基于ＨＳＶ空間的大壁虎腦圖譜圖像分割研究

程　湛　戴振東

摘 要：針對(duì)大壁虎染色腦切片圖像的分割需要，提出一種基于HSV空間的圖像分割方法。根據(jù)腦圖譜本身的染色特征以及人工識(shí)別腦圖譜的經(jīng)驗(yàn)，建立腦圖譜顏色特征經(jīng)驗(yàn)?zāi)Ｐ?，分析該模型中的特征圖片，從而得到分割閾值，據(jù)此利用Matlab圖像編程，對(duì)腦圖譜圖像進(jìn)行多閾值分割。對(duì)試驗(yàn)結(jié)果進(jìn)行分析，發(fā)現(xiàn)該算法能夠?qū)⒋蟊诨⒛X圖譜分割為簡(jiǎn)潔、直觀和清晰的特征腦區(qū)，并且具有一定的抗噪聲能力。

關(guān)鍵詞：HSV空間；腦圖譜；閾值分割；經(jīng)驗(yàn)?zāi)Ｐ停籑atlab

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004－373X(2009)04－108－03

Study of Image Segmentation in Gekko Gecko′s Brain Atlas Based on HSV Color Space

CHENG Zhan1,2,DAI Zhendong1

(1.Institute of Bin－inspired Structure and Surface Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing,210016,China;

2.College of Mechanical and Electrical Engineering,Nanjing University of Aeronautics and Astronautics,Nanjing,210016,China)

Abstract：A method of image segmentation based on HSV color space is studied in order to segment the Gekko Gecko′s brain atlas.According to the stain characteristic of brain atlas,a brain atlas color model is built,from which some threshold values can be obtained.Brian atlas image is operated by multi－threshold segmentation.The image operation result is distinct,clear and directviewing.The algorithm has the ability of anti－jamming.

Keywords：HSV color space;brain atlas;threshold segmentation;empirical model;Matlab

腦圖譜的識(shí)別與標(biāo)定一般采取人工方式。這種方式基于研究者的經(jīng)驗(yàn)，具有較好的識(shí)別效果，但也有弊端，如：人工識(shí)別過(guò)分依賴于專家的經(jīng)驗(yàn)知識(shí)，沒(méi)有經(jīng)過(guò)相應(yīng)培訓(xùn)的人無(wú)法勝任；在腦圖譜圖片的數(shù)量達(dá)到成百上千張的時(shí)候，人工識(shí)別的工作量過(guò)大，完成任務(wù)所需的時(shí)間過(guò)長(zhǎng)。在醫(yī)學(xué)腦圖像計(jì)算機(jī)處理方面，相關(guān)的研究主要針對(duì)CT圖像與NMR圖像，所處理的圖像多為灰度圖像或者是偽彩色圖像，且相應(yīng)地偏向病理醫(yī)學(xué)方向［1］，而對(duì)于含有豐富細(xì)節(jié)信息的彩色染色腦圖譜圖像的數(shù)字圖像處理研究比較少。在腦圖譜處理方面，有科研人員提出在RGB空間中利用邊緣檢測(cè)算子對(duì)腦圖譜的圖像進(jìn)行邊緣檢測(cè)［2］，從而實(shí)現(xiàn)對(duì)腦圖譜圖像的分割，該算法較為準(zhǔn)確地加強(qiáng)了各個(gè)區(qū)域的邊緣，但是由于腦圖譜圖像內(nèi)部噪音較多且色塊較為復(fù)雜，不可避免地得到大量無(wú)用邊緣，最終影響到圖像的精確分割。

考慮到腦圖譜圖片是在不同光照強(qiáng)度下拍攝的，在圖像處理時(shí)基于RGB顏色空間的情況下進(jìn)行，圖像的RGB三個(gè)分量隨著拍攝條件的改變，均會(huì)受到影響，從而影響到圖像分割算法的通用性。而在HSV空間中，色度值和、飽和度值和強(qiáng)度值3個(gè)分量具有較好的獨(dú)立性［3］，在拍攝光照條件改變的情況下，3個(gè)分量中只有強(qiáng)度值受到明顯的影響，而色度與飽和度受影響較少。因此提出一種基于HSV顏色空間的分割方法。選取色度、飽和度、強(qiáng)度作為圖像特征量，通過(guò)建立腦圖譜特征區(qū)域顏色經(jīng)驗(yàn)?zāi)Ｐ?，分析模型中不同區(qū)域樣本的特征值，確定分割的閾值，利用Matlab軟件編寫程序，實(shí)現(xiàn)對(duì)腦圖譜圖像的多閾值分割。

