CN107545550B - 细胞图像偏色校正方法 - Google Patents

Abstract

本发明公开了一种细胞图像偏色校正方法，包括降采样、获取显著图、提取canny边缘点、k均值聚类获取参考白点、基于完美反射法的偏色校正。本发明所述方法首先利用降采样大幅减小了数据量；其次通过获取显著图在进一步减少数据量的同时尽可能保留了有效信息；接着通过canny边缘点附近的较大颜色向量的k均值聚类，快速获取了背景类的颜色中心；最后以背景类的颜色中心为参考白点，利用完美反射法实现了对偏色细胞图像的校正。本发明提出的方法具有很快的计算速率，能够满足临床应用对实时性的要求；同时本方法对具有复杂场景的细胞图像具有很好的鲁棒性，对各类不同偏色情况的细胞图像均具有很好的偏色校正效果。

Description

细胞图像偏色校正方法

技术领域

本发明属于图像处理技术领域，更具体地，涉及一种细胞图像偏色校正方法。

背景技术

细胞图像分析是一种重要的科研手段，随着信息技术和检验设备自动化的飞速发展，细胞图像自动识别系统逐渐代替了主观性强、效率低下的人工分析手段，在细胞形态学研究领域得到了广泛的应用。

细胞图像自动识别一般分为图像采集、细胞分割、特征提取以及细胞分类几个步骤。然而，由于显微成像条件、光照条件、染色制备条件等因素的限制，采集到的细胞图像往往存在较严重的偏色，使得后续步骤获取到的细胞颜色特征不够稳定。然而，细胞浆颜色是区分不同类别细胞或变异细胞的一个重要判断依据，不稳定的细胞颜色特征将严重影响到细胞分类的精度。对偏色的细胞图像进行偏色校正，可以有效提高细胞图像自动识别的精度。因此，细胞图像的偏色校正方法研究具有重要的理论意义和实际应用价值。

传统的偏色校正算法主要有灰度世界法和完美反射法两种。灰度世界法认为，当一幅图像有足够多的颜色变化时，则图像中的R、G、B分量的均值会趋于相等。灰度世界法通过将偏色图像中的3个颜色通道均值调整至相等状态来实现颜色校正。然而，当图像中存在大面积单一色调时，会产生过度校正，其原因是图像不再满足“灰度世界”的假设。完美反射法则基于另一种假设：一个白色物体在任何光源色温下的图像中，其R、G、B通道的值皆为极大值。因此，完美反射法通过对三个颜色通道的线性变换，将图像中的极大值点调整为参考白点的颜色值（255，255，255），来实现颜色校正。然而，当图像中极大值点不是真正的白点时，校正效果不理想。细胞图像背景面积较大，存在大面积单一颜色；另外，图像中还存在噪声干扰和光照不均匀现象，导致难以获取图像中的真正白点。因此，这两种偏色校正方法不能很好的解决细胞图像偏色问题。

发明内容

本发明所要解决的技术问题在于提供一种细胞图像偏色校正方法，能快速而精确地校正呈现不稳定偏色的细胞显微图像的颜色，使后续提取到的细胞颜色特征更加精确。

本发明的细胞图像偏色校正方法，包括以下几个步骤：

（1）将原始彩色图像降采样为预设大小的小尺寸彩色图像；

（2）获取所述小尺寸彩色图像的显著图；

（3）获取所述显著图的canny边缘图，并获取每个边缘像素点的位置；

（4）对小尺寸彩色图像中边缘像素点附近的颜色向量进行k均值聚类，获取参考白点；

（5）根据所述的参考白点，利用完美反射法对原始彩色图像进行偏色校正。

所述的步骤（1）具体计算过程如下：

先根据预设尺寸和原始图像尺寸计算降采样因子r，即原始图像宽和高分别除以预设尺寸宽和高的较大值进行上取整；再利用r对原始彩色图像进行降采样，即每行和每列每隔r-1个点采样一个点，使降采样后的小尺寸彩色图像的宽和高均不大于预设尺寸的宽和高。

所述的步骤（2）具体计算过程如下：

先获取小尺寸彩色图像的均值颜色向量，再对小尺寸彩色图像进行中值滤波，然后对中值滤波后图像的每个像素计算其中值滤波后颜色值与均值颜色向量的欧式距离，并将其作为显著图的灰度值，最后再对该显著图的灰度值进行min-max归一化，使显著图的灰度值范围在[0, 255]之间。

所述的步骤（4）具体计算过程如下：

将边缘点数量记为n，对小尺寸彩色图像中每个边缘像素点，获取其邻域窗口内亮度最大的RGB颜色向量；将每个边缘像素点邻域内亮度最大的颜色向量构成n×3维特征向量，再进行k均值聚类；将聚类后亮度最大的聚类中心的颜色向量视作参考白点。

所述的步骤（5）具体计算过程如下：

对于原始彩色图像中的每个像素，分别对其R、G、B分量图进行灰度拉伸，即将其R、G、B分量图灰度值分别除以参考白点的RGB值，再乘以255，最终得到的图像即为偏色校正后的彩色图像。

