1.本发明涉及图像处理领域，特别是涉及一种荧光原位杂交图像中荧光特征融合方法及系统.
背景技术：
：：2.荧光原位杂交是以荧光标记替代同位素标记的一种非放射性细胞遗传技术，在原位杂交的基础上，将半抗原标记的rna或dna探针与核酸碱基进行互补配对，通过荧光物标记的抗体取识别已经被标记的rna或dna，或用荧光物直接对探针进行标记并与目标序列相结合。在不改变生物细胞(细胞质、细胞器、细胞核)或染色体原有形态的基础上，将标记后的rna或dna探针作用于目标，以此定位和检测特定靶核酸序列。因其特异性高，并可实现精确定位，被广泛应用于生物学、医学、遗传学等领域。3.荧光原位杂交技术应用于肿瘤组织切片或外周血循环肿瘤细胞的检测中。由于荧光原位杂交图像中包含的细胞数量较大、细胞粘连且不易区分、细胞核分布不均匀等问题。技术实现要素：4.本发明的目的是提供一种荧光原位杂交图像中荧光特征融合方法及系统，能够提高检测的准确度以及提升复杂染色体异的判断精准性。5.为实现上述目的，本发明提供了如下方案：6.一种荧光原位杂交图像中荧光特征融合方法，包括：7.获取不同滤光片下的荧光原位杂交图像；不同滤光片包括：白光滤光片、绿光滤光片、蓝光滤光片以及红光滤光片；8.对不同滤光片下的荧光原位杂交图像进行存储，并读取到type类型的data_list链表中；所述type类型的data_list链表包括：matwhite、matblue、matgreen、matred以及temp；所述temp为图像类型标识；9.对图像类型标识为白光滤光片下的荧光原位杂交图像进行细胞位置定位；并将定位后的图像作为细胞模板；10.利用所述细胞模板与图像类型标识为绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像进行匹配，完成目标图像中细胞的自适应形状标记；11.对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取；12.将提取的荧光特征进行特征融合。13.可选地，所述对不同滤光片下的荧光原位杂交图像进行存储，并读取到type类型的data_list链表中，具体包括：14.对不同滤光片下的荧光原位杂交图像进行灰度处理；15.采用data_file文件对灰度处理后的不同滤光片下的荧光原位杂交图像进行存储。16.可选地，所述对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取，具体包括：17.采用分离颜色通道的方法，对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取。18.可选地，所述将提取的荧光特征进行特征融合，具体包括：19.采用多通道图像融合的方法将提取的荧光特征进行特征融合。20.一种荧光原位杂交图像中荧光特征融合系统，包括：21.荧光原位杂交图像获取模块，用于获取不同滤光片下的荧光原位杂交图像；不同滤光片包括：白光滤光片、绿光滤光片、蓝光滤光片以及红光滤光片；22.图像存储与读取模块，用于对不同滤光片下的荧光原位杂交图像进行存储，并读取到type类型的data_list链表中；所述type类型的data_list链表包括：matwhite、matblue、matgreen、matred以及temp；所述temp为图像类型标识；23.细胞模板确定模块，用于对图像类型标识为白光滤光片下的荧光原位杂交图像进行细胞位置定位；并将定位后的图像作为细胞模板；24.自适应形状标记模块，用于利用所述细胞模板与图像类型标识为绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像进行匹配，完成目标图像中细胞的自适应形状标记；25.荧光特征提取模块，用于对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取；26.特征融合模块，用于将提取的荧光特征进行特征融合。27.可选地，所述图像存储与读取模块具体包括：28.图像预处理单元，用于对不同滤光片下的荧光原位杂交图像进行灰度处理；29.图像存储单元，用于采用data_file文件对灰度处理后的不同滤光片下的荧光原位杂交图像进行存储。30.可选地，所述荧光特征提取模块具体包括：31.荧光特征提取单元，用于采用分离颜色通道的方法，对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取。32.可选地，所述特征融合模块具体包括：33.特征融合单元，用于采用多通道图像融合的方法将提取的荧光特征进行特征融合。34.根据本发明提供的具体实施例，本发明公开了以下技术效果：35.本发明所提供的一种荧光原位杂交图像中荧光特征融合方法及系统，利用type类型的data_list链表完成四种滤光片图像的存储及分类，将图像类型标识不同的图像与细胞模板进行匹配，完成目标图像中细胞的自适应形状标记，进而对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取与融合；将多种颜色的荧光标记物单独或混合标记后的探针进行原位杂交，快速地对细胞图像进行处理与分析，检测出图像内细胞形状及细胞内染色体位点是否存在异常。提高了检测的准确度、提升了复杂染色体异的判断精准性。附图说明36.