一种妇科显微图像中白细胞自动识别与统计方法与流程

本发明涉及一种妇科显微图像中白细胞自动识别与统计方法。

背景技术：

细胞图像处理是数字图像处理技术在医学领域的典型应用，但是由于细胞图像的复杂性，当前主要依赖人工阅片，由医师肉眼观察，从数目众多的细胞中寻找若干病变细胞。长时间的高强度观察工作极易使人疲劳，而且要求医师具有丰富的临床经验和全面的病理分析专业知识，诊断结果的准确性和可靠性受到医师主观因素的影响，加之医师资源不足、外部观察条件不一致、不可避免的系统误差等，最终诊断结果往往表现出较高的误诊率。

要改善上述种种问题，除了提高细胞制片技术外，就是引入计算机自动辅助诊断系统，应用计算机技术，尤其是图像处理和模式识别技术，对由显微成像设备采集的细胞数字图像进行自动分析、处理，有效地将病理学专家的诊断经验与计算机系统的精确计算和快速处理能力结合起来，实现对细胞图像的识别和诊断。这将有效降低病理医师的劳动强度和工作量，避免人工操作中的主观因素的影响，为病变细胞的诊断提供方便快捷、省时省力且可靠的技术手段。

目前，针对医学显微细胞自动检测，学者们提出了多种解决方案。

哈尔滨工程大学张立伟在其2008年发表的硕士论文《白细胞显微图像分类研究》中通过对瑞氏染色处理后对血液标本中的白细胞进行分类识别，但是染色过程操作复杂，耗时耗力，染色剂更是对环境有污染。

南昌大学硕士研究生徐露在其2014年发表的硕士论文《医学显微细胞图像分割算法及荧光强度提取研究》中针对强粘连巨噬细胞的分割提出了一种改进的分水岭混合分割算法，该方法结合了灰度级形态学腐蚀膨胀操作、顶帽变换和底帽变换、h-极小值变换以及分水岭变换，在欠分割和过分割问题上有很大的改进，实现了强粘连巨噬细胞的有效分割。

davidnam等人在“anovelframeworkforsegmentationofsecretorygranulesinelectronmicrographs.medicalimageanalysis18(2014)411–424.”中针对胰岛β细胞内的胰岛素颗粒的检测分析，提出了一种基于新颖水平集的核心分割以及基于形态学操作和混合向量场卷积主动轮廓的膜分割算法。

elenabernardis等人在“popoutmanysmallstructuresfromaverylargemicroscopicimage.medicalimageanalysis15(2011)690–707.”中针对医学图像中由目标结构复杂性引起的分割粒度和医学图像太大导致的分割复杂性，提出了一种可约束的光谱图分割框架方法，该方法在较大的医学图像中分割小的目标结果优于其他算法。

南昌航空大学李文辉在2013年发表的论文“盐水白带细胞显微图像识别的关键技术研究”中利用水平集主动轮廓模型分割方法对白细胞进行分割，该模型对弱边缘具有很好的分割结果，但是收敛较慢，如果一幅图像中有多个白细胞，检测速度较慢，不能满足临床要求。

技术实现要素：

为解决以上技术上的不足，本发明提供了一种妇科显微图像中白细胞自动识别与统计方法。

解决上述技术问题，通过以下技术方案实现：

一种妇科显微图像中白细胞自动识别与统计方法，包括以下步骤：

步骤1，将彩色图像进行灰度化；

步骤2，利用图像分割技术得到白细胞的掩模图像；

步骤3，将灰度图像与白细胞的掩模进行与操作；

步骤4，将步骤3得到的图像分别切割出每一个成分区域，计算最小外接矩形的长宽比和成分的圆度，取长宽比小于1.25并且圆度大于0.76的区域；

步骤5，计算步骤4得到的成分的平均灰度，经统计得到比背景的平均灰度大65，则为第一类白细胞；

步骤6，对步骤3得到图像分别切割出的每一个成分区域，计算细胞成分的面积，并利用大津法对其进行二值化，然后用5*5的模板进行中值滤波，计算此时的面积则为细胞质的面积，利用细胞成分的面积和细胞质的面积计算细胞的细胞核占细胞的比例值，若比例值在0.35~1之间，则为第二类白细胞；

