CN110956612A - 一种细胞快速计数方法、计算机设备及可读存储介质 - Google Patents
一种细胞快速计数方法、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN110956612A CN110956612A CN201911063168.6A CN201911063168A CN110956612A CN 110956612 A CN110956612 A CN 110956612A CN 201911063168 A CN201911063168 A CN 201911063168A CN 110956612 A CN110956612 A CN 110956612A
- Authority
- CN
- China
- Prior art keywords
- image
- bright field
- cell
- field microscopic
- microscopic cell
- 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
Links
Images
Classifications
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种细胞快速计数方法,包括步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作;步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。本发明优点在于:通过本发明的技术方案,可大大提高明场显微细胞图像中细胞计数的效率和准确率,且通过实验证明,本发明的细胞计数准确率高达94%以上,这对于生物学研究和临床阶段的一些科研工作意义重大。
Description
技术领域
本发明涉及细胞处理领域,主要适用于细胞培养过程中明场细胞数目的检测,特别涉及一种细胞快速计数方法、计算机设备及可读存储介质。
背景技术
细胞计数技术与生物学研究及临床医学工作密切相关,一方面通过计算某些细胞的数量可以评估疾病病情,另一方面特定细胞数量的增减变化也是临床治疗过程中药物筛选的评判指标。目前,细胞计数技术虽然已得到广泛的应用,但是,计数效率和准确率却亟待进一步提升。
现有的细胞计数方法主要存在如下缺陷:传统的显微镜下人工手动计算细胞的方法,不仅效率低,劳动强度大,而且由于人为主观因素容易导致较大的误差;对于目前广泛用于研究和临床阶段的细胞计数的流式细胞仪,在细胞样本进入仪器前,仍需大量的人工处理工作,且细胞样本的空间位置也会发生改变,整体的细胞计数效率受到限制。因此,亟需研发一种提高细胞计数的效率及准确率的技术方案。
发明内容
本发明要解决的技术问题,在于提供一种细胞快速计数方法、计算机设备及可读存储介质,解决传统细胞计数方法存在的效率和准确率低的问题。
本发明是这样实现的:一种细胞快速计数方法,所述方法包括如下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。
进一步地,所述步骤S21具体为:
使用公式(1)来实现将读入的明场显微细胞图像的灰度值分别映射到不同的范围内;使用的公式(1)如下:
进一步地,所述步骤S23具体为:
设置图像的增强阈值,将小于增强阈值的图像灰度值置为0,将大于等于增强阈值的图像灰度值保持不变,以进一步增强明场显微细胞图像中细胞与背景间隙的对比度,具体通过以下式(2)来实现:
在式(2)中,f(i,j)表示滤波处理后的图像灰度值,T表示设置的图像增强阈值。
进一步地,所述步骤S24具体为:
采用最大类间方差法将明场显微细胞图像分为前景和背景,通过循环计算明场显微细胞图像中前景和背景的类间方差,再将求得的类间方差一一进行比较,以获得最大类间方差,该最大类间方差所对应的阈值即为图像二值化的最佳分割阈值;其中,类间方差根据式(3)来计算:
μ=ω0·μ0+ω1·μ1
g1=ω0ω1(μ0-μ1)2
在式(3)中,明场显微细胞图像的大小为M×N,N0表示图像中灰度值小于某个阈值的像素个数,N1表示灰度值大于某个阈值的像素个数;μ0表示前景像素点的平均灰度,μ1表示背景像素点的平均灰度;ω0表示前景像素数量占整幅图像的比例,ω1表示背景像素数量占整幅图像的比例,g1表示图像前景和背景的类间方差;
在获得图像二值化的最佳分割阈值后,通过式(4)来实现将明场显微细胞图像中小于最佳分割阈值的图像灰度值置为0,将大于等于最佳分割阈值的图像灰度值置为255;其中,式(4)如下:
在式(4)中,I(x,y)表示图像的灰度值,T1表示图像二值化的阈值。
进一步地,所述步骤S26具体为:使用公式(5)来对二值化图像进行孔洞填充处理,公式(5)如下:
Xk=(Xk-1⊕A)∩BC k=1,2,3... (5)
在式(5)中,A表示一个四连通的结构元素,BC表示待填充图像B的补集,⊕表示膨胀运算,∩表示交集运算,Xk表示迭代的膨胀处理后得到的图像;
