專(zhuān)利名稱(chēng)：一種基于形態(tài)學(xué)的細(xì)胞分離方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種細(xì)胞分離方法，尤其是一種針對(duì)細(xì)胞圖像分割細(xì)胞單體的方法。
背景技術(shù)：
在醫(yī)學(xué)領(lǐng)域，通常需要將細(xì)胞從細(xì)胞圖像中分割出來(lái)，由于細(xì)胞圖像灰度非齊 次性和空間位置的重疊，分割結(jié)果中存在的是眾多細(xì)胞的重疊圖像和細(xì)胞核內(nèi)的部分過(guò) 分割區(qū)域，如果不加處理直接計(jì)算其形態(tài)，對(duì)于過(guò)分割的部分歸屬性和形態(tài)參數(shù)計(jì)算的 準(zhǔn)確性都是一個(gè)挑戰(zhàn)。 傳統(tǒng)的細(xì)胞分離方法存在的缺陷1、不能有效分離粘連的細(xì)胞，無(wú)法從粘連的 細(xì)胞中提取單體細(xì)胞；2、影響了細(xì)胞的形態(tài)參數(shù)計(jì)算的準(zhǔn)確性。

發(fā)明內(nèi)容
為了克服已有的細(xì)胞分離方法的不能有效分離粘連的細(xì)胞、影響細(xì)胞的形態(tài)參
數(shù)計(jì)算的不足，本發(fā)明提供一種能夠有效分離粘連的細(xì)胞、為準(zhǔn)確計(jì)算細(xì)胞的形態(tài)參數(shù)
做好準(zhǔn)備的基于形態(tài)學(xué)的細(xì)胞分離方法。 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是 —種基于形態(tài)學(xué)的細(xì)胞分離方法，所述細(xì)胞分離方法包括以下步驟
1)、區(qū)域標(biāo)記 對(duì)于細(xì)胞圖像分割結(jié)果的二值圖，基于形態(tài)學(xué)標(biāo)記如下 a)自定義結(jié)構(gòu)元素，包括形狀及大小； b)用該結(jié)構(gòu)元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域； C)形態(tài)學(xué)畢運(yùn)算和填充方法消除小的雜點(diǎn)區(qū)域，構(gòu)造包含內(nèi)部代表區(qū)域的新二 值圖； d)在新二值圖上用分水嶺算法獲得各個(gè)區(qū)域的標(biāo)記值；
通過(guò)以上標(biāo)記得到各個(gè)粘連區(qū)域的標(biāo)記值；
2)、提取單體細(xì)胞 2.1)、提取區(qū)域的過(guò)程初始情況下，區(qū)域代表值為零，設(shè)定面積閾值為A， A 取大于圖像中單體細(xì)胞面積兩倍的值；逐行逐列掃描圖像像素點(diǎn)，并將當(dāng)前點(diǎn)設(shè)為中心 點(diǎn)，以此遍歷上下左右四個(gè)領(lǐng)域點(diǎn)，如果領(lǐng)域點(diǎn)的灰度值和中心點(diǎn)一致，并判斷同質(zhì)區(qū) 域面積是否大于面積閾值A(chǔ)，如同質(zhì)區(qū)域面積小于面積閾值，為單體細(xì)胞；如同質(zhì)區(qū)域 面積大于面積閾值則為粘連區(qū)域； 2.2)、首先從區(qū)域標(biāo)記圖中找出存在粘連區(qū)域的標(biāo)記圖，選擇結(jié)構(gòu)元素大小為l 的圓結(jié)構(gòu)對(duì)其進(jìn)行膨脹，直至標(biāo)記圖邊界超出粘連圖外邊界時(shí)停止，這時(shí)該標(biāo)記圖的大 小是粘連細(xì)胞中一個(gè)單體細(xì)胞的整體； 3)、遍歷重構(gòu)的新二值圖集，根據(jù)坐標(biāo)和面積信息，確定各個(gè)單體的歸屬，并建立圖像集。 