CN112819795A - 基于多色荧光图片的细胞数量和面积的统计方法 - Google Patents
基于多色荧光图片的细胞数量和面积的统计方法 Download PDFInfo
- Publication number
- CN112819795A CN112819795A CN202110158360.4A CN202110158360A CN112819795A CN 112819795 A CN112819795 A CN 112819795A CN 202110158360 A CN202110158360 A CN 202110158360A CN 112819795 A CN112819795 A CN 112819795A
- Authority
- CN
- China
- Prior art keywords
- cell
- picture
- current
- counting
- area
- 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
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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General 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)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于多色荧光图片的细胞数量和面积的统计方法,其特征在于,包括以下步骤:获得多色荧光图片;对分离得到三张图片分别进行处理,获得单张图片的细胞数量和细胞面积;统计由当前多色荧光图片分离得到的三张图片的细胞数量和细胞面积,对所有细胞面积按照大小进行隔断统计,从而将三张图片的细胞数量和细胞面积合并后获得当前多色荧光图片的细胞数量和细胞面积。本发明提供的一种荧光细胞计数方法能够批量且准确地对荧光图片中的细胞数量和大小进行分析,从而解决了现有免疫荧光、TUNEL、EdU等多色荧光染色细胞计数方法存在计数、面积统计效率和准确率较低,操作繁琐等问题。
Description
技术领域
本发明涉及一种统计多色荧光图片中细胞数量和面积的方法。
背景技术
为了统计多色荧光图片中细胞数量和面积,现有的方法是通过ImageJ等图像处理软件,将多色荧光图片的三原色图片逐张导入软件后,通过设置颜色阈值来统计多色荧光图片中细胞的数量和面积。现有的方法无法直接计算细胞绝对大小,无法批量高效分析大量荧光图片数据。
发明内容
本发明要解决的技术问题是:现有的统计多色荧光图片中细胞数量和面积的方法无法直接计算细胞绝对大小,无法批量高效准确地分析大量荧光图片数据。
为了解决上述技术问题,本发明的技术方案是提供了一种基于多色荧光图片的细胞数量和面积的统计方法,其特征在于,包括以下步骤:
步骤1、获得多色荧光图片,将多色荧光图片按照三原色分离为三张不同的图片;
步骤2、对分离得到三张图片分别进行处理,获得单张图片的细胞数量和细胞面积,其中,采用以下步骤获得单张图片的细胞数量和细胞面积:
步骤201、调节用于过滤背景的颜色值的下限,以去除图片的背景和噪音,获得与图片大小相同的细胞蒙板;
步骤202、去除图片中未被细胞蒙板遮盖的部分,获得细胞蒙板图片;
步骤203、将细胞蒙板图片转换为灰度图片后,通过高斯滤波模糊灰度图片边缘;
步骤204、对经过步骤203处理得到的灰度图片进行侵蚀扩张处理后,通过边缘跟踪算法,检测细胞外轮廓,获得灰度图片中存在的N个细胞外轮廓,N≥1;
步骤205、对于每个细胞外轮廓,获得组成当前细胞外轮廓的所有像素点,分别判断每个像素点的梯度是否是周围具有相同梯度方向的像素点中最大的,若是,则保留当前像素点,否则剔除当前像素点;
步骤206、经过步骤205处理后,若组成当前细胞外轮廓的像素点的个数小于设定的阈值,则将当前细胞外轮廓剔除,从而从N个细胞外轮廓中过滤得到M个细胞外轮廓,1≤M≤N
步骤206、基于步骤204筛选得到的M个细胞外轮廓进一步利用凸包函数获得准确的围绕整个细胞形成轮廓的各像素点,获得准确的M个细胞的外轮廓;
步骤207、统计步骤206获得的外轮廓的数量,从而得到细胞数量;统计被每个外轮廓所围的像素点的总个数,利用被当前外轮廓所围的像素点的总个数结合预设的图片大小计算得到当前外轮廓所对应细胞的细胞面积,由此获得所有的细胞面积;
步骤3、统计由当前多色荧光图片分离得到的三张图片的细胞数量和细胞面积,对所有细胞面积按照大小进行隔断统计,从而将三张图片的细胞数量和细胞面积合并后获得当前多色荧光图片的细胞数量和细胞面积。
优选地,步骤201中,通过滑动框调节过滤背景的颜色值的下限。
优选地,步骤202中,通过图片的非门算法,将细胞蒙板与图片做非运算去除图片中未被细胞蒙板遮盖的部分。
本发明提供的一种荧光细胞计数方法能够批量且准确地对荧光图片中的细胞数量和大小进行分析,从而解决了现有免疫荧光、TUNEL、EdU等多色荧光染色细胞计数方法存在计数、面积统计效率和准确率较低,操作繁琐等问题。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明提供了一种基于多色荧光图片的细胞数量和面积的统计方法,包括以下步骤:
