（通信与信息系统专业论文）人体外周血液白细胞图像分割研究(1).pdf

人体外周血液白细胞图像分割研究 摘要 白细胞图象自动识别技术，不但可以科学地总结临床细胞病理学家的诊断经验，又 可充分发挥计算机灵活、准确的特点，同时具有人工诊断所难以达到的高速度，替代复 杂费时的人工检查。因此，近年来血液白细胞自动识别逐渐成为医学图像应用领域的一 个重要课题。细胞图像的分割是细胞自动识别分析的第一步和关键性的一步，其分割质 量，即与细胞的吻合程度，将直接影响到特征参数抽取的准确性和分类系统的最终识别 率。 本文就实现血液白细胞图像自动分割进行了研究。文章首先介绍了图像分割的理论 基础；随后，就如何应用图像处理技术实现人体外周血液白细胞的自动分割进行了研究， 总结出一种实用的自动分割算法：首先对原始图像作从红、绿、蓝( r g b ) 彩色空问到 色度、饱和度、亮度( h s i ) 彩色空间的转换，提取饱和度( s ) 和色度( h ) 分量灰度 图像。然后统计色度( h ) 分量灰度图像的全局直方图，从而在色度( h ) 分量灰度图像 上进行分割提取白细胞区域，并为每一个细胞区域定义一个包含整个细胞的矩形，实现 对白细胞的定位；继而以白细胞的定位为基础，在h 分量上进行第二次分割一局部分割， 实现对细胞的具体分割；最后，在饱和度( s ) 分量灰度图像上对白细胞图片在细胞区 域内部进行内部分割，提取细胞核。 本文在m i c r o s o f tw i n d o w sx p 操作系统平台上，采用v i s u a lc + + 6 0 开发工具， 用c c + + 语言实现了所论述的算法，试验结果证明所采用的算法对人体外周血液白细胞 分割具有一定的实用性。 关键词：血液白细胞、图像分割、数学形态学、阈值分割、细胞核 人体外周血液白细胞图像分割研究 a b s t r a c t w h i t eb l o o dc e l l ( w b 0a u t o m a t i ci m a g er e c o g n i z i n gt e c h n o l o g yi so n eo ft h em o s t i m p o r t a n tt o p i c si nt h er e s e a r c ho fm e d i c a li m a g i n gf i e l d , a n di th a sd r a w nm o r ea n dm o r e a r e n t i o ni nr e c e n ty e a r sb e c a u s eo ft h ef o l l o w i n gr e a s o n s ：i tc a ns u m m a r i z ep a t h o l o g i s t s d i a g n o s i n f ie x p e r i e n c e ss c i e n t i f i c a l l y , m a k eg o o du s eo fc o m p u t e r ss m a r t n e s sa n de x a c t n e s s ， m e a n w h i l e ，i tc a nh e l ph u m a nb e i n gw i t h t h et i m e c o n s u m i n gm a n u a lc h e c k i n gw o r k ，w o r k m u c hf a s t e rt h a nm a n p o w e ra tt h es a m et i m e t h es e g m e n t a t i o no fw b c s i m a g ei st h ef i r s t a n da ne x t r e m e l ys i g n i f i c a n ts t e pi nt h ea u t o m a t i cc l a s s i f i c a t i o no fb l o o dc e l l s ，s oi t s s e g m e n t i n gq u a l i t y , s a y , i t sd e g r e eo fc o i n c i d e n c ew i t ht h ec o r r e s p o n d i n gc e l l sw i l ld i r e c t l y a f f e c tt h ec o r r e c t n e s so f e x t r a c t i n gp a r a m e t e r sa n dt h er a t eo f s y s t e m si d e n t i f y i n g t h i sp a p e rd e a l tw i mt h ep r o b l e mo fh o wt or e a l i z et h ea i mo fw h i t eb l o o dc e l l s a u t o m a t i cs e g m e n t a t i o n t h eb a c k g r o u n dk n o w l e d g eo