CN106530311A - 切片图像处理方法及装置 - Google Patents

切片图像处理方法及装置 Download PDF

Info

Publication number
CN106530311A
CN106530311A CN201610939129.8A CN201610939129A CN106530311A CN 106530311 A CN106530311 A CN 106530311A CN 201610939129 A CN201610939129 A CN 201610939129A CN 106530311 A CN106530311 A CN 106530311A
Authority
CN
China
Prior art keywords
image
slide
sectioning
binary map
color
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
Application number
CN201610939129.8A
Other languages
English (en)
Other versions
CN106530311B (zh
Inventor
周丕轩
鹿伟民
王成玉
张毅
李民权
凌晓光
陈小刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DMETRIX (SUZHOU) MEDICAL TECHNOLOGY Co Ltd
Original Assignee
DMETRIX (SUZHOU) MEDICAL TECHNOLOGY Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DMETRIX (SUZHOU) MEDICAL TECHNOLOGY Co Ltd filed Critical DMETRIX (SUZHOU) MEDICAL TECHNOLOGY Co Ltd
Priority to CN201610939129.8A priority Critical patent/CN106530311B/zh
Publication of CN106530311A publication Critical patent/CN106530311A/zh
Application granted granted Critical
Publication of CN106530311B publication Critical patent/CN106530311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/40Image enhancement or restoration using histogram techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种切片图像处理方法及装置,涉及图像技术领域。所述切片图像处理方法包括:获取切片的切片图像,所述切片图像包括载玻片图像;获取所述切片图像中载玻片图像所在的位置;根据所述切片图像中载玻片所在的位置,获取所述切片图像中的载玻片图像,所述载玻片图像中包括标签图像以及组织图像;获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置;根据所述标签图像以及组织图像所在的位置,获取所述标签图像或者所述组织图像中的至少一个。使切片图像通过图像处理方法实现切片的标签区域图像以及组织区域图像的自动提取。

Description

切片图像处理方法及装置
技术领域
本发明涉及图像技术领域,具体而言,涉及一种切片图像处理方法及装置。
背景技术
在现有的切片图像处理中,从切片的切片图像中获取标签图像以及组织图像的方法一般是根据先验知识来标记出或者提前设定标签区域以及组织区域的位置,再根据切片的切片图像中标签区域以及组织区域的位置信息来获得标签图像以及组织图像。
通过现有的方法来获得切片的标签图像以及组织图像不仅浪费人力以及时间,还可能导致设定的标签以及组织区域与实际的不符合。
发明内容
有鉴于此,本发明实施例提供了一种切片图像处理方法及装置,通过获取切片的切片图像中的载玻片图像所在的位置后,根据得到的载玻片图像的所在位置得到载玻片图像,再通过获取载玻片中标签图像以及组织图像所在的位置后,根据得到的标签图像以及组织图像所在的位置得到标签图像以及组织图像。实现切片的标签区域图像以及组织区域图像的自动提取,以改善上述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种切片图像处理方法,所述方法包括:获取切片的切片图像,所述切片图像包括载玻片图像;获取所述切片图像中载玻片图像所在的位置;根据所述切片图像中载玻片所在的位置,获取所述切片图像中的载玻片图像,所述载玻片图像中包括标签图像以及组织图像;获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置;根据所述标签图像以及组织图像所在的位置,获取所述标签图像或者所述组织图像中的至少一个。
