一种革兰染色白带涂片彩色显微图像分割方法及系统与流程

本发明涉及数字图像处理技术领域，具体地，涉及一种革兰染色白带涂片彩色显微图像分割方法及系统。

背景技术：

白带是女性阴道的分泌物，白带中白细胞的检测是判定女性生殖系统是否健康的重要条件。传统的显微细胞检测大多为人工镜检，这种方法操作时间长、工作强度大、易污染环境、受主观的影响，不利于临床诊断。近年来，随着人工智能研究的发展和生物医学图像处理技术的提高，对显微细胞图像采用图像处理技术进行有形成分的自动识别已成为现实。在面对细胞成分复杂、粘连严重、散焦严重、对比度不高的情况下，提出了与之对应的图像预处理、图像分割、特征提取和自动识别技术算法。

公开号为cn106295588a的发明专利，公开了一种白带显微图像中白细胞的自动识别方法，属于医学数字图像处理领域，具体指的是一种白带显微图像中白细胞的自动识别算法。该方法通过对显微图像进行灰度处理，再寻找图像中的连通区域，根据白细胞实际的形态，对图像中连通区域进行依次筛选，最终识别出白带中的白细胞图像，从而极大的减少了工作人员的工作时间，及认为误差，提高了工作效率。

在现有技术中，由于革兰染色后的高倍白带干片彩色显微图像中包含有大量的信息，其中包括独立目标细胞，粘连目标细胞，杂质及其他不明物质，在对目标进行检测之前需要对图像进行图像预处理，在处理过程中存在阴阳性目标大面积粘连并混杂在一起的情况，使用传统的目标分割方法难以将阴阳性目标准确分开的问题，而为了获得目标的准确形态特征，需要针对阴阳性目标的固定颜色特征进行针对性的图像分割。

