（信号与信息处理专业论文）基于区域特征及边缘信息的彩色血液显微图像分割.pdf

基于区域特征及边缘信息的彩色血液显微图像分割 信号与信息处理专业 研究生：饶洁 指导教师：黄华 白细泡分类计数是医学临床检验的一个重要项目，也是判断各种血液疾病 和其他相关疾病的重要依据。当前医院使用的血细胞自动分析仪存在不能用目 视观察细胞形态，不能够保留每次测试的样本，成本昂贵等问题，且仍然有中 小医院使用人工目视法完成血细胞分类计数的检验工作。因此，使用数字图像 处理的办法提取血液图像中的白细胞并用模式识别的办法对其分类计数足目前 该领域一个重要的发展方向，而血液白细胞图像的自动识别技术是结合计算机 技术以及c c d 成像技术来处理医学显微图像并识别对象物的代表性课题之一。 血液自细胞图像的自动识别系统中，最为关键的一个环节在于白细胞分割 和提取，分割效果的好坏直接影响到后续处理，即特征提取、白细胞识别等环 节。但目前为止，仍然没有一种通用且高效的分割方法能够广泛地应用在白细 胞图像分析识别系统中。因此，研究一种准确简单的方法分离白细胞具有非常 重要的意义。 本文研究了一种用于分割血细胞显微图像，并从背景中提取白细胞轮廓的 算法。算法综合应用了小波变换：区域生长、彩色梯度，以及二值形态学处理 等理论，结合了白细咆图像的色彩特征、区域分布特征及边缘特征等多种信息， 首先用多尺度阈值法对血细胞灰度图作阈值分割，自动提取阂值，将血细胞图 像分割成为白细胞核、红细胞和背景三大区域，同时从血细胞图像中定位白细 胞核；随后对彩色血细胞图像作色彩空间变换，利用图像在h s i 色彩空间中的h 分量的大小作为生长准则，运用区域生长法提取白细胞咆浆；最后用彩色梯度 法提取血细胞图像边缘，利用梯度边缘对区域生长法得到的白细胞轮廓进行修 j 下。算法成功地实现了彩色白缅咆图像的分割，得到的分割结果从复杂的背景 中准确地提取了白细咆轮廓，同时标记了自细胞几大关毽至域，为白细胞特征 提取和分类识别等图像后期处理奠定了基础。 本文在详细地阐述系统原理后，给出了使用本算法对几类白细胞图像作分 割实验的仿真结果，并对比目前比较常用的流域分割法和特征向量聚类算法对 白细胞图像的分割结果作了对比分析，分析结果证明，本文方法提出的算法得 到的结果与其他方法相比能够排除背景的干扰，准确的分离和提取白细胞。 关键词：彩色图像分割医学显微图像自细胞提取小波变换彩色梯度 边缘生长 t h es e g m e n t a t i o no fc o l o r e db l o o dm i c r o g r a p hb a s e d o nr e g i o na n de d g ei n f o r m a t i o n m a j o r ：s i g n a la n dt n f o r m a t i o np r o c e s s i n g g r a d u a t e ：r a oj i e a d vis o t ：h u a n gh u a t h ec o u n ta n dr e c o g n i t i o no fw h i t eb l o o dc e l l sp l a y sa ni m p o r t a n tr o l ei n m o d e mc l i n i c a lp r a c t i c e a tt h es a m et i m e i ti st h ek e yf o u n d a t i o nf o rd i a g n o s i n g k i n d so fb l o o dd i s e a s e sa n do t h e rp e r t i n e n td i s e a s e s t h o s e b l o o dc o r p u s c l e a n a l y z i n ga p p a r a t u s e s u s e dc u r r e n t l yi n h o s p i t a l h a v em a n yd i s a d v a n t a g e s ，f o r e x a m p l ei tc a l l to b s e r v et h es h a p eo ft h ec e l l s ，c a n ts a v et h es w a t c ho f t h et e s t ，a n d t h em a c h i n ei sv e r ye x p e n s i v e a n ds oo n s os o m es e c o n d a r yh o s p i t a l ss t i l ld ot h i s w o r kb yp e o p l e + b yt h i st o k e n ，e x t r a c t i n gt h el e u k o c y t e sf r o mt h eb l o o dc e l li m a g e a n dr e c o g n i z i n gi t u s i n gt h em e t h o do fd i g i t a li m a g ep r o c e s s i