步骤1、获得多色荧光图片,将多色荧光图片按照三原色(蓝色、绿色、红色)分离为三张不同的图片;
步骤2、对分离得到三张图片分别进行处理,获得单张图片的细胞数量和细胞面积,其中,采用以下步骤获得单张图片的细胞数量和细胞面积:
步骤201、通过滑动框调节用于过滤背景的颜色值的下限,以去除图片的背景和噪音,获得与图片大小相同的细胞蒙板;
步骤202、通过图片的非门算法,将细胞蒙板与图片做非运算去除图片中未被细胞蒙板遮盖的部分,获得细胞蒙板图片;
步骤203、将细胞蒙板图片转换为灰度图片后,通过高斯滤波模糊灰度图片边缘;
步骤204、对经过步骤203处理得到的灰度图片进行侵蚀扩张处理后,通过边缘跟踪算法,检测细胞外轮廓,获得灰度图片中存在的N个细胞外轮廓,N≥1;
步骤205、对于每个细胞外轮廓,获得组成当前细胞外轮廓的所有像素点,分别判断每个像素点的梯度是否是周围具有相同梯度方向的像素点中最大的,若是,则保留当前像素点,否则剔除当前像素点;
步骤206、经过步骤205处理后,若组成当前细胞外轮廓的像素点的个数小于50个,则将当前细胞外轮廓剔除,从而从N个细胞外轮廓中过滤得到M个细胞外轮廓,1≤M≤N
步骤206、基于步骤204筛选得到的M个细胞外轮廓进一步利用凸包函数获得准确的围绕整个细胞形成轮廓的各像素点,获得准确的M个细胞的外轮廓;
步骤207、统计步骤206获得的外轮廓的数量,从而得到细胞数量;统计被每个外轮廓所围的像素点的总个数,利用被当前外轮廓所围的像素点的总个数结合预设的图片大小计算得到当前外轮廓所对应细胞的细胞面积,由此获得所有的细胞面积;
步骤3、统计由当前多色荧光图片分离得到的三张图片的细胞数量和细胞面积,可根据实验设计,计算阳性细胞比例以及细胞大小分布。
本发明通过将荧光图像的特定颜色提取后,转换为灰度图像,手动调节阈值排除噪点(提高数据精确度),自动识别矫正后图像中的细胞,再基于细胞形状产生蒙板,通过对蒙板大小和数量的统计得出荧光细胞的数量和面积,减少了计数步骤,提高仅依赖灰度值进行的细胞识别,从而提高了细胞计数、面积统计的效率和准确率,且操作简便。
Claims (3)
1.一种基于多色荧光图片的细胞数量和面积的统计方法,其特征在于,包括以下步骤:
步骤1、获得多色荧光图片,将多色荧光图片按照三原色分离为三张不同的图片;
步骤2、对分离得到三张图片分别进行处理,获得单张图片的细胞数量和细胞面积,其中,采用以下步骤获得单张图片的细胞数量和细胞面积:
步骤201、调节用于过滤背景的颜色值的下限,以去除图片的背景和噪音,获得与图片大小相同的细胞蒙板;
步骤202、去除图片中未被细胞蒙板遮盖的部分,获得细胞蒙板图片;
步骤203、将细胞蒙板图片转换为灰度图片后,通过高斯滤波模糊灰度图片边缘;
步骤204、对经过步骤203处理得到的灰度图片进行侵蚀扩张处理后,通过边缘跟踪算法,检测细胞外轮廓,获得灰度图片中存在的N个细胞外轮廓,N≥1;
步骤205、对于每个细胞外轮廓,获得组成当前细胞外轮廓的所有像素点,分别判断每个像素点的梯度是否是周围具有相同梯度方向的像素点中最大的,若是,则保留当前像素点,否则剔除当前像素点;
步骤206、经过步骤205处理后,若组成当前细胞外轮廓的像素点的个数小于设定的阈值,则将当前细胞外轮廓剔除,从而从N个细胞外轮廓中过滤得到M个细胞外轮廓,1≤M≤N
步骤206、基于步骤204筛选得到的M个细胞外轮廓进一步利用凸包函数获得准确的围绕整个细胞形成轮廓的各像素点,获得准确的M个细胞的外轮廓;
步骤207、统计步骤206获得的外轮廓的数量,从而得到细胞数量;统计被每个外轮廓所围的像素点的总个数,利用被当前外轮廓所围的像素点的总个数结合预设的图片大小计算得到当前外轮廓所对应细胞的细胞面积,由此获得所有的细胞面积;
步骤3、统计由当前多色荧光图片分离得到的三张图片的细胞数量和细胞面积,对所有细胞面积按照大小进行隔断统计,从而将三张图片的细胞数量和细胞面积合并后获得当前多色荧光图片的细胞数量和细胞面积。
2.如权利要求1所述的一种基于多色荧光图片的细胞数量和面积的统计方法,其特征在于,步骤201中,通过滑动框调节过滤背景的颜色值的下限。
3.如权利要求1所述的一种基于多色荧光图片的细胞数量和面积的统计方法,其特征在于,步骤202中,通过图片的非门算法,将细胞蒙板与图片做非运算去除图片中未被细胞蒙板遮盖的部分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110158360.4A CN112819795B (zh) | 2021-02-05 | 2021-02-05 | 基于多色荧光图片的细胞数量和面积的统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110158360.4A CN112819795B (zh) | 2021-02-05 | 2021-02-05 | 基于多色荧光图片的细胞数量和面积的统计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112819795A true CN112819795A (zh) | 2021-05-18 |