一种切片图像处理装置,所述装置包括:切片图像获取模块、载玻片位置获取模块、载玻片图像获取模块、区域位置获取模块以及区域图像获取模块。其中:所述切片图像获取模块用于获取切片的切片图像,所述切片图像包括载玻片图像;所述载玻片位置获取模块用于获取所述切片图像中载玻片图像所在的位置;所述载玻片图像获取模块用于根据所述切片图像中载玻片所在的位置,获取所述切片图像中的载玻片图像,所述载玻片图像中包括标签图像以及组织图像;所述区域位置获取模块用于获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置;所述区域图像获取模块用于根据所述标签图像以及组织图像所在的位置,获取所述标签图像或者所述组织图像中的至少一个。
本发明实施例提供的切片图像处理方法及装置,通过获取切片的包括载玻片图像的切片图像后,获取切片图像中载玻片图像的所在位置,根据载玻片图像所在位置得出载玻片图像。然后获取出载玻片图像中标签图像以及组织图像在载玻片图像中所在的位置,再根据标签图像以及组织图像在载玻片图像中所在的位置得到标签图像以及组织图像。使在获取切片的切片图像后,能自动对切片图像进行标签区域图像以及组织区域图像的提取。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1示出了本发明实施例提供的计算机的结构示意图;
图2示出了本发明第一实施例提供的切片图像处理方法的一种流程图;
图3示出了本发明第一实施例提供的一种切片图像的灰度图;
图4示出了本发明第一实施例提供的切片图像处理方法的第一部分步骤的流程图;
图5示出了本发明第一实施例提供的切片图像处理方法的第二部分步骤的流程图;
图6示出了图3中切片图像的灰度图;
图7示出了图3中切片图像的二值图;
图8示出了图7经过处理后的二值图;
图9示出了图8经过处理后的二值图;
图10示出了图3中切片图像中的载玻片图像的灰度图;
图11示出了本发明第一实施例提供的切片图像处理方法的第三部分步骤的流程图;
图12示出了本发明第一实施例提供的切片图像处理方法的第四部分步骤的流程图;
图13示出了图10中的载玻片图像的二值图;
图14示出了图10中的载玻片图像中标签图像的灰度图;
图15示出了本发明第一实施例提供的另一种切片图像的灰度图;
图16示出了图15中的切片图像中的组织图像的灰度图;
图17示出了本发明第二实施例提供的切片图像处理装置的功能模块图;
图18示出了本发明第二实施例提供的切片图像处理装置的载玻片位置获取模块的功能模块图;
图19示出了本发明第二实施例提供的切片图像处理装置的区域位置获取模块的功能模块图。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如图1所示,是本发明较佳实施例提供的计算机100的方框示意图。所述计算机100包括切片图像处理装置200、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、显示单元106及其它。
所述存储器101、存储控制器102、处理器103、外设接口104各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述切片图像处理装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在所述计算机100的操作系统(operating system,OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块,例如所述切片图像处理装置200包括的软件功能模块或计算机程序。
其中,存储器101可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器101用于存储程序,所述处理器103在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的计算机100所执行的方法可以应用于处理器103中,或者由处理器103实现。
处理器103可能是一种集成电路芯片,具有信号的处理能力。上述的处理器103可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。
所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中,外设接口104,处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
输入输出单元105用于提供给用户输入数据实现用户与所述计算机100的交互。所述输入输出单元105可以是,但不限于,鼠标和键盘等。
显示单元106在所述计算机100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中,所述显示单元106可以是液晶显示器或触控显示器。若为触控显示器,其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自触控显示器上一个或多个位置处同时产生的触控操作,并将该感应到的触控操作交由处理器103进行计算和处理。
可以理解的,图1所示的结构仅为示意,计算机100还可以包括比图1中所示更多或更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
