胡文琦，鄒耀斌,雷幫軍,徐光柱,夏　平

(三峽大學(xué) 計(jì)算機(jī)與信息學(xué)院，湖北 宜昌 443000)

?

面向真皮顯微鏡圖像的邊緣空間重疊度閾值分割*

胡文琦，鄒耀斌,雷幫軍,徐光柱,夏平

(三峽大學(xué) 計(jì)算機(jī)與信息學(xué)院，湖北 宜昌 443000)

真皮表面皮溝和皮嵴的幾何特征能反應(yīng)出人體皮膚的老化程度，而提取幾何特征的一個(gè)重要預(yù)處理是將皮溝和皮嵴進(jìn)行分割。文章提出了一種邊緣空間重疊度的閾值分割方法來(lái)自動(dòng)地分割皮溝和皮嵴。該方法主要通過(guò)比較圖像間邊緣空間的重疊度來(lái)計(jì)算出圖像的閾值。與幾種傳統(tǒng)的閾值分割方法作對(duì)比實(shí)驗(yàn)，結(jié)果表明，該方法確定的閾值能更準(zhǔn)確地分離皮溝和皮嵴。

閾值分割;空間重疊度;真皮顯微鏡圖像

0　引言

真皮表面皮膚的皮溝和皮嵴的幾何特征能反應(yīng)出人體皮膚的老化程度，而提取幾何特征的一個(gè)重要的預(yù)處理是將皮溝與皮嵴進(jìn)行分割。目前有很多種圖像分割方法，其中閾值分割方法是一種簡(jiǎn)單有效且流行的分割方法。閾值分割的關(guān)鍵在于合理閾值的自動(dòng)穩(wěn)健選取?，F(xiàn)已有多種閾值分割方法[1-4]，如最大類間方差法(Otsu)[1]、最小誤差法[2]、最大熵法[3]、Renyi熵法[4]。Otsu法[1]的基本思想是用閾值把直方圖分割成目標(biāo)和背景兩組，當(dāng)分割的兩組數(shù)據(jù)的類間方差最大時(shí)，得到最佳分割閾值。最小誤差法由KITTLERJ和ILLINGWORTHJ在1985年提出，該方法將二值化問(wèn)題轉(zhuǎn)化為最小誤差化高斯分布問(wèn)題。最大熵法最先由KAPURJN等人[3]提出，在最大熵閾值法中，熵采用香農(nóng)(Shannon) 熵的定義形式。Renyi熵法具有非可加性或者說(shuō)非廣延性，它考慮兩個(gè)子系統(tǒng)之間的相互作用。

當(dāng)將上述閾值分割方法應(yīng)用在分割真皮表面顯微鏡圖像時(shí)，它們所獲得的閾值與理想的閾值往往相差甚遠(yuǎn)。本文提出一種利用圖像邊緣空間重疊度的閾值分割方法，該方法首先通過(guò)Sobel算子計(jì)算皮膚圖像邊緣梯度圖，然后將邊緣梯度圖像二值化生成一個(gè)由256張二值圖像構(gòu)成的圖像集EB；然后對(duì)皮膚圖像進(jìn)行閾值化，生成一個(gè)閾值圖像集，提取閾值處理后的圖像輪廓，得到一個(gè)輪廓圖像集CB；最后選取CB中的每幅圖像和EB中的每幅圖像分別進(jìn)行圖像間空間重疊度的計(jì)算，并計(jì)算累積空間重疊度，累積空間重疊度最高時(shí)對(duì)應(yīng)的閾值為最佳閾值。

1　提出的方法

1.1圖像預(yù)處理

圖1　真皮顯微鏡圖像的預(yù)處理

由于皮膚圖像是在類似點(diǎn)光源的環(huán)境下進(jìn)行采集的，存在亮度不均的現(xiàn)象，如圖1(a)所示。本文主要使用對(duì)比度受限自適應(yīng)直方圖均衡化(CLAHE)對(duì)圖像進(jìn)行預(yù)處理。從圖1(b)可以看出，經(jīng)過(guò)CLAHE處理后的皮膚圖像皮溝和皮嵴區(qū)分明顯，且在一定程度上抑制了亮度不均的現(xiàn)象。

1.2邊緣空間重疊度閾值分割

將經(jīng)過(guò)CLAHE預(yù)處理的皮膚圖像進(jìn)行皮溝與皮嵴的閾值化分割。本文提出利用邊緣空間重疊度的策略來(lái)自動(dòng)確定合理分割閾值的方法，該方法的基本思路如圖2所示。

