轮廓图，带圆圈的*号为检测出的凹点，标记为M的点为检测出的标记 点。
【具体实施方式】
[0035] 下面将参照示出本发明实施例的附图充分描述本发明。本发明可以以许多不同的 形式实现，而不应当认为限于这里所述的实施例。相反，提供这些实施例以便使本公开透彻 且完整，并且将向本领域技术人员充分表达本发明的范围。在附图中，为了清楚起见放大了 组件。
[0036] 除非另有定义，这里使用的所有术语（包括技术和科学术语）具有与本发明所属 领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术 语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化 或极度形式化的意义来解释，除非这里明确地这样定义。
[0037] 图1给出了本发明的步骤，具体包括以下几点：
[0038] a)预处理，对图像进行预处理，滤除图像中的噪声点；
[0039] b)边界编码，提取出细胞的轮廓，对提取出的轮廓进行编码；
[0040] c)凹点检测，找到轮廓中的凹点并标记；
[0041] d)分害U，对凹点进行分割。
[0042] 如图2给出经过预处理的结构示意图，由于在实验处理后，在图像中会存在着比 细胞较小的杂质噪声，因此需要利用阈值滤波和数字形态学变换对图像进行预处理，滤除 图像中的噪声点。阈值滤波和数字形态学变换算法简单，计算量小，能够很好的滤除细胞图 像中较小的材料杂质，达到很好的初步处理结果。
[0043] 首先利用阈值滤波对图像进行预处理：
[0044] 用最大类间方差方法求出图像的最佳阈值，假设使用一个阈值T，将灰度级[0 L] 分割成两个类背景类[0 T-ι]和前景类[T L]。前景类中点数占图像比例为《0,平均灰度 为uO ;背景类中点数占图像比例为wl，平均灰度为ul。
[0045] 则图像的总平均灰度为：
[0046] u = wO*uO+wl*ul。
[0047] 通过计算两个类的类间方差值：
[0048] g = wO* (u〇-u) * (u〇-u)+wl* (ul_u) * (ul_u) = wO*wl* (u〇-ul) * (u〇-ul)，遍历[0 L]中的每个值，当g为最大值时，此时的T便为最佳阈值。阈值滤波后，图像实现了二值化。
[0049] 其次利用数字形态学变换对图像进行预处理：
[0050] 由于图像中存在着比细胞小的一些杂质材料，因此通过形态学变换中的腐蚀算法 可以滤除图像中的杂质噪声。采用3*3的结构元素，扫描图像中的每个像素，用结构元素与 其覆盖的二值图像做"与"操作，将杂质滤除。之后，通过形态学变换中的膨胀算法恢复腐 蚀变小后的细胞图像。用结构元素与其覆盖的二值图像做"或"操作。
[0051 ] 最后根据形状和圆形度检测出图像中的粘连细胞，形状Shape和圆形度 Circularity定义如下：
[0052] 形状：Shape = L2/4 π S
[0053] 圆形度：= 4 ο
[0054] 其中，L为粘连细胞轮廓的周长，S为轮廓的面积，μ为细胞轮廓上的点到细胞区 域中心点之间的均值，δ为细胞轮廓上的点到细胞区域中心点之间的方差。均值μ和方 差S为：
【主权项】
1. 视网膜细胞荧光显微图像的自动分割和计数方法，包括： a) 预处理，对图像进行预处理，滤除图像中的噪声点； b) 边界编码，提取出细胞的轮廓，对提取出的轮廓进行编码； c) 凹点检测，找到轮廓中的凹点并标记； d) 分割，对粘连细胞进行分割。
2. 如权利要求1所述的视网膜细胞荧光显微图像的自动分割和计数方法，其中，步骤 a) 进一步包括： al)利用阈值滤波对图像进行预处理；a2)利用数字形态学变换对图像进行预处理； a3)利用形参数形状Shape和圆形度Circularity检测出图像中的粘连细胞。
3. 如权利要求2所述的视网膜细胞荧光显微图像的自动分割和计数方法，其中，步骤 a3)中当细胞轮廓的形状大于1. 5,圆形度小于6. 5时为粘连细胞。
4. 如权利要求1所述的视网膜细胞荧光显微图像的自动分割和计数方法，其中，步骤 b) 进一步包括： bl)利用边缘检测提取出细胞的轮廓； b2)用Freeman码于对步骤bl)提取出的轮廓进行编码。
5. 如权利要求1所述的视网膜细胞荧光显微图像的自动分割和计数方法，其中，步骤 c) 进一步包括： cl)利用链码差和轮廓多边形凹凸性的关系找出凹点。
6. 如权利要求5所述的视网膜细胞荧光显微图像的自动分割和计数方法，其中，步骤 cl)当图像中点的链码差大于经验值3时，该点为凹点。
7. 如权利要求1所述的视网膜细胞荧光显微图像的自动分割和计数方法，其中，步骤 d) 进一步包括： dl)对于只有两个凹点的粘连细胞，可以认为是两个细胞进行粘连，直接对凹点进行分 割； d2)对于有多个凹点的粘连细胞，利用极限腐蚀方法标记出粘连细胞中每个粘连部分； 检测出粘连部分的标记点；利用标记点与凹点的位置关系，构建代价函数对凹点进行分割。
【专利摘要】视网膜细胞荧光显微图像的自动分割和计数方法，包括：a）预处理,对图像进行预处理，滤除图像中的噪声点；b）边界编码，提取出细胞的轮廓，对提取出的轮廓进行编码；c）凹点检测，找到轮廓中的凹点并标记；d）分割，对粘连细胞进行分割。该方法结合了传统的和近代提出的多种算法，保留了阈值滤波，边缘检测算法中运算简单，计算开销小，运行效率高的优点。同时结合了Freeman链码和多边形凹凸性的方法，对粘连细胞进行了较好的分割，使分割结果具有较好的准确性和较高的效率。
【IPC分类】G06K9-36, G06K9-00
【公开号】CN104778442
【申请号】CN201510097720
【发明人】陈新建, 卢韦华, 杨磊, 朱伟芳, 陈浩宇
【申请人】苏州大学
【公开日】2015年7月15日
【申请日】2015年3月5日