专利名称：一种血细胞分割方法
技术领域：
本方法应用于图形图像处理，主要涉及医学图像血细胞分割处理。
背景技术：
图像分割是一种重要的图像技术。在对图像的研究和应用中，人们往往对图像中的某些部分感兴趣。这些部分常称为目标或前景(其他部分称为背景)，它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将它们分离出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是像素的灰度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区域。
图像分割是图像分析的关键步骤，分割质量的好坏，直接影响到图像分析时特征提取、测量及图像识别和理解的准确性，同时由于图像分割及基于分割的目标表达将原始图像转化成更抽象更紧凑的形式，使更高层的图像分析成为可能。在血细胞自动检出中图像分割是十分重要的一步，它对于细胞识别的整个过程并依次取出包含各个血细胞所有像素的小块区域，以实现进一步针对性的分析处理。血细胞分割是血检前的一项重要预处理程序，它的任务是分割出血液中各种血细胞，从而统计其总数、相对比值、形态等，用于判断有无疾病、疾病种类及严重程度等。特别是对血液疾病这样的血液病诊断具有更加重要的地位。各类血细胞的数量、形态和比例等方面的变化能够反映机体的病理情况和推测预后，有助于医生做出正确诊断、制定治疗方案和观察疗效。学术界目前提出了多种分割方案，Wermser从彩色图像中提取出一维的直方图信息，运用细胞和背景本身属性的先验知识，对细胞图像进行阈值分割。Cseke作了改进，运用Otsu类间方差最大法来选择阈值，而后再用数学形态算子进行平滑，改善了实验结果。运用细胞和背景本身属性的先验知识，对细胞图像进行阈值分割，方法简单，运算量小，但是没有利用像素空间位置的信息，当细胞颜色不均匀或者背景复杂，目标出现交叠的情况时，该类方法经常在细胞中误生成空洞，甚至失去边界，造成误分割。J. M. Chessery、张勇等采用区域增长的办法对骨髓细胞进行分割。抗噪性能优于边缘分割和直方图分割。但是相比其它算法，区域生长计算开销较大，而且在计算过程中引入的预定误差值选取不当时，还会引入误判，易受分析目标内部组织之间的重叠干扰影响，此外种子点的选取对分割也有较大的影响。因此，基于区域生长的分割方法一般适合于边缘光滑无重叠的细胞图像的分割。M. Trivedi等对运用图像特征空间对血液图像进行模糊聚类分割,利用特征空间聚类的方法进行图像分割可看作是对阈值分割概念的推广。这种方法的优点是对图像的分割分类给出了直接的结果，而缺点在于无法预先知道分割的类数，并且聚类初始值的选择对分割结果影响较大。J. S. Park采用了松弛法来获得细胞图像的分割，由于用到了迭代运算，因此计算量庞大。而Liao采取了一种形状检测技术来对血细胞图像进行精确分割，取得了良好的效果，但是这种方法仅对那些细胞形态近似为圆的血细胞有效，而对于细胞形态千变万化的细胞显微图像，这种方法显然适用面狭窄。袁军、郭宁宁等利用多光谱波段理论对血细胞分割方法进行改进，但无疑需要更高层的先验知识。潘晨等提出了基于均值移动和单类支持向量机的血细胞图像分割新方法，运用了统计学的理论改善了实验结果，其中支持向量的确定、核函数的形式及其参数的选取都是影响分割关键的难点。综上所述，对于血细胞图像的分割算法，对于具体的血细胞图没有很好的普适性，如何合理地分析血细胞图像的特征，从而选择合适的算法，是急需解决的问题。
发明内容
针对血细胞图像的自适应分割问题，本发明提供了一种基于统计特征的自适应图像选择的血细胞彩色图像分割算法，自适应地选择了适合不同血细胞图像的算法。 本发明基本思路为首先，通过大量的细胞图像的分析实验，从色调均值、色调方差、色调曲线曲率、最大频度值、色调分布范围、大于阈值的色调个数的6个方面进行论证，最后得出最适当的算法选择标准。其次，根据评判标准，分别使用速度快且依赖边缘信息的Canny边缘检测分割算法、及多次迭代且综合空间信息的C均值模糊聚类算法进行自适应的选择。本发明的技术方案是一种血细胞分割方法，其特征在于包括下述步骤第一步，对图像进行预处理。