CN105139383A - 基于定义圆hsv颜色空间的医学图像分割方法及癌细胞识别方法 - Google Patents

Abstract

本发明提供一种基于定义圆HSV颜色空间的医学图像分割方法及癌细胞识别方法，具体过程为：步骤一、在RGB色彩空间中找出切片图像目标颜色像素P和背景颜色像素Q的RGB值和位置信息；步骤二、将基于RGB色彩空间的切片图像转换到HSV色彩空间得到基于HSV色彩空间的图像；步骤三、根据所存储的像素P的位置信息，将像素P所对应的(H，S)作为定义圆的圆心坐标，并设置定义圆的半径；根据所像素Q的位置信息，提取像素Q所对应的H、S、V值赋值给定义圆内的所有像素值，实现目标颜色的去除；步骤四、将去除目标颜色后的基于HSV色彩空间的切片图像转换回RGB色彩空间，然后对去除目标颜色切片图像进行分割。利用本发明可以得到非常精确的分割结果。

Description

基于定义圆HSV颜色空间的医学图像分割方法及癌细胞识别方法

技术领域

本发明属于图像分割技术领域，具体涉及一种基于定义圆HSV(色相、饱和度、光照)颜色空间的医学图像分割方法及癌细胞识别方法。

背景技术

图像分割是在图像处理领域运用非常广泛的技术，如视频追踪、遥感影像的解析、医学图像的分析、计算机视觉等领域都会涉及到图像分割的问题。目前在图像分割领域已经有了很多比较成熟的方法，大体上对于图像分割的切入点主要有三个方面：首先是基于图像目标灰度的分割方法；再者就是基于图像目标拓扑学的分割方法；最后就是基于图像目标颜色的分割方法。

常见的图像分割中的基于目标灰度的经典算法是直方图分割法，其是针对灰度图像的灰度分布进行的统计分割从而把图像分为两个部分。再者就是阈值法分割，也是对于灰度图像设定一个阈值将图像分为目标和背景两个部分。在基于目标灰度分割这个切入点上，主要就是基于这两个基本分割方法的发展或者联合使用；在基于图像目标拓扑学的分割方法上不断地涌现出很多算法，比如形态学滤波、分水岭算法、水平集算法、Snake算法等等。这些算法不但能准确的进行背景与目标的分离而且对于多目标和目标处于复杂背景下的情况能得到比基于灰度分割方法更好的效果；最后就是基于颜色的图像目标分割，图像中的目标颜色是目标的一个非常重要的信息和特征，而且对于人类视觉而言，颜色特征更为直观更为清晰、辨识度很高。在视频追踪领域，运用分割技术往往不要求那么高的分割精度，只要求能从复杂变化的背景中提取出目标，这样基于颜色的图像目标分割就体现出巨大的优势，不用着重分析目标的拓扑学形态，通过考虑目标所包含的主要颜色特征就能在视频追踪的分割环节完成目标提取任务。比如在一个变化背景的视频中追踪一个红衣服的人，首先目标有肤色信息再者就是红色衣服信息这样基于这些目标颜色的分割就很容易在不同的背景下对目标进行提取。在遥感影像中基于灰度的分割只考虑了灰度一个特征，往往对于遥感影像的复杂场景的分割单单只考虑灰度是不够的。比如多光谱信息的融合生成伪彩色图像，基于伪彩色图像引入颜色信息并对水域进行分割和云区的判定也被应用在遥感影像解析当中。在医学领域也经常应用基于颜色的分割，比如病理分析的细胞切片经常需要医用的染色试剂将细胞切片染成不同的颜色，通过判定某个颜色区域所占细胞的比例来进行病理分析。在医学领域的图像处理，特别是针对病理分析的病变细胞切片的分割，往往要求很高的精度，因为如果分割精度很低那么结果的置信度也就随之下降很难达到病理分析的效果，所以针对这类问题就需要寻求一个最为精确的分割方法进行病理分析以达到最高的置信度和最低的误诊率。

