题，为了得到较好的分割效果，需要对图像进行预处理，在这里采用顶帽-底 帽变换实现图像对比度增强，具体过程为：
[0048] TB(x,y)=g(x,y)+(g(x,y)-(g(x,y) 〇b)-)-((g(x,y) ?b)-g(x,y))；
[0049] 其中TB(x,y)为对比度增强后图像像素点（x,y)的灰度值；g(x,y)为对比度增 强前图像像素点（X，y)的灰度值；b为形态学中的圆形结构元，g(x，y) 〇b表示结构元b对 g(x，y)的开运算，g(x，y) 表示结构元b对g(x，y)的闭运算，当然也可以选用其它的对 比度增强算法，主要目的就是让图像中的目标和背景之间的对比更加明显，便于后续处理。
[0050] 步骤3 :利用小波分解进行细胞定位，具体步骤如下：
[0051] 步骤31 :通过二维离散小波分解对增强后的图像进行处理得到一个近似分量和 三组细节系数，所述三组细节系数为水平细节、垂直细节和对角线细节；
[0052] 步骤32:将步骤31得到的一个近似分量和三组细节系数进行伪彩色编码；
[0053]步骤 33:按照I(X，y) =WH (X，y) +WV (X，y) +WD (X，y)-W(X，y)进行小波重构得到 小波分解后的图像信息Wjx，y);其中WH(x，y)表示水平细节系数经过伪彩色编码后的值， Wv(x，y)表示垂直细节系数经过伪彩色编码后的值，WD(x，y)表示对角线细节系数经过伪彩 色编码后的值，W(x，y)表示近似分量经过伪彩色编码后的值。
[0054] 由于不同的细胞区域之间的对比度和大小不同，存在类似多分辨率的观察现象， 因此在步骤3中使用小波变换理论对图像进行处理。小波变换主要包括小波序列展开、离 散小波变换和连续小波变换，分别对应于傅里叶序列展开、离散傅里叶变换和连续傅里叶 变换。小波序列展开将一个连续变量函数映射成了一个系数序列，其定义为：
[0055]
[0056] 其中力（X)表示小波，P(X)表示尺度函数，Cj(l(k)通常称为近似值或尺度系数， dj(k)称为细节或小波系数。
[0057] 离散小波变换将小波变换序列展开成一个数字序列，其定义为：
[0060]其中，f(x)，％0, *〇)，是离散变量x=0, 1，2, ? ? ?，M_1的函数。
[0061] 二维离散小波分解将增强后的图像TB(x，y)分解得到四个分量：一个近似分量和 三组细节系数（水平细节H、垂直细节V和对角线细节D)，其中：。
[0064] 其中1 和指二维尺度函数和平移基函数。
[0065] 将四个分量进行伪彩色编码，转化成W(x,y)、WH(x,y)、Wv(x,y)和WD(x,y)，小波分 解后的图像WjX，y)可以表示为：
[0066] ffL (x,y) =ffH (x,y) +ffv (x,y) +ffD (x,y)-ff(x,y)；
[0067] 从而突出了图像中的细节信息，而弱化相似信息，可以标记出细胞所在区域。然 而，由于细胞边界存在不连续和模糊现象，小波分解结果中一些细胞没有完全提取出来，因 此需要通过步骤4中的多尺度区域生长进一步处理。
[0068] 步骤4 :对步骤3所得的细胞定位进行多尺度区域生长；
[0069] 为了使得所有细胞都能分割出来，通过对小波变换的结果进行区域生长。由区域 生长的原理可知，区域生长的结果好坏最主要依赖于种子点的选取和生长准则的定义。我 们以小波分解腐蚀后的结果作为种子点，以灰度阈值差作为生长准则，进行区域生长。由 于乳腺细胞图像存在细胞形态大小不一、边界不连续、内部灰度不均匀、细胞粘连较重等情 况，单一尺度的区域生长不能同时解决以上问题。本发明根据细胞的基本大小和灰度差异 等先验知识，选取了三种尺度（尺度a:腐蚀半径3,灰度阈值5 ;尺度b:腐蚀半径5,灰度阈 值30 ;尺度c:腐蚀半径7,灰度阈值10)进行区域生长。尺度a可以处理细胞内部灰度不 均匀和边界不连续等情况，但同时也使得粘连细胞区域聚合到一起；尺度c可以将粘连区 域适当分离便于进一步处理，但也使细胞边界的不连续性和细胞内部灰度的不均匀性更加 明显；尺度b介于尺度a和尺度c之间，对两者的不足进行补充。将三种尺度区域生长结果 进行分区域形态学规整，然后进入步骤5利用最优投票机制选择细胞区域作为初步分割结 果。
