WO2016091016A1 - 一种基于胞核标记分水岭变换的粘连白细胞分割方法 - Google Patents

一种基于胞核标记分水岭变换的粘连白细胞分割方法 Download PDF

Info

Publication number
WO2016091016A1
WO2016091016A1 PCT/CN2015/092590 CN2015092590W WO2016091016A1 WO 2016091016 A1 WO2016091016 A1 WO 2016091016A1 CN 2015092590 W CN2015092590 W CN 2015092590W WO 2016091016 A1 WO2016091016 A1 WO 2016091016A1
Authority
WO
WIPO (PCT)
Prior art keywords
white blood
blood cell
image
binary image
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.)
Ceased
Application number
PCT/CN2015/092590
Other languages
English (en)
French (fr)
Inventor
刘治
刘晶
郑成云
李晓梅
肖晓燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Publication of WO2016091016A1 publication Critical patent/WO2016091016A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; 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
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Definitions

  • the invention belongs to the field of biomedical engineering, and particularly relates to a method for blocking adhesion white blood cells based on a nuclear transformation watershed transformation.
  • the examination of white blood cells is an important part of clinical tests.
  • the inflammation or other diseases in the body can cause the total number of white blood cells and the percentage of various white blood cells to change. Therefore, checking the total number of white blood cells and white blood cell classification counts is an important method for assisting diagnosis.
  • the cell image analysis and recognition system has been studied in recent years. Its main task is to segment the collected image by automatic analysis, segment the individual cells, calculate the relevant characteristic parameters of individual cells, and identify the number of different cells.
  • white blood cell segmentation directly affects the results of the next steps of cell feature extraction and classification.
  • white blood cell segmentation is the most challenging step.
  • image segmentation algorithms based on multi-spectral techniques
  • image segmentation algorithms based on color models, commonly used color models are RGB, HSI, CMYK, etc.
  • Mathematical morphology algorithm image segmentation such as the snake algorithm to segment the cytoplasm on the basis of the nucleus, the traditional watershed algorithm to solve the cell adhesion problem
  • image segmentation algorithm based on fuzzy mathematics, such as fuzzy C-means algorithm, K-means clustering segmentation of white blood cells Wait.
  • fuzzy C-means algorithm K-means clustering segmentation of white blood cells Wait.
  • the splitting process takes a long time.
  • the segmented image is limited by the white blood cell bank.
  • the object of the present invention is to overcome the above-mentioned deficiencies of the prior art, and to provide a method for blocking leukocyte differentiation based on nuclear marker watershed transformation, which solves the problem of peripheral blood adhesion leukocyte segmentation.
  • the algorithm is simple and time-consuming, and it has good robustness to different cell bank different forms of adhesion leukocyte segmentation and precise segmentation of white blood cell nuclei.
  • a method for segmentation of adhesion white blood cells based on watershed transformation of nuclear markers comprising the following steps:
  • the specific method of the step (1) is: observing the grayscale image in the matlab, determining the gray value of the white blood cell nucleus, the red blood cell and the background; calculating the global threshold T of the gray histogram by the graythresh function, and then using the im2bw function pair
  • the grayscale image is thresholded to obtain the binogram of white blood cells and red blood cells.
  • the gray histogram is analyzed.
  • the fraction of the white blood cells is segmented by the im2bw function threshold to obtain the white matter nuclei only.
  • Binary image I analyzing the B component image, analyzing the pixel values of the red blood cell and white blood cell nuclear color in the image, and obtaining the binary image III containing only the white blood cell core and the red blood cell region by global threshold segmentation technology;
  • step (5) The specific method of the step (5) is:
  • the target cell nucleus is determined to be a nucleus nucleus, wherein the area is represented by the number of pixels in the white blood cell area; at this time, the centroid coordinate position of the two target nucleus is obtained, and the two targets are Perform centroid-linked operation to form a nuclear nucleus of the lobulated nucleus as an internal seed point;
  • step (7) The specific method of the step (7) is:
  • the target cell disappears, the cell is not treated; if the target number is increased, the multiple targets after corrosion are used as a new internal seed point to perform a watershed transformation based on distance transformation, and the watershed ridge is displayed on the target adhesion cell, adhesion
  • the cells can be separated;
  • the method is simple to operate, and it takes a short time.
  • the watershed transformation based on the inner nucleus of the nucleus is proposed, which avoids the occurrence of over-segmentation and improves the stability of the watershed transformation adhesion segmentation.
  • a new method for segmentation of peripheral blood adhesion leukocytes is proposed.
  • the algorithm has high segmentation precision and strong stability, which is superior to traditional algorithms.
  • Figure 1 is a flow chart of peripheral blood adhesion leukocyte segmentation system
  • Figure 2 shows images of peripheral blood cells from two different illuminations
  • FIG. 3 shows the white matter nuclear I segmentation binary map
  • FIG. 4 shows the effect of white blood cell and red blood cell II segmentation