n ga n dp a t t e r n r e c o g n i t i o ni st h el e a d i n gd e v e l o p i n gd i r e c t i o ni nt h i sf i e l d + a n dt h ea u t o - r e c o g n i z i n g t e c h n o l o g yf o r t h eb l o o dc e l li m a g ei so n eo f t h er e p r e s e n t a t i v ep r o j e c t s ， i nt h ea u t o r e c o g n i z i n gs y s t e mf o rb l o o dc e l li m a g e s ，t h em o s ti m p o r t a n ts t e pi s t h es e g m e n t a t i o nt h ei m a g ea n de x t r a c t i n gt h el e u k o c y t e sf r o mt h eb a c k g r o u n d i m a g e s ，a n d t h er e s u l td i r e c t l yi n f l u e n c et h el a t e rp r o c e s s i n g , s u c ha sf e a t u r e e x t r a c t i o n b u ta tp r e s e n t ，w eh a v en os e g m e n t a t i o nm e t h o dc a nb ew i d e l yt a k e ni n t o p r a c t i c e s ot os t u d ya l le x a c ta n ds i m p l ea l g o r i t h mf o re x t r a c t i n gt h el e u k o c y t e si sa v e r ys i g n i f i c a n tp r o j e c t 。 t h em a i nt a s ko ft h i sp a p e ri st os t u d ya na l g o r i t h mf o rs e g m e n t i n gt h eb l o o d c e l lm i c r o g r a p h ，a n de x t r a c t i n gt h ei e u k o e y t e sf r o mt h eb a c k g r o 髓di m a g e s t h e m e t h o do fw a v e l e t ，r e g i o ng r o w i n g ，c o l o rg r a d s ，a n ds o m em e t h o do ft h eb i n a r y m o r p h o l o g i ci m a g ep r o c e s s i n ga r ea p p l i e di nt h i sa l g o r i t h ms y s t e m t h ea l g o r i t h m a l s oi n t e g r a t e s 谯ec o l o ri n f o r m a t i o n ，t h er e g i o nd i s t r i b u t i n gi n f o r m a t i o n 。a n dt h e e d g ei n f o r m a t i o nt og a i ni t se n d s f i r s t d i v i d et h ew h o l eb l o o dc e l ii m a g ei n t ot h r e e r e g i o i l sb ym u l t i - s c a l et h r e s h o l da l g o r i t h m h at h i ss t e p 。w eg e tt h en u c l e o l u so f l e u k o c y t e s e c o n d ，c h a n g et h eo r i g i n a li m a g ef r o mr g bc o l o rs p a c et oh s ic o l o r s p a c e a n dt h e nu s et h es a t u r a t i o ni m a g ea st h eg r o w i n gr u l eo f t h er e g i o ng r o w i n g a l g o r i t h mt og e tt h ec y t o p l a s mo ft h el e u k o c y t e i nt h el a s ts t e p ，d e t e c tt h ec e l le d g e b yc o l o rg r a d sa l g o r i t h m ，a n