切片的切片图像是将传统的玻璃切片经过拍摄设备拍摄或者扫描设备扫描得到的图像。为了获得切片的标识信息以及组织扫描区域,需要从切片图像中获得标签图像以及组织图像,从而可以去获得切片的唯一标识、组织扫描区域以及预聚焦点等。
第一实施例
本发明实施例提供了一种切片图像处理方法,通过图像处理方法实现切片的标签区域图像以及组织区域图像的自动提取。请参见图2,该方法包括:
步骤S110:获取切片的切片图像,所述切片图像包括载玻片图像。
计算机100获取用户需要进行处理的切片的切片图像,所述切片图像中包括载玻片的图像,即载玻片图像107。本实施例以如图3所示的切片图像为例进行说明,图3所示的为切片图像的灰度图。
所述切片图像可以是用户使用拍摄设备拍摄的切片的图像,也可以是用户使用切片扫描设备扫描获得的切片的图像。所述切片图像的具体通过何种获取方式获得不作限定,可根据不同需求和条件而选定。
在本实施例中,切片图像中的载玻片图像107以及除载玻片图像107以外的背景图像中具有一定的颜色对比度,如图3所示。该对比度可以通过对扫描或拍摄的切片图像中,载玻片图像107以及背景图像具有不同的亮度实现。
用户通过计算机100的输入输出单元105将获得的所述切片的切片图像传输至计算机100的存储器101中。使得计算机100获取到所述切片的切片图像。
步骤S120:获取所述切片图像中载玻片图像所在的位置。
计算机100获取的所述切片图像中包括载玻片图像107,计算机100根据所述切片图像可以获取载玻片的位置信息。
在一种具体的实施方式中,如图4所示,计算机100获取所述切片图像中载玻片图像107所在的位置的方式可以是:
步骤S121:获取所述切片图像的二值图,所述切片图像的二值图中包括第一颜色以及第二颜色,所述载玻片图像对应的区域为第一颜色。
具体的,如图5所示,本步骤的获取所述切片图像的二值图包括:
步骤S1211:将所述切片图像转换为灰度图像。
计算机100将获取到的所述切片图像转换为灰度图像,其转换为灰度图像的方法可以是基于亮度的方法,也可以是基于均值的方法,具体的方法不作限定,也可以是其他方法。例如,图3示出了经转换获得的灰度图像。
步骤S1212:将所述切片图像的灰度图像进行滤波去除噪声以及直方图均衡化。
计算机100将获取的切片图像对应的灰度图像先进行滤波去除噪声,以使消除成像设备以及成像环境噪声干扰造成的影响。其滤波方式可以采用中值滤波,也可以采用均值滤波,具体采用的滤波方式不作限定,也可以是其它滤波方式。
进一步的,计算机100对进行滤波去除噪声后的灰度图像进行直方图均衡化。以使扩展像原取值的动态范围,提高所述灰度图像的对比度和灰度色调的变化,使图像更加的清晰。图6示出了图3滤波去除噪声以及直方图均衡化后的图像。
步骤S1213:利用阈值分割法对滤波去除噪声以及直方图均衡化后的灰度图像进行二值分割,得到所述切片图像的二值图。
然后对滤波去除噪声以及直方图均衡化后的灰度图像利用阈值分割法进行二值分割,得到所述切片图像的二值图。在本实施例中,阈值分割的方法采用OSTU算法(大律法),取某个阈值使得前景和背景两类的类间方差最大,然后根据此阈值进行二值分割。当然,具体的阈值分割法不作限定,也可以是其它方法。
由于载玻片图像107与背景图像的颜色具有不同的颜色对比度,通过二值分割,使载玻片图像107对应的区域以及背景图像对应的区域颜色不同。
具体的,进行二值分割后的二值图像中包括第一颜色以及第二颜色,所述载玻片图像107对应的区域为第一颜色。二值分割后的二值图像包括的第一颜色可以是白色,第二颜色可以是黑色。当然,二值分割后的二值图像包括的第一颜色也可以是黑色,第二颜色也可以是白色
图7示出了图6二值化后获得的图像,在图7中,第一颜色为白色,第二颜色为黑色,即图7中载波片图像对应的区域为白色,背景图像对应的区域为第二颜色,即黑色。当然,如图7所示,载玻片图像对应的区域108主要为白色,背景图像对应的区域109主要为黑色,但是,由于切片图像中存在其他影响因素,也不排除载玻片图像对应的区域108存在黑色,背景图像对应的区域109存在白色。
步骤S122:对所述切片图像的二值图进行处理,获得所述切片图像的二值图中对应载玻片图像的第一颜色区域。
对所述切片图像的二值图进行进一步处理,以去除载玻片图像对应的区域108中的第二颜色,背景图像对应的区域109中的第一颜色。获得切片图像对应载玻片图像107的第一颜色区域,该第一颜色区域为仅包括第一颜色的区域,同时第一颜色区域以外的区域为仅包括第二颜色的第二颜色区域。如图8示出了图7经处理后的图像。
具体的,本步骤的处理可以是将所述切片图像的二值图进行孔洞填充。计算机100通过所述切片图像的二值图中的连通区域以及标记矩阵得到所述切片图像的二值图中的孔洞,然后可以利用形态学处理填充所述切片图像的二值图中的孔洞。
对填充孔洞后的所述切片图像的二值图进行腐蚀、膨胀,得到所述切片图像的二值图中对应载玻片图像107的第一颜色区域。计算机100利用合适大小的矩形结构元素对填充孔洞后的所述切片图像的二值图进行形态学腐蚀、膨胀后,获取到已经近似矩形区域的第一颜色区域以及第一颜色区域以外的第二颜色区域。
然后可以采用最小外接矩形的方法进行处理,获得第一颜色区域为矩形的图像。如图9所示了图8采用最小外接矩形的方法进行处理后获得的第一颜色为白色的第一颜色区域110以及第二颜色为黑色的第二颜色区域111。