针对这类问题解决的办法有很多，只是在结果的置信度上不令让人信服。因为最终的病理分析目的是针对颜色像素区域的比例，所以要针对颜色进行分割。基于直方图的方法不但可以基于灰度，也可以运用在针对彩色图像。通过直方图统计得出要分割颜色所分布的范围，然后设置一定的范围阈值将范围内的像素取出或者去除就能实现针对颜色的分割。但是这种方法往往很难达到完整的将所有目标颜色取出或者去除，会产生过分割或者欠分割。对于医学图像的肺癌细胞病理分析无论是发生基于颜色的欠分割或是过分割对结果影响都是非常大的。如果发生欠分割很可能耽误病人的病情；如果发生过分割就会产生误诊，这些结果都是不可挽回的重大失误，而且针对彩色图像的直方图统计分割，往往是针对RGB图像进行的，但在RGB图像中很难描述出渐变的颜色信息。因为在实际运用中目标颜色信息都是渐变的多层次的，就算通过直方图统计也很难说清RGB图像中对于一种颜色的渐变范围，这也是为什么通过直方图统计对RGB色彩空间的彩色图像进行分割产生过分割或者欠分割的问题的原因所在。在RGB图像对于彩色空间描述的缺陷问题上，很多人也将视线转移到了HSV色彩空间。实际生活中所存在的颜色在HSV空间描述的很全面也很具体。HSV空间的三个子空间分别描述的是不同颜色的色相、饱和度和亮度值。因为HSV空间信息比较丰富所以很多针对彩色图像的精确分析都在HSV色彩空间上进行。但又是因为HSV信息丰富复杂度高，所以平时的图像存储大部分都还是用RGB色彩空间去表示。由于HSV色彩空间的“H”通道表达的是颜色的色相，它不单单描述一种颜色的信息而且还表达出了从一个颜色到另一种颜色的渐变信息。而且在同一种颜色“H”通道中还能体现它的层次信息，基于很多医学图像的分析多用HSV空间中的“H”通道去针对颜色运用直方图统计和阈值法相结合的方法去进行颜色分割得到了比基于RGB空间分割要更为精确的结果。但是往往这些针对HSV空间的分割方法还是存在一定的误差的，因为这类方法只是针对“H”通道的图像进行的分割，并没有考虑饱和度和光照值“S”、“V”这两个通道的影响。

发明内容

有鉴于此，本发明针对医学图像基于颜色分割的高精度结果要求，提出了一种基于定义圆HSV颜色空间的医学图像分割方法及癌细胞识别方法，该方法很好的综合考虑了HSV色彩空间中H、S、V这三个通道对色彩的综合影响得到了较高的颜色分割精度。

实现本发明的技术方案如下：

一种基于定义圆HSV颜色空间的医学图像分割方法，该方法的具体过程为：

步骤一、在RGB色彩空间中找出切片图像中对应目标颜色的一个像素P，并提取该像素P的RGB值和位置信息；在RGB色彩空间中找出切片图像中对应背景颜色的一个像素Q，并提取该像素Q的RGB值和位置信息；

步骤二、将基于RGB色彩空间的切片图像转换到HSV色彩空间得到基于HSV色彩空间的图像；

步骤三、根据所存储的像素P的位置信息，提取像素P所对应的H和S值，并将(H，S)作为定义圆的圆心坐标，并设置定义圆的半径；根据所像素Q的位置信息，提取像素Q所对应的H、S、V值赋值给定义圆内的所有像素值，实现目标颜色的去除；

步骤四、将去除目标颜色后的基于HSV色彩空间的切片图像转换回RGB色彩空间，然后对去除目标颜色切片图像进行分割。

一种基于定义圆HSV颜色空间医学图像分割的癌细胞识别方法，该方法所针对的图像为经过“哌莫硝唑”试剂染色后的细胞切片，其中癌细胞被染为棕色，非细胞组织部分被染为紫色，属于干扰颜色；具体过程为：