1 大壁虎腦圖譜的染色特征

1.1 大壁虎腦切片的制作及染色方法

選取健康成年大壁虎 (Gekko gecko) 的完整腦部，制作石蠟切片。并利用伊紅染色法與蘇木精染色法進(jìn)行切片染色［4］。伊紅染色法的染色對(duì)象為細(xì)胞質(zhì)及非細(xì)胞成分，蘇木精染色法的染色對(duì)象為核內(nèi)染色質(zhì)及胞質(zhì)內(nèi)核糖體等物質(zhì)。因此，壁虎腦切片經(jīng)過(guò)染色以后，神經(jīng)元細(xì)胞的區(qū)域被染成紅色。神經(jīng)纖維的區(qū)域被染成藍(lán)色。使用 Keyence 公司的數(shù)碼顯微鏡VHX－100對(duì)切片進(jìn)行拍攝，放大比例為1∶400；通過(guò)圖像采集卡獲得數(shù)字格式的圖像，為了保證圖像信息的完整性，將圖像保存為TIFF格式，分辨率為4 800×3 600，如圖1所示。

圖1 壁虎染色腦切片圖像I0

1.2 大壁虎染色腦切片的顏色特征

結(jié)合制作大壁虎腦切片的染色方法以及腦圖譜學(xué)的相關(guān)知識(shí)［5］，可以根據(jù)顏色特征對(duì)腦切片上的染色區(qū)域做如下劃分：

2 基于HSV空間的圖像閾值分割算法

2.1 RGB空間轉(zhuǎn)換為HSV空間

HSV顏色空間把彩色信號(hào)表示為3種分量：色調(diào)H,色飽和度S和強(qiáng)度V;HSV顏色空間比較符合人的視覺(jué)習(xí)慣，特別適合描述出一些有意義的色彩。

從常用的RGB空間到HSV空間的轉(zhuǎn)換可以用以下幾個(gè)公式來(lái)完成：

И

θ=cos-10.5［(R-G)+(R-B)］(R-G)2+(R-B)(G-B)(1)

H=θ，B≤G

360-θ,B＞G(2)

S=1-3min(R,G,B)/(R+G+B)(3)

V=1/3(R+G+B)(4)

И

2.2 腦圖譜顏色特征模型的建立

考慮到腦圖譜圖像的處理識(shí)別依賴于人工經(jīng)驗(yàn)的特點(diǎn)，在大壁虎染色腦圖譜圖片系列中以手工的方式選取600張不同特征腦區(qū)的圖片，其中紅色神經(jīng)元區(qū)域圖片，淺藍(lán)色神經(jīng)纖維區(qū)域圖片，深藍(lán)色神經(jīng)纖維區(qū)域圖片各200張。將所有圖片的顏色空間轉(zhuǎn)化為HSV空間，計(jì)算并統(tǒng)計(jì)所有圖片的色度均值、強(qiáng)度均值，得到一個(gè)基于腦圖譜人工經(jīng)驗(yàn)的顏色特征模型庫(kù)，具體分布如圖2所示。

從統(tǒng)計(jì)結(jié)果可以看出，紅色區(qū)域與藍(lán)色區(qū)域(包括深藍(lán)色區(qū)域與淺藍(lán)色區(qū)域)之間的色度值差異較大，而深藍(lán)色區(qū)域與淺藍(lán)色區(qū)域之間的強(qiáng)度值差異較大。因此可以利用色度值的差異性將紅色區(qū)域從整個(gè)圖像中分割出來(lái)，然后利用強(qiáng)度值的差異性分割深藍(lán)色區(qū)域和淺藍(lán)色區(qū)域。

