CN114972209A - 宫颈病理图像处理方法和装置 - Google Patents
宫颈病理图像处理方法和装置 Download PDFInfo
- Publication number
- CN114972209A CN114972209A CN202210482530.9A CN202210482530A CN114972209A CN 114972209 A CN114972209 A CN 114972209A CN 202210482530 A CN202210482530 A CN 202210482530A CN 114972209 A CN114972209 A CN 114972209A
- Authority
- CN
- China
- Prior art keywords
- image
- cervical
- mask
- region
- mask image
- 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
- 230000007170 pathology Effects 0.000 title claims abstract description 59
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 claims abstract description 80
- 230000001575 pathological effect Effects 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 34
- 230000011218 segmentation Effects 0.000 claims abstract description 31
- 230000008569 process Effects 0.000 claims description 41
- 238000005530 etching Methods 0.000 claims description 15
- 230000007797 corrosion Effects 0.000 claims description 14
- 238000005260 corrosion Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 5
- 230000010339 dilation Effects 0.000 claims description 5
- 230000003628 erosive effect Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 206010008342 Cervix carcinoma Diseases 0.000 description 3
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 description 3
- 201000010881 cervical cancer Diseases 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
- G06T5/75—Unsharp masking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种宫颈病理图像处理方法和装置,涉及图像处理技术领域。该方法包括:获取宫颈病理图像,并将宫颈病理图像转换为灰度图像;获取灰度图像的掩膜图像;对掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;对灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,感兴趣区域为灰度图像中与第一掩膜图像取交集的区域;若感兴趣区域以外的区域存在出界点,则对第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,第二掩膜图像使得感兴趣区域以外的区域不存在出界点;采用第二掩膜图像对宫颈病理图像进行掩膜切割,得到宫颈病理图像的目标分割图像。本申请的方法提高了宫颈病理图像处理的准确率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种宫颈病理图像处理方法和装置。
背景技术
宫颈癌筛查是宫颈癌防控的关键手段。目前我国常用的宫颈癌筛查手段为液基薄层细泡检测(TCT)。通过TCT能够得到TCT图像,病理医生通过TCT图像能够观察细胞形态。
随着潜在患病人数的日益增长和对诊断准确率要求的不断提高,病理医生的工作量也急剧增高。为了缓解病理医生的工作量,可以通过计算机辅助技术分析数字化TCT病理图像。计算机辅助技术是指通过影像学、医学图像处理技术以及其他可能的生理、生化手段,结合计算机的分析计算辅助病理医生发现病灶,提高诊断的准确率的技术手段。首先通过TCT得到数字化TCT图像,然后采用计算机辅助技术对数字化TCT图像进行分析计算,确定该TCT图像中的异常特征。TCT图像本身分辨率高、规模大,采用计算机辅助技术分析TCT病理图像通常耗时较长。因此,在计算及辅助技术分析前,通常先对TCT图像进行分割处理,去除TCT图片数字扫描时产生的无关白色背景。