步骤7，统计步骤5和步骤6得到的图像中的白细胞的数量并求和，则得到白细胞的数量。

上述步骤2中，利用图像分割技术得到白细胞的掩模具体步骤如下：

第一步：利用sobel算子进行边缘检测，将边缘检测后的图像与灰度图像相加，实现图像中各待检测成分的边缘增强；

第二步：利用大津法对图像进行操作，得到二值化图像；

第三步：对上皮细胞的掩模图像进行取反；

第四步：第二步和第三步的图像进行与操作，得到除上皮细胞的背景中的各成分；

第五步：删掉面积小于1500和面积大于5000的区域，然后进行腐蚀操作和模板为11*11的中值滤波，此时的图像则为白细胞的掩模图像。

上述第三步中，获得上皮细胞的掩模图像具体步骤如下：

第一步：利用sobel算子进行边缘检测，将边缘检测后的图像与灰度图像相加，实现图像中各待检测成分的边缘增强；

第二步：进行均值滤波，对图像进行平滑，去除图像中的噪声；

第三步：利用大津法对图形进行二值化，实现背景与背景中的待检测成分初步分割，此时待检测成分边缘保留的比较完整；

第四步：对二值化后的图像进行图像形态学的膨胀操作，此时待检测成分的边缘都是连通的；

第五步：对第四步后的图像填充空洞，然后中值滤波，此时的二值化图像是除去背景的各个成分的掩模；

第六步：对第五步后的图像进行面积滤波，去掉小面积，保留大面积，此时的二值化图像是正常上皮细胞和线索细胞的掩模。

上述步骤4中，圆度计算公式如下：

其中，为连通域s的面积；为连通域s的周长。圆形度值越大，表明目标与圆形的相似度越高。

本发明妇科显微图像中白细胞自动识别与统计方法有益效果是：实现了自动识别与统计，满足临床要求，代替了人工检测以及利用细胞染色进行的细胞识别，大大节省了人力物力。避免人工操作中的主观因素的影响，为病变细胞的诊断提供方便快捷、省时省力且可靠的技术手段。

附图说明

图1中图a1、a2、a3、a4、a5、a6是包含白细胞的原图像；

图2中图b1、b2、b3、b4、b5、b6是图1中各图像的相应灰度图像；

图3中图c1、c2、c3、c4、c5、c6是图2中各图像的相应去除背景和大面积细胞后的图像；

图4中图d1、d2、d3、d4、d5、d6是图3中各图像相应的分割结果为白细胞的图像。

具体实施方式

下面结合附图对本发明做进一步详细的描述：

本发明的妇科显微图像中白细胞自动识别与统计方法，首先将彩色图像转换成灰度图像，利用图像分割方法得到白细胞的模板，将模板与灰度图像进行与操作，然后分割出每个小区域，利用白细胞的圆度、外接矩形上宽比、面积和细胞核占细胞的比例实现对白细胞的识别。

本发明具体实施方式如下：一种妇科显微图像中白细胞自动识别与统计方法，包括以下步骤：

步骤1，将彩色图像进行灰度化（如图2所示）；

步骤2，利用图像分割技术得到白细胞的掩模图像：

第一步：利用sobel算子进行边缘检测，将边缘检测后的图像与灰度图像相加，实现图像中各待检测成分的边缘增强；

第二步：利用大津法对图像进行操作，得到二值化图像；

第三步：对上皮细胞的掩模图像进行取反：

上皮细胞的掩膜图像获取步骤如下：

第一步：利用sobel算子进行边缘检测，将边缘检测后的图像与灰度图像相加，实现图像中各待检测成分的边缘增强；

第二步：进行均值滤波，对图像进行平滑，去除图像中的噪声；

第三步：利用大津法对图形进行二值化，实现背景与背景中的待检测成分初步分割，此时待检测成分边缘保留的比较完整；

第四步：对二值化后的图像进行图像形态学的膨胀操作，此时待检测成分的边缘都是连通的；

第五步：对第四步后的图像填充空洞，然后中值滤波，此时的二值化图像是除去背景的各个成分的掩模；

第六步：对第五步后的图像进行面积滤波，去掉小面积，保留大面积，此时的二值化图像是正常上皮细胞和线索细胞的掩模。

上述步骤2中的第四步：第二步和第三步的图像进行与操作，得到除上皮细胞的背景中的各成分；

上述步骤2中的第五步：删掉面积小于1500和面积大于5000的区域，然后进行腐蚀操作和模板为11*11的中值滤波，此时的图像则为白细胞的掩模图像；

步骤3，将灰度图像与白细胞的掩模进行与操作（如图3所示）；

步骤4，将步骤3得到的图像分别切割出每一个成分区域，计算最小外接矩形的长宽比和成分的圆度，取长宽比小于1.25并且圆度大于0.76的区域：

圆度的计算公式如下：

其中，为连通域s的面积；为连通域s的周长。圆形度值越大，表明目标与圆形的相似度越高。

步骤5，计算步骤4得到的成分的平均灰度，经统计得到比背景的平均灰度大65，则为第一类白细胞；

步骤6，对步骤3得到图像分别切割出的每一个成分区域，计算细胞成分的面积，并利用大津法对其进行二值化，然后用5*5的模板进行中值滤波，计算此时的面积则为细胞质的面积，利用细胞成分的面积和细胞质的面积计算细胞的细胞核占细胞的比例值，若比例值在0.35~1之间，则为第二类白细胞；

步骤7，统计步骤5和步骤6得到的图像中的白细胞（如图4所示）的数量并求和，则得到白细胞的数量。

上面结合附图对本发明进行了示例性描述，显然本发明的具体实现并不受上述实施方式的限制。本领域技术人员可在不偏离本发明技术构思的前提下，对本发明作出各种修改或变型，这些修改或变型当然也落入本发明的保护范围之内。