一种基于半监督k-means算法的乳腺癌病理组织图像分割方法技术

本发明专利技术涉及一种基于半监督k‑means算法的乳腺癌显微病理组织图像分割方法，所述方法包括：所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k‑means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色；105、将获取的多类图像矩阵数据以图片的格式进行展示；本发明专利技术提供的图像分割方法，能够使普通计算机完成对JPEG格式乳腺癌显微病理组织图像的分割。

【技术实现步骤摘要】
一种基于半监督k-means算法的乳腺癌病理组织图像分割方法
本专利技术属于乳腺癌病理组织图像分割
，具体涉及一种基于半监督k-means算法的乳腺癌病理组织图像分割方法。
技术介绍
1、现有技术的方案简述：1.11、阈值分割现有技术使用阈值分割算法对乳腺癌显微病理组织图像(以H&E染色切片为例)进行图像分割。H&E染色(Hematoxylin-EosinStaining，苏木精-伊红染色法，常简写为H&E、HE、he、H-E、h-e等形式)。如图1所示，该方法共包含三个步骤：步骤一：将乳腺癌显微病理组织图像的彩色图像转换为灰度图像，即将三维图像降为一维图像；步骤二：根据乳腺癌显微病理组织图像的灰度图像画出相应的灰度分布直方图，找出其直方图的峰值，将其峰值作为分割的阈值；步骤三：将此阈值作为判断条件，对于乳腺癌显微病理组织图像的灰度图像的灰度值，若其灰度值大于等于给出的阈值，则将其亮度置为最亮，即将灰度值置为255；若其灰度值小于给出的阈值，则将其亮度置为最暗，即将灰度值置为0，进而得到阈值分割后的图像，输出结果。1.12、传统k-means分割如图2所本文档来自技高网...

【技术保护点】
1.一种基于半监督k‑means算法的乳腺癌显微病理组织图像分割方法，其特征在于，所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k‑means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色，获得染色后的多类图像矩阵数据；105、将获取的多类图像矩阵数据以图片的格式进行展示；其中，步骤101...

【技术特征摘要】
1.一种基于半监督k-means算法的乳腺癌显微病理组织图像分割方法，其特征在于，所述方法包括：101、获取一张待处理的乳腺癌显微病理组织图片；102、对获取的乳腺癌显微病理组织图片进行预处理；103、将经过预处理的乳腺癌显微病理组织图片采用分割算法进行聚类分割，获取聚类中心；104、将步骤103中获取的聚类中心作为初始聚类中心，将步骤102中经过预处理的乳腺癌显微病理组织图片进行初始化k-means分割，获得一个多类图像染色区矩阵，并对多类图像染色区矩阵的每一类图像染色区采用一种颜色进行染色，获得染色后的多类图像矩阵数据；105、将获取的多类图像矩阵数据以图片的格式进行展示；其中，步骤101中获取的所述乳腺癌显微病理组织图片的原有染色模式为H&E。2.根据权利要求1所述的图像分割方法，其特征在于，当所述步骤101中获取的乳腺癌病理组织图片为JPEG格式的图片时，所述方法步骤101还包括：A1、将获取的乳腺癌病理组织图片切割为多张小尺寸病理组织图片；A2、将经过切割获取的多张小尺寸病理组织图片从一进行依次编号。3.根据权利要求1所述的图像分割方法，其特征在于，所述步骤102还包括如下步骤：B1、将所有获取的病理组织图片转化为灰度图片；B2、将转化后的每一灰度图片按照预设规则进行遍历，以获取每一灰度图像中每一像素点的灰度值；B3、若遍历的像素点的灰度值大于预设值S，则将该像素点的灰度值重置为255，若遍历的像素点的灰度值小于等于预设值S，则对该像素点的灰度值不做处理；B4、将经过步骤B3判断处理后的像素点按...

【专利技术属性】
技术研发人员：李晨，薛丹，张勇，李墨，汪茜，许宁，齐守良，姚育东，陈昊，胡志杰，张昊，孔繁捷，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21