一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法
技术领域
本发明属于生物医学图像处理领域,尤其涉及一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法。
背景技术
人体内存在免疫系统,它是人体抵御病原菌侵犯的最重要的保卫系统,是人体的第三道防线。它由免疫器官、免疫细胞以及免疫分子等组成。其中白细胞是免疫细胞的主要组成部分,它可以通过吞噬和产生抗体等方式来抵御和消灭入侵的病原微生物。白细胞是一类具有细胞核的血细胞,正常人的白细胞在血液中保持比较稳定的含量,约为4000-10000个/微升,超过或者不足正常含量都可能是由于某种疾病引起。
白细胞分类计数是医院进行血液常规检查的项目之一,精确地测定人体血液中各类白细胞含量是临床诊断中的重要依据。所谓白细胞分类计数就是计算各种白细胞在它的总数中所占的百分比数。正常值为:中性粒细胞:50~70%,嗜酸性粒细胞:0.5~5%,嗜碱性粒细胞:0~1%,淋巴细胞:20~40%,单核细胞1~8%。
目前,常规的白细胞计数方式为人工计数和自动计数。其中人工计数方式的时间开销大,收人的主观影响大,并且培养一名专业的白细胞计数专家需要话费的人力物力大。而目前白细胞自动计数主要采用电阻原理及光散射法,只能进行常规分类,不能对白细胞进行分类计数。白细胞自动分类计数的另一种方式是采用白细胞彩色图像进行分类计数,这种方法直观,与人类对细胞的判断方法类似,能单独诊断出异常细胞,并且该方法应用模式识别技术可以学习总结病理学家的诊断经验,充分发挥了计算机视觉的灵活多样,准确率高,具有客观性的特点大大提高了白细胞分类计数的效率和检测精度。
然而目前利用白细胞彩色图像进行白细胞分类计数,还存在着一些问题,其中白细胞细胞核和细胞质的分割是研究者们遇到的比较头疼的问题。精确定位分割白细胞是后续对白细胞分类识别并计数的基础,如果细胞分割不准确那么分类识别和计数也将出现比较大的误差。针对这个问题研究者提出了不少分割算法,目前普遍采用的分割算法都是先分割白细胞细胞核部分,然后再利用区域生长等算法分割出细胞质,但是这种方法算法过于复杂,分割效果不理想,因此我们有必要对白细胞分割算法作进一步的研究。
发明内容
本发明的目的就是为了解决上述问题,提出了一种简单易用的彩色血细胞图像中白细胞的细胞质和细胞核分割方法。经过验证,该分割方法算法简单,时间开销小,分割准确,进一步提高了白细胞彩色图像分类计数的准确度。
为了实现上述目的,本发明采用如下技术方案:
一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法,包括以下步骤:
(1)去除原始彩色血细胞图像中除白细胞和红细胞之外的背景区域,得到只包含红细胞和白细胞区域的二值图像Ⅰ。
(2)去除原始彩色血细胞图像中的白细胞和背景区域,得到只包含红细胞区域的二值图像Ⅱ。
(3)用二值图像I减去二值图像Ⅱ,然后用判断连通域的大小的方法去掉比较小的噪点区域,得到仅包含白细胞区域的二值图像Ⅲ,并去除二值图像Ⅲ中存在的分割误差。
(4)增强原始彩色血细胞图像中白细胞的细胞核区域,得到增强后的图像N,对图像N进行阈值分割,并对分割结果去噪处理,得到仅包含白细胞的细胞核区域的二值图像Ⅳ。
(5)二值图像Ⅲ减去二值图像Ⅳ得到白细胞的细胞质区域。
所述步骤(1)的具体方法为:
将原始彩色血细胞图像从RGB色彩空间转换到HIS色彩空间,再将HSI色彩空间的彩色图像转换为灰度图像,对灰度图像进行直方图分析,选取灰度图像的直方图中两个峰值所对应的的两个灰度值中间的值作为阈值对此灰度图进行二值化,得到去除背景区域之后的二值图像Ⅰ。
所述步骤(2)的具体方法为:
将原始彩色血细胞图像从RGB色彩空间转换到CMYK色彩空间,选取Y分量子图作为分割对象;采用阈值对其进行分割,得到仅包含红细胞区域的二值图像Ⅱ。
所述步骤(3)中去除二值图像Ⅲ中存在的分割误差的具体方法为:
选取细胞核的质心为原点,设原点向右为正方向,将边界的各像素点i沿逆时针方向用极坐标的形式表示出来,θi是以i为自变量的相位函数,如果相位函数θi中存在两个突变点使相位函数产生波动,即认为在这两点之间存在突起,然后去掉两点之前的边界线,用平滑的曲线将两点连接作为新的边界;其中,i=1,2,3,…L,ρ表示边界点到原点的距离,θ表示相位,θi的取值范围为[0,2π]。
所述步骤(4)中增强原始彩色血细胞图像中白细胞的细胞核区域的方法为:
N=B-1.1*R
其中,N为增强了细胞核区域的图像;B为RGB彩色血细胞图像中的B分量,R为RGB彩色血细胞图像中的R分量。
所述步骤(4)中对图像N进行阈值分割,阈值的选取采用自动阈值算法OSTU。