步骤S123:根据所述第一颜色区域在所述切片图像的二值图中的位置,确定所述切片图像中所述载玻片图像所在的位置。
计算机100根据处理后的所述切片图像的二值图获取的所述切片图的二值图中,第一颜色区域110对应载玻片图像107,该第一颜色区域在切片图像的二值图的位置与载玻片图像107在切片图像中的位置一致,如图9所示的第一颜色区域110以及图3所示的切片图像。从而可以根据所述第一颜色区域110在所述切片图像的二值图中所在的位置,确定出所述载玻片图像107在所述切片图像中所在的位置。
步骤S130:根据所述切片图像中载玻片所在的位置,获取所述切片图像中的载玻片图像,所述载玻片图像中包括标签图像以及组织图像。
计算机100在获取到所述切片图像中所述载玻片所在的位置后,根据所述载玻片所在的位置,即可从切片图像中获取到载玻片图像107,如图10所示。图10为从图4所示的切片图像中获得的载玻片图像107的灰度图。
具体的,根据载玻片与切片图像中的位置获取到载玻片图像的具体方法可以是,将图9与切片图像进行对比以及相乘,获取到所述切片图像的载玻片图像107。
如图10所示的载玻片图像107,所述载玻片图像107中包括标签图像112以及组织图像113。具体的,根据计算机100获取的切片图像中获得的载玻片图像107所包括的内容不作限定,可以是用于提取标签图像112的载波片图像107,也可以是用于提取组织图像113的载玻片图像107,或者两者都有。
在本实施例中,载玻片图像107中的标签图像112以及除标签图像112以外的组织图像113中具有一定的颜色对比度,如图10所示。该对比度可以通过得到的载玻片图像107中,标签图像112以及组织图像113具有不同的亮度实现。
步骤S140:获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置。
获取所述载玻片图像107中所述标签图像112以及所述组织图像113所在的位置包括:
计算机100获取的所述载玻片图像107中包括标签图像112以及组织图像113。计算机100可以根据所述载玻片图像107获取所述标签图像112以及所述组织图像113的位置信息。
在一种具体的实施方式中,如图11所示,计算机100获取所述载玻片图像107中所述标签图像112以及所述组织图像113所在的位置的方式与从切片图像中获取载玻片图像107的方式类似,具体的,可以是:
S141:获取所述载玻片图像的二值图,所述载玻片图像的二值图中包括第三颜色以及第四颜色,所述标签图像对应的区域为第三颜色,所述组织图像对应的区域为第四颜色。
具体的,如图12所示,本步骤的获取所述载玻片图像107的二值图包括:
步骤S1411:将所述载玻片图像转换为灰度图像。计算机100将获取到的所述载玻片图像107转换为灰度图像,其转换为灰度图像的方法可以是基于亮度的方法,也可以是基于均值的方法,具体的方法不作限定,也可以是其它方法。
步骤S1412:将所述载玻片图像的灰度图像进行滤波去除噪声以及直方图均衡化。
计算机100将获取的载玻片图像107对应的灰度图像先进行滤波去除噪声,以消除成像设备以及成像环境噪声干扰造成的影响。其滤波方式可以采用中值滤波,也可以采用均值滤波,具体采用的滤波方式不作限定,也可以是其它滤波方式。
进一步的,计算机100对进行滤波去除噪声后的灰度图像进行直方图均衡化。以使扩展像原取值的动态范围,提高所述灰度图像的对比度和灰度色调的变化,使图像更加的清晰。
步骤S1413:利用阈值分割法对滤波去除噪声以及直方图均衡化后的灰度图像进行二值分割,得到所述载玻片图像的二值图。
然后对滤波去除噪声以及直方图均衡化后的灰度图像利用阈值分割的方法进行二值分割,得到所述载玻片图像107的二值图。在本实施例中,阈值分割的方法可以采用OSTU算法(大律法),取某个阈值使得前景和背景两类的类间方差最大,然后根据此阈值进行二值分割。当然,具体的阈值分割法不作限定,也可以是其它方法。
由于标签图像112与组织图像113的颜色具有不同的颜色对比度,通过二值分割,使标签图像112对应的区域以及组织图像113对应的区域颜色不同。
具体的,进行二值分割后的二值图像中包括第三颜色以及第四颜色,所述标签图像112对应的区域为第三颜色,所述组织图像113对应的区域为第四颜色。其中,第三颜色可以是白色,第四颜色可以是黑色。当然,第三颜色也可以是黑色,第四颜色也可以是白色。
如图13所示为图10的二值图,在该图中,第三颜色为白色,第四颜色为黑色,即图13中标签图像对应的区域114为白色,组织图像对应的区域115为第四颜色,即黑色。当然,标签图像对应的区域114主要为白色,组织图像对应的区域115主要为黑色,但是由于载玻片图像107中存在其它影响因素,也不排除标签图像对应的区域114中存在黑色,组织图像对应的区域115中存在白色。
S142:对所述载玻片图像的二值图进行处理,获得所述载玻片图像的二值图中对应标签图像的第三颜色区域以及对应组织图像的第四颜色区域。
对所述载玻片图像107的二值图进行进一步处理,去除标签图像对应的区域114中的第四颜色,组织图像对应的区域115中的第三颜色。获得载玻片图像107对应标签图像112的第三颜色区域,该第三颜色区域为仅包括第三颜色的区域,同时,第三颜色区域以外的区域为仅包括第三颜色的第三颜色区域,即第四颜色区域为仅包括第四颜色的区域。
