CN116029990A - 一种基于饱和度值计算细胞图片清晰度值的方法 - Google Patents

Abstract

本发明涉及一种基于饱和度值计算细胞图片清晰度值的方法，提供一种基于饱和度值计算细胞图片清晰度值的方法，包括以下步骤：（1）对拍摄取得的细胞图片进行颜色转换，将细胞图片从RGB（红绿蓝）通道转换到HSV（颜色，饱和度，亮度）；（2）分离出饱和度通道图片S，通过高斯滤波（或均值滤波）去除部分噪点，得到图片S1；（3）选用合适大小的核对图片S1进行拉普拉斯变换并计算绝对值，找出图片中变化剧烈的位置，得到图片S2；（4）设置合适的阈值，对图片S2进行阈值化处理，记录饱和度值，找出对应的亮斑位置；（5）统计多张细胞图片的亮斑位置，并记录其对应图片S2的饱和度值。本算法简单、有效，结合高斯滤波（或均值滤波）、拉普拉斯变换、决策树、形态学操作等，使得判断细胞图片清晰度值的结果更加准确。

Description

一种基于饱和度值计算细胞图片清晰度值的方法

技术领域

本发明属于医学图像处理领域，尤其涉及一种基于饱和度值计算细胞图片清晰度值的方法。

背景技术

计算细胞图片清晰度值算法主要用于根据机械装置的Z轴移动，找出最清晰的细胞图片所在的Z轴位置，并以此点为对焦点完成拍摄。由于切片制作的薄厚不均，导致细胞堆叠程度不同，且不同类型细胞染色后差异较大，不同的染色剂也会造成细胞颜色的差异，同时会有灰尘等杂质对切片造成不同程度的污染。因此对于算法的准确性要求很高。目前有一种反差对焦，通过相邻Z拍摄的图像之间的反差量，找出反差最大的位置，将焦点放置于反差值最大的焦点上完成对焦。但如果是在油镜下拍摄，图片中就很容易出现亮斑，那该算法计算相邻Z拍摄的图像之间的反差量时就会很容易出错，从而导致拍摄出的图片并非最清晰的图片。

发明内容

本发明的目的在于克服现有技术中存在的上述不足，而提供一种基于饱和度值计算细胞图片清晰度值的方法。

本发明解决上述问题所采用的技术方案是：提供一种基于饱和度值计算细胞图片清晰度值的方法，包括以下步骤：

(1)对拍摄取得的细胞图片进行颜色转换，将细胞图片从RGB(红绿蓝)通道转换到HSV(颜色，饱和度，亮度)；

(2)分离出饱和度通道图片S，通过高斯滤波(或均值滤波)去除部分噪点，得到图片S1；

(3)选用合适大小的核对图片S1进行拉普拉斯变换并计算绝对值，找出图片中变化剧烈的位置，得到图片S2；

(4)设置合适的阈值，对图片S2进行阈值化处理，记录饱和度值，找出对应的亮斑位置；

(5)统计多张细胞图片的亮斑位置，并记录其对应图片S2的饱和度值；

(6)根据步骤(5)的记录结果，应用决策树算法，找出饱和度值规律制定选择的条件；

(7)根据步骤(6)中制定的条件，找出细胞图片中所有亮斑的位置，再对其进行膨胀操作，得到亮斑二值图B；

(8)对图片S进行膨胀操作，得到膨胀后图片S3；

(9)对图片S进行腐蚀操作，得到腐蚀后图片S4；

(10)将图片S3、S4做差，通过形态学操作后的图片相减找出细胞边缘图D，再结合步骤(7)中找出的亮斑的位置，通过均方差计算出细胞图片的清晰度值。

作为优选，所述步骤(2)中采用高斯滤波(或均值滤波)的计算公式为：

其中，(x,y)为当前像素点；m为模板；src为原图像；a为模板的宽，b为模板的高；s(x,y)为处理后图像在该点上的饱和度值。

作为优选，所述步骤(3)中对图片S1进行拉普拉斯变换的计算公式为：

其中，(x,y)为当前像素点，src为原图像。

作为优选，所述步骤(6)中制定的选择的条件为阈值T1，即饱和度值＞阈值T1时，为亮斑，饱和度值≤阈值T1时，为非亮斑。

作为优选，所述步骤(8)中对图片S进行膨胀操作采用的算法公式为：

作为优选，所述步骤(9)中对图片S进行腐蚀操作采用的算法公式为：

本发明与现有技术相比，具有以下优点和效果：算法简单、有效，适用范围广泛。其中结合高斯滤波(均值滤波)、拉普拉斯变换和决策树算法的使用，找出细胞图片中的亮斑位置，再通过膨胀、腐蚀后图片相减找出细胞边缘，排除了亮斑等噪点对最终结果的判定，能更准确的计算出细胞图片的清晰度值，使最终结果更加准确。

附图说明

图1是本发明的细胞图片原图。

图2是本发明的饱和度通道图片。

图3是本发明的亮斑二值图。

图4是本发明的细胞边缘图。

具体实施方式

下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

实施例1。

本实施例提供的一种基于饱和度值计算细胞图片清晰度值的方法，包括以下步骤：

(1)对拍摄取得的细胞图片，如图1所示，进行颜色转换，采用颜色转换公式如下：

v＝max(R,G,B)