孔洞填充处理具体步骤如下:
步骤S261、确定二值化图像的像素点[0,0]作为初始种子点;
步骤S262、以初始种子点为起点,采用形态学膨胀算法对背景进行填充;
步骤S263、在背景填充结束后,对得到的二值化图像取反以获得新的二值化图像;
步骤S264、将获得的新的二值化图像与原始二值化图像相加,从而实现对二值化图像中孔洞的填充。
进一步地,所述步骤S27具体为:
采用分水岭分割算法切割二值化图像中粘连的细胞,切割过程如下:先对二值化图像中各个像素的灰度级按照从低到高的顺序进行排序;然后再按照从低到高的顺序实现淹没过程,对每一个局部极小在h阶高度的影响域采用先进先出结构进行判断及标注,从而实现粘连细胞的分割。
进一步地,所述步骤S28具体为:
设置连通域的面积去除阈值,利用bewareaopen函数将二值化图像中小于面积去除阈值的连通域像素值置为0,将大于等于面积去除阈值的连通域像素值保留为255,最后返回二值化图像。通过调整合适的连通域面积去除阈值,细胞间隙中的离散噪声都被滤除,使细胞轮廓及其与细胞间隙的区分更加明显。
进一步地,所述步骤S3具体为:通过返回一个与输入的明场显微细胞图像大小相同的标记矩阵和一个总连通域的计数标签值,从而实现细胞的快速计数,具体计数步骤如下:
步骤S31、遍历预处理后的明场显微细胞图像,当遇到前景图像时,先判断该前景图像是否已被标记,若已被标记,则继续遍历明场显微细胞图像;若未被标记,则将前景图像中的任一像素点p(i,j)的坐标值保存到队列中,并在标记矩阵的对应位置对该像素点p(i,j)进行标记;
步骤S32、对入列的像素点p(i,j)的八个邻域进行搜索,且当在八个邻域中搜索到未标记的像素点时,则将对应的像素点存入队列中,并在标记矩阵的对应位置标记像素点;
步骤S33、当搜索完像素点p(i,j)的八个邻域后,使像素点p(i,j)出列;同时,判断队列中是否具有下一个像素点,且如果是,则返回步骤S32继续对下一个像素点进行八邻域搜索和标记;如果否,则进入步骤S34;
步骤S34、当标记完一个连通域后,将计数标签值加1,并清空队列;同时,判断是否已遍历完明场显微细胞图像,如果是,则进入步骤S35;如果否,则返回步骤S31继续遍历明场显微细胞图像;
步骤S35、返回标记矩阵和计数标签值,结束计数流程。
本发明是这样实现的:一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。
本发明是这样实现的:一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。
本发明具有如下优点:通过本发明的技术方案,可大大提高明场显微细胞图像中细胞计数的效率和准确率,且通过实验证明,本发明的细胞计数准确率高达94%以上,这对于生物学研究和临床阶段的一些科研工作意义重大。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明一种细胞快速计数方法的执行流程图。
图2为本发明中采集的明场显微细胞图像的示意图。
图3为本发明中经过对比度增强处理后的图像。
图4为本发明中经过滤波处理去除噪声后的图像。
图5为本发明中经过二值化处理后得到的二值化图像。
图6为本发明中经过颜色反转处理后的图像。
图7为本发明中经过孔洞填充处理后的图像。
图8为本发明中经过细胞切割和去除离散噪声处理后的图像。
图9为本发明中细胞计数效果图像。
具体实施方式
请参阅图1至图9所示,本发明一种细胞快速计数方法的较佳实施例,所述方法包括如下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;其中,所述图像处理工具为Matlab图像处理工具;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。
在所述步骤S21中,进行对比度增强处理的目的是:通过抑制细胞间隙的灰度值,将集中在原图像中某个区域的灰度值重新分布来突出细胞形态,以使细胞轮廓更为清晰;对比度增强的方法为:通过相应的算法分别将原图像中的灰度值映射到不同的范围内。
所述步骤S21具体为:
使用公式(1)来实现将读入的明场显微细胞图像的灰度值分别映射到不同的范围内,即将原图像(0,f(a))范围内的灰度映射到(0,g(b))范围内;将原图像中目标区域(f(a),f(b))范围(即感兴趣范围)内的灰度映射到(g(a),g(b))范围内;将原图像(f(b),255)范围内的灰度映射到(g(b),255)范围内,以最终达到增强明场显微细胞图像对比度的目的;使用的公式(1)如下:
在公式(1)中,f(i,j)表示原图像的灰度值;g(i,j)表示处理后图像的灰度值;α、β和γ分别表示映射系数,明场显微细胞图像大小为m×n。为了方便更直观的看出整个预处理的效果,本发明具体实施例还提供了实际处理过程中的一些具体处理的效果图;在本发明具体实施例中,读入的明场显微细胞图像如图2所示,经过对比度增强处理后的图像如图3所示。