本发明能够达到的有益效果如下：

因成像、光照和染色条件不一致，自动细胞识别系统采集的细胞图像存在严重偏色问题，以致后续提取到的细胞颜色特征不准确，直接影响整个细胞自动识别的精度。本发明提出的方法可以快速对偏色的细胞图像进行校正，使不同条件下获取的细胞图像颜色趋于稳定，提高自动细胞识别系统的鲁棒性和精确性。

附图说明

图1是本发明的细胞图像偏色校正方法的流程图；

图2是实施例一中对细胞图像的偏色校正过程示意图，图2中：左上为原图，右上为对应的降采样后小尺寸彩色图像的显著图，左下为对应的显著图的canny边缘图，右下为对应的偏色校正结果图。

图3是实施例二中对细胞图像的偏色校正过程示意图，图3中：左上为原图，右上为对应的降采样后小尺寸彩色图像的显著图，左下为对应的显著图的canny边缘图，右下为对应的偏色校正结果图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下对本发明的具体实施方式进行进一步详细说明。

实施例一

如图1、图2可见，本实施例具体过程如下：

（1） 将原始彩色图像降采样为预设大小的小尺寸彩色图像：

如图2可见，本实施例中，原始彩色图像大小为2048×1536，如果原始图像的所有像素均参与计算，则后续计算量将非常大。由于细胞图像中大面积的背景像素的颜色信息是冗余的，因此，将图像降采样为预设大小为256*192的小尺寸图像，可以大大减少后续参与计算的像素数。预设大小设置的原则是避免因降采样导致细胞信息丢失过多，即不同分辨率的图像降采样后，其细胞形态仍然是人眼可辨的。

（1.1）根据预设尺寸和原始图像尺寸计算降采样因子r，即原始图像宽和高分别除以预设尺寸宽和高的较大值进行上取整，公式如下：

其中，

是上取整符号，max为最大值操作。M _H 和N _H 为预设的期望降采样后图像的最大宽度和最大高度，即不同分辨率图像降采样后的结果图均小于或等于该大小。优选地，M _H 设为256，N _H 设为192。本实施例中，以图2为参考，原始彩色图像大小为2048×1536，预设大小为256×192，因此，降采样因子r=8。

（1.2）利用降采样因子r对原始彩色图像进行降采样，即每行和每列每隔r-1个点采样一个点，使降采样后的小尺寸彩色图像的宽和高均不大于预设尺寸的宽和高。降采样的目的在于大幅减少后续步骤的计算量，保证对各种不同尺寸图像进行偏色校正都具有实时性。

（2）获取小尺寸彩色图像的显著图：

（2.1）获取小尺寸彩色图像的RGB三个分量图的颜色均值，得到均值颜色向量

；

（2.2）对小尺寸彩色图像进行中值滤波，优选地，滤波模板大小设为3×3；

（2.3）对中值滤波后图像的每个像素计算其中值滤波后颜色值与均值颜色向量的欧式距离，并将其作为显著图的灰度值，具体公式如下：

其中，dR _m (x, y)、dG _m (x, y)和dB _m (x, y)分别为小尺寸彩色图像中像素点邻域窗口内RGB三个分量图的3×3中值滤波结果。由于细胞图像中背景区域的面积比例很大，这些背景像素的颜色值接近于均值颜色向量。因此，经过上式计算后的显著图中，大面积的背景区域的对比度下降，而与背景颜色差异较大的细胞的对比度得到提升，即达到增强细胞的同时抑制大面积背景的目的。

（2.4）对显著图的灰度值进行min-max归一化，具体公式如下：

其中，min和max分别为取最小值和取最大值操作。该步骤使显著图的灰度值范围在[0, 255]之间。由图2可见，左上的原始大小的细胞图像对应的降采样后的小尺寸显著图结果如右上所示。为了便于显示，两幅图像缩放成了同等大小。获取显著图的目的在于，一方面，将三通道彩色图像转为单通道灰度图像，减少了图像数据量；另一方面，增强了细胞和背景的对比度，减少了背景噪声的干扰，使得数据量减少的同时尽可能保留了有效信息。

（3）获取显著图的canny边缘图，并获取每个边缘像素点的位置。Canny边缘检测可以精确获取图像中梯度变化较大的边缘点。由图2可见，右上的显著图对应的canny边缘图如左下所示。由于边缘梯度是图像的重要特征，通过获取边缘点既可以保留大部分图像信息，又可以大幅减少后续步骤的计算量。