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。37.图1为本发明所提供的一种荧光原位杂交图像中荧光特征融合方法流程示意图；38.图2为本发明的步骤示意图；39.图3是本发明的fish图像细胞位置完成定位示意图；(a)为白光模板图像，(b)细胞定位图像；40.图4是本发明的fish图像模板匹配自适应形状标记示意图；(a)为蓝光图像，(b)为蓝光匹配自适应形状标记图，(c)为红光图像，(d)为红光匹配自适应形状标记图，(e)为绿光图像，(f)为绿光匹配自适应形状标记；41.图5为本发明的荧光特征示意图；(a)为蓝光荧光特征图像，(b)为红光荧光特征图像，(c)为绿色荧光特征图像；(d)为白色荧光特征图像，其中白色亮点部分表示检测到的荧光标记点，黑色部分为背景图像；42.图6为本发明的荧光特征融合示意图；43.图7为本发明所提供的一种荧光原位杂交图像中荧光特征融合系统结构示意图。具体实施方式44.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。45.本发明的目的是提供一种荧光原位杂交图像中荧光特征融合方法及系统，能够提高检测的准确度以及提升复杂染色体异的判断精准性。46.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。47.图1为本发明所提供的一种荧光原位杂交图像中荧光特征融合方法流程示意图；图2为本发明的步骤示意图，如图1和图2所示，本发明所提供的一种荧光原位杂交图像中荧光特征融合方法，包括：48.s101，获取不同滤光片下的荧光原位杂交图像；不同滤光片包括：白光滤光片、绿光滤光片、蓝光滤光片以及红光滤光片；利用奥林巴斯显微镜进行图像采集；49.s102，对不同滤光片下的荧光原位杂交图像进行存储，并读取到type类型的data_list链表中；所述type类型的data_list链表包括：matwhite、matblue、matgreen、matred以及temp；所述temp为图像类型标识；50.s102具体包括：51.对不同滤光片下的荧光原位杂交图像进行灰度处理；52.采用data_file文件对灰度处理后的不同滤光片下的荧光原位杂交图像进行存储。53.s103，对图像类型标识为白光滤光片下的荧光原位杂交图像进行细胞位置定位；并将定位后的图像作为细胞模板，并如图3所示；54.s103具体包括：55.步骤1：定义system.data命名空间中的datarow类的一个对象，用fdata表示；定义system.collections.generic命名空间中type类型的list类对象，用data_list表示；定义system.data命名空间中datatable类对象，用data_file表示。56.步骤2：sdata对象调用newrow函数，创建新数据行对象，用dr表示，循环调用substring函数，并将调用substring函数的返回值赋值给dr，判断循环过程的表达式值是否为true，若是，则执行步骤3，否则继续执行步骤2；57.步骤3：data_file对象调用rows.add函数，将sdata对象中的数据循环赋值给data_file对象，判断循环过程的表达式值是否为true，若是，则执行步骤4，否则继续执行步骤3；58.步骤4：data_file对象调用foreach函数对数据容器中的数据进行检索，并将调用foreach函数的返回值分别赋值给data_list、判断循环过程的表达式值是否为false，若是，则执行步骤5，否则继续执行步骤4；59.步骤5：data_list中的数据分别赋值给matwhite、matblue、matgreen、matred、temp数据成员，type中的temp数据成员赋值为1、2、3、4，判断循环过程的表达式值是否为false，若是，则执行步骤6，否则继续执行步骤5；60.步骤6：定义emgu.cv命名空间中的mat类的5个对象，分别用redmat、greenmat、bluemat、imagefile、whitemat表示，whitemat调用mat实例化对象，参数为matwhite，imreadmodes.anycolor标识，将其赋值给whitemat。定义emgu.cv命名空间中的image《bgr,byte》类的1个对象，用_image表示，whitemat调用toimage类对图像进行镜像，定义emgu.cv命名空间中的mat类的1个对象，用src表示，将_image赋值给src。调用cvinvoke下的threshold函数进行二值化处理，参数为whitemat：原图像，whitemat：结果图像，50：阀值，255：最大值，thresholdtype.binary：二进制阈值化。61.步骤7：调用cvinvoke下的cvtcolor函数进行色彩空间进行转换，参数为whitemat：原图像，whitemat：结果图像，50：阀值，180：最大值，colorconversion.bayerbg2gray：转为灰度。调用cvinvoke下的findcontours函数进行轮廓查找，参数为whitemat：灰图图像，contours：结果图像，null：输出相量，emgu.cv.cvenum.retrtype.tree：轮廓类型，emgu.cv.cvenum.chainapproxmethod.chainapproxnone：点连接模式，将whitemat赋值给matwhite，得到图像为细胞模板。