在本发明的所述步骤S22中,滤波处理具体采用的是中值滤波处理,中值滤波处理是根据某一点像素邻域内灰度值大小的排序结果,选取该邻域中各点灰度值的中值代替周围像素的灰度值,实现图像噪声的滤除。具体的操作过程如下:用一个奇数点的窗口在待处理的图像上进行移动,然后将窗口对应像素的灰度值用窗口内各点的中值代替。假设窗口内有9个点,其值为1,2,3,4,5,6,7,8和9,那么此窗口内各点的中值即为5,也就是用5来代替中心点的像素值。本发明采用3×3的正方形窗口对图像进行处理,滤除图像中孤立的噪声点。通过中值滤波处理后,在去除图像噪声的同时,很好地保护了图像边缘的细节信息,即保留细胞轮廓。在本发明具体实施例中,经过滤波处理去除噪声后的图像如图4所示。
所述步骤S23具体为:
设置图像的增强阈值,将小于增强阈值的图像灰度值置为0,将大于等于增强阈值的图像灰度值保持不变,以进一步增强明场显微细胞图像中细胞与背景间隙的对比度,具体通过以下式(2)来实现:
在式(2)中,f(i,j)表示滤波处理后的图像灰度值,T表示设置的图像增强阈值。通过设置增强阈值来对明场显微细胞图像进行增强处理后,可更加直观地将细胞与细胞间隙区分开来。
所述步骤S24具体为:
采用最大类间方差法将明场显微细胞图像分为前景和背景,通过循环计算明场显微细胞图像中前景和背景的类间方差,再将求得的类间方差一一进行比较,以获得最大类间方差,该最大类间方差所对应的阈值即为图像二值化的最佳分割阈值,即本发明是通过最大类间方差法来实现自适应确定明场显微细胞图像的最佳分割阈值;其中,类间方差根据式(3)来计算:
μ=ω0·μ0+ω1·μ1
g1=ω0ω1(μ0-μ1)2
在式(3)中,明场显微细胞图像的大小为M×N,N0表示图像中灰度值小于某个阈值的像素个数,N1表示灰度值大于某个阈值的像素个数;μ0表示前景像素点的平均灰度,μ1表示背景像素点的平均灰度;ω0表示前景像素数量占整幅图像的比例,ω1表示背景像素数量占整幅图像的比例,g1表示图像前景和背景的类间方差;
在获得图像二值化的最佳分割阈值后,通过式(4)来实现将明场显微细胞图像中小于最佳分割阈值的图像灰度值置为0,将大于等于最佳分割阈值的图像灰度值置为255,以使整个明场显微细胞图像只呈现出黑和白的效果,从而获得二值化图像;其中,式(4)如下:
在式(4)中,I(x,y)表示图像的灰度值,T1表示图像二值化的阈值。在本发明具体实施例中,经过二值化处理后得到的二值化图像如图5所示。
图像二值化处理的关键是分割阈值的选取,为使明场显微细胞图像二值化取得较好的效果,本发明采用最大类间方差法来选取出最佳的分割阈值。
在本发明的所述步骤S25中,二值化图像的颜色反转原理是:将图像中的黑色和白色互换,其本质为使用图像的最大灰度值255减去原始像素值,以达到反转颜色的目的。在本步骤S25中,使用灰度值255减去图像I原始像素值,再将得到的值重新赋给另一个变量I1,最后将变量I1显示,这样就实现了图像颜色的反转,经颜色反转处理后,即得到细胞呈现为白色、其余的都呈现为黑色背景的二值化图像。在本发明具体实施例中,经过颜色反转处理后的图像如图6所示。
二值化图像的孔洞填充处理是基于图像形态学操作的基本操作,所述步骤S26具体为:使用公式(5)来对二值化图像进行孔洞填充处理,公式(5)如下:
Xk=(Xk-1⊕A)∩BC k=1,2,3... (5)
在式(5)中,A表示一个四连通的结构元素,BC表示待填充图像B的补集,⊕表示膨胀运算,∩表示交集运算,Xk表示迭代的膨胀处理后得到的图像;
孔洞填充处理具体步骤如下:
步骤S261、确定二值化图像的像素点[0,0]作为初始种子点;
步骤S262、以初始种子点为起点,采用形态学膨胀算法对背景进行填充,在本发明中,采用的是四连通结构元来进行膨胀运算处理;
步骤S263、在背景填充结束后,对得到的二值化图像取反以获得新的二值化图像,该新的二值化图像为孔洞的点集;
步骤S264、将获得的新的二值化图像与原始二值化图像相加,从而实现对二值化图像中孔洞的填充。在本发明具体实施例中,经过孔洞填充处理后的图像如图7所示。
所述步骤S27具体为:
采用分水岭分割算法切割二值化图像中粘连的细胞,在分水岭分割算法中,分水岭计算分为两个过程,一个是排序过程,一个是淹没过程;
具体切割过程如下:先对二值化图像中各个像素的灰度级按照从低到高的顺序进行排序;然后再按照从低到高的顺序实现淹没过程,对每一个局部极小在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注,从而实现粘连细胞的分割。
所述步骤S28具体为:
设置连通域的面积去除阈值,利用bewareaopen函数将二值化图像中小于面积去除阈值的连通域像素值置为0(即将小于面积去除阈值的对象删除),将大于等于面积去除阈值的连通域像素值保留为255,最后返回二值化图像。在本发明步骤S28中,通过调整合适的参数值(即面积去除阈值),细胞间隙中的离散噪声都将被滤除,细胞轮廓以及细胞轮廓与细胞间隙的区分会更加明显,从而可提高细胞计数的准确率。在本发明具体实施例中,经过细胞切割和去除离散噪声处理后的图像如图8所示。
