專利名稱：一種白細(xì)胞圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及正常人外周血白細(xì)胞圖像細(xì)胞識別技術(shù)，尤其是涉及含細(xì)胞和背景雜 質(zhì)較多的非標(biāo)準(zhǔn)染色的正常人外周血粘連白細(xì)胞圖像自動分離的一種方法。
背景技術(shù)：
血細(xì)胞圖像分割與分類識別是近年來醫(yī)學(xué)成像分析技術(shù)與應(yīng)用研究的熱門課題 之一。該項技術(shù)研究的目的是利用計算機(jī)模擬人類血檢專家視覺分析的過程，自動提取和 計算細(xì)胞的各種形態(tài)參數(shù)，并進(jìn)而對細(xì)胞進(jìn)行分類分析，提高醫(yī)學(xué)成像分析應(yīng)用的精確性、 魯棒性、智能性和實時性，以滿足血常規(guī)檢查的高效率智能化和自動化應(yīng)用的需要。只有快 速而精確的分割才能實現(xiàn)后續(xù)分類識別，保證整個血細(xì)胞分類儀的實時性和精確性。然而 由于血常規(guī)檢查實際應(yīng)用過程中血液涂片厚度、密度的不均勻性以及成像條件與噪聲水平 的差異變化，引起了血細(xì)胞圖像經(jīng)常會出現(xiàn)粘貼、重疊和模糊不清等現(xiàn)象，因而嚴(yán)重地影響 了細(xì)胞的提取與分類識別。目前，典型的粘連細(xì)胞自動分離算法主要包括分水嶺算法、區(qū)域 增長算法、基于邊界凹點的算法和基于類圓分割的算法等。其特點描述如下
1)形態(tài)學(xué)分水嶺算法(流域算法)
形態(tài)學(xué)分水嶺算法是針對二值圖像的分割算法。主要利用形態(tài)學(xué)特征分割圖像。 其基本思想是基于局部極小值和積水盆。水平面從局部極小值處上漲，在水平面從低到高 浸沒地形的過程中，每個積水盆被筑起的“壩”所包圍，這些壩用來隔斷不同的積水盆。當(dāng) 地形完全浸沒到水中后，這些壩就構(gòu)成了分水嶺。
缺點由于種子點的選取是通過連續(xù)腐蝕或者通過先做距離變換再通過某個域值 選取，對微弱邊緣很敏感。因此，該算法一方面對微弱邊緣響應(yīng)良好，一方面極易受噪聲影 響。該算法需要先根據(jù)距離最大值或者連續(xù)腐蝕得到種子點，但當(dāng)大的白細(xì)胞與紅細(xì)胞相 連時或白細(xì)胞形狀不規(guī)則時，細(xì)胞內(nèi)部可能出現(xiàn)兩個標(biāo)識為區(qū)域最大值的點，此時需根據(jù) 其區(qū)域最大值和兩個點之間的距離判斷是否進(jìn)行區(qū)域合并，以確保一個白細(xì)胞只標(biāo)識出一 個區(qū)域最大值。難于提取種子點，會出現(xiàn)過分割和誤分割的情況，另外在建造水壩的過程 中，需要迭代膨脹，計算量較大。
2)區(qū)域增長方法
區(qū)域增長方法也稱區(qū)域擴(kuò)張法，是針對灰度或者彩色圖像的分割算法。主要利用 了灰度或者彩色的相似性分割圖像。其基本思想是，把圖像分割成若干小區(qū)域，比較相鄰 小區(qū)域特征的相似性，將具有相似性質(zhì)的區(qū)域(或者單個像素)合并起來構(gòu)成新的區(qū)域。以 此方式不斷合并，直到不能合并為止，最后形成特征不同的各個區(qū)域。該方法需要先選取一 個種子點，然后依次將種了像素周圍的相似像素合井到種子像素所在的區(qū)域中。
缺點區(qū)域合并的規(guī)則難以確定，可能導(dǎo)致過分割。由于僅利用了灰度信息，沒有 利用形狀信息，對于灰度相近的兩個物體，比如兩個粘連的細(xì)胞，難以分割。
3)基于邊界凹點的算法
