亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于形態(tài)學(xué)的醫(yī)學(xué)圖像分割方法研究

        2019-12-26 03:17:26楊玉娥馬志雯
        中阿科技論壇(中英文) 2019年4期
        關(guān)鍵詞:分水嶺形態(tài)學(xué)梯度

        楊玉娥 馬志雯 劉 娟

        (1.甘肅省婦幼保健院麻醉手術(shù)室,甘肅 蘭州 730050;2.新疆維吾爾自治區(qū)人民醫(yī)院,新疆 烏魯木齊 830001)

        一、概述

        用于醫(yī)學(xué)細(xì)胞圖像的自動(dòng)分割通常是一個(gè)難以解決的問題,因?yàn)樗哂写罅康目勺冃裕ㄈ绮煌@微鏡、染色、細(xì)胞類型、細(xì)胞密度)和數(shù)據(jù)的復(fù)雜性。目前大多數(shù)細(xì)胞分割的方法都是以閾值分割、特征檢測(cè)、形態(tài)學(xué)過濾、區(qū)域生長(zhǎng)和可變形模型擬合等方法作為基礎(chǔ)[1]。

        閾值分割是最早且最主要的一種分割方法,它的基本思想是假設(shè)細(xì)胞都有顯著、一致且明顯不同于背景的灰度強(qiáng)度,在這種情況下,固定閾值就能進(jìn)行全局或者局部的細(xì)胞分割。但是現(xiàn)實(shí)情況往往并非如此,在復(fù)雜情況下再用單一閾值進(jìn)行分割會(huì)得到非常差的效果,因此閾值分割常被用于細(xì)胞分割的第一步[2]。特征檢測(cè)是基于灰度值強(qiáng)度推導(dǎo)得出的特征進(jìn)行細(xì)胞分割,可以很容易通過線性圖像濾波檢測(cè)到細(xì)胞,很多情況下常使用一階微分濾波(例如Sobel 算子)或二階微分濾波(例如Laplacian 算子),和閾值分割類似,單獨(dú)的濾波器不會(huì)產(chǎn)生明確的細(xì)胞輪廓,這為后續(xù)處理提供有用的信息[3][4]。區(qū)域生長(zhǎng)算法基本原理是通過閾值集或人機(jī)交互把待處理的圖像分割成幾個(gè)區(qū)域,然后在不同的區(qū)域中設(shè)置生長(zhǎng)點(diǎn),這個(gè)生長(zhǎng)點(diǎn)和相鄰像素點(diǎn)進(jìn)行對(duì)比,若屬性相似則合并起來(lái)繼續(xù)向外生長(zhǎng),最后生長(zhǎng)到?jīng)]有類似屬性的相鄰像素點(diǎn),這樣生長(zhǎng)點(diǎn)就會(huì)停止,產(chǎn)生的范圍就是一塊具有類似性質(zhì)的區(qū)域[5]。除了這些基本方法之外,還有很多新型高效的分割方法迭代而出,例如2008 年由Felzenszwalb 提 出的DPM(Deformable Parts Model)算法,2015 年UCLA JalaliLab 提出的相位拉伸變換(Phase Stretch Transform,PST)算法和近年來(lái)隨著機(jī)器學(xué)習(xí)而興起的基于神經(jīng)網(wǎng)絡(luò)的分割算法等[6]。

        本文中提出應(yīng)用頻域法對(duì)醫(yī)學(xué)細(xì)胞圖像進(jìn)行信息增強(qiáng),通過高通濾波有效銳化目標(biāo)邊緣,通過低通濾波有效平滑整體圖像。在圖像分割階段,應(yīng)用基于形態(tài)學(xué)梯度計(jì)算分割算法進(jìn)行醫(yī)學(xué)細(xì)胞目標(biāo)分割,通過詳細(xì)實(shí)驗(yàn),并與Canny 算子進(jìn)行比較,驗(yàn)證了本文算法的有效性。

        二、醫(yī)學(xué)細(xì)胞圖像預(yù)處理

        在圖像成像過程中,會(huì)出現(xiàn)很多干擾因素,比如觀察儀器、光照影響、染色是否均勻、傳輸?shù)接?jì)算機(jī)中信號(hào)影響,都會(huì)導(dǎo)致出現(xiàn)不可控的情況。為了盡量甚至完全消除這些負(fù)面影響,首先要對(duì)圖像進(jìn)行預(yù)處理,以確保后續(xù)工作的正常進(jìn)行。圖像預(yù)處理的主要目的是消除圖像中的無(wú)關(guān)信息,保留圖像中的核心信息,需對(duì)圖像進(jìn)行增強(qiáng)與降噪平滑處理[7]。

