专利名称：角膜内皮细胞图像处理方法
技术领域：
本发明涉及一种图像滤波处理方法，更具体地是针对角膜内皮细胞图像的特点，设计的一种能够很好的恢复角膜内皮细胞边界的图像处理方法。
背景技术：
目前公知的图像滤波算法是均值滤波和中值滤波，这些算法都是针对一般性的图像中叠加的高斯白噪声提出的，能够对图像产生比较好的平滑效果。理想的角膜内皮细胞图像是由正六边形组成的，但是，实际的角膜图像由于有病变，往往是由四边形、五边形、七边形乃至更多条边的多边形组成的，并且图像中存在着很大的噪声，而且细胞的边缘有很多地方是断开的，传统的图像滤波算法并不能有效的处理此类问题，从而为后续的细胞分割、细胞面积统计以及细胞形状分析等流程带来困难。
有鉴于此特提出本发明。
发明内容
本发明要解决的技术问题在于克服现有技术的不足，提供一种角膜内皮细胞图像处理方法。该算法自动的检测局部象素点是否在细胞边界上，并检测边界方向，选取平行于该方向的滤波模板，较好地恢复细胞图像的边界。
为解决上述技术问题，本发明采用技术方案的基本构思是使用一组预先定义好的方向模板，在图像滤波时，根据局部象素点的领域特性，选择相应的模板，进行卷积滤波。算法的步骤如下 设L＝2l+1是一个奇数，那么在算法中有4l个方向滤波模板，每个模板是一个二维L×L数组Mk(x，y)，其中k＝0，1，...4l-1，-l≤x，y≤l，均为整数； 首先定义模板 步骤1将编号0到l的模板的所有元素置为0 Mk(x，y)＝0，(0≤k≤l，-l≤x，y≤l) 步骤2计算编号0到l的模板的非0元素
上式中
为取整运算，模板上非零的点的坐标为直线上的点。为了归一化处理，非零元素值为
如果滤波前图像象素灰度范围为
，则使用归一化的模板滤波后的图像象素灰度范围也为
； 步骤3编号l+1到2l的模板，与编号l-1到0的模板，关于直线y＝x对称 Mk(x，y)＝M2l-k(y，x)，(l+1≤k≤2l，-l≤x，y≤l) 步骤4编号2l+1到4l-1的模板，与编号2l-1到1的模板，关于直线x＝0对称 Mk(x，y)＝M4l-k(-x，y)，(2l+1≤k≤4l-1，-l≤x，y≤l) 至此，4l个模板计算完毕； 然后对图像进行滤波 空间滤波后的输出图像G(m，n)可以通过扫描后的细胞原始图像F(j，k)与L×L方向模板的卷积来获取 这里，K(m，n)是用来标识对象素点(m，n)而言最合适的模板的下标，设 则决定K(m，n)的规则(2)定义如下 If K(m，n)＝Kmax(m，n) ElseK(m，n)＝Kmin(m，n) (2) 这里，T是根据经验设定的一个阈值，与具体的图像相关。如果
大于T，则该象素点位于细胞边界上。
说明对图像中的每一象素点均要进行最佳滤波模板选择的运算，选择过程如下 ①对每个象素点进行使用(1)式求取滤波后的值，如果模板大小为L×L，则需要使用(1)式计算2×(L-1)次。
②对上述求出的2×(L-1)个值中提取最大值和最小值，按照规则(2)进行处理，获取所需的滤波模板和相应的滤波后的象素点的值。
采用上述技术方案后，本发明与现有技术相比具有以下有益效果。
使用上述局部方向滤波方法得到的细胞图像边界得到了很好的恢复，使得图像边界更清晰，清晰度最高达到90％，得到的图像更便于后继的分割算法，这种图像处理方法不仅适用于角膜内皮细胞图像的处理，也可以应用于其它需要提取线条的图像的处理。
下面结合附图对本发明的具体实施方式
作进一步详细的描述。
图1是本算法中的方向模板的定义与计算的示意图； 图2是L＝7时的方向模板示例； 图3为不同图像处理方法应用于角膜内皮细胞图像的滤波效果比较示意图。
具体实施例方式 本发明所述的一种角膜内皮细胞图像处理方法为使用一组预先定义好的滤波模板，对于图像的每个象素点，判断该象素点是否位于细胞边界上，如果位于细胞边界上，则计算该边界的方向，选取平行于该方向的滤波模板并在该方向上对图像进行平滑，具体步骤如下 设L＝2l+1是一个奇数，那么在我们的算法中有4l个方向滤波模板，每个模板是一个二维L×L数组Mk(x，y)，这里，k＝0，1，...4l-1，-l≤x，y≤l，均为整数； 如图1所示，首先定义模板 步骤1将编号0到l的模板的所有元素置为0 Mk(x，y)＝0，(0≤k≤l，-l≤x，y≤l) 步骤2计算编号0到l的模板的非0元素
上式中
为取整运算，模板上非零的点的坐标为直线上的点。为了归一化处理，非零元素值为
如果滤波前图像象素灰度范围为
，则使用归一化的模板滤波后的图像象素灰度范围也为
； 步骤3编号l+1到2l的模板，与编号l-1到0的模板，关于直线y＝x对称 Mk(x，y)＝M2l-k(y，x)，(l+1≤k≤2l，-l≤x，y≤l) 步骤4编号2l+1到4l-1的模板，与编号2l-1到1的模板，关于直线x＝0对称 Mk(x，y)＝M4l-k(-x，y)，(2l+1≤k≤4l-1，-l ≤x，y≤l) 至此，4l个模板计算完毕； 如图2所示，为L＝7即l＝3时，根据上述步骤得到的k＝12个方向滤波模板的具体实施例。
