當(dāng)今時(shí)代中,有越來越多的信息科技應(yīng)用到平常的生活之中。在醫(yī)學(xué)科技上,也越發(fā)體現(xiàn)出這種趨勢(shì)。在醫(yī)學(xué)檢查中,血液中不同種類白細(xì)胞的計(jì)數(shù)是個(gè)人檢查的指標(biāo)之一。自動(dòng)白細(xì)胞計(jì)數(shù)器的主要過程包括白細(xì)胞顯微圖像的分割、提取和分類。不同于紅細(xì)胞等無核血細(xì)胞。白細(xì)胞中由于細(xì)胞核的存在,使得在血液經(jīng)過染色后,細(xì)胞核區(qū)域的顏色在整幅圖像中趨于最深。并且,各類白細(xì)胞的染色顏色也略有不同。而細(xì)胞核的存在,在常規(guī)的利用形態(tài)學(xué)方法進(jìn)行白細(xì)胞分割時(shí)反而起到了干擾作用。較為完整的細(xì)胞核和細(xì)胞質(zhì)區(qū)域的提取又是進(jìn)行白細(xì)胞分類的基礎(chǔ)。因此,白細(xì)胞區(qū)域的分割和提取就成為了研究的重點(diǎn)。分水嶺算法由于對(duì)于圖像中包含的微弱邊緣能夠有較好的響應(yīng),因此在進(jìn)行圖像的分割時(shí),獲得了較多的應(yīng)用。分水嶺算法在針對(duì)粘連白細(xì)胞的分割上也已經(jīng)展現(xiàn)了比較優(yōu)異的效果。但在白細(xì)胞顯微圖像中,由于白細(xì)胞細(xì)胞核的存在,常規(guī)的基于距離變換、基于梯度和基于標(biāo)記的分水嶺分割算法在應(yīng)用到白細(xì)胞圖像分割中時(shí)都有著或多或少的問題和難點(diǎn)。并且由于白細(xì)胞同時(shí)會(huì)有與紅細(xì)胞粘連的情況或者由于染色和圖像采樣時(shí)產(chǎn)生的不穩(wěn)定問題,以及白細(xì)胞形態(tài)的多樣性等,都給分水嶺算法在白細(xì)胞圖像的分... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

HSV顏色模型

圖 3-1 灰度圖像形態(tài)學(xué)重構(gòu)圖 3-1(a)中灰色部分表示掩膜圖像 f，黑色部分為標(biāo)記圖像 g；圖 3-1(b)為圖像 B 經(jīng)過形態(tài)學(xué)重構(gòu)的結(jié)果圖。3.2 分水嶺分割算法分水嶺分割算法[38]是一種基于區(qū)域的分割方法。由 Digabel 和 Lantuejoul 首先引入數(shù)字圖像處理領(lǐng)域之中。一開始因?yàn)樗惴ū旧淼挠?jì)算復(fù)雜度過高和當(dāng)時(shí)硬件設(shè)備的約束，分水嶺算法沒有得到重視，只是作為一種二值化圖像的方法。隨后經(jīng)過 Vincent 和 Beucher[39]等人的進(jìn)一步研究，使分水嶺算法日趨成熟，其算法復(fù)雜度得到了優(yōu)化大大的減少了計(jì)算量。因此，越來越多的研究者們看到了分水嶺的優(yōu)點(diǎn)和獨(dú)特思想，分水嶺算法逐漸成為圖像分割領(lǐng)域的一個(gè)重要的分支。分水嶺算法的實(shí)現(xiàn)大致可以分為基于模擬浸沒的分水嶺算法和基于降水淹沒的分水嶺算法兩類。兩類算法本質(zhì)沒有區(qū)別，只是其實(shí)現(xiàn)過程略有不同。在分水嶺算法中，算法將一幅數(shù)字圖像中視為一處三維地形的地形圖。(x,y)表示圖像中的某一個(gè)點(diǎn)，在三維地形圖中就表示某一個(gè)點(diǎn)的地理位置坐標(biāo)，而圖

個(gè)像素的灰度值為該像素與距其最近的背式轉(zhuǎn)換后的二值圖像應(yīng)用距離變換的基本其最近的非零像素點(diǎn)的距離。當(dāng)二值圖像兩個(gè)部分時(shí)，用 D 表示距離變換后的集像素點(diǎn)，dist 為距離函數(shù)。在 Matlab 中距用語法為 D=bwdist(I)[43]。距離變換的分水嶺算法的流程為： 和 graythresh 函數(shù)將輸入的目標(biāo)圖像變求補(bǔ)并求距離變換。shed 函數(shù)求出距離變換的分水嶺分割。分水嶺分割相比于原始的分水嶺分割其分存在。

【參考文獻(xiàn)】：
期刊論文
[1]EM聚類和SVM自動(dòng)學(xué)習(xí)的白細(xì)胞圖像分割算法[J]. 鄭馨,王勇,汪國有.  數(shù)據(jù)采集與處理. 2013(05)
[2]主動(dòng)學(xué)習(xí)的白細(xì)胞圖像自動(dòng)分割[J]. 崔鳳,潘晨,吳向平,徐軍.  中國圖象圖形學(xué)報(bào). 2012(08)
[3]極坐標(biāo)描述的顯微白細(xì)胞圖像分割算法[J]. 顧廣華,崔冬,郝連旺.  生物醫(yī)學(xué)工程學(xué)雜志. 2010(06)
[4]基于距離變換的粘連細(xì)胞分割方法[J]. 游迎榮,范影樂,龐全.  計(jì)算機(jī)工程與應(yīng)用. 2005(20)
[5]一種穩(wěn)健的自適應(yīng)圖像平滑算法[J]. 芮杰,吳冰,秦志遠(yuǎn),山海濤.  中國圖象圖形學(xué)報(bào). 2005(01)
[6]基于距離變換和形態(tài)學(xué)的頂點(diǎn)探測(cè)算法[J]. 李紅松,侯朝楨.  電子學(xué)報(bào). 2004(01)
[7]基于數(shù)學(xué)形態(tài)學(xué)的免疫細(xì)胞圖象分割[J]. 謝鳳英,姜志國,周付根.  中國圖象圖形學(xué)報(bào). 2002(11)
[8]自然背景下人工目標(biāo)的檢測(cè)與分割[J]. 馬兆勉,陶純堪.  中國激光. 2000(03)
[9]一種有效的白細(xì)胞圖像彩色空間序貫分割方法[J]. 張勇,孫巖樺,虞烈.  西安交通大學(xué)學(xué)報(bào). 1998(08)

碩士論文
[1]白細(xì)胞顯微圖像分類研究[D]. 張立偉.哈爾濱工程大學(xué) 2008



本文編號(hào)：3238368