荧光显微成像中明场细胞图像分割方法和装置制造方法及图纸

本发明专利技术荧光显微成像中明场细胞图像分割方法和装置，结合改进的二维OTSU阈值分割算法，在图像图预处理阶段已对单细胞图像噪声点进行了滤除，又采取了二值图像数学形态学方法进一步细胞分割结果，而后对粘连细胞部分结合细胞核图像采用基于标记控制的分水岭分割算法进行分割处理，本发明专利技术通过采用图像增强操作来改善分割结果，并利用多种分割方法来细化分割结果，能够有效解决明场细胞图像中存在的弱边缘、对比度差、细胞形状不规则和细胞粘连的问题，因此整体视觉分割效果是较好的。因此整体视觉分割效果是较好的。因此整体视觉分割效果是较好的。

【技术实现步骤摘要】
荧光显微成像中明场细胞图像分割方法和装置


[0001]本专利技术属于图像处理领域，尤其涉及一种荧光显微成像中明场细胞图像分割方法和装置。

技术介绍

[0002]图像分割就是把图像分成若干个特定的、具有独特性质的区域，并提出感兴趣目标的技术和过程。根据图像中的灰度值相似性和不连续性两大性质来对图像进行分割，如阈值分割法是根据图像灰度值的不连续性性质对目标进行分割，区域生长法是根据图像的相似性性质对目标进行分割。
[0003]由于细胞成像是透明且形状不规则的，并且强度分布与背景相比没有明显差异，使得以这种方式观察未染色的细胞很难可视化。
[0004]明场成像是用于在荧光成像之前定位细胞，能最大程度地减少光漂白对荧光信号的降解。由于明场细胞图像存在弱边缘、对比度差、细胞粘连和细胞形状不一的问题，使得很难直接对其进行做图像分割处理。针对明场细胞图像，目前常用的图像分割方法有基于阈值的图像分割、基于活动轮廓的图像分割、基于K
‑
means聚类的图像分割和基于深度学习的图像分割等方法。基于阈值的分割方法适用于图像中目标和背景像素灰度值易于区分的情况，如最经典的大津阈值法OTSU，就是利用目标和背景的类间方差最大来寻找最佳阈值，由此衍生出了二维OTSU阈值分割方法，该方法提高了对图像中噪声的鲁棒性。基于活动轮廓模型的图像分割方法是利用能量泛函进行建模，如参数主动轮廓模型和几何主动轮廓模型，该方法对初始点的选择比较敏感。基于k
‑
means聚类的图像分割方法是根据k个聚类簇内部像素的相似性来达到分割目标的目的，该方法需要人为设定参数k，耗费时间长。文献(Ali R,Gooding M,Christlieb M,et al.Phase
‑
based segmentation of cells from brightfield microscopy[C]//20074th IEEE International Symposium on Biomedical Imaging:From Nano to Macro.IEEE,2007:57
‑
60)针对明场细胞图像分割提出了一种结合高斯平滑滤波处理和水平集分割的方法。文献(龙建武，申铉京，臧慧，陈海鹏，高斯尺度空间下估计背景的自适应阈值分割算法[J].自动化学报，2014，40(08)：1773
‑
1782)为了有效处理非均匀光照图像，提出一种在高斯尺度空间上估计背景的自适应阈值分割算法。文献(殷苏民，朱锦萍，王祖声，江煜，陆文俊。基于顶帽变换和最大类间方差法的图像分割方法研究[J].科学技术与工程，2014，14(07)：60
‑
64)为了克服直接使用最大类间方差法(OTSU)的图像分割方法不能对亮度不均匀背景的图像进行准确分割的不足，提出了一种基于数学形态学的顶帽变换和最大类间方差法(OTSU)图像分割方法。文献(Zhang K,Zhang L,Song H,et al.Active contours with selective local or global segmentation:a new formulation and level set method[J].Image and Vision computing,2010,28(4):668
