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
一种基于图像分割及边缘检测的脂肪细胞自动计数方法 Download PDFInfo
- Publication number
- CN107316077B CN107316077B CN201710472812.XA CN201710472812A CN107316077B CN 107316077 B CN107316077 B CN 107316077B CN 201710472812 A CN201710472812 A CN 201710472812A CN 107316077 B CN107316077 B CN 107316077B
- Authority
- CN
- China
- Prior art keywords
- image
- edge
- cell
- segmentation
- threshold
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
- G06M11/02—Counting of objects distributed at random, e.g. on a surface using an electron beam scanning a surface line by line, e.g. of blood cells on a substrate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
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
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It。
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Icanny。
对阈值分割结果It进行形态学膨胀操作,得到Itd,之后将图像Itd和Icanny进行与操作,得到最后的边缘检测结果:
Iedge=Itd*Icanny。
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:
IE=Iedge+It。
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IR。
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。
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It(图3)。
B.边缘检测,依次进行直方图均衡化和canny边缘检测,对It进行膨胀操作,
并且和边缘检测结果做“与”处理,得到结果Iedge(图4)。
C.将Iedge与It相加得到结果IE(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IR(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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710472812.XA CN107316077B (zh) | 2017-06-21 | 2017-06-21 | 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710472812.XA CN107316077B (zh) | 2017-06-21 | 2017-06-21 | 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107316077A CN107316077A (zh) | 2017-11-03 |
CN107316077B true CN107316077B (zh) | 2020-09-08 |
Family
ID=60181959
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710472812.XA Active CN107316077B (zh) | 2017-06-21 | 2017-06-21 | 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316077B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108426537B (zh) * | 2018-01-30 | 2020-10-09 | 华侨大学 | 一种基于线阵相机的在位砂轮快速全场检测方法及系统 |
CN108387553B (zh) * | 2018-02-09 | 2021-04-13 | 重庆东渝中能实业有限公司 | 针对白细胞与血小板共存全息图的分块重建与分类计数方法 |
CN108921866A (zh) * | 2018-07-24 | 2018-11-30 | 北京深瞐科技有限公司 | 一种图像数据处理方法及系统 |
CN109523563A (zh) * | 2018-11-01 | 2019-03-26 | 华东师范大学 | 一种提高显微图像标注效率的方法 |
CN109615630A (zh) * | 2019-01-18 | 2019-04-12 | 东北大学 | 基于图像处理技术的半连续铸造铝硅合金微观组织分析方法 |
CN109919863B (zh) * | 2019-02-15 | 2023-06-20 | 佛山市博朋生物科技有限公司 | 一种全自动菌落计数仪、系统及其菌落计数方法 |
CN110838126B (zh) * | 2019-10-30 | 2020-11-17 | 东莞太力生物工程有限公司 | 细胞图像分割方法、装置、计算机设备和存储介质 |
CN110956629B (zh) * | 2019-12-17 | 2023-04-07 | 中国科学院微小卫星创新研究院 | 一种肌管细胞形态学参数测量及提供其交互界面的方法 |
CN113112467B (zh) * | 2021-04-06 | 2023-04-07 | 上海深至信息科技有限公司 | 一种平面图标注系统 |
CN113570633A (zh) * | 2021-07-29 | 2021-10-29 | 上海交通大学 | 基于深度学习模型对脂肪细胞图像进行分割计数的方法 |
WO2023019555A1 (zh) * | 2021-08-20 | 2023-02-23 | 深圳先进技术研究院 | 细胞荧光图像阈值化方法、系统、终端及存储介质 |
CN113870268A (zh) * | 2021-12-06 | 2021-12-31 | 华北理工大学 | 一种基于连通分量检测的统计球团矿数量的方法 |
CN115049642A (zh) * | 2022-08-11 | 2022-09-13 | 合肥合滨智能机器人有限公司 | 一种颈动脉血管内中膜测量与斑块检测方法 |
