淺談醫(yī)學(xué)彩色細(xì)胞圖像分割法――C－均值聚類(lèi)算法

張?zhí)m鳳 歐陽(yáng)娟

（贛南醫(yī)學(xué)院 基礎(chǔ)醫(yī)學(xué)院，江西 贛州 341000）

1 圖像分割的概念

圖像分割就是指把感興趣的目標(biāo)與背景分離出來(lái)，并按照不同的含義把目標(biāo)分割開(kāi)來(lái)，也就是提取目標(biāo)。圖像分割在圖像處理中占了非常重要的位置，是圖像處理中從圖像預(yù)處理到圖像分析處理最為關(guān)鍵的一步驟。一方面它對(duì)特征測(cè)量、特征提取及度量有重要的影響作用，是目標(biāo)表達(dá)的基礎(chǔ)；另一方面，對(duì)圖像分析和理解在圖像分割后更加容易[1]。

圖像分割是圖像中陽(yáng)性細(xì)胞的提取、定量分析的重點(diǎn)。好的圖像分割法能對(duì)陽(yáng)性細(xì)胞進(jìn)行計(jì)量分析，并且能進(jìn)行形態(tài)分析等，圖像分割問(wèn)題的解決對(duì)臨床病理醫(yī)生的定量分析、百分比計(jì)量具有重要的作用。在臨床診斷研究、醫(yī)學(xué)科研研究、病理診斷分析、醫(yī)學(xué)影像信息處理、計(jì)算機(jī)輔助疾病診斷等方面，圖像分割的應(yīng)用范圍十分廣泛。在這些圖像處理應(yīng)用中，圖像分割是不可缺少的一步，且也是最關(guān)鍵一步。

2 C－均值聚類(lèi)算法

目前，圖像分割有很多方法，歸根到底，主要有三種不同的途徑。圖像分割沒(méi)有通用的、標(biāo)準(zhǔn)的、唯一的方法。分割方法主要包括：灰度閾值分割法、邊緣檢測(cè)法、區(qū)域分割法和聚類(lèi)法等[2]。

C－均值聚類(lèi)分割算法最早是由J.MacQueen提出的，是在誤差平方和準(zhǔn)則上把圖像分成C類(lèi)區(qū)域[3]。在C－均值聚類(lèi)分割算法中先要一個(gè)準(zhǔn)則函數(shù)，依據(jù)樣本和聚類(lèi)中心之間的距離，選擇初始聚類(lèi)中心C個(gè)，劃分類(lèi)別，然后每一個(gè)類(lèi)的聚類(lèi)的中心再重新計(jì)算。反復(fù)不斷地對(duì)這個(gè)過(guò)程進(jìn)行操作，算出準(zhǔn)則函數(shù)的值是最小為止，一般來(lái)說(shuō)都應(yīng)該選擇樣本以及其聚類(lèi)中心的平方誤差的總和為準(zhǔn)則函數(shù)[4]。C－均值聚類(lèi)算法可以做動(dòng)態(tài)聚類(lèi)是其最為突出的優(yōu)點(diǎn)且也是一種不許需要任何方法監(jiān)督的學(xué)習(xí)算法。顯微細(xì)胞彩色圖像含有三基色數(shù)據(jù)，C－均值聚類(lèi)算法直接運(yùn)用在顯微細(xì)胞彩色圖像的分割中將難以進(jìn)行。因此在運(yùn)用C－均值聚類(lèi)算法分割前必須要對(duì)顯微細(xì)胞彩色圖像進(jìn)行處理，將分割樣本的數(shù)據(jù)量減少，使C－均值聚類(lèi)算法運(yùn)行時(shí)間縮短。C－均值聚類(lèi)算法運(yùn)行如下[5]：

2.1 從初始化聚類(lèi)中心的所有數(shù)據(jù)點(diǎn)中任取c個(gè)初始類(lèi)均值。

2.2 進(jìn)行迭代，在第K次時(shí)就將數(shù)據(jù)x歸為類(lèi)Cj(其中j=mini{（x-mi）})；那么均值離Cj最近的類(lèi)即為數(shù)據(jù)x。

C－均值聚類(lèi)算法最主要是要依賴(lài)于聚類(lèi)中心的初始的位置來(lái)進(jìn)行迭代，在進(jìn)行運(yùn)算的過(guò)程中并不能保證其結(jié)果都是收斂于最優(yōu)解。所以，為了使運(yùn)算結(jié)果能夠更加的接近正確值，C－均值聚類(lèi)算法在選擇初始聚類(lèi)中心的方法上要進(jìn)行比較。C－均值聚類(lèi)算法在選擇初始聚類(lèi)中心的方法有很多種，有的在開(kāi)始就應(yīng)用已經(jīng)確定好的n個(gè)初始聚類(lèi)中心，然后再反復(fù)地運(yùn)算；還有的是先確定一個(gè)任意隸屬矩陣，然后再來(lái)運(yùn)算；C－均值聚類(lèi)算法也可以通過(guò)時(shí)間平均，以在線的方式運(yùn)行，導(dǎo)出聚類(lèi)中心。

在上述的算法中確定好n個(gè)初始聚類(lèi)中心的這種C－均值聚類(lèi)算法最具有代表性。

3 Ki-67彩色圖像分割方法

在本文中以Ki-67彩色圖像在HSI空間的特點(diǎn)為例，提出Ki-67彩色圖像分割方法：基于色度學(xué)準(zhǔn)則先建立一個(gè)Ki-67彩色圖像的色度學(xué)準(zhǔn)則，將Ki-67彩色圖像粗分割成只有陽(yáng)性圖像；然后在此基礎(chǔ)上用C－均值聚類(lèi)算法對(duì)粗分割后的圖像分割，提取陽(yáng)性細(xì)胞；最后對(duì)分割后的陽(yáng)性細(xì)胞圖像進(jìn)行修正，從而計(jì)算出陽(yáng)性細(xì)胞的個(gè)數(shù)和面積。

3.1 進(jìn)行圖像增強(qiáng)處理，將圖像中綠色區(qū)域背景顏色值加強(qiáng)，

3.2 利用Matlab工具箱對(duì)圖像進(jìn)行預(yù)處理。

3.3 運(yùn)用色度學(xué)準(zhǔn)則分割增強(qiáng)后的圖像，分割出包含有陽(yáng)性細(xì)胞圖及其它顏色的色彩區(qū)的圖。

3.4 根據(jù)此圖的特征確定初始聚類(lèi)中心，按以下方式確定初始聚類(lèi)中心：m1=min(X)，m2=(m1+m2)/2，m3=max(X)，X是分割出具有陽(yáng)性細(xì)胞圖中的每個(gè)像素的R分量值，將已經(jīng)確定的聚類(lèi)數(shù)3平分為3類(lèi)，使其類(lèi)間距最大化。

3.5 運(yùn)用C－均值聚類(lèi)分割法分割該圖像，圖像中的每個(gè)像素與聚類(lèi)中心的距離計(jì)算出并歸集到距離最近的類(lèi)別中，每個(gè)類(lèi)別像素值的平均值又再一次計(jì)算，并且其作為下一次迭代的聚類(lèi)中心，重復(fù)幾次，直到聚類(lèi)中心值前后兩次相等，那么算法完成。

3.6 分割出陽(yáng)性細(xì)胞并提取出來(lái)，對(duì)彩色圖像進(jìn)行二值化處理，然后運(yùn)用定量分析法對(duì)陽(yáng)性細(xì)胞進(jìn)行定量分析[5]。計(jì)算出陽(yáng)性細(xì)胞數(shù)量并算出所占百分比數(shù)，可以用于對(duì)Ki-67圖像定量分析，對(duì)腫瘤進(jìn)展及預(yù)后有較強(qiáng)的數(shù)據(jù)依據(jù)。

4 結(jié)語(yǔ)

因此，C－均值聚類(lèi)是最基本的聚類(lèi)分割方法在顯微彩色圖像分割中是簡(jiǎn)單直觀、且較易操作，在圖像的彩色數(shù)據(jù)中聚類(lèi)方法可以將其看作完整的個(gè)體來(lái)進(jìn)行處理并且分割，可以得到較好的效果。C－均值聚類(lèi)是最基本的聚類(lèi)分割方法，也是最常用的方法。

[1]張偉，王軍鋒，王濤，等.一種基于改進(jìn)算子的形態(tài)學(xué)邊緣檢測(cè)算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2013，23(6)：23-26.

[2]侯青，李偉，任娜娜，等.一種改進(jìn)的中草藥顯微圖像邊緣提取算法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2014，24(8)：243-245.

[3]劉志文，安興，李衡，等.顯微細(xì)胞圖像分析方法的研究進(jìn)展[J].北京理工大學(xué)學(xué)報(bào)，2014，34(5)：441-453.

[4]鄭倩.醫(yī)學(xué)圖像分割方法研究及其應(yīng)用[D].廣州：南方醫(yī)科大學(xué)，2014，10-14.