本發(fā)明的技術(shù)構(gòu)思為數(shù)學(xué)形態(tài)學(xué)(MathematicalM orphology)[44]是近幾年來(lái)發(fā)展 迅速的一門(mén)建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的新興的學(xué)科，以幾何特性和結(jié)構(gòu)特性的定量描 述與分析為其主要研究?jī)?nèi)容，是一種應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域的新的方法。雖然 其理論基礎(chǔ)有些艱深，但其基本觀(guān)念卻比較簡(jiǎn)單。它體現(xiàn)了邏輯推理與數(shù)學(xué)演繹的嚴(yán)謹(jǐn) 性，又要求具備與實(shí)踐密切相關(guān)的實(shí)驗(yàn)技術(shù)與計(jì)算技術(shù)，積分幾何和隨機(jī)集論是其賴(lài)以 生存的基石。 數(shù)學(xué)形態(tài)學(xué)具有堅(jiān)實(shí)的理論基礎(chǔ)，它以集合論的語(yǔ)言來(lái)描述圖像處理算法。它 的基本思想是利用結(jié)構(gòu)元素(structuring element)收集圖像的信息。當(dāng)結(jié)構(gòu)元素在圖像中不 斷移動(dòng)時(shí)，便可考察圖像各個(gè)部分間的相互關(guān)系，從而了解圖像各個(gè)部分的結(jié)構(gòu)特征。 結(jié)構(gòu)元素可直接攜帶知識(shí)(形態(tài)、大小、以及灰度和色度信息)來(lái)探測(cè)所研究圖像的結(jié)構(gòu) 特點(diǎn)，借助于不同形狀的結(jié)構(gòu)元素與圖像間的一系列結(jié)構(gòu)變換來(lái)處理和分析圖像。
數(shù)學(xué)形態(tài)學(xué)應(yīng)用在圖像領(lǐng)域主要包括二值形態(tài)學(xué)和灰值形態(tài)學(xué)[45]，它比其它空 域或頻域圖像處理方法具有一些明顯的優(yōu)勢(shì)[46]。數(shù)學(xué)形態(tài)學(xué)方法最初應(yīng)用于二值圖像處 理領(lǐng)域中，獲得了廣泛的應(yīng)用[45]，且效果顯著，灰值形態(tài)學(xué)是二值形態(tài)學(xué)對(duì)灰度圖像的 自然擴(kuò)展。其中，二值形態(tài)學(xué)中用到的交、并運(yùn)算分別用最小、最大運(yùn)算代替[45][47]，這 對(duì)于理解灰度圖像到彩色圖像的推廣是很重要的。 數(shù)學(xué)形態(tài)學(xué)的主要內(nèi)容是設(shè)計(jì)一套變換(運(yùn)算)，概念和算法，用以描述圖像的 基本特征。假設(shè)用X表示圖像，W(X)表示對(duì)圖像進(jìn)行形態(tài)學(xué)變換。形態(tài)學(xué)創(chuàng)始人Serra 給形態(tài)學(xué)變換規(guī)定了以下基本性質(zhì)[48]: >平移不變性W(Xz) = [W(X)]z，其中Xz表示X平移矢量Z的變換。 >縮放不變性W A(X) = A W( A -D >局部知識(shí)性W(X)變換只用到局部領(lǐng)域信息。