        (一)圖像增強(qiáng)

        在圖像傳輸過程中,因?yàn)橐恍┎豢煽匾蛩貙?dǎo)致圖像中感興趣的部分有不同程度的模糊,例如傳感器分辨率不夠高,拍攝出來(lái)的細(xì)胞圖像經(jīng)放大出現(xiàn)邊緣模糊,或者是因?yàn)楣庹詹粔?,?dǎo)致拍攝出來(lái)的細(xì)胞圖像整體偏暗,細(xì)胞與背景之間的對(duì)比度太低以致不便于分割,圖像增強(qiáng)的作用就是突出目標(biāo)區(qū)域(前景部分),抑制無(wú)關(guān)區(qū)域使圖像信息更豐富,視覺效果更好,便于后續(xù)處理操作的進(jìn)行。因?yàn)閷?shí)際情況中,每張醫(yī)學(xué)細(xì)胞圖像質(zhì)量參差不齊,而是否對(duì)細(xì)胞圖像進(jìn)行增強(qiáng)處理,使用哪種方法進(jìn)行增強(qiáng)處理,都需要操作者本身的經(jīng)驗(yàn)和判斷,這部分帶有很大的主觀性,因此處理效果好還是壞都會(huì)因操作者經(jīng)驗(yàn)的不同而有不同的評(píng)判,本文主要應(yīng)用空間域法灰度圖像直方均衡法對(duì)圖像進(jìn)行增強(qiáng)處理。

        直方圖均衡化基本思想是把原圖像中集中在某一區(qū)域的灰度值均勻變換分布到整個(gè)灰度值變化范圍,提高圖像對(duì)比度。例如在前景與背景灰度值相近(都很亮或都很暗)的情況下,需要分割細(xì)胞部分就很難,這時(shí)使用直方圖均衡化就能使細(xì)胞與背景的分離度大大提高,為分割提供了良好的原圖像。它使用了統(tǒng)計(jì)學(xué)的方法,計(jì)算出每個(gè)灰度值在整幅圖像中出現(xiàn)的概率,并以適當(dāng)?shù)臋?quán)值計(jì)算出在均衡化后該有的數(shù)值。簡(jiǎn)而言之,從小到大拍好像素,算出每一個(gè)像素的概率和累計(jì)概率,再用各自的灰度值乘以累計(jì)概率得出的數(shù)值就是變換后的灰度值。設(shè)有一灰度圖像x,ni是灰度值,i 是出現(xiàn)的次數(shù),取值范圍為0 到255,灰度值i的概率得:

        L 是灰度數(shù)為256,n 是圖像中的像素?cái)?shù),Pi(i)是灰度值i的直方圖,使其歸一化。

        對(duì)每一個(gè)原始灰度值進(jìn)行一個(gè)線性變換y=T(x):

        可利用逆分布函數(shù)性質(zhì)對(duì)常數(shù)K進(jìn)行變換:

        T變換會(huì)把值映射到0..1域,為使值回到0..255的域,還要再進(jìn)行一次變換:

        便得到圖4所示的灰度圖像的均衡化處理結(jié)果。

        圖1 細(xì)胞原圖

        圖2 灰度化結(jié)果

        圖3 細(xì)胞直方圖

        圖4 均衡化結(jié)果

        圖5 細(xì)胞直方圖均衡化

        鄰域運(yùn)算也叫空間濾波,對(duì)空間域進(jìn)行線性或非線性計(jì)算的二維矩陣。線性運(yùn)算經(jīng)常以傅里葉變換為基礎(chǔ)設(shè)計(jì),非線性運(yùn)算常使用自定義濾波器對(duì)空間域像素進(jìn)行直接操作。在傅里葉變換中,讓某個(gè)灰度值以下的像素信息完全保留,而對(duì)高于這個(gè)閾值的像素進(jìn)行削弱或消除。這種操作經(jīng)常用于去除一些無(wú)關(guān)緊要的細(xì)節(jié)部分,使整體需要部分更明顯。