du s et h ee d g ei m a g et oc o i t e c tt h er e s u l ta c h i e v e di n s t e p2 t h ea l g o r i t h ms u c c e s s f u l l yr e a l i z e st h es e g m e n t a t i o no ft h ec o l o rl e u k o c y t e i m a g e s a n dt h er e s u l te x a c t l yd e t e c t st h ee d g eo ft h el e u k o c y t ea n dm a r k st h et w o m a i nr e g i o n so ft h el e u k o c y t e b a s e do nt h er e s u l t ，i ti sv e r ye a s yt oe x t r a c ts o m e b a s i cf e a t u r ev e c t o r so f t h el e u k o c y t e a t i e re x p o u n dt h em e t h o do ft h ea l g o r i t h m ，t h es i x t hc h a p t e rs h o w su st h e e x p e r i m e n tr e s u l t i ta l s og i v e st h ee m u l a t er e s u l to fo t h e rt h r e em e t h o d sr w a t e r s h e d m e t h o da n dt w oo f t h ef e a t u r ev e c t o rc l u s t e r i n ga l g o r i t h m ) ，w h i c ha r ev e r yp o p u l a ra t p r e s e n t t h ea n a l y s i ss h o w st h a tc o m p a r e dw i t ho t h e rw a yf o ri m a g es e g m e n t a t i o n ， t h ea l g o r i t h mp r o p o s e di nt h i sp a p e rc a ng e tr i do ft h ed i s t u r b a n c eo ft h eo b j e c ti n b a c k g r o u n d a n de x t r a c tt h el e u k o c y t ee x a c t l yf r o mt h eb l o o dc e l li m a g e k e yw o r d s ：c o l o ri m a g es e g m e n t a t i o n ，m e d i c a lm i c r o g r a p h ，l e u k o c y t ee x t r a c t i o n ， w a v e l e tt r a n s f o r m ，c o l o rg r a d s ，e d g eg r o w i n g 露川大学硕士擘伊论文( 2 0 0 6 ) 。 绪论 1 1 课题背景及意义 嫩物医学图像处理是一门新兴技术，是图像处理研究领域的一个黧耍方面， 随着生物科学技术的发展，生物医学图像处理鲍应用瞧越来越广泛。主要表瑷 为如下两个方面：一方面是对生物体内部器官( 如肺、心、肝、肠、肾等) 的 观察，这主要嚣对一臻放射仪器( 如x 光透稷、b 超声波等) 袋集的图像进行处 理和分析；另一方面则是对医学显微图像( 包括血液涂片，屎液沉渣，病理切 片和其他含细胞的标本图像) 的处理，遮一类图像通常通过光学或电孑显徽镜 观察采集所得。近年来，计算机技术和彩色c o d 成像技术的飞速发展为小型化、 实用化的医学显微图像处理和自动分柝的各秘系统的研制和歼发奠定了基础。 其中，血液自细胞图像的自动识嗣技术就是绪合计算机技术以及c c d 成像技术 来处理医学显徽图像并识别对象物的代表性谍题之一。 由于外躅血中的臼细胞裔其生理动能，畿不同生理状态下，可引起不同类 型的囱细胞发生数量和质量的变化。因而，白细胞分类计数是临床判断有无痰 病，痰病静种类和严鬟程度昀熏要依攥，铡翔贫血、囱血病的诊断，各种感染 性疾瘸的诊断，肝脏痰病的病程把握，对药剂剐作用的检查判断，在放化疗治 疗孛辩骨髓掷铜程度静把握等等，不熬校举。因此，囱缁胞分类记数怒箍床梭 验学中的一项疆要内容，而血液白细胞的检测和识别一直以来都有着爨要的临 床意义。 外周血细胞检验的传统方法是将皿液制成涂片，廒用光学显微镜辨认外周 盘帮蠢髓溶舞经瑞氏染色磊静缓麓形态。这释方法虽然较为舂老，毽在盘滚瘸 的诊断、治疗与科研方面，仍是不可缺少的武器之一。近二十年来，随着分予 生物学、电予、镦瓿譬先迸援零懿飞速发袋，蹬溪了备释蠡韵斑绥稳分耩仅， 其主鬻功能在于血细胞计数，测定血液有形成分及分布，以及测定各种细胞参 数等。