圖像分割方法、系統(tǒng)與細(xì)胞圖像分割方法、系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像工程領(lǐng)域，特別是涉及一種圖像分割方法、系統(tǒng)與細(xì)胞圖像分割 方法、系統(tǒng)。
【背景技術(shù)】
[0002] 圖像工程領(lǐng)域中，常需要將粘連在一起的目標(biāo)獨(dú)立分割出來，以醫(yī)學(xué)圖像工程為 例，常需要對細(xì)胞形態(tài)進(jìn)行自動(dòng)分析，快速準(zhǔn)確的從細(xì)胞顯微圖像中分割出完整的細(xì)胞并 進(jìn)行細(xì)胞個(gè)數(shù)的統(tǒng)計(jì)，然而血液細(xì)胞常常出現(xiàn)粘連、重疊的現(xiàn)象，所以精準(zhǔn)地分割出粘連著 的細(xì)胞并計(jì)數(shù)是醫(yī)學(xué)圖像處理中的難點(diǎn)和研究重點(diǎn)。
[0003] 近年來，基于數(shù)學(xué)形態(tài)學(xué)的分水嶺變換技術(shù)被應(yīng)用到粘連目標(biāo)分割中，但是，基于 距離變換的分水嶺變換方法，如快速灰度重建算法重建距離變換后圖像的分水嶺變換算 法、自適應(yīng)距離變換的分水嶺變換算法等，對粘連目標(biāo)的分割生硬，不能充分考慮目標(biāo)形狀 和邊緣信息，且分割結(jié)果的好壞過度依賴于原圖像轉(zhuǎn)換至二值化圖像效果的好壞。
[0004] 現(xiàn)有技術(shù)中另有一種基于梯度圖像的分水嶺變換，雖然對目標(biāo)物體邊緣的定位能 力強(qiáng)，能充分利用圖像的邊緣信息，很好的分割出目標(biāo)物體的完整輪廓，但無法分割粘連區(qū) 域無明顯邊界的目標(biāo)，且容易與圖像背景相互混淆導(dǎo)致欠分割，因此現(xiàn)有技術(shù)中的基于梯 度圖像的分水嶺變換并不適應(yīng)于粘連目標(biāo)的分割領(lǐng)域中。
[0005] 綜上，如何提高粘連目標(biāo)圖像，尤其是細(xì)胞圖像的分割精確性是圖像分割技術(shù)中 亟待解決的難題。

【發(fā)明內(nèi)容】

[0006] 基于此，有必要針對如何提高粘連目標(biāo)圖像分割精確性的問題，提供一種基于修 正梯度圖像和分水嶺算法的圖像分割方法，包括步驟：
[0007] 獲取待分割圖像的梯度圖像。
[0008] 對待分割圖像進(jìn)行距離變換，獲取待分割圖像的第一變換圖。
[0009] 對第一變換圖進(jìn)行轉(zhuǎn)換，獲取待分割圖像的第二變換圖。
[0010] 根據(jù)第一變換圖或第二變換圖提取待分割圖像的前景標(biāo)記。
[0011] 對第二變換圖進(jìn)行分水嶺變換，提取待分割圖像的背景標(biāo)記。
[0012] 根據(jù)前景標(biāo)記和背景標(biāo)記，修正梯度圖像，以得到修正后的梯度圖像。
[0013] 對修正后的梯度圖像進(jìn)行分水嶺變換，得到圖像分割結(jié)果。
[0014] 本發(fā)明還提供一種基于修正梯度圖像和分水嶺算法的圖像分割系統(tǒng)，包括：
[0015] 梯度圖像生成模塊，用于獲取待分割圖像的梯度圖像。
[0016] 距離變換模塊，用于對待分割圖像進(jìn)行距離變換，獲取待分割圖像的第一變換圖。
[0017] 轉(zhuǎn)換模塊，用于對第一變換圖進(jìn)行轉(zhuǎn)換，獲取待分割圖像的第二變換圖。
[0018] 前景標(biāo)記提取模塊，用于根據(jù)第一變換圖或第二變換圖提取待分割圖像的前景標(biāo) 記。
[0019] 背景標(biāo)記提取模塊，用于對第二變換圖進(jìn)行分水嶺變換，提取待分割圖像的背景 記 D
