一种基于图像识别的血液细胞计数方法技术

本发明专利技术公开了一种基于图像识别的血液细胞计数方法，其步骤包括：获取图像，进行预处理、双边滤波和边缘检测；双边滤波后的灰度图和边缘检测后的边缘图分割为若干个灰度小图和边缘小图；对每个小图进行扫描，根据边缘点位置的最大灰度值和最小灰度值计算出每张小图的阈值，根据阈值对每张小图进行扫描，高于阈值的区域为血液细胞图像区域，将高于阀值的像素点置为255，其他置为0，输出边缘图，检测边缘图中的连续区域，根据血液细胞大小的均值在当前规格图片上的像素大小剔除过大或过小连续区域，统计剩下的连续区域数量，即为所识别出的血液细胞总数。

A Blood Cell Counting Method Based on Image Recognition

【技术实现步骤摘要】
一种基于图像识别的血液细胞计数方法
本专利技术属于医疗检测
，涉及一种基于图像识别的血液细胞计数方法。
技术介绍
目前的血液细胞检测方法中，最常用的是专利申请号为201610676970.2的一种白带显微图像中白细胞的自动识别方法，通过对显微镜图像进行灰度处理，再寻找图像中的连通区域，根据白细胞实际的形态，对图像中连通区域进行依次筛选，最终识别出白带中的白细胞图像。上述方法，只能用于白带中的白细胞检测，只能提取白细胞边缘图像(详见专利中的步骤5和步骤6)，无法提取真正的白细胞图像，识别准确率不高；并且在图片光亮度不均匀的情况下无法准确识别。
技术实现思路
(一)专利技术目的本专利技术的目的是：提供一种基于图像识别的血液细胞计数方法，通过对图像进行分区处理和识别，从而有效的消除亮度不均匀、其他材质性渐变背景对识别的影响，提高在亮度不均匀、其他材质性渐变背景图像下的血液细胞计数识别准确率。(二)技术方案为了解决上述技术问题，本专利技术提供一种基于图像识别的血液细胞计数方法，其包括以下步骤：S1：获取图像使用显微镜头对血液细胞图像进行采集；S2：将图像转换为灰度图将所采集的血液细胞图像进行灰度处理，转换为灰度图；S3：对灰度图进行降噪处理；S4：从降噪处理后的灰度图中提取最大灰度值和最小灰度值，根据最大灰度值和最小灰度值计算出线性转换的scalar和偏移；S5：根据scalar和偏移对降噪处理后的灰度图进行线性转换；S6：对线性变换后的灰度图进行腐蚀处理；S7：对步骤S6中腐蚀处理后的灰度图进行膨胀处理；S8：对步骤S7中膨胀处理后的灰度图进行腐蚀处理；S9：对步骤S8中腐蚀处理后的灰度图进行双边滤波；S10：对步骤S9中双边滤波后的灰度图进行边缘检测；S11：保存步骤S10中边缘检测后输出的边缘图；S12：对步骤S9得到的灰度图和步骤S11保存的边缘图按照选定的分割图像大小进行分割，分割为若干个灰度小图和边缘小图；S13：对每个小图进行扫描，对比同一区域的灰度小图和边缘小图，通过边缘小图边缘的点位置提取灰度小图中对应点位置的灰度值，然后筛选出最大灰度值和最小灰度值；S14：根据边缘点位置的最大灰度值和最小灰度值设定每张小图的阈值；如果边缘小图中没有边缘，说明当前区域没有目标，把阀值置为255；S15：根据各自的阈值对灰度小图中的每张小图进行扫描，高于阈值的区域为血液细胞图像区域，将高于阀值的像素点置为255，其他置为0，输出边缘图；S16：将步骤S15输出的边缘图按原位置拼接为一张完整的边缘图，并检测完整的边缘图中的连续区域，获取各连续区域的大小；S17：根据血液细胞大小的均值在当前规格图片上的像素大小剔除过大或过小连续区域；血液细胞大小的均值是指在当前放大倍率下血液细胞平均大小，常规来说是13.5微米；过大连续区域是指大于所述像素大小的1.5倍的区域，过小连续区域是指小于所述像素大小的0.5倍的区域；S18：统计剩下的连续区域数量，即为所识别出的血液细胞总数。