  • Figure 5 shows the effect of white blood cell nucleus and red blood cell III segmentation
  • FIG. 6 shows the red blood cell IV segmentation effect
  • Figure 8 shows the segmented nuclear X-value map
  • Figure 9 shows the internal seed point VI binary map
  • Figure 10 shows the preliminary segmentation of the white blood cell Y binary map.
  • FIG 11 shows the watershed ridge obtained by X
  • FIG. 12 shows the result of the first watershed transformation VII-1
  • FIG. 13 shows the result of the first watershed transformation VII-2
  • FIG. 14 shows the separation of the precise white blood cell core Z1
  • FIG. 15 shows the separation of precise white blood cells Z2
  • a specific implementation process of a peripheral blood adhesion white blood cell image segmentation algorithm based on nuclear labeling is as follows:
  • white blood cell recognition medical experts usually distinguish white blood cells and red blood cells according to their characteristics such as color and shape, and discriminate white blood cell types based on information such as texture and space.
  • a multi-user peripheral blood cell formation cell bank was collected, and the white blood cells were segmented from the perspective of color and space. The characteristics of the color channel of the cell bank image were analyzed.
  • White space is precisely segmented by color space and morphological manipulation.
  • Adhesion problems present in leukocytes can be accurately and stably differentiated by leukocyte adhesion by improved nuclear marker-based watershed transformation. The algorithm is simple and easy to operate, and can effectively solve the problem of cell adhesion.
  • the cell images under different illuminations of different cell banks are shown in Fig. 2, which has higher segmentation rate and good robustness.
  • the white blood cell binarized images may have some red blood cells and other impurities or cell adhesions, but the number and morphology of white blood cells remain intact, there is no problem of leukocyte missing or white blood cell defects, and inaccurate white blood cell segmentation. It is realized by binarized image subtraction technology.
  • the segmentation method is: firstly, the original RGB color image is converted into a gray space with a pixel range of 0 to 1. By setting different thresholds, the threshold value of the gray image is 0.5 and the threshold segmentation based on the ostu adaptive threshold segmentation technique is respectively performed.
  • the ostu-based adaptive threshold segmentation can be used to obtain the binary image of the white blood cell nucleus and the red blood cell III, as shown in Fig. 5.
  • the image of erythrocyte IV can be obtained by subtracting the white blood cell nuclear map I from the binary image of the white blood cell nucleus and the red blood cell.
  • the white blood cell and red blood cell binary map II minus the red blood cell binary map V can obtain an inaccurate white blood cell binary image V, as shown in FIG.
  • the internal seeds are also obtained from the nuclear nuclei.
  • the cell nucleus is taken as an internal seed to determine the number of white blood cells and to resolve the adhesion problems of white blood cells.
  • the method of obtaining the nucleus is to first convert the original RGB color image into the HSI space, and extract the G and S channel components of the two spaces respectively. Observe the G component and find that the white blood cell and platelet pixel values are small, and other components have larger pixels. Value, observe the S component can be found, white blood cells and platelets have larger pixel values, other components have smaller pixel values, normalize the two-channel components, and then subtract the pixel values to enhance the nuclear image. .
  • the binarization and morphological processing of the obtained enhanced image can obtain a nuclear binary image X, and the segmentation effect is shown in FIG.
  • the nucleus of the nucleus in the leukocyte is multinuclear
  • the centroid is connected to each other, and the multinucleus becomes a nucleus.
  • the number of white blood cells be determined, but also the internal seed of the watershed transformation.
  • Solve cell adhesion problems For the adhesion of leukocyte nucleus in leukocytes, a flat disc structural element with a radius of 1 is created, and a morphological corrosion operation is performed on the target nuclei to obtain a seed point of the adherent nuclei.
  • the internal seed image obtained by the method is as shown in FIG.
  • a cell nucleus corresponds to a white blood cell
  • an internal seed binary image VI determines the number of white blood cells.
  • a large area of impurity such as excess red blood cells in the image V can be removed.
  • the logical and subsequent images of the two are used as the marker images, and the inaccurate white blood cell image V is used as a mask to perform a morphological reconstruction operation to obtain an accurate white blood cell binarization map.
  • Y is the external seed, as shown in Figure 10.
  • the binary image Z1 can be solved by the binary image VII-2 and the binary image X, and the separated nuclear binary image Z1 is shown in FIG.
  • the binary image VII-2 may contain impurities such as red blood cells, and the binary image Z1 is used as a marker image, and VII-2 is used as a mask to perform a morphological reconstruction operation on the two to obtain a precise white blood cell binary value.
  • Image Z2 as shown in FIG.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于胞核标记分水岭变换的粘连白细胞分割方法。首先，输入原始RGB图像，发现外周血白细胞和骨髓白细胞在图像处理过程中普遍难解决的问题；接着对原始图像进行HSI、LUV颜色空间和灰度空间转换，并分析各通道分量图像的特点；然后对B分量和灰度图分别做阈值分割和图像相减得到含部分杂质的白细胞图像；紧接着通过图像增强技术获得白细胞核团作为标记的目标；再然后，对白细胞核团和含杂质的白细胞图像做形态学操作和分水岭变换除去杂质得精确的白细胞图像并解决细胞粘连问题。最后，裁剪目标白细胞，将其转换到LUV空间，从空间和颜色的角度对白细胞图像进行聚类，得到精确的白细胞核。