        (二)圖像降噪

        在圖像成像、傳輸和處理過程中都可能產(chǎn)生噪音,噪音是圖像處理中主要干擾之一。這些噪聲有時(shí)候會(huì)明顯惡化細(xì)胞圖像質(zhì)量,使細(xì)節(jié)或細(xì)胞邊緣模糊不清。為了盡可能保留和突出我們感興趣的區(qū)域和細(xì)節(jié),必須對(duì)含有噪聲的原始圖像進(jìn)行降噪,這樣有利于后續(xù)圖像的分析和研究。

        高斯濾波用高斯分布計(jì)算圖像中每個(gè)像素的變換。二維空間定義如下:

        如果用圖像來(lái)表示,就是呈高斯分布的同心圓。每個(gè)中心像素是通過周圍相鄰的值計(jì)算得出的,用設(shè)置好的卷積核和相同大小的像素區(qū)域矩陣進(jìn)行卷積運(yùn)算,矩陣必須為奇數(shù),這樣矩陣才有中心,例如3×3的矩陣有中心,半徑為1,中心值的權(quán)重最高,越遠(yuǎn)離中心的值權(quán)重越低,這樣就利用了周圍每個(gè)像素的值,并且根據(jù)重要性的不同對(duì)最后結(jié)果的影響也不同,盡可能保存了中心數(shù)值的重要性。這樣進(jìn)行模糊處理比其他的均衡模糊濾波器更高地保留了邊緣效果。簡(jiǎn)而言之,矩陣方框大小不變,里面的數(shù)值符合高斯分布,中心值最大,然后其他值的大小隨著離中心值的半徑遞增而遞減,每個(gè)值都由加權(quán)平均數(shù)求出。

        圖6 細(xì)胞原圖

        圖7 二維高斯分布圖

        圖8 原圖高斯濾波結(jié)果

        圖9 添加高斯噪聲

        圖10 添加高斯噪聲后高斯濾波結(jié)果

        三、基于形態(tài)學(xué)分水嶺算法分割細(xì)胞圖像

        分水嶺圖像分割算法就是通過確定分水嶺的位置來(lái)進(jìn)行圖像分割的。一般考慮到各區(qū)域內(nèi)部像素的灰度比較接近,而相鄰區(qū)域像素間的灰度差距較大,可以先計(jì)算一幅圖像的梯度圖,再尋找梯度圖的分水嶺。在梯度圖中,小梯度值對(duì)應(yīng)區(qū)域內(nèi)部,大梯度值對(duì)應(yīng)區(qū)域的邊間,分水嶺算法尋找大梯度值像素的位置,即邊界位置。

        分水嶺算法處理分割目標(biāo)區(qū)域一般是細(xì)胞與背景的交界處,或者是細(xì)胞之間的分界處。用非背景區(qū)域減去細(xì)胞區(qū)域就得到邊界區(qū)域[8]。

        借助數(shù)學(xué)形態(tài)學(xué)中的膨脹運(yùn)算迭代計(jì)算分水嶺的方法如下描述:

        (1)首先設(shè)定一幅待分割圖像f(x,y),梯度圖像g(x,y),分水嶺的計(jì)算在梯度圖像上進(jìn)行。

        然后用M1,M2,...,Mn表示圖像各局部極小值的像素位置,C(Mi)為對(duì)應(yīng)的Mi 對(duì)應(yīng)區(qū)域中像素坐標(biāo)的集合,用n代表當(dāng)前的梯度閾值。

        T[n]記為(u,v)的像素集合,且g(u,v)<n,即

        梯度閾值從圖像梯度范圍的最低值整數(shù)增加。當(dāng)梯度閾值為n時(shí),g(x,y)<n平面的像素集合為T[n]。

        將Mi所在的區(qū)域滿足條件的坐標(biāo)集合C(Mi)看做一幅二值圖像:

        即,同時(shí)在C(Mi)區(qū)域和T[n]區(qū)域的地方有Cn(Mi)=1,否則為0。

        再用C[M]代表所有梯度閾值為n時(shí)圖像中所有滿足梯度值小于n的像素集合:C[n]=∪Cn(Mi)i<n,C[max+1]為所有區(qū)域的并集,max為圖像灰度范圍的最大值。