半連續(xù)性形態(tài)學(xué)變換具有一定的連續(xù)特性。 二值圖像是指那些灰度值只取兩個(gè)可能值的圖像，這兩個(gè)灰度值通常取為0和 1。習(xí)慣上認(rèn)為取值l的點(diǎn)對(duì)應(yīng)于景物中的點(diǎn)，取值為0的點(diǎn)構(gòu)成背景。二值形態(tài)學(xué)適 用于二值圖像，它的各種形態(tài)學(xué)處理算法都是以膨脹(dilation)，腐蝕(erosion)這兩種最基 本的運(yùn)算為基礎(chǔ)的。 對(duì)一個(gè)給定的集合(即圖像)X和另一個(gè)集合(即結(jié)構(gòu)元素)B，想象一下將B在 圖像上移動(dòng)。在每一個(gè)當(dāng)前位置x， Bx只有三種可能狀態(tài) 一是《S;二是^eX';三 是Bx n X和Bx n X。均不空。第一種情形說(shuō)明Bx與X相關(guān)最大，第二種情形說(shuō)明Bx與 X不相關(guān)，第三種情形說(shuō)明Bx與X只是部分相關(guān)。因而滿(mǎn)足第一種情形的點(diǎn)x的全體構(gòu) 成結(jié)構(gòu)元素與圖像的最大相關(guān)點(diǎn)集，稱(chēng)這個(gè)點(diǎn)集為B對(duì)X的腐蝕。腐蝕可以看作是將圖 像X中每一個(gè)與結(jié)構(gòu)元素B全等的子集合B"并行地)收縮為點(diǎn)x，那么反過(guò)來(lái)，也可以 將X中每一個(gè)點(diǎn)x擴(kuò)大為Bx，這就是膨脹運(yùn)算。具體可以參考灰度腐蝕與膨脹的示意圖 1。 定義4-l設(shè)A， B為Z2中的集合，①為空集，A被B的膨脹，記為j①B， 為 膨脹算子，膨脹的定義為
4
A B -|x|(B)xn』#" (1) 式(1)表明的膨脹過(guò)程是B首先做關(guān)于原點(diǎn)的映射，然后平移x。 A被B的膨脹 是5所有x平移后與A至少有一個(gè)非零公共元素。集合B就是結(jié)構(gòu)元素。
定義4-2設(shè)A， B為Z2中的集合，①為空集，A被B的腐蝕，記為A0B， 為腐蝕算子，腐蝕的定義為 A關(guān)+帆dJ ② 也就是說(shuō)，A被B腐蝕的結(jié)果為所有使B被x平移后包含于A(yíng)點(diǎn)的集合。
根據(jù)區(qū)域差別性這一圖像分割領(lǐng)域的核心準(zhǔn)則，本文第三章給出的一種新的區(qū) 域混合主動(dòng)輪廓模型，該模型用來(lái)從背景圖中同時(shí)檢測(cè)出細(xì)胞核仁與細(xì)胞膜的輪廓。這 種主動(dòng)輪廓模型根據(jù)區(qū)域最大化原則的核心思想，同時(shí)采用局部和全局灰度信息用作模 型的驅(qū)動(dòng)力。這種局部和全局的擬合驅(qū)動(dòng)力確保了模型能夠捕捉到局部差異，并且全局 差異區(qū)域也能被分割出來(lái)。同時(shí)引進(jìn)的策略權(quán)重參數(shù)利用梯度信息來(lái)解釋局部擬合項(xiàng)和 全局?jǐn)M合項(xiàng)如何組成混合擬合項(xiàng)，實(shí)驗(yàn)結(jié)果這一小節(jié)的內(nèi)容證明了這類(lèi)模型在分割細(xì)胞 核仁與細(xì)胞膜時(shí)有良好的表現(xiàn)。 但是分割由于細(xì)胞圖像灰度非齊次性和空間位置的重疊，分割結(jié)果中存在的是 眾多細(xì)胞的重疊圖像和細(xì)胞核內(nèi)的部分過(guò)分割區(qū)域，如果不加處理直接計(jì)算其形態(tài)，對(duì) 于過(guò)分割的部分歸屬性和形態(tài)參數(shù)計(jì)算的準(zhǔn)確性都是一個(gè)挑戰(zhàn)。 