嚣藏常震戆盘绥貔鑫动分舞纹豹王 # 鬣理主要分隽电辍法帮光数射法海 大类，以及这两类方法的结合“1 。其中电阻法利用血细胞通过微孔时瞬间的电阻 交亿产生瑟搪瓣诤数，荛当熬嚣貔侵麓戆主要鹃矗缨稳势拆仪。餐莲蔟缨憨特 征抽取过少，分类精度差，并不令人满意。光散射法通过激光测定点谶行细胞 四川大学硕七学伊论文( 2 0 0 6 ) 分类。根据激光束射到被检物体后，被检物体内容不同，光散射不同的原理， 测出细胞内血红蛋白的差异，但因其价格昂贵而未被普遍使用。此外，还有近 年来发展较快的流式细胞仪，其原理为：预先经过特定荧光物质染色或细胞化 学处理的细胞在蓝色聚焦激光束照射下，产生荧光和蓝色的散射光信号，荧光 的强弱与细胞内各种组分如核酸和蛋白质的含量成正比，通过测定荧光信号的 强度，即可知道细胞内各种组分含量。该仪器主要应用于实验室研究，如d n a ， r n a 含量及细胞周期分析，细胞受体分析等。用于末梢血液成分测定只能将白细 胞分为单核细胞，淋巴细胞和颗粒细胞三个细胞群，且仪器价格昂贵，荧光染 色的引入也致使检验成本升高“1 。 从目前现有的方法来看，这两种方法均不能采用目视观察细胞形态，不能 充分利用细胞形态学特点，也不能够保留每次测试的样本。而传统用光学显微 镜辨认血细胞形态的方法，可以保留大量关于细胞形态，颜色，纹理等方面的 信息，这对于病理判断的准确性来说是大有帮助的。但由于人工计数速度慢效 率低的缺陷，使得人们不得不寻求一种高性价比的自动血细胞分析仪，而医学 显微图像处理技术的发展正好成为了这种需求的一个出口。它的主要优势在于 它运用图像处理分析技术抽取细胞形态、色彩、纹理等方面的多种特征信息， 并采用模式识别技术进行细胞分类，充分利用了丰富的细胞图像信息；同时， 计算机的应用，使得病理资料积累等方面具有很大的潜力，向医生提供宝贵的 第一手资料，有利于诊断回顾和疑难病症会诊。 1 2 图像分割的定义及算法分类 1 2 1 图像分割的定义 图像分割( i m a g es e g m e n t a t i o n ) 是把图像分割成若干个特定的、具有独 特性质的区域并提取出感兴趣目标的技术和过程。在对图像的研究和应用中， 人们往往仅对图像的某些部分感兴趣( 目标或背景) ，它们一般对应图像中特定 的、具有独特性质的区域，为了分析和识别目标，需要将这些区域分割并提取 出来。图像分割是有图像处理转到图像分析的一个关键步骤，有关图像分割的 解释和表述很多，借助于集合概念，对图像分割可以作如下定义嘲： 令集合r 代表整幅图像的区域，对r 的分割可看成将r 分成个满足以下 2 四川大学硕士学位论文( 2 0 0 6 ) 5 个条件的非空子集( 子区域) r ，如，凡： 1 ) u r ，= 月； i ；1 2 ) 对所有的i 和，有f ，r 。n r ，= o ； 3 ) 对f - 1 , 2 ，有p ( r 。) = t r u e ； 4 ) 对i ，p ( r ，u r j ) = f a l s e ； 5 ) f = 1 , 2 ，n ，r ，是连通的区域。 其中，p ( r 。) 是对所有在集合中元素的逻辑渭词，a 代表空集。 上述这些条件不仅定义了分割，也对进行分割有指导作用。对图像的分割 总是根据一些分割准则进行的：条件1 ) 与条件2 ) 说明正确的分割准则应可适 用于所有区域和所有像素，而条件3 ) 与条件4 ) 说明合理的分割准则应能帮助 确定各区域像素有代表性的特征，条件5 ) 说明完整的分割准则应直接或间接地 对区域内像素的连通性有一定的要求或限定。 1 2 2 图像分割算法分类 图像分割算法的研究一直受到人们的高度重视，到目前为止，提出的分割 算法已经多达上千种。而这些算法大致分为四个方向：基于阈值的分割技术， 基于边缘的分割技术，基于区域特征的分割技术，以及基于统计模式分类的分 割技术。 其中，阙值法是一种最为古老也最为简单有效的图像分割方法，它用一个或 几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的像素是同一个 物体。阈值法的最大特点是计算简单，在重视运算效率的应用场合( 如用于硬件 实现) ，它得到了广泛的应用。阈值分割的核心问题是如何选择合适的阂值。其 中，最简单和常用的方法是从图像的灰度直方图出发，先得到各个灰度级的概 率分布密度，再依据某一准则选取一个或多个合适的阈值，以确定每个像素点 的归属。选择的准则不同，得到的阈值化算法就不同。其中，常见的有：p 一分 位数( p - t i l e ) 法，双峰法，0 t s u 方法，时刻存储法，最小误差法等0 1 。 基于边缘的分割技术主要依据图像灰度级的不连续性，它通过检测不同均 匀区域之间的边界来实现对图像的分割，这与人的视觉过程有些相似。依据执 行方式的不同，这类方法通常又分为串行边缘检测技术和并行边缘检测技术两 大类。串行边缘检测技术首先要检测出一个边缘起始点，然后根据某种相似性 四川大学硕十学位论文( 2 0 0 6 ) 准则寻找与前一点同类的边缘点，这种确定后继相似点的方法称为跟踪。根据 跟踪方法的不同，这类方法又可分为轮廓跟踪、光栅跟踪和全向跟踪等4 】。并行 边缘检测技术通常借助空域微分算子，通过其模扳与图像卷积完成，因而可以 在各个像素上同时进行，从而大大降低了时间复杂度。