Description

一种基于胞核标记分水岭变换的粘连白细胞分割方法 技术领域
本发明属于生物医学工程领域，特别涉及一种基于胞核标记分水岭变换的粘连白细胞分割方法。
背景技术
白细胞的检查是临床检验的一项重要内容，机体发生炎症或其他疾病都可引起白细胞总数及各种白细胞的百分比发生变化，因此检查白细胞总数及白细胞分类计数成为辅助诊断的一种重要方法。细胞图像分析与识别系统在近年研究比较多，其主要任务就是经过自动分析通过预处理对采集图像进行细胞分割，分割出单个细胞，计算单个细胞的有关特征参数，识别统计不同细胞的个数。在血细胞识别中，白细胞分割效果的好坏直接影响着细胞特征提取和分类等下一步操作的结果，在细胞识别中，白细胞分割是最具有挑战性的一步。
在图像处理与模式识别领域，传统的白细胞分割方法大致分为以下几类：基于多光谱技术的图像分割算法；基于颜色模型的图像分割算法，常用的颜色模型有RGB，HSI，CMYK等；基于数学形态学的算法图像分割，诸如snake算法在得到细胞核的基础上分割出细胞质，传统分水岭算法解决细胞粘连问题等；基于模糊数学的图像分割算法，如模糊C均值算法，K均值聚类分割白细胞等。而在分割过程中，单纯使用一种算法很难达到较好的效果，多种算法结合分割效果更好。
现有的主要的粘连白细胞分割算法的不足：
1、分割过程花费时间长。
2、分割的图像受白细胞库限制。
3、白细胞分割精确度低。
4、骨髓白细胞核分割不精确。
5、不能有效的解决细胞间粘连问题。
发明内容
本文基于细胞图像在不同颜色空间呈现的不同颜色，白细胞与红细胞等在纹理空间上存在的差异性，和细胞核团能够确定白细胞数目与位置等特性，提出了一种算法简单操作耗时短的外周血粘连白细胞与白细胞核精确分割算法，该算法完成了白细胞的完整分割，有效的解决了外周血白细胞间的粘连问题。
本发明的目的是为克服上述现有技术的不足，提供一种基于胞核标记分水岭变换的粘连白细胞分割方法，解决了外周血粘连白细胞分割的问题。算法简单，耗时短，对不同的细胞库不同形态的粘连白细胞分割、白细胞核的精确分割具有很好的鲁棒性。
为实现上述目的，本发明采用下述技术方案：
一种基于胞核标记的分水岭变换的粘连白细胞分割方法，包括以下步骤：
(1)对原始彩色血细胞图像进行处理，得到只包含白细胞核区域的二值图像I、白细胞和红细胞二值图II以及只包含白细胞核和红细胞区域的二值图像III；
(2)用二值图像III减去二值图像I，得到仅包含红细胞区域的新二值图像IV，
(3)用二值图像IV减去二值图像II，得到包含有完整的白细胞轮廓区域的二值图像V；
(4)增强原始彩色血细胞图像中白细胞的细胞核区域，得到增强后的图像N，对其做形态学处理，得到精确白细胞核二值图像X；
(5)对二值图像X进行分析，判断白细胞核是否为分叶核，判断白细胞核是否发生粘连，对二值图像X做相应的操作得内部种子二值图像VI；
(6)将内部种子图像VI作为标记图像，二值图像V作为掩模，对两者做逻辑与和形态学重构操作，得到白细胞区域的二值图像Y，作为外部种子；
(7)判断粘连条件，对二值图像Y作两步分水岭变换，得到分离的白细胞二值图像VII-2；
(8)将二值图像X和二值图像VII-2做逻辑与操作，可得到精确的分离开的白细胞核二值图像Z1；将二值图像Z1作为标记图像，VII-2作为掩模，对两者做形态学重构操作，即可得到分离开的精确的白细胞二值图像Z2。
所述步骤(1)的具体方法为:在matlab中，观察灰度图像，确定白细胞核、红细胞和背景的灰度值；通过graythresh函数计算灰度直方图的全局阈值T，再通过im2bw函数对灰度图像进行阈值分割，得到白细胞和红细胞区域二值图II；分析灰度直方图，选取分割细胞核的经验阈值T2＝0.5，使用im2bw函数阈值分割出白细胞核部分，得到只包含白细胞核区域的二值图像I；分析B分量图像，分析红细胞和白细胞核颜色在图像中呈现的像素值，通过全局阈值分割技术得到只包含白细胞核和红细胞区域的二值图像III；
所述步骤(4)的具体方法为：分析G通道分量和S通道分量图像，对两者进行归一化处理，分别得到归一化的矩阵Ig和Is，对两归一化矩阵进行像素值相减得到增强的图像N，其中N＝2Ig-Is；再对N进行二值化和形态学操作，得到精确的白细胞核二值图X。
所述步骤(5)的具体方法为：
(i)判断细胞核为分叶核条件：当细胞核二值图X中存在两目标胞核的质心距离小于 25，且两目标的面积大于30小于150时，则判断目标细胞核为分叶核，其中，面积用白细胞区域所占像素个数和表示；此时获取两目标核的质心坐标位置，对两目标进行质心相连操作，使分叶核形成一个细胞核团，作为内部种子点；
(ii)判断细胞核粘连条件：当二值图像X中含有目标细胞核面积大于1000时，则判断二值图像X中含有目标粘连细胞核；其中，圆度值＝周长2/4π*面积，周长用白细胞边界像素点个数和表示，面积用白细胞区域所占像素个数和表示。创建一个半径为1的平坦型圆盘结构元素，对目标细胞核进行三次形态学腐蚀操作，得到目标细胞核的内部种子点；
(iii)对于X中不是分叶核或不是粘连的胞核目标，直接作为内部种子点。
(iv)将(i)～(iii)中得到的内部种子点合并，得到二值图X的细胞核团即内部种子，记为VI。
所述步骤(7)的具体方法为：
(i)判断目标细胞粘连条件：当二值图像Y中含有目标细胞面积大于2000或圆度值大于2的情况时，则判断二值图像Y中含有目标粘连细胞；此时，对内部种子VI做基于距离的分水岭变换，得到的分水岭脊线显示在二值图像Y上，得到的图像记为VII-1。此过程叫作基于胞核标记的分水岭变换过程，主要依靠外周血中胞核或种子点不粘连来解决白细胞胞质粘连的问题。
(ii)继续判断粘连条件，当二值图像VII-1中含有目标细胞面积大于2000或圆度值大于2的情况时，则判断二值图像VII-1中含有目标粘连细胞，对目标粘连细胞做自适应腐蚀操作，至目标细胞数量增多或消失时为止；
(iii)若目标细胞消失，此细胞不作处理；若目标数量增多，将腐蚀后的多个目标作为新的内部种子点做基于距离变换的分水岭变换，分水岭脊线显示在目标粘连细胞上，粘连细胞即可分开；
