CN114463352A - 玻片扫描图像目标分割提取方法及系统 - Google Patents
玻片扫描图像目标分割提取方法及系统 Download PDFInfo
- Publication number
- CN114463352A CN114463352A CN202210032864.6A CN202210032864A CN114463352A CN 114463352 A CN114463352 A CN 114463352A CN 202210032864 A CN202210032864 A CN 202210032864A CN 114463352 A CN114463352 A CN 114463352A
- Authority
- CN
- China
- Prior art keywords
- slide
- image
- target
- edge
- steps
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
Abstract
本发明公开了玻片扫描图像目标分割提取方法及系统,包括:获取载玻片数字图像;对获取的载玻片数字图像进行预处理操作;对预处理得到的图像,进行图像增强,得到载玻片边缘;根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标。可以有效去除背景边缘部分的影响从而分割提取出所需要的玻片图像部分,以便后续使用。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及玻片扫描图像目标分割提取方法及系统。
背景技术
本部分的陈述仅仅是提到了与本发明相关的背景技术,并不必然构成现有技术。
医学载玻片图像的自动化识别和分片是病理在线诊断全流程自动化的一个重要组成部分。在对医学载玻片进行摄像时,采集到的往往是一幅包含全部背景的完整图像,包含不需要的背景边缘部分(一般为黑色或与目标对比度较强的底色),另外还容易遭受噪声和光照影响,给后续玻片信息的自动化识别造成了一定的困难和影响,严重影响识别的精度和速度。
发明内容
针对载玻片扫描图像往往包含不必要的背景边缘的问题,本发明提出了玻片扫描图像目标分割提取方法及系统,可以有效去除背景边缘部分的影响从而分割提取出所需要的玻片图像部分,以便后续使用。
第一方面,本发明提供了玻片扫描图像目标分割提取方法;
玻片扫描图像目标分割提取方法,包括:
获取载玻片数字图像;
对获取的载玻片数字图像进行预处理操作;
对预处理得到的图像,进行图像增强,得到载玻片边缘;
根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;
对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标。
第二方面,本发明提供了玻片扫描图像目标分割提取系统;
玻片扫描图像目标分割提取系统,包括:
获取模块,其被配置为:获取载玻片数字图像;
预处理模块,其被配置为:对获取的载玻片数字图像进行预处理操作;
图像增强模块,其被配置为:对预处理得到的图像,进行图像增强,得到载玻片边缘;
查找模块,其被配置为:根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;
裁剪模块,其被配置为:对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标。
第三方面,本发明还提供了一种电子设备,包括:
存储器,用于非暂时性存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,
其中,所述计算机可读指令被所述处理器运行时,执行上述第一方面所述的方法。
第四方面,本发明还提供了一种存储介质,非暂时性地存储计算机可读指令,其中,当所述非暂时性计算机可读指令由计算机执行时,执行第一方面所述方法的指令。
第五方面,本发明还提供了一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行的时候用于实现上述第一方面所述的方法。
与现有技术相比,本发明的有益效果是:
本发明利用传统图像处理方法,可以有效地从整幅包含背景的载玻片扫描图像中分割提取出玻片目标,对于矩形目标的直线边缘检测效果更加明确,方便后续步骤的处理和使用,满足工业化使用的基本标准。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明对载玻片图像进行目标分割提取的算法流程图;
图2为本发明对载玻片图像进行目标分割提取的具体步骤和效果图。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
本实施例所有数据的获取都在符合法律法规和用户同意的基础上,对数据的合法应用。
实施例一
本实施例提供了玻片扫描图像目标分割提取方法;
如图1和图2所示,玻片扫描图像目标分割提取方法,包括:
S101:获取载玻片数字图像;
S102:对获取的载玻片数字图像进行预处理操作;
S103:对预处理得到的图像,进行图像增强,得到载玻片边缘;
S104:根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;