其中，RGB取值范围为[0,255]。

通过颜色转换将细胞图片从RGB(红绿蓝)通道转换到HSV(颜色，饱和度，亮度)；

(2)分离出饱和度通道图片S，如图2所示，对其进行高斯滤波，计算公式为：

其中，(x,y)为当前像素点；m为模板；src为原图像；a为模板的宽，b为模板的高；s(x,y)为处理后图像在该点上的饱和度值。

通过高斯滤波去除部分噪点，得到图片S1；

(3)选用合适大小的核对图片S1进行拉普拉斯变换并计算绝对值，找出图片中变化剧烈的位置，得到图片S2，进行拉普拉斯变换的具体计算公式如下：

其中，(x,y)为当前像素点，src为原图像。

(4)设置合适的阈值，对图片S2进行阈值化处理，记录饱和度值，找出对应的亮斑位置；

(5)统计多张细胞图片的亮斑位置，并记录其对应图片S2的饱和度值；

(6)根据步骤(5)的记录结果，应用决策树算法，找出饱和度值规律制定选择的条件阈值T1，即饱和度值＞阈值T1时，为亮斑，饱和度值≤阈值T1时，为非亮斑；

(7)根据步骤(6)中制定的条件，找出细胞图片中所有亮斑的位置，再对其进行膨胀操作，得到亮斑二值图B，如图3所示；

(8)对图片S进行膨胀操作，得到膨胀后图片S3，膨胀操作采用的计算公式为：

(9)对图片S进行腐蚀操作，得到腐蚀后图片S4，腐蚀操作采用的计算公式为：

(10)将图片S3、S4做差，通过形态学操作后的图片相减找出细胞边缘图D，如图4所示，再结合步骤(7)中找出的亮斑的位置，以亮斑二值图B做掩膜，计算细胞边缘图D中非亮斑区域的均方差，通过均方差计算出细胞图片的清晰度值。

本实施例的上述步骤(6)中，根据步骤(5)的记录结果，应用决策树算法，找出规律制定选择的条件时，采用损失函数加上叶子节点个数，用于剪枝防止过于拟合。

本实施例通过将形态学操作后的图片相减快速有效地找出细胞边缘位置，再通过计算细胞图片中除亮斑外的均方差来得出最终的清晰度值，排除了亮斑等噪点对最终结果的判定，结果更为准确。

此外，需要说明的是，本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。凡依据本发明专利构思所述的特征及原理所做的等效变化或者简单变化，均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明的技术方案或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.一种基于饱和度值计算细胞图片清晰度值的方法，其特征在于，包括以下步骤：

(1)对拍摄取得的细胞图片进行颜色转换，将细胞图片从RGB(红绿蓝)通道转换到HSV(颜色，饱和度，亮度)；

(2)分离出饱和度通道图片S，通过高斯滤波(或均值滤波)去除部分噪点，得到图片S1；

(3)选用合适大小的核对图片S1进行拉普拉斯变换并计算绝对值，找出图片中变化剧烈的位置，得到图片S2；

(4)设置合适的阈值，对图片S2进行阈值化处理，记录饱和度值，找出对应的亮斑位置；

(5)统计多张细胞图片的亮斑位置，并记录其对应图片S2的饱和度值；

(6)根据步骤(5)的记录结果，应用决策树算法，找出饱和度值规律制定选择的条件；

(7)根据步骤(6)中制定的条件，找出细胞图片中所有亮斑的位置，再对其进行膨胀操作，得到亮斑二值图B；

(8)对图片S进行膨胀操作，得到膨胀后图片S3；

(9)对图片S进行腐蚀操作，得到腐蚀后图片S4；

(10)将图片S3、S4做差，通过形态学操作后的图片相减找出细胞边缘图D，再结合步骤(7)中找出的亮斑的位置，通过均方差计算出细胞图片的清晰度值。

2.根据权利要求1所述的一种基于饱和度值计算细胞图片清晰度值的方法，其特征在于，所述步骤(2)中采用高斯滤波(或均值滤波)的计算公式为：

其中，(x,y)为当前像素点；m为模板；src为原图像；a为模板的宽；b为模板的高；s(x,y)为处理后图像在该点上的饱和度值。

3.根据权利要求1所述的一种基于饱和度值计算细胞图片清晰度值的方法，其特征在于，所述步骤(3)中对图片S1进行拉普拉斯变换的计算公式为：

其中，(x,y)为当前像素点，src为原图像。

4.根据权利要求1所述的一种基于饱和度值计算细胞图片清晰度值的方法，其特征在于，所述步骤(6)中制定的选择的条件为阈值T1，即饱和度值＞阈值T1时，为亮斑，饱和度值≤阈值T1时，为非亮斑。

5.根据权利要求1所述的一种基于饱和度值计算细胞图片清晰度值的方法，其特征在于，所述步骤(8)中对图片S进行膨胀操作采用的算法公式为：

6.根据权利要求1所述的一种基于饱和度值计算细胞图片清晰度值的方法，其特征在于，所述步骤(9)中对图片S进行腐蚀操作采用的算法公式为：

Images