(iv)继续判断细胞粘连条件，直至循环结束，即可得到分离后的细胞二值图像VII-2。(ii)～(iv)过程记为第二次分水岭分割过程。
本发明由于采取以上技术方案，其具有以下优点：
1、方法简单操作，耗时短。
2、提出了图像相减方法来得到完整的白细胞轮廓。确保了白细胞分割的完整性。
3、提出了基于细胞核团当内部标记符的分水岭变换，避免了过分割问题的出现，提高了分水岭变换粘连分割的稳定性。
4、提出了一种用细胞核数来标记白细胞数量的思想，避免了分割过程中产生错误而 出现红细胞，降低了误割率，提高了分割的准确性。
5、提出了一种新的方法分割外周血粘连白细胞，算法分割精度高，稳定性强，优于传统的算法。
附图说明
图1为外周血粘连白细胞分割系统流程图
图2显示来自两种不同光照下的外周血细胞图像
图3显示白细胞核I分割二值图
图4显示白细胞和红细胞II分割效果图
图5显示白细胞核和红细胞III分割效果图
图6显示红细胞IV分割效果图
图7显示不精确白细胞V分割效果图
图8显示分割的细胞核X二值图
图9显示内部种子点VI二值图
图10显示初步分割的白细胞Y二值图
图11显示由X得到的分水岭脊线
图12显示第一次分水岭变换的结果VII-1
图13显示第一次分水岭变换的结果VII-2
图14显示分离开的精确白细胞核Z1
图15显示分离开的精确白细胞Z2
图16分割出的白细胞和白细胞核的分割效果显示在原始图像上(细胞核边缘用红线显示，白细胞边缘用绿线显示)
具体实施方式
以下通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。下列实施例中未注明具体条件的实验方法，按照常规的方法和条件进行选择。
实施例1：
如图1所示，本发明所涉及的一种基于胞核标记的外周血粘连白细胞图像分割算法的具体实施过程如下：
在白细胞识别中，医学专家通常会在根据颜色和形态等特性对白细胞和红细胞进行区分，根据纹理和空间等信息对白细胞类型进行判别。本文采集多人外周血细胞形成细胞库，从颜色和空间的角度对白细胞进行分割，分析细胞库图像部分颜色通道的特点，发现可通 过颜色空间和形态学操作对白细胞进行精确分割。对白细胞中存在的粘连问题可通过改进的基于胞核标记的分水岭变换进行精确稳定的白细胞粘连分割。本文算法简单易操作，能有效解决细胞粘连问题，对不同细胞库不同光照下细胞图像如图2所示，有较高的分割率和很好的鲁棒性。
(1)不精确白细胞V的分割。此过程分割出的白细胞二值化图像中可能出现部分红细胞等杂质或存在细胞粘连等情况，但白细胞数量和形态是保持完整的，不存在白细胞遗漏或白细胞质残缺的问题，不精确白细胞的分割是通过二值化图像相减技术来实现的。分割方法是：首先将原始RGB彩色图像转换到像素范围在0～1的灰度空间，通过设定不同的阈值，分别对灰度图像进行阈值为0.5和基于ostu自适应阈值分割技术的阈值分割，各自得到白细胞核I(如图3所示)和白细胞与红细胞II(如图4所示)两种二值化图像。然后提取RGB空间的B分量，发现在此通道分量中白细胞核和红细胞的像素值较低，根据此特点可做基于ostu的自适应阈值分割得到白细胞核与红细胞的二值图III，如图5所示。如图6示，红细胞IV的图像可通过白细胞核与红细胞的二值图III减去白细胞核二值图I得到。白细胞与红细胞二值图II减去红细胞二值图V可得到不精确的白细胞二值图像V，如图7所示。
(2)内部种子亦细胞核团的获取。获取细胞核团作为内部种子，用来确定白细胞的数量和解决白细胞的粘连问题。细胞核团的获取方法是，首先将原始RGB彩色图像转换到HSI空间，分别提取两空间的G和S通道分量，观察G分量可发现，白细胞和血小板像素值较小，其他成分有较大的像素值，观察S分量可发现，白细胞和血小板像素值较大，其他成分有较小的像素值，对两通道分量做归一化处理，然后做像素值相减，可起到增强细胞核图像的作用。对得到的增强图像做二值化和形态学处理可得到细胞核二值图像X，分割效果见图8所示。对于白细胞中分叶核的细胞核为多核的情况，为使其成为细胞核团，对其进行质心两两相连，让多核成为一个细胞核团不但可以确定白细胞的数量还可以此作为分水岭变换的内部种子来解决细胞粘连问题。对于白细胞中白细胞核也发生粘连的情况，创建进行一个半径为1的平坦型圆盘结构元素，对目标细胞核进行三次形态学腐蚀操作，可得到粘连细胞核的种子点。本方法得到的内部种子图像，如图9所示。
(3)外部种子的获取。一个细胞核团对应一个白细胞，内部种子二值图像VI确定了白细胞的数量。通过对内部种子二值图像VI和不精确白细胞二值图像V做逻辑与操作，可去除图像V中多余的红细胞等大面积杂质部分。将两者逻辑与后得到的图像作为标记图像，将不精确白细胞图像V作为掩膜，对其做形态学重构操作，可获取精确的白细胞二值化图 像Y即外部种子，如图10所示。
(4)分水岭变换解决细胞粘连。在外周血细胞中，一般细胞核不发生粘连，在细胞核不粘连而细胞质发生粘连情况下，对内部种子VI做基于距离的分水岭变换，将分水岭脊线显示在外部种子Y上，得到白细胞二值图像VII-1，分水岭脊线如图11所示，第一次分水岭变换结果二值图VII-1如图12示；当细胞图像中存在细胞质与红细胞粘连或细胞核也发生粘连时，继续判断目标粘连情况，对VII-1做自适应腐蚀的分水岭变换得到分离开的细胞二值图像VII-2，如图13示。
(5)分离开的精确白细胞和精确白细胞核的获取。二值图像X中，对于细胞核粘连的情况，可通过二值图像VII-2与二值图像X做逻辑与操作来解决，分离开的细胞核二值图像Z1，如图14示。二值图像VII-2中可能含有红细胞等杂质，将二值图像Z1作为标记图像，VII-2作为掩模，对两者做形态学重构操作，即可得到分离开的精确的白细胞二值图像Z2，如图15所示。
(6)将血细胞图像白细胞和白细胞核的分割边缘线依次显示在原始图像上，如图16所示。由此发现此方法分割白细胞，耗时短，精度高，很好的分割效果且优于传统的外周血细胞粘连分割算法。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (5)