S105:对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标。
进一步地,所述S101:获取载玻片数字图像;具体包括:
利用光学摄像设备,获取载玻片数字图像。
应理解地,利用光学摄像设备对载玻片进行摄像,获得清晰度高、质量较好的载玻片数字图像。
进一步地,所述S102:对获取的载玻片数字图像进行预处理操作;具体包括:
S1021:对获取的载玻片数字图像进行灰度化;
S1022:对灰度化图像进行去噪;
S1023:对去噪后的图像进行阈值化处理;
S1024:对阈值化处理后的图像进行腐蚀处理。
进一步地,所述S1021:对获取的载玻片数字图像进行灰度化;具体包括:
对获得的载玻片数字图像进行灰度化操作,将原BGR或RGB三通道图像转换为单通道灰度图像。
进一步地,所述S1022:对灰度化图像进行去噪;具体包括:
采用中值滤波算法,对灰度化图像进行去噪处理。
所述中值滤波算法,允许被替换为均值偏移滤波算法、非局部平均去噪算法、高斯模糊算法或者双边滤波算法。可以进行滤波核等参数的更改和替换。
应理解地,使用中值滤波算法对单通道灰度图像进行去噪,相对于双边滤波、均值滤波和高斯滤波等其他滤波方式,中值滤波可以更好的去除此图像中的椒盐噪声,得到的图像噪声点更少。中值滤波不同的核尺寸对图像有不同的处理效果,核尺寸过大耗时过,核尺寸过小噪声去除不彻底,综合考虑核尺寸大小设置为9是本算法的一个最优考量。
进一步地,所述S1023:对去噪后的图像进行阈值化处理;具体包括:
对去噪完的图像进行阈值化操作,得到像素值仅为0和255的黑白图像。
进一步地,对去噪完的图像进行阈值化操作,允许选择设定阈值方式、自适应阈值方式或者Otsu’s阈值化方式。可以进行阈值等参数的更改和替换。
进一步地,设定阈值方式,其中设定的阈值为50。
阈值化操作的关键为阈值的选取,阈值过高导致引入部分目标像素点,相反阈值过低导致缺失背景像素点,不同色差的背景也需要相对设置不同的阈值。
常用的阈值化方法中:
简单阈值化方法设定一个统一的全局阈值对全图进行阈值化;
自适应阈值化方法根据像素点邻近区域计算得到阈值,对于光照变化和线条检测的效果比较合适;
Otsu’s阈值化根据计算像素点的直方图得到全局阈值,对不同背景色具有一定的适应性但是不能把阈值限定在固定范围,对本算法不稳定;因此本算法采用简单阈值化方法,阈值设置为50。
进一步地,所述S1024:对阈值化处理后的图像进行腐蚀处理;具体包括:
对阈值化完的图像进行腐蚀操作,相比于去噪对全局噪声整体有过滤效果,腐蚀只能去除黑色玻片区域中的白色部分。
进一步地,所述S103:对预处理得到的图像,进行图像增强,得到载玻片边缘;具体包括:
S1031:对预处理得到的图像依次进行边缘填充;
S1032:对边缘填充后的图像进行边缘检测和直线检测;
S1033:对边缘检测和直线检测后的图像进行线条增强,得到载玻片边缘。
进一步地,所述S1031:对预处理得到的图像依次进行边缘填充;具体包括:
在图像边缘四周的每条边分别填充200个255像素值。
应理解地,S1031为了防止目标在背景边界情况导致的提取不到情况,本算法对预处理完的图像作适当边缘填充。
进一步地,所述S1032:对边缘填充后的图像进行边缘检测和直线检测;具体包括:
对边缘填充后的图像,采用canny边缘检测算法,进行边缘检测和直线检测。
应理解地,对填充完的图像进行canny边缘检测,能够检测到图像中所有物体的边缘轮廓信息。
进一步地,所述S1033:对边缘检测和直线检测后的图像进行线条增强,得到载玻片边缘;具体包括:对宽度小于设定阈值的线条进行粗化处理。
应理解地,S1033边缘检测的线条信息过细,目标提取效果不好。针对此问题,使用直线检测的方法,粗化玻片目标边缘,是边缘线条更加明显。
进一步地,所述S104:根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;具体包括:
S1041:对增强过的目标边缘信息,进行目标轮廓提取操作,检测到图像中所有物体的目标轮廓;
S1042:在所有物体轮廓中查找玻片目标轮廓,计算所有物体的面积,并将最大面积的轮廓作为玻片目标的轮廓,计算玻片目标轮廓的外接矩形即为玻片目标的坐标位置。
进一步地,所述S105:对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标;具体包括:
根据玻片目标外接矩形框的位置坐标,在原载玻片扫描图像中截取出玻片目标部分并返回目标图像作为输出结果。
实施例二
本实施例提供了玻片扫描图像目标分割提取系统;
玻片扫描图像目标分割提取系统,包括:
获取模块,其被配置为:获取载玻片数字图像;
预处理模块,其被配置为:对获取的载玻片数字图像进行预处理操作;
图像增强模块,其被配置为:对预处理得到的图像,进行图像增强,得到载玻片边缘;
查找模块,其被配置为:根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;
裁剪模块,其被配置为:对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标。
此处需要说明的是,上述获取模块、预处理模块、图像增强模块、查找模块和裁剪模块对应于实施例一中的步骤S101至S105,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例一所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