從細(xì)胞圖像的分割結(jié)果中對(duì)于統(tǒng)計(jì)細(xì)胞形態(tài)參數(shù)的缺陷出發(fā)，應(yīng)用數(shù)學(xué)形態(tài)學(xué) 方法，設(shè)計(jì)了分離粘連細(xì)胞的方法，該方法最終得到的結(jié)果是原重疊圖像分離出的單個(gè) 細(xì)胞的一組圖像集，較傳統(tǒng)的粘連分離方法，該方法能提取出單體細(xì)胞及內(nèi)核區(qū)域的圖 像集，為準(zhǔn)確計(jì)算出細(xì)胞形態(tài)參數(shù)做好準(zhǔn)備。引入了細(xì)胞核質(zhì)比這一新的形態(tài)參數(shù)， 并計(jì)算出每個(gè)細(xì)胞參數(shù)，如周長(zhǎng)、面積、最大高度、最大寬度、矩形度、圓形度、伸長(zhǎng) 度，給出細(xì)胞圖像直觀(guān)的數(shù)字參數(shù)。 該方法圍繞形態(tài)學(xué)方法展開(kāi)，給出了分割粘連細(xì)胞的新算法，用表示單個(gè)細(xì)胞 的圖像集來(lái)計(jì)算各個(gè)細(xì)胞形態(tài)參數(shù)。 本發(fā)明的有益效果主要表現(xiàn)在能夠有效分離粘連的細(xì)胞、為準(zhǔn)確計(jì)算細(xì)胞的 形態(tài)參數(shù)做好準(zhǔn)備。


圖1是用圓形結(jié)構(gòu)元素進(jìn)行灰值膨脹和腐蝕的定義的圖解示意圖。 圖2是二值膨脹示意圖。 圖3是二值腐蝕示意圖。 圖4是形態(tài)學(xué)填充結(jié)果圖。 圖5是區(qū)域標(biāo)記過(guò)程示意圖。 圖6是灰度圖像區(qū)域標(biāo)記圖。 圖7是區(qū)域提取算法的流程圖 圖8是提取的二值圖集的示意圖。
5
圖9是分離并還原細(xì)胞單體的示意圖。 圖10是各個(gè)單體細(xì)胞整理的示意圖。
圖11是單體細(xì)胞和其內(nèi)部所屬區(qū)域的示意圖。
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步描述。 參照?qǐng)D1 圖11， 一種基于形態(tài)學(xué)的細(xì)胞分離方法，所述細(xì)胞分離方法包括以 下步驟 1)、區(qū)域標(biāo)記 對(duì)于細(xì)胞圖像分割結(jié)果的二值圖，基于形態(tài)學(xué)標(biāo)記如下 e)自定義結(jié)構(gòu)元素，包括形狀及大??； f)用該結(jié)構(gòu)元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域； g)形態(tài)學(xué)畢運(yùn)算和填充方法消除小的雜點(diǎn)區(qū)域，構(gòu)造包含內(nèi)部代表區(qū)域的新二 值圖； h)在新二值圖上用分水嶺算法獲得各個(gè)區(qū)域的標(biāo)記值；
通過(guò)以上標(biāo)記得到各個(gè)粘連區(qū)域的標(biāo)記值；
2)、提取單體細(xì)胞 2.1)、提取區(qū)域的過(guò)程初始情況下，區(qū)域代表值為零，設(shè)定面積閾值為A， A 取大于圖像中單體細(xì)胞面積兩倍的值；逐行逐列掃描圖像像素點(diǎn)，并將當(dāng)前點(diǎn)設(shè)為中心 點(diǎn)，以此遍歷上下左右四個(gè)領(lǐng)域點(diǎn)，如果領(lǐng)域點(diǎn)的灰度值和中心點(diǎn)一致，并判斷同質(zhì)區(qū) 域面積是否大于面積閾值A(chǔ)，如同質(zhì)區(qū)域面積小于面積閾值，為單體細(xì)胞；如同質(zhì)區(qū)域 