然而,目前对于TCT图像的分割处理方法准确率、效率较低。
发明内容
本公开提供了一种宫颈病理图像处理方法和装置,以解决现有技术中对于TCT图像的分割处理方法准确率、效率较低的技术问题。
根据本公开的第一方面,提供了一种宫颈病理图像处理方法,包括:
获取宫颈病理图像,并将所述宫颈病理图像转换为灰度图像;
获取所述灰度图像的掩膜图像;
对所述掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;
对所述灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,所述感兴趣区域为所述灰度图像中与所述第一掩膜图像取交集的区域;
若所述感兴趣区域以外的区域存在出界点,则对所述第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,所述第二掩膜图像使得所述感兴趣区域以外的区域不存在出界点;
采用所述第二掩膜图像对所述宫颈病理图像进行掩膜切割,得到所述宫颈病理图像的目标分割图像。
根据本公开的第二方面,提供了一种宫颈病理图像处理装置,包括:
转换模块,用于获取宫颈病理图像,并将所述宫颈病理图像转换为灰度图像;
获取模块,用于获取所述灰度图像的掩膜图像;
第一求解模块,用于对所述掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;
检测模块,用于对所述灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,所述感兴趣区域为所述灰度图像中与所述第一掩膜图像取交集的区域;
第二求解模块,用于若所述感兴趣区域以外的区域存在出界点,则对所述第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,所述第二掩膜图像使得所述感兴趣区域以外的区域不存在出界点;
切割模块,用于采用所述第二掩膜图像对所述宫颈病理图像进行掩膜切割,得到所述宫颈病理图像的目标分割图像。
根据本公开的第三方面,提供了一种电子设备,包括:
至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行第一方面所述的宫颈病理图像处理方法。
根据本公开的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面所述的宫颈病理图像处理方法。
本公开实施例提供的宫颈病理图像的处理方法和装置,该方法通过获取宫颈病理图像的掩膜图像,并对掩膜图像的边缘进行求解,得到含有第一外接圆的掩膜图像,再对第一外接圆进行迭代求解,直至掩膜图像能够覆盖宫颈病理图像中的所有的宫颈细胞,提高了宫颈病理图像的处理的准确率,通过将掩膜图像的边缘近似拟合为圆形,提高了迭代求解过程的效率,进一步提高目标病理图像的获取效率。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1为本申请实施例提供的处理对象的示意图;
图2为本申请实施例提供的宫颈病理图像处理方法的流程图一;
图3为本申请实施例提供的掩膜图像获取的过程示意图;
图4为本申请实施例提供的宫颈病理图像处理方法的流程图二;
图5为本申请实施例提供的膨胀处理的过程示意图;
图6为本申请实施例提供的腐蚀处理的过程示意图;
图7位本申请实施例提供的具体示例的过程示意图;
图8为本申请实施例提供的宫颈病理图像处理装置的结构示意图;
图9为本申请实施例提供的宫颈病理图像的处理设备的结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
为了便于理解,首先对本公开实施例的应用场景进行介绍。
图1为本公开实施例涉及的宫颈病理图像处理对象的示意图。如图1所示,宫颈病理图像101是通过对宫颈细胞涂片的扫描得到的数字图像。宫颈病理图像101中包括宫颈细胞分布区域和无关白色背景区域。其中,宫颈细胞分布区域的形状接近圆形,这使得通过宫颈病理图像处理方法能够从宫颈病理图像101中切割得到宫颈细胞分布区域的图像,即目标分割图像102。目标分割图像102既包含全部的宫颈细胞,同时还显著减少了无关白色背景区域,能够显著减少计算机辅助技术后续对于宫颈病理图像101分析的计算量,同时提高分析的可靠性。
现有技术中,通常通过先得到宫颈病理图像101的掩膜图像,然后采用掩膜图像对宫颈病理图像101进行切割,得到目标分割图像102。然而,并非所有的宫颈病理图像101中所有的宫颈细胞分布区域均相互连续,能够形成一片完整的区域。在某些情况下,宫颈病理图像101中的宫颈细胞分布并不均匀,即在宫颈细胞分布区域存在较多的无关白色背景区域,使得得到的掩膜图像也呈现为相互之间并不连贯的几个区域。
通过上述的掩膜图像对宫颈病理图像101进行切割,得到的目标分割图像102,会存在部分宫颈细胞丢失,或者目标分割图像102被切割成多个单独的小图像,影响后续计算机辅助技术对于目标分割图像102的分析计算。