基本思想是首先進(jìn)行細(xì)胞的多邊形近似，順序找出邊緣點來跟蹤邊界，查找到細(xì)胞輪廓的凹點，然后對凹點進(jìn)行配對連接，實現(xiàn)細(xì)胞分離。算法基于“當(dāng)兩個細(xì)胞粘連時， 圖像的近似多邊形中應(yīng)當(dāng)會出現(xiàn)一對凹陷點”的假設(shè)，并優(yōu)先考慮具有較大的凹陷度的點。 單個凹陷度很大的凹陷點也構(gòu)成分解的依據(jù)。
缺點由于凹陷點的選擇基于輪廓，改算法對輪廓上的毛刺和噪聲極為敏感。另 外由于最后需要對凹陷點配對，而配對算法往往難以保證是最優(yōu)的分割，因而很容易導(dǎo)致 分割錯誤，有可能分解一個完整的細(xì)胞。實際處理中對象粘連各異，凹點的配對復(fù)雜，因而 存在凹點不能精確求取，凹點配對困難，分離點集或分離曲線難于查找等問題。對于某些圖 像，由于細(xì)胞大小不一，聚堆形態(tài)各異，很多聚堆細(xì)胞在連接處并沒有明顯的凹陷特性，難 以分割。
4)基于類圓分割的算法
L. V. Guimaraes提出的算法基于“所有的血細(xì)胞都是圓形”這一假設(shè)。在血細(xì)胞 圖像的分當(dāng)圖像明顯違反圓形假設(shè)時就是需要分解的圖像。取圖像輪廓上距離最遠(yuǎn)的兩點 a，b其連線為近似圓形的直徑，其長度的一半為外接圓半徑，中點為外接圓圓心，分別在a， b兩側(cè)上找到距離圓心最近的點，其連線即細(xì)胞分割線。如果該分割線滿足接受準(zhǔn)則，則用 該線分割圖像，并繼續(xù)遞歸分解，否則認(rèn)為該圖像已經(jīng)是圓形的了，停止分割。
缺點實際情況的細(xì)胞往往不是圓形，紅細(xì)胞都是空心，單核細(xì)胞常有空泡，都會 導(dǎo)致分割錯誤；另外，白細(xì)胞和雜質(zhì)粘連的情況也不滿足類圓分割。
若白細(xì)胞圖片雜質(zhì)增多、光照不均勻，以上算法就不能很好地在保證白細(xì)胞形態(tài) 完整的前提下實現(xiàn)白細(xì)胞和雜質(zhì)之間的分割；若白細(xì)胞圖片容量增大、一幅圖片包含幾十 個白細(xì)胞，以上算法速度會急劇變慢；若粘連的細(xì)胞大小差異較大，以上算法同樣不能完全 實現(xiàn)細(xì)胞問的形態(tài)分割，因此都不能很好的滿足白細(xì)胞識別實時性和準(zhǔn)確性的需要。發(fā)明內(nèi)容
本發(fā)明提出一種白細(xì)胞圖像分割方法，結(jié)合人眼識別白細(xì)胞過程，根據(jù)人眼視覺 顯著性注意機(jī)制，提出基于序貫特征顯著性的血細(xì)胞分割方法，將目標(biāo)識別過程分成感興 趣區(qū)域定位和感興趣精細(xì)分割兩個子過程。本發(fā)明用于實現(xiàn)快速白細(xì)胞分割，尤其是非標(biāo) 準(zhǔn)染色、包含粘連細(xì)胞的大容量圖片的精確分割。
本發(fā)明提出的技術(shù)方案如下
一種白細(xì)胞圖像分割方法，結(jié)合人眼識別白細(xì)胞過程，根據(jù)人眼視覺顯著性注意 機(jī)制，包括以下幾個步驟
步驟一、初始感興趣區(qū)域提取
1.將染色白細(xì)胞彩色圖像的綠色分量圖作為輸入圖像，對其進(jìn)行降分辨率處理， 再統(tǒng)計處理后的圖像的直方圖。
2.根據(jù)所述直方圖獲取閾值，用該閾值對輸入圖像二值化得到初始感興趣區(qū)域。
步驟二、細(xì)胞自適應(yīng)顯著窗口獲取
1.標(biāo)記感興趣區(qū)域首先，剔除初始感興趣區(qū)域中的過大過小區(qū)域，再對余下區(qū) 域(即感興趣區(qū)域)進(jìn)行標(biāo)號，不同的連通區(qū)域的標(biāo)號按照位置依次遞增；
