基于機器視覺的宮頸癌細胞圖像識別

張浩琦　韓佳昊　姜卓穎　袁晟　侯曉強

摘要：本文使用計算機圖像處理技術對宮頸癌細胞進行預處理，選取合適的濾波進行去燥，并對圖像進行二值化處理得到二值圖像。然后使用OpenCV函數庫對處理后的細胞對象進行邊緣提取，并運求取細胞質以及細胞核的面積之比，對正常細胞和癌變細胞的質核比進行比較，結合相關資料和研究結論，得出了質核比接近于1比1即為癌細胞的結論。實驗結果表明，本文較好的完成了宮頸癌細胞圖像的特征提取和識別任務。

關鍵詞：圖像預處理;數學形態學;特征提取

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2019）06-0056-01

1 緒論

宮頸癌是乳腺癌后女性特異性癌癥相關死亡的第二大原因，如果患者在癌前病變階段或更早期被診斷，疾病的死亡率會顯著降低。使用計算機、圖像處理、人工智能等技術的醫學顯微圖像處理是近年來迅速發展起來的圖像識別技術。本文從宮頸癌細胞的獲取到對宮頸癌細胞圖片進行預處理，再對宮頸癌細胞圖片進行特征識別從而達到對宮頸癌細胞識別的目的。

2 機器視覺獲取圖像

機器視覺系統主要由照明、鏡頭、高速相機、圖像采集卡、視覺處理器構成。通過照相機將被檢測的目標轉化成圖像信號，傳送到指定系統中進行處理。相機主要分為CCD相機和CMOS相機，多數采用CCD相機，其優勢是相機噪聲小，分辨率高，靈敏度高。

3 宮頸癌細胞顯微圖像預處理

3.1 圖像數據格式

計算機圖像由像素組成，一個圖像的行和列各有256個像素點，共65536個像素點。像素的大小受分辨率的影響，由分辨率的大小得出圖像的實際尺寸。圖像的強度通常用2的整數次冪的灰度級來表示。圖像在計算機中的儲存方式有很多，如BMP、GIF、JPEG、TIFF等。

3.2 彩色圖像灰度化

在RGB彩色模型當中，每個圖像都由三個分量圖像構成，即紅、綠、藍三原色各一個分量級組成。彩色圖像的灰度化是使彩色模型中R、G、B的分量相等，此時得到的是只有黑白顏色的圖片，其相等的數值即為灰度級。R、G、B的取值為0-255，故灰度級可描述256種從白到黑等不同深淺的顏色。進行圖像處理前，將圖片轉變成灰度圖進行后續的操作。灰度化處理方法：最大值法、平均值法、加權平均值法。

3.3 圖像增強

圖像的獲取或傳輸過程中會產生一些影響圖像處理的噪聲，噪聲主要有：高斯噪聲、瑞利噪聲、伽馬噪聲、指數噪聲、椒鹽噪聲。

直方圖均衡化使圖像在每個灰度區間內的像素點數盡可能相等，使灰度級分布廣泛，圖像可以包含更多的信息。

膨脹運算是對圖像的細節進行增強，并對不連通區域進行連通處理。假設有一個結構元素S，將S平移后得到S1，若S1擊中被處理的對象X，記下這個點，所有滿足這個條件的點的集合被稱作為膨脹后的結果。腐蝕運算是膨脹運算的對偶運算，可過濾掉圖像當中不必存在的細節。

4 宮頸癌細胞顯微圖像的分割

4.1 閾值分割法

通過對圖像中不同區域內的顏色差異進行分割，閾值分割需要設定一個閾值，對圖像內的所有像素與閾值相比較，將像素分為不同的區域。閾值分割法實現簡單、計算量小、性能比較穩定、分割速度快。

4.2 區域生長法

從一個像素點出發，按照規則判斷其相鄰像素點與其是否相似，若相似，則歸并到同一區域內進行相鄰像素點的比較，直至其領域內沒有與之相似的像素點或小區域，像素點停止增長。

5 宮頸癌細胞顯微圖像特征提取和計數

5.1 基于OpenCV的宮頸癌細胞特征提取

對細胞進行預處理后，使用OpenCV的findcontours算法對細胞核和細胞進行邊緣提取。該算法首先對讀取的二值化圖像內連續的點構成的集合進行計算，即每一個由連續點構成的點的集合的向量的個數為該二值化圖片具有的輪廓數，檢測到的輪廓可分為后一個輪廓、前一個輪廓、父輪廓、內嵌輪廓。本文檢測所有的輪廓，并將所有的輪廓建立一個等級樹狀結構。該算法定義輪廓的近似方法有三種：（1）保存邊界上的所有輪廓點到向量內。（2）僅保存輪廓拐點的信息，并將其保存到向量內。（3）用teh-Chinlchain近似算法進行計算。最后加上所檢測到的輪廓信息與原始圖像對應點的偏移量。

邊緣提取操作后，提取細胞及細胞核邊緣，選用cvcountarea算法對連通域輪廓線所包含的區域求面積。周長的計算用api-arcLength算法，尋找像素點中心，連通像素點得到連通區域，計算聯通曲線的長度即為周長。

5.2 對癌變細胞鑒別方法

查閱醫學相關資料總結出宮頸細胞癌變的明顯特征，例如癌變細胞的細胞核明顯增大以至質核比明顯減小。本文計算正常細胞的質核比和癌變細胞的質核比并對其進行比較來判斷是否為癌變細胞。

6 結語

本文對癌變細胞和未癌變細胞進行識別并比較數據，分別求其質核比，發現癌變細胞質核比2.46，未發生癌變細胞的質核比為48.49，并結合資料得出判斷宮頸細胞發生癌變的依據為質核比接近1，根據這一方法可以判斷細胞是否癌變。

參考文獻

[1] 趙國超.基于細胞核分析的癌細胞圖像特征提取與識別[D].武漢理工大學，2013.

[2] 宋盟春.宮頸癌細胞計算機自動識別系統研究與設計[D].暨南大學，2008.

[3] 李子柔，王健慶，陳景森，et al.基于計算機視覺的細胞顯微圖像研究[J].福建電腦， 2017（12）：53.

[4] 范金坪.宮頸細胞圖像分割和識別方法研究[D].暨南大學，2010.

[5] 謝欣，夏哲雷.深度卷積神經網絡的宮頸癌細胞圖像識別[J].中國計量大學學報，2018（02）：200-203.

Image Recognition of Cervical Cancer Cells Based on Machine Vision

ZHANG Hao-qi，HAN Jia-hao，JIANG Zhuo-ying，YUAN Sheng，HOU Xiao-qiang

（Zhengzhou University，Zhengzhou Henan? 450001）

Abstract：In this paper， the computer image processing technology is used to pretreat the cervical cancer cells， select the appropriate filter for desiccating， and the image is binarized to obtain the binarization image.After that， OpenCV function library was used to extract the edge of the processed cell objects， and the ratio of cytoplasm and nucleus area was obtained by operation to compare the cytoplasm and nucleus ratio of normal cells and cancerous cells. Combined with relevant data and research conclusions， the conclusion that the cytoplasm and nucleus ratio was close to 1-1 was the cancer cell.The experimental results show that the task of feature extraction and recognition of cervical cancer cell image is completed well in this paper.

Key words：image preprocessing; mathematical morphology; feature extraction