为了解决上述问题中的至少一个,本公开实施例提供一种宫颈病理图像的处理方法及装置,应用于图像处理技术领域。在本公开实施例提供的宫颈病理图像的处理方法中,对得到的掩膜图像的边缘进行求解,得到含有第一外接圆的掩膜图像。通过不断迭代求解过程,增大第一外接圆的半径,直至掩膜图像能够覆盖宫颈病理图像101中所有的宫颈细胞,使得得到的目标分割图像102不仅含有全部的宫颈细胞,同时还是一个完整的图像。
下面采用详细的实施例,对本公开实施例的宫颈病理图像处理方法和装置进行详细说明。
本公开实施例提供一种宫颈病理图像的处理方法,该处理方法能够提高获取目标分割图像102的准确率、效率。宫颈病理图像的处理方法,执行主体可以为终端设备,同时也可以由终端设备和服务器协作完成,终端设备可以为台式电脑、笔记本电脑等,且终端设备上能够安装应用程序,本实施例对该方法的执行主体不做特别限制。
图2为本公开实施例提供的宫颈病理图像处理方法的流程图一。如图2所示,该方法包括:
S201、获取宫颈病理图像,并将宫颈病理图像转换为灰度图像;
宫颈病理图像是对TCT涂片扫描得到的图像。可以理解的是,宫颈病理图像中需要包括宫颈细胞,这样才能够通过宫颈病理图像处理方法将含有宫颈细胞的部分提取出来。
宫颈病理图像为彩色图像,像素的色彩数值是由红色、绿色、蓝色三个通道组成,且计算机中采用数字来描述各通道的色彩范围,色彩数值规定为0-225。且彩色图像中三个通道的色彩数值不同,例如,三个通道的色彩数值可以为(146,184,132)。灰度图像是每个像素只有一个采样颜色的图像。且灰度图像的三通道的色彩数值相等,相当于只有一个通道,使得灰度图像从视觉上看,每个像素点均为白色到黑色之间的过渡色。
将宫颈病理图像转换为灰度图像可以通过多种方法实现,例如平均法,即将每个像素位的三个通道的色彩数值取平均;还有最大最小平均法、加权平均法等等。在本公开的实施例中,对于转换灰度图像的具体方法不做特别限制。
S202、获取灰度图像的掩膜图像;
掩膜图像在本申请中用于提取宫颈病理图像中的宫颈细胞分布区域,得到目标分割图像。掩膜图像是由0和1组成的二进制图像,通过掩膜图像与宫颈病理图像相乘,能够去除宫颈病理图像中与数值0相乘的部分。
图3为本申请实施例提供的掩膜图像获取的过程示意图,下面结合图3对掩膜图像的获取过程进行描述。
原始图像301中的黑色填充区域为宫颈细胞,空白区域为无关空白背景。掩膜图像302的获取是通过识别原始图像301的宫颈细胞、无关空白背景实现的。当通过计算,识别该位点为无关空白背景时,则该点记为0;若识别该位点为宫颈细胞,则将该位点记为1。其中,如何实现对于无关空白背景和宫颈细胞的分辨,能够通过各种算法实现,例如最大类间方差法等。
S203、对掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;
本领域的技术人员可以理解,在宫颈病理图像中,宫颈细胞分布的区域接近圆形,因此,对应得到的掩膜图像中的位点为1的区域接近圆形。
在对掩膜图像中位点为1的区域边缘进行求解的过程中,先将掩膜图像中位点为1的区域边缘拟合为圆形,该拟合得到的圆形的边缘即为第一外接圆。含有第一外接圆的掩膜图像为第一掩膜图像。
S204、对灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,感兴趣区域为灰度图像中与第一掩膜图像取交集的区域;
感兴趣区域(ROI)是分析关注的重点区域。在本公开实施例中,所要分析关注的区域为宫颈细胞分布的区域。第一掩膜图像与灰度图像取交集得到的区域中,分布有宫颈细胞,因此,在步骤S204中,感兴趣区域为灰度图像中与第一掩膜图像取交集的区域。
本领域的技术人员可以理解,通过对掩膜图像进行拟合,得到第一掩膜图像。第一掩膜图像中位点为1的区域不一定能够覆盖灰度图像中的所有宫颈细胞。可能有部分宫颈细胞比较分散,位于第一外接圆外,这些分布于第一外接圆外的宫颈细胞即为出界点。
为了提高后续对于宫颈病理图像分析的准确性,应当将所有的宫颈细胞均能够提取出来,因此,需要检测将要提取的区域中是否包括所有的宫颈细胞。通过对第一外接圆外的区域进行检测,确定是否存在出界点,能够判断第一掩膜图像中位点为1的区域是否能够覆盖宫颈病理图像中所有的宫颈细胞。
S205、若感兴趣区域以外的区域存在出界点,则对第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,第二掩膜图像使得感兴趣区域以外的区域不存在出界点;
第二外接圆是对第一外接圆的进一步求解得到的圆。第一外接圆外围分布有出界点,因此第二外接圆相当于是在第一外接圆的基础上,将半径增大得到的圆。使得检测到的出界点能够位于第二外接圆内。第二掩膜图像即为含有第二外接圆的掩膜图像。
本领域的技术人员可以理解,对第一外接圆进行再次求解的过程,即为确定第二外接圆半径的过程。例如,第一外接圆的半径为r1,通过检测发现在第一外接圆外存在出界点,且出界点与第一外接圆的圆心之间的间距为r2,则将第一外接圆的半径增大至r2,得到第二外接圆,第二外接圆与第一外接圆同圆心,且第二外接圆的半径为r2。循环此过程,直至在第二外接圆外检测不到出界点。
S206、采用第二掩膜图像对宫颈病理图像进行掩膜切割,得到宫颈病理图像的目标分割图像。