[0070] 步骤5 :通过投票选择实现细胞区域的初步分割；
[0071] 具体实施时，步骤5中的投票选择按照以下步骤进行：
[0072] 步骤51 :将a、b、c三种尺度生成的细胞区域分别定义为 fa(x,y),fb(x,y),fc (x,y)；
[0073] 步骤52 :计算fa(x,y),fb(x,y),fe(x,y)每个区域的圆形度和面积；
[0074] 步骤53:判定fa(x,y),fb(x,y),fe(x,y)相同坐标是否存在多个区域中；如果存 在，则选择其中圆形度最大的细胞区域作为初步分割结果f°ut;如果不存在，则选取圆形度 和面积达到基本要求的细胞区域作为初步分割结果f°ut。
[0075] 步骤6 :判断分割出的区域是否存在细胞粘连；如果不存在细胞粘连，则为单个细 胞区域，输出分割结果；如果存在细胞粘连，则为粘连细胞区域，进入步骤7进行粘连细胞 分割；
[0076] 具体实施时，步骤6是通过细胞区域面积是否超过预设阈值来判断初步分割结果 是否存在细胞粘连。
[0077] 步骤7:利用形态学腐蚀-膨胀运算和角点检测分割算法构建的双策略去粘连模 型进行粘连细胞分割；
[0078] 步骤8 :返回步骤6重新判断分割出的区域是否存在细胞粘连，直至所有细胞分割 结束。
[0079] 粘连重叠现象频繁、严重，是乳腺组织切片细胞显微图像中非常显著的特点。基于 此，本发明设计了双策略去粘连模型进行针对性的处理，该算法时间代价较小，实现方便， 很好的兼顾了处理效果的普适性及时间代价。该模型主要流程如图2所示，具体为：
[0080] 步骤71 :设定初始半径r= 2,最大腐蚀尺度为k;
[0081] 步骤72 :选用半径为r的圆形结构元对步骤6所判断出的粘连细胞区域进行形态 学腐蚀运算；
[0082] 步骤73 :判断连通区域个数是否增加，如果增加，则停止腐蚀，并对腐蚀得到的连 通区域分别进行形态学膨胀运算，恢复细胞原始尺寸作为输出结果；否则，进入步骤74 ;
[0083] 步骤74 :判断腐蚀尺度是否达到最大腐蚀尺度，如果达到，则进入步骤75 ;否则， 设置半径r=r+2,返回步骤72循环进行；
[0084] 步骤75 :利用角点检测分割算法对步骤6所判断出的粘连细胞区域进行分割处 理。
[0085] 由于细胞具有凸圆特性，所以粘连的细胞沿着边界会在粘连的地方产生凹点，通 过形态学腐蚀运算可以将粘连细胞沿着凹点分离开，再通过形态学膨胀运算复原细胞。传 统形态学运算选择相同的结构元对所有细胞进行处理，由于不同细胞区域的粘连程度不 同，其结果是如果结构元半径过小，不能将所有粘连区域分割开；而如果结构元半径过大， 有些区域存在失真，而且也不一定能将粘连区域分割开，还存在资源浪费的情况。
[0086] 如果细胞粘连非常严重，尽管仍然存在凹点，但通过腐蚀并不能将细胞完全分割， 或者腐蚀需要的结构元半径过大会导致失真。通过上述自适应形态学算法依然不能有效分 离的粘连区域则可以通过角点检测分割算法进行第二次精细分割。
[0087] 所述角点检测分割算法为曲率尺度空间角点检测分割算法，简称CSS(CUrVature ScaleSpace)角点检测分割算法，CSS角点检测的具体步骤可以参考文献1:HuanliLi; LihongGuo；TaoChen,etal. ,Theresearchofcornerdetectorofteethimage basedonthecurvaturescalespacecorneralgorithm[C]，Computer，Mechatron ics，ControlandElectronicEngineering(CMCE)，2010InternationalConference on，2010, 5:353-356.
[0088] 利用检测出的角点进行图像分割属于本领域的惯用手法，在此不再赘述。
[0089] 为了进一步体现本发明提出的算法性能，下面通过实验数据