‑
67)提出了一种新的基于区域的活动轮廓模型，利用选择性二值和高斯滤波正则化水平集(SBGFRLS)方法实现的，该方法首先选择性地将水平集函数惩罚为二值，然后使用高斯平滑核对其进行正则化。
[0005]上述图像分割方法只能针对特定条件的图像适用，对待分割的细胞图像需要进行图像预处理操作来改善分割结果，且精确性、快速性、抗噪性和通用性一直是提升分割算法的研究难点。
[0006]专利技术目的
[0007]本专利技术的目的是提供一种荧光显微成像中明场细胞图像分割方法和装置，能够对相似的明场细胞图像或者类似的图像进行快速、准确地分割，能够有效处理明场细胞图像中存在的弱边缘、细胞形状不规则和细胞粘连的问题，从而成功准确地分割出细胞轮廓，为后续的生物学细胞内部精确的荧光点计数研究奠定基础。
[0008]本专利技术一种荧光显微成像中明场细胞图像分割方法，包括如下步骤：
[0009]步骤1、输入明场细胞图像和对应的细胞核图像；
[0010]步骤2、对输入的细胞核图像分割处理得到二值化细胞核图像，根据该二值化细胞核图像确定每个细胞的质心，分别把质心映射到明场细胞图像中后，将明场细胞图像按照单细胞进行裁剪，得到多个单细胞图像；
[0011]步骤3、分别对单细胞图像作图像增强操作,依次包括消除背景干扰处理、突出细胞边缘处理和去除噪声处理；
[0012]步骤4、把经过突出细胞边缘处理和去除噪声处理的单细胞图像各作为一个维度组成二维直方图，采用改进的二维OTSU阈值分割法对其进行处理，得到初步分割结果；
[0013]步骤5、对经过二维OTSU阈值分割后的单细胞图像采用二值图像数学形态学操作进一步优化分割结果；
[0014]步骤6、以细胞核二值图像为标记点，将所有经过步骤5处理的单细胞图像进行合并，对合并的细胞图像采用基于标记控制的分水岭分割算法进一步分割后，完成细胞图像分割。
[0015]所述步骤2具体为；对输入的细胞核图像进行OTSU阈值分割，得到初步的细胞核分割结果后，采用二值图像数学形态学处理去除杂散点，最后利用质心公式求得每个细胞核的质心，分别把质心映射到明场细胞图像中后，以质心为中心，裁剪出一个包含该细胞的矩形框，从而将明场细胞图像按照单细胞进行裁剪，得到多个单细胞图像。
[0016]所述消除背景干扰处理，是对单细胞图像作双重高斯滤波处理从而去除背景干扰，其中高斯函数公式为：
[0017][0018]其中，x,y为单细胞图像上的坐标，σ
i
为高斯函数的标准差，为高斯滤波函数的编号，其半径服从3σ准则，通过选择不同大小的σ值后作差值运算得到双重高斯滤波之后的图像为f
dg
：
[0019]f
dg
＝f*(G2‑
G1)(4)
[0020]其中，f是输入的单细胞灰度图像，*表示卷积运算，G2为大高斯滤波器，G1为小高斯滤波器，f
dg
是双重高斯滤波之后的图像，小高斯滤波器的高斯函数的标准差σ1的取值和细胞大小类似，σ2值通过定量分析而得。
[0021]所述突出细胞边缘处理，是对经过双重高斯滤波处理过的单细胞图像通过顶帽变
换在暗背景下突出细胞边缘，该顶帽变换公式为：
[0022][0023]h＝g
‑
g
o
(6)
[0024]其中，g表示需要处理的单细胞图像，S为结构单元，g
o
表示开运算后的单细胞图像，h表示顶帽变换后的单细胞图像，结构单元为盘形结构元素。