圖2 統(tǒng)計(jì)樣本的特征值分布圖

2.3 基于飽和度閾值的圖像預(yù)分割

通過(guò)對(duì)腦圖譜圖像的采樣試驗(yàn)發(fā)現(xiàn)，圖像中前景圖像與背景圖像的飽和度值相差較大.所以可以直接利用飽和度閾值分割前景圖像與背景圖像，具體步驟如下：

(1) 設(shè)源圖像為I0,將I0劃分成5像素×5像素的網(wǎng)格；

(2) 計(jì)算各個(gè)方格中所有像素的平均飽和度值，記作Save；

(3) 經(jīng)過(guò)采樣試驗(yàn)，取Save=0.2為前景背景分割的閾值。如果某方格的所有像素的平均飽和度值小于0.2，則將此方格判斷為背景圖像，并將此方格中的每個(gè)像素都置為白色，而平均飽和度值大于等于0.2的方格判斷為前景圖像，方格中的像素顏色保持與源圖像一樣，通過(guò)遍歷處理圖像中所有的方格區(qū)域，就可以得到僅包含前景圖像的圖片I1，如圖3所示。

很明顯，背景圖像與前景圖像的交界處即是整個(gè)腦區(qū)域的外輪廓，得到外輪廓邊界的步驟如下：

(1) 遍歷I1中所有像素點(diǎn)，判斷當(dāng)前處理的像素點(diǎn)是否是前景圖像；

(2) 如果此像素點(diǎn)是前景圖像，接著判斷該像素點(diǎn)的八鄰域范圍里面有沒(méi)有背景圖像，如果有的話，這個(gè)像素點(diǎn)就是輪廓點(diǎn)；

(3) 將該像素點(diǎn)在新建的I2圖像中用黑色標(biāo)示出來(lái),在處理完圖像中所有像素點(diǎn)以后，就可以得到前景圖像的外輪廓，該輪廓很清晰，如圖4所示。

2.4 基于色度閾值的神經(jīng)元區(qū)域與神經(jīng)纖維區(qū)域分割

從腦圖譜顏色特征模型中可以發(fā)現(xiàn)：神經(jīng)元區(qū)域(紅色)的色度值一般分布在220~280之間；神經(jīng)纖維區(qū)域(藍(lán)色)的色度值一般分布在200~220之間；因此可以將200，220和280這3個(gè)值作為分割閾值，據(jù)此對(duì)圖像進(jìn)行分割，具體步驟如下：

(1) 利用5像素×5像素的方格將去除了背景的腦切片圖像I1分割成網(wǎng)格狀；

(2) 計(jì)算I1每個(gè)方格中25個(gè)像素的平均色度值，記為Have；

(3) 如果I1中某個(gè)方格的平均色度值在220~280之間，則保留該方格中原有的I1的像素元素，反之，則將該方塊中的像素點(diǎn)都置為白色，可以得到神經(jīng)元區(qū)域分割圖I3，如圖5所示。同樣以200和220為分割閾值，按照上述的方法可以得到神經(jīng)纖維區(qū)域分割圖I4，如圖6所示。

圖3 去除了背景的

腦切片圖像I1

圖4 腦區(qū)域的外輪廓圖像I2

圖5 神經(jīng)元區(qū)域

分割圖I3

圖6 神經(jīng)纖維區(qū)域分割圖I4

2.5 基于強(qiáng)度閾值的神經(jīng)纖維區(qū)域進(jìn)一步分割

腦切片的神經(jīng)纖維密度分布的不同，造成染色切片中藍(lán)色區(qū)域的顏色深淺的不同，如圖6所示，在HSV空間中則表現(xiàn)為強(qiáng)度值的不同，所以可以利用強(qiáng)度值作為深藍(lán)色區(qū)域與淺藍(lán)色區(qū)域的分割閾值。

參照?qǐng)D2中強(qiáng)度值的分布，取強(qiáng)度值80為分割閾值，將神經(jīng)纖維區(qū)域分割圖I4劃分為5×5的方格，然后判斷各個(gè)方格中強(qiáng)度平均值，以閾值法分割圖像，可以得到深藍(lán)色密集纖維區(qū)域圖像I5與淺藍(lán)色稀疏纖維區(qū)域圖像I6，如圖7，圖8所示。

圖7 淺藍(lán)色密集

纖維區(qū)域I5

圖8 深藍(lán)色稀疏纖維區(qū)域I6

3 試驗(yàn)結(jié)果及討論

該算法考慮到在HSV空間中不同染色區(qū)域中各個(gè)特征量的差異，建立了基于人工識(shí)別腦圖譜經(jīng)驗(yàn)的樣本特征模型，并從中得出分割閾值，實(shí)現(xiàn)對(duì)腦圖譜圖像的多閾值分割。

經(jīng)過(guò)試驗(yàn)，發(fā)現(xiàn)該算法能夠?qū)⒛X圖譜圖像較好地分割成具有不同特征的腦圖譜區(qū)域圖像，且具有以下優(yōu)點(diǎn)：

(1) 由于使用了統(tǒng)計(jì)5×5區(qū)域平均特征量的算法，對(duì)圖像噪聲的影響不敏感，具有一定的魯棒性；

(2) 基于區(qū)域分割相對(duì)于基于邊緣檢測(cè)的算法可以獲得更加完整與簡(jiǎn)潔的邊界與分割區(qū)域圖像；

(3) 基于人工識(shí)別經(jīng)驗(yàn)建立腦圖譜的顏色特征模型，并提出了相應(yīng)的分割算法，得到的分割結(jié)果較為直觀、清晰，比較符合對(duì)染色腦圖譜圖像的認(rèn)知，為進(jìn)一步的腦圖譜識(shí)別標(biāo)定工作做了很好的鋪墊。

但是該算法并沒(méi)有很好地解決染色不均勻?qū)D像分割影響的問(wèn)題，在處理結(jié)果中出現(xiàn)了過(guò)分割的現(xiàn)象：部分屬于同一組織的腦區(qū)被分割成不相連的區(qū)域。這個(gè)問(wèn)題需要在下一步的工作中繼續(xù)研究解決。

參 考 文 獻(xiàn)

［1］曹麗珍,李坤成,趙欣,等.CT與MR圖像融合技術(shù)在顱腦腫瘤診斷的應(yīng)用［J］.臨床放射學(xué)雜志,2004,23(12):1 023－1 026.

［2］諸素萍,戴振東.邊緣檢測(cè)算子在壁虎腦切片顯微圖像中的研究［J］.現(xiàn)代電子技術(shù),2008,31(10):148－150.

［3］岡薩雷斯.數(shù)字圖像處理(Matlab版)［M］.北京:電子工業(yè)出版社,2005.

［4］翁秀琴,沈武成.制作HE染色石蠟切片的關(guān)鍵技術(shù)［J］.醫(yī)藥論壇雜志,2008(21):80－83.

［5］孫久榮.神經(jīng)解剖生理學(xué)［M］.北京:北京大學(xué)出版社,2004.

［6］王愛(ài)玲.Matlab R2007圖像處理技術(shù)與應(yīng)用［M］.北京:電子工業(yè)出版社,2008.

［7］汪鼎文,李元香.基于HSI顏色空間的X射線彩色圖像分割［J］.計(jì)算機(jī)工程與設(shè)計(jì),2006,27(1):140－141.

［8］王平,洪向共,楊華.基于彩色圖像分割的飛機(jī)機(jī)頭定位方法［J］.中國(guó)圖像圖形學(xué)報(bào),2006,11(11):1 716－1 719.

［9］金軍.基于子塊的區(qū)域生長(zhǎng)的彩色圖像分割算法［J］.計(jì)算機(jī)工程與應(yīng)用,2008,44(1):82－83.

［10］彭啟民,賈云得.一種形態(tài)學(xué)彩色圖像多尺度分割算法［J］.中國(guó)圖像圖形學(xué)報(bào),2006,11(5):635－639.

作者簡(jiǎn)介

程 湛 男，1984年出生，江蘇鎮(zhèn)江人，碩士研究生。研究方向?yàn)橛?jì)算機(jī)輔助仿生學(xué)。

戴振東 教授，博士生導(dǎo)師。研究方向?yàn)榉律Y(jié)構(gòu)與材料、摩擦學(xué)。

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文。