專利名稱：一種角毛藻顯微圖像細(xì)胞目標(biāo)提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及浮游植物細(xì)胞目標(biāo)提取方法技術(shù)領(lǐng)域，特別涉及一種角毛藻顯微圖像細(xì)胞目標(biāo)提取方法。

背景技術(shù)：
角毛藻屬是硅藻門中心綱盒形藻目角毛藻科下的屬，是硅藻門下較大的屬之一，其屬下包含了大量種類的中國(guó)海常見浮游植物，且部分種類屬于中國(guó)海常見有害赤潮藻種。
角毛藻細(xì)胞在殼面頂軸兩端各生一細(xì)長(zhǎng)的角毛，其斷面大多為圓形。亦有四角形或多角形等。角毛的表面常有橫裂點(diǎn)紋，及螺旋排列的實(shí)心小刺。少數(shù)種細(xì)胞單獨(dú)生活，大部分種相鄰細(xì)胞的相近角毛交接，聯(lián)成直的、彎的或螺旋狀的鏈狀群體。鏈兩端細(xì)胞的端角毛生出的位置不同，有的種鏈兩端角毛伸出的位置也不同，它們向鏈外伸出的方向不同。
一直以來，生物外形是生物學(xué)家對(duì)生物進(jìn)行分類的最重要，也是最基本的手段，而對(duì)角毛藻而言，角毛的形態(tài)、生長(zhǎng)位置、伸出方向，色素體的形態(tài)、數(shù)量及其在細(xì)胞內(nèi)的分布等都是角毛藻鑒定的重要依據(jù)，因此，從角毛藻顯微圖像中精確地提取目標(biāo)細(xì)胞(尤其是角毛特征)就成為藻類鑒定和研究工作中重要的一步，而且還可以大幅度降低對(duì)角毛藻自動(dòng)分類識(shí)別工作的技術(shù)要求，提高效率和識(shí)別準(zhǔn)確率。


發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題在于，提供一種角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，以此為角毛藻的自動(dòng)化鑒定提供一種手段，為后續(xù)的特征提取、分類和計(jì)數(shù)等工作打好基礎(chǔ)，可以比較精確的提取角毛藻的角毛特征，為藻類研究者提供有效地指導(dǎo)和幫助。
為解決上述技術(shù)問題，本發(fā)明提供了一種角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，所述方法包含以下步驟 a.將角毛藻原始圖像轉(zhuǎn)換為灰度圖像； b.構(gòu)建灰度圖像方向角模型，計(jì)算灰度曲面的法線方向矢量與三維坐標(biāo)系中三個(gè)坐標(biāo)軸X、Y、Z方向的矢量方向角，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像； c.對(duì)兩幅灰度圖像分別采用增強(qiáng)大津法自動(dòng)閾值二值化后再進(jìn)行邏輯與運(yùn)算； d.對(duì)所得到的二值圖像做雙向?yàn)V波和中值濾波以去掉二值圖像中小的噪聲點(diǎn)； e.進(jìn)行形態(tài)學(xué)膨脹操作以連接目標(biāo)細(xì)胞斷裂的邊緣； f.提取二值圖像的最大輪廓并填充后再進(jìn)行形態(tài)學(xué)腐蝕操作； g.用腐蝕后的二值圖像與原始圖像做邏輯與運(yùn)算，得到細(xì)胞目標(biāo)圖像。
在步驟b中，灰度圖像方向角模型優(yōu)選是將圖像中任意4個(gè)像素點(diǎn)的坐標(biāo)(x，y)及灰度值f(x，y)在三維坐標(biāo)系中確定的4個(gè)點(diǎn)(x，y，f(x，y))構(gòu)成灰度曲面，計(jì)算灰度曲面的法線方向矢量與三維坐標(biāo)系中三個(gè)坐標(biāo)軸X、Y、Z方向的矢量方向角，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像。
