伏金浩, 王劍平, 聞路紅, 洪歡歡, 史振志

(1.昆明理工大學(xué) 信息工程與自動化學(xué)院,云南 昆明 650500;2.寧波大學(xué) 高等技術(shù)研究院,浙江 寧波 315211)

0 引 言

細(xì)胞圖像的準(zhǔn)確、自動分割在生物學(xué)研究[1]和醫(yī)學(xué)應(yīng)用[2]中發(fā)揮著極其重要的作用。生物學(xué)家采用不同類型的顯微鏡進(jìn)行細(xì)胞圖像采集,其中熒光顯微鏡和亮場顯微鏡是最常用的兩種技術(shù)。針對熒光細(xì)胞圖像,分割較為容易[3],然而采集首先需要對細(xì)胞進(jìn)行染色,會對細(xì)胞活性有一定影響,造成細(xì)胞死亡；另一個出現(xiàn)的問題是細(xì)胞偶爾會在一系列圖像幀中消失和重新出現(xiàn),這可能導(dǎo)致對細(xì)胞行為的錯誤跟蹤[4]。亮場顯微鏡能夠觀測不經(jīng)染色的活細(xì)胞,提供清晰的細(xì)胞圖像,但采集的圖像會出現(xiàn)對比度低、光照不均勻,細(xì)胞邊緣存在光暈、偽影等影響。常用的基于活動輪廓的方法,如水平集算法,可以精確分割出熒光細(xì)胞,對于亮場圖像只能捕捉到細(xì)胞邊緣的光暈部分[5]。

針對亮場細(xì)胞圖像分割,Tse T等人[6]提出一種結(jié)合分水嶺和水平集的方法,但只適用于分割只含單個細(xì)胞的圖像；Yin Z等人[7]對亮場顯微鏡進(jìn)行成像建模,通過建立約束函數(shù)用于消除光圈、偽影,然后對恢復(fù)后的圖像進(jìn)行閾值分割,可以獲得高質(zhì)量的分割效果圖像,但其建模過程復(fù)雜,且容易造成有絲分裂細(xì)胞丟失；Kang S M等人[8]提出基于圖割與巴氏距離的算法,實(shí)現(xiàn)對亮場圖像中多個細(xì)胞的定位,分割出整個圖像幀,算法無法分割成簇的聚類細(xì)胞；Chen Y等人[9]提出一種穩(wěn)健的基于主成分追蹤與譜聚類的模型,能夠有效分割出亮場圖像中的細(xì)胞,然而會出現(xiàn)過分割現(xiàn)象,也無法實(shí)現(xiàn)粘連細(xì)胞的分割。

針對上述問題,本文提出一種結(jié)合局部對比閾值與光暈移除的方法,實(shí)現(xiàn)亮場細(xì)胞圖像的自動分割,實(shí)驗(yàn)結(jié)果表明本文算法的有效性。

1 算法介紹

1.1 局部對比閾值

1.1.1 細(xì)胞區(qū)域檢測

采集獲取亮場細(xì)胞圖像,進(jìn)行灰度變換得到圖像I(x,y)。由于圖像中細(xì)胞與背景對比度較低、像素存在重疊,通過計算局部對比度以檢測圖像中含有細(xì)胞的區(qū)域,局部對比度C定義為圖像I在濾波窗口內(nèi)的標(biāo)準(zhǔn)差除以同一窗口內(nèi)的平均值[10]

(1)

式中 *為卷積運(yùn)算,G為采用高斯濾波器,將圖像中的像素點(diǎn)用本身和鄰域內(nèi)的其他像素值加權(quán)平均后替換完成平滑濾波處理,對服從正態(tài)分布的噪聲有較好的去噪效果[11],二維高斯函數(shù)為

(2)

式中 參數(shù)σ為高斯分布的標(biāo)準(zhǔn)方差,決定高斯函數(shù)的寬度。

1.1.2 閾值分割

設(shè)閾值為ε,當(dāng)C(x,y)>ε的像素點(diǎn)(x,y),將其劃分為細(xì)胞區(qū)域,否則為背景區(qū)域,閾值分割得到的圖像J(x,y)為

(3)

1.2 光暈移除

由于亮場顯微鏡成像原理導(dǎo)致獲取的圖像中細(xì)胞邊緣會存在光暈、偽影的影響,干擾細(xì)胞的形態(tài)分析。而基于局部對比閾值的方法傾向于將光暈歸類為細(xì)胞區(qū)域,因此,需要進(jìn)行光暈移除。

算法實(shí)現(xiàn)步驟如下：

1)提取閾值分割的細(xì)胞邊界,建立邊界像素點(diǎn)集合；

2)采用Kirsch算子[12]八個卷積核模板計算像素強(qiáng)度梯度；

3)梯度迭代,在圖1(a)所示的亮場細(xì)胞圖像中,沿點(diǎn)A向B移動,線段AB的灰度分布曲線如圖1(b)所示,從光暈區(qū)域向細(xì)胞區(qū)域移動時,像素強(qiáng)度降低,初始邊界逐漸收縮,當(dāng)強(qiáng)度梯度變?yōu)樨?fù)值時,即到達(dá)細(xì)胞的真實(shí)邊界輪廓,迭代停止[13]。

