基于區(qū)域特征和邊界信息相結(jié)合的生物大分子圖像分割實(shí)驗(yàn)系統(tǒng)。該系統(tǒng)能夠準(zhǔn)確提取冷凍電子斷層掃描的生物大分子,從而提高冷凍電子斷層掃描的生物大分子的提取率,能在實(shí)驗(yàn)教學(xué)中更好地幫助學(xué)生理解圖像預(yù)處理和分割算法。首先,對冷凍電子斷層掃描的生物大分子圖像進(jìn)行圖像降噪、圖像灰度均衡化和均值濾波,然后,基于區(qū)域生長方法對圖像進(jìn)行閾值分割,再應(yīng)用Sobel模板邊緣檢測方法對生物大分子圖像進(jìn)行二次分割,實(shí)現(xiàn)基于圖像區(qū)域特征和邊界信息的圖像分割算法,最后,成功提取出了生物大分子。該實(shí)驗(yàn)不僅提高了生物大分子的提取率,也為同學(xué)們進(jìn)行圖像研究奠定了基礎(chǔ)。 

【文章來源】：淮北職業(yè)技術(shù)學(xué)院學(xué)報. 2020,19(04)

【文章頁數(shù)】：4 頁

【部分圖文】：

邊緣定向增強(qiáng)的各向異性擴(kuò)散降噪方法的實(shí)驗(yàn)結(jié)果

圖像均值濾波法是一種有效的信號處理技術(shù)，它通過非線性擬合的方式將單一像素點(diǎn)的灰度值設(shè)置為鄰域周圍所有像素點(diǎn)平均灰度值來實(shí)現(xiàn)。均值濾波的原理是把序列中一點(diǎn)的值用該點(diǎn)周邊鄰域中各點(diǎn)的均值替換，目的是消除隨機(jī)的噪聲。[5]中值濾波后的圖像如圖2(b）所示。2 基于區(qū)域生長方法的圖像閾值分割

對圖像進(jìn)行閾值分割的目的是實(shí)現(xiàn)基于圖像的色彩信息和生物大分子細(xì)胞形態(tài)特征提取生物大分子。分割系統(tǒng)以生物大分子為種子，基于生物大分子與背景之間顏色的不同，以HIS顏色空間中的顏色分量H（飽和度）的值為基礎(chǔ)，采用區(qū)域生長的方法得到生物大分子。但是由于生物大分子顏色的不均勻性和模糊性，使得區(qū)域生長的結(jié)果中生物大分子邊緣部分不清晰，與真實(shí)的生物大分子輪廓有一定差異，因此，需要對大分子白細(xì)胞輪廓作修正。其主要算法流程如圖4所示，包括初始化和循環(huán)兩個模塊。初始化模塊選取初始種子，然后初始化堆棧，將種子點(diǎn)壓入隊列。循環(huán)模塊確定當(dāng)隊列為空時為循環(huán)結(jié)束條件，從隊列中取出頂元素的鄰域點(diǎn)，對于二維圖像，取八鄰域，對于三維圖像，取六鄰域。采用比較簡單的方法定義相似度條件：假設(shè)隊列頂端元素的灰度值為gc，當(dāng)前相鄰點(diǎn)灰度值為gn，種子點(diǎn)的灰度值為gs,nv、cv為用戶設(shè)定的值，定義當(dāng)│gc-gn│≤nv且│gs-gn│≤cv時，滿足相似度條件。最后，當(dāng)相鄰點(diǎn)滿足相似度條件，則將其壓入堆棧繼續(xù)循環(huán)，如果不滿足則跳出循環(huán)，結(jié)束程序。經(jīng)區(qū)域生長算法進(jìn)行圖像分割處理后的生物大分子圖像如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]3D打印中基于canny和卷積神經(jīng)網(wǎng)絡(luò)的邊緣檢測[J]. 馮曦.  中國新通信. 2017(16)
[2]融合模糊連通圖和區(qū)域生長的MRI腦組織圖像分割算法[J]. 吳建.  科學(xué)技術(shù)與工程. 2013(05)
[3]關(guān)于數(shù)字圖像處理中直方圖均衡化的探討[J]. 劉興建.  硅谷. 2011(16)
[4]醫(yī)學(xué)圖像處理與分析的應(yīng)用和意義[J]. 許園甫.  華夏醫(yī)學(xué). 2008(06)
[5]一種改進(jìn)的中值濾波算法[J]. 王雙.  電子技術(shù). 2007(Z3)
[6]艦船紅外圖像邊緣檢測方法對比研究[J]. 何友金,李楠.  計算機(jī)仿真. 2006(04)
[7]基于邊緣定向增強(qiáng)的各向異性擴(kuò)散抑噪方法[J]. 謝美華,王正明.  電子學(xué)報. 2006(01)
[8]基于顏色直方圖和空間信息融合的圖像分割算法[J]. 黃春艷,楊國勝,侯艷麗.  計算機(jī)工程與應(yīng)用. 2005(03)

碩士論文
[1]醫(yī)學(xué)圖像三維重建的預(yù)處理算法研究[D]. 宋子國.廣東工業(yè)大學(xué) 2012



本文編號：3580366