在步驟c中，增強(qiáng)大津法優(yōu)選是在運(yùn)用大津法之前做一個(gè)線性拉伸以解決圖像主體部分與背景灰度差較小的問題；選取使類間方差最大和類內(nèi)方差最小的圖像灰度作為最佳閾值。
在步驟d中，對(duì)步驟c所得到的二值圖像優(yōu)選先進(jìn)行雙向?yàn)V波再進(jìn)行中值濾波以去掉二值圖像中小的噪聲點(diǎn)。
在步驟f中，最大輪廓優(yōu)選是指尋找到的輪廓包含的像素?cái)?shù)最多，填充可以是將尋找到的最大輪廓內(nèi)部填充為白色。
在步驟g中，優(yōu)選將腐蝕后的圖像與原始圖像做邏輯與運(yùn)算，提取細(xì)胞圖像的邊緣并保留內(nèi)部紋理等細(xì)胞特征。
所述步驟b優(yōu)選為 對(duì)于一幅圖像I，由任意4個(gè)像素點(diǎn)的坐標(biāo)及灰度值在三維坐標(biāo)系中確定的4個(gè)點(diǎn)構(gòu)成灰度曲面，建立空間直角坐標(biāo)系，令相鄰兩像素點(diǎn)間的距離為1，并將每個(gè)像素點(diǎn)的灰度值除以255，利用空間點(diǎn)坐標(biāo)的概念確定每個(gè)像素點(diǎn)灰度在該坐標(biāo)系下的坐標(biāo)； 設(shè)4個(gè)相鄰像素(i，j)，(i+1，j)，(i，j+1)，(i+1，j+1)在Z軸上的灰度值分別為I(i，j)，I(i+1，j)，I(i，j+1)，I(i+1，j+1)，在空間坐標(biāo)系中A′B′C′、A′C′D′、A′B′D′和B′C′D′為四個(gè)互不重疊的三角形平面； 在A′C′D′平面中，D′C′對(duì)應(yīng)的矢量為fD′C′＝
，A′D′對(duì)應(yīng)的矢量為fA′D′＝[1，0，I(i，j)-I(i+1，j)]，由矢量積的概念，該三角形面的法線方向就是此兩矢量的矢量積，fA′C′D′＝fA′D′×fD′C′； 同樣求出其它三角形平面的法線方向fB′C′D′、fA′B′D′和fA′B′C′，則灰度曲面的法線方向能夠用四個(gè)三角平面的法線方向的均值近似得到，為 fA′B′C′D′＝(fB′C′D′+fA′B′C′+fA′B′D′+fA′C′D′)/4 這就是灰度曲面A′B′C′D′的法線方向矢量； 再利用矢量方向角及方向余弦的概念，得到該法線矢量與X、Y、Z三個(gè)坐標(biāo)軸的夾角分別如下 θx(i，j)＝360°arccos(fA′B′C′D′(1)/abs(fA′B′C′D′))/2π θy(i，j)＝360°arccos(fA′B′C′D′(2)/abs(fA′B′C′D′))/2π θz(i，j)＝360°arccos(fA′B′C′D′(3)/abs(fA′B′C′D′))/2π 即為圖像灰度分別在X、Y、Z三個(gè)方向上的矢量方向角； 對(duì)于每個(gè)方向上得到的夾角值分別進(jìn)行灰度映射處理 最后，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像 所述步驟c優(yōu)選為 令原圖像的灰度級(jí)為X，期望處理后的圖像灰度級(jí)為Y，原始圖像和期望圖像的灰度級(jí)的分布范圍極值分別為Xmax，Xmin和Ymax，Ymin，期望變換前后的圖像對(duì)比度保持線性關(guān)系，即滿足下式 經(jīng)整理線性拉伸的簡(jiǎn)單數(shù)學(xué)表達(dá)式為Y＝aX+b 其中 當(dāng)a＞1時(shí)，Ymax-Ymin＞Xmax-Xmin，則變換后圖像的對(duì)比度增大，視覺感應(yīng)為亮處更亮，暗處更暗；而通過設(shè)置b值，使整幅圖像灰度級(jí)的均值改變相應(yīng)的b值；本發(fā)明中令Ymax＝255，Ymin＝0； 原始灰度圖像的灰度級(jí)為L(zhǎng)灰度級(jí)為i的像素點(diǎn)數(shù)為ni，全部像素為N，歸一化直方圖

