图像分割方法、系统与细胞图像分割方法、系统的制作方法
【技术领域】
[0001] 本发明涉及图像工程领域，特别是涉及一种图像分割方法、系统与细胞图像分割 方法、系统。
【背景技术】
[0002] 图像工程领域中，常需要将粘连在一起的目标独立分割出来，以医学图像工程为 例，常需要对细胞形态进行自动分析，快速准确的从细胞显微图像中分割出完整的细胞并 进行细胞个数的统计，然而血液细胞常常出现粘连、重叠的现象，所以精准地分割出粘连着 的细胞并计数是医学图像处理中的难点和研究重点。
[0003] 近年来，基于数学形态学的分水岭变换技术被应用到粘连目标分割中，但是，基于 距离变换的分水岭变换方法，如快速灰度重建算法重建距离变换后图像的分水岭变换算 法、自适应距离变换的分水岭变换算法等，对粘连目标的分割生硬，不能充分考虑目标形状 和边缘信息，且分割结果的好坏过度依赖于原图像转换至二值化图像效果的好坏。
[0004] 现有技术中另有一种基于梯度图像的分水岭变换，虽然对目标物体边缘的定位能 力强，能充分利用图像的边缘信息，很好的分割出目标物体的完整轮廓，但无法分割粘连区 域无明显边界的目标，且容易与图像背景相互混淆导致欠分割，因此现有技术中的基于梯 度图像的分水岭变换并不适应于粘连目标的分割领域中。
[0005] 综上，如何提高粘连目标图像，尤其是细胞图像的分割精确性是图像分割技术中 亟待解决的难题。
【发明内容】
[0006] 基于此，有必要针对如何提高粘连目标图像分割精确性的问题，提供一种基于修 正梯度图像和分水岭算法的图像分割方法，包括步骤：
[0007] 获取待分割图像的梯度图像。
[0008] 对待分割图像进行距离变换，获取待分割图像的第一变换图。
[0009] 对第一变换图进行转换，获取待分割图像的第二变换图。
[0010] 根据第一变换图或第二变换图提取待分割图像的前景标记。
[0011] 对第二变换图进行分水岭变换，提取待分割图像的背景标记。
[0012] 根据前景标记和背景标记，修正梯度图像，以得到修正后的梯度图像。
[0013] 对修正后的梯度图像进行分水岭变换，得到图像分割结果。
[0014] 本发明还提供一种基于修正梯度图像和分水岭算法的图像分割系统，包括：
[0015] 梯度图像生成模块，用于获取待分割图像的梯度图像。
[0016] 距离变换模块，用于对待分割图像进行距离变换，获取待分割图像的第一变换图。
[0017] 转换模块，用于对第一变换图进行转换，获取待分割图像的第二变换图。
[0018] 前景标记提取模块，用于根据第一变换图或第二变换图提取待分割图像的前景标 记。
[0019] 背景标记提取模块，用于对第二变换图进行分水岭变换，提取待分割图像的背景 记 D
[0020] 梯度图像修正模块，用于根据前景标记和背景标记，修正梯度图像，以得到修正后 的梯度图像。
[0021] 变换模块，用于对修正后的梯度图像进行分水岭变换，得到图像分割结果。
[0022] 本发明还提供一种基于修正梯度图像和分水岭算法的细胞图像分割方法，包括上 述基于修正梯度图像和分水岭算法的图像分割方法，其中待分割图像为细胞样本图。
[0023] 本发明还提供一种基于修正梯度图像和分水岭算法的细胞图像分割系统，包括上 述基于修正梯度图像和分水岭算法的图像分割系统，其中待分割图像为细胞样本图。
[0024] 上述提供的基于修正梯度图像和分水岭算法的图像分割方法和系统，由于预先通 过距离变换获取的前景标记和分水岭变换获取的背景标记来修正待分割图像的梯度图像， 再对该修正后的梯度图像进行分水岭变换，得到图像分割结果，所以既保留了对梯度图像 进行分水岭变换，能有效定位目标物体边缘，分割出目标物体完整轮廓的优点，又能通过前 景标记和背景标记区分粘连区域无明显边界的目标，使得不会出现欠分割和过分割的现 象，可以很好的适用于目标边缘粘连的图像分割领域，提高了图像分割的精度。在此基础 上，进一步提供的细胞图像分割方法和系统，将该图像分割方法和系统应用到细胞图像分 割中，能很好的分割细胞样本图中粘连、重叠的细胞。
【附图说明】