2.對標(biāo)記后的感興趣區(qū)域進(jìn)行分類，分為候選感興趣區(qū)域，可能感興趣區(qū)域和非 感興趣區(qū)域；
3.再對分類后的每個區(qū)域進(jìn)行膨脹，檢測每個候選感興趣膨脹區(qū)域或可能感興趣 區(qū)域(稱之為檢測區(qū)域)和與之相鄰的被檢測區(qū)域(被檢測區(qū)域為可能感興趣區(qū)域和/或 非感興趣區(qū)域)之間是否重疊，如果有重疊，被檢測區(qū)域的原始區(qū)域的標(biāo)號改為與其重疊 的候選感興趣膨脹區(qū)域的原始區(qū)域的標(biāo)號，使兩區(qū)域合并；合并后區(qū)域歸屬為同一細(xì)胞。
4.對經(jīng)上述步驟處理后的同一標(biāo)號區(qū)域，以與之相切的最小矩形的中心點為中 心，以預(yù)定值為邊長的正方形，作為每個細(xì)胞的自適應(yīng)顯著窗口。
步驟三、自適應(yīng)顯著窗口內(nèi)細(xì)胞精細(xì)分割
1.獲取每個細(xì)胞的自適應(yīng)顯著窗口中的精確細(xì)胞核區(qū)域和初始細(xì)胞漿區(qū)域；
2.通過倒角距離變換和區(qū)域生長獲取自適應(yīng)顯著窗口內(nèi)的種子區(qū)域；
3.對種子區(qū)域擴(kuò)展邊界獲取自適應(yīng)顯著窗口中的精確細(xì)胞漿區(qū)域。
本發(fā)明模擬人眼視覺顯著性注意機(jī)制，按照特征的顯著性順序依次提取圖像的感 興趣部分。由于細(xì)胞的特性非常復(fù)雜而豐富，單一的根據(jù)某種特征分割的方法不能可靠而 準(zhǔn)確地分割細(xì)胞，因此，在細(xì)胞檢測與識別應(yīng)用中必須利用細(xì)胞的多種特性。本發(fā)明采用基 于目標(biāo)顯著性特征分析的序貫?zāi)繕?biāo)檢測與分割方法，它是以顯著性度量來分層次地組織和 表達(dá)目標(biāo)特征，不僅符合人類視覺注意機(jī)制的原理，還可以大幅度地降低細(xì)胞檢測與分割 計算的復(fù)雜性，即使是非標(biāo)準(zhǔn)染色的大容量圖片也能滿足一定的實時性，同時，保證了細(xì)胞 分割的精確性，準(zhǔn)確將細(xì)胞和雜質(zhì)分開并實現(xiàn)粘連細(xì)胞之間的分割，對光照不均勻和背景 雜質(zhì)較多的圖片同樣適用。
具體實施方式
下面結(jié)合具體實施例對本發(fā)明作進(jìn)一步詳細(xì)說明。
一種白細(xì)胞圖像分割方法，包括如下步驟
(一 )初始感興趣區(qū)域(ROI)提取
①將染色白細(xì)胞彩色圖像的綠色分量圖作為輸入圖像。
②輸入圖像降分辨率。
分辨率的降低倍數(shù)dRate的大小取決于圖像中最小細(xì)胞的長寬的中值cellSize， 本例中，dRate = Round(cellSize/10)，Round()為取整函數(shù)。
③統(tǒng)計降分辨率后的輸入圖像的直方圖。
④獲取直方圖第η個像素所在的灰度級Hmax ；
η = pRateX (輸入圖像長/cKate) X (輸入圖像寬/cKate)，pfeite為細(xì)胞像素約 占整個輸入圖像像素的比值，可由先驗知識得到。
⑤在灰度值0和Hmax之間尋找直方圖的波谷H ；
⑥以波谷H為閾值對彩色圖像的綠色分量圖像二值化，得到初始ROI ；
(二)獲取細(xì)胞自適應(yīng)顯著窗口