其中，所述步骤S12中，灰度图和边缘图进行分割时，分割图像大小通过以下实验过程确定：S12a：根据步骤S9得到的其中一幅灰度图的X方向和Y方向的梯度，结合目标大小，选取m*m像素作为初始分割图像大小，对该一幅灰度图和其对应的边缘图进行分割；S12b：然后按照步骤S13-S18计算出对应该次分割图像大小所识别出的血液细胞总数，并通过观察判断识别结果中是否有漏识别或错识别，对结果进行记录；S12c：在m*m像素作为分割图像大小的基础上，依次增加40％～60％血液细胞大小的像素作为新的分割图像大小，按照每次选取出的新的分割图像大小，实施步骤S12b；S12d：多次试验后，对记录结果进行比较，随着识别次数的增加，识别出的血液细胞总数先由小到大、再由大到小时，同时识别准确率也先由小到大、再由大到小，则其中所识别出的血液细胞总数最大值及准确率所对应的图像分割大小即为所确定的图像分割大小。其中，所述步骤3包括：首先，对灰度图进行平滑滤波降噪点；接下来，对平滑滤波降噪点后的图像进行双边滤波降噪点。其中，所述步骤4中，Scalar＝255/(最大灰度值-最小灰度值)；偏移＝最小灰度值*(Scalar–1)。其中，所述步骤10中，边缘检测采用Canny算法进行。(三)有益效果上述技术方案所提供的基于图像识别的血液细胞计数方法，基于图像分区技术的处理和识别方法，有效的消除亮度不均匀、其他材质性渐变背景对识别的影响，提高了在亮度不均匀、其他材质性渐变背景图像下的血液细胞计数识别准确率。附图说明图1为本专利技术方法的流程图。具体实施方式为使本专利技术的目的、内容、和优点更加清楚，下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。图像的亮度不均匀或其他材质性渐变背景在转化为灰度图后都会呈现出区域的线性渐变特征，这种区域渐变特征对目标的边界检测和提取影响很小，但是对于目标的完整提取却影响很大。本方法把需要识别的图像按图像灰度图的梯度分割成若干个小图像进行分别处理和识别，然后把分别处理完的小图像进行合并、综合，从而消除了亮度不均匀、其他材质性渐变背景对于识别的影响。参照图1所示，本实施例基于图像识别的血液细胞计数方法包括以下步骤：S1：获取图像使用显微镜头对血液细胞图像进行采集；S2：将图像转换为灰度图将所采集的血液细胞图像进行灰度处理，转换为灰度图；S3：对灰度图进行降噪处理首先，对灰度图进行平滑滤波降噪点；接下来，对平滑滤波降噪点后的图像进行双边滤波降噪点；S4：从降噪处理后的灰度图中提取最大灰度值和最小灰度值，根据最大灰度值和最小灰度值计算出线性转换的scalar和偏移；Scalar＝255/(最大灰度值-最小灰度值)；偏移＝最小灰度值*(Scalar–1)。S5：根据scalar和偏移对降噪处理后的灰度图进行线性转换；S6：对线性变换后的灰度图进行腐蚀处理；S7：对步骤S6中腐蚀处理后的灰度图进行膨胀处理；S8：对步骤S7中膨胀处理后的灰度图进行腐蚀处理；S9：对步骤S8中腐蚀处理后的灰度图进行双边滤波；S10：对步骤S9中双边滤波后的灰度图进行边缘检测；边缘检测采用Canny算法进行。S11：保存步骤S10中边缘检测后输出的边缘图；S12：对步骤S9得到的灰度图和步骤S11保存的边缘图按照选定的分割图像大小进行分割，分割为若干个灰度小图和边缘小图；S13：对每个小图进行扫描，对比同一区域的灰度小图和边缘小图，通过边缘小图边缘的点位置提取灰度小图中对应点位置的灰度值，然后筛选出最大灰度值maxValue和最小灰度值minValue；S14：根据边缘点位置的最大灰度值maxValue和最小灰度值minValue计算出每张小图的阈值Threshold；其中，本实施例中阈值的计算公式可以为Threshold＝maxValue-(maxValue-minValue)/x，分母x的值从1.0～1.5之间选取，采用自适应算法，具体值的大小，视图片处理效果而定。如果边缘小图中没有边缘，说明当前区域没有目标，那么直接把阀值置为255。S15：根据各自的阈值对灰度小图中的每张小图进行扫描，高于阈值的区域为血液细胞图像区域，将高于阀值的像素点置为255，其他置为0，输出边缘图；S16：将本文档来自技高网...