然后对图像进行滤波 空间滤波后的输出图像G(m，n)可以通过扫描后的细胞原始图像F(j，k)与L×L方向模板的卷积来获取 这里，K(m，n)是用来标识对象素点(m，n)而言最合适的模板的下标，设 则决定K(m，n)的规则(2)定义如下 If K(m，n)＝Kmax(m，n) Else K(m，n)＝Kmin(m，n)(2) 这里，T是根据经验设定的一个阈值，与具体的图像相关。如果
大于T，则该象素点位于细胞边界上。
说明对图像中的每一象素点均要进行最佳滤波模板选择的运算，选择过程如下 ①对每个象素点进行使用(1)式求取滤波后的值，如果模板大小为L×L，则需要使用(1)式计算2×(L-1)次。
②对上述求出的2×(L-1)个值提取最大值和最小值，按照规则(2)进行处理，获取所需的滤波模板和相应的滤波后的象素点的值。
其中，上述原始图像象素是通过内皮成像系统从CCD上获取的。
要确定滤波模板的大小，可以根据图像中细胞边缘(或者线条)的宽度来确定。如果细胞边缘的宽度是x个象素，则滤波模板的大小一般可以取为2x～3x个象素。如图3所示的角膜内皮细胞，采用10倍光学放大和1/3英寸的CCD，角膜内皮细胞的边界宽度在2个象素左右，所以可以选取L＝7作为模板大小。根据选定模板的大小，首先计算出每个模板的元素。对于图像中的每个点(m，n)，首先计算该位置最佳模板的下标K(m，n)，然后利用(1)式计算滤波后的象素值，再利用(2)式进行处理，获取所需的滤波模板和相应的滤波后的象素点的值，描绘的图像参阅图3(b)，从图3可以看出，局部方向滤波器的滤波效果要比滑动平均滤波器和中值滤波器好，细胞的边界得到更好的恢复。
权利要求
1.一种角膜内皮细胞图像处理方法，其特征在于使用一组预先定义好的滤波模板，对于图像的每个象素点，判断该象素点是否位于细胞边界上，如果位于细胞边界上，则计算该边界的方向，选取平行于该方向的滤波模板并在该方向上对图像进行平滑，具体步骤如下
设L＝2l+1是一个奇数，那么在算法中有4l个方向滤波模板，每个模板是一个二维L×L数组Mk(x，y)，这里，k＝0，1，...4l-1，-l≤x，y≤l，均为整数；
首先定义模板
步骤1将编号0到l的模板的所有元素置为0
Mk(x，y)＝0，(0≤k≤l，-l≤x，y≤l)
步骤2计算编号0到l的模板的非0元素
上式中
为取整运算，模板上非零的点的坐标为直线上的点，为了归一化处理，非零元素值为
如果滤波前图像象素灰度范围为
，则使用归一化的模板滤波后的图像象素灰度范围也为
；
步骤3编号l+1到2l的模板，与编号l-1到0的模板，关于直线y＝x对称
Mk(x，y)＝M2l-k(y，x)，(l+1≤k≤2l，-l≤x，y≤l)
步骤4编号2l+1到4l-1的模板，与编号2l-1到1的模板，关于直线x＝0对称
Mk(x，y)＝M4l-k(-x，y)，(2l+1≤k≤4l-1，-l≤x，y≤l)
至此，4l个模板计算完毕；
然后对图像进行滤波
空间滤波后的输出图像G(m，n)可以通过扫描后的细胞原始图像F(j，k)与L×L方向模板的卷积来获取
(1)
这里，K(m，n)是用来标识对象素点(m，n)而言最合适的模板的下标，设
则决定K(m，n)的规则(2)定义如下
K(m，n)＝Kmax(m，n)
Else
K(m，n)＝Kmin(m，n)(2)
这里，T是根据经验设定的判断象素点是否位于边界的阈值，与具体的图像相关。
2.根据权利要求1所述的一种角膜内皮细胞图像处理方法，其特征在于所述的方向滤波模板的大小为原始图像中边界宽度的2到3倍。
3.根据权利要求1所述的一种角膜内皮细胞图像处理方法，其特征在于所述的T为自定义的可判断象素点是否位于细胞边界上的一个阈值。
全文摘要
本发明公开了一种角膜内皮细胞图像处理方法。该方法利用象素点周围的局部信息进行方向滤波算法。首先设定一组预先定义的方向模板，通过用不同的模板对单个象素点进行卷积处理，得出同一象素点在不同模板下的象素值，然后使用一个预定义的阈值判断象素点是否在细胞边界上，如果位于边界上，则使用最佳的方向模板对该象素点进行滤波。对所有的图像中所有的象素点进行卷积滤波后，能够极大地凸现细胞轮廓。相对于传统的均值滤波和中值滤波而言，能较好地恢复细胞图像边界。该方法不仅适用于角膜内皮细胞图像，也适用于其它需要恢复线条的图像。
文档编号G06T5/00GK101231744SQ20071000366
公开日2008年7月30日 申请日期2007年1月23日 优先权日2007年1月23日
发明者王健发, 王雪乔 申请人:天津市索维电子技术有限公司