所述步骤S3具体为:通过返回一个与输入的明场显微细胞图像大小相同的标记矩阵和一个总连通域的计数标签值,从而实现细胞的快速计数,具体计数步骤如下:
步骤S31、遍历预处理后的明场显微细胞图像,当遇到前景图像时,先判断该前景图像是否已被标记,若已被标记,则继续遍历明场显微细胞图像;若未被标记,则将前景图像中的任一像素点p(i,j)的坐标值保存到一队列中,并在标记矩阵的对应位置对该像素点p(i,j)进行标记;
步骤S32、对入列的像素点p(i,j)的八个邻域进行搜索,且当在八个邻域中搜索到未标记的像素点时,则将对应的像素点存入队列中,并在标记矩阵的对应位置标记像素点;例如,在进行八邻域搜索的过程中,搜索到像素点p(i+1,j)未被标记,此时,就将该像素点p(i+1,j)存入队列中,并在标记矩阵的对应位置标记像素点p(i+1,j);同理,若还搜索到像素点p(i,j+1)也为被标记,此时也将像素点p(i,j+1)存入队列中,并在标记矩阵的对应位置标记像素点p(i,j+1);
步骤S33、当搜索完像素点p(i,j)的八个邻域后,使像素点p(i,j)出列;同时,判断队列中是否具有下一个像素点,且如果是,则返回步骤S32继续对下一个像素点进行八邻域搜索和标记;如果否,则进入步骤S34;例如,第二个进入队列的是像素点p(i+1,j),那么,当像素点p(i,j)出队列后,队列的头就变成像素点p(i+1,j),此时就返回步骤S32继续对像素点p(i+1,j)的八邻域进行搜索和标记;
步骤S34、当标记完一个连通域后,将计数标签值加1,并清空队列;同时,判断是否已遍历完明场显微细胞图像,如果是,则进入步骤S35;如果否,则返回步骤S31继续遍历明场显微细胞图像,以继续标记新的连通域;
步骤S35、返回标记矩阵和计数标签值,结束计数流程。在本发明具体实施例中,细胞计数的效果图如图9所示。
与本发明所述方法对应的,本发明还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。具体实现的详细内容请参照所述的细胞快速计数方法。
其中,存储器的数量可以是一个或者多个,所述处理器的数量也可以是一个或者多个。所述存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
与本发明所述方法对应的,本发明还提供一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。具体实现的详细内容请参照所述的细胞快速计数方法。
其中,可读存储介质可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
本发明优点在于:本发明结合数字图像处理技术,利用计算机实现对明场显微细胞图像中的细胞进行快速准确计数。本发明在计算细胞之前,对图像进行了一系列的预处理操作,如通过对比度增强处理来增强细胞和细胞间隙的对比度;利用最大类间方差法自适应地选取合适的分割阈值将图像二值化;通过中值滤波处理滤除图像的噪声,平滑图像,有效的保护图像的边缘细节信息;通过设定阈值来删除对象的面积大小,有效去除细胞间隙中孤立的噪声。在细胞计数方面,通过对图像连通域的遍历及标记,从而成功地计算出图像中的细胞数目。因此,通过本发明的技术方案,可大大提高明场显微细胞图像中细胞计数的效率和准确率,且通过实验证明,本发明的细胞计数准确率高达94%以上,这对于生物学研究和临床阶段的一些科研工作意义重大。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (10)
1.一种细胞快速计数方法,其特征在于:所述方法包括如下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。
4.根据权利要求1所述的一种细胞快速计数方法,其特征在于:所述步骤S24具体为:
采用最大类间方差法将明场显微细胞图像分为前景和背景,通过循环计算明场显微细胞图像中前景和背景的类间方差,再将求得的类间方差一一进行比较,以获得最大类间方差,该最大类间方差所对应的阈值即为图像二值化的最佳分割阈值;其中,类间方差根据式(3)来计算:
在式(3)中,明场显微细胞图像的大小为M×N,N0表示图像中灰度值小于某个阈值的像素个数,N1表示灰度值大于某个阈值的像素个数;μ0表示前景像素点的平均灰度,μ1表示背景像素点的平均灰度;ω0表示前景像素数量占整幅图像的比例,ω1表示背景像素数量占整幅图像的比例,g1表示图像前景和背景的类间方差;
在获得图像二值化的最佳分割阈值后,通过式(4)来实现将明场显微细胞图像中小于最佳分割阈值的图像灰度值置为0,将大于等于最佳分割阈值的图像灰度值置为255;其中,式(4)如下:
在式(4)中,I(x,y)表示图像的灰度值,T1表示图像二值化的阈值。
5.根据权利要求1所述的一种细胞快速计数方法,其特征在于:所述步骤S26具体为:使用公式(5)来对二值化图像进行孔洞填充处理,公式(5)如下:
