【摘要】在圖像處理的過程中，圖像預處理的好壞直接影響后續(xù)處理有直接的影響。針對圖像濾波消噪的同時把圖像中一些重要的細節(jié)特征消去這個問題，闡述了數(shù)學形態(tài)學的基本運算及其在圖像預處理中的應(yīng)用，通過Matlab仿真結(jié)果分析，該方法在組織切片細胞的預處理應(yīng)用中有很明顯的優(yōu)勢。

【關(guān)鍵詞】圖像濾波;數(shù)學形態(tài)學;小波變換;仿真

1.引言

圖像在獲取或者傳輸過程中，經(jīng)常會被加入大量的噪聲，嚴重影響了圖像的視覺效果，甚至妨礙了人們的正常識別。因此，圖像的噪聲濾除是圖像處理中的一項重要任務(wù)，噪聲濾除后的結(jié)果對圖像邊緣檢測、圖像分割、特征提取和圖像識別等后續(xù)處理均有直接的影響。圖像中一般既有較為平滑的區(qū)域，也有豐富的細節(jié)或邊緣，這些細節(jié)或邊緣通常包含重要的視覺感知信息。因此，圖像濾波的目的除了去除噪聲外，還要盡可能地保留細節(jié)或邊緣等信息。在本文中，我們首先介紹一些常用的彩色圖像的特點，然后將數(shù)學形態(tài)學應(yīng)用于圖形的預處理，這一算法具有較好的濾除噪聲能力，并且能有效地保留圖像中原有細節(jié)或邊緣。

2.組織細胞圖像的特點

對于彩色組織細胞圖像的研究，最困難的就是細胞的形態(tài)辨別以及特征信息提取。關(guān)于醫(yī)學生物細胞圖像的研究，對實現(xiàn)細胞形態(tài)觀測以及疾病診斷提供依據(jù)。研究組織細胞圖像分割，目的就是可以把組織細胞從復雜的噪音背景中分割出來，便于以后提取單獨細胞的狀態(tài)、形態(tài)以及特征信息，理想的分割算法有利于判斷和確定組織細胞結(jié)構(gòu)的特點。通過觀察組織細胞顯微圖像圖1總結(jié)如下特征：

圖1 組織切片細胞圖像

（1）組織細胞的邊緣信息模糊，顏色較深;背景雜質(zhì)較多，顏色較淺;

（2）整個細胞圖像背景的顏色并不是均勻的;

（3）在組織細胞的邊界處像素灰度變化劇烈;

（4）死細胞數(shù)目比較多，導致細胞內(nèi)部存在大量雜質(zhì);

（5）組織細胞背景內(nèi)部含有大量的雜質(zhì)噪聲;

（6）整個細胞圖像存在很多個細胞可相互粘連、重疊的現(xiàn)象，可能導致分割結(jié)果不是很理想。

3.圖像預處理

利于軟件對圖像進行預處理，本實驗采用的matlab圖像處理庫來處理組織細胞顯微圖像，提高圖像質(zhì)量，增加圖像對比度。圖像預處理包括：灰度化，濾波除噪，圖像增強。本實驗采用的是提高對比度的圖像增強算法，突出組織細胞圖像關(guān)鍵的特征信息。

數(shù)學形態(tài)學是研究數(shù)字影像形態(tài)結(jié)構(gòu)特征與快速并行處理方法的理論，是通過對目標影像的形態(tài)變換來實現(xiàn)結(jié)構(gòu)分析和特征提取的。

假設(shè)點的像素值設(shè)為與對應(yīng)的核B覆蓋下所有點中的最大（最小）值。膨脹是求局部最大值的操作，腐蝕是求局部最小值。則膨脹腐蝕公式為：

膨脹：

腐蝕：

開運算：

閉運算：

高帽公式：

低帽公式：

利用形態(tài)學運算的不同組合，可以構(gòu)造出很多不同的算法，可以使圖像達到收縮、細化、抽骨架、剪枝和粗化等效果，進一步實現(xiàn)物體識別、邊界檢測及顆粒分析等圖像處理過程。

圖2 去噪后圖像

4.仿真

為了使組織切片細胞圖像中噪音濾出效果更佳好，同時又可以保持圖像原有的邊緣信息，因此對小波變換算法和數(shù)學形態(tài)學方法進行了相關(guān)仿真驗證，以驗證該改進算法的合法性和合理性。仿真結(jié)果如圖2、3。由試驗結(jié)果我們可以看出，本文算法能很好地達到預處理的作用，達到了預期目的，滿足了圖像分割對實時性，準確性的要求。

采集的組織細胞圖像雜質(zhì)較多，重疊顯現(xiàn)尤為嚴重，這也導致了粘連處的邊緣檢測出現(xiàn)模糊，甚至不連續(xù)的現(xiàn)象。對于這一問題還需要進一步分析研究粘連細胞分割算法，另外采集的組織細胞圖像應(yīng)該含有比較少的噪聲。

圖3 圖像的高低帽增強

5.總結(jié)

組織細胞分割的關(guān)鍵在于如何區(qū)別細胞和雜質(zhì)。本實驗的數(shù)學形態(tài)學算法能夠較好的分割細胞圖像，具有方法簡單，運算量小的特點。通過仿真結(jié)果也可以看出，分割出的圖像邊緣與其他算法比較有很明顯的優(yōu)勢，達到了預期的分割結(jié)果?？梢钥闯鲈诩毎膬?nèi)部存在的雜質(zhì)太多，使得圖像分割的結(jié)果太亂，出現(xiàn)大量的偽邊緣，因此針對這些問題，在后續(xù)的算法研究中還需要進一步改進，使得算法更具有通用性和實時性。

參考文獻

[1]范立南，韓曉微，張廣淵.圖像處理與模式識別[M].北京：科學出版社，2007.

[2]薛繼偉，張問銀，陳冬芳，王桂華.基于數(shù)學形態(tài)學的圖像濾波方法[J].大慶石油學院學報，2003，27（4）：48-50.

[3]李艷麗.醫(yī)學圖像濾波與增強技術(shù)研究[河南科技大學碩士學位論文].河南：河南科技大學，2013.

[4]袁麗婷，邱力軍.基于 Matlab 的x線醫(yī)學圖像增強與直方圖處理方法[M].第四軍醫(yī)大學學報，2007，28（4）：376-378.

基金項目：遼寧省科技廳攻關(guān)計劃項目（項目編號：2011201035）和遼寧省教育廳項目（項目編號：L2012230）。