fi m a g es e g m e n t a t i o nw a s p r e s e n t e di n t h ef i r s tp l a c e i no r d e rt ow o r ko u ta l le f f i c i e n tw a yt or e a l i z et h eg o a lo fw b c s a u t o m a t i c r e c o g n i t i o n ，b a s i cr e s e a r c hw a sd o n ei nt h es e c o n ds e c t i o n ，a n dan e wm e t h o dt or e a l i z et h e s e g m e n t i n gg o a lw a si n t r o d u c e dh e r e t h i sn e wm e t h o dw a so r g a n i z e da sf o l l o w s ：f i r s t l y , c h a n g et h ec o l o ri m a g ef r o mr e d - g r e e n b l u e ( r g b ) m o d e lt oh u e s a t u r a t i o n i n t e n s i t y ( h i s o rh s i ) s p a c ei no r d e rt og e tt h eh u ea n ds a t u r a t i o nc o m p o n e n t s t h el o c a t i o n so fc e l l sa r e d e t e r m i n e di nt h es e c o n ds t e p ，t h ep r o c e d u r e so fl o c a t i n gw e r ea sf o l l o w s ：t h eg l o b a lg r a y h i s t o g r a mo fh u ec o m p o n e n tw a sc a l c u l a t e di nt h ef i r s tp l a c e ；t h e n ，s e g m e n t a t i o nw a sd o n e a c c o r d i n gt ot h i sg l o b a lh i s t o g r a m ，r e c t a n g l e sw h i c he n c i r c l e dt h e i rc o r r e s p o n d i n gc e l l sw e r e d e f i n e da tl a s t ，e v e r yc e l lh a do n l yo n er e c t a n g l e ；b a s e do nt h el o c a t i o no fc e l l s ，t h es e c o n d s e g m e n t a t i o n l o c a ls e g m e n t a t i o nw a sd o n e i nt h i s s t e p t or e a c ht h eg o a lo fc e l l s i d e n t i f i c a t i o n ；t h el a s ts t e p ，i n t e m a ls e g m e n t a t i o nw a si m p l e m e n t e di n t h es a t u r a t i o n c o m p o n e n to nt h ef o u n d a t i o no fp r e v i o u sp r o c e s s i n gi no r d e rt og e tt h ea r e a so fn u c l e o l i ，i t w a sp e r f o r m e di n s i d et h es e g m e n t e dc e l l sa r e ag o t t e nd u r i n gt h es e c o n ds t e p a l lt h ew o r kw a sp e r f o r m e do nm i c r o s o f tw i n d o w sx po p e r a t i o ns y s t e m ，a n dt h e a l g o r i t h m sw e r er e a l i z e dw i 血c ，c + + p r o g r a m m i n gl a n g u a g e ，i nt h ef a m o u sv i s u a lc + + 6 0 d e v e l o p i n gp l a t f o r m e x p e r i m e n t a lr e s u l t sh a v es h o w nt h a tt h em e t h o db r o u g h tf o r w a r dh e r e i i 