在原始彩色血细胞图像中分离出白细胞区域和红细胞区域、在原始彩色血细胞图像中分离出红细胞区域以及在原始彩色血细胞图像中分离出细胞核区域的过程可以同时进行。
本发明的有益效果是:
本发明的分割算法主要采用色彩空间变换和阈值分割来实现,计算简单,直观易用;白细胞和红细胞分割以及红细胞分割和细胞核的分割可以同时进行,这样的好处是可以通过并行计算来减小时间开销;通过去除分割误差,使得分割结果更加准确;充分利用RGB彩色血细胞图像各分量的特点,设计出一套独特的增强白细胞细胞核的方法,大大简化了计算过程,使白细胞分割效果更加突出,提高了效率。
附图说明
图1是本发明中基于彩色血细胞图像的白细胞细胞质和细胞核分割方法的流程图;
图2是将RGB彩色血细胞图像转换为HSI色彩空间的结果;
图3是HSI色彩空间图像转换成的灰度图的直方图;
图4是白细胞和红细胞分割结果;
图5是CMYK色彩空间Y分量子图;
图6是Y分量子图阈值分割结果;
图7是白细胞分割最终结果;
图8是白细胞分割效果图;
图9是图像在RGB色彩空间R分量子图;
图10是图像在RGB色彩空间B分量子图;
图11是细胞核增强结果;
图12是细胞核阈值分割结果;
图13是细胞质和细胞核分割结果;
图14为相位函数产生突变示意图。
具体实施方式:
下面结合附图与实施例对本发明做进一步说明:
如图1所示,本发明所涉及的彩色血细胞图像中白细胞细胞质和细胞核分割方法的具体实施过程如下:
原始彩色血细胞图像中,白细胞的细胞核区域的像素与其他区域的像素反差最大,最容易提取,本发明采取先分割整个白细胞区域,再分割白细胞细胞核部分,最后用整个白细胞区域减掉白细胞细胞核部分来获得包细胞细胞质部分。本发明中白细胞和红细胞分割,红细胞分割和细胞核分割可以同时进行,这样的好处是可以通过并行计算来减小时间开销。
(1)白细胞和红细胞分割即去除原始彩色血细胞图像中除白细胞和红细胞之外的背景,采用的方法是:先将彩色血细胞图像从RGB色彩空间转换到HIS色彩空间可以观察到背景区域与其他区域对比增强,如图2所示;再将HSI色彩空间的彩色图像转换为灰度图像,对此灰度图像进行直方图分析,可以发现此灰度图像的直方图存在两个峰,如图3所示;选取两个峰值所对应的横坐标中间的值作为阈值对此灰度图进行二值化,即可得到去除背景之后的二值图像Ⅰ,其中Ⅰ中白色区域包含红细胞与白细胞区域,如图4所示。
(2)红细胞分割采用的方法是:将原始彩色血细胞图像从RGB色彩空间转换到CMYK色彩空间,取Y分量子图作为分割对象。Y分量中仅红细胞区域的值比较大,白细胞和背景区域的值都很小,如图5所示,这让采用简单阈值分割提取红细胞区域成为可能,实际算法中采用三角阈值分割算法效果比较好。分割之后得到的二值图像Ⅱ,仅包含红细胞区域,如图6所示。
(3)二值图像Ⅰ中包含红细胞与白细胞区域,二值图像Ⅱ中仅包含红细胞区域,用二值图像I减去二值图像Ⅱ,所得到的图像仅包含白细胞区域和一些比较小的噪点,用判断连通域的大小的方法去掉比较小的噪点区域即可大致得到仅包含白细胞区域的图像Ⅲ,如图7所示。二值图像由不同大小的连通域(值为1的相互孤立的区域)组成,大小是指组成连通域的值为1的像素点的个数。白细胞体积大,二值化结果中,是比较大的区域,存在于二值图像中的噪声(也是连通域,但是面积非常小)面积很小,可以根据这个特点去除面积比较小的噪声点。图8显示了白细胞的分割效果。
(4)二值图像Ⅲ中可能存在分割误差,因为白细胞与红细胞粘连等因素影响,分割结果可能会出现突出白细胞的部分,这将影响后续的识别,所以我们选取白细胞细胞核的质心为原点,设原点向右为正方向,将边界的各像素点i沿逆时针方向用极坐标的形式表示出来,其中i=1,2,3,…L,ρ表示边界点到原点的距离,θ表示相位。θi是以i为自变量的函数,即相位函数,因为边界为封闭轮廓,所以θi的取值范围为[0,2π]。分析边界像素点i的相位函数θi,如果相位函数θi中存在两个突变点使相位函数产生波动,即认为在这两点之间存在突起,如图14所示。然后去掉两点之前的边界线,用平滑的曲线将两点连接作为新的边界。至此,白细胞的分割已经达到很好的效果。
(5)通过分析RGB彩色血细胞图像的各分量,发现R分量中白细胞细胞核与其它部分对比明显,如图9所示;而B分量中细胞核区域很不明显,甚至与背景分辨不出来,如图10所示。因此,针对图像的以上特点我们设计了一个增强白细胞细胞质的方法,按照公式N=B-1.1*R,计算得到增强后的图像N,图像N中白细胞细胞核区域已经明显增强,如图11所示。
然后对图像N进行阈值分割,阈值的选取采用自动阈值算法OSTU,分割结果经过去噪,可以得到分割准确的仅包含细胞核区域的二值图像Ⅳ,如附图12所示。细胞质区域可以通过让二值图像Ⅲ减去二值图像Ⅳ得到。图13显示了白细胞细胞核和细胞质的分割效果。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。