①標(biāo)記ROI 剔除過大和過小的初始R0I，再對余下區(qū)域(即R0I)進(jìn)行標(biāo)號，不 同的連通區(qū)域標(biāo)號按位置遞增排列，獲得標(biāo)號數(shù)。過大和過小區(qū)域指分別大于一第一尺寸 和小于一第二尺寸的區(qū)域，可以由先驗知識得到，本實施例中，第一尺寸設(shè)定為cellSize， 第二尺寸設(shè)定為O.OlXcellSize，即小于0. 01 XcellSize的連通區(qū)域為過小區(qū)域，大于 cellSize的區(qū)域為過大區(qū)域。統(tǒng)計區(qū)域個數(shù)，計算平均區(qū)域大小。大于平均區(qū)域大小的標(biāo)記為候選ROI (AROI)，小于平均區(qū)域大小的十分之一的標(biāo)記為非ROI (CROI)，其余標(biāo)記為可 能 ROI(BROI)。
②對所有ROI進(jìn)行膨脹，檢測每個AROI或BROI膨脹區(qū)域(即檢測區(qū)域)和相鄰 的被檢測區(qū)域(包括BROI膨脹區(qū)域和/或CROI膨脹區(qū)域)之間是否有重疊，如有重疊，則 重疊的被檢測區(qū)域的標(biāo)號改為檢測區(qū)域的標(biāo)號，直至所有ROI被檢測。對標(biāo)號重新從1開 始遞增排序，最大標(biāo)號即為自適應(yīng)顯著窗口數(shù)，得到細(xì)胞定位標(biāo)記圖，每個ROI即為標(biāo)號區(qū) 域。
③每個相同標(biāo)號的區(qū)域(可能包含多個連通區(qū)域)尋找與該不規(guī)則區(qū)域相切的 邊長為水平或豎直方向的矩形區(qū)域(即能包含標(biāo)號區(qū)域的最小矩形，其邊長方向為水平和 豎直)，得到矩形的長和寬，以矩形的中心點為中心獲取邊長為cellSiZeX2+l的正方形區(qū) 域。由此得到一組細(xì)胞自適應(yīng)顯著窗口。
(三)獲取自適應(yīng)顯著窗口中的精確細(xì)胞區(qū)域
①獲取自適應(yīng)顯著窗口中的精確細(xì)胞核區(qū)域和初始細(xì)胞漿區(qū)域
對每個自適應(yīng)顯著窗口提取彩色信息并標(biāo)記標(biāo)號區(qū)域。對每個窗口的綠色分量標(biāo) 號圖用Otsu雙閾值法得到細(xì)胞核和細(xì)胞漿的閾值以及細(xì)胞漿和背景的閾值，同時將對應(yīng) 的像素點歸為細(xì)胞核、細(xì)胞漿和背景三個類別。對細(xì)胞漿區(qū)域做孔洞填充，即如果細(xì)胞漿內(nèi) 部區(qū)域含有背景點，則將此類背景點轉(zhuǎn)為細(xì)胞漿點。
②獲取自適應(yīng)窗口內(nèi)種子區(qū)域
a.對每個自適應(yīng)顯著窗口的細(xì)胞區(qū)域(上述步驟獲得的精確細(xì)胞核區(qū)域和初始 細(xì)胞漿區(qū)域)做距離變換，本例中，距離變換方法采用3X3模板的倒角距離變換。找到每 個細(xì)胞區(qū)域的最大距離點(每個區(qū)域可能不止一個)并獲取最大距離。
b.對每個最大距離點用半徑為最大距離的四分之一的圓膨脹，得到該細(xì)胞區(qū)域內(nèi) 且形狀近似于該細(xì)胞外形的種子區(qū)域。
③獲取自適應(yīng)顯著窗口中的精確細(xì)胞漿區(qū)域
a.提取種子區(qū)域的輪廓作為初始邊界，并計算邊界長度；
b.搜索當(dāng)前邊界上每個點的相鄰點，如果相鄰點在細(xì)胞區(qū)域內(nèi)則標(biāo)記為外圍邊界點。
c.每個當(dāng)前邊界點的相鄰點搜索完畢后，如果外圍邊界不是臨時邊界，且長度不 小于當(dāng)前邊界長度的三分之一或者外圍邊界包含細(xì)胞核區(qū)域，則外圍邊界標(biāo)記為當(dāng)前邊 界，返回執(zhí)行步驟b ；否則執(zhí)行步驟d。