在式(5)中,A表示一个四连通的结构元素,BC表示待填充图像B的补集,⊕表示膨胀运算,∩表示交集运算,Xk表示迭代的膨胀处理后得到的图像;
孔洞填充处理具体步骤如下:
步骤S261、确定二值化图像的像素点[0,0]作为初始种子点;
步骤S262、以初始种子点为起点,采用形态学膨胀算法对背景进行填充;
步骤S263、在背景填充结束后,对得到的二值化图像取反以获得新的二值化图像;
步骤S264、将获得的新的二值化图像与原始二值化图像相加,从而实现对二值化图像中孔洞的填充。
6.根据权利要求1所述的一种细胞快速计数方法,其特征在于:所述步骤S27具体为:
采用分水岭分割算法切割二值化图像中粘连的细胞,切割过程如下:先对二值化图像中各个像素的灰度级按照从低到高的顺序进行排序;然后再按照从低到高的顺序实现淹没过程,对每一个局部极小在h阶高度的影响域采用先进先出结构进行判断及标注,从而实现粘连细胞的分割。
7.根据权利要求1所述的一种细胞快速计数方法,其特征在于:所述步骤S28具体为:
设置连通域的面积去除阈值,利用bewareaopen函数将二值化图像中小于面积去除阈值的连通域像素值置为0,将大于等于面积去除阈值的连通域像素值保留为255,最后返回二值化图像。
8.根据权利要求1所述的一种细胞快速计数方法,其特征在于:所述步骤S3具体为:通过返回一个与输入的明场显微细胞图像大小相同的标记矩阵和一个总连通域的计数标签值,从而实现细胞的快速计数,具体计数步骤如下:
步骤S31、遍历预处理后的明场显微细胞图像,当遇到前景图像时,先判断该前景图像是否已被标记,若已被标记,则继续遍历明场显微细胞图像;若未被标记,则将前景图像中的任一像素点p(i,j)的坐标值保存到一队列中,并在标记矩阵的对应位置对该像素点p(i,j)进行标记;
步骤S32、对入列的像素点p(i,j)的八个邻域进行搜索,且当在八个邻域中搜索到未标记的像素点时,则将对应的像素点存入队列中,并在标记矩阵的对应位置标记像素点;
步骤S33、当搜索完像素点p(i,j)的八个邻域后,使像素点p(i,j)出列;同时,判断队列中是否具有下一个像素点,且如果是,则返回步骤S32继续对下一个像素点进行八邻域搜索和标记;如果否,则进入步骤S34;
步骤S34、当标记完一个连通域后,将计数标签值加1,并清空队列;同时,判断是否已遍历完明场显微细胞图像,如果是,则进入步骤S35;如果否,则返回步骤S31继续遍历明场显微细胞图像;
步骤S35、返回标记矩阵和计数标签值,结束计数流程。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现以下步骤:
步骤S1、将细胞培养过程中采集到的明场显微细胞图像读入到图像处理工具中;
步骤S2、通过计算机图像处理算法对读入的明场显微细胞图像进行图像预处理操作,所述图像预处理操作包括:
步骤S21、对读入的明场显微细胞图像进行对比度增强处理;
步骤S22、对明场显微细胞图像进行滤波处理,以去除明场显微细胞图像中的噪声;
步骤S23、设置阈值来进一步增强明场显微细胞图像中细胞与背景间隙的对比度;
步骤S24、对明场显微细胞图像进行图像二值化处理,得到二值化图像;
步骤S25、对得到的二值化图像进行颜色反转处理;
步骤S26、对二值化图像进行孔洞填充处理;
步骤S27、对二值化图像中粘连的细胞进行切割处理;
步骤S28、去除二值化图像中的离散噪声;
步骤S3、计算经图像预处理操作后的明场显微细胞图像中的细胞数目。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911063168.6A CN110956612B (zh) | 2019-10-31 | 2019-10-31 | 一种细胞快速计数方法、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911063168.6A CN110956612B (zh) | 2019-10-31 | 2019-10-31 | 一种细胞快速计数方法、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110956612A true CN110956612A (zh) | 2020-04-03 |
CN110956612B CN110956612B (zh) | 2023-03-31 |
Family
ID=69976008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911063168.6A Active CN110956612B (zh) | 2019-10-31 | 2019-10-31 | 一种细胞快速计数方法、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956612B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583186A (zh) * | 2020-04-14 | 2020-08-25 | 山东省千佛山医院 | 面向临床应用的病理er/pr细胞核计数方法及系统 |