閾值t將灰度級(jí)劃分為兩類C0＝(0，1，...，t)和C1＝(t+1，t+2，...L-1) 這兩類的概率分別為 均值為 上式中 方差 類內(nèi)方差為 類間方差為 總體方差為 改變t的值，使類間方差取得最大值時(shí)的t值即為最佳閾值； 用求得的最佳閾值對(duì)灰度圖像進(jìn)行二值化。
本發(fā)明角毛藻顯微圖像細(xì)胞目標(biāo)提取方法能夠從帶有泥沙、殘骸等干擾物的角毛藻顯微圖像中較為精確的提取目標(biāo)細(xì)胞，從而可以大幅度降低對(duì)角毛藻自動(dòng)分類識(shí)別工作的技術(shù)要求，提高效率和識(shí)別準(zhǔn)確率；而且也可以比較精確的提取角毛藻的角毛特征，為藻類研究者提供有效地指導(dǎo)和幫助。



圖1是本發(fā)明角毛藻顯微圖像細(xì)胞目標(biāo)提取方法的流程圖； 圖2為灰度圖像方向角模型示意圖； 圖3為具體實(shí)施例中選取的原始圖像； 圖4為具體實(shí)施例中經(jīng)過轉(zhuǎn)換后的灰度圖像； 圖5為具體實(shí)施例中水平方向角XZ矢量距灰度圖像； 圖6為具體實(shí)施例中垂直方向角YZ矢量距灰度圖像； 圖7為圖5經(jīng)過二值化后的二值圖像； 圖8為圖6經(jīng)過二值化后的二值圖像； 圖9為圖7和圖8邏輯與運(yùn)算后的二值圖像； 圖10為具體實(shí)施例中對(duì)二值圖像做雙向?yàn)V波和中值濾波后的結(jié)果； 圖11為具體實(shí)施例中對(duì)提取到的最大輪廓并填充后再進(jìn)行形態(tài)學(xué)腐蝕的圖像； 圖12為具體實(shí)施例中腐蝕后的二值圖像與原始圖像做邏輯與運(yùn)算后得到的細(xì)胞目標(biāo)圖像。

具體實(shí)施例方式 本發(fā)明角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，所述方法利用計(jì)算機(jī)圖像處理技術(shù)，首先對(duì)角毛藻顯微圖像進(jìn)行灰度變換，然后構(gòu)建灰度圖像方向角模型，得到原始圖像中的目標(biāo)細(xì)胞部分。
下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說明 如圖1所示，為本發(fā)明無(wú)角毛類赤潮藻顯微圖像細(xì)胞目標(biāo)提取方法，所述方法包含以下步驟(1)將角毛藻原始圖像轉(zhuǎn)換為灰度圖像；(2)構(gòu)建灰度圖像方向角模型，計(jì)算灰度曲面的法線方向矢量與三維坐標(biāo)系中三個(gè)坐標(biāo)軸X、Y、Z方向的矢量方向角，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像；(3)對(duì)兩幅灰度圖像分別采用增強(qiáng)大津法自動(dòng)閾值二值化后再進(jìn)行邏輯與運(yùn)算；(4)對(duì)所得到的二值圖像做雙向?yàn)V波和中值濾波以去掉二值圖像中小的噪聲點(diǎn)；(5)進(jìn)行形態(tài)學(xué)膨脹操作以連接目標(biāo)細(xì)胞斷裂的邊緣；(6)提取二值圖像的最大輪廓并填充后再進(jìn)行形態(tài)學(xué)腐蝕操作；(7)用腐蝕后的二值圖像與原始圖像做邏輯與運(yùn)算，得到細(xì)胞目標(biāo)圖像。
在得到原始圖像后，進(jìn)入步驟(1)，將原始圖像轉(zhuǎn)換為灰度圖像，因?yàn)槲⑸镌陬伾喜顒e不大，同時(shí)灰度圖像可以大大減少圖像處理的運(yùn)算量并且更有利于對(duì)圖像進(jìn)行特征的提取等。圖3為原始圖像，圖4為經(jīng)過轉(zhuǎn)換后的灰度圖像。