(一)针对疑似癌变细胞切片图像，从紫色部分中提取一个较为纯正的紫色像素，存储其RGB值和坐标位置；在背景中选取一个较为纯正的白色像素，存储其的RGB值和坐标位置；

(二)将疑似癌变细胞切片图像的RGB空间值转到HSV色彩空间，并根据存储的紫色像素的坐标位置信息提取出其对应在HSV空间中H、S、V的值；根据存储的白色像素的坐标位置信息提取出其对应在HSV空间的H、S、V的值；

(三)令提取的紫色像素对应的(H，S)值为定义圆的圆心，设定定义圆的半径，将白色像素的H、S、V值赋值给定义圆内的所有像素值；

(四)将经步骤(三)处理后得到的HSV色彩空间的图像转换到RGB色彩空间；

(五)在棕色区域选取较为纯正的棕色像素，存储其RGB值和坐标位置；

(六)将疑似癌变细胞切片图像的RGB空间值转到HSV色彩空间，通过所存储的坐标位置，找到与所述棕色像素RGB值所对应的HSV三通道值；

(七)定选取的棕色像素对应的(H，S)值为定义圆的圆心，然后设定半径，计算出定义圆内像素的总数目；

(八)将定义圆内像素的总数目除以细胞整体轮廓的像素总数目，根据相除的结果判定是否为癌变细胞。

进一步地，本发明所述细胞整体轮廓的像素总数目的获取过程为：

首先，利用Sobel算子对癌细胞活组织切片图像进行边缘检测；

其次，对Sobel检测后的图像进行形态学的开合运算并求取图像中的极大值；

再次，基于所述极大值进行分水岭运算提取出细胞的整体轮廓；

最后，对提取出的细胞整体轮廓计算总的像素数目。

进一步地，本发明步骤(八)中，如果相除的结果大于百分之二十二即判定为癌变细胞。

有益效果

本发明从目标颜色和背景颜色的角度出发，针对高精度的结果要求提出了一种基于HSV色彩空间的分割方法，最终得到非常精确的分割结果。

本发明基于定义圆的HSV平面可以有效的剔除渐变的颜色信息，而且对于颜色交叠混合一起的彩色图像，可以精确到每一像素，达到很高的分割精度。

附图说明

图1为基于定义圆HSV颜色空间的医学图像分割方法的流程图；

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提出了一个全新的基于真实颜色的分割方法，利用定义圆在HSV三通道进行分析并映射回到RGB三通道空间进行针对特定颜色的分割。本方法满足医学图像的高精度分割分析要求，而且针对真实颜色的层次性和渐变性有很好的适应性。

如图1所示，本发明一种基于定义圆HSV颜色空间的医学图像分割方法，该方法的具体过程为：

步骤一、在RGB色彩空间中找出切片图像中对应目标颜色的一个像素P，并提取该像素P的RGB值和位置信息；在RGB色彩空间中找出切片图像中对应背景颜色的一个像素Q，并提取该像素Q的RGB值和位置信息；

步骤二、将基于RGB色彩空间的切片图像转换到HSV色彩空间得到基于HSV色彩空间的图像；

步骤三、根据所存储的像素P的位置信息，提取像素P所对应的H和S值，并将(H，S)作为定义圆的圆心坐标，并设置定义圆的半径；根据所像素Q的位置信息，提取像素Q所对应的H、S、V值赋值给定义圆内的所有像素值，实现目标颜色的去除；

步骤四、将去除目标颜色后的基于HSV色彩空间的切片图像转换回RGB色彩空间，实现对切片图像的分割。

本发明主要针对HSV色彩空间综合考虑色相、饱和度对真实颜色的影响制定的定义圆的颜色分割。其分割精度比传统的基于颜色的分割方法要高，可广泛的应用于医学图像等对于基于颜色高精度分割要求的领域。

本实例针对肺癌活组织细胞染色切片图像，经过“哌莫硝唑”试剂染色后的细胞切片，其中癌细胞由于氧含量低而被染为棕色，被染成紫色的部分不属于细胞组织，属于干扰颜色；病理分析的目地是为了计算棕色区域细胞数目占总细胞数目的百分比，如果所占比例超过22％即判定为癌变细胞。

