)中,由步骤(1)计算得来的M级灰度分布直方图Hist[M],计算累加直方图AccumulatHist[M], AccumulatHist[0] = Hist[0]/(height*width),AccumulatHist[i] = AccumulatHist [i-1] +Hist[i]/(height*width) (i=1,2…M-1),其中,i为像素灰度值,AccumulatHist[i]为像素灰度值小于等于i的像素总数的归一化值,其取值区间为[0,1],height为图像高度,width为图像宽度。
本发明一种实施方式是在步骤(3)中,根据步骤(2)计算获得的累加直方图,在平面直角坐标系中得到M个点坐标(i, AccumulatHist[i])(i=0,1,2…M-1),横轴分量i表示像素灰度值,纵轴分量AccumulatHist[i]表示像素灰度值小于等于i的像素总数的归一化值;根据累加直方图的特点,AccumulatHist[i]在区间[0,1]内是单调递增的,在M个点中取其中从开始的连续的(-+1)个点,可知其中的极小和极大值点分别为( ,)和( ,),计算两点连线l的斜率和截距,其中=(-)/(-),=-*。
本发明一种实施方式是在步骤(4)中,在累加直方图横轴上选取一个区间[,]([,][,]),计算区间[,]内累加直方图中各点(,)到直线l的距离(i=0,1,…-),其中=(*++)/;选取中的最大值,此时对应的i值即可作为待处理图像阈值对图像进行二值化。
本发明的效果在于:采用本发明的图像二值化方法,能取得较好的图像二值化效果,尤其对流式细胞显微图像二值化效果较好,方便后续对图像的处理。
附图说明
图1是待处理细胞灰度图像;
图2是待处理图像的灰度统计直方图;
图3是待处理图像的灰度累加直方图;
图4是在累加直方图基础上的计算示意图;
图5是采用本发明方法的二值化结果图;
图6是采用Otsu方法的二值化结果图。
具体实施方式
包括以下步骤:
(1)、计算待处理图像的灰度分布直方图;
图1所示为待处理的灰度等级为256级细胞显微图像,图2为待处理图像灰度统计直方图,由图2可知图像像素灰度值分布较为集中;设图像灰度级为M,统计图像中像素灰度值为i(i=0,1,2…M-1)的像素总数,记为Hist[i],得到M级灰度分布直方图Hist[M];
(2)、计算待处理图像的灰度累加直方图并归一化:
由步骤(1)计算得来的M级灰度分布直方图Hist[M],计算累加直方图AccumulatHist[M], AccumulatHist[0] = Hist[0]/(height*width),AccumulatHist[i] = AccumulatHist [i-1] +Hist[i]/(height*width) (i=1,2…M-1),其中,i为像素灰度值,AccumulatHist[i]为像素灰度值小于等于i的像素总数的归一化值,其取值区间为[0,1],height为图像高度,width为图像宽度;图3所示为待处理图像灰度累加直方图,横坐标为像素灰度值,纵坐标为像素灰度值小于等于横坐标值的像素总数归一化值;
(3)、在累加直方图横轴上选取一个区间[,],计算此区间内累加直方图中(, )、( ,)两点形成直线l的斜率和截距,其中、分别是像素灰度值、对应的累加值。区间[,]的选择尽可能包含图像灰度分布所在的区间,如256级灰度图像,可以选择区间[0,255];
根据步骤(2)计算获得的累加直方图,在平面直角坐标系中得到M个点坐标(i, AccumulatHist[i])(i=0,1,2…M-1),横轴分量i表示像素灰度值,纵轴分量AccumulatHist[i]表示像素灰度值小于等于i的像素总数的归一化值;根据累加直方图的特点,AccumulatHist[i]在区间[0,1]内是单调递增的,在M个点中取其中从开始的连续的(-+1)个点,可知其中的极小和极大值点分别为( ,)和( ,),计算两点连线l的斜率和截距,其中=(-)/(-),=-*;
(4)、在累加直方图横轴上选取一个区间[,]([,][,]),计算区间[,]内累加直方图中各点(x, y)到直线l的距离并排序,距离最大的点的横坐标值即为阈值。区间[,]为区间[,]子集,应包含累加直方图中累加值变化明显的区域;
在累加直方图横轴上选取一个区间[,]([,][,]),计算区间[,]内累加直方图中各点(,)到直线l的距离(i=0,1,…-),其中=(*++)/;选取中的最大值,此时对应的i值即可作为待处理图像阈值对图像进行二值化;
(5)、根据阈值对图像二值化。
如图4,本实施例中,取[0,255]区间(0, Hist[0])和(255, Hist[255])两个极值点,其中Hist[0]=0,Hist[255]=1,连接两极值点成直线l, 经上述计算斜率值为0.00392,截距值为0。取[0,255]子区间[100,235],计算点(,AccumulatHist [])(i=100,101,…235)到直线l的距离,选取最大的对应的i值作为图像二值化阈值。经计算本实例中最大值为0.1426,对应的i值为204,所以待处理灰度图像二值化阈值为204。