62.s104，利用所述细胞模板与图像类型标识为绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像进行匹配，完成目标图像中细胞的自适应形状标记；目标图像中细胞的自适应形状标记如图4所示。63.s104具体包括：64.步骤1：以绿光位例：定义emgu.cv命名空间中的mat类的1个对象，用imagefile表示，imagefile调用mat实例化对象，参数为greenmat，imreadmodes.anycolor标识，定义emgu.cv命名空间中的image《bgr,byte》类的1个对象，用_image表示，imagefile调用toimage类对图像进行镜像，定义emgu.cv命名空间中的mat类的2个对象，用src、mask表示，将_image赋值给src。src调用toimage类下的copy方法，创建获取一张背景为原图大小相同的图像，赋值给mask。定义emgu.cv.util命名空间中的vectorofvectorofpoint类的1个对象，用contours表示，调用cvinvoke下的drawcontours函数，参数为mask：目标图像，contours：轮廓组，-1：全部轮廓，newmcvscalar(0,255,0)：颜色，1：轮廓线。65.步骤2：定义emgu.cv命名空间中的image《bgr,byte》类的3个对象，用_image1、_image2表示，matwhite调用toimage类对图像进行镜像，并将其赋值给_image1，mask调用toimage类对图像进行镜像，并将其赋值给_image2。定义system.drawing命名空间中的bitmap类的2个对象，_bitmap、_bitmap1表示，将_image1赋值给_bitmap，将_image1赋值给_image2，定义system命名空间中的int类的4个对象，用width、height、stride、offset表示，获取_bitmap对象的宽度、高度，分别赋值给width、height。66.步骤3：定义system.drawing.imaging命名空间中的bitmapdata类的1个对象，用data表示，_bitmap调用lockbits函数，参数为图像宽度、高度，访问方式(imagelockmode.readwrite)、数据格式(pixelformat.format24bpprgb)，定义system命名空间中的intptr类的1个对象，用scan0表示，_bitmap调用scan0函数，获取获取bmpdata的内存起始位置即第一个像素数据的地址，_bitmap调用stride函数，获得扫描宽度，将其赋值给stride。67.步骤4：定义byte类型的指针p，获取scan0数据像素地址，并将其赋值给p。获得显示宽度与扫描线宽度的间隙，将其赋值给offset，循环调用for函数，遍历图像的长度、宽度。调用if函数判断参数1与参数2以及参数3是否为0，其中参数1为图像像素rgb分量中的r，参数2为图像像素rgb分量中的g，参数2为图像像素rgb分量中的b。调用setpixel函数，对当前颜色分量进行像素颜色设置，去除其他噪点，并将结果赋值给_bitmap2，指针p左移三位。完成遍历，完成细胞图像匹配。68.步骤5：_bitmap调用unlockbits函数，解锁此内存中的data对象，_bitmap2调用save函数对当前匹配图像进行保存。实例化全局matgreen变量，将_bitmap2转为灰度图像，将其赋值给mat。模板形状完成目标图像中细胞的自适应形状标记，红光、蓝光操作相同，在此不再一一累述。69.s105，对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取；70.s105具体包括：71.采用分离颜色通道的方法，对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取。提取荧光特征如图5所示。72.s106，将提取的荧光特征进行特征融合。73.s106具体包括：74.采用多通道图像融合的方法将提取的荧光特征进行特征融合，具体如图6所示。75.特征提取与融合的具体过程为：76.步骤1：以绿光位例：定义emgu.cv命名空间中的mat类的5个对象，用currentimage、result、resultscr、mattemp、matfinal表示，定义emgu.cv.util命名空间中的vectorofvectorofpoint类的2个对象，用contours、contours1表示，定义emgu.cv.util命名空间中的vectorofpoint类的1个对象，用vp表示。77.步骤2：调用cvinvoke下的threshold函数进行二值化处理，参数为matgreen：原图像，matgreen：结果图像，120：阀值，255：最大值，thresholdtype.binary：二进制阈值化。调用cvinvoke下的findcontours函数进行轮廓查找，参数为matgreen：灰图图像，78.contours:保存了后一个轮廓，前一个轮廓，父轮廓，内嵌轮廓的索引编号，retrtype.ccomp：监测所有轮廓，chainapproxmethod.chainapproxnone：none是保存边界上所有连续的轮廓到contours向量内。