        (2)初始化C[min+1]=t[min+1],然后逐漸迭代進(jìn)行。設(shè)在步驟n時(shí),以建立C[n-1-1],下面考慮從C[n-1]得到C[n]。

        此時(shí)令S代表T[n]中連通組元的集合,每個(gè)連通組元s∈S[n]時(shí),有三種情況:

        ①s∩C[n-1]是空集—C[n]=s+C[n-1]

        ②s∩C[n-1]包含C[n-1]中的一個(gè)連通組元—C[n]=s+C[n-1]

        ③s∩C[n-1]包含C[n-1]中一個(gè)以上的組元—需要在s中建立分水嶺,對(duì)s∩C[n-1]進(jìn)行膨脹。

        因?yàn)樵诜炙畮X算法中,標(biāo)記為0 的背景區(qū)域會(huì)被當(dāng)做未知區(qū)域。所以要使用其他整數(shù)標(biāo)記,避免背景區(qū)域被當(dāng)成未知區(qū)域。而對(duì)不確定的區(qū)域標(biāo)記為0。標(biāo)簽創(chuàng)建并標(biāo)記好后,最后使用分水嶺算法進(jìn)行處理。邊界區(qū)域的標(biāo)簽標(biāo)記變?yōu)?1。

        根據(jù)分水嶺算法思想,邊緣檢測(cè)算子都采用梯度思想,即某個(gè)邊緣點(diǎn)的計(jì)算是根據(jù)周圍的點(diǎn)的灰度值計(jì)算得出的。先進(jìn)行圖像灰度化和二值化處理,再進(jìn)行形態(tài)學(xué)操作,然后進(jìn)行距離變換,最后進(jìn)行分水嶺變化得出結(jié)果。從圖像灰度二值化、形態(tài)學(xué)膨脹運(yùn)算到得到分水嶺算法的分割結(jié)果,具體實(shí)驗(yàn)結(jié)果如圖15至圖18 所示。

        從結(jié)果可以看出分水嶺算法的分割結(jié)果較好,邊緣光滑明確且連續(xù)不斷,對(duì)于大部分細(xì)胞能產(chǎn)生較好的分割效果,但對(duì)于細(xì)胞內(nèi)部明暗變化較大的情況,有時(shí)會(huì)分割出內(nèi)部較亮的區(qū)域。對(duì)于一些緊緊相連的細(xì)胞,也能對(duì)它們的邊界做很好的處理。

        四、算法分析與比較

        圖11 細(xì)胞原圖

        圖12 Canny邊緣檢測(cè)效果

        圖13 邊緣像素寬度為1 Canny分割效果

        圖14 邊緣像素寬度為2 Canny分割效果

        圖15 分水嶺算法灰度化二值化圖像

        圖16 分水嶺算法形態(tài)學(xué)計(jì)算

        圖17 分水嶺形態(tài)學(xué)計(jì)算后閾值操作

        圖18 分水嶺算法最終分割結(jié)果

        為了進(jìn)一步驗(yàn)證本文算法的有效性,應(yīng)用Canny算子分割醫(yī)學(xué)細(xì)胞圖像。Canny算子具有良好的檢測(cè)圖像弱邊界的良好效果,具體處理過程為先使用3×3 的高斯濾波器進(jìn)行降噪,再將圖像灰度化,然后調(diào)用Canny 算法對(duì)細(xì)胞圖像進(jìn)行邊緣檢測(cè),最后對(duì)邊緣檢測(cè)圖像進(jìn)行輪廓標(biāo)記,最終得出分割效果圖,圖11 為原圖,圖12 為利用Canny 算子檢測(cè)的圖像邊界,圖13、圖14分別為不同像素寬度分割細(xì)胞圖像的結(jié)果。

        對(duì)比圖14、圖18 兩種分割方法的結(jié)果,可以看出,兩種分割方法都能標(biāo)識(shí)出每個(gè)細(xì)胞,沒有出現(xiàn)遺漏分割的細(xì)胞,但基于Canny 算子的分割方法邊緣不光滑,且內(nèi)外線條較多,而分水嶺算法得出的效果線條數(shù)較少,邊緣線條光滑且清晰;雖然也存在內(nèi)部線條被勾勒出的情況,但數(shù)量較少且對(duì)細(xì)節(jié)目標(biāo)邊界處理有很好的效果??梢钥闯霰疚奶岢龅乃惴ǚ指罱Y(jié)果較好,邊緣光滑明確且連續(xù),尤其對(duì)細(xì)胞圖像目標(biāo)處理更加精細(xì),同時(shí)在細(xì)胞內(nèi)部明暗變化較大的情況下,也可分割出內(nèi)部較亮的區(qū)域,對(duì)于出現(xiàn)緊密相連的細(xì)胞的分割還需要進(jìn)行進(jìn)一步的研究與改進(jìn)。