面積大于面積閾值則為粘連區(qū)域； 2.2)、首先從區(qū)域標(biāo)記圖中找出存在粘連區(qū)域的標(biāo)記圖，選擇結(jié)構(gòu)元素大小為l 的圓結(jié)構(gòu)對(duì)其進(jìn)行膨脹，直至標(biāo)記圖邊界超出粘連圖外邊界時(shí)停止，這時(shí)該標(biāo)記圖的大 小是粘連細(xì)胞中一個(gè)單體細(xì)胞的整體； 3)、遍歷重構(gòu)的新二值圖集，根據(jù)坐標(biāo)和面積信息，確定各個(gè)單體的歸屬，并 建立圖像集。 細(xì)胞區(qū)域存在的粘連現(xiàn)象對(duì)于提取單個(gè)細(xì)胞及統(tǒng)計(jì)細(xì)胞的形態(tài)參數(shù)都是一個(gè)挑 戰(zhàn)，成功分離粘連細(xì)胞對(duì)于細(xì)胞的分割和檢測(cè)都有著重要意義。本實(shí)施例的細(xì)胞分離方 法基于二值形態(tài)學(xué)方法，提取二值圖主要部分——細(xì)胞區(qū)域和細(xì)胞核區(qū)域。選用數(shù)學(xué)形 態(tài)學(xué)對(duì)細(xì)胞分割結(jié)果區(qū)域進(jìn)行集合操作，從而提取出單個(gè)細(xì)胞的整體區(qū)域，并方便后續(xù) 的形態(tài)參數(shù)計(jì)算。 本實(shí)施例的方法歸結(jié)起來(lái)可以分為分割區(qū)域的標(biāo)記和分離這兩個(gè)部分，通過(guò)標(biāo) 記可以獲取分割結(jié)果中目標(biāo)的主要區(qū)域，再在區(qū)域標(biāo)記的基礎(chǔ)上，對(duì)分割結(jié)果圖中粘連 的部分實(shí)現(xiàn)分離，從而完成細(xì)胞圖像中單個(gè)目標(biāo)的提取。 區(qū)域標(biāo)記對(duì)于混合主動(dòng)輪廓模型分割結(jié)果三維二值圖現(xiàn)如圖4左圖所示，分 析可知盡管嗜中性粒細(xì)胞的核區(qū)域中存在過(guò)多的小區(qū)域目標(biāo)，也就是之前提到的過(guò)分割 區(qū)域，但是主目標(biāo)區(qū)域外邊界的良好捕捉確保了在分割結(jié)果圖中辨認(rèn)出細(xì)胞整體。對(duì)此 圖像，選用形態(tài)學(xué)填充方法，該方法對(duì)于二值圖像中前景目標(biāo)邊界區(qū)域內(nèi)的背景區(qū)域部分，用前景區(qū)域值替換，也就是二值圖像中在"1"值為邊 界的閉合區(qū)域內(nèi)，將"0"值替換成"1"值。消除了內(nèi)部區(qū)域的過(guò)分割現(xiàn)象 如圖4右圖所示。 至此，不考慮細(xì)胞內(nèi)細(xì)胞核目標(biāo)的對(duì)象，可以得到細(xì)胞區(qū)域總的外部輪廓，但 此時(shí)面臨的問(wèn)題是如何將圖4中間區(qū)域粘連細(xì)胞分離開(kāi)，得到單體的細(xì)胞。本節(jié)介紹的 區(qū)域標(biāo)記方法可以實(shí)現(xiàn)細(xì)胞分離和提取。 分析圖4右圖可知，該圖中存在多個(gè)細(xì)胞目標(biāo)，并且若干個(gè)目標(biāo)連在一起。若
要從圖中提取目標(biāo)，首要需獲取單個(gè)的目標(biāo)個(gè)體。對(duì)于分離出單體問(wèn)題，在本文中轉(zhuǎn)化