第二掩膜图像中位点为1的区域能够覆盖宫颈病理图像中所有的宫颈细胞。
在一种可能的实现方式中,第二掩膜图像是由0和1组成的二进制图像,可以设置掩膜矩阵,其中掩膜矩阵在宫颈病理图像中分布有宫颈细胞的区域设置有数值1,在无关白色背景区域设置有0。通过掩膜矩阵与灰度图像中各像素点的像素值相乘,可以去除宫颈病理图像中的无关白色背景区域,得到目标分割图像。
本实施例提供的宫颈病理图像的处理方法,首先获取得到宫颈病理图像的掩膜图像,然后再对掩膜图像中位点为1的区域的边缘进行迭代求解,使得掩膜图像与宫颈病理图像取交集后,能够覆盖所有的宫颈细胞。通过上述对外接圆迭代求解的过程,能够使目标分割图像中含有全部的宫颈细胞,显著提高了宫颈病理图像处理方法的准确率。同时,将宫颈病理图像中的宫颈细胞分布区域近似拟合为圆形,便于操作,提高了目标分割图像的获取效率。
图4为本公开实施例提供的宫颈病理图像处理方法的流程图二。如图4所示,该方法包括:
S401、获取宫颈病理图像,并将宫颈病理图像转换为灰度图像;
应理解,S401的具体实现方式与图2中的S201类似,此处不做赘述。
S402、先对灰度图像进行至少一次的膨胀处理,再进行至少一次的腐蚀处理;
膨胀处理是将与灰度图像中所有宫颈细胞接触的背景点合并于宫颈细胞中,使宫颈细胞的边界向外部扩张的过程。膨胀处理的数学定义为:其中D为经过膨胀处理后的灰度图像,X为灰度图像,B为像素窗口。由B对X膨胀所产生的膨胀处理后的灰度图像D是满足以下条件的点(x,y)的集合:如果B的原点平移到点(x,y),那么它与X的交集非空。
腐蚀处理是将灰度图像中分布于无关白色背景区域的噪声点的操作。腐蚀操作的数学定义为:其中E为经过腐蚀处理后的灰度图像,X为灰度图像,B为像素窗口。由B对X腐蚀所产生的经过腐蚀处理后的灰度图像E是满足以下条件的点(x,y)的集合:如果B的原点平移到点(x,y),那么B将完全包含于X中。
下面详细介绍膨胀处理和腐蚀处理的具体过程。
图5为本公开实施例提供的膨胀处理的过程示意图,结合图5,对膨胀处理过程进行详细描述。膨胀处理,包括:
将灰度图像切换为黑白二值图像;
使像素窗口在黑白二值图像内移动,并将像素窗口的原点定位于黑白二值图像的白色像素区域;
当像素窗口移动过程中的覆盖区域中存在黑色像素时,将像素窗口的原点替换为黑色像素。
黑白二值图像是指只包含黑色像素和白色像素的图像。其中黑色像素的色彩数值为255;白色像素的色彩数值为0。像素窗口为软件取值窗口,用于获取灰度图像中设定阈值面积的图像,且像素窗口中设定一个原点,如图4所示,像素窗口的原点为圆圈所示位点。且设定像素窗口中的原点只能位于白色像素区域。使得像素窗口在黑白二值图像内不断移动。在像素窗口不断移动的过程中,像素窗口除原点以外的区域可能会覆盖黑色像素区域,也可能会覆盖白色像素区域。
当像素窗口除原点以外的区域覆盖黑色像素时,将像素窗口原点处的色彩数值由0转换为255。
图6为本公开实施例提供的腐蚀处理的过程示意图。下面结合图6对腐蚀处理过程进行描述。腐蚀处理,包括:
将灰度图像切换为黑白二值图像;
使像素窗口在黑白二值图像内移动,并将像素窗口的原点定位于黑白二值图像的黑色像素区域;
当像素窗口移动过程中的覆盖区域中存在白色像素时,将像素窗口的原点替换为白色像素。
腐蚀操作为膨胀操作的反运算。如图6所示,像素窗口的原点定位于黑色像素区域,在像素窗口移动过程中,如果像素窗口的覆盖区域存在白色像素时,将像素窗口原点的色彩数值由255替换为0。
灰度图像中的宫颈细胞的分布并非完全均匀,会存在空白区域。并且在无关背景区域也存在污渍等噪声点。这些空白区域和上述的噪声点将会影响后续目标分割图像的提取。因此,需要通过腐蚀操作、膨胀操作先去除上述的空白区域和噪声点,使得灰度图像中宫颈细胞分布区域连续,并且减少在无关背景区域存在的小且无意义的点。减少灰度图像中的空白区域需要通过膨胀操作。减少无关背景区域的噪声点需要通过腐蚀操作。由于如果先进行腐蚀操作,在宫颈细胞分布区域中的细胞较为分散的位置,部分细胞点可能会被去除,从而使得灰度图像中的空白区域增大。因此,为了避免这种情况的发生,首先进行膨胀操作,再进行腐蚀操作。其中,膨胀操作和腐蚀操作的次数可以根据具体效果进行调整。
另一种可能实现的方式中,获取宫颈病理图像,并将宫颈病理图像转换为灰度图像之后,还包括:
获取灰度图像中各个点的像素值;
将各点的像素值变换为像素值与权重对应相乘后的总和;
权重符合二维空间正态分布方程。
像素值是原稿图像被数字化时由计算机赋予的值,它代表了原稿某一小方块的平均亮度信息。灰度图像中各点的像素值不同,且细节突出。通过将各点的像素值与周围各点的像素值取平均,能够失去灰度图像中的细节,使得灰度图像产生模糊的效果。由于图像是连续的,且越接近的点之间的关系越密切,因此,通过二维空间正态分布方程对周围的点进行权重分配。其中,权重可以通过二维空间正态分布方程计算得到。
通过上述操作,能够使灰度图像呈模糊的效果,并且减小细胞分布区域中的空白区域。
S403、采用最大类间方差法,对灰度图像进行阈值分割,得到灰度图像的掩膜图像;
