基于組織切片細(xì)胞圖像預(yù)處理算法的研究

【摘要】在圖像處理的過(guò)程中，圖像預(yù)處理的好壞直接影響后續(xù)處理有直接的影響。針對(duì)圖像濾波消噪的同時(shí)把圖像中一些重要的細(xì)節(jié)特征消去這個(gè)問(wèn)題，闡述了數(shù)學(xué)形態(tài)學(xué)的基本運(yùn)算及其在圖像預(yù)處理中的應(yīng)用，通過(guò)Matlab仿真結(jié)果分析，該方法在組織切片細(xì)胞的預(yù)處理應(yīng)用中有很明顯的優(yōu)勢(shì)。

【關(guān)鍵詞】圖像濾波;數(shù)學(xué)形態(tài)學(xué);小波變換;仿真

1.引言

圖像在獲取或者傳輸過(guò)程中，經(jīng)常會(huì)被加入大量的噪聲，嚴(yán)重影響了圖像的視覺(jué)效果，甚至妨礙了人們的正常識(shí)別。因此，圖像的噪聲濾除是圖像處理中的一項(xiàng)重要任務(wù)，噪聲濾除后的結(jié)果對(duì)圖像邊緣檢測(cè)、圖像分割、特征提取和圖像識(shí)別等后續(xù)處理均有直接的影響。圖像中一般既有較為平滑的區(qū)域，也有豐富的細(xì)節(jié)或邊緣，這些細(xì)節(jié)或邊緣通常包含重要的視覺(jué)感知信息。因此，圖像濾波的目的除了去除噪聲外，還要盡可能地保留細(xì)節(jié)或邊緣等信息。在本文中，我們首先介紹一些常用的彩色圖像的特點(diǎn)，然后將數(shù)學(xué)形態(tài)學(xué)應(yīng)用于圖形的預(yù)處理，這一算法具有較好的濾除噪聲能力，并且能有效地保留圖像中原有細(xì)節(jié)或邊緣。

2.組織細(xì)胞圖像的特點(diǎn)

對(duì)于彩色組織細(xì)胞圖像的研究，最困難的就是細(xì)胞的形態(tài)辨別以及特征信息提取。關(guān)于醫(yī)學(xué)生物細(xì)胞圖像的研究，對(duì)實(shí)現(xiàn)細(xì)胞形態(tài)觀測(cè)以及疾病診斷提供依據(jù)。研究組織細(xì)胞圖像分割，目的就是可以把組織細(xì)胞從復(fù)雜的噪音背景中分割出來(lái)，便于以后提取單獨(dú)細(xì)胞的狀態(tài)、形態(tài)以及特征信息，理想的分割算法有利于判斷和確定組織細(xì)胞結(jié)構(gòu)的特點(diǎn)。通過(guò)觀察組織細(xì)胞顯微圖像圖1總結(jié)如下特征：

圖1 組織切片細(xì)胞圖像

（1）組織細(xì)胞的邊緣信息模糊，顏色較深;背景雜質(zhì)較多，顏色較淺;

（2）整個(gè)細(xì)胞圖像背景的顏色并不是均勻的;

（3）在組織細(xì)胞的邊界處像素灰度變化劇烈;

（4）死細(xì)胞數(shù)目比較多，導(dǎo)致細(xì)胞內(nèi)部存在大量雜質(zhì);

（5）組織細(xì)胞背景內(nèi)部含有大量的雜質(zhì)噪聲;

（6）整個(gè)細(xì)胞圖像存在很多個(gè)細(xì)胞可相互粘連、重疊的現(xiàn)象，可能導(dǎo)致分割結(jié)果不是很理想。

3.圖像預(yù)處理

利于軟件對(duì)圖像進(jìn)行預(yù)處理，本實(shí)驗(yàn)采用的matlab圖像處理庫(kù)來(lái)處理組織細(xì)胞顯微圖像，提高圖像質(zhì)量，增加圖像對(duì)比度。圖像預(yù)處理包括：灰度化，濾波除噪，圖像增強(qiáng)。本實(shí)驗(yàn)采用的是提高對(duì)比度的圖像增強(qiáng)算法，突出組織細(xì)胞圖像關(guān)鍵的特征信息。