然后進(jìn)入步驟(2)，構(gòu)建灰度圖像方向角模型，計(jì)算灰度曲面的法線方向矢量與三維坐標(biāo)系中三個(gè)坐標(biāo)軸X、Y、Z方向的矢量方向角，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像。具體的原理如下所述 對(duì)于一幅圖像I，由任意4個(gè)像素點(diǎn)的坐標(biāo)及灰度值在三維坐標(biāo)系中確定的4個(gè)點(diǎn)構(gòu)成灰度曲面，如圖2建立空間直角坐標(biāo)系，令相鄰兩像素點(diǎn)間的距離為1，并將每個(gè)像素點(diǎn)的灰度值除以255，利用空間點(diǎn)坐標(biāo)的概念確定每個(gè)像素點(diǎn)灰度在該坐標(biāo)系下的坐標(biāo)。
設(shè)4個(gè)相鄰像素(i，j)，(i+1，j)，(i，j+1)，(i+1，j+1)在Z軸上的坐標(biāo)(灰度值)分別為I(i，j)，I(i+1，j)，I(i，j+1)，I(i+1，j+1)，因此在空間坐標(biāo)系中A′B′C′、A′C′D′、A′B′D′和B′C′D′四個(gè)互不重疊的三角形平面。
以A′C′D′平面為例，D′C′對(duì)應(yīng)的矢量為fD′C′＝
，A′D′對(duì)應(yīng)的矢量為fA′D′＝[1，0，I(i，j)-I(i+1，j)]，由矢量積的概念，該三角形面的法線方向就是此兩矢量的矢量積，fA′C′D′＝fA′D′×fD′C′。
同理，可求出其它三角形平面的法線方向fB′C′D′、fA′B′D′和fA′B′C′，則灰度曲面的法線方向可以用四個(gè)三角平面的法線方向的均值近似得到，即為 fA′B′C′D′＝(fB′C′D′+fA′B′C′+fA′B′D′+fA′C′D′)/4 這也就是灰度曲面A′B′C′D′的法線方向矢量。
再利用矢量方向角及方向余弦的概念，得到該法線矢量與X、Y、Z三個(gè)坐標(biāo)軸的夾角分別如下 θx(i，j)＝360°arccos(fA′B′C′D′(1)/abs(fA′B′C′D′))/2π θy(i，j)＝360°arccos(fA′B′C′D′(2)/abs(fA′B′C′D′))/2π θz(i，j)＝360°arccos(fA′B′C′D′(3)/abs(fA′B′C′D′))/2π 即為圖像灰度分別在X、Y、Z三個(gè)方向上的矢量方向角。對(duì)于每個(gè)方向上得到的夾角值分別進(jìn)行灰度映射處理 最后，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像 圖5為水平方向角XZ矢量距灰度圖像，圖6為垂直方向角YZ矢量距灰度圖像。
接著進(jìn)入步驟(3)，對(duì)兩幅灰度圖像分別采用增強(qiáng)大津法自動(dòng)閾值二值化后再進(jìn)行邏輯與運(yùn)算。增強(qiáng)大津法是在運(yùn)用大津法之前做一個(gè)線性拉伸以解決圖像主體部分與背景灰度差較小的問題，具體的原理如下所述 若原圖像的灰度級(jí)為X，期望處理后的圖像灰度級(jí)為Y，原始圖像和期望圖像的灰度級(jí)的分布范圍極值分別為Xmax，Xmin和Ymax，Ymin，我們期望變換前后的圖像對(duì)比度保持線性關(guān)系，即滿足下式 經(jīng)整理線性拉伸的簡(jiǎn)單數(shù)學(xué)表達(dá)式為Y＝aX+b 其中 當(dāng)a＞1時(shí)，Ymax-Ymin＞Xmax-Xmin，則變換后圖像的對(duì)比度增大，視覺感應(yīng)為亮處更亮，暗處更暗；而通過設(shè)置b值，可以使整幅圖像灰度級(jí)的均值改變相應(yīng)的b值。本發(fā)明中令Ymax＝255，Ymin＝0。