[0025] 图1为本发明中基于修正梯度图像和分水岭算法的图像分割方法的一个实施例 的流程图；
[0026] 图2为本发明中待分割图像的细胞样本图；
[0027] 图3为本发明中待分割图像的梯度图像；
[0028] 图4为本发明中待分割图像的前景标记图；
[0029] 图5为本发明中待分割图像的背景标记图；
[0030] 图6为本发明中根据前景标记和背景标记修正后的梯度图像；
[0031] 图7为本发明中基于修正梯度图像和分水岭算法的图像分割方法的分割结果图；
[0032] 图8为本发明中实验一的验证结果图；
[0033] 图9为本发明中实验二的验证结果图；
[0034] 图10为本发明中实验三的验证结果图；
[0035] 图11为本发明中基于修正梯度图像和分水岭算法的图像分割方法的一个实施例 的子流程图；
[0036] 图12为本发明中基于修正梯度图像和分水岭算法的图像分割方法的一个实施例 的子流程图；
[0037] 图13为本发明中待分割图像的距离变换图；
[0038] 图14为本发明中待分割图像的距离地形图；
[0039] 图15为本发明中基于修正梯度图像和分水岭算法的图像分割方法的一个实施例 的子流程图；
[0040] 图16为本发明中结合前景标记和背景标记的标记图；
[0041] 图17为本发明中基于修正梯度图像和分水岭算法的图像分割系统的一个实施例 的结构图；
[0042] 图18为本发明中基于修正梯度图像和分水岭算法的图像分割系统的一个实施例 的子结构图；
[0043] 图19为本发明中基于修正梯度图像和分水岭算法的图像分割系统的一个实施例 的子结构图；
[0044] 图20为本发明中基于修正梯度图像和分水岭算法的图像分割系统的一个实施例 的子结构图。
【具体实施方式】
[0045] 如图1所示，显示了本发明一实施例，一种基于修正梯度图像和分水岭算法的图 像分割方法，包括步骤：
[0046] SlOO :获取待分割图像的梯度图像。
[0047] S200 :对待分割图像进行距离变换，获取待分割图像的第一变换图。
[0048] S300 :对第一变换图进行转换，获取待分割图像的第二变换图。
[0049] S400 :根据第一变换图或第二变换图提取待分割图像的前景标记。
[0050] S500 :对第二变换图进行分水岭变换，提取待分割图像的背景标记。
[0051] S600 :根据前景标记和背景标记，修正梯度图像，以得到修正后的梯度图像。
[0052] S700 :对修正后的梯度图像进行分水岭变换，得到图像分割结果。
[0053] 具体的，以图2所示的，在血细胞样本中截取的320*320像素大小的细胞样本图为 例，该图像中包含了背景、单个白细胞、红细胞、血小板，以及粘连的红细胞和血小板。由于， 医学分析需要对图像中的各类细胞分类计数，所以要将图像分割，提取每个目标的边缘，但 是目标的边缘往往是梯度变化明显的区域，所以采用梯度图像进行分割。而且，分水岭变换 与图像本身的相关性不大，而与图像的梯度有很大的关系，所以将梯度图像作为分水岭变 换的直接处理对象，能较好地反映图像的灰度变化，得到比直接对原始图像处理更好的分 割结果。因此，步骤S100,首先获取待分割图像的梯度图像，如图3所示。
[0054] 但是，尽管对梯度图像进行分水岭变换，能有效定位目标物体的边缘，很好的分割 出目标物体的完整轮廓，然而无法分割粘连区域无明显边界的目标，如图3中间部分所示。 所以，步骤S200,对待分割图像进行距离变换，获取待分割图像的第一变换图。再由步骤 S300,对第一变换图进行转换，获取待分割图像的第二变换图。进而，步骤S400,根据第一变 换图或第二变换图提取待分割图像中对应单个细胞的前景标记，如图4所示。步骤S500， 对第二变换图进行分水岭变换，提取分布在整个图像的背景上的背景标记，如图5所示。步 骤 S600,再根据前景标记和背景标记，修正梯度图像（图3)至修正后的梯度图像，如图6所 示。最后，步骤S700,对修正后的梯度图像进行分水岭变换，得到图像分割结果，如图7所 示。由图7可