  1. 一种基于胞核标记的分水岭变换的粘连白细胞分割方法，包括以下步骤：
    (1)对原始彩色血细胞图像进行处理，得到只包含白细胞核区域的二值图像I、白细胞和红细胞二值图II以及只包含白细胞核和红细胞区域的二值图像III；
    (2)用二值图像III减去二值图像I，得到仅包含红细胞区域的新二值图像IV，
    (3)用二值图像IV减去二值图像II，得到包含有完整的白细胞轮廓区域的二值图像V；
    (4)增强原始彩色血细胞图像中白细胞的细胞核区域，得到增强后的图像N，对其做形态学处理，得到精确白细胞核二值图像X；
    (5)对二值图像X进行分析，判断白细胞核是否为分叶核，判断白细胞核是否发生粘连，对二值图像X做相应的操作得内部种子二值图像VI；
    (6)将内部种子图像VI作为标记图像，二值图像V作为掩模，对两者做逻辑与和形态学重构操作，得到白细胞区域的二值图像Y，作为外部种子；
    (7)判断粘连条件，对二值图像Y作两步分水岭变换，得到分离的白细胞二值图像VII-2；
    (8)将二值图像X和二值图像VII-2做逻辑与操作，可得到精确的分离开的白细胞核二值图像Z1；将二值图像Z1作为标记图像，VII-2作为掩模，对两者做形态学重构操作，即可得到分离开的精确的白细胞二值图像Z2。
  2. 如权利要求1所述的分割方法，其特征是，所述步骤(1)的具体方法为:在matlab中，观察灰度图像，确定白细胞核、红细胞和背景的灰度值；通过graythresh函数计算灰度直方图的全局阈值T，再通过im2bw函数对灰度图像进行阈值分割，得到白细胞和红细胞区域二值图II；分析灰度直方图，选取分割细胞核的经验阈值T2＝0.5，使用im2bw函数阈值分割出白细胞核部分，得到只包含白细胞核区域的二值图像I；分析B分量图像，分析红细胞和白细胞核颜色在图像中呈现的像素值，通过全局阈值分割技术得到只包含白细胞核和红细胞区域的二值图像III。
  3. 如权利要求1所述的分割方法，其特征是，所述步骤(4)的具体方法为：分析G通道分量和S通道分量图像，对两者进行归一化处理，分别得到归一化的矩阵Ig和Is，对两归一化矩阵进行像素值相减得到增强的图像N，其中N＝2Ig-Is；再对N进行二值化和形态学操作，得到精确的白细胞核二值图X。
  4. 如权利要求1所述的分割方法，其特征是，所述步骤(5)的具体方法为：
    (i)判断细胞核为分叶核条件：当细胞核二值图X中存在两目标胞核的质心距离小于25，且两目标的面积大于30小于150时，则判断目标细胞核为分叶核，其中，面积用白细胞区域所占像素个数和表示；此时获取两目标核的质心坐标位置，对两目标进行质心相连操作，使分叶核形成一个细胞核团，作为内部种子点；
    (ii)判断细胞核粘连条件：当二值图像X中含有目标细胞核面积大于1000时，则判断二值图像X中含有目标粘连细胞核；其中，圆度值＝周长2/4π*面积，周长用白细胞边界像素点个数和表示，面积用白细胞区域所占像素个数和表示；创建一个半径为1的平坦型圆盘结构元素，对目标细胞核进行三次形态学腐蚀操作，得到目标细胞核的内部种子点；
    (iii)对于二值图像X中不是分叶核或不是粘连的胞核目标，直接作为内部种子点；
    (iv)将(i)～(iii)中得到的内部种子点合并，得到二值图像X的细胞核团即内部种子，记为VI。
  5. 如权利要求1所述的分割方法，其特征是，所述步骤(7)的具体方法为：
    (i)判断目标细胞粘连条件：当二值图像Y中含有目标细胞面积大于2000或圆度值大于2时，则判断二值图像Y中含有目标粘连细胞；对内部种子VI做基于距离的分水岭变换，得到的分水岭脊线显示在二值图像Y上，得到的图像记为VII-1；
    (ii)继续判断粘连条件，当二值图像VII-1中含有目标细胞面积大于2000或圆度值大于2时，则判断二值图像VII-1中含有目标粘连细胞，对目标粘连细胞做自适应腐蚀操作，至目标细胞数量增多或消失时为止；
    (iii)若目标细胞消失，此细胞不作处理；若目标数量增多，将腐蚀后的多个目标作为新的内部种子点做基于距离变换的分水岭变换，分水岭脊线显示在目标粘连细胞上，粘连细胞即可分开；
    (iv)继续判断细胞粘连条件，直至循环结束，即可得到分离后的细胞二值图像VII-2；(ii)～(iv)过程记为第二次分水岭分割过程。
PCT/CN2015/092590 2014-12-12 2015-10-23 一种基于胞核标记分水岭变换的粘连白细胞分割方法 Ceased WO2016091016A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410778791.0 2014-12-12
CN201410778791.0A CN104392460B (zh) 2014-12-12 2014-12-12 一种基于胞核标记分水岭变换的粘连白细胞分割方法