        五、總結(jié)

        本文對(duì)目前醫(yī)學(xué)圖像分割算法從圖像的預(yù)處理、平滑降噪及應(yīng)用分割算法等內(nèi)容進(jìn)行了研究。提出在圖像的預(yù)處理中應(yīng)用空間域法,對(duì)醫(yī)學(xué)細(xì)胞圖像進(jìn)行平滑處理,同時(shí)進(jìn)一步對(duì)整個(gè)圖像進(jìn)行降噪處理,突顯目標(biāo)特征。通過對(duì)基于形態(tài)學(xué)的分水嶺圖像分割算法理論的研究,在前面圖像處理的基礎(chǔ)之上分割目標(biāo)圖像,得到良好效果。同時(shí),為了說明本文所提算法的有效性,將本文算法與Canny算子分割細(xì)胞圖像的結(jié)果進(jìn)行比較,從結(jié)果觀察,本文算法結(jié)合了形態(tài)學(xué)圖像的特征與梯度特征,對(duì)檢測(cè)目標(biāo)具有更好的適應(yīng)性,目標(biāo)邊界更準(zhǔn)確,得到的冗余信息更少,分割邊緣光滑連續(xù),算法對(duì)噪聲的適應(yīng)能力更強(qiáng),充分說明了分水嶺算法分割細(xì)胞目標(biāo)圖像的有效性。

        猜你喜歡
        分水嶺形態(tài)學(xué)梯度
        一個(gè)改進(jìn)的WYL型三項(xiàng)共軛梯度法
        一種自適應(yīng)Dai-Liao共軛梯度法
        2019,一定是個(gè)分水嶺!
        一類扭積形式的梯度近Ricci孤立子
        醫(yī)學(xué)微觀形態(tài)學(xué)在教學(xué)改革中的應(yīng)用分析
        數(shù)學(xué)形態(tài)學(xué)濾波器在轉(zhuǎn)子失衡識(shí)別中的應(yīng)用
        河南科技(2014年3期)2014-02-27 14:05:45
        “華北第一隧”——張涿高速分水嶺隧道貫通
        巨核細(xì)胞數(shù)量及形態(tài)學(xué)改變?cè)谒姆N類型MPN中的診斷價(jià)值
        一May-Hegglin異常家系細(xì)胞形態(tài)學(xué)觀察
        亚洲乱亚洲乱妇| 日韩在线精品免费观看| 日韩精品在线一二三四区| 国产精品久久久久久福利| 国产高潮国产高潮久久久| 亚洲男人天堂av在线| 精品一区二区三区牛牛| 色偷偷色噜噜狠狠网站30根 | 国产免费av片在线播放| 国产真实露脸4p视频| 精品国产97av一区二区三区| 日本久久精品中文字幕| 亚洲熟妇av日韩熟妇在线| 欧美精品中文| 男女男生精精品视频网站 | 蜜桃成人精品一区二区三区| 国产精品成人观看视频国产奇米| 国产无遮挡无码视频免费软件| 亚洲VA中文字幕无码毛片春药| 97久久国产精品成人观看| 国产精品午夜福利视频234区| 18禁超污无遮挡无码免费游戏| 99久久这里只精品国产免费| 亚洲av乱码国产精品观| 国产精品9999久久久久仙踪林| 老熟女毛茸茸浓毛| 美女黄网站永久免费观看网站| 免费的小黄片在线观看视频| 少妇无码av无码专区| 美女一级毛片免费观看97| 日本中文字幕官网亚洲| 又大又长粗又爽又黄少妇视频| 伴郎粗大的内捧猛烈进出视频观看 | 色一情一区二| 蜜臀av一区二区三区人妻在线| 日本高清一道本一区二区| 国产精品亚洲欧美大片在线看 | 日本护士口爆吞精视频| a级特黄的片子| 欧美日韩一区二区三区视频在线观看| 日本va中文字幕亚洲久伊人|