大津法依據(jù)的原理是利用類別方差作為判據(jù)，選取使類間方差最大和類內(nèi)方差最小的圖像灰度值作為最佳閾值。大津法可作如下理解因方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使類間方差最大的分割意味著錯(cuò)分概率最小。
原始灰度圖像的灰度級(jí)為L(zhǎng)灰度級(jí)為i的像素點(diǎn)數(shù)為ni，全部像素為N，歸一化直方圖

閾值t將灰度級(jí)劃分為兩類C0＝(0，1，...，t)和C1＝(t+1，t+2，...L-1) 這兩類的概率分別為 均值為 上式中 方差 類內(nèi)方差為 類間方差為 總體方差為 改變t的值，使類間方差取得最大值時(shí)的t值即為最佳閾值。用求得的最佳閾值對(duì)灰度圖像進(jìn)行二值化。
圖7、圖8是利用步驟(3)中的增強(qiáng)大津法方法選取的閾值對(duì)灰度圖像進(jìn)行二值化的結(jié)果。
圖9為圖7和圖8邏輯與運(yùn)算后的二值圖像。
在得到二值圖像之后，進(jìn)入步驟(4)，對(duì)所得到的二值圖像分別采用3×3的掩模做雙向?yàn)V波和中值濾波以去掉二值圖像中小的噪聲點(diǎn)。
圖10為對(duì)二值圖像做雙向?yàn)V波和中值濾波后的結(jié)果。
之后進(jìn)入步驟(5)，進(jìn)行形態(tài)學(xué)膨脹以連接目標(biāo)細(xì)胞斷裂的邊緣。
然后進(jìn)入步驟(6)，提取二值圖像的最大輪廓并填充后再進(jìn)行形態(tài)學(xué)腐蝕操作。本步驟中說的最大輪廓是指所包含的像素點(diǎn)數(shù)最多的輪廓，在找到最大輪廓后將最大輪廓內(nèi)部填充為白色。圖11為對(duì)提取到的最大輪廓并填充后再進(jìn)行形態(tài)學(xué)腐蝕的圖像。
最后進(jìn)入步驟(7)，將步驟(6)得到的二值圖像與原始圖像做邏輯與運(yùn)算，提取到角毛藻顯微圖像細(xì)胞的邊緣并保留了內(nèi)部紋理等細(xì)胞特征，得到細(xì)胞目標(biāo)圖像。
圖12為最終得到的細(xì)胞目標(biāo)圖像。
所有上述為這一知識(shí)產(chǎn)權(quán)的首要實(shí)施系統(tǒng)，并沒有設(shè)定限制以其他形式實(shí)施這種新系統(tǒng)。本領(lǐng)域技術(shù)人員將利用這一重要信息，對(duì)上述內(nèi)容修改，以實(shí)現(xiàn)類似的執(zhí)行情況。但是，所有基于本發(fā)明的修改或改造新方法，屬于保留的權(quán)利。
以上所述，僅是本發(fā)明的較佳實(shí)施例而已，并非是對(duì)本發(fā)明作其它形式的限制，任何熟悉本專業(yè)的技術(shù)人員可能利用上述揭示的技術(shù)內(nèi)容加以變更或改型為等同變化的等效實(shí)施例。但是凡是未脫離本發(fā)明技術(shù)方案內(nèi)容，依據(jù)本發(fā)明的技術(shù)實(shí)質(zhì)對(duì)以上實(shí)例所作的任何簡(jiǎn)單修改、等同變化與改型，仍屬于本發(fā)明技術(shù)方案的保護(hù)范圍。
權(quán)利要求
1.一種角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，包括以下步驟
a.將角毛藻原始圖像轉(zhuǎn)換為灰度圖像；
b.構(gòu)建灰度圖像方向角模型，分別構(gòu)成兩幅灰度圖像；
c.對(duì)兩幅灰度圖像分別采用增強(qiáng)大津法自動(dòng)閾值二值化后再進(jìn)行邏輯與運(yùn)算；
d.對(duì)所得到的二值圖像做雙向?yàn)V波和中值濾波以去掉二值圖像中小的噪聲點(diǎn)；
e.進(jìn)行形態(tài)學(xué)膨脹操作以連接目標(biāo)細(xì)胞斷裂的邊緣；
f.提取二值圖像的最大輪廓并填充后再進(jìn)行形態(tài)學(xué)腐蝕操作；