具体的,本步骤的处理可以是将所述载玻片图像107的二值图进行孔洞填充。
计算机100通过所述载玻片图像107的二值图中的连通区域以及标记矩阵得到所述载玻片图像107的二值图中的孔洞,然后可以利用形态学处理填充所述载玻片图像107的二值图中的孔洞。
对填充孔洞后的所述载玻片图像107的二值图进行腐蚀、膨胀,得到所述载玻片图像107的二值图中对应标签图像112的第三颜色区域以及对应组织图像113的第四颜色区域。计算机100利用合适大小的矩形结构元素对填充孔洞后的所述载玻片图像107的二值图进行形态学腐蚀、膨胀后,获取到已经近似矩形区域的第三颜色区域以及第三颜色区域以外的第四颜色区域。
然后采用最小外接矩形的方法进行处理,获得第三颜色区域以及第四颜色区域为矩形的图像。
S143:根据所述第三颜色区域以及第四颜色区域分别在所述载玻片图像的二值图中的位置,确定所述载玻片图像中所述标签图像以及所述组织图像的位置。
计算机100根据处理后的所述载玻片图像107的二值图获取的所述载玻片图像107的二值图中,第三颜色区域对应标签图像112,第四颜色区域对应组织图像113,该第三颜色区域在载玻片图像107的二值图的位置与标签图像112在载玻片图像107中的位置一致,该第四颜色区域在载玻片图像107的二值图的位置与组织图像113在载玻片图像107中的位置一致。从而可以根据所述第三颜色区域以及第四颜色区域在载玻片图像107的二值图中所在的位置,确定出所述标签图像112以及组织图像113在载玻片图像107中所在的位置。
步骤S150:根据所述标签图像以及组织图像所在的位置,获取所述标签图像或者所述组织图像的至少一个。
计算机100在获取到所述载玻片图像107中所述标签图像112以及所述组织图像113所在的位置后,根据所述标签图像112以及所述组织图像在113载玻片图像107中所在的位置,即可从载玻片图像107中获取到标签区域112或者组织图像113。图14示了图14为从图10所示载玻片图像107中获得的标签图像112的灰度图。
具体的,根据标签图像112以及组织图像113在载玻片图像107中的位置获取到标签图像112或者组织图像113,将确定出所述标签图像112以及组织图像113在载玻片图像107中所在的位置的图像与载玻片图像107进行对比以及相乘,获取到所述标签图像112或者所述组织图像113中的至少一个。
具体的,根据标签图像以及组织图像在载玻片图像107中的位置信息得到可以只得到标签图像112,也可以只得到组织图像113,还可以同时得到标签图像112以及组织图像113。
例如,在图3所示的切片图像中,组织113图像亮度较低,若该组织图像113不满足实际适应需求,可以只从图3所示的切片图像中获取标签图像112。再获取拍摄的与图3所示的相同的切片图像,如图15所示,在该图15中,组织图像113亮度较高,则从该图15中获取图16所示的组织图像113。即可以获得满足亮度条件的组织图像113以及标签图像112。
第二实施例
本实施例提供了一种切片图像处理装置200,如图17所示,该切片图像处理装置200包括:切片图像获取模块210、载玻片位置获取模块220、载玻片图像获取模块230、区域位置获取模块240以及区域图像获取模块250。其中:切片图像获取模块210用于获取切片的切片图像,所述切片图像包括载玻片图像。载玻片位置获取模块220用于获取所述切片图像中载玻片图像所在的位置。载玻片图像获取模块230用于根据所述切片图像中载玻片所在的位置,获取所述切片图像中的载玻片图像,所述载玻片图像中包括标签图像以及组织图像。区域位置获取模块240用于获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置。区域图像获取模块250用于根据所述标签图像以及组织图像所在的位置,获取所述标签图像或者所述组织图像中的至少一个。
所述载玻片位置获取模块220包括第一转换单元221、第一处理单元222以及第一位置确定单元223。如图18所示。其中:第一转换单元221用于获取所述切片图像的二值图,所述切片图像的二值图中包括第一颜色以及第二颜色,所述载玻片图像对应的区域为第一颜色。第一处理单元222用于对所述切片图像的二值图进行处理,获得所述切片图像的二值图中对应载玻片图像的第一颜色区域。第一位置确定单元223用于根据所述第一颜色区域在所述切片图像的二值图中的位置,确定所述切片图像中所述载玻片图像所在的位置。
所述第一转换单元221包括:第一转换子单元以及第二转换子单元。其中:第一转换子单元用于将所述切片图像转换为灰度图像。第二转换子单元用于将所述切片图像的灰度图像进行滤波去除噪声以及直方图均衡化后,利用阈值分割法进行二值分割,得到所述切片图像的二值图。
所述第一处理单元222包括:第一处理子单元以及第二处理子单元。其中:第一处理子单元用于将所述切片图像的二值图进行孔洞填充。第二处理子单元用于对填充孔洞后的所述切片图像的二值图进行腐蚀、膨胀,得到所述切片图像的二值图中对应载玻片图像的第一颜色区域。