常见并行边缘检测算子 有：r o b e r t s 算子，s o b e l 算子，p r e w i t t 算子，w a l l i s 算子，l o g 算子，c a n n y 算子等。并行边缘检测算法虽然在检测的准确性和边缘定位上能达到较高的精 度，但是它们都有一个共同的缺点：不能得到连续的单像素边缘，而这对于分 割来说是至关重要的。所以，通常在进行上述边缘检测之后，需要进行一些边 缘修正的工作，如边缘连通、去除毛刺和虚假边缘等。 基于区域特征的分割技术主要有两种基本形式：区域生长和区域分裂。区 域生长的基本思想是将具有相似性质的像素集合起来构成区域，而区域分裂技 术则是将种子区域不断分裂为4 个矩形区域，直到每个区域内部都是相似的为 止。区域合并通常和区域生长、区域分裂技术相结合，以便把相似的子区域合 并成尽可能大的区域。当图像区域的同一性准则容易定义时，则这些方法分割 质量较好，并且不易受噪声影响。但是初始种子点的选取是这种方法较难解决 的问题。基于数学形态学提出的分水岭分割方法6 1 是一种比较新的基于区域特征 的图像分割法，它根据图像的梯度分布对图像进行渐进的分割，具有较好的鲁 棒性，但是其最大的缺陷在于容易形成过分割。 最后，基于统计模式的分类的图像分割是一种以像素为基元的模式分类过 程，这一过程主要包括两个步骤：特征提取和模式分类。特征提取是方法的关 键，特征的选取往往决定着分割结果的好坏与否。在分割中，常用的特征有： 纹理谱特征，色彩值特征，空间域滤波特征，傅立叶域滤波特征，小波滤波特 征，基于随机场模型的特征，分形特征等等m 】。而模式分类是这一类分割算法的 核心所在，可以借助模式识别技术中的成熟算法，如模糊c 均值( f c m ) 聚类算 法，e m 聚类算法，支持向量机，人工神经网络理论等等盯、柚“。这一类算法的 缺点在于针对一幅特定的图像难于选择一组合适的特征向量，而这直接影响到 图像分割的效果。 由此看来，虽然目前存在如此之多的图像分割方法，各种方法独立运行， 相差甚远，且各有利弊，但是，由于图像的多样性和复杂性，到目前为止仍然 没有一种高效而普适的图像分割算法。 4 理烈犬学硬士学静沦文2 0 0 6 ) 1 3 生物缁胞图像分割技术酌磷究现状 生物细瞧图像皂动分割阏题的解决对疾瘸诊断、缨瞧信息定量分辑、缨臌 内信息的传递、细胞变异研究、细胞驻微、越显微结构的三维重构实现具有不 可低饿豹影响。生物细胞图像分割技术一般手4 用生物细胞图像特有的统汁特性、 图像中细胞及细胞器的轮廓、边缘和纹理等税觉特性进行分割。显徽细胞图像 通常分为背景、细胞质和细胞棱三部分。细胞图像分割的任务就是把细胞本身 与背襞分开，分离出攀个细胞，以便独立地对细胞进行处理和识剐。德是显徽 细胞图像本身的一些特点，如多目标的存在、低对比度、多个对象的聚集以及噪 声静影响，都绦细胞瀚像的分割带来了一定静困难，使得当前还不能究全实现 全自动图像分割。因此，细胞图像的自动分割成为医学显微图像分析巾被人们 所关注的热煮，霜时夜生物医学图像缝理中，细胞图像的分割箨法研究仍然憝 国内外研究的热点课鼷。 1 3 1 传统的细胞图像分割方法 传统稳缁胞分雾j 遥常采蠲经典莓像分裁箨法，弱荻度麓蕊法，边缘捡溺帮 边缘摄取法，簸域特缎法等等。 1 3 1 1 基于灰度的闽值方法 1 噩乏类方法摄器鳝稳图像三大区域( 蓉景，缨藏器鞫锈貔孩) 豹灰凌蓑异，磊 灰度巅方图上寻找合适的阈值( 通常是双阈值) ，通过设置阈值把像素点按灰度 级麓分弱三丈嚣蠛孛，实瑷绥貔霆像分割。阉篷熬选铎往往凳影藕强缘分裁结 果的关键，同时也是越种方法的一个难点。为此，人们提出了各种自迓应的阕 簦寻我方法。其孛，p r e w i t t 等人2 0 毽纪6 0 年我撵窭懿最频毽浚8 ，瓣。 p a p a m a r k o s 等人提出利用多项式拟合的方法嘲，o t s u 提出的最大类间方差法 等，燕较秀经蒸鬻爱熬算法。建羚，入爨还纂予绞诗学薅壹方蚕逡辱鑫耪条佟 分布的假设和建模，运用最小误差法避取阈值。g o n z a l e s “2 1 等给出了等方差混 含g a u s s 分鸯下熬最小误差分裁澳篷；p a l 激p o i s s o n 分毒 警必摸式瓣灰度分 布假设给出分割准则；薛景浩“”等人则提出了s a r 图像基于灰度直方圈的混合 四j f l 人学硕 学位论文( 2 0 0 6 ) 偏移r a y l e i g h 分布下的最小误差分割算法。 由于细胞图像分为三大区域，而简单的单闽值不能够分割多个区域。因此， 随后人们又借助小波，聚类理论等方法实现了自适应的多阂值定位法：c a r l o t t o m j 在1 9 8 7 年首次将小波理论用于直方图处理“”，他将离散尺度空间核与原直 方图卷积后构成直方图多尺度空问，同时对原始直方图进行平滑滤波，最后通 过对平滑结果中的零交叉点分析定位，画出相应的指纹图，以此决定出合适的 直方图分割闽值。在国内，王浩军首次将这种方法应用于细胞图像的分割， 成功地将细胞图像分割成了三大区域，其中还能够较为完整地保持细胞核区域 形状，但是它对于细胞浆区域的准确分割，以及白细胞与红细胞重叠区域的分 割效果并不理想。 