為標(biāo)記區(qū)域問(wèn)題，將不同的細(xì)胞體標(biāo)為不同的數(shù)值，從而起到區(qū)分的作用。 對(duì)于二值圖像，基于形態(tài)學(xué)的標(biāo)記算法如下 a)自定義結(jié)構(gòu)元素，包括形狀及大小。 b)用該結(jié)構(gòu)元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域。 c)形態(tài)學(xué)畢運(yùn)算和填充方法消除小的雜點(diǎn)區(qū)域，構(gòu)造包含內(nèi)部代表區(qū)域的新二 值圖。 d)在新二值圖上用分水嶺算法獲得各個(gè)區(qū)域的標(biāo)記值。 其中分水嶺算法，請(qǐng)參照文獻(xiàn)1 : Vincent L， Soille P.Watersheds in digital spaces : An efficient algorithm based on immersion simulations[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991， 13(6)， 583-598，即文森特L，索雷P，數(shù)字空間 分水嶺 一種有效的基于浸入仿真的算法，IEEE模式分析與機(jī)器智能期刊，第13期第6 章583-598頁(yè)。 該算法可以獲取各個(gè)粘連區(qū)域的標(biāo)記值，該標(biāo)記圖是下節(jié)引入的粘連細(xì)胞分離 的基礎(chǔ)。對(duì)于圖4右圖，選取了圓盤(pán)形的結(jié)構(gòu)元素，大小設(shè)置為14，該值的大
小選取根據(jù)獲取最多內(nèi)部代表區(qū)域?yàn)樵瓌t調(diào)節(jié)，分離結(jié)構(gòu)如圖5所示，其右圖 的不同的顏色代表了不同的標(biāo)記值，即一種顏色代表一個(gè)區(qū)域。 該算法對(duì)于同樣適用于灰度及彩色圖像，現(xiàn)以灰度圖像為例，驗(yàn)證其區(qū)域標(biāo)記 效果，如圖6所示。圖6右下圖不同的顏色區(qū)域代表不同的標(biāo)記值。 提取單體細(xì)胞區(qū)域標(biāo)記的結(jié)果是在原分割結(jié)果圖中將多個(gè)目標(biāo)的種子區(qū)域標(biāo) 注出來(lái)，即將多個(gè)目標(biāo)單體化標(biāo)注。圖5右圖的標(biāo)記圖雖然給出了分離的單體細(xì)胞，但 這和圖4左圖的混合主動(dòng)輪廓模型分割結(jié)果相比，存在兩方面的信息丟失。首先，由于 是在形態(tài)學(xué)腐蝕情況下進(jìn)行的操作，標(biāo)記的單體細(xì)胞區(qū)域丟失了部分外邊界的內(nèi)容。其 次，為了獲得種子區(qū)域，混合主動(dòng)輪廓模型得到的細(xì)胞核區(qū)域是在形態(tài)學(xué)填充操作下進(jìn) 行的，因此丟失了此區(qū)域的信息。本節(jié)介紹的算法用到了標(biāo)記算法得到的標(biāo)注圖，并修 正了標(biāo)記算法的這兩個(gè)缺陷，提取了圖中多個(gè)目標(biāo)并保存為圖像集，更加方便后續(xù)的形 態(tài)參數(shù)計(jì)算。 提起單體細(xì)胞的算法分為兩個(gè)部分。首先介紹提取區(qū)域的算法，該算法直接對(duì) 分割結(jié)果二值圖，提取單一和粘連的細(xì)胞區(qū)域。其次，處理粘連的細(xì)胞區(qū)域，用上一節(jié) 介紹的區(qū)域標(biāo)記方法將細(xì)胞分離，重新對(duì)標(biāo)記的區(qū)域進(jìn)行形態(tài)學(xué)膨脹恢復(fù)其在分割結(jié)果 圖中的形態(tài)，并將內(nèi)部的細(xì)胞核區(qū)域歸屬為某一區(qū)域。經(jīng)過(guò)上述過(guò)程，細(xì)胞核區(qū)域和細(xì) 胞整體輪廓區(qū)域都得以保存，實(shí)現(xiàn)細(xì)胞輪廓區(qū)域分離的同時(shí)，內(nèi)部細(xì)胞核區(qū)域細(xì)節(jié)也得