d.如果沒有臨時邊界，當(dāng)前外圍邊界標(biāo)記為臨時邊界并作為當(dāng)前邊界，返回步驟 b。如果存在臨時邊界，且當(dāng)前邊界的長度大于臨時邊界，則刪除臨時邊界和當(dāng)前邊界，執(zhí)行 步驟e;如果當(dāng)前邊界長度小于臨時邊界，則刪除臨時邊界，返回步驟b。
e.停止擴(kuò)展邊界。此時所有邊界區(qū)域和原始種子區(qū)域共同構(gòu)成精確細(xì)胞區(qū)域。除 去標(biāo)記過的精確細(xì)胞核區(qū)域，其余為精確的細(xì)胞漿區(qū)域。
至此獲取了彩色細(xì)胞圖像中每個細(xì)胞的精確細(xì)胞核區(qū)域和漿區(qū)域，完成白細(xì)胞粘 連圖像分割的所有步驟。
權(quán)利要求
1.一種白細(xì)胞圖像分割方法，用于對可能包含粘連細(xì)胞的白細(xì)胞圖像進(jìn)行分割，該方 法包括以下幾個步驟步驟一、初始感興趣區(qū)域提取(1.1)將染色白細(xì)胞彩色圖像的綠色分量圖作為輸入圖像，對其進(jìn)行降分辨率處理，再 統(tǒng)計處理后的圖像的直方圖；(1. 2)根據(jù)所述直方圖獲取閾值，用該閾值對輸入圖像二值化得到初始感興趣區(qū)域； 步驟二、細(xì)胞自適應(yīng)顯著窗口獲取(2. 1)標(biāo)記感興趣區(qū)域首先，剔除初始感興趣區(qū)域中的過大過小區(qū)域，再對余下區(qū)域 即感興趣區(qū)域進(jìn)行標(biāo)號，不同的連通區(qū)域的標(biāo)號按照位置依次遞增；(2. 2)對標(biāo)記后的感興趣區(qū)域進(jìn)行分類，分為候選感興趣區(qū)域，可能感興趣區(qū)域和非感 興趣區(qū)域；(2. 3)再對分類后的每個區(qū)域進(jìn)行膨脹，檢測每個檢測區(qū)域和與之相鄰的被檢測區(qū)域 之間是否重疊，如果有重疊，將被檢測區(qū)域的原始區(qū)域的標(biāo)號改為與其重疊的檢測區(qū)域的 原始區(qū)域的標(biāo)號，使兩區(qū)域合并，合并后區(qū)域歸屬為同一細(xì)胞；其中，所述檢測區(qū)域指候選 感興趣膨脹區(qū)域或可能感興趣膨脹區(qū)域，被檢測區(qū)域指可能感興趣區(qū)域和/或非感興趣區(qū) 域；(2.4)對經(jīng)上述步驟(2. 3)處理后的同一標(biāo)號區(qū)域，將以與之相切的最小矩形的中心 點為中心，以預(yù)定值為邊長的正方形，作為每個細(xì)胞的自適應(yīng)顯著窗口。 步驟三、自適應(yīng)顯著窗口內(nèi)細(xì)胞精細(xì)分割(3. 1)獲取每個細(xì)胞的自適應(yīng)顯著窗口中的精確細(xì)胞核區(qū)域和初始細(xì)胞漿區(qū)域； (3. 2)通過倒角距離變換和區(qū)域生長獲取自適應(yīng)顯著窗口內(nèi)的種子區(qū)域； (3. 3)對種子區(qū)域擴(kuò)展邊界獲取自適應(yīng)顯著窗口中的精確細(xì)胞漿區(qū)域； 通過上述步驟，即完成白細(xì)胞的分割。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟一中，所述閾值為灰度值0和 直方圖第η個像素所在的灰度級Hmax之間的直方圖的波谷H，其中，η = pRateX (輸入圖 像長/dRate) X (輸入圖像寬/dRatehpRate為預(yù)設(shè)常數(shù)，表示細(xì)胞像素約占整個輸入圖像 像素的比值，dRate為輸入圖像分辨率的降低倍數(shù)。