1 3 1 2 边界检波4 及边界提取法 这种方法的基本思想是边界一般由细胞图像局部特性的不连续性产生，例 如：灰度值的突变，颜色的突变，纹理结构的突变等。于是利用边界的变化性 质提取边界。经典的边界检测算法运用梯度算子检测图像中梯度变化剧烈的地 方，这些地方往往就是我们需要检测的边缘。但是这种方法很难检测出一条连 续的单像素边缘，且梯度算子是一种基于图像局部特征的并行算法，并不能从 全局的角度对整幅图像做出判断，因此，对于有多个对象的细胞图像来说，简 单地运用梯度算子并不能够区分几个不同的对象。 边缘检测中的另一种较为常见的方法是边缘跟踪算法。将这种方法应用到 细胞边缘检测中，可以提取单像素的较为连续的细胞边缘，并且通过合适的判 决标准，可以较为有效地去掉其他边缘检测方法中常见的由于噪声引起的细小 干扰。由于该方法灵活性很大，人们根据具体的图像特点研究了各种各样的边 缘跟踪算法和规则( t 4 1 7 1 。但是这种方法的缺陷在于，由于图像的多样性和复杂性， 造成了很难得到一套通用且效果较好的跟踪算法，且算法本身比较复杂，算法 效率不高。 基于形变模型( 也称s n a k e 模型) 的方法“州综合利用了区域和边界的信 息，是目前研究较多，应用较广的一种边缘提取方法。s n a k e 模型最早由k a s s 等人于1 9 8 7 年提出o ”。它从另一个角度探讨了边缘检测问题。首先，给出一条 封闭曲线作为初始的边缘轮廓。此后，一方面使用像梯度场这样的图形信息作 6 四川大学硕 学位论文( 2 0 0 6 ) 为外力，让曲线尽量靠近真实边缘：另一方面使用曲线长度、平滑程度等作为内 力，约束曲线的形变。在这两种力量的共同作用下，最终得到精确的、连续的 物体边缘。这种方法省去了对边缘的繁琐的后处理，但是这却是以提供初始轮 廓为代价的。由于图形信息所提供的外力场是很微弱的，所以初始轮廓应当比 较接近真实边缘，否则，算法可能无法收敛到真实边缘。胡炯炯等人将b - s n a k e 模型运用到细胞图像的自动分割中啪1 ，利用形态学方法初始化活动轮廓，最后 通过该模型成功地解决了细胞图像分割中细胞重叠的难题。 1 3 1 3 区域特征法 这种算法是近年来人工智能领域特别是计算机视觉研究中十分关注的图像 分割算法，常见的有区域增长分割方法和区域分裂、聚合分割算法，该算法对 有复杂物体定义的复杂场景的分割( 如细胞图像的分割) 或者对自然景物的分 割等类似先验知识不足的图像分割，效果均比较理想。w uh s 等3 提出利用肺部 癌细胞图像的均值、标准偏差构成的矢量作为细胞分割的特征，提出的区域增 长分割算法分割肺部癌细胞纹理图像，取得较好结果。 此外，流域算法是结合数学形态学的一种区域生长法。目前已经广泛地被 研究并应用于各种图像的分割方法的研究中。流域分割算法最早是由b e u c h e rs 和l a n t u e j o u l 提出来的，并提出了流域分割模拟浸入实现过程。在此基础 上，v i n c e n tl 和s o i l l ep 提出了应用先进先出( f i f o ) 结构的流域算法快速实 现方法嘲。流域分割算法对微弱边缘较敏感，因此采用流域算法进行图像分割时， 一方面对微弱边缘响应良好：另一方面，由于物体的细小结构和量化噪声的影响， 常产生“过分割”的现象。在国内，王金涛，刘文耀等提出一种基于流域分割 算法的二值细胞图像分析方法，采用图像表面的法线特征而不是梯度作为图 像的拓扑表面，并采用形态算子的多尺度梯度算法对模糊边缘进行增强，将实 际交叠在一起的多个细胞群分离开来。王浩军，郑崇勋等将流域算法扩展到彩 色细胞图像的领域，提出了一个彩色流域算法o ”，在彩色梯度图像上完成了基 于淹没的流域算法完成了对有核血细胞( 胞核和胞浆) 的分割和识别。 1 3 2 细胞图像分割新方法 近些年来，数学各分支在理论和应用上逐步向包括数字图像处理在内的各 7 四川大学硕十学侍论史( 2 0 0 6 ) 个领域不断深入，使得小波变换、分形理论、数学形态学、模糊数学等在图像 分割技术应用中取得很大进展，产生了不少新的分割算法。人们针对细胞图像 的特点将这些算法应用到生物细胞图像分割中，取得了一些传统方法无法达到 的效果。 1 3 2 1 基于小波变换的方法 自多分辨率理论的出现以来，小波变换在各大领域内广泛地被应用，得到 了飞速的发展。在图像处理领域，小波变换被广泛地应用到图像压缩，图像分 割，数字水印等方面。小波应用在图像分割主要有三种方法：一是如前面阂值 法中介绍的，将小波用于图像直方图的峰谷检测中，从而找到合适分割的闽值。 这是利用了一维小波在信号检测中的应用理论，而图像是一个二维的信号源， 因此，较为常见的是使用二维小波直接对图像作处理，如：基于小波变换的图 像边缘检测舯1 ，基于小波变换的图像纹理分析o 。删等等。此外，人们常常将小 波变换方法和其他方法( 如：数学形态学m 1 、快速o t s u 闽值法、超图模型 等) 结合起来应用，以解决小波变换中由于离散化带来的误差等问题。 将小波变换应用于细胞图像分割中主要在于基于小波的阈值法和边缘检 测，也有少数文献将小波用于细胞纹理识别中。