最大类间方差法是对图像进行二值化的高效算法。阈值分割是指设定某一阈值,记为T,使得类间方差最大。然后将灰度图像中饱和度大于该阈值T的像素点赋值为1,否则赋值为0,从而得到赋值为1的区域的图像,则为掩膜图像。其中类间方差定义为:σ2=pf(μf-μ)2+pb(μb-μ)2,其中,μf、μb、μ分别为前景、背景、全图像素点的平均值,pf、pb分别为前景、背景的像素占全部像素点的比例。前景为宫颈细胞分布的区域,背景为无关白色背景区域,全图指整个灰度图像。
S404、对掩膜图像先进行至少一次腐蚀处理,再进行至少一次膨胀处理。
腐蚀处理、膨胀处理与步骤S402的具体实施过程相似,在此不再赘述。
本领域的技术人员可以理解,灰度图像获取的掩膜图像边缘不平滑,存在许多“毛刺”,即向外突出的区域。为了使掩膜图像边缘更加平滑,先进行腐蚀处理,使得掩膜图像的边缘向内部收缩。在腐蚀处理过程中,掩膜图像的边缘趋于平滑,然而,掩膜图像边缘向内部收缩使得掩膜图像面积减小,需要再通过膨胀操作,使掩膜边缘向外扩展。
S405、对掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;
应理解,S405的具体实现方式与图2中的S203类似,此处不做赘述。
S406、对灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,感兴趣区域为灰度图像中与第一掩膜图像取交集的区域;
应理解,S406的具体实现方式与图2中的S204类似,此处不做赘述。
若感兴趣区域以外的区域存在出界点,则执行S407;
若感兴趣区域以外的区域不存在出界点,则执行S409;
S407、对第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,第二掩膜图像使得感兴趣区域以外的区域不存在出界点;
应理解,S407的具体实现方式与图2中的S205类似,此处不做赘述。
S408、采用第二掩膜图像对宫颈病理图像进行掩膜切割,得到宫颈病理图像的目标分割图像;
应理解,S408的具体实现方式与图2中的S206类似,此处不做赘述。
S409、采用第一掩膜图像对宫颈病理图像进行掩膜切割,得到宫颈病理图像的目标分割图像。
应理解,S409的具体实现方式与图2中的S206类似,此处不做赘述。
在一种可能的实现方式,在将宫颈病理图像转换为灰度图像之前,先将宫颈病理图像转换为缩略图,再将缩略图转换为灰度图像,同时,在采用第二掩膜图像或第一掩膜图像对宫颈病理图像进行掩膜切割前,先将第二掩膜图像或第一掩膜图像按比例放大至与宫颈病理图像大小相同,然后再采用放大后的第二掩膜图像或第一掩膜图像对宫颈病理图像进行掩膜切割。
缩略图指宫颈病理图像压缩之后的图像,相比于宫颈病理图像,缩略图的尺寸减小,分辨率降低。
本领域的技术人员可以理解,宫颈病理图像的分辨率高,占用内存大。如果直接采用宫颈病理图像进行后续操作,终端设备的负载较大。因此,在对宫颈病理图像进行处理之前可以先将宫颈病理图像转换为缩略图。然而,通过缩略图得到的掩膜图像的尺寸同比例减小。因此,在通过掩膜图像对宫颈病理图像进行切割前,需要先将掩膜图像进行还原,即按比例放大至与宫颈病理图像相同大小。
本发明实施例通过腐蚀处理、膨胀处理,能够减小掩膜图像中的噪声点;通过对掩膜图像进行迭代求解,使得掩膜图像能够最大程度覆盖宫颈病理图像中的宫颈细胞的同时,减小无关空白背景区域,从而提高了宫颈病理图像处理准确率。
在上述任一实施例的基础上,下面,结合图7,通过具体示例,对本申请实施例所示的技术方案进行详细说明。
首先得到宫颈病理图像101,通过对宫颈病理图像101转换为灰度图像,再对灰度图像进行膨胀处理、腐蚀处理后,得到预处理后的灰度图像701。在对灰度图像进行膨胀处理、腐蚀处理的过程中,显著减少了宫颈细胞分布区域中的空白区域。然后通过掩膜计算,得到掩膜图像702。由于宫颈病理图像101中,边缘处的宫颈细胞相对分散,因此,得到的掩膜图像702中的宫颈细胞分布区域含有较多的“毛刺”,即边缘不平滑,含有很多细小突出区域。通过对掩膜图像702先进行腐蚀操作,再进行膨胀操作,能够显著减少掩膜图像702中的“毛刺”,得到处理后的掩膜图像703。由于此时,在灰度图像701的感兴趣区域外的区域可能分布有出界点,因此,通过对掩膜图像703边缘进行迭代求解,得到具有第二外接圆的第二掩膜图像704。再采用第二掩膜图像704对宫颈病理图像进行掩膜切割705,得到宫颈病理图像的目标分割图像102。
图8为本公开实施例提供的宫颈病理图像的处理装置的结构示意图,如图8所示,该装置包括:转换模块801、获取模块802、第一求解模块803、检测模块804、第二求解模块805、切割模块806。
转换模块,用于获取宫颈病理图像,并将宫颈病理图像转换为灰度图像;
获取模块,用于获取灰度图像的掩膜图像;
第一求解模块,用于对掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;
检测模块,用于对灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,感兴趣区域为灰度图像中与第一掩膜图像取交集的区域;
第二求解模块,用于若感兴趣区域以外的区域存在出界点,则对第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,第二掩膜图像使得感兴趣区域以外的区域不存在出界点;