图5为采用本发明方法对源图像进行二值化的结果,其中白色部分为细胞区域,黑色部分为背景区域;图6为采用Otsu方法的二值化结果。不难看出,Otsu方法没有正确获取细胞的二值图像,丢失了很多细胞图像区域。采用本发明方法计算得到的二值图像达到了很好了二值化效果,可以满足实际应用的需求。
Claims (5)
1.一种流式细胞显微图像二值化方法,其特征在于包括以下步骤:
(1)、计算待处理图像的灰度分布直方图;
(2)、计算待处理图像的灰度累加直方图并归一化;
(4)、在累加直方图横轴上选取一个区间[,]([,][,]),计算区间[,]内累加直方图中各点(x, y)到直线l的距离并排序,距离最大的点的横坐标值即为阈值;区间[,]为区间[,]子集,应包含累加直方图中累加值变化明显的区域;
(5)、根据阈值对图像二值化。
2.如权利要求1所述的一种流式细胞显微图像二值化方法,其特征在于:步骤(1)中,设图像灰度级为M,统计图像中像素灰度值为i(i=0,1,2…M-1)的像素总数,记为Hist[i],得到M级灰度分布直方图Hist[M]。
3.如权利要求1所述的一种流式细胞显微图像二值化方法,其特征在于:步骤(2)中,由步骤(1)计算得来的M级灰度分布直方图Hist[M],计算累加直方图AccumulatHist[M], AccumulatHist[0] = Hist[0]/(height*width),AccumulatHist[i] = AccumulatHist [i-1] +Hist[i]/(height*width) (i=1,2…M-1),其中,i为像素灰度值,AccumulatHist[i]为像素灰度值小于等于i的像素总数的归一化值,其取值区间为[0,1],height为图像高度,width为图像宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210129984.4A CN102663390B (zh) | 2012-04-28 | 2012-04-28 | 一种流式细胞显微图像二值化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210129984.4A CN102663390B (zh) | 2012-04-28 | 2012-04-28 | 一种流式细胞显微图像二值化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663390A true CN102663390A (zh) | 2012-09-12 |
CN102663390B CN102663390B (zh) | 2014-04-30 |
Family
ID=46772874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210129984.4A Active CN102663390B (zh) | 2012-04-28 | 2012-04-28 | 一种流式细胞显微图像二值化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663390B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886779A (zh) * | 2017-02-15 | 2017-06-23 | 厦门大学 | 一种荧光显微图像二值化的自适应阈值方法 |
CN112507991A (zh) * | 2021-02-04 | 2021-03-16 | 季华实验室 | 流式细胞仪数据的设门方法、系统、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030133623A1 (en) * | 2002-01-16 | 2003-07-17 | Eastman Kodak Company | Automatic image quality evaluation and correction technique for digitized and thresholded document images |
CN1622589A (zh) * | 2003-11-26 | 2005-06-01 | 松下电器产业株式会社 | 图像处理方法以及图像处理装置 |
CN101236607A (zh) * | 2008-03-03 | 2008-08-06 | 哈尔滨工程大学 | 一种用于灰度图像快速多阈值分割的方法 |
CN101527829A (zh) * | 2008-03-07 | 2009-09-09 | 华为技术有限公司 | 视频数据处理方法及装置 |
-
2012
- 2012-04-28 CN CN201210129984.4A patent/CN102663390B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030133623A1 (en) * | 2002-01-16 | 2003-07-17 | Eastman Kodak Company | Automatic image quality evaluation and correction technique for digitized and thresholded document images |