7以保留，對(duì)之后的形態(tài)學(xué)參數(shù)計(jì)算會(huì)有重要的意義。圖7為提取區(qū)域的算法的流程。
算法將各個(gè)沒(méi)有粘連的部分提取出來(lái)，在對(duì)圖4左圖處理的過(guò)程中，設(shè)定面積 閾值為150，于是在提取過(guò)程中部分沒(méi)有在形態(tài)學(xué)閉運(yùn)算時(shí)消除的小區(qū)域，在該面積閾值 的約束下被濾去了。 圖8給出了提取出的各個(gè)主要區(qū)域(圖中白色區(qū)域)二值圖集，其中包括背景部 分，粘連細(xì)胞部分，單個(gè)細(xì)胞部分以及細(xì)胞內(nèi)區(qū)域部分。 從圖8圖第二行左邊第一張二值圖中可以看出，區(qū)域提取算法中還包含了若干 個(gè)粘連細(xì)胞，對(duì)于二值圖是否存在粘連，以及處理的方法如下
a)形態(tài)學(xué)填充，將背景二值圖剔除。 b)在剩余的圖像集中，判斷填充結(jié)果圖中面積是否大于面積閾值A(chǔ) c)若大于面積A，則存在粘連，否則，為單體。 上述步驟b中的面積閾值A(chǔ)取大于圖像中單體細(xì)胞面積兩倍的值。 通過(guò)區(qū)域提取和粘連判斷，已經(jīng)可以獲得粘連二值圖，再引入上節(jié)介紹的區(qū)域
標(biāo)記圖，可以實(shí)現(xiàn)粘連細(xì)胞的分離并獲得各個(gè)細(xì)胞核的區(qū)域，構(gòu)成一個(gè)完整的單體細(xì)胞。 利用區(qū)域標(biāo)記圖可以還原出粘連細(xì)胞各個(gè)細(xì)胞體的外輪廓。首先從區(qū)域標(biāo)記圖 中找出存在于粘連區(qū)域的標(biāo)記圖，選擇結(jié)構(gòu)元素大小為1的圓結(jié)構(gòu)對(duì)其進(jìn)行膨脹，直至 標(biāo)記圖邊界超出粘連圖外邊界時(shí)停止，這時(shí)該標(biāo)記圖的大小可以近似的認(rèn)為是粘連細(xì)胞 中一個(gè)單體細(xì)胞的整體。 圖9是分離粘連細(xì)胞并還原各個(gè)單體細(xì)胞的結(jié)果圖，用下行的四副二值圖替代 圖8中第二行第一幅圖像，從而獲得了分離的各個(gè)單體。此時(shí)的重新構(gòu)成的二值圖像集 中包含了圖9下行四副二值圖，并刪除圖8第二行第一幅二值圖。 至此，分離并提取細(xì)胞還差一個(gè)步驟完成，即確定各個(gè)單體的歸屬。此處的歸 屬代表各個(gè)單體的從屬性。遍歷重構(gòu)的新二值圖集，根據(jù)坐標(biāo)和面積信息，確定各個(gè)單 體的歸屬。圖10所示的圖像集是各個(gè)單體細(xì)胞的整體區(qū)域，但重構(gòu)圖像集中還包含了若 干個(gè)小區(qū)域，這些小的區(qū)域表示細(xì)胞核區(qū)域的內(nèi)部細(xì)節(jié)。歸屬性信息由此確定了各個(gè)小 區(qū)域從屬于圖10中哪一個(gè)具體的細(xì)胞單體。圖ll上行是兩個(gè)細(xì)胞單體整體及內(nèi)部區(qū)域， 內(nèi)部區(qū)域代表了細(xì)胞核區(qū)域，下行最左圖是細(xì)胞單體整體，其右四副二值圖是從屬于該 單體的四個(gè)細(xì)胞質(zhì)區(qū)域。 因此，區(qū)域標(biāo)記和提取單體算法獲得了圖像集。該圖像集中包含了各個(gè)單體細(xì) 胞的整體，及其內(nèi)部若干個(gè)區(qū)域。