第一切割模块,用于采用第二掩膜图像对宫颈病理图像进行掩膜切割,得到宫颈病理图像的目标分割图像。
可选的,所述装置还包括:第二切割模块,用于若所述感兴趣区域以外的区域不存在出界点,则采用所述第一掩膜图像对所述灰度图像进行掩膜切割,得到所述宫颈病理图像的目标分割图像。
可选的,所述装置还包括:第一预处理模块,用于对所述灰度图像进行腐蚀处理和/或膨胀处理;
其中,所述腐蚀处理,包括:
将所述灰度图像切换为黑白二值图像;
使像素窗口在所述黑白二值图像内移动,并将所述像素窗口的原点定位于所述黑白二值图像的黑色像素区域;
当所述像素窗口移动过程中的覆盖区域中存在白色像素时,将所述像素窗口的原点替换为白色像素;
所述膨胀处理,包括:
将所述灰度图像切换为黑白二值图像;
使像素窗口在所述黑白二值图像内移动,并将所述像素窗口的原点定位于所述黑白二值图像的白色像素区域;
当所述像素窗口移动过程中的覆盖区域中存在黑色像素时,将所述像素窗口的原点替换为黑色像素。
可选的,所述第一预处理模块具体用于:先对所述灰度图像进行至少一次的膨胀处理,再进行至少一次的腐蚀处理。
可选的,所述装置还包括:第二预处理模块,用于对所述掩膜图像先进行至少一次腐蚀处理,再进行至少一次膨胀处理。
可选的,所述获取模块具体用于:采用最大类间方差法,对所述灰度图像进行阈值分割,得到掩膜图像。
可选的,所述装置还包括:模糊处理模块,用于获取所述灰度图像中各个点的像素值,将各点的像素值变换为所述像素值与权重对应相乘后的总和,所述权重符合二维空间正态分布方程。
本实施例提供的宫颈病理图像处理装置,可用于执行上述的方法实施例,其实现方式和技术效果类似,本实施例此处不再赘述。
图9为本申请实施例提供的宫颈病理图像处理设备的硬件结构图。如图9所示,该宫颈病理图像的处理设备90包括:
至少一个处理器901和存储器902;
所述存储器902存储计算机执行指令;
所述至少一个处理器901执行所述存储器902存储的计算机执行指令,使得所述至少一个处理器901执行如上所述的宫颈病理图像处理方法。
处理器901的具体实现过程可参见上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
其中,处理器901、存储器902通过总线903连接。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如上所述的宫颈病理图像处理方法。
在上述的实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述模块的划分,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一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述的方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)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。结合发明所公开的方法的步骤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。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于终端或服务器中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种宫颈病理图像处理方法,其特征在于,包括:
获取宫颈病理图像,并将所述宫颈病理图像转换为灰度图像;
获取所述灰度图像的掩膜图像;
对所述掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;
对所述灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,所述感兴趣区域为所述灰度图像中与所述第一掩膜图像取交集的区域;
若所述感兴趣区域以外的区域存在出界点,则对所述第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,所述第二掩膜图像使得所述感兴趣区域以外的区域不存在出界点;
采用所述第二掩膜图像对所述宫颈病理图像进行掩膜切割,得到所述宫颈病理图像的目标分割图像。
2.根据权利要求1所述的方法,其特征在于,还包括:
若所述感兴趣区域以外的区域不存在出界点,则采用所述第一掩膜图像对所述灰度图像进行掩膜切割,得到所述宫颈病理图像的目标分割图像。
3.根据权利要求1所述的方法,其特征在于,所述获取所述灰度图像的掩膜图像之前,还包括:
对所述灰度图像进行腐蚀处理和/或膨胀处理;
其中,所述腐蚀处理,包括:
将所述灰度图像切换为黑白二值图像;
使像素窗口在所述黑白二值图像内移动,并将所述像素窗口的原点定位于所述黑白二值图像的黑色像素区域;
当所述像素窗口移动过程中的覆盖区域中存在白色像素时,将所述像素窗口的原点替换为白色像素;
所述膨胀处理,包括:
将所述灰度图像切换为黑白二值图像;
使像素窗口在所述黑白二值图像内移动,并将所述像素窗口的原点定位于所述黑白二值图像的白色像素区域;