上述实施例中对各个实施例的描述各有侧重,某个实施例中没有详述的部分可以参见其他实施例的相关描述。
所提出的系统,可以通过其他的方式实现。例如以上所描述的系统实施例仅仅是示意性的,例如上述模块的划分,仅仅为一种逻辑功能划分,实际实现时,可以有另外的划分方式,例如多个模块可以结合或者可以集成到另外一个系统,或一些特征可以忽略,或不执行。
实施例三
本实施例还提供了一种电子设备,包括:一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序;其中,处理器与存储器连接,上述一个或多个计算机程序被存储在存储器中,当电子设备运行时,该处理器执行该存储器存储的一个或多个计算机程序,以使电子设备执行上述实施例一所述的方法。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元及算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
实施例四
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例一所述的方法。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.玻片扫描图像目标分割提取方法,其特征是,包括:
获取载玻片数字图像;
对获取的载玻片数字图像进行预处理操作;
对预处理得到的图像,进行图像增强,得到载玻片边缘;
根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;
对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标。
2.如权利要求1所述的玻片扫描图像目标分割提取方法,其特征是,对获取的载玻片数字图像进行预处理操作;具体包括:
对获取的载玻片数字图像进行灰度化;
对灰度化图像进行去噪;
对去噪后的图像进行阈值化处理;
对阈值化处理后的图像进行腐蚀处理。
3.如权利要求2所述的玻片扫描图像目标分割提取方法,其特征是,
对获取的载玻片数字图像进行灰度化;具体包括:
对获得的载玻片数字图像进行灰度化操作,将原BGR或RGB三通道图像转换为单通道灰度图像;
或者,
对灰度化图像进行去噪;具体包括:
采用中值滤波算法,对灰度化图像进行去噪处理;
或者,
所述中值滤波算法,允许被替换为均值偏移滤波算法、非局部平均去噪算法、高斯模糊算法或者双边滤波算法;
或者,
对去噪后的图像进行阈值化处理;具体包括:
对去噪完的图像进行阈值化操作,得到像素值仅为0和255的黑白图像;
或者,
对去噪完的图像进行阈值化操作,允许选择设定阈值方式、自适应阈值方式或者Otsu’s阈值化方式。
4.如权利要求1所述的玻片扫描图像目标分割提取方法,其特征是,对预处理得到的图像,进行图像增强,得到载玻片边缘;具体包括:
对预处理得到的图像依次进行边缘填充;
对边缘填充后的图像进行边缘检测和直线检测;
对边缘检测和直线检测后的图像进行线条增强,得到载玻片边缘。
5.如权利要求4所述的玻片扫描图像目标分割提取方法,其特征是,
对边缘填充后的图像进行边缘检测和直线检测;具体包括:
对边缘填充后的图像,采用canny边缘检测算法,进行边缘检测和直线检测;
对边缘检测和直线检测后的图像进行线条增强,得到载玻片边缘;具体包括:对宽度小于设定阈值的线条进行粗化处理。
6.如权利要求1所述的玻片扫描图像目标分割提取方法,其特征是,根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;具体包括:
对增强过的目标边缘信息,进行目标轮廓提取操作,检测到图像中所有物体的目标轮廓;
在所有物体轮廓中查找玻片目标轮廓,计算所有物体的面积,并将最大面积的轮廓作为玻片目标的轮廓,计算玻片目标轮廓的外接矩形即为玻片目标的坐标位置。
7.如权利要求1所述的玻片扫描图像目标分割提取方法,其特征是,对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标;具体包括:
根据玻片目标外接矩形框的位置坐标,在原载玻片扫描图像中截取出玻片目标部分并返回目标图像作为输出结果。
8.玻片扫描图像目标分割提取系统,其特征是,包括:
获取模块,其被配置为:获取载玻片数字图像;
预处理模块,其被配置为:对获取的载玻片数字图像进行预处理操作;
图像增强模块,其被配置为:对预处理得到的图像,进行图像增强,得到载玻片边缘;
查找模块,其被配置为:根据载玻片边缘,查找出若干个目标轮廓;选择面积最大的目标轮廓作为最终的玻片轮廓;
裁剪模块,其被配置为:对最终的玻片轮廓裁剪掉黑边,得到玻片图像和坐标。
9.一种电子设备,其特征是,包括:
存储器,用于非暂时性存储计算机可读指令;以及
处理器,用于运行所述计算机可读指令,
其中,所述计算机可读指令被所述处理器运行时,执行上述权利要求1-7任一项所述的方法。