圖2　邊緣空間重疊度閾值分割的基本流程圖

現(xiàn)在并不能確定選取哪一個(gè)閾值，因此只能選取皮膚圖像所有可能的灰度值(灰度值T∈[0,255])中的任意一個(gè)作為候選的閾值，并通過(guò)后面設(shè)計(jì)的標(biāo)準(zhǔn)來(lái)最終從中選出更佳的閾值。這里以1為增長(zhǎng)點(diǎn)，共有256個(gè)值可取，因此可以得到256張閾值處理后的圖像。進(jìn)一步，移除這256張圖像的內(nèi)部像素(移除操作的定義為：對(duì)一幅二值圖像，如果像素的四鄰域均為1，則該像素對(duì)應(yīng)設(shè)置為0)，得到圖像集CB。當(dāng)選取的灰度值為a時(shí)，對(duì)應(yīng)的輪廓圖記為CBa，如圖2中輪廓圖像集CB所示。

另一方面，用Sobel算子對(duì)CLAHE預(yù)處理后的皮膚圖像計(jì)算其梯度圖像，然后將梯度圖像進(jìn)行二值化。類似地，對(duì)梯度圖像使用每一個(gè)可能的灰度值(灰度值t∈[0,255])進(jìn)行二值化，可以得到二值圖像集EB。當(dāng)選取的灰度值為m時(shí)，對(duì)應(yīng)的二值圖記為EBm，如圖2中二值圖像集EB所示。

最后，選取CB中的一幅圖，如CBa(a∈[0,255])與圖像集EB中的256張圖(EB0,EB1，…，EBm，…，EB254,EB255)分別進(jìn)行圖像空間重疊度的計(jì)算(空間重疊度計(jì)算方面參考下一段介紹)，可以得出256個(gè)重疊度值，將256個(gè)值進(jìn)行累加，得出在灰度值為a時(shí)的累積空間重疊度STa。CB中有256張圖，因此可以得出256個(gè)累積空間重疊度，累積空間重疊度ST最大時(shí)，將其對(duì)應(yīng)的灰度值T作為該圖像的最佳閾值。

本文提出的方法需要計(jì)算二值圖像間的空間重疊度，這里介紹一下二值圖像間空間重疊度的計(jì)算方法。要計(jì)算兩幅二值圖像A、B的空間重疊度，首先要計(jì)算出兩幅圖像中同為1的像素點(diǎn)個(gè)數(shù)、同為0的像素點(diǎn)個(gè)數(shù)，以及圖A像素點(diǎn)為1時(shí)圖B像素點(diǎn)為0和圖A像素點(diǎn)為0時(shí)圖B像素點(diǎn)為1的點(diǎn)的個(gè)數(shù)。將像素點(diǎn)同為1的個(gè)數(shù)記為a， 圖A像素點(diǎn)為1圖B像素點(diǎn)為0的個(gè)數(shù)記為b，圖A像素點(diǎn)為0圖B像素點(diǎn)為1的個(gè)數(shù)記為c，像素點(diǎn)同為0的個(gè)數(shù)記為d。則一個(gè)有效的計(jì)算兩幅二值圖像A和B空間重疊度的公式是：

(1)

PHI值越大，表明兩幅二值圖像空間重疊度越高，同時(shí)也表明兩幅二值圖像更相似。

采用本文提出方法對(duì)圖1(b)中的皮膚圖像進(jìn)行處理，累積空間重疊度曲線如圖3中灰色粗線曲線。其中圖3中橫坐標(biāo)表示皮膚圖像的灰度值，黑色細(xì)線表示CB中的每幅圖和圖像集EB的空間重疊度，重疊度取值對(duì)應(yīng)左縱坐標(biāo)值；灰色粗線表示累積空間重疊度，重疊度取值對(duì)應(yīng)右縱坐標(biāo)值，得出最佳閾值為103。

圖3　本文提出方法對(duì)圖1(b)中的皮膚圖像進(jìn)行計(jì)算獲得的累積空間重疊度曲線

2　實(shí)驗(yàn)結(jié)果與分析

將提出的閾值分割方法在50張真皮表面顯微鏡圖像上進(jìn)行測(cè)試，并將其分割結(jié)果與Otsu法、最小誤差法、最大熵法、Renyi熵法的分割結(jié)果進(jìn)行對(duì)比，如圖4所示。

首先進(jìn)行了5種分割方法主觀上的定性比較。從圖4(b)可以看出，本文提出方法的分割結(jié)果雖然存在少量的過(guò)分割現(xiàn)象，但是能很好地分割出皮嵴輪廓。其他幾種閾值分割方法確定的閾值都普遍偏大，過(guò)分割現(xiàn)象比較嚴(yán)重。