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，所述的步驟三中，獲取所述精確細(xì)胞 核區(qū)域和初始細(xì)胞漿區(qū)域過程如下首先，對每個自適應(yīng)顯著窗口提取彩色信息并標(biāo)記標(biāo)號區(qū)域，對每個窗口的綠色分量 標(biāo)號圖獲得細(xì)胞核和細(xì)胞漿的閾值以及細(xì)胞漿和背景的閾值，同時將對應(yīng)的像素點歸為細(xì) 胞核、細(xì)胞漿和背景三個類別，然后對細(xì)胞漿區(qū)域做孔洞填充，即如果細(xì)胞漿內(nèi)部區(qū)域含有 背景點，則將此類背景點轉(zhuǎn)為細(xì)胞漿點，即獲得精確細(xì)胞核區(qū)域和初始細(xì)胞漿區(qū)域。
4.根據(jù)權(quán)利要求1-3之一所述的方法，其特征在于，所述的步驟三中，獲取所述種子區(qū) 域具體過程如下首先，對上述步驟(3. 1)獲得的每個自適應(yīng)顯著窗口的細(xì)胞區(qū)域，即精確細(xì)胞核區(qū)域 和初始細(xì)胞漿區(qū)域，做距離變換，找到每個細(xì)胞區(qū)域的最大距離點并獲取最大距離；再對每 個最大距離點用半徑為最大距離的四分之一的圓進(jìn)行膨脹，即得到該細(xì)胞區(qū)域內(nèi)且形狀近 似于該細(xì)胞外形的種子區(qū)域。
5.權(quán)利要求1-4之一所述的方法，其特征在于，所述的步驟三中，獲取所述精確細(xì)胞漿 區(qū)域的具體步驟如下(I)提取所述種子區(qū)域的輪廓作為初始邊界，并計算邊界長度；(II)搜索當(dāng)前邊界上每個點的相鄰點，如果相鄰點在細(xì)胞區(qū)域內(nèi)則標(biāo)記為外圍邊界占.^ \\\ (III)每個當(dāng)前邊界點的相鄰點搜索完畢后，如果外圍邊界不是臨時邊界，且長度不小 于當(dāng)前邊界長度的三分之一或者外圍邊界包含細(xì)胞核區(qū)域，則外圍邊界標(biāo)記為當(dāng)前邊界， 返回執(zhí)行步驟(II)；否則執(zhí)行步驟(IV)；(IV)如果沒有臨時邊界，當(dāng)前外圍邊界標(biāo)記為臨時邊界并作為當(dāng)前邊界，返回步驟 (II)，如果存在臨時邊界，且當(dāng)前邊界的長度大于臨時邊界，則刪除臨時邊界和當(dāng)前邊界， 執(zhí)行步驟(V)，如果當(dāng)前邊界長度小于臨時邊界，則刪除臨時邊界，返回步驟(II)；(V)停止擴(kuò)展邊界，此時所有邊界區(qū)域和原始種子區(qū)域共同構(gòu)成精確細(xì)胞區(qū)域，除去標(biāo) 記過的精確細(xì)胞核區(qū)域，其余為精確的細(xì)胞漿區(qū)域。
全文摘要
本發(fā)明提出一種白細(xì)胞圖像分割方法，根據(jù)人眼視覺顯著性注意機(jī)制，首先對彩色細(xì)胞圖像的綠色分量圖二值化得到初始感興趣區(qū)域，再通過標(biāo)記初始感興趣區(qū)域?qū)^(qū)域的刪除和合并操作得到每個細(xì)胞的自適應(yīng)顯著窗口，最后用擴(kuò)展邊界的方法實現(xiàn)每個自適應(yīng)顯著窗口內(nèi)的精細(xì)細(xì)胞核和細(xì)胞漿分割。本發(fā)明有效實現(xiàn)了快速白細(xì)胞分割，尤其是非標(biāo)準(zhǔn)染色、包含粘連細(xì)胞的大容量圖片的精確分割獲得了較好的效果。
文檔編號G06T5/00GK102044069SQ20101056880
公開日2011年5月4日 申請日期2010年12月1日 優(yōu)先權(quán)日2010年12月1日
發(fā)明者劉建國, 李一安, 林晨, 汪國有, 鄭馨 申請人:華中科技大學(xué)