CN115619811B (zh) * | 2022-12-16 | 2023-04-14 | 北京远舢智能科技有限公司 | 一种烟支数量的确定方法、装置、电子设备及存储介质 |
CN116189178A (zh) * | 2022-12-30 | 2023-05-30 | 广州市明美光电技术有限公司 | 一种显微细胞图像的识别方法、设备及存储介质 |
CN116091451A (zh) * | 2023-01-09 | 2023-05-09 | 中国科学院苏州生物医学工程技术研究所 | 视网膜色素上皮细胞图像分割方法及系统 |
CN116703927B (zh) * | 2023-08-08 | 2023-11-03 | 苏州深捷信息科技有限公司 | 基于明场光学图像处理的细胞计数方法、装置及存储介质 |
CN116862940B (zh) * | 2023-09-04 | 2024-02-06 | 深圳市瑞沃德生命科技有限公司 | 一种细胞边缘处理方法及其装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881017A (zh) * | 2012-09-21 | 2013-01-16 | 四川师范大学 | 一种细胞分离方法 |
CN103473739A (zh) * | 2013-08-15 | 2013-12-25 | 华中科技大学 | 一种基于支持向量机的白细胞图像精确分割方法与系统 |
WO2014072422A1 (en) * | 2012-11-07 | 2014-05-15 | bioMérieux | Bio-imaging method |
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
-
2017
- 2017-06-21 CN CN201710472812.XA patent/CN107316077B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102881017A (zh) * | 2012-09-21 | 2013-01-16 | 四川师范大学 | 一种细胞分离方法 |
WO2014072422A1 (en) * | 2012-11-07 | 2014-05-15 | bioMérieux | Bio-imaging method |
CN103473739A (zh) * | 2013-08-15 | 2013-12-25 | 华中科技大学 | 一种基于支持向量机的白细胞图像精确分割方法与系统 |
CN103914843A (zh) * | 2014-04-04 | 2014-07-09 | 上海交通大学 | 基于分水岭算法和形态学标记的图像分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107316077A (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316077B (zh) | 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 | |
US20230419696A1 (en) | Image analysis method, apparatus, program, and learned deep learning algorithm | |
CN107180421B (zh) | 一种眼底图像病变检测方法及装置 | |
CN111145209B (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
US10861156B2 (en) | Quality control for digital pathology slides | |
CN111448582A (zh) | 用于单通道全细胞分割的系统和方法 | |
Tonti et al. | An automated approach to the segmentation of HEp-2 cells for the indirect immunofluorescence ANA test | |
CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
US11538261B2 (en) | Systems and methods for automated cell segmentation and labeling in immunofluorescence microscopy | |
CN112215790A (zh) | 基于深度学习的ki67指数分析方法 | |
Hoque et al. | Retinex model based stain normalization technique for whole slide image analysis | |
Bibiloni et al. | A real-time fuzzy morphological algorithm for retinal vessel segmentation | |
CN110517273B (zh) | 基于动态梯度阈值的细胞学图像分割方法 | |
CN110148126B (zh) | 基于颜色分量组合和轮廓拟合的血液白细胞分割方法 | |
CN113724235B (zh) | 镜下环境改变条件时半自动化的Ki67/ER/PR阴性、阳性细胞计数系统及方法 | |
CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
Huang et al. | HEp-2 cell images classification based on textural and statistic features using self-organizing map | |
CN112927182A (zh) | 一种数字pcr微阵列图像分析方法 | |
CN115082379A (zh) | 一种活性污泥相差显微图像絮体和丝状菌分割方法 | |
Neuman et al. | Equalisation of archival microscopic images from immunohistochemically stained tissue sections | |
CN113450383B (zh) | 一种免疫层析试纸定量分析方法、装置、设备和介质 | |
CN112116579B (zh) | 一种透明药瓶的缺陷检测方法和装置 | |
Kiratiratanapruk et al. | Worm egg segmentation based centroid detection in low contrast image | |
Guatemala-Sanchez et al. | Nuclei segmentation on histopathology images of breast carcinoma | |
CN110458042B (zh) | 一种荧光ctc中的探针数目检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |