基于Retinex原理和區(qū)域生長的豬卵母細(xì)胞切片顯微圖像去背景分割

劉方可

摘要：基于Retinex原理對豬卵母細(xì)胞切片圖像進(jìn)行一定比例的高頻圖像分割，從分割后的圖像中獲取種子點(diǎn)和生長閾值信息后，用區(qū)域生長法得到二值化圖像，經(jīng)過輪廓填充、中值濾波得到分割模板，最后將細(xì)胞原圖填充至得到的分割模板中得到去背景的細(xì)胞圖像。得到的結(jié)果圖分割良好，消除了細(xì)胞背景圖像的噪聲，突出了細(xì)胞輪廓特征。

關(guān)鍵詞：Retinex；區(qū)域生長；細(xì)胞分割；去背景

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044(2014)26-6169-03

Abstract: Enhanced by a certain proportion of high frequency image based on the principle of Retinex on the cell slice image , access to seed and growth threshold information from the enhanced image, Get the two value segmentation template by using region growing method, Finally the cell image segmentation is filled to the template, to obtain the final image. To eliminate the noise of cell image, highlight the cell contour feature.

Key words: Retinex; region growing; cell image segmentation; Get rid of Background

生物細(xì)胞切片圖像分割作為細(xì)胞跟蹤、細(xì)胞分裂檢測過程中提取細(xì)胞特征的一個(gè)重要手段，在醫(yī)療圖像處理、分析領(lǐng)域占據(jù)重要的地位，細(xì)胞分割的準(zhǔn)確性對生物細(xì)胞特性的判斷至關(guān)重要。細(xì)胞圖像分割方法眾多，針對不同應(yīng)用有不同的方法。李天鋼[1]將多尺度小波變換運(yùn)用于胃癌細(xì)胞圖像的邊緣檢測中。孫萬蓉，俞卞章[2]提出用形態(tài)金字塔分割細(xì)胞圖像，再用流域算法對低分辨率圖像進(jìn)行分割，然后再復(fù)合得到原始圖像。Pal等[3]研究了利用細(xì)胞主要輪廓點(diǎn)的自動(dòng)分割。該文通過研究豬卵母細(xì)胞切片顯微圖像的去背景分割，運(yùn)用VC6+opencv的工作平臺(tái)提出并實(shí)現(xiàn)了一種基于Retinex原理的高頻圖像部分分割和區(qū)域生長法結(jié)合的豬卵母細(xì)胞顯微圖像去背景分割方法，獲得了良好的實(shí)驗(yàn)結(jié)果。

1 建立豬卵母細(xì)胞切片顯微圖像分割處理的方法

豬卵母細(xì)胞切片顯微圖像如圖1的背景灰度的變化一般都不明顯，相對的細(xì)胞內(nèi)部的灰度強(qiáng)度變化會(huì)比較激烈。圖像的高低頻是對圖像各個(gè)位置之間強(qiáng)度變化的一種度量方式。低頻部分指的是灰度值變化不明顯的部分，而灰度強(qiáng)度變化劇烈的部分包括了低頻部分和多種高頻部分。我們可以利用Retinex原理通過閾值來控制高低頻的比例來將細(xì)胞圖像的邊緣和背景分離開來，用區(qū)域生長法得到細(xì)胞區(qū)域邊緣，再通過輪廓填充平滑邊緣得到一個(gè)細(xì)胞分割的模板，最后將細(xì)胞原圖填充至得到的分割模板中得到去背景的細(xì)胞圖像。

這里要注意的是[λ]值的取值，它是用于過濾高斯內(nèi)核的標(biāo)準(zhǔn)偏差，[λ]值越小，所做的Gaussian金字塔向下取樣就越少，濾波得到的圖像信息的壓縮幅度小，模糊度小，與原圖區(qū)別小，因此分割所得到的圖像信息中像素值為0的點(diǎn)會(huì)很多，細(xì)小邊緣梯度會(huì)比較明顯，同時(shí)會(huì)導(dǎo)致邊緣的不平滑加劇和坑洼效果；[λ]值越大Gaussian金字塔向下取樣迭代次數(shù)就越多，濾波得到的圖像信息的壓縮比太大，導(dǎo)致分割后得到的信息部分的對比度就不明顯，有時(shí)候會(huì)導(dǎo)致細(xì)胞和背景粘連在一起。

1.4將細(xì)胞原圖填充至得到的分割模板

為了能使細(xì)胞分割表達(dá)更明朗，將細(xì)胞原圖與分割出來的模板做一個(gè)整合。模板的背景是黑色的像素值為0，目標(biāo)部分是白色像素值為255，遍歷模板的每一個(gè)像素點(diǎn)，當(dāng)像素值為255的時(shí)候，保持圖像像素值不變，否則將原圖對應(yīng)坐標(biāo)的像素值賦值為0，由此就可以將模板白色的部位替換成細(xì)胞的圖像。將細(xì)胞原圖填充至得到的分割模板中得到最終圖像（圖8) ?？梢钥吹綀D8中基本完整的將細(xì)胞圖像提取了出來，輪廓清晰平滑，突出了細(xì)胞圖像的特征，提高了細(xì)胞圖像的視覺效果和識(shí)別特征。

2 結(jié)束語

實(shí)驗(yàn)證明通過Retinex原理的將細(xì)胞切片圖像中一定比例的高頻圖像分離出來與區(qū)域生長法結(jié)合的細(xì)胞分割方法，經(jīng)過后期的輪廓填充、中值濾波平滑，最后將細(xì)胞填充至分割模板的過程能夠較好的將細(xì)胞圖像提取出來?；赗etinex原理的圖像分割對區(qū)域生長法分割好壞3個(gè)取決條件：初始點(diǎn)的選取、生長準(zhǔn)則、終止的條件做了一個(gè)參照基準(zhǔn)，在一定程度上相對于邊緣梯度算子的邊緣檢測來說更具形象性，比較適合對邊緣不夠明顯、邊緣有些許斷裂的目標(biāo)灰度復(fù)雜圖片進(jìn)行區(qū)域生長法分割時(shí)種子的選取和生長閾值選擇。

參考文獻(xiàn):

[1] 李天鋼,王素品. 基于多尺度小波的胃癌細(xì)胞圖像邊緣檢測與分析[J].生物物理學(xué)報(bào),2005(2).

[2] 孫萬蓉,俞卞章. 基于數(shù)學(xué)形態(tài)金字塔分解和流域分割的骨髓細(xì)胞圖像分割[J].西北工業(yè)大學(xué)學(xué)報(bào),2006(5) .

[3] Pal U, Rodenacker K, Chaudhuri B. B. Automatic cell segmentation in cyto- and histometry using dominant contour feature points [J]. Analytical cellular pathology : the journal of the European Society for Analytical Cellular Pathology. 1998, 17(4): 243-50.

[4] LAND EH.The Retinex theory of color vision[J].Sei.Amer.,1977,237(6):108-129.

[5] LAND EH.An Alternative Technique for the Computation of the Designator in the Retinex Theory of Color Vision[C].USA:Proc.of the National Academy of Science,1986.3078-3080.

[6] 李學(xué)明.基于Retinex理論的圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用, 2005: 45-47.

[7] Ogden J M,Adelson E H,et al.Pyramid-based computer graphics [M].1983.

[8] 張發(fā)存,趙曉紅,王忠,等.區(qū)域生長法圖像分割的數(shù)據(jù)并行方法研究[J].計(jì)算機(jī)工程,2004,30(17):14-16.