所述区域位置获取模块240包括:第二转换单元241、第二处理单元242以及第二位置确定单元243。如图19所示。其中:第二转换单元241用于获取所述载玻片图像的二值图,所述载玻片图像的二值图中包括第三颜色以及第四颜色,所述标签图像对应的区域为第三颜色,所述组织图像对应的区域为第四颜色。第二处理单元242用于对所述载玻片图像的二值图进行处理,获得所述载玻片图像的二值图中对应标签图像的第三颜色区域以及对应组织图像的第四颜色区域。第二位置确定单元243用于根据所述第三颜色区域以及第四颜色区域分别在所述载玻片图像的二值图中的位置,确定所述载玻片图像中所述标签图像以及所述组织图像的位置。
所述第二转换单元241包括:第三转换子单元以及第四转换子单元。其中:第三转换子单元用于将所述载玻片图像转换为灰度图像。第四转换子单元用于将所述载玻片图像的灰度图像进行滤波去除噪声以及直方图均衡化后,利用阈值分割法进行二值分割,得到所述载玻片图像的二值图。
所述第二处理单元包括:第三处理子单元以及第四处理子单元。其中:第三处理子单元用于将所述载玻片图像的二值图进行孔洞填充。第四处理子单元用于对填充孔洞后的所述载玻片图像的二值图进行腐蚀、膨胀,得到所述载玻片图像的二值图中对应标签图像的第三颜色区域以及对应组织图像的第四颜色区域。
综上所述,本发明实施例提供的切片图像处理方法及装置,通过获取切片的切片图像后,进行切片的切片图像中的载玻片图像所在的位置获取,再根据得到的载玻片图像的所在位置得到载玻片图像,然后通过获取载玻片中标签图像以及组织图像所在的位置后,根据得到的标签图像以及组织图像所在的位置得到标签图像以及组织图像,从而实现自动的对切片图像进行标签区域图像以及组织区域图像的提取。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二、另一等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个…...”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种切片图像处理方法,其特征在于,所述方法包括:
获取切片的切片图像,所述切片图像包括载玻片图像;
获取所述切片图像中载玻片图像所在的位置;
根据所述切片图像中载玻片所在的位置,获取所述切片图像中的载玻片图像,所述载玻片图像中包括标签图像以及组织图像;
获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置;
根据所述标签图像以及组织图像所在的位置,获取所述标签图像或者所述组织图像中的至少一个。
2.根据权利要求1所述的方法,其特征在于,所述获取所述切片图像中载玻片图像所在的位置包括:
获取所述切片图像的二值图,所述切片图像的二值图中包括第一颜色以及第二颜色,所述载玻片图像对应的区域为第一颜色;
对所述切片图像的二值图进行处理,获得所述切片图像的二值图中对应载玻片图像的第一颜色区域;
根据所述第一颜色区域在所述切片图像的二值图中的位置,确定所述切片图像中所述载玻片图像所在的位置。
3.根据权利要求2所述的方法,其特征在于,所述获取所述切片图像的二值图包括:
将所述切片图像转换为灰度图像;
将所述切片图像的灰度图像进行滤波去除噪声以及直方图均衡化后,利用阈值分割法进行二值分割,得到所述切片图像的二值图。
4.根据权利要求2所述的方法,其特征在于,所述对所述切片图像的二值图进行处理,获得所述切片图像的二值图中对应载玻片图像的第一颜色区域包括:
将所述切片图像的二值图进行孔洞填充;
对填充孔洞后的所述切片图像的二值图进行腐蚀、膨胀,得到所述切片图像的二值图中对应载玻片图像的第一颜色区域。
5.根据权利要求1所述的方法,其特征在于,所述获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置包括:
获取所述载玻片图像的二值图,所述载玻片图像的二值图中包括第三颜色以及第四颜色,所述标签图像对应的区域为第三颜色,所述组织图像对应的区域为第四颜色;
对所述载玻片图像的二值图进行处理,获得所述载玻片图像的二值图中对应标签图像的第三颜色区域以及对应组织图像的第四颜色区域;
根据所述第三颜色区域以及第四颜色区域分别在所述载玻片图像的二值图中的位置,确定所述载玻片图像中所述标签图像以及所述组织图像的位置。
6.根据权利要求5所述的方法,其特征在于,所述获取所述载玻片图像的二值图包括:
将所述载玻片图像转换为灰度图像;
将所述载玻片图像的灰度图像进行滤波去除噪声以及直方图均衡化后,利用阈值分割法进行二值分割,得到所述载玻片图像的二值图。
7.根据权利要求5所述的方法,其特征在于,所述对所述载玻片图像的二值图进行处理,获得所述载玻片图像的二值图中对应标签图像的第三颜色区域以及对应组织图像的第四颜色区域包括:
将所述载玻片图像的二值图进行孔洞填充;
对填充孔洞后的所述载玻片图像的二值图进行腐蚀、膨胀,得到所述载玻片图像的二值图中对应标签图像的第三颜色区域以及对应组织图像的第四颜色区域。
8.一种切片图像处理装置,其特征在于,所述装置包括:切片图像获取模块、载玻片位置获取模块、载玻片图像获取模块、区域位置获取模块以及区域图像获取模块,其中:
所述切片图像获取模块用于获取切片的切片图像,所述切片图像包括载玻片图像;
所述载玻片位置获取模块用于获取所述切片图像中载玻片图像所在的位置;
所述载玻片图像获取模块用于根据所述切片图像中载玻片所在的位置,获取所述切片图像中的载玻片图像,所述载玻片图像中包括标签图像以及组织图像;
