生物醫學顯微圖像采集與處理技術研究

黃 磊 王保強 劉志剛 楊 磊（成都信息工程學院 電子工程系，四川 成都 610225）

生物醫學顯微圖像采集與處理技術研究

黃 磊 王保強 劉志剛 楊 磊
（成都信息工程學院 電子工程系，四川 成都 610225）

本文利用生物醫學顯微鏡獲取顯微圖像，并對其進行研究，探討出適合顯微圖像的處理及分析方法，從而結合醫學超聲技術觀察研究動物組織細胞的活性、表皮等生理特性。該文的主要內容分為：（1）對生物細胞圖像采集與分析的方法進行了討論；（2）描述了常用的圖像處理技術，并且實際應用于細胞圖像技術。然后對生物細胞圖像濾波，細胞圖像二值化，細胞圖像的點運算，圖像形態學處理，圖像分割的方法進行了討論與篩選；（3）對圖像處理結果進行了分析，根據結果得出結論，從而使得生物醫學顯微鏡的生物圖像采集與處理提供一定的依據。

生物圖像；圖像采集；圖像處理；生物顯微鏡

1 引言

在對生物細胞進行生理及其方面研究時，生物細胞圖像處理是其中一項重要的研究內容，其中圖像處理方法在圖像分析中是一個經典問題，目前的圖像處理中尚無一個通用的處理方法，也不存在一個標準的處理流程，只能根據實際的生物圖像，并結合特定的的算法。以下內容即是對各種常用算法的比較，以便從中選擇。

2 生物細胞圖像處理

2.1 圖像預處理

根據作用目標的不同，首先對生物細胞圖像進行預處理，進行亮度、對比度、色調、對比度調節，色彩反相，偽彩、左右鏡像，上下鏡像，圖像旋轉，灰度化圖像個通道內容，圖像拆分圖像合成，線性加權圖像合成，直方圖均衡等，從而使得后面處理效果明顯。

2.2 生物細胞圖像的濾波選擇

生物圖像增強主要是對圖像進行加隨機噪聲，椒鹽噪聲，以及進行均值濾波，孤立點去噪，選擇式掩模平滑濾波，中值濾波，高斯濾波，根據作用目標的不同，選擇不同的濾波方式，圖1為濾波效果圖。

（1）中值濾波

在實際采集的細胞圖像處理時，細胞圖像是含有噪聲的，我們首先要對圖像進行濾波，在濾波方法中比較重用的一個方法就是中值濾波，在濾波過程中對參數進行調整，其中濾波窗口尺寸一 般選擇3。然后對有椒鹽噪聲干擾的圖像進行中值濾波的結果如圖1（g）所示。

（2）均值濾波

在上述的中值濾波方法中，細胞圖像處理的效果雖然比較好，但是為了進一步提高處理的效果，引用了均值濾波。設定細胞數字圖像f（x，y）為M×N的一個陣列，在經過平滑處理后的圖像為g（x，y），得到的平滑圖像為

S-（x，y）像素點的預定領域（不包括（x，y）像素點）；

為了比較效果，處理時采取了細胞的局部圖像，其中濾波結果如圖1（e）所示，從圖中可以得出：其中的圖像去噪結果比較良好，但是質量下降了，均值濾波的平滑效果和采用的圖像領域半徑 有關，半徑增加的同時，模糊程度也要增加。

（3）選擇式掩模平滑濾波

實際圖像處理消除噪聲的過程中，都有平均化帶來的缺陷，使的邊緣模糊程度增高。

均值的計算公式為：

方差的計算公式為：

式中，N為各掩模對應的像素個數。

實現效果即圖1（f）。

2.4 圖像分割

（1）Gauss laplacian算子

高斯平滑運算導致圖像中邊緣和其他尖銳不連續部分的模糊，其中模糊程度在于σ的值，如果σ值越大，噪聲的濾波效果越好，同時影響了邊緣檢測，因為丟失了邊緣信息，但是如果取小的情況，又可能留有太多的噪聲，處理平滑不完全，效果依舊不好。經過這個算子對細胞圖像處理的結果如圖2（a）所示。

經過實際比較，LOG算子對噪聲的敏感程度很低，其中σ取值較小時，平滑度較低，會有假邊緣出現，σ取值大時，平滑度要高，但是也丟失了重要的邊緣信息，出現了間隔。（2）Canny算子

想更好的對圖像細胞細節進行保留的同時對細胞圖像分割，從而使用了坎尼（Canny）算子。用Canny邊緣檢測算子對細胞圖像的邊緣檢測結果如圖2中（b）～（f）所示，分別用了5種自適應最優閾值。

用Canny邊緣檢測算子對細胞圖像的邊緣檢測的效果最好，其中的失誤率比較低，而且噪聲影響的并不大，對后續的邊緣檢測進行影響，從而方便了后續的處理。

3 結論

本文探討了在生物細胞圖像上的數字圖像處理技術的應用，首先對圖像進行預處理，然后對圖像進行去噪和分割，在以上處理方法中處理效果比較良好。為了更好的研究其中的特征信息，仍需要在以下方面進行研究：

（1）對采集到的圖像經過一定手段處理后，如何進行定量的評價圖像質量，從而能判斷出處理方法的好壞，從而制定指定的規則，以便以后圖像處理的便捷。

（2）能提取細胞圖像不便的特征參量，可以選擇更好的參數，例如紋理參數，光密度等，還要考慮從降低某些特征參量，從而提高實際處理中的速度，以便以后大規模的細胞圖像處理，以及分類識別。

（3）如何以軟硬件的形式進行分析處理細胞圖像。

[1]陳建軍，于軍，廖紅華. 細胞顯微圖像處理研究[J].農機化研究，2011，2（02）：170-196.

[2]劉璋，胡佑倫.活體細胞的組合圖像處理研究[J].醫療設備信息，2004，19 （07）：10-20.

[3]鄭仙斌，徐向東，陸祖康，黃桂灶.一種用于植物細胞的顯微圖像處理系統[J].儀器儀表學報，2002，23（06）：655-656.

[4]郭戈，平西建.一種綜合有效的癌細胞圖像分割方法[J].計算機工程與應用，2005，41（11）：221-223.

[5]李盛陽.醫學細胞圖像分割分析方法研究[D].濟南：山東科技大學，2003.

[6]Stone H A, Stroock A D, Ajdad A.Annu. Rev[J].FluidMech，2004（36）：381.

[7]岡薩雷斯.數字圖像處理（第2版）[M].北京：電子工業出版社，2003：460-507.

[8]劉禾.數字圖像處理及應用[M].北京：中國電力出版社，2005：114-139.

[9]邵莉云圖像處理及在細胞分割中的應用[D].南京：東南大學，2002.

[10]Chua L 0 ， Yang L. Cellular Neural Networks：Theory，Applications[J].IEEE Trans On Circuitsand Systems，1988，35 （10）.

[11]Petras I. Roska T. Application of direction constrained and bipolar waves for pattern recognition[c]. Proceedings of 6th IEEE International Workshop on Cellular Neural Networks and Their Applications[A]. Catania, Italy: IEEE Publication, 2000：3～8.

O426

A

黃磊（1991-）男，碩士，研究方向：信號與信息處理。基金項目：成都市科技計劃（12DXYB186JH-005）；物理場生物效應與儀器省高校重點實驗室開放課題（2014-1）；成都信息工程大學電子工程學院教改項目（生物醫學圖像信息獲取與處理）。