79.步骤3：循环调用for函数，将contours进行遍历，将每组轮廓赋值给vp，定义system.collections.generic命名空间中double类型对象，用area表示，调用cvinvoke下的contourarea函数进行面积计算。定义system.collections.generic命名空间中double类型的list类对象，用sarea表示，sarea调用add函数，对面积进行存储，调用if函数判断当前面积，当前面积小于60时，contours1调用push函数，对当前轮廓进行保存。80.步骤4：调用mat实例化对象，将图像进行格式转换，参数为matgreen，emgu.cv.cvenum.depthtype.cv8u：8位无符号整数,3：深度。并将其赋值给result。调用cvinvoke下的drawcontours函数，参数为result：目标图像，contours1：轮廓组，-1：全部轮廓，newmcvscalar(0,255,0)：颜色，1：轮廓线。81.步骤5：调用mat实例化对象，参数为result，emgu.cv.cvenum.imreadmodes.grayscale：灰度化，将其赋值给resultscr。调用cvinvoke下的cvtcolor函数进行色彩空间进行转换，参数为resultscr：原图像，resultscr：结果图像，colorconversion.bayerbg2gray：转为灰度。调用mat实例化对象，参数为result大小，emgu.cv.cvenum.depthtype.cv8u：8位无符号整数,1：深度，将其赋值给mattemp。创建其他空白通道。调用channelss下push函数，第一次参数为mattemp。调用channelss下push函数，第二次参数为resultscr，调用channelss下push函数，第三次参数为mattemp，对3通道进行填充。调用cvinvoke下的merge函数对图像进行通道融合处理，参数为channelss：原图像，matfinal：结果图像，完成对绿光细胞下荧光特征的提取,红光、蓝光操作相同，在此不再一一累述。82.步骤6：定义emgu.cv命名空间中的mat类的1个对象，用rgb表示，调用cvinvoke下的addweighted函数进行图片融合，参数为matwhite：图像1、0.5：权重值，matgreen：图像2，0.5：权重值，0：伽马矫正，rgb：输出图像。调用cvinvoke下的addweighted函数进行图片融合，参数为rgb：图像1、0.5：权重值，matblue：图像2，0.5：权重值，0：伽马矫正，rgb：输出图像。调用cvinvoke下的addweighted函数进行图片融合，参数为rgb：图像1、0.5：权重值，matred：图像2，0.5：权重值，0：伽马矫正，rgb：输出图像，完成对绿光细胞下荧光特征的融合。83.图7为本发明所提供的一种荧光原位杂交图像中荧光特征融合系统结构示意图，如图7所示，本发明所提供的一种荧光原位杂交图像中荧光特征融合系统，包括：84.荧光原位杂交图像获取模块701，用于获取不同滤光片下的荧光原位杂交图像；不同滤光片包括：白光滤光片、绿光滤光片、蓝光滤光片以及红光滤光片；85.图像存储与读取模块702，用于对不同滤光片下的荧光原位杂交图像进行存储，并读取到type类型的data_list链表中；所述type类型的data_list链表包括：matwhite、matblue、matgreen、matred以及temp；所述temp为图像类型标识；86.细胞模板确定模块703，用于对图像类型标识为白光滤光片下的荧光原位杂交图像进行细胞位置定位；并将定位后的图像作为细胞模板；87.自适应形状标记模块704，用于利用所述细胞模板与图像类型标识为绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像进行匹配，完成目标图像中细胞的自适应形状标记；88.荧光特征提取模块705，用于对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取；89.特征融合模块706，用于将提取的荧光特征进行特征融合。90.所述图像存储与读取模块702具体包括：91.图像预处理单元，用于对不同滤光片下的荧光原位杂交图像进行灰度处理；92.图像存储单元，用于采用data_file文件对灰度处理后的不同滤光片下的荧光原位杂交图像进行存储。93.所述荧光特征提取模块705具体包括：94.荧光特征提取单元，用于采用分离颜色通道的方法，对标记后的绿光滤光片、蓝光滤光片以及红光滤光片下的荧光原位杂交图像分别进行荧光特征提取。95.所述特征融合模块706具体包括：96.特征融合单元，用于采用多通道图像融合的方法将提取的荧光特征进行特征融合。97.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。98.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。当前第1页12当前第1页12