圖1 線段AB的灰度分布曲線

1.3 優(yōu)化處理

1.3.1 形態(tài)學(xué)處理

形態(tài)學(xué)處理用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中對應(yīng)的形狀以達(dá)到對圖像進(jìn)行識別和分析的目的[14]。設(shè)二值圖像為A,結(jié)構(gòu)元素為B,形態(tài)學(xué)腐蝕變換E與膨脹變換D定義如下

E=AΘB={x,y|Bxy?A}

(4)

D=A⊕B={x,y|Bxy∩A≠?}

(5)

結(jié)合二值形態(tài)學(xué)腐蝕與膨脹變換,對圖像進(jìn)行閉操作,能夠填充細(xì)胞內(nèi)部孔洞,連接鄰近邊界并平滑細(xì)胞邊界輪廓。閉操作運(yùn)算如下

A·B=(A⊕B)ΘB

(6)

1.3.2 移除小目標(biāo)

在細(xì)胞培養(yǎng)過程中,培養(yǎng)皿及培養(yǎng)液會產(chǎn)生溶液雜質(zhì)、組織碎屑,對細(xì)胞檢測與分析造成一定影響,因此,需要去除小目標(biāo)雜質(zhì)。通過自定義面積閾值,移除小于該面積的小目標(biāo)區(qū)域。

2 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證算法的分割效果,實(shí)驗(yàn)采用C2C12(小鼠成肌細(xì)胞)數(shù)據(jù)集,圖像分辨率為1 392像素×1 040像素,通過MATLAB R2014a編程實(shí)現(xiàn)。

根據(jù)算法實(shí)現(xiàn)流程,分割結(jié)果如圖2所示。圖2(a)為亮場細(xì)胞圖像,設(shè)置參數(shù)σ為1.4,閾值ε為0.062,局部對比閾值分割結(jié)果圖2(b)所示,能夠檢測并分割出含有細(xì)胞的區(qū)域；如圖2(c)為最終分割結(jié)果,圖2(d)為對分割后的細(xì)胞進(jìn)行邊界提取,通過對比可以看出,采用光暈移除與后處理操作,可以實(shí)現(xiàn)細(xì)胞邊界優(yōu)化,得到更準(zhǔn)確的分割結(jié)果。

圖2 亮場細(xì)胞圖像分割結(jié)果

為了進(jìn)一步分析本文分割方法的性能,通過Precision,Recall,Fscore三個指標(biāo)進(jìn)行定量評估。Precision表示圖像的分割精度；Recall表示召回率,衡量真實(shí)細(xì)胞像素的查全率；Fscore反映算法的綜合分割性能。各個指標(biāo)的計算如下所示

Precision=TP/(TP+FP)

(7)

Recall=TP/(TP+FN)

(8)

Fscore=2×TP/(FP+TP)/(TP+FN)

(9)

式中TP為分割正確的細(xì)胞像素樣本個數(shù)；FP為背景像素被誤檢為細(xì)胞像素的樣本個數(shù)；FN為細(xì)胞像素被誤檢為背景像素的樣本個數(shù)。

從表1可以得出,通過與文獻(xiàn)[7],文獻(xiàn)[15]的分割結(jié)果進(jìn)行對比分析,本文提出的方法在Precision,Recall,Fscore三個指標(biāo)均優(yōu)于其他兩種算法,表明本文所采用的方法具有更好的分割效果。

表1 算法分割結(jié)果對比 %

從圖2可以看出,對于孤立的亮場細(xì)胞可以得到精確的分割,但針對粘連、聚類細(xì)胞,無法實(shí)現(xiàn)有效分割。通過提取粘連程度不同的細(xì)胞區(qū)域,尋找像素強(qiáng)度差異,設(shè)置新的局部對比閾值參數(shù),分割結(jié)果如圖3所示。

圖3 粘連細(xì)胞分割

如圖3(a1)對應(yīng)于圖2(a)三角形區(qū)域所示,圖3(b1)對應(yīng)于圖2(a)橢圓區(qū)域所示,圖3(c1)對應(yīng)于圖2(a)矩形區(qū)域所示。閾值分割結(jié)果如圖3(a2),(b2),(c2)所示,最終分割結(jié)果如圖3(a3),(b3),(c3)所示,對分割后的結(jié)果進(jìn)行邊界提取與細(xì)胞計數(shù),如圖3(a4),(b4),(c4),可以看出,采用本方法能夠?qū)崿F(xiàn)粘連細(xì)胞的有效分割,得到更精確的分割細(xì)節(jié)。

3 結(jié) 論

本文針對亮場細(xì)胞圖像像素強(qiáng)度分布特征進(jìn)行分析,提出一種結(jié)合局部對比閾值與光暈移除的分割方法。通過細(xì)胞與背景像素強(qiáng)度差異,實(shí)現(xiàn)圖像的全局分割,再提取粘連程度不同的細(xì)胞區(qū)域進(jìn)行局部分割,以獲得更精細(xì)的分割結(jié)果。實(shí)驗(yàn)結(jié)果表明:應(yīng)用本方法既可以解決亮場細(xì)胞圖像對比度差、存在光暈偽影的分割難題,又能夠?qū)崿F(xiàn)粘連、聚類細(xì)胞的有效分割,為后續(xù)細(xì)胞形態(tài)分析與細(xì)胞追蹤奠定良好的基礎(chǔ)。