所述区域位置获取模块用于获取所述载玻片图像中所述标签图像以及所述组织图像所在的位置;
所述区域图像获取模块用于根据所述标签图像以及组织图像所在的位置,获取所述标签图像或者所述组织图像中的至少一个。
9.根据权利要求8所述的装置,其特征在于,所述载玻片位置获取模块包括第一转换单元、第一处理单元以及第一位置确定单元,其中:
所述第一转换单元用于获取所述切片图像的二值图,所述切片图像的二值图中包括第一颜色以及第二颜色,所述载玻片图像对应的区域为第一颜色;
所述第一处理单元用于对所述切片图像的二值图进行处理,获得所述切片图像的二值图中对应载玻片图像的第一颜色区域;
所述第一位置确定单元用于根据所述第一颜色区域在所述切片图像的二值图中的位置,确定所述切片图像中所述载玻片图像所在的位置。
10.根据权利要求8所述的装置,其特征在于,所述区域位置获取模块包括:第二转换单元、第二处理单元以及第二位置确定单元,其中:
所述第二转换单元用于获取所述载玻片图像的二值图,所述载玻片图像的二值图中包括第三颜色以及第四颜色,所述标签图像对应的区域为第三颜色,所述组织图像对应的区域为第四颜色;
所述第二处理单元用于对所述载玻片图像的二值图进行处理,获得所述载玻片图像的二值图中对应标签图像的第三颜色区域以及对应组织图像的第四颜色区域;
所述第二位置确定单元用于根据所述第三颜色区域以及第四颜色区域分别在所述载玻片图像的二值图中的位置,确定所述载玻片图像中所述标签图像以及所述组织图像的位置。
CN201610939129.8A 2016-10-25 2016-10-25 切片图像处理方法及装置 Active CN106530311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610939129.8A CN106530311B (zh) 2016-10-25 2016-10-25 切片图像处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610939129.8A CN106530311B (zh) 2016-10-25 2016-10-25 切片图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN106530311A true CN106530311A (zh) 2017-03-22
CN106530311B CN106530311B (zh) 2019-03-08

Family

ID=58292292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610939129.8A Active CN106530311B (zh) 2016-10-25 2016-10-25 切片图像处理方法及装置

Country Status (1)

Country Link
CN (1) CN106530311B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561264A (zh) * 2017-09-05 2018-01-09 齐鲁工业大学 基于图像处理的β淀粉样斑块识别和测量方法
CN109087356A (zh) * 2018-06-29 2018-12-25 齐鲁工业大学 基于机器视觉的医学载玻片的识别定位方法、系统及装置
CN110556172A (zh) * 2019-09-18 2019-12-10 杭州智团信息技术有限公司 玻片归档方法、设备终端、玻片归档系统和可读存储介质
CN111080564A (zh) * 2019-11-11 2020-04-28 合肥美石生物科技有限公司 一种图像处理方法及系统
CN113658209A (zh) * 2021-08-12 2021-11-16 山东省计算中心(国家超级计算济南中心) 一种基于形态学的切片组织裱贴位置优良判别方法
CN114463352A (zh) * 2022-01-12 2022-05-10 济南超级计算技术研究院 玻片扫描图像目标分割提取方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101858835A (zh) * 2009-04-01 2010-10-13 索尼公司 生物图像的呈现装置、呈现方法、程序和呈现系统
CN102004305A (zh) * 2009-08-31 2011-04-06 索尼公司 组织切片图像获取和显示设备、方法和程序
US20140198963A1 (en) * 2011-09-14 2014-07-17 IInfinitt Healthcare Co. Ltd. Segmentation method of medical image and apparatus thereof
CN104011531A (zh) * 2011-12-27 2014-08-27 佳能株式会社 图像处理装置、图像显示系统、图像处理方法以及图像处理程序