如前面介绍的，王浩军于2 0 0 1 首次将基于小波的阈值法应用于细胞图像的分割珏7 1 ；而李天钢等人将多尺度小 波变换运用于胃癌细胞图像的边缘检测中，解决了具有复杂纹理的医学病理 细胞图像的分割问题；王积分等人将小波分析用于菌落图像的纹理分割中嘲， 完成了“绿僵菌”菌落显微图像的纹理分割。 1 3 。2 2 基于数学形态学方法 数学形态学是- - f u 新兴的图像分析学科，其基本理论和方法在视觉检测、 机器人视觉、医学图像分析等诸多领域都取得了非常成功的应用。基于数学形 态学的分割算法利用图像的拓扑特性进行操作，利用集合论对图像进行非线性 变换。它最基本的操作是腐蚀和膨胀，通过它们的不同组合形成形态开、形态 闭，对灰度数字图像按照一定的结构元素取最大值和最小值，进而实现图像的 分割。数学形态学在图像分割领域被广泛地用于图像的边缘提取，区域融合及 分离等方面删。 四川大学硕士学伊论文( 2 0 0 6 ) 在细胞图像的分析处理上，数学形态学同样是一个很得力的分析工具，人 们利用形态学工具在检测细胞边缘，分离重叠细胞，流域算法分割细胞等方面 都取得了显著的成效0 1 。w uh s 等提出了数学形态学膨胀、腐蚀运算在建议代 价函数最小前提下的迭代自动分割算法。“，实现了小牛胸腺细胞纹理图像分割 ( 这种胸腺细胞纹理较多且分布在相对均匀的背景下) ，此类算法几何意义明确、 结构简单，可根据处理要求构造不同的算子，特别在有噪声图像分割中效果明 显优于传统算子。谢凤英等利用直方图势函数来提取标记点，并将这些标记点 作为种子点来对梯度图进行w a t e r s h e d 变换，进而提出了一种谱信息与空间信 息相结合的分割方法m 1 ，解决了细胞在参数测量前的精确分割问题。陆振晔等 介绍了利用数学形态学解决重叠细胞分割问题的几种方法：基于分离点搜索的 分离算法、流域分割算法。水坝分割算法，并对现有几种方法各自的特点和适 用性进行了分析讨论和比较“”。而周浩和李天钢则分别利用数学形态学对血液 细胞图像和胃癌病理细胞图像进行边缘检测”“。 1 3 2 3 基于统计学理论的方法 基于统计学理论的图像分割方法是一种建立在像素基础上的模式分类方 法，它实际上是根据图像像素的特征，利用统计学和模式识别的理论及方法， 如贝叶斯决策分类器、聚类、神经网络、模糊模式识别等，将像素按特征加以 分类。其中神经网络和聚类是两种比较常见的方法。这实际是模式识别学习方 法中的两大分类：监督学习方法和无监督学习方法。 人工神经网络是一种有监督的学习分类方法。它本身具有的分类属性是实 现边缘检测和区域分割的基础，基于神经网络图像分割算法呻”1 是目前研究较 多、文献报道较热的分割算法，例如：s p r e e u w e r s 提出了的两层前向神经网络 边界检测法嘲、d h a w a n x u e 提出自组织神经网络边界检测法。”、x u e 提出了 h o p f i e l d 神经网络边缘检测法等等。 而聚类算法是一种无监督学习方法，它对于对象的分类不需要任何先验知 识，这对于图像分割来说是一种更适用更简洁的方法。对于图像分割来说，在 图像中提出的特征参数主要有两种：色彩特征和纹理特征。而聚类算法则各种 各样，如c 均值聚类算法、k 均值聚类算法删、基于混合模型的e m 聚类算法”、 f c m 算法“侧等等。仍然有把聚类算法跟其他理论结合起来的图像分割解决方案， 9 四川大学硕十学位论文( 2 0 0 6 ) 如刘岩等将粗糙集理论和k - m e a n s 聚类算法结合，提出一种新的按图像等价关 系划分的分割方法”1 ；而许海洋等将s o m 神经网络结合k - m e a n s 聚类算法，实 现了基于r g b 特征向量的彩色图像分割6 ”；y i u m i n gc h e u n g 用r ? c l 学习算法 对e m 聚类算法作了改进，实现了聚类数目不确定的情况下的特征向量聚类，并 解决了e m 聚类算法中全局收敛的问题。他将此方法用于彩色图像分割中，取得 了较好的效果“1 。 1 3 2 4 其他细胞分割方法 除了以上这些基于纯数学原理，较为普适的分割方法外，也有一些结合细 胞特性的细胞图像分割方法研究，例如f e r n a n d e z 等! 利用植物b e t av u l g a r i s ( r e db e e t ) 细胞具有的两种色素：b e t ac y a n i n e s 和b e t a x a nt h i n e s 分别对紫 光、黄光光谱吸收特性，提出结合形态学和多种光谱分析的植物细胞分割方法， 显然该方法的实现有一定的局限性，当一些细胞特性不满足这些特性时，方法 就会失效。w uh s 等1 利用椭圆形参数模型法对人颈部和胸部细胞涂片图像进行 了自适应分割，对于椭圆形的重叠和非重叠细胞的分割取得了较好的效果；陆 宗骐筝叫提出灰度s o b e l 算子细化；p a l 等1 研究了利用细胞主要轮廓点的自 动分割；齐国生等提出了基于圆形假设和多边形近似的血细胞图像分解方法呻1 ； k a p u r 等提出基于熵的分割算法；以及用可变形模扳进行基于内容的图像分割、 基于规则图像分割的方法m ”等等。 