1.基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，该方法包括：
2.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤1中，进行直方图聚类并按照聚类个数将原始ubm图像的隶属度矩阵初始化，是根据原始ubm图像x的直方图信息，统计直方图中的波峰的个数c，将所有波峰对应的灰度值记为v＝{v1,v2,…,vc}，则将v记为初始聚类中心，并将原始ubm图像的隶属度矩阵初始化为u′＝zeros(n,c)，n为原始ubm图像的像素总数。
3.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤2中，对原始ubm图像进行形态学闭合重建，是利用结构元素对ubm图像x进行mcr重建，公式为：
4.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤2中，获取重建ubm图像的统计信息包括灰度级{z1,z2,…,zi,…,zq}，每个灰度级对应的像素个数{a1,a2,…,ai,…,aq}，满足q为重建ubm图像灰度级数量，q远小于n。
5.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤3中，迭代求解目标函数用如下公式表示：
6.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤4中，隶属度划分矩阵包括填充和中值滤波两种运算，填充由下式获得：
7.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤4中，所采用的中值滤波记为：
8.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤5中，利用梯度边缘检测算子，对原始ubm图像分割结果的每个子区域的边界曲线进行二值化，计算如下：利用和边缘检测算子对ubm图像的分割结果进行卷积运算，通过计算每个像素梯度，若梯度g大于设定阈值，则认为该像素是一个边界点。
9.根据权利要求1所述基于超声生物显微镜图像的施莱姆氏管分割与量化方法，其特征在于，所述的步骤5中，输出量化结果，使用matlab中regionprops函数查找每个区域的像素个数，输出多个分割区域的面积量化结果。