当所述像素窗口移动过程中的覆盖区域中存在黑色像素时,将所述像素窗口的原点替换为黑色像素。
4.根据权利要求3所述的方法,其特征在于,所述对灰度图像进行腐蚀处理和/或膨胀处理,具体包括:
先对所述灰度图像进行至少一次的膨胀处理,再进行至少一次的腐蚀处理。
5.根据权利要求3或4所述的方法,其特征在于,所述对所述掩膜图像的图像边缘进行求解之前,还包括:
对所述掩膜图像先进行至少一次腐蚀处理,再进行至少一次膨胀处理。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述获取所述灰度图像的掩膜图像,具体包括:
采用最大类间方差法,对所述灰度图像进行阈值分割,得到掩膜图像。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述获取宫颈病理图像,并将所述宫颈病理图像转换为灰度图像之后,还包括:
获取所述灰度图像中各个点的像素值;
将各点的像素值变换为所述像素值与权重对应相乘后的总和;
所述权重符合二维空间正态分布方程。
8.一种宫颈病理图像处理装置,其特征在于,包括:
转换模块,用于获取宫颈病理图像,并将所述宫颈病理图像转换为灰度图像;
获取模块,用于获取所述灰度图像的掩膜图像;
第一求解模块,用于对所述掩膜图像的图像边缘进行求解,确定具有第一外接圆的第一掩膜图像;
检测模块,用于对所述灰度图像的感兴趣区域以外的区域进行检测,确定是否存在出界点,所述感兴趣区域为所述灰度图像中与所述第一掩膜图像取交集的区域;
第二求解模块,用于若所述感兴趣区域以外的区域存在出界点,则对所述第一外接圆进行再次求解,直至确定具有第二外接圆的第二掩膜图像,所述第二掩膜图像使得所述感兴趣区域以外的区域不存在出界点;
切割模块,用于采用所述第二掩膜图像对所述宫颈病理图像进行掩膜切割,得到所述宫颈病理图像的目标分割图像。
9.一种电子设备,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1-7任一项所述的宫颈病理图像处理方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1-7任一项所述的宫颈病理图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482530.9A CN114972209A (zh) | 2022-05-05 | 2022-05-05 | 宫颈病理图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210482530.9A CN114972209A (zh) | 2022-05-05 | 2022-05-05 | 宫颈病理图像处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114972209A true CN114972209A (zh) | 2022-08-30 |
Family
ID=82981141
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210482530.9A Pending CN114972209A (zh) | 2022-05-05 | 2022-05-05 | 宫颈病理图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114972209A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311448A (zh) * | 2022-09-02 | 2022-11-08 | 敬科(深圳)机器人科技有限公司 | 一种网状物料定位的方法、装置及存储介质 |
TWI833525B (zh) * | 2022-12-26 | 2024-02-21 | 和碩聯合科技股份有限公司 | 異常偵測方法、異常偵測裝置及異常偵測系統 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013144418A1 (en) * | 2012-03-29 | 2013-10-03 | Nokia Corporation | Image segmentation |
CN108596940A (zh) * | 2018-04-12 | 2018-09-28 | 北京京东尚科信息技术有限公司 | 一种视频分割方法和装置 |
CN109064475A (zh) * | 2018-09-11 | 2018-12-21 | 深圳辉煌耀强科技有限公司 | 针对宫颈脱落细胞图像的图像分割方法和装置 |
CN112734789A (zh) * | 2021-01-28 | 2021-04-30 | 重庆兆琨智医科技有限公司 | 一种基于半监督学习和点渲染的图像分割方法及系统 |
CN113866974A (zh) * | 2020-06-29 | 2021-12-31 | 深圳辉煌耀强科技有限公司 | 应用于宫颈细胞图像的聚焦方法、装置、设备及存储介质 |
-
2022