（4）对小尺寸彩色图像中边缘像素点附近的颜色向量进行k均值聚类：

（4.1）对小尺寸彩色图像中每个边缘像素点，分别获取其邻域窗口内亮度最大的RGB颜色向量。优选地，亮度即RGB三个分量灰度值之和，邻域窗口大小设为5×5；

（4.2）将每个边缘像素点邻域内亮度最大的颜色向量构成n×3维特征向量（n为边缘点数量），再进行k均值聚类。由于细胞图像内至少含有细胞核、细胞浆、红细胞和背景四个区域，因此，为了保证能够获取背景区域的均值颜色向量，优选地，聚类数设为4。该步骤的目的在于找到背景区域的均值颜色向量，由于细胞图像至少存在细胞核、细胞浆、红细胞和背景四类区域，且背景区域亮度最大，因此，聚类数为4的k均值聚类可以保证获取背景类的颜色中心。相对于原始彩色图像的所有像素点，本发明提出的方法只需要对n个颜色特征向量进行聚类，因此，大幅减少了计算量。

（5）将聚类后亮度最大的聚类中心的颜色向量视作参考白点的RGB值(R _W , G _W , B _W )，利用完美反射法对原始彩色图像进行偏色校正。具体地，对于原始彩色图像中的每个像素，分别对其R、G、B分量图进行灰度拉伸，即将其R、G、B分量图灰度值分别除以R _W 、G _W 、B _W ，再乘以255，最终得到的图像即为偏色校正后的彩色图像。相对于传统的完美反射法仅将图像中最亮的单个像素的颜色值作为参考白点，本发明提出的方法将背景类的颜色向量均值作为参考白点，因此，本发明获取的参考白点对噪声干扰和不均匀光照的鲁棒性更强，更适用于不同场景、不同偏色情况的细胞图像的偏色校正。如图2可见，左上原始大小的偏色细胞图像对应的同等大小的偏色校正结果图如右下所示。偏色校正前的细胞图像的背景区域均存在不同程度的偏色问题，而所得偏色校正后的彩色图像的背景区域均接近于白色，不同图像的细胞核、浆颜色更相近，偏色情况得到明显改善；同时，红细胞、血小板等细节信息并未因过度校正而丢失，较好地保留了图像边缘、纹理等细节信息。

实施例二

本实施例的校正过程与实施例一基本相同，如图3可见，本实施例中，原始彩色图像大小为960×640，计算得到的降采样因子为4，降采样后的小尺寸彩色图像的大小为240×160。本实施例同样实现了快速对偏色的细胞图像进行校正，所获取的细胞图像颜色趋于稳定，证明本发明方法具备较好的鲁棒性和精确性。

本发明所提供的细胞图像偏色校正方法改进了完美反射法，通过模拟人的视觉机制，快速而准确地获取参考白点的颜色值，可以实现各类不同条件下获取的偏色细胞图像的校正。本发明提出的方法，首先利用降采样大幅减小了数据量；其次，通过获取显著图在进一步减少数据量的同时尽可能保留了有效信息；接着，通过canny边缘点附近的较大颜色向量的k均值聚类，快速获取了背景类的颜色中心；最后，以背景类的颜色中心为参考白点，利用完美反射法实现了对偏色细胞图像的校正。对比传统的完美反射法，本发明获取的参考白点更加准确，对不同偏色情况、复杂场景下的细胞图像的鲁棒性更好。

Claims (2)

1.一种细胞图像偏色校正方法，包括以下几个步骤：

（1）将原始彩色图像降采样为预设大小的小尺寸彩色图像；

（2）获取所述小尺寸彩色图像的显著图；

（3）获取所述显著图的canny边缘图，并获取每个边缘像素点的位置；

（4）对小尺寸彩色图像中边缘像素点附近的颜色向量进行k均值聚类，获取参考白点；

（5）根据所述的参考白点，利用完美反射法对原始彩色图像进行偏色校正；

所述的步骤（4）具体计算过程如下：将边缘点数量记为n，对小尺寸彩色图像中每个边缘像素点，获取其邻域窗口内亮度最大的RGB颜色向量；将每个边缘像素点邻域内亮度最大的颜色向量构成n×3维特征向量，再进行k均值聚类；将聚类后亮度最大的聚类中心的颜色向量视作参考白点；

所述的步骤（1）具体计算过程如下：先根据预设尺寸和原始图像尺寸计算降采样因子r，即原始图像宽和高分别除以预设尺寸宽和高的较大值进行上取整；再利用r对原始彩色图像进行降采样，即每行和每列每隔r-1个点采样一个点，使降采样后的小尺寸彩色图像的宽和高均不大于预设尺寸的宽和高；

所述的步骤（2）具体计算过程如下：先获取小尺寸彩色图像的均值颜色向量，再对小尺寸彩色图像进行中值滤波，然后对中值滤波后图像的每个像素计算其中值滤波后颜色值与均值颜色向量的欧式距离，并将其作为显著图的灰度值，最后再对该显著图的灰度值进行min-max归一化，使显著图的灰度值范围在[0, 255]之间。

2.根据权利要求1所述的细胞图像偏色校正方法，其特征在于，所述的步骤（5）具体计算过程如下：

对于原始彩色图像中的每个像素，分别对其R、G、B分量图进行灰度拉伸，即将其R、G、B分量图灰度值分别除以参考白点的RGB值，再乘以255，最终得到的图像即为偏色校正后的彩色图像。

Images