[0020] 梯度圖像修正模塊，用于根據(jù)前景標(biāo)記和背景標(biāo)記，修正梯度圖像，以得到修正后 的梯度圖像。
[0021] 變換模塊，用于對修正后的梯度圖像進(jìn)行分水嶺變換，得到圖像分割結(jié)果。
[0022] 本發(fā)明還提供一種基于修正梯度圖像和分水嶺算法的細(xì)胞圖像分割方法，包括上 述基于修正梯度圖像和分水嶺算法的圖像分割方法，其中待分割圖像為細(xì)胞樣本圖。
[0023] 本發(fā)明還提供一種基于修正梯度圖像和分水嶺算法的細(xì)胞圖像分割系統(tǒng)，包括上 述基于修正梯度圖像和分水嶺算法的圖像分割系統(tǒng)，其中待分割圖像為細(xì)胞樣本圖。
[0024] 上述提供的基于修正梯度圖像和分水嶺算法的圖像分割方法和系統(tǒng)，由于預(yù)先通 過距離變換獲取的前景標(biāo)記和分水嶺變換獲取的背景標(biāo)記來修正待分割圖像的梯度圖像， 再對該修正后的梯度圖像進(jìn)行分水嶺變換，得到圖像分割結(jié)果，所以既保留了對梯度圖像 進(jìn)行分水嶺變換，能有效定位目標(biāo)物體邊緣，分割出目標(biāo)物體完整輪廓的優(yōu)點(diǎn)，又能通過前 景標(biāo)記和背景標(biāo)記區(qū)分粘連區(qū)域無明顯邊界的目標(biāo)，使得不會(huì)出現(xiàn)欠分割和過分割的現(xiàn) 象，可以很好的適用于目標(biāo)邊緣粘連的圖像分割領(lǐng)域，提高了圖像分割的精度。在此基礎(chǔ) 上，進(jìn)一步提供的細(xì)胞圖像分割方法和系統(tǒng)，將該圖像分割方法和系統(tǒng)應(yīng)用到細(xì)胞圖像分 割中，能很好的分割細(xì)胞樣本圖中粘連、重疊的細(xì)胞。
【附圖說明】
[0025] 圖1為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割方法的一個(gè)實(shí)施例 的流程圖；
[0026] 圖2為本發(fā)明中待分割圖像的細(xì)胞樣本圖；
[0027] 圖3為本發(fā)明中待分割圖像的梯度圖像；
[0028] 圖4為本發(fā)明中待分割圖像的前景標(biāo)記圖；
[0029] 圖5為本發(fā)明中待分割圖像的背景標(biāo)記圖；
[0030] 圖6為本發(fā)明中根據(jù)前景標(biāo)記和背景標(biāo)記修正后的梯度圖像；
[0031] 圖7為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割方法的分割結(jié)果圖；
[0032] 圖8為本發(fā)明中實(shí)驗(yàn)一的驗(yàn)證結(jié)果圖；
[0033] 圖9為本發(fā)明中實(shí)驗(yàn)二的驗(yàn)證結(jié)果圖；
[0034] 圖10為本發(fā)明中實(shí)驗(yàn)三的驗(yàn)證結(jié)果圖；
[0035] 圖11為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割方法的一個(gè)實(shí)施例 的子流程圖；
[0036] 圖12為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割方法的一個(gè)實(shí)施例 的子流程圖；
[0037] 圖13為本發(fā)明中待分割圖像的距離變換圖；
[0038] 圖14為本發(fā)明中待分割圖像的距離地形圖；
[0039] 圖15為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割方法的一個(gè)實(shí)施例 的子流程圖；
[0040] 圖16為本發(fā)明中結(jié)合前景標(biāo)記和背景標(biāo)記的標(biāo)記圖；