10.一种存储介质,其特征是,非暂时性地存储计算机可读指令,其中,当所述非暂时性计算机可读指令由计算机执行时,执行权利要求1-7任一项所述方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032864.6A CN114463352A (zh) | 2022-01-12 | 2022-01-12 | 玻片扫描图像目标分割提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210032864.6A CN114463352A (zh) | 2022-01-12 | 2022-01-12 | 玻片扫描图像目标分割提取方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114463352A true CN114463352A (zh) | 2022-05-10 |
Family
ID=81410360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210032864.6A Pending CN114463352A (zh) | 2022-01-12 | 2022-01-12 | 玻片扫描图像目标分割提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114463352A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115218967A (zh) * | 2022-09-21 | 2022-10-21 | 深圳市森盈智能科技有限公司 | 用于试剂反应的智能控温保湿方法及智能控温保湿装置 |
-
2022
- 2022-01-12 CN CN202210032864.6A patent/CN114463352A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115218967A (zh) * | 2022-09-21 | 2022-10-21 | 深圳市森盈智能科技有限公司 | 用于试剂反应的智能控温保湿方法及智能控温保湿装置 |
CN115218967B (zh) * | 2022-09-21 | 2022-12-13 | 深圳市森盈智能科技有限公司 | 用于试剂反应的智能控温保湿方法及智能控温保湿装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766736B (zh) | 缺陷检测方法、装置、电子设备以及存储介质 | |
CN109509200B (zh) | 基于轮廓提取的棋盘格角点检测方法以及计算机可读存储介质 | |
US9251614B1 (en) | Background removal for document images | |
EP3176751A1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN107123124B (zh) | 视网膜图像分析方法、装置和计算设备 | |
CN107038704B (zh) | 视网膜图像渗出区域分割方法、装置和计算设备 | |
US11151402B2 (en) | Method of character recognition in written document | |
CN107146231B (zh) | 视网膜图像出血区域分割方法、装置和计算设备 | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN109325421B (zh) | 一种基于边缘检测的睫毛去除方法及系统 | |
CN112053302B (zh) | 高光谱图像的去噪方法、装置及存储介质 | |
US11068740B2 (en) | Particle boundary identification | |
CN113296095A (zh) | 一种用于脉冲探地雷达的目标双曲线边缘提取方法 | |
CN114463352A (zh) | 玻片扫描图像目标分割提取方法及系统 | |
CN109658394B (zh) | 眼底图像预处理方法及系统和微血管瘤检测方法及系统 | |
CN111127373A (zh) | 一种基于局部截面分析的血管图像提取方法及装置 | |
CN112862841A (zh) | 基于形态学重构和自适应阈值的棉花图像分割方法及系统 | |
CN111126191B (zh) | 一种虹膜图像的采集方法、装置及存储介质 | |
CN108171705A (zh) | 一种透明玻璃瓶内液体的异物检测算法 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN115272362A (zh) | 一种数字病理全场图像有效区域分割方法、装置 | |
CN110930358A (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
CN113643290B (zh) | 一种基于图像处理的吸管计数方法、装置及存储介质 | |
JP2023104915A (ja) | 画像処理方法、装置及び記憶媒体 | |
CN106600662B (zh) | 图像中主线条的绘制方法及装置 |
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 |