Publications (1)

Publication Number Publication Date
WO2016091016A1 true WO2016091016A1 (zh) 2016-06-16

Family

ID=52610358

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/092590 Ceased WO2016091016A1 (zh) 2014-12-12 2015-10-23 一种基于胞核标记分水岭变换的粘连白细胞分割方法

Country Status (2)

Country Link
CN (1) CN104392460B (zh)
WO (1) WO2016091016A1 (zh)

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830874A (zh) * 2018-04-19 2018-11-16 麦克奥迪（厦门）医疗诊断系统有限公司 一种数字病理全切片图像空白区域自动分割方法
CN110499233A (zh) * 2019-08-27 2019-11-26 广东环凯生物科技有限公司 一种用于菌落计数器的光源系统、计数器和计数方法
CN110595959A (zh) * 2019-04-19 2019-12-20 齐鲁工业大学 一种糖膏颗粒粒度分析系统及分析方法
CN110610490A (zh) * 2019-09-11 2019-12-24 哈尔滨理工大学 一种病变细胞图像中白细胞的定位方法
CN110782440A (zh) * 2019-10-22 2020-02-11 华中农业大学 一种作物籽粒性状测量方法
CN111681185A (zh) * 2020-06-10 2020-09-18 合肥工业大学 一种基于沥青混合料X-ray扫描图像的有限元建模方法
CN111797742A (zh) * 2020-06-28 2020-10-20 扬州大学广陵学院 一种小麦胚乳蛋白体面积的测定方法
CN112233107A (zh) * 2020-11-04 2021-01-15 安徽大学 基于图像处理技术的葵花籽品级分类方法
CN112396618A (zh) * 2020-11-12 2021-02-23 北京科技大学 一种基于图像处理的晶界提取及晶粒度测量方法
CN112598626A (zh) * 2020-12-07 2021-04-02 上海市同仁医院 一种自动识别骨髓切片中脂肪泡的分析方法
CN112668565A (zh) * 2020-12-10 2021-04-16 中国科学院西安光学精密机械研究所 一种针对具有遮挡形变的圆形目标判读方法
CN112785571A (zh) * 2021-01-20 2021-05-11 浙江理工大学 一种基于改进分水岭的名优茶嫩叶识别分割方法
CN112858311A (zh) * 2021-01-20 2021-05-28 河北农业大学 一种基于机器视觉技术的稻米表型监测系统及方法
CN112907558A (zh) * 2021-03-15 2021-06-04 南京农业大学 油菜籽粒千粒重的全自动图像测定方法
CN112907545A (zh) * 2021-02-25 2021-06-04 湖州师范学院 基于图像处理的种子芽长与根长检测方法
CN113240663A (zh) * 2021-05-31 2021-08-10 西安建筑科技大学 一种基于边缘响应融合算法的传送带矿石粒度检测方法
CN113538345A (zh) * 2021-06-29 2021-10-22 嵊州市浙江工业大学创新研究院 一种基于图像处理的工业瓶罐器件计数方法
CN113570628A (zh) * 2021-07-30 2021-10-29 西安科技大学 一种基于活动轮廓模型的白细胞分割方法
CN113744184A (zh) * 2021-07-27 2021-12-03 江苏农林职业技术学院 一种基于图像处理的乌鳢卵子计数方法
CN114067114A (zh) * 2021-11-12 2022-02-18 燕山大学 一种基于藻类细胞形态的面积核分割计数方法
CN114596563A (zh) * 2021-12-15 2022-06-07 江苏康尚生物医疗科技有限公司 一种抗干扰能力强的微小粒子自适应分割识别方法及系统
CN114627142A (zh) * 2022-02-28 2022-06-14 广东省人民医院 H&e染色组织病理图像细胞核分割与分类系统、方法、设备及介质
CN115393375A (zh) * 2022-08-17 2022-11-25 华侨大学 荧光显微成像中明场细胞图像分割方法和装置
CN115511815A (zh) * 2022-09-20 2022-12-23 济南超级计算技术研究院 一种基于分水岭的宫颈液基细胞分割方法和系统
CN115620075A (zh) * 2022-12-16 2023-01-17 南昌大学 白细胞分类模型用数据集的生成方法、系统及设备
CN117011531A (zh) * 2022-06-08 2023-11-07 四川大学 一种基于分水岭分割的从动态冰图像中提取粘连气泡的方法、装置及设备
WO2023220913A1 (zh) * 2022-05-17 2023-11-23 京东方科技集团股份有限公司 细胞图像处理方法、电子设备以及存储介质
CN117392154A (zh) * 2023-12-07 2024-01-12 华侨大学 一种相衬显微细胞图像分割方法及系统
CN117575977A (zh) * 2024-01-17 2024-02-20 锦恒科技(大连)有限公司 一种用于卵巢组织分析的卵泡区域增强方法
CN118570397A (zh) * 2024-07-31 2024-08-30 山东济矿鲁能煤电股份有限公司阳城煤矿 煤矿主井井底积煤与尾绳的3d图像生成与分析系统
CN118840367A (zh) * 2024-09-19 2024-10-25 捷仪科技(北京)有限公司 一种菌落计数方法及装置