CN111583227A (zh) * | 2020-05-08 | 2020-08-25 | 华侨大学 | 一种荧光细胞自动计数方法、装置、设备和介质 |
CN112161910A (zh) * | 2020-09-19 | 2021-01-01 | 湖南伊鸿健康科技有限公司 | 一种血细胞计数方法 |
CN112184696A (zh) * | 2020-10-14 | 2021-01-05 | 中国科学院近代物理研究所 | 一种细胞核和细胞器计数及其面积计算方法与系统 |
CN112651368A (zh) * | 2020-12-30 | 2021-04-13 | 宁波江丰生物信息技术有限公司 | 一种用于大尺寸细胞显微图像的dna倍体分析方法 |
CN115715994A (zh) * | 2022-11-18 | 2023-02-28 | 深圳大学 | 一种图像激发超微注射方法、系统及设备 |
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 |
CN116703927A (zh) * | 2023-08-08 | 2023-09-05 | 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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010024859B3 (de) * | 2010-06-24 | 2011-12-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zur Segmentierung von biologischen Zellen in einer Aufnahme |
CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
CN106875413A (zh) * | 2017-02-13 | 2017-06-20 | 华东师范大学 | 一种基于高光谱成像的粘连红细胞自动计数方法 |
CN107644210A (zh) * | 2017-09-22 | 2018-01-30 | 哈尔滨工业大学(威海) | 基于图像处理的微生物数量估算方法 |
CN108388853A (zh) * | 2018-02-09 | 2018-08-10 | 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步重建与计数方法 |
-
2019
- 2019-10-31 CN CN201911063168.6A patent/CN110956612B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102010024859B3 (de) * | 2010-06-24 | 2011-12-22 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Verfahren und Vorrichtung zur Segmentierung von biologischen Zellen in einer Aufnahme |
CN106056118A (zh) * | 2016-06-12 | 2016-10-26 | 合肥工业大学 | 一种用于细胞的识别计数方法 |
CN106875413A (zh) * | 2017-02-13 | 2017-06-20 | 华东师范大学 | 一种基于高光谱成像的粘连红细胞自动计数方法 |
CN107644210A (zh) * | 2017-09-22 | 2018-01-30 | 哈尔滨工业大学(威海) | 基于图像处理的微生物数量估算方法 |
CN108388853A (zh) * | 2018-02-09 | 2018-08-10 | 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步重建与计数方法 |
Non-Patent Citations (1)
Title |
---|
王鑫;胡洋洋;杨慧中;: "基于迭代腐蚀的粘连细胞图像分割研究" * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111583186A (zh) * | 2020-04-14 | 2020-08-25 | 山东省千佛山医院 | 面向临床应用的病理er/pr细胞核计数方法及系统 |
CN111583227A (zh) * | 2020-05-08 | 2020-08-25 | 华侨大学 | 一种荧光细胞自动计数方法、装置、设备和介质 |
CN111583227B (zh) * | 2020-05-08 | 2023-03-24 | 华侨大学 | 一种荧光细胞自动计数方法、装置、设备和介质 |
