CN107316077B - 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 - Google Patents

Abstract

本发明涉及一种基于图像分割及边缘检测的脂肪细胞自动计数方法。通过对脂肪图像进行阈值分割和边缘检测，提取物体与背景在灰度上的差异,把图像分为具有不同灰度级的目标区域和背景区域,图像的边缘就是图像灰度发生空间突变的像素的集合,先确定图像中的边缘像素，将它们连接在一起构成边界。提取出脂肪细胞边缘；对脂肪细胞边缘进行形态学处理和滤波操作，并且通过分水岭算法进行再分割，能够将欠染色的细胞边缘识别并加以分割，提高了细胞计数的准确性；对图像进行连通区域分析，能够统计细胞的数量，面积等数据，极大地提高了脂肪细胞计数的效率；对图像进行上色处理和标注，方便后续人工进行对比校正,保证较高的计数准确率和效率。

Description

一种基于图像分割及边缘检测的脂肪细胞自动计数方法

技术领域

本发明涉及一种医学图像处理技术领域细胞计数的方法，特别涉及一种基于图像分割及边缘检测的脂肪细胞自动计数方法。

背景技术

目前，图像图形技术发展迅速,渗透到人类生活和社会发展的各方面，尤其在生物细胞医学方面的发展对人类来说具有重要的意义。这些生物学过程影响和反映着生物的生长，发育和疾病及肿瘤的发生。肥胖症蔓延全球，已成为医学与社会的共同问题。肥胖症以脂肪在脂肪细胞中过度堆积为特征，其中涉及脂肪细胞的增殖数目改变与肥大直径改变两个生理现象。然而，在临床与基础科研实践中，脂肪细胞的数目与直径的准确定量成为评估肥胖严重程度和脂肪性质的技术瓶颈。在临床应用中，通过显微镜、利用目视方法来定性地分析细胞图像，并对人们的健康状况做出诊断的方法在临床病理学上一直占有重要的地位。但是，该方法耗时并有一定的主观性，且图像模糊、噪声污染、对比度不强、边界不清以及长期阅片引起的视觉疲劳等都有可能影响结果的分析与判断。

所以开发一种基于图像处理算法的脂肪细胞自动计数方法是非常有必要的。利用计算机进行医学细胞图像处理与分析，可以比目视的方法更精确的分析与研究，减少主观干扰，提高工作效率，减轻医务工作者的负担，同时也节约了宝贵的医疗经费。

发明内容

本发明公开了一种基于图像分割及边缘检测的脂肪细胞自动计数方法。

本发明的目的是提出一种基于图像处理的脂肪细胞自动计数方法，以解决当前脂肪细胞人工计数统计效率低，任务重的问题。

本发明提出一种基于图像分割及边缘检测的脂肪细胞自动计数方法，能够自动提取出细胞边缘，并且自动对欠分割区域进行再分割，并对细胞进行统计，获取细胞数目和细胞面积等数据，效率和精度较高，并且方便后续人工校正结果。

本发明基于脂肪细胞图像进行细胞边缘提取，之后进行图像的后处理和再分割，最后对细胞进行统计和上色处理，具体步骤如下：

步骤1：细胞边缘提取。细胞边缘提取分两个步骤同时进行，其一是阈值分割，其二是边缘检测，最后的边缘提取结果为这两个步骤得到的结果之和，具体方法如下：

灰度化。首先需要对输入的彩色图像进行灰度化。

阈值分割。阈值分割进行之前首先进行光照均一化，之后利用大津法(OTSU)进行二值化。

光照均一化方法如下：

首先构造两个高斯算子g1和g2，高斯算子的定义如下：

其中σ为标准差，H表示高斯核尺寸，x,y表示像素点横纵坐标，g1的具体参数为H＝3，σ＝0.5；g2的具体参数为H＝60，σ＝30。

之后利用g1和g2分别对图像进行滤波，得到滤波结果I₁和I₂，均一化结果为：

I₃＝I₂-I₁。

之后利用大津法对均一化结果进行二值化，得到最后的阈值分割结果I_t。

边缘检测。边缘检测之前首先对图像进行直方图均衡化，得到对比度较高的图像，之后对该图像进行canny边缘检测得到图像I_canny。

对阈值分割结果I_t进行形态学膨胀操作，得到I_td，之后将图像I_td和I_canny进行与操作，得到最后的边缘检测结果：

I_edge＝I_td*I_canny。

最后的细胞边缘图像为边缘检测结果与阈值分割结果之和：

I_E＝I_edge+I_t。

步骤2：图像后处理。首先利用形态学操作对提取的细胞边缘图像进行后处理，之后利用分水岭算法对欠分割区域进行再分割，具体方法如下：

首先进行形态学操作，具体实施方法如下：

首先统计所有连通域，过滤所有面积小于阈值T的区域，依次进行形态学开操作，形态学闭操作，形态学膨胀操作。

之后进行图像反转操作(脂肪细胞边缘区域置零，其余区域置1)，得到I_R。

之后通过分水岭算法对图像中欠分割区域进行再分割，再分割方法如下：

通过分水岭方法对图像进行处理，获取所有分水岭，对所有分水岭进行分析，如果满足以下两个条件，则认为当前分水岭是细胞边缘，并加到细胞边缘图像中：

当前分水岭长度小于阈值L。

原始区域再分割出来的两个区域A₁，A₂，面积之比A₁/A₂<t，其中A₁>A₂

步骤3：细胞统计。包括统计细胞数量，细胞面积，细胞周长，细胞位置信息，并且对每一个细胞进行上色和标注，具体步骤如下：

对图像进行连通域分析，具体方法是首先通过区域生长法获取所有连通区域，给每一个区域一个唯一的标签，统计所有连通区域的面积，位置，周长等信息，并且过滤非细胞的连通区域，判别条件如下：