人体外周血液白细胞图像分割研究 i su s e f i l lf o rh u m a nb e i n g sp e r i p h e r a lw h i t eb l o o dc e l l si d e n t i f i c a t i o n k e y w o r d s ：w h i t eb l o o dc e l l ，i m a g es e g m e n t a t i o n , m a t h e m a t i c a lm o r p h o l o g y , t h r e s h o l d i n g , n u c l e o l u s 独创性声明 y 9 2 8794 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成 果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表 或撰写过的研究成果，也不包含为获得南昌大学或其他教育机构的学位或证书而使用 过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明 并表示谢意。 学位论文作者签名： 闱墨 签字日期：口年6 月，乡日 学位论文版权使用授权书 本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定，有权保留并 向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权南 昌文学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：f 乱童 签字日期：- g 年( 7 月f 6 日 学位论文作者毕业后去向： 工作单位： 通讯地址： 导师签名： 签字日期：衫年石月知 电话： 邮编： 第一章绪论 白细胞作为免疫系统的重要组成部分，是机体防御外来病原体入侵的第一道防线， 也是反映疾病情况的敏锐指标。因此细胞计数也是医院进行血液常规检查的项目之一。 精确地测定人体血液中各类白细胞的含量是临床诊断的重要依据，它是有无疾病和疾病 严重程度的重要依据之一。血液在全身范围内循环流动，参与机体的各种活动，很多疾 病在血液中都有所反映。除了造血系统本身的疾病可以直接引起血液发生相应病变外， 人体全身或局部器质性、功能性疾病也会影响血液成分，因而血液检测可揭示其数量和 质量上的变化，血液细胞的不同种类及数量的多少昭示了所患何病及疾病的严重程度， 所以医学上经常借助血液细胞的显微图象进行各种医疗诊断。 人体外周血液白细胞的分割是细胞计数的第一步，也是最关键的步骤之一，细胞的 分割质量将直接影响到后续的细胞分类和计数。本节将对血液白细胞分析和计数技术作 简单的描述。 1 1 概述 血液涂片的光学显微镜检查是白细胞形态学检查的基本方法，在临床上应用极为广 泛。它的任务是观察或测定血液中的各种白细胞的总数、相对比值、形态等，用于判断 有无疾病、疾病种类以及严重程度等。在正常情况下，白细胞的生长、成熟和坏死保持 动态平衡，白细胞的浓度和各种白细胞的比例均保持相对稳定。在病态情况下，由于造 血器官功能紊乱或器质性损害，各种内源、外源性刺激以及白细胞在外周血与内脏间的 分布异常，均可引起白细胞的浓度、比例明显改变。白细胞的数量、形态和比例等方面 的变化能够反映机体的病理情况和推测预后，有助于医生做出正确诊断、制定治疗方案 和观察疗效。 目前，血液白细胞检验主要通过人工光学显微镜分类计数完成，在条件较好的大中 型医院较多地采用血细胞自动分类仪来进行血液白细胞计数，以提高检验效率和质量。 人工光学显微镜检查的过程是这样的：医务人员将血液涂抹在玻璃片上进行染色制成 血涂片，然后在显微镜下检出白细胞并根据细胞大小、形态、颜色、纹理等特征进行视 觉分类计数。这是目前国内小型医院或者欠发达地区医院普遍采用的方式，仅适合于血 液检查任务量比较小的场合。这种检验方法存在一些不足：第一，检验工作量太大，检 人体外周血液自细胞图像分割研究 验效率偏低，检验师连续工作时很容易引起疲劳或者由于检验师的粗心，造成错误计数， 影响医生诊断；第二，对细胞人工识别容易受检验师的经验和主观意识左右，缺乏客观 的定量标准；另外，一般每个血片只检查数目较少的白细胞，从统计的角度看，因样本 集较少，偶然性加大，因而可靠性不高。 据统计，在全国的各大医院，每天有大量的血液涂片需要进行白细胞检查，在这种 情况下，如果单纯依靠人工计数来完成这些工作，将耗费巨大的人力、物力和财力，这 于目前国内大力提倡建设节约型社会的方针是背道而驰的。所以，利用自动化仪器代替 人工处理，提高血检工作效率、降低人工劳动强度，已经成为一个趋势。而且客观定量 可以消除主观因素干扰，从而保证检验质量；此外，还可以通过增加白细胞的检查参数， 降低偶然性，提高检验的可靠性。 随着计算机的大量应用以及电子学、光学和模式识别等科学技术的快速发展，自动 白细胞分类计数仪器已经有成熟的产品并应用于临床，目前主要有两种类型的产品：第 一类是用组织化学染色法，通过连续流动的系统，以光电效应的方式辨别出单一细胞， 同时得到白细胞总数，各类细胞的绝对数目和百分比。