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392460B (zh) * 2014-12-12 2015-11-04 山东大学 一种基于胞核标记分水岭变换的粘连白细胞分割方法
CN104751462B (zh) * 2015-03-29 2018-12-14 迈克医疗电子有限公司 一种基于多特征非线性组合的白细胞分割方法
CN105139383B (zh) * 2015-08-11 2018-08-10 北京理工大学 基于定义圆hsv颜色空间的医学图像分割方法
CN107492088B (zh) * 2016-06-11 2020-12-04 青岛华晶生物技术有限公司 一种妇科显微图像中白细胞自动识别与统计方法
CN106327490A (zh) * 2016-08-22 2017-01-11 中国计量大学 一种基于白细胞检测的细胞核分割方法
CN106875394B (zh) * 2016-12-22 2020-01-10 浙江工业大学 相差显微镜细胞主要信息粘连情况的分离与分组方法
CN107220647B (zh) * 2017-06-05 2020-03-31 中国农业大学 一种叶片交叉条件下作物中心点定位方法及系统
CN107527343B (zh) * 2017-08-31 2019-11-26 山东省农业科学院科技信息研究所 一种基于图像处理的双孢蘑菇分级方法
CN107705298B (zh) * 2017-09-19 2021-02-05 浙江农林大学 一种检测心肌细胞核独立情况和粘连情况的方法及系统
CN108257124B (zh) * 2018-01-23 2020-08-25 江苏康尚生物医疗科技有限公司 一种基于图像的白细胞计数方法和系统
CN108918481A (zh) * 2018-04-26 2018-11-30 南昌大学 一种脐静脉内皮细胞荧光分析系统
CN108805865B (zh) * 2018-05-22 2019-12-10 杭州智微信息科技有限公司 一种基于饱和度聚类的骨髓白细胞定位方法
CN110135271A (zh) * 2019-04-19 2019-08-16 上海依智医疗技术有限公司 一种细胞分类方法及装置
CN110110807B (zh) * 2019-05-16 2023-01-03 福州大学 一种基于改进K-means及卷积神经网络的白细胞提取和分类方法
CN110060229A (zh) * 2019-05-29 2019-07-26 武汉兰丁医学高科技有限公司 一种骨髓白细胞的细胞自动定位分割方法
CN110223305B (zh) * 2019-06-12 2021-09-10 志诺维思（北京）基因科技有限公司 细胞分割方法、装置及可读存储介质
CN110363762B (zh) * 2019-07-23 2023-03-14 腾讯医疗健康(深圳)有限公司 细胞检测方法、装置、智能显微镜系统和可读存储介质
CN110619640B (zh) * 2019-08-26 2022-02-01 济南大学 一种基于骨髓细胞图像的粒细胞检测方法及系统
CN111091571B (zh) * 2019-12-12 2024-05-14 珠海圣美生物诊断技术有限公司 细胞核分割方法、装置、电子设备及计算机可读存储介质
CN111504885B (zh) * 2020-04-04 2022-03-15 电子科技大学 一种基于机器视觉的全自动血涂片形态分析装置的分析方法
CN112070722B (zh) * 2020-08-14 2025-09-12 湖南骁科码生物科技有限公司 一种荧光原位杂交细胞核分割方法及系统
CN112614142B (zh) * 2020-12-25 2023-05-30 华侨大学 一种基于多通道图像融合的细胞弱标签制作方法及系统
CN113763404B (zh) * 2021-09-24 2023-06-06 湖南工业大学 基于优化标记和边缘约束分水岭算法的泡沫图像分割方法
CN114240853B (zh) * 2021-11-29 2026-03-31 中国科学院沈阳自动化研究所 基于计算机视觉的细胞计数方法
CN114926398B (zh) * 2022-04-18 2024-03-29 太原理工大学 基于深度学习图像处理的粘连外周血细胞分割方法
CN114565608A (zh) * 2022-04-26 2022-05-31 华伦医疗用品(深圳)有限公司 一种内窥镜Ai图像识别方法及系统
CN116310341B (zh) * 2023-03-21 2025-12-05 华中科技大学 三维细胞分割方法
CN116580041B (zh) * 2023-05-30 2024-06-18 山东第一医科大学附属眼科研究所(山东省眼科研究所、山东第一医科大学附属青岛眼科医院) 基于voronoi图的角膜内皮细胞边界分割方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013102A (zh) * 2010-12-01 2011-04-13 华中科技大学 一种图像中的粘连细胞分割方法
CN103473739A (zh) * 2013-08-15 2013-12-25 华中科技大学 一种基于支持向量机的白细胞图像精确分割方法与系统
CN103985119A (zh) * 2014-05-08 2014-08-13 山东大学 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法
CN104392460A (zh) * 2014-12-12 2015-03-04 山东大学 一种基于胞核标记分水岭变换的粘连白细胞分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102044069B (zh) * 2010-12-01 2012-05-09 华中科技大学 一种白细胞图像分割方法
CN103020639A (zh) * 2012-11-27 2013-04-03 河海大学 一种白细胞自动识别计数方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013102A (zh) * 2010-12-01 2011-04-13 华中科技大学 一种图像中的粘连细胞分割方法
CN103473739A (zh) * 2013-08-15 2013-12-25 华中科技大学 一种基于支持向量机的白细胞图像精确分割方法与系统
CN103985119A (zh) * 2014-05-08 2014-08-13 山东大学 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法
CN104392460A (zh) * 2014-12-12 2015-03-04 山东大学 一种基于胞核标记分水岭变换的粘连白细胞分割方法