具体实现过程如下：

(1)针对疑似癌变肺组织活细胞切片图像，从紫色部分中提取一个较为纯正的紫色像素的RGB值和该紫色像素在图像中的坐标位置并存储；同样在背景中选取一个较为纯正的白色像素的RGB值和该白色像素在图像中的坐标位置并存储。

(2)将疑似癌变肺组织活细胞切片图像的RGB空间值转到HSV色彩空间，并根据存储的紫色像素的坐标位置信息提取出其对应在HSV空间中H、S、V的值；同样，根据存储的白色像素的坐标位置信息提取出其对应在HSV空间的H、S、V的值。

转换关系公式如下：

V＝max(2)

$s=\left\{\begin{array}{ccc}0,& if& l=0or\max =\min \\ \frac{\max -\min }{\max +\min }=\frac{\max -\min }{2l},& if& 0<l\&le;\frac{1}{2}\\ \frac{\max -\min }{2-(\max +\min )}=\frac{\max -\min }{2-2l},& if& l>\frac{1}{2}\end{array}\right.---\left(3\right)$

(3)令提取的紫色像素对应的H与S的值为定义圆的圆心坐标，并设定定义圆的半径，其中对于疑似肺癌细胞活组织切片来说亮度值是一定的，因此该步骤中默认V值是不变的。凡是在规定的定义圆以内的像素即表示渐变的有层次变化的紫色像素，然后把这些紫色像素赋予背景所选取的纯白像素的HSV三通道对应的值，实现去除紫色区域；因为紫色区域不属于细胞组织。

(4)将去除渐变紫色区域的HSV色彩空间的图像转换到RGB色彩空间存储实现疑似肺组织活细胞染色切片图像的非细胞组织紫色区域的去除。

HSV色彩空间转换回RGB色彩空间的关系如下：

$h_i=\&lsqb;\frac{h}{60}\&rsqb;\left(mod6\right)---\left(4\right)$

$f=\frac{h}{60}-h_i---\left(5\right)$

p＝v×(1-s)(6)

q＝v×(1-f×s)(7)

t＝v×(1-(1-f)×s(8)

$(r,g,b)=\left\{\begin{array}{ccc}(v,t,p)& if& h_i=0\\ (q,v,p)& if& h_i=1\\ (p,v,t)& if& h_i=2\\ (p,q,v)& if& h_i=3\\ (t,p,v)& if& h_i=4\\ (v,p,q)& if& h_i=5\end{array}\right.---\left(9\right)$

(5)将所有疑似肺癌活组织细胞染色切片图像中的紫色颜色区域去除后，在棕色区域选取比较纯正的棕色像素对应的RGB值和该棕色像素所对应的坐标值并存储。

(6)将选取的棕色像素的切片的图像转换到HSV空间，通过所存储的棕色像素的坐标信息，找到与所述棕色像素RGB值所对应的HSV三通道值。

(7)将得到的棕色HSV三通道的值中H和S值作为定义圆的圆心坐标，然后设定半径。在定义圆内的像素即表示渐变的有层次变化的棕色像素，计算得出这些棕色像素的总数目。

(8)利用Sobel算子对癌细胞活组织切片图像进行边缘检测，利用对噪声有抑制作用的二阶Sobel算子是为了避免噪声对分水岭算法产生多个局部极值而产生多个小的局部拓扑形成过多的错分割。

(9)对Sobel检测后的图像进行形态学的开合运算并求取图像中的极大值。开合运算的目的为了填充分割目标内的孔洞，使分割目标的边界更为平滑。

(10)对Sobel算子检测和形态学开合运算的疑似肺癌活组织细胞染色切片图像，基于所述极大值进行分水岭运算提取出细胞的整体轮廓。

(11)对提取出的细胞整体轮廓计算总的像素数目，并通过统计出的棕色区域像素总数除以得出的细胞整体数目得到病理分析所要的比例，如果大于百分之二十二即判定疑似肺癌活组织细胞染色切片为癌变细胞。