CN1622589A (zh) * | 2003-11-26 | 2005-06-01 | 松下电器产业株式会社 | 图像处理方法以及图像处理装置 |
CN101236607A (zh) * | 2008-03-03 | 2008-08-06 | 哈尔滨工程大学 | 一种用于灰度图像快速多阈值分割的方法 |
CN101527829A (zh) * | 2008-03-07 | 2009-09-09 | 华为技术有限公司 | 视频数据处理方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106886779A (zh) * | 2017-02-15 | 2017-06-23 | 厦门大学 | 一种荧光显微图像二值化的自适应阈值方法 |
CN106886779B (zh) * | 2017-02-15 | 2019-06-14 | 厦门大学 | 一种荧光显微图像二值化的自适应阈值方法 |
CN112507991A (zh) * | 2021-02-04 | 2021-03-16 | 季华实验室 | 流式细胞仪数据的设门方法、系统、存储介质及电子设备 |
CN112507991B (zh) * | 2021-02-04 | 2021-06-04 | 季华实验室 | 流式细胞仪数据的设门方法、系统、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102663390B (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104331876B (zh) | 直线检测、图像处理的方法及相关装置 | |
CN102722871B (zh) | 一种快速有效的图像增强方法 | |
CN102509095B (zh) | 一种车牌图像的预处理方法 | |
CN105374015A (zh) | 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法 | |
CN102156868A (zh) | 图像二值化方法和装置 | |
CN106157329B (zh) | 一种自适应目标跟踪方法及装置 | |
CN104680500A (zh) | 一种基于直方图均衡化的图像增强算法 | |
CN102289668A (zh) | 基于像素邻域特征的自适应文字图像的二值化处理方法 | |
CN107895151A (zh) | 一种强光照条件下基于机器视觉的车道线检测方法 | |
CN114820773A (zh) | 基于计算机视觉的筒仓运输车辆车厢位置检测方法 | |
KR20150146045A (ko) | 영상 내 안개 제거 장치 및 그 방법 | |
CN113538491B (zh) | 一种基于自适应阈值的边缘识别方法、系统及存储介质 | |
CN107392095A (zh) | 一种基于掩码图像的红外弱小目标检测算法 | |
CN116630813B (zh) | 一种公路路面施工质量智能检测系统 | |
CN103020921A (zh) | 基于局部统计信息的单幅图像去雾方法 | |
CN104537342A (zh) | 一种结合山脊边界检测及霍夫变换的快速车道线检测方法 | |
CN108564538A (zh) | 一种基于环境光差异的图像去雾霾方法及系统 | |
CN104408727B (zh) | 一种图像边缘污点检测方法及系统 | |
CN102663390A (zh) | 一种流式细胞显微图像二值化方法 | |
US9571744B2 (en) | Video processing method and apparatus | |
CN106127765A (zh) | 基于自适应窗口和平滑阈值法的图像二值化系统 | |
CN103514588B (zh) | 图像增强方法和系统 | |
CN104657969B (zh) | 一种图像底纹去除方法及系统 | |
CN107025633B (zh) | 一种图像处理方法及装置 | |
CN104361566A (zh) | 一种优化暗部区域的图像处理方法 |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 130012 Changchun province high tech Zone, the River Street, No. 95, No. Patentee after: Medical Polytron Technologies Inc Address before: 130012 Changchun province high tech Zone, the River Street, No. 95, No. Patentee before: Changchun Dirui Medical Technology Co., Ltd. |
|
CP01 | Change in the name or title of a patent holder |