- 2022-05-05 CN CN202210482530.9A patent/CN114972209A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013144418A1 (en) * | 2012-03-29 | 2013-10-03 | Nokia Corporation | Image segmentation |
CN108596940A (zh) * | 2018-04-12 | 2018-09-28 | 北京京东尚科信息技术有限公司 | 一种视频分割方法和装置 |
CN109064475A (zh) * | 2018-09-11 | 2018-12-21 | 深圳辉煌耀强科技有限公司 | 针对宫颈脱落细胞图像的图像分割方法和装置 |
CN113866974A (zh) * | 2020-06-29 | 2021-12-31 | 深圳辉煌耀强科技有限公司 | 应用于宫颈细胞图像的聚焦方法、装置、设备及存储介质 |
CN112734789A (zh) * | 2021-01-28 | 2021-04-30 | 重庆兆琨智医科技有限公司 | 一种基于半监督学习和点渲染的图像分割方法及系统 |
Non-Patent Citations (2)
Title |
---|
易志武: "多模态医学影像的融合与重建技术的研究", 中国优秀硕士学位论文全文数据库信息科技辑, 15 May 2018 (2018-05-15) * |
王玉亮: "眼底图像处理与分析中的关键技术研究", 中国博士学位论文全文数据库信息科技辑, 15 November 2014 (2014-11-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115311448A (zh) * | 2022-09-02 | 2022-11-08 | 敬科(深圳)机器人科技有限公司 | 一种网状物料定位的方法、装置及存储介质 |
TWI833525B (zh) * | 2022-12-26 | 2024-02-21 | 和碩聯合科技股份有限公司 | 異常偵測方法、異常偵測裝置及異常偵測系統 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11941900B2 (en) | Identifying regions of interest from whole slide images | |
CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
CN114972209A (zh) | 宫颈病理图像处理方法和装置 | |
CN113112443B (zh) | 超声图像病灶的分割方法、装置和计算机设备 | |
JP2010525486A (ja) | 画像分割及び画像強調 | |
CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
CN108229232B (zh) | 批量扫描二维码的方法和批量扫描二维码的装置 | |
CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
CN111091571A (zh) | 细胞核分割方法、装置、电子设备及计算机可读存储介质 | |
CN110110667B (zh) | 一种硅藻图像的处理方法、系统及相关组件 | |
US20170178341A1 (en) | Single Parameter Segmentation of Images | |
CN111882565B (zh) | 一种图像二值化方法、装置、设备及存储介质 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN113034508B (zh) | 超声图像病灶的分割方法、装置和计算机设备 | |
CN114549603A (zh) | 细胞病理图像的标注坐标转换方法、系统、设备及介质 | |
CN115272362A (zh) | 一种数字病理全场图像有效区域分割方法、装置 | |
CN110060246B (zh) | 一种图像处理方法、设备及存储介质 | |
CN115908363B (zh) | 肿瘤细胞统计方法、装置、设备和存储介质 | |
CN112215827A (zh) | 电迁移区域检测方法、装置、计算机设备和存储介质 | |
CN111292310A (zh) | 获取生物组织图像的方法、装置、电子设备及存储介质 | |
CN111062984A (zh) | 视频图像区域面积的测量方法、装置、设备及存储介质 | |
CN116109652A (zh) | 基于改进区域生长算法的图像分割方法、系统、设备 | |
CN112183556B (zh) | 一种基于空间聚类与分水岭变换的港口矿堆轮廓提取方法 | |
CN112634240B (zh) | 基于阈值分割的甲状腺超声图像干扰界面自动识别去除方法 | |
CN113470028A (zh) | 染色体核型图像质量评估方法、染色体分析仪和存储介质 |
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 |