CN112161910A (zh) * | 2020-09-19 | 2021-01-01 | 湖南伊鸿健康科技有限公司 | 一种血细胞计数方法 |
CN112184696A (zh) * | 2020-10-14 | 2021-01-05 | 中国科学院近代物理研究所 | 一种细胞核和细胞器计数及其面积计算方法与系统 |
CN112184696B (zh) * | 2020-10-14 | 2023-12-29 | 中国科学院近代物理研究所 | 一种细胞核和细胞器计数及其面积计算方法与系统 |
CN112651368A (zh) * | 2020-12-30 | 2021-04-13 | 宁波江丰生物信息技术有限公司 | 一种用于大尺寸细胞显微图像的dna倍体分析方法 |
CN115715994A (zh) * | 2022-11-18 | 2023-02-28 | 深圳大学 | 一种图像激发超微注射方法、系统及设备 |
CN115715994B (zh) * | 2022-11-18 | 2023-11-21 | 深圳大学 | 一种图像激发超微注射方法、系统及设备 |
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 |
CN116703927A (zh) * | 2023-08-08 | 2023-09-05 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN110956612B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110956612B (zh) | 一种细胞快速计数方法、计算机设备及可读存储介质 | |
CN111583227B (zh) | 一种荧光细胞自动计数方法、装置、设备和介质 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN112614062B (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN108711158B (zh) | 基于轮廓拟合和径向分割的指针式仪表图像识别方法 | |
EP2053535B1 (en) | Automated detection of cell colonies and coverslip detection using hough transforms | |
KR101655000B1 (ko) | 히스테리시스 임계화를 사용한 에지 추적 | |
CN112037185B (zh) | 染色体分裂相图像筛选方法、装置及终端设备 | |
CN115131351B (zh) | 基于红外图像的机油散热器检测方法 | |
WO2020037573A1 (zh) | 检测图像上的亮斑的方法、装置和计算机程序产品 | |
CN111444964A (zh) | 一种基于自适应roi划分的多目标快速图像匹配方法 | |
CN113395415A (zh) | 基于降噪技术的相机数据处理方法及系统 | |
CN110276759B (zh) | 一种基于机器视觉的手机屏坏线缺陷诊断方法 | |
CN115393375A (zh) | 荧光显微成像中明场细胞图像分割方法和装置 | |
CN107369149B (zh) | 目标物体的检测装置及方法 | |
CN106570872A (zh) | 一种岩心孔隙图像分割方法及装置 | |
CN110930423B (zh) | 一种物体边缘特征识别提取方法 | |
Ma et al. | A counting and segmentation method of blood cell image with logical and morphological feature of cell | |
WO2019181072A1 (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
CN110910403A (zh) | 一种基于图像处理的工业大麻种子计数方法 | |
CN116109652A (zh) | 基于改进区域生长算法的图像分割方法、系统、设备 | |
Shao et al. | An adaptive image contrast enhancement algorithm based on retinex | |
CN111630558B (zh) | 一种图像处理、匹配方法、装置及存储介质 | |
CN112150488A (zh) | 纤维直径测量方法、装置、电子设备及存储介质 | |
Pertusa et al. | Main steps in image processing and quantification: the analysis workflow |
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 |