因为这种方法不是由形态学特点 分辨各类白细胞，所以不能用肉眼观察白细胞形态。目前该类代表仪器是c o u l t e r m a x m 2 1 。第二类是原型认识型，其工作原理模仿高等动物的脑一眼系统的智能识别过 程，结合计算机图像处理和模式识别技术，把从显微镜和摄像机等光学成像设备中得到 的图片进行数字化，然后对细胞图像进行自动处理分析和分类。与第一类白细胞分类仪 相比，原型认识型分类仪的主要优势在于它运用图像处理分析技术提取了细胞形态、细 胞色彩和细胞纹理等方面的特征，并利用模式识别技术进行细胞分类；此外，由于计算 机系统的应用，使得该系统可以在临床基础实验研究、病例档案建立、病理资料积累、 专家数据库的形成等方面具有很大的潜力。对临床诊断，医学类院校的电子教学、血液 检验学的发展有非常宝贵的研究价值和实用价值。 集成电路的广泛的应用，电子、光学、化学和计算机技术的飞速发展，使原型识别 型医学显微图像自动处理分析系统具有更加广阔的发展前景：检测精度、运算速度、功 能等都可以得到大幅度的提高，仪器体积也可以得到不断的缩小。由于软件分析系统的 继承性，可以对不同版本的处理算法进行升级、移植，以满足不同的检验精度和检验目 的的要求；同时，也可以将血液处理计数延伸到其他领域：诸如染色体分类，眼底图像 分析、组织切片显微图像分析、电子显微镜图像处理等以微型计算机为处理核心的医学 2 人体外周血液白细胞图像分割研究 显微图像自动分析系统。白细胞分类计数仪器的发展将呈现以下趋势 3 1 ： 检验参数增多 检验精度提高 功能合成扩展 检测速度提高 检验方法改进 应用更加方便 产品系列化 检验过程流水线化 可以预计，基于计算机系统的图像处理与识别技术将在显微医学领域内获得巨大的 发展前景和深入的应用。 1 2 + 本文的主要研究工作 在人体外周血液白细胞图像方法自动分析计数过程中，白细胞以及细胞核的分割是 第一步，也是最关键步骤之一。这个过程对后续的细胞以及细胞核的特征提取、分类器 的设计都起着决定性的作用。如果分割结果不准确，则提取出的特征不能反映细胞以及 细胞核的形态特征，继而不能够在分类时提供准确的特征信息，导致分类的不准确，计 数就会出现偏差，最终影响医生对病情的诊断。同时，分割算法的运算速度也是应该考 虑的一个重要因素，分割速度太慢，就会影响分类的速度，从而左右计数的进度，在这 样的情况下，就不能体现自动分析计数的速度优势。因此，本课题就如何设计一个稳健 的、快速的白细胞分割算法展开了研究。 本课题实验采用的图片为经瑞氏( w r i g h t ) 染色后的血液涂片【4 】在显微镜下采集的。 针对课题中所研究图片的特点，首先选择合适的颜色空间，在这个颜色空间内进行处理， 提取细胞区域，并计算包含细胞的矩形区域，然后在这个矩形区域内进一步分割，获得 细胞以及细胞核，最后对分割结果进行后续处理，最后得到处理结果。 上述算法在m i c r o s o f tw i n d o w sx p 操作系统下，使用v i s u a lc + + 开发工具，用c c + + 人体外周血液白细胞图像分割研究 语言编程实现。 本课题是南昌大学信工学院电子系与南昌特康科技有限公司、南昌赛神射科技有限 公司联合项目血液白细胞五分群数字图像方法检测的部分研究内容。 人体外周血液白细胞图像分割研究 第二章图像分割基础 2 1 概述 图像分割是一种重要的图像技术，它是图像处理技术中比较困难的任务之一，因而 受到了国内外学者的广泛重视，也在实际中得到了大量的应用，例如工业自动化、在线 产品检测、生产过程控制、遥感和生物医学图像分析、保安监视等等。图像分割在不同 的领域，有着不同的称呼，如目标检测、目标识别、目标跟踪、目标轮廓等。 在对图像的研究和应用中，人们往往仅对图像中某些部分感兴趣。这些感兴趣的部 分通常被称为目标或前景( 剩余部分称为背景) ，它们一般对应于图像中的特定的、具 有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来，在此基础上对目 标进一步处理和利用。所以，图像分割实际上就是把图像分成各具特性的区域并提取出 感兴趣目标的技术和过程。多年来，图像分割的定义有着不同的解释和表述。后来，人 们借助集合的概念，对图像分割下了一个定义畸1 ，这也是目前人们普遍认同的图像分割 的定义： 令集合尺代表整个图像区域，对r 的分割可看作将r 分成个满足以下五个条件的 非空子集r ，尼，尺： ， a ) u r , = r ； i = 1 b ) 对所有的f 和j ，i ，有rr lr j = ； c ) 对浮l ，2 ，n ，有尸( r ) = t r u e ； d ) 对f ，有尸( ru r j ) = f a l s e ； e ) 对i = 1 ，2 ，n ，r 是连通的区域。 其中，尸( r ) 是对所有在集合r 中元素的逻辑谓词，代表空集。 