【技术保护点】
1.一种基于图像识别的血液细胞计数方法，其特征在于，包括以下步骤：S1：获取图像使用显微镜头对血液细胞图像进行采集；S2：将图像转换为灰度图将所采集的血液细胞图像进行灰度处理，转换为灰度图；S3：对灰度图进行降噪处理；S4：从降噪处理后的灰度图中提取最大灰度值和最小灰度值，根据最大灰度值和最小灰度值计算出线性转换的scalar和偏移；S5：根据scalar和偏移对降噪处理后的灰度图进行线性转换；S6：对线性变换后的灰度图进行腐蚀处理；S7：对步骤S6中腐蚀处理后的灰度图进行膨胀处理；S8：对步骤S7中膨胀处理后的灰度图进行腐蚀处理；S9：对步骤S8中腐蚀处理后的灰度图进行双边滤波；S10：对步骤S9中双边滤波后的灰度图进行边缘检测；S11：保存步骤S10中边缘检测后输出的边缘图；S12：对步骤S9得到的灰度图和步骤S11保存的边缘图按照选定的分割图像大小进行分割，分割为若干个灰度小图和边缘小图；S13：对每个小图进行扫描，对比同一区域的灰度小图和边缘小图，通过边缘小图边缘的点位置提取灰度小图中对应点位置的灰度值，然后筛选出最大灰度值和最小灰度值；S14：根据边缘点位置的最大灰度值和最小灰度值计算出每张小图的阈值；如果边缘小图中没有边缘，说明当前区域没有目标，把阀值置为255；S15：根据各自的阈值对灰度小图中的每张小图进行扫描，高于阈值的区域为血液细胞图像区域，将高于阀值的像素点置为255，其他置为0，输出边缘图；S16：将步骤S15输出的边缘图按原位置拼接为一张完整的边缘图，并检测完整的边缘图中的连续区域，获取各连续区域的大小；S17：根据血液细胞大小的均值在当前规格图片上的像素大小剔除过大或过小连续区域；血液细胞大小的均值是指在当前放大倍率下血液细胞平均大小，常规来说是13.5微米；过大连续区域是指大于所述像素大小的1.5倍的区域，过小连续区域是指小于所述像素大小的0.5倍的区域；S18：统计剩下的连续区域数量，即为所识别出的血液细胞总数。...

【技术特征摘要】
1.一种基于图像识别的血液细胞计数方法，其特征在于，包括以下步骤：S1：获取图像使用显微镜头对血液细胞图像进行采集；S2：将图像转换为灰度图将所采集的血液细胞图像进行灰度处理，转换为灰度图；S3：对灰度图进行降噪处理；S4：从降噪处理后的灰度图中提取最大灰度值和最小灰度值，根据最大灰度值和最小灰度值计算出线性转换的scalar和偏移；S5：根据scalar和偏移对降噪处理后的灰度图进行线性转换；S6：对线性变换后的灰度图进行腐蚀处理；S7：对步骤S6中腐蚀处理后的灰度图进行膨胀处理；S8：对步骤S7中膨胀处理后的灰度图进行腐蚀处理；S9：对步骤S8中腐蚀处理后的灰度图进行双边滤波；S10：对步骤S9中双边滤波后的灰度图进行边缘检测；S11：保存步骤S10中边缘检测后输出的边缘图；S12：对步骤S9得到的灰度图和步骤S11保存的边缘图按照选定的分割图像大小进行分割，分割为若干个灰度小图和边缘小图；S13：对每个小图进行扫描，对比同一区域的灰度小图和边缘小图，通过边缘小图边缘的点位置提取灰度小图中对应点位置的灰度值，然后筛选出最大灰度值和最小灰度值；S14：根据边缘点位置的最大灰度值和最小灰度值计算出每张小图的阈值；如果边缘小图中没有边缘，说明当前区域没有目标，把阀值置为255；S15：根据各自的阈值对灰度小图中的每张小图进行扫描，高于阈值的区域为血液细胞图像区域，将高于阀值的像素点置为255，其他置为0，输出边缘图；S16：将步骤S15输出的边缘图按原位置拼接为一张完整的边缘图，并检测完整的边缘图中的连续区域，获取各连续区域的大小；S17：根据血液细胞大小的均值在当前规格图片上的像素大小剔除过大或过小连续区域；血液细胞大小的均值是指在当前放大倍率下血液细胞平均大...

【专利技术属性】
技术研发人员：林辉，翁培垒，行伟森，郦会，
申请(专利权)人：深圳大森智能科技有限公司，
类型：发明
国别省市：广东,44