当前连通区域面积小于阈值T。

当前连通域的周长P和面积A，如果

其中c为比例阈值。

两个条件都满足则过滤掉该区域。

对图像进行上色过程如下：对每一个连通区域进行随机标注颜色，并且将细胞编号对应显示到原始图像中。

本发明的有益效果在于：利用计算机进行医学细胞图像处理与分析，可以比目视的方法更精确的分析与研究，减少主观干扰，提高工作效率，减轻医务工作者的负担，同时也节约了宝贵的医疗经费。

附图说明

图1是基于图像分割及边缘检测的脂肪细胞自动计数方法流程图。

图2是输入的脂肪细胞图像。

图3是脂肪细胞边缘提取阶段的阈值分割结果。

图4是边缘检测结果

图5脂肪细胞边缘提取结果。

图6是形态学操作之后的结果。

图7为利用分水岭方法进行再分割的结果。

图8为脂肪细胞上色结果。

图9为细胞编号图像。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明具体实施步骤如下：

(1)输入脂肪图像I(图2)，768*1020像素，设定初始参数：面积阈值T，高斯算子g1和g2的核大小H和σ，形态学开操作，闭操作，膨胀操作的算子大小，分水岭长度阈值L，连通域周长平方和面积比的阈值c。

(2)对图像进行灰度化。

(3)细胞边缘提取：

A.阈值分割，依次进行光照均一化和二值化，得到结果I_t(图3)。

B.边缘检测，依次进行直方图均衡化和canny边缘检测，对I_t进行膨胀操作，

并且和边缘检测结果做“与”处理，得到结果I_edge(图4)。

C.将I_edge与I_t相加得到结果I_E(图5)。

(4)图像后处理：

A.进行形态学操作，先过滤所有面积小于阈值T的区域，依次进行形态学开操作，形态学闭操作，形态学膨胀操作。

B.进行图像反转操作，得到结果I_R(图6)。

C.利用分水岭算法进行再分割，并选取分水岭加入到细胞边缘图像，得到再分割结果(图7)。

(5)细胞统计，首先进行连通域分析，利用区域生长法获取所有连通区域，提取连通区域的面积，周长，位置信息，过滤掉其中面积小于T，周长平方和面积比

的区域，然后对每一个连通区域进行随机上色(图8)，方法为生成3个0-255之间的整数，填充到RGB三色通道中。并且将细胞编号标记到原图(图9)中。

最终统计脂肪细胞280个，其中正确计数275个，漏检6个，正确率96.2％。

以上实施例为本申请的优选实施例，本领域的技术人员还可以在此基础上进行各种变换或改进，在不脱离本申请总的构思的前提下，这些变换或改进都应当属于本申请要求保护的范围之内。

Claims (3)

1.一种基于图像分割及边缘检测的脂肪细胞自动计数方法，其特征在于包括以下步骤：

步骤1：通过阈值分割和边缘检测进行脂肪细胞边缘提取,

步骤2：通过形态学处理和分水岭算法进行图像后处理,通过形态学操作过滤掉无效的细胞边缘和绝大多数噪声，操作如下：

首先统计所有连通域，过滤所有面积小于阈值T的区域，之后依次进行形态学开操作和形态学闭操作，之后进行形态学膨胀操作，和图像反转操作,脂肪细胞边缘区域置零，其余区域置1；

之后通过分水岭算法对图像中欠分割区域进行再分割，再分割方法如下：

通过分水岭方法对图像进行处理，获取所有分水岭，对所有分水岭进行分析，如果当前分水岭长度小于阈值L，并且分割出来的两个区域A1和A2面积之比(A1>A2)小于阈值t，则认为当前分水岭是细胞边缘，并加到细胞边缘图像中；

步骤3：通过连通区域分析和图像上色进行细胞统计。

2.根据权利要求1所述的一种基于图像分割及边缘检测的脂肪细胞自动计数方法，其特征在于：所述通过阈值分割和边缘检测进行脂肪细胞边缘提取，提取的脂肪细胞边缘为阈值分割结果和边缘检测结果之和，在进行阈值分割之前，要对图像做光照均一化处理，处理的具体方法为：选取两个尺度的高斯算子g1和g2分别对图像进行滤波，之后把滤波结果I₁和I₂进行相减得到光照均一化结果I₃；

高斯算子的定义如下：

其中，μ为期望，σ为标准差，H表示高斯核尺寸，x,y表示像素点横纵坐标，g1的具体参数为H＝3，σ＝0.5；g2的具体参数为H＝60，σ＝30,

均一化结果I₃＝I₂-I₁,

将图像均一化结果通过大津法(OTSU)进行二值化即可得到阈值分割结果。

3.根据权利要求1所述的一种基于图像分割及边缘检测的脂肪细胞自动计数方法，其特征在于：基于连通区域分析和图像上色的细胞统计，

对再分割结果进行连通区域分析，统计所有连通区域的面积，位置，周长信息，并且过滤掉非细胞的连通区域，判别条件如下：

当前连通区域小于阈值T,

当前连通域的周长P和面积A，

其中c为阈值,

两个条件都满足则过滤掉该区域,

对图像进行上色过程如下：对每一个连通区域进行随机标注颜色，并且将细胞编号对应显示到原始图像中。

Images