Cited By (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830874A (zh) * 2018-04-19 2018-11-16 麦克奥迪（厦门）医疗诊断系统有限公司 一种数字病理全切片图像空白区域自动分割方法
CN110595959A (zh) * 2019-04-19 2019-12-20 齐鲁工业大学 一种糖膏颗粒粒度分析系统及分析方法
CN110595959B (zh) * 2019-04-19 2023-03-21 齐鲁工业大学 一种糖膏颗粒粒度分析系统及分析方法
CN110499233A (zh) * 2019-08-27 2019-11-26 广东环凯生物科技有限公司 一种用于菌落计数器的光源系统、计数器和计数方法
CN110610490A (zh) * 2019-09-11 2019-12-24 哈尔滨理工大学 一种病变细胞图像中白细胞的定位方法
CN110782440A (zh) * 2019-10-22 2020-02-11 华中农业大学 一种作物籽粒性状测量方法
CN111681185B (zh) * 2020-06-10 2023-03-21 合肥工业大学 一种基于沥青混合料X-ray扫描图像的有限元建模方法
CN111681185A (zh) * 2020-06-10 2020-09-18 合肥工业大学 一种基于沥青混合料X-ray扫描图像的有限元建模方法
CN111797742A (zh) * 2020-06-28 2020-10-20 扬州大学广陵学院 一种小麦胚乳蛋白体面积的测定方法
CN111797742B (zh) * 2020-06-28 2024-04-19 扬州大学广陵学院 一种小麦胚乳蛋白体面积的测定方法
CN112233107A (zh) * 2020-11-04 2021-01-15 安徽大学 基于图像处理技术的葵花籽品级分类方法
CN112233107B (zh) * 2020-11-04 2022-10-25 安徽大学 基于图像处理技术的葵花籽品级分类方法
CN112396618A (zh) * 2020-11-12 2021-02-23 北京科技大学 一种基于图像处理的晶界提取及晶粒度测量方法
CN112396618B (zh) * 2020-11-12 2022-02-18 北京科技大学 一种基于图像处理的晶界提取及晶粒度测量方法
CN112598626A (zh) * 2020-12-07 2021-04-02 上海市同仁医院 一种自动识别骨髓切片中脂肪泡的分析方法
CN112668565A (zh) * 2020-12-10 2021-04-16 中国科学院西安光学精密机械研究所 一种针对具有遮挡形变的圆形目标判读方法
CN112668565B (zh) * 2020-12-10 2023-02-14 中国科学院西安光学精密机械研究所 一种针对具有遮挡形变的圆形目标判读方法
CN112785571A (zh) * 2021-01-20 2021-05-11 浙江理工大学 一种基于改进分水岭的名优茶嫩叶识别分割方法
CN112858311A (zh) * 2021-01-20 2021-05-28 河北农业大学 一种基于机器视觉技术的稻米表型监测系统及方法
CN112785571B (zh) * 2021-01-20 2024-04-12 浙江理工大学 一种基于改进分水岭的名优茶嫩叶识别分割方法
CN112907545B (zh) * 2021-02-25 2023-10-10 湖州师范学院 基于图像处理的种子芽长与根长检测方法
CN112907545A (zh) * 2021-02-25 2021-06-04 湖州师范学院 基于图像处理的种子芽长与根长检测方法
CN112907558B (zh) * 2021-03-15 2023-11-17 南京农业大学 油菜籽粒千粒重的全自动图像测定方法
CN112907558A (zh) * 2021-03-15 2021-06-04 南京农业大学 油菜籽粒千粒重的全自动图像测定方法
CN113240663A (zh) * 2021-05-31 2021-08-10 西安建筑科技大学 一种基于边缘响应融合算法的传送带矿石粒度检测方法
CN113538345A (zh) * 2021-06-29 2021-10-22 嵊州市浙江工业大学创新研究院 一种基于图像处理的工业瓶罐器件计数方法
CN113744184A (zh) * 2021-07-27 2021-12-03 江苏农林职业技术学院 一种基于图像处理的乌鳢卵子计数方法
CN113570628A (zh) * 2021-07-30 2021-10-29 西安科技大学 一种基于活动轮廓模型的白细胞分割方法
CN113570628B (zh) * 2021-07-30 2024-04-02 西安科技大学 一种基于活动轮廓模型的白细胞分割方法
CN114067114B (zh) * 2021-11-12 2024-05-03 燕山大学 一种基于藻类细胞形态的面积核分割计数方法
CN114067114A (zh) * 2021-11-12 2022-02-18 燕山大学 一种基于藻类细胞形态的面积核分割计数方法
CN114596563A (zh) * 2021-12-15 2022-06-07 江苏康尚生物医疗科技有限公司 一种抗干扰能力强的微小粒子自适应分割识别方法及系统
CN114627142A (zh) * 2022-02-28 2022-06-14 广东省人民医院 H&e染色组织病理图像细胞核分割与分类系统、方法、设备及介质
WO2023220913A1 (zh) * 2022-05-17 2023-11-23 京东方科技集团股份有限公司 细胞图像处理方法、电子设备以及存储介质
US12548354B2 (en) 2022-05-17 2026-02-10 Beijing Boe Technology Development Co., Ltd Method for processing cell image, electronic device, and storage medium
CN117011531A (zh) * 2022-06-08 2023-11-07 四川大学 一种基于分水岭分割的从动态冰图像中提取粘连气泡的方法、装置及设备
CN115393375A (zh) * 2022-08-17 2022-11-25 华侨大学 荧光显微成像中明场细胞图像分割方法和装置
CN115511815A (zh) * 2022-09-20 2022-12-23 济南超级计算技术研究院 一种基于分水岭的宫颈液基细胞分割方法和系统
CN115620075A (zh) * 2022-12-16 2023-01-17 南昌大学 白细胞分类模型用数据集的生成方法、系统及设备
CN117392154A (zh) * 2023-12-07 2024-01-12 华侨大学 一种相衬显微细胞图像分割方法及系统
CN117392154B (zh) * 2023-12-07 2024-04-12 华侨大学 一种相衬显微细胞图像分割方法及系统
CN117575977A (zh) * 2024-01-17 2024-02-20 锦恒科技(大连)有限公司 一种用于卵巢组织分析的卵泡区域增强方法
CN117575977B (zh) * 2024-01-17 2024-04-02 锦恒科技(大连)有限公司 一种用于卵巢组织分析的卵泡区域增强方法
CN118570397A (zh) * 2024-07-31 2024-08-30 山东济矿鲁能煤电股份有限公司阳城煤矿 煤矿主井井底积煤与尾绳的3d图像生成与分析系统
CN118840367A (zh) * 2024-09-19 2024-10-25 捷仪科技(北京)有限公司 一种菌落计数方法及装置

Also Published As

Publication number Publication date
CN104392460A (zh) 2015-03-04
CN104392460B (zh) 2015-11-04

Similar Documents

Publication Publication Date Title
WO2016091016A1 (zh) 一种基于胞核标记分水岭变换的粘连白细胞分割方法
CN104484877B (zh) 一种基于Meanshift聚类和形态学操作的AML细胞分割方法
CN106056118B (zh) 一种用于细胞的识别计数方法
Lee et al. Segmentation of overlapping cervical cells in microscopic images with superpixel partitioning and cell-wise contour refinement
CN106295588B (zh) 一种白带显微图像中白细胞的自动识别方法
CN103985119B (zh) 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法
CN112215800B (zh) 基于机器学习的重叠染色体识别和分割方法
CN105139383B (zh) 基于定义圆hsv颜色空间的医学图像分割方法
CN111882561A (zh) 一种癌细胞识别诊断系统
CN108320289B (zh) 一种基于稀疏表示和形态学操作的骨髓细胞分割方法
CN110120042A (zh) 一种基于slic超像素和自动阈值分割的农作物图像病虫害区域提取方法
CN111860538A (zh) 一种基于图像处理的舌体颜色鉴别方法和装置
EP2988270A1 (en) Method for volume evaluation of penumbra mismatch in acute ischemic stroke and system therefor
Maji et al. An automated method for counting and characterizing red blood cells using mathematical morphology
CN106157279A (zh) 基于形态学分割的眼底图像病变检测方法
CN103489187A (zh) 基于质量检测的宫颈lct图像中细胞核的分割方法
CN110148126A (zh) 基于颜色分量组合和轮廓拟合的血液白细胞分割方法
CN106327490A (zh) 一种基于白细胞检测的细胞核分割方法
CN105761260A (zh) 一种皮肤图像患处分割方法
Marzuki et al. Segmentation of white blood cell nucleus using active contour
CN110544262B (zh) 一种基于机器视觉的子宫颈细胞图像分割方法
Duan et al. A WBC segmentation methord based on HSI color space
CN106384343A (zh) 一种基于形态学处理的硬性渗出区域检测方法
CN119048521B (zh) 牛乳体细胞计数方法、装置及计算机设备
CN110210578A (zh) 基于图论的宫颈癌组织病理学显微图像聚类系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15866531

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15866531

Country of ref document: EP

Kind code of ref document: A1