下面先对上述各个条件分别给予解释： 条件a ) 说明，在对一幅图像的分割结果中，全部子集的总和( 并集) 应能包括图像 中所有象素( 原图像) ，或者说分割应将图像中的每个象素都分进某个子区域中；条件 人体外周血液白细胞图像分割研究 b ) 说明在分割结果中，各个子区域是相互不重叠的，或者说，在分割结果中一个象素不 能同时属于两个区域；条件c ) 说明在分割结果中每个子区域都有独特的特性，或者说 属于同一个区域中的象素应该具有某些相同特性；条件d ) 说明在分割结果中，不同的 子区域具有不同的特性，没有公共元素，或者说属于不同区域的象素应该具有一些不同 的特性；条件e ) 要求分割结果中同一个子区域内的象素应当是连通的，即同一个子区 域内的任两个象素在该子区域内相互连通，或者说分割得到的区域是一个连通组元。 另外，上述条件不仅定义了分割，也对分割有指导作用。对图像的分割总是根据一 些分割准则进行的。条件a ) 与条件b ) 说明正确的分割准则应可使用于所有区域和所有 象素，而条件c ) 和d ) 说明合理的分割准则应能帮助确定各区域象素有代表性的特性1 ， 条件e ) 说明完整的分割准则应直接或间接地对区域内象素的连通性有一定的要求或限 定。 此外，在实际应用中，图像分割不仅要把一幅图像分成满足上述五个条件的各具特 性的区域，而且要把其中感兴趣的目标区域提取出来。只有这样，才算真正完成了图像 分割的任务。 图像分割的算法很多，至今已经提出了上千种h 3 各种类型的方法。虽然分割算法方 法很多，但是所有这些算法一般都是基于亮度值的两个基本特性之一：不连续性和相似 性。不连续性的应用途径是基于亮度的不连续变化分割图像，比如边缘检测。相似性的 主要应用途径是依据实现制定的准则将图像分割成相似的区域，如区域生长、区域聚合 砸1 。此外，根据分割图片对象的不同，图像分割又可以大致分为灰度图像分割和彩色图 像分割j0 j 。上述方法首先应用于灰度图像处理中，随着彩色图像处理技术的发展，逐 渐应用到彩色图像处理中去。本章中，我们主要介绍了灰度图像和彩色图像的处理方法， 对课题白细胞分割算法中用到的数学形态学也作了简单描述。在灰度图像处理方法中， 我们主要介绍边缘检测技术和区域处理技术。 2 2 灰度图像分割 灰度图像是指只含有亮度信息，不含色彩信息的图像，就象我们平时看到的亮度由 暗到明的黑白照片，变化是连续的。比如2 5 6 色灰度图像，把从黑到白划分为0 到2 5 5 共2 5 6 个级别，0 表示最暗( 全黑) ，2 5 5 表示最亮( 全白) 。灰度图像的分割，就是利 用0 到2 5 5 的灰度信息，以及其他的诸如形状、纹理等的特征，应用图像处理学的知识， 6 人体外周血液白细胞图像分割研究 对灰度图像进行处理，得到分割结果的过程。 边缘检测技术对于数字图像处理非常重要，因为边缘是目标和背景的分界线，提取 出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个 特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同区域内部的特征 或属性是不同的，边缘的检测正是利用物体和背景在某种图像特性上的差异来实现的， 这些差异包括灰度、颜色或者纹理特础l l , 1 2 。边缘检测实际上就是检测图像特性发生变 化的位置。 2 2 1 微分算子边缘检测 在灰度图像中，目标和背景之间通常呈现出灰度的变化，即目标和背景之间存在边 缘( 边界) ，如图2 1 所示。 fi g 2 1g r a y s c a i ei m a g e 图2 1 灰度图像 所以在灰度图像处理过程中，边缘检测技术是一个常用的方法，而微分算子又是边 缘检测过程中常用的比较成熟的工具。下面就介绍几种实际应用中常用的边缘检测算 子。 一、梯度算子 梯度对应一阶导数，梯度算子是一阶导数算子。在边缘灰度值过渡比较尖锐且图像 中噪声比较小时，梯度算子工作效果比较好。对于一幅连续图像，可用函数f ( x ，y ) 表 示，它在位置( x ，y ) 的梯度可以表示为一个矢量( 其中g ，和g 。分别为沿x 方向和y 方向 的偏导数) ： 人体外周血液白细胞图像分割研究 v f ( x , y ) = 阱g y 劭 苏 毯 砂 ( 2 1 ) 这个矢量的幅度和方向角分别为： 町= m a g ( v f ) = ( q 2 + g 。2 ) 2 ( 2 2 ) ( x ，少) = a r c t a n ( 导) ( 2 3 ) 式( 2 2 ) 的幅度计算是以2 为模的，在实际的数字图像处理中，图像是离散的， 为了计算简便，也可采用其他的模来计算幅度，常采用如下两种方式计算： = 剐矧 汜4 ， = 一懈黜 5 ， 式( 2 4 ) 以1 为模( 对应城区距离) ，式( 2 5 ) 以为模( 对应棋盘距离) 。 田田 - l0l _ 2o2 1o1 - 101 1o1 1ol 1l1 ooo 11- l ( c ) s o b e i fig 2 2s e v e r aic o m m o nu s e dg r a d so p e r a t o r sm o d els 图2 2 几种常见梯度算子的模板 计算过程中，偏导数需要对每个象素位置进行计算，在实际应用中，常用小区域模 板进行卷积来近似计算。对g ，和g y 需各用一个模板，所以需要两个模板组合起来以构 人体外周血液白细胞图像分割研究 成一个梯度算子。根据模板的大小和系数的不同，人们已经提出了许多不同的算子。如 r o b e r t 交叉算子( 图2 2 ( a ) ) 、p r e w i t t 算子( 图2 2 ( b ) ) 和s o b e l 算子( 图2 2 ( c ) ) 。 