CN112819795B CN112819795B (zh) | 2023-03-31 |
Family
ID=75861601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110158360.4A Active CN112819795B (zh) | 2021-02-05 | 2021-02-05 | 基于多色荧光图片的细胞数量和面积的统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112819795B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003241857A1 (en) * | 2002-05-30 | 2003-12-19 | Fuji Electric Holdings Co., Ltd. | Method of counting microorganisms or cells |
CN101036043A (zh) * | 2004-12-07 | 2007-09-12 | 艾菲克特细胞研究所股份有限公司 | 细胞计测方法 |
CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
CN104778442A (zh) * | 2015-02-11 | 2015-07-15 | 苏州大学 | 视网膜细胞荧光显微图像的自动分割和计数方法 |
CN105608694A (zh) * | 2015-12-22 | 2016-05-25 | 苏州大学 | 视网膜细胞显微图像分割与计数方法 |
CN106190945A (zh) * | 2015-05-05 | 2016-12-07 | 深圳华大基因研究院 | 自动识别稀有细胞的方法及系统 |
CN106296635A (zh) * | 2015-05-29 | 2017-01-04 | 厦门鹭佳生物科技有限公司 | 一种荧光原位杂交(fish)图像并行处理与分析方法 |
CN107356515A (zh) * | 2017-07-20 | 2017-11-17 | 上海睿钰生物科技有限公司 | 一种荧光图像的荧光强度确定方法和系统 |
CN108693098A (zh) * | 2017-04-05 | 2018-10-23 | 奥林巴斯软成像解决方案公司 | 细胞样本的细胞计数分析方法 |
CN110517273A (zh) * | 2019-08-29 | 2019-11-29 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 基于动态梯度阈值的细胞学图像分割方法 |
CN110706206A (zh) * | 2019-09-11 | 2020-01-17 | 深圳先进技术研究院 | 荧光细胞计数方法、装置、终端设备及存储介质 |
CN111275727A (zh) * | 2020-01-19 | 2020-06-12 | 北方工业大学 | 细胞分割方法、装置及计算机可读存储介质 |
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 |
-
2021
- 2021-02-05 CN CN202110158360.4A patent/CN112819795B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2003241857A1 (en) * | 2002-05-30 | 2003-12-19 | Fuji Electric Holdings Co., Ltd. | Method of counting microorganisms or cells |
CN101036043A (zh) * | 2004-12-07 | 2007-09-12 | 艾菲克特细胞研究所股份有限公司 | 细胞计测方法 |
CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
CN104778442A (zh) * | 2015-02-11 | 2015-07-15 | 苏州大学 | 视网膜细胞荧光显微图像的自动分割和计数方法 |
CN106190945A (zh) * | 2015-05-05 | 2016-12-07 | 深圳华大基因研究院 | 自动识别稀有细胞的方法及系统 |
CN106296635A (zh) * | 2015-05-29 | 2017-01-04 | 厦门鹭佳生物科技有限公司 | 一种荧光原位杂交(fish)图像并行处理与分析方法 |
CN105608694A (zh) * | 2015-12-22 | 2016-05-25 | 苏州大学 | 视网膜细胞显微图像分割与计数方法 |
CN108693098A (zh) * | 2017-04-05 | 2018-10-23 | 奥林巴斯软成像解决方案公司 | 细胞样本的细胞计数分析方法 |