g.用腐蝕后的二值圖像與原始圖像做邏輯與運(yùn)算，得到細(xì)胞目標(biāo)圖像。
2.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，在步驟b中，構(gòu)建灰度圖像方向角模型，計(jì)算灰度曲面的法線方向矢量與三維坐標(biāo)系中三個(gè)坐標(biāo)軸X、Y、Z方向的矢量方向角，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像。
3.根據(jù)權(quán)利要求2所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，在步驟b中灰度圖像方向角模型是將圖像中任意4個(gè)像素點(diǎn)的坐標(biāo)(x，y)及灰度值f(x，y)在三維坐標(biāo)系中確定的4個(gè)點(diǎn)(x，y，f(x，y))構(gòu)成灰度曲面，計(jì)算灰度曲面的法線方向矢量與三維坐標(biāo)系中三個(gè)坐標(biāo)軸X、Y、Z方向的矢量方向角，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像。
4.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，在步驟c中增強(qiáng)大津法是在運(yùn)用大津法之前做一個(gè)線性拉伸，用于解決圖像主體部分與背景灰度差較小的問題。
5.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，在步驟c中選取使類間方差最大和類內(nèi)方差最小的圖像灰度作為最佳閾值。
6.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，在步驟d中，對(duì)步驟c所得到的二值圖像先進(jìn)行雙向?yàn)V波，再進(jìn)行中值濾波，用于去掉二值圖像中小的噪聲點(diǎn)。
7.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，在步驟f中最大輪廓是指尋找到的輪廓包含的像素?cái)?shù)最多；填充是指將尋找到的最大輪廓內(nèi)部填充為白色。
8.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，在步驟g中，將腐蝕后的圖像與原始圖像做邏輯與運(yùn)算，提取細(xì)胞圖像的邊緣并保留內(nèi)部紋理。
9.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，所述步驟b為
對(duì)于一幅圖像I，由任意4個(gè)像素點(diǎn)的坐標(biāo)及灰度值在三維坐標(biāo)系中確定的4個(gè)點(diǎn)構(gòu)成灰度曲面，建立空間直角坐標(biāo)系，令相鄰兩像素點(diǎn)間的距離為1，并將每個(gè)像素點(diǎn)的灰度值除以255，利用空間點(diǎn)坐標(biāo)的概念確定每個(gè)像素點(diǎn)灰度在該坐標(biāo)系下的坐標(biāo)；
設(shè)4個(gè)相鄰像素(i，j)，(i+1，j)，(i，j+1)，(i+1，j+1)在Z軸上的灰度值分別為I(i，j)，I(i+1，j)，I(i，j+1)，I(i+1，j+1)，在空間坐標(biāo)系中A′B′C′、A′C′D′、A′B′D′和B′C′D′為四個(gè)互不重疊的三角形平面；
在A′C′D′平面中，D′C′對(duì)應(yīng)的矢量為fD′C′＝
，A′D′對(duì)應(yīng)的矢量為fA′D′＝[1，0，I(i，j)-I(i+1，j)]，由矢量積的概念，該三角形面的法線方向就是此兩矢量的矢量積，fA′C′D′＝fA′D′×fD′C′；
