結(jié)合局部對比閾值與光暈移除的亮場細胞圖像分割方法*

伏金浩, 王劍平, 聞路紅, 洪歡歡, 史振志

(1.昆明理工大學 信息工程與自動化學院,云南 昆明 650500;2.寧波大學 高等技術(shù)研究院,浙江 寧波 315211)

0 引 言

細胞圖像的準確、自動分割在生物學研究[1]和醫(yī)學應用[2]中發(fā)揮著極其重要的作用。生物學家采用不同類型的顯微鏡進行細胞圖像采集,其中熒光顯微鏡和亮場顯微鏡是最常用的兩種技術(shù)。針對熒光細胞圖像,分割較為容易[3],然而采集首先需要對細胞進行染色,會對細胞活性有一定影響,造成細胞死亡；另一個出現(xiàn)的問題是細胞偶爾會在一系列圖像幀中消失和重新出現(xiàn),這可能導致對細胞行為的錯誤跟蹤[4]。亮場顯微鏡能夠觀測不經(jīng)染色的活細胞,提供清晰的細胞圖像,但采集的圖像會出現(xiàn)對比度低、光照不均勻,細胞邊緣存在光暈、偽影等影響。常用的基于活動輪廓的方法,如水平集算法,可以精確分割出熒光細胞,對于亮場圖像只能捕捉到細胞邊緣的光暈部分[5]。

針對亮場細胞圖像分割,Tse T等人[6]提出一種結(jié)合分水嶺和水平集的方法,但只適用于分割只含單個細胞的圖像；Yin Z等人[7]對亮場顯微鏡進行成像建模,通過建立約束函數(shù)用于消除光圈、偽影,然后對恢復后的圖像進行閾值分割,可以獲得高質(zhì)量的分割效果圖像,但其建模過程復雜,且容易造成有絲分裂細胞丟失；Kang S M等人[8]提出基于圖割與巴氏距離的算法,實現(xiàn)對亮場圖像中多個細胞的定位,分割出整個圖像幀,算法無法分割成簇的聚類細胞；Chen Y等人[9]提出一種穩(wěn)健的基于主成分追蹤與譜聚類的模型,能夠有效分割出亮場圖像中的細胞,然而會出現(xiàn)過分割現(xiàn)象,也無法實現(xiàn)粘連細胞的分割。

針對上述問題,本文提出一種結(jié)合局部對比閾值與光暈移除的方法,實現(xiàn)亮場細胞圖像的自動分割,實驗結(jié)果表明本文算法的有效性。

1 算法介紹

1.1 局部對比閾值

1.1.1 細胞區(qū)域檢測

采集獲取亮場細胞圖像,進行灰度變換得到圖像I(x,y)。由于圖像中細胞與背景對比度較低、像素存在重疊,通過計算局部對比度以檢測圖像中含有細胞的區(qū)域,局部對比度C定義為圖像I在濾波窗口內(nèi)的標準差除以同一窗口內(nèi)的平均值[10]

(1)

式中 *為卷積運算,G為采用高斯濾波器,將圖像中的像素點用本身和鄰域內(nèi)的其他像素值加權(quán)平均后替換完成平滑濾波處理,對服從正態(tài)分布的噪聲有較好的去噪效果[11],二維高斯函數(shù)為

(2)

式中 參數(shù)σ為高斯分布的標準方差,決定高斯函數(shù)的寬度。

1.1.2 閾值分割

設(shè)閾值為ε,當C(x,y)>ε的像素點(x,y),將其劃分為細胞區(qū)域,否則為背景區(qū)域,閾值分割得到的圖像J(x,y)為

(3)

1.2 光暈移除

由于亮場顯微鏡成像原理導致獲取的圖像中細胞邊緣會存在光暈、偽影的影響,干擾細胞的形態(tài)分析。而基于局部對比閾值的方法傾向于將光暈歸類為細胞區(qū)域,因此,需要進行光暈移除。

算法實現(xiàn)步驟如下：

1)提取閾值分割的細胞邊界,建立邊界像素點集合；

2)采用Kirsch算子[12]八個卷積核模板計算像素強度梯度；

3)梯度迭代,在圖1(a)所示的亮場細胞圖像中,沿點A向B移動,線段AB的灰度分布曲線如圖1(b)所示,從光暈區(qū)域向細胞區(qū)域移動時,像素強度降低,初始邊界逐漸收縮,當強度梯度變?yōu)樨撝禃r,即到達細胞的真實邊界輪廓,迭代停止[13]。