1 4 课题研究的主要工作 针对国内外对血细胞图像分析处理的研究现状，本课题对图像分割算法， 尤其是血细胞图像分割以及白细胞提取作了比较深入的研究，在学习前人研究 成果的基础上，结合小波变换、区域增长、彩色梯度、边缘跟踪等经典信号分 析以及图像处理理论，提出了一种综合白细胞图像颜色特征、区域特征，以及 边缘信息的白细胞提取算法。经实验结果分析，与传统的区域生长、边缘提取、 阈值分割，以及目前较新的特征聚类、形态学分割等方法得到的结果相比，本 算法在白细胞轮廓精确定位上取得了更好的效果，使得对白细胞的后续处理， 如特征提取、特征识别、自细胞分类等，更加准确和方便。 1 0 四。i i 大学硕十学持论文( 2 0 0 6 ) 基于二上述算法，本文设计并实现了一个白细胞图像分割系统。系统由三个 主要模块组成： ( i ) 基于小波多尺度阂值法的血细胞灰度图分割； ( 2 ) 基于白细咆色彩特征的区域生长法分割白细咆浆； ( 3 ) 基于彩色梯度法的白细咆轮廓提取及修正。 在第二章中详细论述了本系统的整体设计方案。而第三章、第四章和第五 章则详细阐述了各算法模块的原理、流程，并对各算法模块处理结果作了详细 地分析。最后，在第六章中将本算法与目前常用的几种图像分害0 算法作了对比， 对比结果表明了本文算法的有效性。 本课题研究所傲的主要工作主要有以下几个方面： ( 1 ) 提出一种基于白细咆图像色彩特征和白细胞形态特征的h 分量区域生 长法，对白细咆图像进行二次分割，成功解决了白细胞图像分割中自细瞻咆浆 与背景中的红细胞粘连时的分割难题； ( 2 ) 利用彩色梯度法完成了彩色血细胞图像边缘的边缘提取，并基于梯度 阈僵、彩色梯度方向等参数，提出了基于量化彩色梯度方向的边缘细化算法， 成功地得到了单像素的血细胞边缘图像； ( 3 ) 综合白细胞图像区域分割和血细咆图像的边缘提取信息提出一套针对 血细胞图像特征的白细胞边缘修正算法。从而在区域法分割的白细胞图像的基 础上，得到了更精确的白细胞轮廓。 四j i l 大学硕十学位论文( 2 0 0 6 ) 2 系统方案的提出及算法流程设计 2 1 血细胞图像特征分析 白细胞是人体防御系统的重要组成部分，它们由核和原形质( 细胞浆) 组成， 为无色，球状有核细胞，直径约为5 2 5 z m 。根据包含在核与原形质中的颗粒 不同，分成颗粒细胞，单核细胞和淋巴细胞，颗粒细胞又根据颗粒的性质不同 分为嗜中性粒细胞、嗜酸性粒细胞和嗜碱性粒细胞。中性粒细胞根据核形状又 可细分为中性杆状核粒细胞和中性分叶核粒细胞汹1 。各类白细胞与全体白细胞 之百分比，是血液检查的重要项目。 对于一幅白细胞图像，通常包括四个区域：白细胞的细胞核、细胞浆、部分 红细胞和背景。背景足图像的高亮部分，对应的图像区域灰度值最大；红细胞 和白细胞的胞浆区域具有中等灰度；白细胞核的灰度值最小。但不同类型的白 细胞图像，细胞浆、核的颜色纹理都有所不同，而且细胞的大小、形状、颜色 等会因某种疾病而改变。对于这样的图像，提取是比较困难的，特别是当白细 胞和红细胞连在一块的时候，要将白细胞的胞浆和红细胞满意的分开，尤其不 易。 通常采用瑞氏( w r i g h t ) 染色剂对血液采样涂片进行染色。经过瑞氏( w r i g h t ) 染色后，各种不同的白细胞会呈现不同的形态及色彩上的特点如下”1 ： ( 1 ) 嗜中性粒细胞 胞体直径约为1 0 1 5 i im ，基本圆形，胞浆量多，染淡红色，含有许多红 色小颗粒( 中性颗粒) ；中性粒细胞分成中性状核粒细胞和中性分叶核粒细胞两 种，它们之间的主要区别在于细胞核的数量和形态。中性杆状核粒细胞的胞核 细长，弯曲盘绕，为不完全成熟细胞；中性分叶核粒细胞的核分2 5 叶或更 多，分叶的大小、形状和排列各不相同，经过瑞氏染色后，在光学显微镜下， 胞浆丰富，染红色，有许多细小均匀的紫红色中性颗粒；细胞核染色质粗糙不 均，排列呈紧密小块状，染紫红色。 ( 2 ) 嗜酸性粒细胞 胞体直径约为1 3 1 5i tn l ，略大于中性粒细胞，胞核常分两叶，染色质粗 糙，染紫红色；胞浆充满粗大、均匀、整齐、排列紧密的橘红色嗜酸性s 颗粒， 四川i 大学硕十学伊论文( 2 0 0 6 ) 染色呈淡红。 ( 3 ) 嗜碱性粒细胞 胞体直径约为i 0 1 2 pm ，较其他粒细咆小。胞核常被颗粒覆盖，核染色 较深，分叶很不明显，形态不规则，染色质褪糙、聚集成块、染色深浅分布不 均；胞浆较少，染色后呈淡红色或紫红色，含有少量粗大、大小不均、排列不 规则的紫黑色嗜酸性s 鬏粒，常覆盖在核上。嗜碱性颗粒易于溶于水，故染色 是易被溶解消失，则成淡红色空穴。 ( 4 ) 淋巴细咆 按大小分为小淋巴细胞和大淋巴纸咆。小淋巴细胞直径约为5 l o i jm ，胞 核圆形，偶见凹陷，染色质粗糙紧密，排列均匀，染色呈紫红色；染色程紫红 色；胞浆极少，一般无颗粒存在。大淋巴细胞体积较大，直径约为1 0 1 8pm ， 胞核染色比小淋巴细胞疏松，胞浆丰富，呈天蓝色。 ( 5 ) 单核细胞 胞体直径约为1 5 2 5 “m ，呈不规则的圆形或椭圆形，为人体外周血液中 最大的细胞。胞核较大、呈不规则圆形。染色质细致疏松，染淡紫红色。胞浆 较多，染淡蓝色、灰蓝色不等，胞浆内含有许多细小灰尘样小颗粒。 在血液标本中，白细胞数量只有红细胞的1 ：8 0 0 ，图像视野中除了白细胞 还存在背景、污渍等区域，而且白细胞种类不同也呈现不同的性状。所以检出散 存在大量红