算子运算时采用类似卷积的方式，将模板在图像上移动并在每个位置计算对应中心象素 的梯度值。对一幅灰度图求梯度所得的结果是一幅梯度图。 二、l a p l a c i a n 算子 拉普拉斯( l a p l a c i a n ) 算子是一种二阶导数算子，对一个连续函数f ( x ，y ) 定义的 图像，它在位置( x ，y ) 的拉普拉斯定义如下： v 2 厂= 害+ 斋 弦6 ， 拉普拉斯算子是无方向性的算子，它比方向算子的计算量要小，因为它只需要计算 一个模板。计算数字图像函数的拉普拉斯也是借助各种模板卷积实现的。对模板的基本 要求是对应中心象素的系数必须是正数，而对应中心象素邻近象素的系数应当是负数， 且所有系数的和应当是零，这样就不会产生灰度偏移。图2 3 是实现拉普拉斯运算的几 种常用模板。 0_ lo - 14- l 0 - 1o - 1o- 1 o40 - l0- 1 - 1 - 1 - 1 - 18- 1 - 1- 1- 1 ( a )( b )( c ) f i g 2 3c o m m o nu s e dl a p i a c i a no p e r a t o rm o d e is 图2 3 几种常用的拉普拉斯算子模板 拉普拉斯算子是一种二阶导数算子，所以对图像中的噪声相当敏感。此外它常产生 双象素宽度的边缘，且不能提供边缘方向的信息。不过有一点我们应当注意：一阶差分 算子会在较宽范围形成较大的梯度值，不适应于精确定位，而利用二阶差分算子的过零 点可以精确定位边缘。 三、c a n n y 算子 c a n n y 把边缘检测问题转换成检测单位函数极大值的问题。在高斯噪声中，一个典 型的边缘代表一个阶跃的强度变化。根据这个模型，一个好的边缘检测算子应该具有的 9 人体外周血液白细胞图像分割研究 边界为单像素宽。为此，c a n n y 提出了判定边缘检测算子的三个准则盯3 ： s n r ：icg ( - x ) h ( x ) d x ( 2 7 ) 日j e h 2 ( x ) d x 其中g ) 代表边缘函数，h ( x ) 代表带宽为w 的滤波器的脉冲响应，a 代表高斯噪声 l：一i e g ( - x ) h ( x ) d x ( 2 8 ) 口c 旷( 枇 其中g 7 ( x ) 和办( x ) 代表g ( x ) 和h ( x ) 的导数。l 越大表明定位精度越高。 d 巍( f 应满足( 办”( x ) 为办 ) 的二阶导数) ： 嘣叫甓 l 2 汜9 ， 数的最好近似。设力为任意方向，g 为g a u s s i a n 函数在这个方向上的一阶导数n 3 1 ： g ：_ o g ：玎宰v g ( 2 1 0 ) 刀应取与边缘垂直的方向，则玎= 帚等焉，符号术表示卷积，为输入图像。边缘点定 义为q 作用于图像，后的局部极大值点，在这个点上有( a a , , ) q 木，= 0 ，把式2 1 0 代 l o 人体外周血液自细胞图像分割研究 入，得n - ( a 2 a 2 ) q 宰，= 0 ( 2 1 1 ) 根据以上分析，利用c a n n y 算子检测边缘的过程为：首先用g a u s s i a n 函数卷积图 像，再计算式2 1 1 ，从计算结果中找到过零点，即边缘点。从而找出图像的边缘n 4 1 。 四、方向算子 方向算子利用一组模板分别计算在不同方向上的差分值，取其中最大的值作为边 缘强度，而将与之对应的方向作为边缘方向。常用的八方向k i r s c h ( 3 x 3 ) 模板如图2 4 所示，各方向的夹角为4 5 0 。 533 5o3 - 533 333 503 - 5- 53 333 303 555 55s 3o3 333 333 3o5 35- 5 f i g 2 4 8 - d ir e o t i o n sk ir s o ho p e r a t o r sw i t hw i n d o w sw i d t ho f3p i x e i s 图2 4k ir s c h 算子的八方向3 x3 模板 k i r s c h 算子的方向模板也可以有不同尺寸，如5 5 ，7 7 等。另外有一种方向算 子称为n e v i t i a 算子n 副，各方向夹角为3 0 。 2 2 2 区域生长 区域生长，顾名思义，就是根据事前定义的准则将象素或子区域聚合成为更大区域 的过程。具体思想是先对每个需要分割的区域找一个种子象素作为生长的起点，然后将 种子象素周围邻域中与种子象素有相同或相似性质的象素( 根据某种事先确定的生长或 相似准则来判定，诸如灰度级或颜色的特定范围) 合并到种子象素所在的区域中。将这 些新象素当作新的种子象素继续进行上面的过程，直到没有满足条件的象素可被包括进 来。这样一个区域生长就完成了。在实际应用区域生长法时需要解决三个问题h 3 ： 人体外周血液白细胞图像分割研究 1 ) 选择种子象素； 2 ) 确定生长准则； 3 ) 制定让生长停止的条件。 关于上述问题的解决，虽然有一定的规则可以遵循，但是绝大部分情况下都是具体 问题具体分析。下面介绍三种常用的生长法则。 