本实例是基于肺癌细胞切片的染色图像进行的颜色分割并计算所分割颜色所占整个细胞的比率来进行自动的病理分析。本实例结合RGB空间和HSV空间的优势很好的将两者结合起来，充分考虑H、S、V三个通道和与之对应的R、G、B三通道实现了更为精确的肺癌细胞染色切片的自动病理分析。

综上所述，以上仅为本发明一个较佳的实施例子而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均包含在本发明的保护范围之内。

Claims (4)

1.一种基于定义圆HSV颜色空间的医学图像分割方法，其特征在于，该方法的具体过程为：

步骤一、在RGB色彩空间中找出切片图像中对应目标颜色的一个像素P，并提取该像素P的RGB值和位置信息；在RGB色彩空间中找出切片图像中对应背景颜色的一个像素Q，并提取该像素Q的RGB值和位置信息；

步骤二、将基于RGB色彩空间的切片图像转换到HSV色彩空间得到基于HSV色彩空间的图像；

步骤三、根据所存储的像素P的位置信息，提取像素P所对应的H和S值，并将(H，S)作为定义圆的圆心坐标，并设置定义圆的半径；根据所像素Q的位置信息，提取像素Q所对应的H、S、V值赋值给定义圆内的所有像素值，实现目标颜色的去除；

步骤四、将去除目标颜色后的基于HSV色彩空间的切片图像转换回RGB色彩空间，然后对去除目标颜色切片图像进行分割。

2.一种基于定义圆HSV颜色空间医学图像分割的癌细胞识别方法，其特征在于，该方法所针对的图像为经过“哌莫硝唑”试剂染色后的细胞切片，其中癌细胞被染为棕色，非细胞组织部分被染为紫色，属于干扰颜色；具体过程为：

(一)针对疑似癌变细胞切片图像，从紫色部分中提取一个较为纯正的紫色像素，存储其RGB值和坐标位置；在背景中选取一个较为纯正的白色像素，存储其的RGB值和坐标位置；

(二)将疑似癌变细胞切片图像的RGB空间值转到HSV色彩空间，并根据存储的紫色像素的坐标位置信息提取出其对应在HSV空间中H、S、V的值；根据存储的白色像素的坐标位置信息提取出其对应在HSV空间的H、S、V的值；

(三)令提取的紫色像素对应的(H，S)值为定义圆的圆心，设定定义圆的半径，将白色像素的H、S、V值赋值给定义圆内的所有像素值；

(四)将经步骤(三)处理后得到的HSV色彩空间的图像转换到RGB色彩空间；

(五)在棕色区域选取较为纯正的棕色像素，存储其RGB值和坐标位置；

(六)将疑似癌变细胞切片图像的RGB空间值转到HSV色彩空间，通过所存储的坐标位置，找到与所述棕色像素RGB值所对应的HSV三通道值；

(七)定选取的棕色像素对应的(H，S)值为定义圆的圆心，然后设定半径，计算出定义圆内像素的总数目；

(八)将定义圆内像素的总数目除以细胞整体轮廓的像素总数目，根据相除的结果判定是否为癌变细胞。

3.根据权利要求2所述基于定义圆HSV颜色空间医学图像分割的癌细胞识别方法，其特征在于，所述细胞整体轮廓的像素总数目的获取过程为：

首先，利用Sobel算子对癌细胞活组织切片图像进行边缘检测；

其次，对Sobel检测后的图像进行形态学的开合运算并求取图像中的极大值；

再次，基于所述极大值进行分水岭运算提取出细胞的整体轮廓；

最后，对提取出的细胞整体轮廓计算总的像素数目。

4.根据权利要求2所述基于定义圆HSV颜色空间医学图像分割的癌细胞识别方法，其特征在于，步骤(八)中，如果相除的结果大于百分之二十二即判定为癌变细胞。