CN107356515A (zh) * | 2017-07-20 | 2017-11-17 | 上海睿钰生物科技有限公司 | 一种荧光图像的荧光强度确定方法和系统 |
CN110517273A (zh) * | 2019-08-29 | 2019-11-29 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 基于动态梯度阈值的细胞学图像分割方法 |
CN110706206A (zh) * | 2019-09-11 | 2020-01-17 | 深圳先进技术研究院 | 荧光细胞计数方法、装置、终端设备及存储介质 |
CN111275727A (zh) * | 2020-01-19 | 2020-06-12 | 北方工业大学 | 细胞分割方法、装置及计算机可读存储介质 |
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 |
Non-Patent Citations (4)
Title |
---|
ALDEN A. DIMA ET AL: "Comparison of Segmentation Algorithms For Fluorescence Microscopy Images of Cells", 《CYTOMETRY》 * |
PRIYA CHOUDHRY: "High-Throughput Method for Automated Colony and Cell Counting by Digital Image Analysis Based on Edge Detection", 《PLOS ONE》 * |
卢韦华: "视网膜荧光显微细胞图像的自动分割和计数", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
赵欣欣: "生物组织显微图像中的细胞计数方法", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112819795B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400318B (zh) | 一种免疫组化病理图像cd4阳性细胞核分割方法及系统 | |
US8774503B2 (en) | Method for color feature extraction | |
CN110286126A (zh) | 一种基于视觉图像的晶圆表面缺陷分区域检测方法 | |
CN110322522B (zh) | 一种基于目标识别区域截取的车辆颜色识别方法 | |
CN110415255B (zh) | 一种免疫组化病理图像cd3阳性细胞核分割方法及系统 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN107729812B (zh) | 一种适用于监控场景中的车辆颜色识别的方法 | |
CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN110309806B (zh) | 一种基于视频图像处理的手势识别系统及其方法 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
WO2020248515A1 (zh) | 结合帧间差分与贝叶斯分类器的车辆行人检测识别方法 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN113963041A (zh) | 一种图像纹理识别方法及系统 | |
CN111429462A (zh) | 一种基于边缘检测和数学形态学的车牌定位方法 | |
CN114418899A (zh) | 一种自彩印的自适应修复方法、系统及可读存储介质 | |
CN111310768A (zh) | 基于鲁棒性背景先验和全局信息的显著性目标检测方法 | |
KR100903816B1 (ko) | 정지영상에서의 얼굴추출시스템과 그 방법 | |
CN112348018A (zh) | 基于巡检机器人的数显式仪表读数识别方法 | |
CN114897881A (zh) | 一种基于边缘特征的晶粒缺陷检测方法 | |
CN106558044A (zh) | 影像模组的解像力测量方法 | |
CN112819795B (zh) | 基于多色荧光图片的细胞数量和面积的统计方法 | |
CN112651368B (zh) | 一种用于大尺寸细胞显微图像的dna倍体分析方法 | |
CN108830834B (zh) | 一种爬索机器人视频缺陷信息自动提取方法 | |
CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 | |
CN115222652A (zh) | 一种成捆钢筋端面的识别计数及中心定位方法与其存储器 |
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 |