權(quán)利要求
一種基于形態(tài)學(xué)的細(xì)胞分離方法，其特征在于所述細(xì)胞分離方法包括以下步驟1)、區(qū)域標(biāo)記對(duì)于細(xì)胞圖像分割結(jié)果的二值圖，基于形態(tài)學(xué)標(biāo)記如下a)自定義結(jié)構(gòu)元素，包括形狀及大??；b)用該結(jié)構(gòu)元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域；c)形態(tài)學(xué)畢運(yùn)算和填充方法消除小的雜點(diǎn)區(qū)域，構(gòu)造包含內(nèi)部代表區(qū)域的新二值圖；d)在新二值圖上用分水嶺算法獲得各個(gè)區(qū)域的標(biāo)記值；通過(guò)以上標(biāo)記得到各個(gè)粘連區(qū)域的標(biāo)記值；2)、提取單體細(xì)胞2.1)、提取區(qū)域的過(guò)程初始情況下，區(qū)域代表值為零，設(shè)定面積閾值為A，A取大于圖像中單體細(xì)胞面積兩倍的值；逐行逐列掃描圖像像素點(diǎn)，并將當(dāng)前點(diǎn)設(shè)為中心點(diǎn)，以此遍歷上下左右四個(gè)領(lǐng)域點(diǎn)，如果領(lǐng)域點(diǎn)的灰度值和中心點(diǎn)一致，并判斷同質(zhì)區(qū)域面積是否大于面積閾值A(chǔ)，如同質(zhì)區(qū)域面積小于面積閾值，為單體細(xì)胞；如同質(zhì)區(qū)域面積大于面積閾值則為粘連區(qū)域；2.2)、首先從區(qū)域標(biāo)記圖中找出存在粘連區(qū)域的標(biāo)記圖，選擇結(jié)構(gòu)元素大小為1的圓結(jié)構(gòu)對(duì)其進(jìn)行膨脹，直至標(biāo)記圖邊界超出粘連圖外邊界時(shí)停止，這時(shí)該標(biāo)記圖的大小是粘連細(xì)胞中一個(gè)單體細(xì)胞的整體；3)、遍歷重構(gòu)的新二值圖集，根據(jù)坐標(biāo)和面積信息，確定各個(gè)單體的歸屬，并建立圖像集。
全文摘要
一種基于形態(tài)學(xué)的細(xì)胞分離方法，包括以下步驟1)、區(qū)域標(biāo)記對(duì)于細(xì)胞圖像分割結(jié)果的二值圖，基于形態(tài)學(xué)標(biāo)記，通過(guò)標(biāo)記得到各個(gè)粘連區(qū)域的標(biāo)記值；2)、提取單體細(xì)胞2.1)、提取區(qū)域的過(guò)程；2.2)、首先從區(qū)域標(biāo)記圖中找出存在粘連區(qū)域的標(biāo)記圖，選擇結(jié)構(gòu)元素大小為1的圓結(jié)構(gòu)對(duì)其進(jìn)行膨脹，直至標(biāo)記圖邊界超出粘連圖外邊界時(shí)停止，這時(shí)該標(biāo)記圖的大小是粘連細(xì)胞中一個(gè)單體細(xì)胞的整體；3)、遍歷重構(gòu)的新二值圖集，根據(jù)坐標(biāo)和面積信息，確定各個(gè)單體的歸屬，并建立圖像集。本發(fā)明能夠有效分離粘連的細(xì)胞、為準(zhǔn)確計(jì)算細(xì)胞的形態(tài)參數(shù)做好準(zhǔn)備。
文檔編號(hào)G06T7/00GK101692282SQ200910153358
公開(kāi)日2010年4月7日 申請(qǐng)日期2009年10月16日 優(yōu)先權(quán)日2009年10月16日
發(fā)明者姚春燕, 柳剛鋒, 趙明珠, 陳敏, 陳勝勇 申請(qǐng)人:浙江工業(yè)大學(xué)