技术实现要素：

针对现有技术中的缺陷，本发明提供一种革兰染色白带涂片彩色显微图像分割方法及系统。

根据本发明提供的一种革兰染色白带涂片彩色显微图像分割方法及系统，所述方案如下：

第一方面，提供了一种革兰染色白带涂片彩色显微图像分割方法，所述方法包括：

步骤s1：采集并输入经革兰染色的白带标准涂片；

步骤s2：对采集到的细胞图像进行降采样与归一化，得到归一化的标准尺寸图像；

步骤s3：将标准尺寸图像转化为单通道灰度图像；

步骤s4：对所获得的单通道灰度图像进行处理，排除无目标图像；

步骤s5：分离彩色图像中的r、g、b三个通道，进行归一化处理，增强每个通道的对比度；

步骤s6：获取阳性目标区域与阴性目标区域，并计算阳性目标区域与阴性目标区域存在交集的部分，取并集，为混合阴阳性目标；

步骤s7：在所有目标区域中割去混合阴阳性目标的区域，为所有独立的阴阳性目标；

步骤s8：根据所有独立的阴阳性目标，获取每个独立目标的面积信息并进行分类，最后进行针对性的形态识别，并统计数量输出识别结果。

优选的，所述步骤s1中通过使用100倍油镜和高清彩色摄像头采集经革兰染色的白带标准涂片。

优选的，所述步骤s4包括：

对单通道灰度图像进行norm_minmax归一化处理，扩大图像对比度；

使用otus算法分割灰度图获得无目标背景图像；

使用标准尺寸图像与无目标背景图像区域做差值，获得排除背景后的所有目标区域，计算均值，直接排除无目标背景图像，不进入分割。

优选的，所述步骤s6中获取阳性目标区域具体包括：

采用通道分离法，通过对r通道加以f特征量补偿量系数再减去b通道的值即可得到紫色目标的大致区域；

对分离出的阳性目标做二值化处理，获得对应区域的二值图；

通过otus算法计算二值图的阈值，通过阈值分割，获得可用于分析的阳性目标区域。

优选的，所述步骤s6中获取阴性目标区域具体包括：

采用通道分离法，通过对g通道加以f特征量补偿量系数再减去b通道的值即可得到红色目标的大致区域；

对分离出的阴性目标做二值化处理，获得对应区域的二值图；

通过otus算法计算二值图的阈值，通过阈值分割，获得可用于分析的阴性目标区域。

优选的，所述步骤s8具体包括：

对所有独立的阴阳性目标通过sobel算子提取出每一个独立目标区域，并获得每一个独立目标的面积信息；

对所有独立的阴阳性目标，根据面积大小将目标分为，阳性大面积，阳性小面积，阴性大面积，阴性小面积四种；

对上步骤中的阳性小面积和阴性小面积区域的二值图像做闭运算，获得对应目标区域闭运算后的图像为阳性小面积和阴性小面积区域；

将分为独立阳性大面积目标、独立阳性小面积目标、小面积阴性目标、大面积阴性目标，以及混合目标五种目标区域后，针对不同目标可进行针对性的形态识别，并统计数量输出识别结果。

第二方面，提供了一种革兰染色白带涂片彩色显微图像分割系统，所述系统包括：

模块m1：采集并输入经革兰染色的白带标准涂片；

模块m2：对采集到的细胞图像进行降采样与归一化，得到归一化的标准尺寸图像；

模块m3：将标准尺寸图像转化为单通道灰度图像；

模块m4：对所获得的单通道灰度图像进行处理，排除无目标图像；

模块m5：分离彩色图像中的r、g、b三个通道，进行归一化处理，增强每个通道的对比度；

模块m6：获取阳性目标区域与阴性目标区域，并计算阳性目标区域与阴性目标区域存在交集的部分，取并集，为混合阴阳性目标；

模块m7：在所有目标区域中割去混合阴阳性目标的区域，为所有独立的阴阳性目标；

模块m8：根据所有独立的阴阳性目标，获取每个独立目标的面积信息并进行分类，最后进行针对性的形态识别，并统计数量输出识别结果。

优选的，所述模块m1中通过使用100倍油镜和高清彩色摄像头采集经革兰染色的白带标准涂片。

优选的，所述模块m4包括：

模块m4.1：对单通道灰度图像进行norm_minmax归一化处理，扩大图像对比度；

模块m4.2：使用otus算法分割灰度图获得无目标背景图像；

模块m4.3：使用标准尺寸图像与无目标背景图像区域做差值，获得排除背景后的所有目标区域，计算均值，直接排除无目标背景图像，不进入分割。

优选的，所述模块m6中获取阳性目标区域具体包括：

模块m6.1：采用通道分离法，通过对r通道加以f特征量补偿量系数再减去b通道的值即可得到紫色目标的大致区域；

模块m6.2：对分离出的阳性目标做二值化处理，获得对应区域的二值图；

模块m6.3：通过otus算法计算二值图的阈值，通过阈值分割，获得可用于分析的阳性目标区域。

与现有技术相比，本发明具有如下的有益效果：

1、通过采用数字图像处理技术，对显微细胞识别进行预处理，从复杂的环境中提取出可用于进行识别的目标图像，从而保证在图像识别中获得标准的，分解后的可用于输入识别的图像；

2、通过对输入的彩色显微图像进行抽样归一化，统一输入图像的大小，计算频率直方图排除干扰图像，再通过分离rgb通道，提取出对应颜色目标，根据目标细胞的特征将提取出的区域根据面积大小，分为独立阳性大面积目标，独立阳性小面积目标，小面积阴性目标，大面积阴性目标，混合目标五种，为后续的细胞形态识别提供可能性，解决了目标识别中的输入图像的预处理问题。

3.通过颜色特征进行分割，可有效保留阳性目标中的形态特征，对于阴阳粘连和包裹状态也可有效将阴阳性目标的轮廓准确分开，不会被粘连的阴性目标影响形态特征，有效影响保证后续目标形态识别的准确性。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明整体流程示意图；

图2为经典sobel的卷积因子示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明实施例提供了一种革兰染色白带涂片彩色显微图像分割方法，参照图1所示，具体步骤如下：

首先，采集并输入经革兰染色的白带标准涂片，在本实施例当中可选用100倍油镜和高清彩色摄像头来采集。采集到需要的细胞图像后，开始对采集到的细胞图像进行降采样方法为：对于一副图像i尺寸为m*n，对起进行s倍下采样，即得到(m/s)*(n/s)尺寸的分辨率图像，得到所需要的标准尺寸图像。

