CN108596932A - 一种重叠宫颈细胞图像分割方法 - Google Patents

Abstract

本发明公开了一种重叠宫颈细胞分割方法，包括改进局部自适应分割细胞核的方法和重叠细胞质分割的方法，所述局部自适应分割方法对子图像求取梯度直方图，利用等间距插值法消除块状效应，利用数学形态学抑制图像噪声，能够完整、准确、不遗漏的分割出细胞核区域；所述重叠细胞分割方法，先提取重叠细胞质部分并对其进行分水岭分割，再利用相似性准则进行区域合并。本发明所述的一种重叠宫颈细胞分割方法，既解决了传统分割算法分割不精准和容易造成过分割和欠分割的难题，同时能够提取完整的细胞轮廓，避免边缘宽度过宽引起细胞边缘重叠，减少后期合并的复杂度，得到更为清晰完整的细胞质轮廓。为细胞图像分类和病理检测具有重要意义。

Description

一种重叠宫颈细胞图像分割方法

技术领域

本发明涉及医学图像处理技术领域，具体为一种重叠宫颈细胞图像分割方法。

背景技术

宫颈癌是常见的恶性肿瘤之一，虽然宫颈癌有着很高的发病率和死亡率，但是尽早地发现和治疗，可以有效降低死亡的风险。因此，准确而又高效的宫颈癌细胞早期检测可以帮助挽救更多的女性的生命。宫颈细胞图像分割的好坏与否对最终检测结果的准确性也有着十分重要的影响。理想的细胞图像分割结果不仅会降低后续分类器设计的复杂度，而且也有助于提升最终检测的准确率。

目前，有许多细胞图像分割算法，主要分为基于区域信息的细胞分割算法和基于细胞边缘的分割算法等两大类，基于区域信息的细胞分割算法的大致步骤是根据图像中每个像素点的信息，然后按照给定的评判准则把像素归到不同类别。主要方法包括阀值分割方法、区域生长法、和分水岭变换分割法。基于细胞边缘信息的分割算法是根据细胞图像中的边界，通常边界部分的灰度与非边界部分的灰度在数值上存在很大差异，即一般灰度不连续处即为边界，根据此特性，提取边界的方法多使用梯度法。常用的边界分割方法大致可分为微分算子法和轮廓模型法。

总体而言，传统细胞分割方法面临着两个难题。一方面是在重叠细胞的处理上使得重叠区域的像素点归属问题变成了一种一一映射的关系，进而难以避免细胞成分的缺失。另一方面在于细胞分割方法整体架构的设计。无需人工干预，可以自动的分割感兴趣区域的自动细胞分割方法是所有分割方法的终极目标，然而自动分割方法通常有着高的结构复杂度，而且在分割背景复杂，细胞边缘模糊的细胞图片时效果并不尽如人意。

发明内容

本发明的目的在于提供一种重叠宫颈细胞分割方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种宫颈细胞图像分割方法，包括以下步骤：

首先，先介绍一下本发明所述改进局部自适应阈值分割方法。本发明所述改进局部自适应阈值分割方法的局部阈值与坐标无关，利用被分割目标的形态学特点来判断子图像的性质，对目标与背景灰度差级较小的图像有较好的效果，而且减少模糊区域，大大提高了图像的精确度，具体为先将图像分成若干子图像，满足阈值选取与坐标无关的自适应特点，而后计算每个子快的梯度直方图，主要是考虑子图像中边缘信息相关的像素点，对每幅图像进行OTSU分割得到各个子图像的最优分割阈值，将子图像的阈值形成阈值矩阵T，在相邻元素之间插入新的阈值元素，形成新的阈值矩阵，可以明显降低块状效应，由于图像中的噪声和边缘都是灰度突变的地方，因此接下来可以利用数学形态学滤波方法去除图像中的噪声。

接着，再介绍一下本发明所述的重叠细胞质图像分割。本发明所述的重叠细胞质分割，重叠的细胞在重叠区域会出现凸点，首先找到凸点，由于单个细胞形状似圆形，可以判断重叠区域包含于凸点所连线段作为直径的圆内，而后利用分水岭算法对重叠细胞区域进行分割，大大减少图像的处理范围，对梯度图像进行阈值分割后，明显的消除微弱的边际，有效的去除了非重叠区域造成的过分割小块，同时减少后期合并的复杂度，接下来利用相邻区域的合并以及非重叠区域的消除来获得更加精确的细胞图像。