1 基于区域灰度差的生长法则 该法则的基本思想是：以种子象素为中心，检查它的邻域象素，即邻域中的象素逐 个与种子象素比较，如果灰度差小于预先确定的阈值，将他们合并。对于一个含有个 象素的图像区域r ，其灰度均值为： 聊= i l r 厶一，、x ，j ，) ( 2 1 2 ) v口 f ( x ，y ) 是图像在位置( x ，y ) 点处的灰度值。则对象素的比较测试可以表示为： i f ( x ，y ) - m i 五 ( 2 1 6 ) 则合并两个区域。 2 ) 把图像分割成灰度固定的区域，设两邻接区域的共同边界长度为b ，把两区域 共同的边界线两侧灰度差小于给定的那部分长度设为l ，如果( 兀为预定阈值) 满足 2 1 7 式，则合并两区域。 一l 兀 ( 2 1 7 ) 2 2 3 区域分离与合并 区域生长方法是先从单个种子象素开始通过不断接纳新象素最后得到整个区域。区 域分离与合并则先从整幅图像开始通过不断分裂得到各个区域。实际应用中，常常先把 图像分成任意大小不重叠的区域，然后再合并或分裂这些区域以满足分割的要求。 令r 表示整幅图像区域并选择一个谓词p 。对r f 进行分割的一种方法是反复将分割 得到的结果图像再次分为四个区域，直到对任何区域r ，有p ( r i ) = t r u e 。这里从整幅 图像开始，如果尸( r ) = f a l s e ，就将图像分割成4 个区域。对任何区域如果尸的值都是 f a l s e ，就将这四个区域的每个区域再次分别分为4 个区域，如此不断继续下去。这种 方法可以用四叉树来表达。树的根对应于整幅图像，每个节点对应于子图像，如图2 5 所示。 r 1i 也 i w lr 4 2 i b i m 3r 4 4 r 1r 2r 3 r 4 介 r 4 1r 4 2r 4 3r 4 4 fig 2 5 ( a ) s e g m e n t e di m a g e ( b ) c o rr e s p o n din gq u a d t r e e 图2 5 区域分离与合并示意图 人体外周血液白细胞图像分割研究 以上是分离的过程，其实区域分离和合并是同时进行的。合并的方法是：当条件 p ( r i o 彤) = t r u e 时，将尺f 和彤合并起来。 2 2 4 直方图灰度阈值分割 灰度阈值分割法是图像分割方法中最常用的方法之一，它把图像灰度分成不同的等 级，然后用设置灰度门限的方法确定有意义的区域或欲分割的物体边界。+ 要把图像中各种灰度的象素分成两个不同的类需要确定一个阈值。如果要把图像中 各种灰度的象素分成多个不同的类，则需要选择一系列的阈值以将每个象素分到合适的 类别中去。如果只用一个阈值分割称为单阈值分割，如果用多个阈值分割则称为多阈值 分割。单阈值分割可以看作是多阈值分割的特例，许多单阈值分割算法可推广到多阈值 分割。有时，多阈值分割又可以转化为多个单阈值分割来解决。下面简单介绍单阈值二 值化分割的原理n 引。 假设一幅图片f ( x ，y ) 具有图2 6 所示的直方图，由直方图可知图像f ( x ，y ) 大致是由 两部分组成，一部分灰度值比较高，另外一部分灰度值相对较低。 0 t f i g 2 6h is t o g r a mo fi m a g ef ( x y ) 图2 6 图像f ( x ，y ) 的直方图 由此，可以设定一个阈值丁，把直方图分成两个部分，小于阈值丁的部分用灰度值0 ( 全 黑) 表示，大于阈值丁的部分用灰度值2 5 5 ( 全白) 表示： 1 4 人体外周血液白细胞图像分割研究 石c x ，y ，= 2 丢5； 二：；三； c 2 ，8 ， 上述方法只是灰度阈值化中的一种，也是比较简单的一种。实际上，阈值分割方法 还有很多具体的实现算法n7 1 8 3 ，限于篇幅的原因，在这里就不再赘述。 除了上述介绍的微分边缘检测算子、区域生长、区域分离与合并、灰度阈值化之外， 还有很多不同的分割方法，比如基于小波分析和小波变换的分割技术n 引、结合特定的理 论工具的分割技术等乜0 。2 引。 2 3 彩色图像分割 人体外周血液白细胞图像分割的第一步是选择颜色空间，为此本节介绍了几种颜色 空间并比较了他们的优缺点，在此基础上，总结了彩色图像分割的常用方法。 2 3 1 颜色空间 颜色空间即表示彩色信息的颜色模型，颜色空间的选择是由被处理图像的特点和图 像质量以及应用场合综合决定的。选择最好的颜色模型仍然是彩色图像处理的困难之 一，目前尚无统一的颜色模型可供选择，本节介绍几种常用的颜色空间。 一、r g b 模型 r g b 模型中，颜色表示为三基色红色( r ) 、绿色( g ) 和蓝色( b ) 的组合。它是一 种矩形直角空间结构的模型，是通过对颜色进行加法运算完成彩色综合的彩色系统，它 是面向硬件设备( 如c r t ) 的，物理意义明确但缺乏直感，因为人类视觉系统并不是通 过将颜色分解为r 、g 、b 三基色来识别颜色的。 r g b 颜色空间如图2 7 所示， 可以用一个三维立方体来表示，这个立方体里的每一点表示一种颜色，它所对应的三个 坐标值分别表示所对应的三个分量。着色定理指出，任何颜色都可以由这三种颜色的组 合来表示，并且这种组合是唯一的。如果两种颜色相同，则乘上或除以一个相同的因子 后，这两种彩色仍然相同。多种彩色混合的亮度等于每种颜色亮度的总和。