CN106022338A (zh) * 2016-05-23 2016-10-12 麦克奥迪(厦门)医疗诊断系统有限公司 一种数字病理全切片图像感兴趣区域自动检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101858835A (zh) * 2009-04-01 2010-10-13 索尼公司 生物图像的呈现装置、呈现方法、程序和呈现系统
CN102004305A (zh) * 2009-08-31 2011-04-06 索尼公司 组织切片图像获取和显示设备、方法和程序
US20140198963A1 (en) * 2011-09-14 2014-07-17 IInfinitt Healthcare Co. Ltd. Segmentation method of medical image and apparatus thereof
CN104011531A (zh) * 2011-12-27 2014-08-27 佳能株式会社 图像处理装置、图像显示系统、图像处理方法以及图像处理程序
CN106022338A (zh) * 2016-05-23 2016-10-12 麦克奥迪(厦门)医疗诊断系统有限公司 一种数字病理全切片图像感兴趣区域自动检测方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561264A (zh) * 2017-09-05 2018-01-09 齐鲁工业大学 基于图像处理的β淀粉样斑块识别和测量方法
CN107561264B (zh) * 2017-09-05 2020-03-27 齐鲁工业大学 基于图像处理的β淀粉样斑块识别和测量方法
CN109087356A (zh) * 2018-06-29 2018-12-25 齐鲁工业大学 基于机器视觉的医学载玻片的识别定位方法、系统及装置
CN110556172A (zh) * 2019-09-18 2019-12-10 杭州智团信息技术有限公司 玻片归档方法、设备终端、玻片归档系统和可读存储介质
CN111080564A (zh) * 2019-11-11 2020-04-28 合肥美石生物科技有限公司 一种图像处理方法及系统
CN113658209A (zh) * 2021-08-12 2021-11-16 山东省计算中心(国家超级计算济南中心) 一种基于形态学的切片组织裱贴位置优良判别方法
CN113658209B (zh) * 2021-08-12 2023-06-16 山东省计算中心(国家超级计算济南中心) 一种基于形态学的切片组织裱贴位置优良判别方法
CN114463352A (zh) * 2022-01-12 2022-05-10 济南超级计算技术研究院 玻片扫描图像目标分割提取方法及系统

Also Published As

Publication number Publication date
CN106530311B (zh) 2019-03-08

Similar Documents

Publication Publication Date Title
CN106530311A (zh) 切片图像处理方法及装置
CN110705583B (zh) 细胞检测模型训练方法、装置、计算机设备及存储介质
CN109241967B (zh) 基于深度神经网络的甲状腺超声图像自动识别系统、计算机设备、存储介质
CN109800731B (zh) 指纹录入方法及相关装置
CN102999886B (zh) 图像边缘检测器及标尺光栅栅线精度检测系统
CN107067006B (zh) 一种服务于数据采集的验证码识别方法及系统
CN110458835B (zh) 一种图像处理方法、装置、设备、系统及介质
CN107644213A (zh) 视频人物提取方法及装置
CN101689301A (zh) 在ct图像数据中检测出血性卒中
CN105427320A (zh) 一种图像分割提取方法
CN104036521A (zh) 一种新的视网膜眼底图像分割方法
WO2021139447A1 (zh) 一种宫颈异常细胞检测装置及方法
Fabijańska et al. Towards automatic tree rings detection in images of scanned wood samples
CN109815974A (zh) 一种细胞病理玻片分类方法、系统、设备、存储介质
CN104036292A (zh) 一种医学影像数字胶片中文字区域提取方法及提取系统
CN105023272A (zh) 农作物叶子虫害检测方法和系统
CN106651860A (zh) 一种图像分割方法及装置
CN111159150A (zh) 一种数据扩充方法及装置
CN106485287A (zh) 扫描区域的获取方法、数字切片的获取方法及装置
CN116403094A (zh) 一种嵌入式图像识别方法及系统
CN111950812A (zh) 一种自动识别与预测雨量的方法及其装置
CN103886319A (zh) 一种基于机器视觉的举牌智能识别方法
CN107622245A (zh) 纸质波形提取方法以及装置
CN104966109A (zh) 医疗化验单图像分类方法及装置
CN114240924A (zh) 一种基于数字化技术的电网设备质量评估方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant