鐘彩 彭春富 杜微 楊興耀
摘要:近年來(lái),計(jì)算機(jī)技術(shù)得以迅猛發(fā)展,在細(xì)胞病理檢測(cè)中,模式識(shí)別及圖像處理技術(shù)被大范圍的應(yīng)用,已成為現(xiàn)代醫(yī)學(xué)和分子生物技術(shù)新的科研方向。
關(guān)鍵詞:紅細(xì)胞;邊緣檢測(cè);噪聲點(diǎn);圖像處理技術(shù)
中圖分類號(hào):TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A
文章編號(hào):1009-3044(2020)02-0208-02
實(shí)踐表現(xiàn),圖像預(yù)處理技術(shù)在多個(gè)領(lǐng)域均有涉及,依據(jù)需求的不同,要求預(yù)處理需對(duì)圖像個(gè)體性特征予以凸顯,處理方法也存在明顯差別,細(xì)胞圖像預(yù)處理以增強(qiáng)和去噪處理為主要工作內(nèi)容,圖像預(yù)處理結(jié)果如何,可對(duì)細(xì)胞檢測(cè)準(zhǔn)確率造成嚴(yán)重影響。所獲取的紅細(xì)胞圖像,因采集角度、視覺(jué)有所不同,有細(xì)胞模糊的情況存在,在處理呈模糊狀態(tài)的紅細(xì)胞圖像時(shí),可應(yīng)用圖像和視頻的相關(guān)打碼技術(shù),即在具體操作時(shí),于一個(gè)區(qū)域內(nèi),對(duì)隨機(jī)像素值和分布于其他區(qū)域的像素值隨機(jī)應(yīng)用,來(lái)對(duì)原來(lái)區(qū)域中分布的像素值處理模糊細(xì)胞進(jìn)行代替。
1 EMD Wavelet理論
1998年,由Huang NE等對(duì)EMD方法制定,其為一種重要的信號(hào)處理技術(shù),可依據(jù)信號(hào)時(shí)間特征對(duì)自適應(yīng)多角度分解信號(hào),從理論角度而言,此方法可對(duì)任何信號(hào)展開(kāi)分解處理,在應(yīng)對(duì)非平穩(wěn)、非線性信號(hào)時(shí),優(yōu)勢(shì)較為突出,分析EMD多尺度分解核心思路,即任何信號(hào)均由系列相對(duì)呈簡(jiǎn)單顯示的非正弦信號(hào)疊加而成,信號(hào)s(t)可經(jīng)EMD對(duì)系列可對(duì)以下條件的IMF進(jìn)行分解。在噪聲壓制上,研究示,EMD分解含噪信號(hào)后,可在不同的呈固有狀態(tài)模態(tài)函數(shù)(IMF)中將信號(hào)中有效信號(hào)和噪聲分離,經(jīng)科學(xué)對(duì)IMF重構(gòu)信號(hào)選擇,發(fā)揮將噪聲去除的作用。
分析經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)特征,是多一個(gè)信號(hào)完成平穩(wěn)化處理操作,將信號(hào)中分布的不同尺度波動(dòng)分解,促系列特征不同的尺度數(shù)據(jù)序列產(chǎn)生,所獲取的每一個(gè)數(shù)據(jù)序列,即為本征模態(tài)函數(shù)(IMF)。若信號(hào)[x(t)]給定,則其EMD可按以下形式分解:[x(t)=n=1NCn(t)+rn(t)] ,式中:[Cn(t)]:為經(jīng)第n次分解獲取的IMF分量分解;[rn(t)] 屬為分解完成后獲取的殘差。EMD分解過(guò)程除將模態(tài)波形疊加消除外,可增加波形輪廓所表現(xiàn)出的對(duì)稱性,其分解步驟主要包括:
(1) 對(duì)搜索信號(hào)特征進(jìn)行分析,所有局部所包括的極大和極小值點(diǎn),極大值點(diǎn)用三次樣條曲線進(jìn)行連接,可促使上包絡(luò)線形成,所有極小值點(diǎn)連接,可促使下包線形成,并保證信號(hào) [x(t)]上分布的所有數(shù)據(jù)點(diǎn)均介于上下包線之間;
(2) 上下包絡(luò)線所呈現(xiàn)出的均值記[m1],按 [h1=x(t)-m1(1)]定義,若[h1] 滿足本征模態(tài)函數(shù)(IMF)的2個(gè)條件,則認(rèn)為? 是分解得到的第一個(gè)IMF;
(3) 若[h1]對(duì)本征模態(tài)函數(shù)(IMF)條件不具滿足性,則[h1]為原始數(shù)據(jù),對(duì)(1)和(2)步驟重復(fù),至獲取合格的IMF,實(shí)驗(yàn)中第一個(gè)IMF分量為[c1],則殘量[r1(t)=x(t)-c1(t)]
(4) 再將[rn]按原始數(shù)據(jù)予以定義,對(duì)上述過(guò)程進(jìn)行重復(fù),獲得信號(hào)[x(t)] 的n個(gè)可對(duì)IMF條件進(jìn)行滿足的分量。當(dāng)[rn] 成為單調(diào)函數(shù)或常量,不能對(duì)IMF條件滿足的分量進(jìn)行提取時(shí),結(jié)束循環(huán)。[rn]可按殘余函數(shù)予以定義,地表信號(hào)表現(xiàn)為平均趨勢(shì)的情況。
2 基于灰度化及二值化算法
測(cè)試圖像可以選用RGB模式的細(xì)胞圖像,因任何色素均可用紅,綠、藍(lán)經(jīng)充分混合獲取,以此為基礎(chǔ),所選取的平面圖像,可用二維基于位置坐標(biāo)的函數(shù)予以表示,即:[f(x,y)=fred(x,y),fgreen(x,y),fblue(x,y)],其中[f(x,y)]是[(x,y)]點(diǎn)的顏色值,而[fred(x,y)],[fgreen(x,y)],[fblue(x,y)],分別是紅色,綠色和藍(lán)色的分量值,由于光照對(duì)彩色細(xì)胞圖像的識(shí)別結(jié)果具有影響,此外彩色圖像會(huì)降低識(shí)別的效率,提高算法的時(shí)間復(fù)雜度,因此需要將彩色圖像轉(zhuǎn)換成灰度圖像,而R=G=B,[fred(x,y)]=[fgreen(x,y)]=[fblue(x,y)]。
3 Sobel算法解析
對(duì)邊緣予以定義,為圖像中分布的灰度表現(xiàn)為急劇變化所對(duì)應(yīng)的區(qū)域的相關(guān)邊界,圖像灰度所出現(xiàn)的變化,可用圖像灰度梯度來(lái)進(jìn)行反映,故可用局部圖像微分技術(shù),對(duì)邊緣檢測(cè)算子進(jìn)行獲取,簡(jiǎn)單且經(jīng)典的邊緣檢測(cè)法,是按像素的某領(lǐng)域?qū)υ紙D像構(gòu)造邊緣算子,在一般情況下,因原始圖像通常有噪聲分布,而在空間域上,邊緣和噪聲以有比較大的起落灰質(zhì)為表現(xiàn),在頻域則按高頻分量進(jìn)行反映,增加了檢測(cè)給邊緣的難度。
對(duì)Sobel算子相關(guān)邊緣檢測(cè)特征進(jìn)行分析,是在圖像空間中,通過(guò)對(duì)兩個(gè)方向分布的模板與圖像應(yīng)用,進(jìn)行領(lǐng)域卷積獲取??偨Y(jié)兩個(gè)方向模板特征,一個(gè)用于對(duì)水平邊緣檢測(cè),一個(gè)用于對(duì)垂直邊緣檢測(cè),如圖1。圖中模板內(nèi)呈現(xiàn)出的數(shù)字為模板系數(shù),分布于中間的點(diǎn)為中心元素,邊緣和梯度方向均表現(xiàn)為正交垂直。就Sobel算子而言,屬對(duì)圖像每個(gè)像素點(diǎn)灰度進(jìn)行綜合的加權(quán)和,所模板中心的權(quán)值接觸較大,后對(duì)一適當(dāng)閾值進(jìn)行選擇,若某一點(diǎn)梯度幅值在此閾值之上,則屬該點(diǎn)邊緣點(diǎn)。
分析Sobel邊緣檢測(cè)算子特征,在使用時(shí),有水平和垂子向算子構(gòu)成。因圖像邊緣周圍亮度有較大變化,故可在相關(guān)領(lǐng)域內(nèi),將灰度變化大于某個(gè)適當(dāng)閾值的像素點(diǎn)按邊緣點(diǎn)來(lái)進(jìn)行定義。
對(duì)數(shù)字圖像[{f(i,j)}]所呈現(xiàn)出的每個(gè)像素,對(duì)其鄰近灰度加權(quán)差計(jì)算,對(duì)與之接近的鄰點(diǎn)的權(quán)大掌握,據(jù)此定義,相關(guān)Sobel算子如下述:
Sobel邊緣檢測(cè)算子方向模板
在空間上,極易對(duì)Sobel算子實(shí)現(xiàn),此法計(jì)算具有簡(jiǎn)單性,但因只對(duì)兩個(gè)方向模板進(jìn)行應(yīng)用,只能對(duì)水平和垂直方向的邊緣進(jìn)行檢測(cè),故,此算法對(duì)紋理相對(duì)呈復(fù)雜顯示的圖像,其邊緣檢測(cè)尚不理想;同時(shí),依據(jù)經(jīng)典Sobel算法,凡灰度新增超過(guò)或與閾值相等的像素點(diǎn)均可按邊緣點(diǎn)定義,這種判定依據(jù)缺乏合理性,會(huì)增加邊緣點(diǎn)誤判風(fēng)險(xiǎn),因許多噪聲點(diǎn)有較大的灰度新值。
本文討論了利用EMD-Wavelet和Sobel算法計(jì)算紅細(xì)胞圖像邊緣,目的在于對(duì)細(xì)胞圖像質(zhì)量進(jìn)行改善,對(duì)細(xì)胞圖像局部或整體特征突出,使細(xì)胞視覺(jué)識(shí)別特征和效果提高,同時(shí)將細(xì)胞邊緣信息突出。本文通過(guò)兩種算法對(duì)標(biāo),實(shí)驗(yàn)結(jié)果證明,EMD-Wavelet檢測(cè)方法對(duì)紅細(xì)胞邊緣檢測(cè)效果好,能師圖像更清晰、平滑。
4 實(shí)驗(yàn)結(jié)果
相關(guān)實(shí)驗(yàn)結(jié)果基于windows XP/VC++6.0環(huán)境獲取。圖2是細(xì)胞原始圖像,圖3表示將Sobel算子的圖像進(jìn)行細(xì)化和去噪聲后,形成單邊緣圖像,圖4和圖5分別表示改進(jìn)Sobel算子和- EMD Wavelet算法邊緣檢測(cè)效果圖。由圖像可以看出,EMD Wavelet算法提取的邊緣圖像更加清晰,能較好地去除噪聲,邊緣效果較好,是一種有效的邊緣檢測(cè)算法。
參考文獻(xiàn):
[1] 蔡武斌. 癌細(xì)胞病理圖像的檢測(cè)技術(shù)研究[D]. 太原: 中北大學(xué), 2018.
[2] 于帥,劉超,李盟盟,等.EMD-Wavelet-ICA耦合模型及其在GPS坐標(biāo)序列降噪中的應(yīng)用[J].測(cè)繪科學(xué)技術(shù)學(xué)報(bào),2016,33(2):139-144.
[3] 趙海龍,張干,呂安濤,等.基于EMD-Wavelet模型的實(shí)時(shí)交通流噪聲數(shù)據(jù)清洗方法[J].交通科技,2013(2):150-153.
[4] 李旭輝.基于圖像預(yù)處理的局部二值模式人臉識(shí)別方法[J].電子技術(shù)與軟件工程,2019(7):66-67.
【通聯(lián)編輯:光文玲】