作为三基色 的激励值分别是4 2 5 8 n m ( 蓝) 、5 4 6 1 n m ( 绿) 、7 0 0 n m ( 红) 。相等量r 、g 、b 值对应 白光，即r g b 立方体中白色和黑色的连线上。 人体外周血液白细胞图像分割研究 刚雌 亿 三 = 三差；兰兰曼三兰 薹 c 2 2 。， 1 6 人体外周血液白细胞图像分割研究 刚燕撩瓣 亿2 ， 起视觉刺激的程度，是彩色光在“量”方面的特征，彩色光所含能量大则显得亮，n i 2 _ h = a r c t a n ( g i ( o b ) ( ( r g ) + ( 尺一b ) ) ) ( 2 2 2 1 ) i = ( r + g + b ) 3 ( 2 2 2 2 ) 人体外周血液白细胞图像分割研究 红 f i g 2 8h s i c o i o r m o d e i 图2 8h s i 颜色空间模型示意图 2 3 2 彩色图像分割方法 彩色图像分割与灰度图像分割的算法相比，大部分算法在分割思想上是一致的，但 是彩色图像包含更丰富的信息，并有多种彩色空间的表达方式，因而彩色图像分割算法 的关键在于如何利用丰富的彩色信息来达到分割的目的。现有的彩色图像分割技术主要 被分为6 种主要类型：基于像素的技术、基于边缘的技术、基于区域的技术、基于模 型的技术、基于物理的技术和混合技术堙屯2 5 1 。 彩色图象分割没有统一的方法，彩色空间的选择、分割方法的选择和具体应用密切 相关。关于图象的先验知识对于算法的取舍也是至关重要的。大多数灰度图象的分割算 法都可以延伸到彩色图象，例如直方图阈值化、边缘检测、区域生长等。但这种延伸并 不是简单的延伸，而是对每个象素要统一考虑它的彩色信息。 大多数情况下区域的定义都是基于区域内颜色的相似性。这对有阴影、遮挡或光照 不均的图象的分割是不利的。非线形模型( 女n h s i ) 可以在一定程度上解决这个问题， 因为色度分量h 和亮度分量i 是独立的，但在低饱和度时，h 的计算容易出现奇异值。有 些基于物理特性的模型有太多的限制以至于它们的作用有很大的局限性。 tiil卜iij上 人体外周血液白细胞图像分割研究 第三章人体外周血液白细胞图像分割研究 3 1 概述 血液白细胞图像的分割是细胞计算机自动识别的第一步和关键性问题，其分割质 量，也就是与细胞的吻合程度，将直接影响到特征参数提取的准确性和分类系统的最终 识别率。传统细胞图像的分割，就是将血液中的白细胞自动检出，并在除去图像中各种 噪声干扰的基础上，将染色白细胞图像划分成背景、细胞、细胞核三个区域。白细胞图 像的分割主要包括下面两个方面的任务： ( 1 ) 从一幅血液图像背景中自动检测出待分类识别的单个白细胞区域； ( 2 ) 根据白细胞区域结果，从血液图像中分割出细胞核。 3 i 1 白细胞分割方法概述 由于血液图像中细胞形态复杂、细胞种类较多、细胞聚集、标本制作时染色不好等 原因，使细胞图像分割变得困难。国外学者在细胞图像分割方面作了较广泛的研究，已 提出一些分割方法，如s n a k e s 晗司算法。s n a k e s 方法是一种边界检测和图像分割的方法， 也可用于细胞边界的定位。s n a k e s 模型是一条由n 个控制点组成的连续闭合曲线， 它用一个能量函数作为匹配度的评价函数，定义为e 辄a l ( 。= e i n i 啪a l + e 戗。锄a l ，其中，e 油啪出 和e 一出分别为内部和外部能量函数，前者定义了模型的内部属性和内在运动趋向，后 者则与被测区域的图像属性相关，使模型偏离内在运动趋向。该方法总能找到一条闭合 曲线，能有效地将大多数细胞分割开来。但缺点是运算量很大，易受初始位置的影响， 而且模型本身不包含目标对象信息，因此对模糊边界、局部变形或胞浆颗粒较大的细胞 分割效果不佳。又如基于边界方法的各类边界检测算子，如马尔( m a r r ) 算子曙引，马尔 算子是以拉普拉斯算子为基础，实现分为3 步：首先，通过一个二维高斯函数对图像卷 积以削弱图像噪声。其次，使用二阶导数差分算子如拉普拉斯算子来计算图像强度的二 阶导数。最后，利用二阶导数过零点的性质确定边界位置。马尔算子的优点是快速，能 得到一个闭合的轮廓。缺点是由于使用二阶导数，对噪声敏感。也有基于纹理或颗粒度 的分割方法1 ，由于白细胞有胞核，胞浆中大都有颗粒，这个纹理特点明显不同于红细 1 9 人体外周血液白细胞图像分割研究 胞，因此基于纹理或颗粒度的方法对多数白细胞分割效果较好。但对与红细胞纹理相似 的小淋巴细胞和白细胞聚集时分割效果不理想。文献中还提到一些其他的图像分割方法 3 0 3 1 , 3 2 1 ，但这些方法对血细胞图像的分割都没有达到一个较理想的效果。一种方法对某 类图像可能取得好的效果，但在其它场合下可能就不适合。正是由于细胞图像分割的困 难和血细胞某些种类的细微差别，使得对所有血细胞实现自动识别在当前还是一个难 题。目前，国内所有关于血液细胞形态检查的软件，如“血细胞图文报告系统”，都没 有对细胞自动识别的功能，细胞的分类计数还是人工操作，不能提高检查效率。国外已 有公司宣称开发出针对外周血标本的“白细胞图像识别系统 。此类系统能自动识别外 周血中5 种成熟白细胞，分别是中性杆状粒细胞、中性分叶粒细胞、嗜碱性粒细胞