[0025]所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种荧光显微成像中明场细胞图像分割方法，其特征在于包括如下步骤：步骤1、输入明场细胞图像和对应的细胞核图像；步骤2、对输入的细胞核图像分割处理得到二值化细胞核图像，根据该二值化细胞核图像确定每个细胞的质心，分别把质心映射到明场细胞图像中后，将明场细胞图像按照单细胞进行裁剪，得到多个单细胞图像；步骤3、分别对单细胞图像作图像增强操作，依次包括消除背景干扰处理、突出细胞边缘处理和去除噪声处理；步骤4、把经过突出细胞边缘处理和去除噪声处理的单细胞图像各作为一个维度组成二维直方图，采用改进的二维OTSU阈值分割法对其进行处理，得到初步分割结果；步骤5、对经过二维OTSU阈值分割后的单细胞图像采用二值图像数学形态学操作进一步优化分割结果；步骤6、以细胞核二值图像为标记点，将所有经过步骤5处理的单细胞图像进行合并，对合并的细胞图像采用基于标记控制的分水岭分割算法进一步分割后，完成细胞图像分割。2.根据权利要求1所述的一种荧光显微成像中明场细胞图像分割方法，其特征在于，所述步骤2具体为：对输入的细胞核图像进行OTSU阈值分割，得到初步的细胞核分割结果后，采用二值图像数学形态学处理去除杂散点，最后利用质心公式求得每个细胞核的质心，分别把质心映射到明场细胞图像中后，以质心为中心，裁剪出一个包含该细胞的矩形框，从而将明场细胞图像按照单细胞进行裁剪，得到多个单细胞图像。3.根据权利要求1所述的一种荧光显微成像中明场细胞图像分割方法，其特征在于所述消除背景干扰处理，是对单细胞图像作双重高斯滤波处理从而去除背景干扰，其中高斯函数公式为：其中，x,y为单细胞图像上的坐标，σ
i
为高斯函数的标准差，为高斯滤波函数的编号，其半径服从3σ准则，通过选择不同大小的σ值后作差值运算得到双重高斯滤波之后的图像为f
dg
：f
dg
＝f*(G2‑
G1)(4)其中，f是输入的单细胞灰度图像，*表示卷积运算，G2为大高斯滤波器，G1为小高斯滤波器，f
dg
是双重高斯滤波之后的图像，小高斯滤波器的高斯函数的标准差σ1的取值和细胞大小类似，σ2值通过定量分析而得；所述突出细胞边缘处理，是对经过双重高斯滤波处理过的单细胞图像通过顶帽变换在暗背景下突出细胞边缘，该顶帽变换公式为：h＝g
‑
g
o
(6)其中，g表示需要处理的单细胞图像，S为结构单元，g
o
表示开运算后的单细胞图像，h表示顶帽变换后的单细胞图像，结构单元为盘形结构元素；所述去除噪声处理，是对顶帽变换后的单细胞图像做中值滤波处理从而消除噪声干扰，该中值滤波的公式为：
其中，f(x,y)为输入的单细胞图像，取每个像素周围κ
×
κ邻域像素点，m(x,y)为中值滤波后的单细胞图像。4.根据权利要求3所述的一种荧光显微成像中明场细胞图像分割方法，其特征在于把顶帽变换后得到的单细胞图像作为一个维度，把经过中值滤波处理后的单细胞图像作为另一个维度，两者组成二维直方图，采用改进的二维OTSU阈值分割法对其进行处理，得到初步分割结果：假设输入图像大小为M
×
N，记作f(x,y)，灰度级为L，经过双重高斯滤波和顶帽变换后的图像为f
dgt
(x,y)，中值滤波后的图像为f
dgtm
(x,y)，图像f
dgt
和图像f
dgtm
在像素(x,y)处的灰度值分别为i和j，F
ij
表示在灰度值为(i,j)处的频率大小，联合概率p
ij
表示为：其中，i,j＝0,1,...,L
‑
1并且设二维直方图分为背景C0和前景C1两个类别，该背景和前景分别对应图像中的暗区域和亮区域，s,t分别代表二维直方图在两个维度上的最佳分割阈值，C0的概率ω0和C1的概率ω1分别表示为：为：同时，将类均值向量表示为：将类均值向量表示为：且二维直方图的总均值向量表示为：类间方差矩阵定义为：采用秩来衡量类间方差：

【专利技术属性】
技术研发人员：王宜东，杜永兆，张娅，傅玉青，刁勇，
申请(专利权)人：华侨大学，
类型：发明
国别省市：