數(shù)學(xué)形態(tài)學(xué)是研究數(shù)字影像形態(tài)結(jié)構(gòu)特征與快速并行處理方法的理論，是通過(guò)對(duì)目標(biāo)影像的形態(tài)變換來(lái)實(shí)現(xiàn)結(jié)構(gòu)分析和特征提取的。

假設(shè)點(diǎn)的像素值設(shè)為與對(duì)應(yīng)的核B覆蓋下所有點(diǎn)中的最大（最?。┲怠Ｅ蛎浭乔缶植孔畲笾档牟僮?，腐蝕是求局部最小值。則膨脹腐蝕公式為：

膨脹：

腐蝕：

開(kāi)運(yùn)算：

閉運(yùn)算：

高帽公式：

低帽公式：

利用形態(tài)學(xué)運(yùn)算的不同組合，可以構(gòu)造出很多不同的算法，可以使圖像達(dá)到收縮、細(xì)化、抽骨架、剪枝和粗化等效果，進(jìn)一步實(shí)現(xiàn)物體識(shí)別、邊界檢測(cè)及顆粒分析等圖像處理過(guò)程。

圖2 去噪后圖像

4.仿真

為了使組織切片細(xì)胞圖像中噪音濾出效果更佳好，同時(shí)又可以保持圖像原有的邊緣信息，因此對(duì)小波變換算法和數(shù)學(xué)形態(tài)學(xué)方法進(jìn)行了相關(guān)仿真驗(yàn)證，以驗(yàn)證該改進(jìn)算法的合法性和合理性。仿真結(jié)果如圖2、3。由試驗(yàn)結(jié)果我們可以看出，本文算法能很好地達(dá)到預(yù)處理的作用，達(dá)到了預(yù)期目的，滿足了圖像分割對(duì)實(shí)時(shí)性，準(zhǔn)確性的要求。

采集的組織細(xì)胞圖像雜質(zhì)較多，重疊顯現(xiàn)尤為嚴(yán)重，這也導(dǎo)致了粘連處的邊緣檢測(cè)出現(xiàn)模糊，甚至不連續(xù)的現(xiàn)象。對(duì)于這一問(wèn)題還需要進(jìn)一步分析研究粘連細(xì)胞分割算法，另外采集的組織細(xì)胞圖像應(yīng)該含有比較少的噪聲。

圖3 圖像的高低帽增強(qiáng)

5.總結(jié)

組織細(xì)胞分割的關(guān)鍵在于如何區(qū)別細(xì)胞和雜質(zhì)。本實(shí)驗(yàn)的數(shù)學(xué)形態(tài)學(xué)算法能夠較好的分割細(xì)胞圖像，具有方法簡(jiǎn)單，運(yùn)算量小的特點(diǎn)。通過(guò)仿真結(jié)果也可以看出，分割出的圖像邊緣與其他算法比較有很明顯的優(yōu)勢(shì)，達(dá)到了預(yù)期的分割結(jié)果。可以看出在細(xì)胞的內(nèi)部存在的雜質(zhì)太多，使得圖像分割的結(jié)果太亂，出現(xiàn)大量的偽邊緣，因此針對(duì)這些問(wèn)題，在后續(xù)的算法研究中還需要進(jìn)一步改進(jìn)，使得算法更具有通用性和實(shí)時(shí)性。

參考文獻(xiàn)

[1]范立南，韓曉微，張廣淵.圖像處理與模式識(shí)別[M].北京：科學(xué)出版社，2007.

[2]薛繼偉，張問(wèn)銀，陳冬芳，王桂華.基于數(shù)學(xué)形態(tài)學(xué)的圖像濾波方法[J].大慶石油學(xué)院學(xué)報(bào)，2003，27（4）：48-50.

[3]李艷麗.醫(yī)學(xué)圖像濾波與增強(qiáng)技術(shù)研究[河南科技大學(xué)碩士學(xué)位論文].河南：河南科技大學(xué)，2013.

[4]袁麗婷，邱力軍.基于 Matlab 的x線醫(yī)學(xué)圖像增強(qiáng)與直方圖處理方法[M].第四軍醫(yī)大學(xué)學(xué)報(bào)，2007，28（4）：376-378.

基金項(xiàng)目：遼寧省科技廳攻關(guān)計(jì)劃項(xiàng)目（項(xiàng)目編號(hào)：2011201035）和遼寧省教育廳項(xiàng)目（項(xiàng)目編號(hào)：L2012230）。