圖4　不同分割方法分割結(jié)果的主觀比較

同時(shí)對(duì)5種分割方法進(jìn)行了客觀上的定量比較。使用以上幾種閾值法分別對(duì)皮膚圖像進(jìn)行分割處理，將各自分割結(jié)果與手工分割結(jié)果(由皮膚科醫(yī)生手工分割而成，作為分割結(jié)果的參考)進(jìn)行對(duì)比，計(jì)算每種分割方法的誤分割率。誤分割率(ME)的計(jì)算公式如下：

(2)

其中，OG和BG分別表示手工分割結(jié)果中的對(duì)象區(qū)域和背景區(qū)域，OT和BT分別表示某個(gè)閾值分割方法所得結(jié)果的對(duì)象區(qū)域和背景區(qū)域。

圖5顯示了本文提出的方法和Otsu法、最小誤差法、最大熵法、Renyi熵法5種分割方法的誤分割率?？梢钥闯?，本文提出方法的誤分割率最小，即分割結(jié)果的準(zhǔn)確性最大。

圖5　 5種閾值分割法的誤分割率結(jié)論

3　結(jié)論

本文提出了一種利用圖像邊緣空間重疊度的閾值分割方法，該方法通過(guò)計(jì)算由Sobel算子檢測(cè)后獲得的二值圖像和由閾值化后獲得的輪廓圖像的空間重疊度來(lái)確定圖像的最佳閾值。Sobel算子計(jì)算的邊緣梯度圖像包含了圖像背景和對(duì)象的邊緣信息。閾值化后的圖像考慮到了圖像的灰度信息和空間信息，有利于分割質(zhì)量的提高。使用50張真皮表面顯微鏡圖像對(duì)所提出方法進(jìn)行了驗(yàn)證，將其分割結(jié)果與其他4種方法的分割結(jié)果進(jìn)行對(duì)比，分別計(jì)算其誤分割率。實(shí)驗(yàn)結(jié)果表明，本文提出的方法在分割真皮表面顯微鏡圖像時(shí)獲取的閾值更加接近理想閾值。

[1]OTSUN.Athresholdselectionmethodfromgray-levelhistogram[J].IEEETransactiononStystems,ManandCybernetics, 1979,9(1):62-66.

[2]KITTLERJ,ILLINGWORTHJ.Minimumerrorthresholding[J].PatternRecognition, 1986, 19(1): 41-47.

[3]KAPURJN,SAHOOPK,WONGAKC.Anewmethodforgray-levelpicturethresholdingusingtheentropyofthehistogram[J].Computervision,graphics,andimageprocessing, 1985, 29(3): 273-285.

[4]SAHOOP,WINKINSC,YEAGERJ.Thresholdingselectionusingrenyi’sentropy[J].PatternRecognition,1997,30(1):71-84.

Threshold segmentation of edge spatial overlap in the image of the leather microscope

HuWenqi,ZouYaobin,LeiBangjun,XuGuangzhu,XiaPing

(CollegeofComputerandInformationTechnology,ChinaThreeGorgesUniversity,Yichang443000，China)

Thegeometriccharacteristicsoftheleathersurfacefurrowandridgecanreflectthedegreeofagingofhumanskin,andanimportantpreprocessingforextractinggeometricfeaturesistosegmenttheskinfurrowandridge.Athresholdsegmentationmethodofedgespatialoverlapdegreeisproposedtoautomaticallysegmentthefurrowandridge.Thismethodismainlytocalculatethethresholdvalueoftheimagebycomparingthespatialoverlapdegreebetweenimages.Comparedwithseveraltraditionalthresholdsegmentationmethods,theexperimentalresultsshowthattheproposedmethodcoulddeterminethethresholdvaluemoreaccurately.

thresholdsegmentation;spatialoverlap;leathermicroscopeimage

湖北省自然科學(xué)基金(2014CFB681)；水電工程智能視覺(jué)監(jiān)測(cè)湖北省重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(2014KLA02)；國(guó)家自然科學(xué)基金(U1401252)

TP391.41ADOI： 10.19358/j.issn.1674- 7720.2016.15.013

2016-04-11)

胡文琦(1991-)，女，碩士研究生，主要研究方向：醫(yī)學(xué)圖像分割。

鄒耀斌(1978-)，通信作者，男，博士，副教授，主要研究方向：圖像相似性理論，圖像分割。E-mail:bwin2010@gmail.com。

雷幫軍(1973-)，男，博士，教授，主要研究方向：計(jì)算機(jī)視覺(jué)，模式識(shí)別，嵌入式視覺(jué)。

引用格式：胡文琦，鄒耀斌,雷幫軍，等. 面向真皮顯微鏡圖像的邊緣空間重疊度閾值分割[J].微型機(jī)與應(yīng)用，2016,35(15)：45-47.