同樣求出其它三角形平面的法線方向fB′C′D′、fA′B′D′和fA′B′C′，則灰度曲面的法線方向能夠用四個(gè)三角平面的法線方向的均值近似得到，為
fA′B′C′D′＝(fB′C′D′+fA′B′C′+fA′B′D′+fA′C′D′)/4
這就是灰度曲面A′B′C′D′的法線方向矢量；
再利用矢量方向角及方向余弦的概念，得到該法線矢量與X、Y、Z三個(gè)坐標(biāo)軸的夾角分別如下
θx(i，j)＝360°arccos(fA′B′C′D′(1)/abs(fA′B′C′D′))/2π
θy(i，j)＝360°arccos(fA′B′C′D′(2)/abs(fA′B′C′D′))/2π
θz(i，j)＝360°arccos(fA′B′C′D′(3)/abs(fA′B′C′D′))/2π
即為圖像灰度分別在X、Y、Z三個(gè)方向上的矢量方向角；
對(duì)于每個(gè)方向上得到的夾角值分別進(jìn)行灰度映射處理
最后，再利用水平(X)方向角和垂直(Y)方向角在XZ和YZ平面的矢量距作為灰度值分別構(gòu)成兩幅灰度圖像
10.根據(jù)權(quán)利要求1所述角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，其特征在于，所述步驟c為
令原圖像的灰度級(jí)為X，期望處理后的圖像灰度級(jí)為Y，原始圖像和期望圖像的灰度級(jí)的分布范圍極值分別為Xmax，Xmin和Ymax，Ymin，期望變換前后的圖像對(duì)比度保持線性關(guān)系，即滿足下式
經(jīng)整理線性拉伸的簡(jiǎn)單數(shù)學(xué)表達(dá)式為Y＝aX+b
其中
當(dāng)a＞1時(shí)，Ymax-Ymin＞Xmax-Xmin，則變換后圖像的對(duì)比度增大，視覺感應(yīng)為亮處更亮，暗處更暗；而通過設(shè)置b值，使整幅圖像灰度級(jí)的均值改變相應(yīng)的b值；本發(fā)明中令Ymax＝255，Ymin＝0；
原始灰度圖像的灰度級(jí)為L(zhǎng)灰度級(jí)為i的像素點(diǎn)數(shù)為ni，全部像素為N，歸一化直方圖
閾值t將灰度級(jí)劃分為兩類C0＝(0，1，...，t)和C1＝(t+1，t+2，...L-1)這兩類的概率分別為
均值為
上式中
方差
類內(nèi)方差為
類間方差為
總體方差為
改變t的值，使類間方差取得最大值時(shí)的t值即為最佳閾值；
用求得的最佳閾值對(duì)灰度圖像進(jìn)行二值化。
全文摘要
本發(fā)明提供一種角毛藻顯微圖像細(xì)胞目標(biāo)提取方法，包括以下步驟a.將角毛藻原始圖像轉(zhuǎn)換為灰度圖像；b.構(gòu)建灰度圖像方向角模型，分別構(gòu)成兩幅灰度圖像；c.對(duì)兩幅灰度圖像分別采用增強(qiáng)大津法自動(dòng)閾值二值化后再進(jìn)行邏輯與運(yùn)算；d.對(duì)所得到的二值圖像做雙向?yàn)V波和中值濾波以去掉二值圖像中小的噪聲點(diǎn)；e.進(jìn)行形態(tài)學(xué)膨脹操作以連接目標(biāo)細(xì)胞斷裂的邊緣；f.提取二值圖像的最大輪廓并填充后再進(jìn)行形態(tài)學(xué)腐蝕操作；g.用腐蝕后的二值圖像與原始圖像做邏輯與運(yùn)算，得到細(xì)胞目標(biāo)圖像。本發(fā)明方法能夠從帶有泥沙、殘骸等干擾物的角毛藻顯微圖像中較為精確的提取目標(biāo)細(xì)胞，提高效率和識(shí)別準(zhǔn)確率。
文檔編號(hào)C12R1/89GK101777122SQ20101011560
公開日2010年7月14日 申請(qǐng)日期2010年3月2日 優(yōu)先權(quán)日2010年3月2日
發(fā)明者姬光榮, 鄭海永, 張 浩, 王國(guó)宇, 于志剛 申請(qǐng)人:中國(guó)海洋大學(xué)