基于組織切片細胞圖像預處理算法的研究

【摘要】在圖像處理的過程中，圖像預處理的好壞直接影響后續處理有直接的影響。針對圖像濾波消噪的同時把圖像中一些重要的細節特征消去這個問題，闡述了數學形態學的基本運算及其在圖像預處理中的應用，通過Matlab仿真結果分析，該方法在組織切片細胞的預處理應用中有很明顯的優勢。

【關鍵詞】圖像濾波;數學形態學;小波變換;仿真

1.引言

圖像在獲取或者傳輸過程中，經常會被加入大量的噪聲，嚴重影響了圖像的視覺效果，甚至妨礙了人們的正常識別。因此，圖像的噪聲濾除是圖像處理中的一項重要任務，噪聲濾除后的結果對圖像邊緣檢測、圖像分割、特征提取和圖像識別等后續處理均有直接的影響。圖像中一般既有較為平滑的區域，也有豐富的細節或邊緣，這些細節或邊緣通常包含重要的視覺感知信息。因此，圖像濾波的目的除了去除噪聲外，還要盡可能地保留細節或邊緣等信息。在本文中，我們首先介紹一些常用的彩色圖像的特點，然后將數學形態學應用于圖形的預處理，這一算法具有較好的濾除噪聲能力，并且能有效地保留圖像中原有細節或邊緣。

2.組織細胞圖像的特點

對于彩色組織細胞圖像的研究，最困難的就是細胞的形態辨別以及特征信息提取。關于醫學生物細胞圖像的研究，對實現細胞形態觀測以及疾病診斷提供依據。研究組織細胞圖像分割，目的就是可以把組織細胞從復雜的噪音背景中分割出來，便于以后提取單獨細胞的狀態、形態以及特征信息，理想的分割算法有利于判斷和確定組織細胞結構的特點。通過觀察組織細胞顯微圖像圖1總結如下特征：

圖1 組織切片細胞圖像

（1）組織細胞的邊緣信息模糊，顏色較深;背景雜質較多，顏色較淺;

（2）整個細胞圖像背景的顏色并不是均勻的;

（3）在組織細胞的邊界處像素灰度變化劇烈;

（4）死細胞數目比較多，導致細胞內部存在大量雜質;

（5）組織細胞背景內部含有大量的雜質噪聲;

（6）整個細胞圖像存在很多個細胞可相互粘連、重疊的現象，可能導致分割結果不是很理想。

3.圖像預處理

利于軟件對圖像進行預處理，本實驗采用的matlab圖像處理庫來處理組織細胞顯微圖像，提高圖像質量，增加圖像對比度。圖像預處理包括：灰度化，濾波除噪，圖像增強。本實驗采用的是提高對比度的圖像增強算法，突出組織細胞圖像關鍵的特征信息。

數學形態學是研究數字影像形態結構特征與快速并行處理方法的理論，是通過對目標影像的形態變換來實現結構分析和特征提取的。

假設點的像素值設為與對應的核B覆蓋下所有點中的最大（最小）值。膨脹是求局部最大值的操作，腐蝕是求局部最小值。則膨脹腐蝕公式為：

膨脹：

腐蝕：

開運算：

閉運算：

高帽公式：

低帽公式：

利用形態學運算的不同組合，可以構造出很多不同的算法，可以使圖像達到收縮、細化、抽骨架、剪枝和粗化等效果，進一步實現物體識別、邊界檢測及顆粒分析等圖像處理過程。

圖2 去噪后圖像

4.仿真

為了使組織切片細胞圖像中噪音濾出效果更佳好，同時又可以保持圖像原有的邊緣信息，因此對小波變換算法和數學形態學方法進行了相關仿真驗證，以驗證該改進算法的合法性和合理性。仿真結果如圖2、3。由試驗結果我們可以看出，本文算法能很好地達到預處理的作用，達到了預期目的，滿足了圖像分割對實時性，準確性的要求。

采集的組織細胞圖像雜質較多，重疊顯現尤為嚴重，這也導致了粘連處的邊緣檢測出現模糊，甚至不連續的現象。對于這一問題還需要進一步分析研究粘連細胞分割算法，另外采集的組織細胞圖像應該含有比較少的噪聲。

圖3 圖像的高低帽增強

5.總結

組織細胞分割的關鍵在于如何區別細胞和雜質。本實驗的數學形態學算法能夠較好的分割細胞圖像，具有方法簡單，運算量小的特點。通過仿真結果也可以看出，分割出的圖像邊緣與其他算法比較有很明顯的優勢，達到了預期的分割結果。可以看出在細胞的內部存在的雜質太多，使得圖像分割的結果太亂，出現大量的偽邊緣，因此針對這些問題，在后續的算法研究中還需要進一步改進，使得算法更具有通用性和實時性。

參考文獻

[1]范立南，韓曉微，張廣淵.圖像處理與模式識別[M].北京：科學出版社，2007.

[2]薛繼偉，張問銀，陳冬芳，王桂華.基于數學形態學的圖像濾波方法[J].大慶石油學院學報，2003，27（4）：48-50.

[3]李艷麗.醫學圖像濾波與增強技術研究[河南科技大學碩士學位論文].河南：河南科技大學，2013.

[4]袁麗婷，邱力軍.基于 Matlab 的x線醫學圖像增強與直方圖處理方法[M].第四軍醫大學學報，2007，28（4）：376-378.

基金項目：遼寧省科技廳攻關計劃項目（項目編號：2011201035）和遼寧省教育廳項目（項目編號：L2012230）。