适用于大数据图像的图像分割方法和装置制造方法及图纸

本公开提供了一种适用于大数据图像的图像分割方法，对接收的多个细胞图像进行划分；根据最大类间方差算法，针对划分后的多个细胞图像中的感兴趣区域进行粗分割操作；对粗分割操作后获取的结果通过形状测试完成适用于细胞图像的图像分割操作。该方法针对宫颈脱落细胞图像，采用最大类间方差算法对细胞图像进行粗分割，获得单个细胞、细胞群落以及杂质块图像；然后对以上分割的结果进行形状测试，如测试条件通过，则感兴趣区域为细胞图像，最终完成特征提取。上述方法可以高效、精准、快捷地针对宫颈脱落细胞图像实现图像分割策略，且具有易用性与适用性。本公开还提供了一种适用于细胞图像的图像分割装置。

Image Segmentation Method and Device for Large Data Images

The present disclosure provides an image segmentation method suitable for large data images, which divides received multi-cell images; performs rough segmentation operations for regions of interest in divided multi-cell images according to the maximum inter-class variance algorithm; and completes image segmentation operations applicable to cell images through shape testing for the results obtained after rough segmentation operations. For the cervical exfoliated cell image, the method uses the maximum inter-class variance algorithm to roughly segment the cell image, and obtains the image of single cell, cell community and impurity block. Then, the shape of the segmented results is tested. If the test conditions pass, the region of interest is the cell image, and finally the feature extraction is completed. The above method can efficiently, accurately and quickly implement image segmentation strategy for cervical exfoliated cell images, and has the advantages of ease of use and applicability. The present disclosure also provides an image segmentation device suitable for cell images.

【技术实现步骤摘要】
适用于大数据图像的图像分割方法和装置
本公开涉及计算机
和图像识别
，具体而言，涉及一种适用于大数据图像的图像分割方法和装置。
技术介绍
现有技术中，对细胞图像中的细胞进行准确、快速地分割，获取ROI(RegionOfInterest，感兴趣区域)，是对细胞判别的重要基础。尤其对宫颈脱落细胞图像中的细胞进行准确、快速地分割，得到感兴趣区域，是后期对宫颈癌细胞判别的更至关重要的基础。由于在涂片制作与图像采集的过程中，图像中不可避免地会夹杂一些杂质、干扰等，使得图像中有噪声、模糊、灰度不均匀等问题，对图像准确分割增加难度和挑战。
技术实现思路
为了解决现有技术中由于在涂片制作与图像采集的过程中，图像中不可避免地会夹杂一些杂质、干扰等，使得图像中有噪声、模糊、灰度不均匀等问题，对图像准确分割不够精确与快捷的问题，本公开实施例提供了一种适用于大数据图像的图像分割方法和装置，针对宫颈脱落细胞图像，采用最大类间方差算法对细胞图像进行粗分割，获得单个细胞、细胞群落以及杂质块图像；然后对以上分割的结果进行形状测试，如测试条件通过，则感兴趣区域为细胞图像，进入特征提取模块；测试不通过的感兴趣区本文档来自技高网...

【技术保护点】
1.一种适用于大数据图像的图像分割方法，其特征在于，包括以下步骤：对接收的多个细胞图像进行划分；根据最大类间方差算法，针对划分后的所述多个细胞图像中的感兴趣区域进行粗分割操作；对粗分割操作后获取的结果通过形状测试完成适用于细胞图像的图像分割操作。

【技术特征摘要】
1.一种适用于大数据图像的图像分割方法，其特征在于，包括以下步骤：对接收的多个细胞图像进行划分；根据最大类间方差算法，针对划分后的所述多个细胞图像中的感兴趣区域进行粗分割操作；对粗分割操作后获取的结果通过形状测试完成适用于细胞图像的图像分割操作。2.根据权利要求1所述的适用于大数据图像的图像分割方法，其特征在于，所述对接收的多个细胞图像进行划分包括：基于训练样本的细胞图像数据的统计学规律，选择分割频道；选取所述分割频道内的分割阈值，并对所述细胞图像进行前景和背景分割；根据分割后的前景像素和背景像素进行联通区域分析，获取符合条件的细胞区域。3.根据权利要求2所述的适用于大数据图像的图像分割方法，其特征在于，还包括：对获取符合条件的细胞区域以N行N列划分方式进行所述细胞图像子块的划分，其中，所述N行与所述N列为相等的数值。4.根据权利要求1所述的适用于大数据图像的图像分割方法，其特征在于，所述对粗分割操作后获取的结果通过形状测试完成适用于细胞图像的图形分割操作包括：对粗分割操作后获取的结果通过面积测试测试完成适用于细胞图像的图形分割操作，其中，所述面积测试为判断所述感兴趣区域的像素点个数是否符合预设正常细胞面积的像素点阈值区间。5.根据权利要求1所述的适用于大数据图像的图像分割方法，其特征在于，所述对粗分割操作后获取的结果通过形状测试完成适用于细胞图像的图形分割操作包括：对粗分割操作后获取的结果通过畸形度测试完成适用于细胞图像的图形分割操作，其中，所述畸形度测试为通过简易畸形度计算公式γ＝l/Np计算所述感兴趣区域的畸形度，其中，l为所述感兴趣区域的周长，Np为所述感兴趣区域的像素点个数。6.根据权利要求5所述的适用于大数据图像的图像分割方法，其特征在于，还包括：预先设置畸形度高阈值γT；当γ≤γT时，判定对粗分割操作后获取的结果通过畸形度测试。7.根据权利要求6所述的适用于大数据图像的图像分割方法，其特征在于，还包括：当γ＞γT时，基于梯度矢量流-主动轮廓模型的分割方法对感兴趣区域进行二次粗分割操作；对二次粗分割操作后获取的结果通过形状测试完成适用于细胞图像的图像分割操作。8.一种智能装置，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述权利要求1-7中任一项所述方法的步骤；其中，所述智能装置还包括触控屏幕(701)、外壳(702)、弹簧(703)、椭圆半球块(704)、第一斜块(705)、第二斜块(706)...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：北京洛必达科技有限公司，
类型：发明
国别省市：北京,11