附图说明

图1为系统总体流程图；

图2为改进局部自适应阈值分割方法；

图3为分水岭重叠细胞分割方法。

具体实施方式

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，所描述的实施例仅仅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。

请参阅图1-3，本发明提供一种技术方案：一种重叠宫颈细胞分割方法，其特征在于：包含图像预处理、细胞核分割、重叠细胞分割等三大主要部分，首先将细胞图像中分离提取出前景细胞，然后采用局部自适应阈值分割方法提取出细胞核，其流程为将目标图像分成若干子快，对每幅图像求取梯度直方图，用OSTU阈值分割可以得到很好的分割阈值，利用等间距插值法减轻块状效应的影响，利用数学形态学来抑制噪声，由此来分割出细胞核，接下来开始分割出重叠细胞质针对传统分水岭易出现过分割的特点，提出新的分离重叠细胞的方法，先根据每个对象区域里细胞核的个数判定是否是重叠细胞，若仅含一个细胞核，则认为是单细胞，如果区域对象中细胞核的个数不止一个，我们则认为他属于重叠的细胞，重叠细胞质区域的提取应当包含于凹点所连线的线段作为直径的圆内，对梯度图像进行阈值处理将梯度较小的微弱边界删除，将梯度值归一化到0和1之间，，最佳阈值取0.11时，效果最好，提取的细胞前景轮廓叠加进去，形成了只含有重叠区域和细胞轮廓的梯度图像，然后再对其进行分水岭处理，明显的消弱了微弱的边际，减少过分割程度，然后进行区域合并，先建立邻接矩阵去表示小区域之间的位置关系，饱和度在10以内的任何相邻区域都是相似区域，可以进行合并最终得到分离重叠细胞的细胞质的目的。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求；

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (4)

1.一种重叠宫颈细胞分割方法，其特征在于：包括宫颈细胞预处理和重叠细胞分割，宫颈细胞预处理首先对细胞前景对象进行建模，计算出图像中的细胞区域，利用均值漂移算法将细胞区域分块，然后采用局部自适应算法提取出细胞核，局部自适应算法将图像目标分成若干子快，对每幅图像求取梯度直方图，用OSTU阈值分割可以得到很好的分割阈值，利用等间距插值法减轻块状效应的影响，该方法对细胞图像细节具有很好的区分和分割，考虑了噪声的影响，能够提取完整的边缘轮廓，使得所检测的边缘具有连续性，数学形态学的滤波器能够保证边缘定位精确，同时避免边缘宽度过宽引起细胞边缘重叠，同时细胞核的轮廓也得以保留，对于重叠细胞质的分割，首先计算图像的梯形图并进行阈值分割，利用凹点找出重叠区域并叠加细胞区域外轮廓，进行分水岭分割，减少图像的处理范围，然后根据HSV颜色模式中的色调和饱和度的特征制定区域合并原则并进行区域消除就得到最终重叠图像的分割效果。

2.根据权利要求1所述的一种重叠宫颈细胞分割方法，其特征在于所述的图像预处理操作，充分利用重叠细胞区域的特点，对图像进行平滑操作，减少后期计算量，帮助细胞核和细胞质的分割打下很好的基础。

3.根据权利要求1所述的一种重叠宫颈细胞分割方法，其特征在于所述改进局部自适应阈值分割方法对细胞图像细节具有很好的分割效果，考虑了噪声的影响，能够产生连续的闭合区域轮廓，适应性较强，减少模糊区域，可以明显降低块状效应的影响，同时细胞核轮廓也充分的得以保留。

4.根据权利要求1所述的一种重叠宫颈细胞分割方法，其特征在于所述重叠细胞图像分割优于直接对梯度图像进行分水岭分割，大大减少图像的处理范围，不易造成过分割，减少后期合并的复杂度，易于相似性合并准则的制定，形成更加准确的图像分割结果。