将上述得到的标准尺寸图像通过opencv函数转化为单通道灰度图像，得到单通道灰度图像后，再对单通道灰度图像进行norm_minmax归一化处理，方法为x'＝(x-x_min)/(x_max-x_min)，扩大图像对比度。

接着，使用otus算法计算二值图阈值分割灰度图获得无目标背景图像。方法为对于图像i(x,y)，前景(即目标)和背景的分割阈值记作t，属于前景的像素点数占整幅图像的比例记为ω0，其平均灰度μ0；背景像素点数占整幅图像的比例为ω1，其平均灰度为μ1。图像的总平均灰度记为μ，类间方差记为g。

假设图像的背景较暗，并且图像的大小为m×n，图像中像素的灰度值小于阈值t的像素个数记作n0，像素灰度大于阈值t的像素个数记作n1，则有：

ω0＝n0/m×n(1)

ω1＝n1/m×n(2)

n0+n1＝m×n(3)

ω0+ω1＝1(4)

μ＝ω0*μ0+ω1*μ1(5)

g＝ω0(μ0-μ)^2+ω1(μ1-μ)^2(6)

将式(5)代入式(6)，得到等价公式：

g＝ω0ω1(μ0-μ1)^2(7)

这就是类间方差采用遍历的方法得到使类间方差g最大的阈值t。

使用标准尺寸图像与无目标背景图像区域做差值，获得排除背景后的所有目标区域，计算均值，直接排除无目标背景图像，不进入分割。

分离彩色图像中的r、g、b三个通道，进行归一化处理，增强每个通道的对比度；采用通道分离法，通过对r通道加以f特征量补偿量系数再减去b通道的值即可得到紫色目标的大致区域，对分离出的阳性目标做二值化处理，获得对应区域的二值图；再通过otus算法计算二值图的阈值，

通过阈值分割，获得可用于分析的阳性目标区域。

采用通道分离法，通过对g通道加以f特征量补偿量系数再减去b通道的值即可得到红色目标的大致区域，对分离出的阴性目标做二值化处理，获得对应区域的二值图，最后，通过otus算法计算二值图的阈值，通过阈值分割，获得可用于分析的阴性目标区域。

获取阳性目标区域与阴性目标区域后，计算阳性目标区域与阴性目标区域存在交集的部分，取并集，为混合阴阳性目标，在所有目标区域中割去混合阴阳性目标的区域，为所有独立的阴阳性目标。

对所有独立的阴阳性目标通过sobel算子提取出每一个独立目标区域。

sobel算子就是通过像素点空间邻域内上下，左右相邻点的灰度加权运算，求取物体边缘，步骤为：

参照图2所示，使用经典sobel的卷积因子，对于待检测边缘的图像i，分别在水平(x)方向和垂直方向(y)方向求导，方法是分别图像i与卷积核gx和gy进行卷积，公式表述如下：

之后对求得的水平和垂直方向的梯度图像上的每一点执行：

其中，g即为sobel求得的梯度图像。

获得每一个独立目标的面积信息；对所有独立的阴阳性目标，根据面积大小将目标分为，阳性大面积，阳性小面积，阴性大面积，阴性小面积四种。

再对上述中的阳性小面积和阴性小面积区域的二值图像做闭运算，获得对应目标区域闭运算后的图像为阳性小面积和阴性小面积区域。最后，将分为独立阳性大面积目标、独立阳性小面积目标、小面积阴性目标、大面积阴性目标，以及混合目标五种目标区域后，针对不同目标可进行针对性的形态识别，并统计数量输出识别结果。

本发明实施例提供了一种革兰染色白带涂片彩色显微图像分割方法，通过数字图像处理技术根据目标菌种的特征对革兰染色白带涂片彩色显微图像中的目标进行初步的分割处理，为后续识别提供必要的输入条件。该方法通过对输入的彩色显微图像进行抽样归一化，统一输入图像的大小，计算频率直方图排除干扰图像，再通过分离rgb通道，提取出对应颜色目标，根据目标细胞的特征将提取出的区域根据面积大小，分为独立阳性大面积目标，独立阳性小面积目标，小面积阴性目标，大面积阴性目标，混合目标五种，为后续的细胞形态识别提供可能性。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。