将血细胞图像从RGB (Red Green Blue，红绿蓝)空间转换为HIS (Hue Intensity Saturation,色调强度饱和度)空间。根据色调H分量,计算其色调频度图。第二步，设定频度阈值为0.03，统计频度值大于该值的色调个数；同时，对于色调频度图的曲线包络计算每点的曲线曲率，统计平均曲线曲率。第三步，当色调个数在[4，8]范围内，且平均曲线曲率大于I时，选择C均值模糊聚类算法进行血细胞图像分割；不满足上述条件时，则选择Canny边缘检测分割算法进行血细胞图像分割。本发明的效益特点如下一方面，模糊聚类方法作为迭代算法，对于分割精度要求高的图像较为适用，但对于噪声敏感，不适用于噪声图像。Canny边缘检测算法，对于白噪声干扰的阶跃边缘效果好。两种算法各有利弊，互相补充，综合其优势能有效分割血细胞图像。另一方面，本发明通过色调均值、色调方差、色调曲线曲率、最大频度值、色调分布范围、大于阈值的色调个数等方面的有效分析，能够很好地全面把握彩色血细胞的特征，根据该分析结果进行分割算法的选择更为科学合理。综上所述，本发明提供了一种有效的彩色血细胞自适应分割算法，有效地进行了细胞提取，全面地适应了各类血细胞的分割要求。
图I是本发明提供的一种血细胞分割方法的原理流程图2是利用正常血液细胞于进行实验的结果；图3是利用II液细胞进行实验的结果；图4是利用骨髓细胞进行实验的结果。
具体实施例方式图I是本发明提供的一种血细胞分割方法的原理流程图。图2是利用正常血液细胞于进行实验的结果。图(a)是正常血液细胞的原始图像。图(d)是其色调频度图，大于频度阈值0. 03的色调个数是3，不在集合[4，8]的范围内，按照本发明提供的方法选择选择Canny边缘检测分割算法进行图像分割，得到图(b)。图(c)是未采用本发明的分割算法效果图。图3是利用II液细胞进行实验的结果。图(a)是II液细胞的原始图像。其中 图(d)是色调频度图，大于频度阈值0. 03的色调个数超过8，按照本发明提供的方法选择Canny边缘检测分割算法进行图像分割，得到图(b)。图(c)是未采用本发明的分割算法效果图。图4是利用骨髓细胞进行实验的结果。图(a)是骨髓细胞的原始图像。其中图(d)是色调频度图，大于频度阈值0. 03的色调个数是5，平均曲线曲率是3. 384257，满足色调个数大于等于4并小于等于8，且平均曲线曲率大于I的条件，按照本发明提供的方法选择选择C均值模糊聚类算法进行图像分割，得到图(b)。图(c)是未采用本发明的分割算法效果图。通过上述实验可以看到，采用本方法进行算法选择后的分割效果较未选用的算法分割效果更好，分割更准确。
权利要求
1.一种血细胞分割方法，其特征在于包括下述步骤 第一步，对图像进行预处理 将血细胞图像从RGB (Red Green Blue,红绿蓝)空间转换为HIS (Hue IntensitySaturation，色调强度饱和度)空间；根据色调H分量，计算其色调频度图； 第二步，设定频度阈值为O. 03，利用色调频度图统计频度值大于该频度阈值的色调个数；同时，对于色调频度图的曲线包络计算每点的曲线曲率，统计平均曲线曲率； 第三步，当色调个数在[4，8]范围内，且平均曲线曲率大于I时，选择C均值模糊聚类算法进行血细胞图像分割；否则，选择Canny边缘检测分割算法进行血细胞图像分割。
全文摘要
本发明提供一种血细胞分割方法。技术方案包括下述步骤第一步，对图像进行预处理。将血细胞图像从RGB空间转换为HIS空间。根据色调H分量，计算其色调频度图。第二步，设定频度阈值为0.03，统计大于该值的色调个数；同时，计算色调频度图曲线包络的平均曲线曲率。第三步，当色调个数在[4,8]范围内，且平均曲线曲率大于1时，选择C均值模糊聚类算法进行血细胞图像分割；不满足则选择Canny边缘检测分割算法进行血细胞图像分割。本发明提供的彩色血细胞分割算法具有自适应性，可有效地进行细胞提取，全面地适应各类血细胞的分割要求。
文档编号G06T7/00GK102800090SQ20121023489
公开日2012年11月28日 申请日期2012年7月9日 优先权日2012年7月9日
发明者梁光明, 刘东华, 柳佳雯 申请人:中国人民解放军国防科学技术大学