圖1 線段AB的灰度分布曲線

1.3 優(yōu)化處理

1.3.1 形態(tài)學處理

形態(tài)學處理用具有一定形態(tài)的結(jié)構(gòu)元素去度量和提取圖像中對應的形狀以達到對圖像進行識別和分析的目的[14]。設(shè)二值圖像為A,結(jié)構(gòu)元素為B,形態(tài)學腐蝕變換E與膨脹變換D定義如下

E=AΘB={x,y|Bxy?A}

(4)

D=A⊕B={x,y|Bxy∩A≠?}

(5)

結(jié)合二值形態(tài)學腐蝕與膨脹變換,對圖像進行閉操作,能夠填充細胞內(nèi)部孔洞,連接鄰近邊界并平滑細胞邊界輪廓。閉操作運算如下

A·B=(A⊕B)ΘB

(6)

1.3.2 移除小目標

在細胞培養(yǎng)過程中,培養(yǎng)皿及培養(yǎng)液會產(chǎn)生溶液雜質(zhì)、組織碎屑,對細胞檢測與分析造成一定影響,因此,需要去除小目標雜質(zhì)。通過自定義面積閾值,移除小于該面積的小目標區(qū)域。

2 實驗結(jié)果與分析

為驗證算法的分割效果,實驗采用C2C12(小鼠成肌細胞)數(shù)據(jù)集,圖像分辨率為1 392像素×1 040像素,通過MATLAB R2014a編程實現(xiàn)。

根據(jù)算法實現(xiàn)流程,分割結(jié)果如圖2所示。圖2(a)為亮場細胞圖像,設(shè)置參數(shù)σ為1.4,閾值ε為0.062,局部對比閾值分割結(jié)果圖2(b)所示,能夠檢測并分割出含有細胞的區(qū)域；如圖2(c)為最終分割結(jié)果,圖2(d)為對分割后的細胞進行邊界提取,通過對比可以看出,采用光暈移除與后處理操作,可以實現(xiàn)細胞邊界優(yōu)化,得到更準確的分割結(jié)果。

圖2 亮場細胞圖像分割結(jié)果

為了進一步分析本文分割方法的性能,通過Precision,Recall,Fscore三個指標進行定量評估。Precision表示圖像的分割精度；Recall表示召回率,衡量真實細胞像素的查全率；Fscore反映算法的綜合分割性能。各個指標的計算如下所示

Precision=TP/(TP+FP)

(7)

Recall=TP/(TP+FN)

(8)

Fscore=2×TP/(FP+TP)/(TP+FN)

(9)

式中TP為分割正確的細胞像素樣本個數(shù)；FP為背景像素被誤檢為細胞像素的樣本個數(shù)；FN為細胞像素被誤檢為背景像素的樣本個數(shù)。

從表1可以得出,通過與文獻[7],文獻[15]的分割結(jié)果進行對比分析,本文提出的方法在Precision,Recall,Fscore三個指標均優(yōu)于其他兩種算法,表明本文所采用的方法具有更好的分割效果。

表1 算法分割結(jié)果對比 %

從圖2可以看出,對于孤立的亮場細胞可以得到精確的分割,但針對粘連、聚類細胞,無法實現(xiàn)有效分割。通過提取粘連程度不同的細胞區(qū)域,尋找像素強度差異,設(shè)置新的局部對比閾值參數(shù),分割結(jié)果如圖3所示。

圖3 粘連細胞分割

如圖3(a1)對應于圖2(a)三角形區(qū)域所示,圖3(b1)對應于圖2(a)橢圓區(qū)域所示,圖3(c1)對應于圖2(a)矩形區(qū)域所示。閾值分割結(jié)果如圖3(a2),(b2),(c2)所示,最終分割結(jié)果如圖3(a3),(b3),(c3)所示,對分割后的結(jié)果進行邊界提取與細胞計數(shù),如圖3(a4),(b4),(c4),可以看出,采用本方法能夠?qū)崿F(xiàn)粘連細胞的有效分割,得到更精確的分割細節(jié)。

3 結(jié) 論

本文針對亮場細胞圖像像素強度分布特征進行分析,提出一種結(jié)合局部對比閾值與光暈移除的分割方法。通過細胞與背景像素強度差異,實現(xiàn)圖像的全局分割,再提取粘連程度不同的細胞區(qū)域進行局部分割,以獲得更精細的分割結(jié)果。實驗結(jié)果表明:應用本方法既可以解決亮場細胞圖像對比度差、存在光暈偽影的分割難題,又能夠?qū)崿F(xiàn)粘連、聚類細胞的有效分割,為后續(xù)細胞形態(tài)分析與細胞追蹤奠定良好的基礎(chǔ)。