[0041] 圖17為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割系統(tǒng)的一個(gè)實(shí)施例 的結(jié)構(gòu)圖；
[0042] 圖18為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割系統(tǒng)的一個(gè)實(shí)施例 的子結(jié)構(gòu)圖；
[0043] 圖19為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割系統(tǒng)的一個(gè)實(shí)施例 的子結(jié)構(gòu)圖；
[0044] 圖20為本發(fā)明中基于修正梯度圖像和分水嶺算法的圖像分割系統(tǒng)的一個(gè)實(shí)施例 的子結(jié)構(gòu)圖。
【具體實(shí)施方式】
[0045] 如圖1所示，顯示了本發(fā)明一實(shí)施例，一種基于修正梯度圖像和分水嶺算法的圖 像分割方法，包括步驟：
[0046] SlOO :獲取待分割圖像的梯度圖像。
[0047] S200 :對待分割圖像進(jìn)行距離變換，獲取待分割圖像的第一變換圖。
[0048] S300 :對第一變換圖進(jìn)行轉(zhuǎn)換，獲取待分割圖像的第二變換圖。
[0049] S400 :根據(jù)第一變換圖或第二變換圖提取待分割圖像的前景標(biāo)記。
[0050] S500 :對第二變換圖進(jìn)行分水嶺變換，提取待分割圖像的背景標(biāo)記。
[0051] S600 :根據(jù)前景標(biāo)記和背景標(biāo)記，修正梯度圖像，以得到修正后的梯度圖像。
[0052] S700 :對修正后的梯度圖像進(jìn)行分水嶺變換，得到圖像分割結(jié)果。
[0053] 具體的，以圖2所示的，在血細(xì)胞樣本中截取的320*320像素大小的細(xì)胞樣本圖為 例，該圖像中包含了背景、單個(gè)白細(xì)胞、紅細(xì)胞、血小板，以及粘連的紅細(xì)胞和血小板。由于， 醫(yī)學(xué)分析需要對圖像中的各類細(xì)胞分類計(jì)數(shù)，所以要將圖像分割，提取每個(gè)目標(biāo)的邊緣，但 是目標(biāo)的邊緣往往是梯度變化明顯的區(qū)域，所以采用梯度圖像進(jìn)行分割。而且，分水嶺變換 與圖像本身的相關(guān)性不大，而與圖像的梯度有很大的關(guān)系，所以將梯度圖像作為分水嶺變 換的直接處理對象，能較好地反映圖像的灰度變化，得到比直接對原始圖像處理更好的分 割結(jié)果。因此，步驟S100,首先獲取待分割圖像的梯度圖像，如圖3所示。
[0054] 但是，盡管對梯度圖像進(jìn)行分水嶺變換，能有效定位目標(biāo)物體的邊緣，很好的分割 出目標(biāo)物體的完整輪廓，然而無法分割粘連區(qū)域無明顯邊界的目標(biāo)，如圖3中間部分所示。 所以，步驟S200,對待分割圖像進(jìn)行距離變換，獲取待分割圖像的第一變換圖。再由步驟 S300,對第一變換圖進(jìn)行轉(zhuǎn)換，獲取待分割圖像的第二變換圖。進(jìn)而，步驟S400,根據(jù)第一變 換圖或第二變換圖提取待分割圖像中對應(yīng)單個(gè)細(xì)胞的前景標(biāo)記，如圖4所示。步驟S500， 對第二變換圖進(jìn)行分水嶺變換，提取分布在整個(gè)圖像的背景上的背景標(biāo)記，如圖5所示。步 驟 S600,再根據(jù)前景標(biāo)記和背景標(biāo)記，修正梯度圖像（圖3)至修正后的梯度圖像，如圖6所 示。最后，步驟S700,對修正后的梯度圖像進(jìn)行分水嶺變換，得到圖像分割結(jié)果，如圖7所 示。由圖7可