尿沉渣圖像有形成分分割及兩類細胞識別研究

徐曉蓉

摘? ?要：尿檢測是醫院常見的一種檢測項目，對患者的臨床泌尿系統進行檢測和診斷均具有非常重要的意義。文章將通過利用數字圖像處理技術與模式識別理論，對各種有形成分進行分割定位，以此來將各種有形成分從背景中進行良好的分離，并通過對兩類細胞：精子、管型細胞進行深入研究，從而根據其特征來分類識別。

關鍵詞：尿沉渣圖像;有形成分分割;兩類細胞

尿常規是醫院三大常規檢測項目之一，而尿沉渣分析就是對尿液中所蘊含的各種有形成分進行分類識別，并詳細記錄每種有形成分的數量，之后醫生便可以根據尿沉渣中所蘊含的有形成分的類別及數量對患者的病情進行診斷，提高診斷的效率。與傳統的人工尿沉渣檢測方式不同，如今的尿沉渣自動檢測系統部件更清晰、速度更快、準確率也更高，對現代的醫學發展有著極其重要的現實意義。

1? ? 尿沉渣有形成分圖像分割

1.1? 閾值分割

閾值分割主要是通過對圖像像素的某些性質的分布進行限制來進行的，例如尿沉渣圖像的灰度級別或者顏色區別等。閾值分割主要是利用圖像的整體或者部分的灰度信息來進行分割的，相比較其他的分割方法來說，閾值分割計算起來更加簡便，所以運算效率和檢測效率也比較高，再加上其本身的分割能力比較穩定，所以也是目前應用最為廣泛的一種尿沉渣圖像分割方法。不過這種分割方法的優點很多，缺點也有，因為閾值分割是對整個圖像來進行分割的，容易受到各種情況的干擾，而且在進行有形成分分割后，圖像的分辨率比較小，可用的紋理信息較少等，所以一般不能用于對復雜圖片的處理工作之中。

1.2? 區域生長分割

區域分割是一種直接尋找目標區域為基礎的分割方法。而區域生長分割則是根據事前定義好的準則來將像素或者子區域聚合成為更大區域的過程。簡單來說，就是選取一個像素來作為區域生長分割方法的起始點，然后按照事前規定好的準則來將其周圍與其特性相同或者相似的像素進行合并附加，直到整個圖像內再也沒有能夠與起始點像素相類似的像素時再“停止生長”。如此，一個區域便生長分割完成了。隨后再進行下一個區域的生長分割，對上述方式進行重復，一直到圖像中的所有像素都已經被分割完成，這種分割辦法便完成了，之后只要完成統計計算便可。但同閾值分割一樣，區域生長分割也有著其特有的優缺點，優點便是在實際操作過程中，對于區域的準則定義比較容易，而且在停止生長的方式容易尋找的時候，更容易取得較好的分割效果，還有著更好的抗噪聲能力，缺點便是如果沒有一個好的生長和停止的準則，就會造成過分分割或者未分割的情況出現，甚至還會出現死循環問題。

1.3? 分水嶺分割

分水嶺分割是一種與數學中的拓撲理論相結合的分割方法。總結來說，就是將圖像看作是測地學中的拓撲地貌，而圖像中的每一個像素點的灰度值就是這個拓撲地貌中的海拔高度，局部極小值則是集水盆，那么集水盆的邊界部位就會形成一個個的分水嶺。在實際應用中，分水嶺分割方法需要與圖像的距離圖結合使用，可以通過算法得到一個個封閉的、連續的邊緣，這樣就可以根據這些邊緣來對整個圖像進行分割工作。但因為分水嶺方法的算法對圖像的灰度變化極為敏感，再加上傳統的分水嶺算法有著嚴重的過分分割問題，所以在實際應用中，往往需要在分水嶺方法使用之前，先根據檢測目標的實際問題來去掉與檢測目標無關的各種邊緣信息，以此來消除過分分割的情況，所以對人工的要求相對比較高[1]。

1.4? 基于梯度邊緣檢測的圖像分割

在尿沉渣圖像中，每個圖像包含著諸多各不相同的區域，而區域之所以能夠成為區域，主要是因為在各個區域之間有著形狀不一的邊界對其進行劃分，進而形成圖像中形態各異、大小不一的區域。而且各個區域的邊界一般來說也是圖像中灰度變化最為明顯的地方，這也是它能夠利用邊界的梯度變化來進行區域分割的原因。梯度邊緣檢測圖像邊界種類如圖1所示。

圖1? 梯度邊緣檢測圖像邊界種類

這3種梯度邊緣檢測圖像的分類是根據圖像從一個區域到另一個區域變化的灰度值的明顯程度來決定的，第一種是階梯型邊界，這種邊界的灰度值變化非常明顯，也很容易被區分。第二種則是漸變型邊界，這種邊界的灰度值過渡比較緩慢，從整個圖像來看，兩個區域之間的灰度變化看起來就好像是有一個比較明顯的漸變區域。第三種則被稱為線性邊緣，就如同其名字那樣，這種邊界往往都只有一個或者幾個像素粗細，其分割的兩個區域看起來可能就像是一個區域，不仔細觀測很難將兩個區域進行區分，但這個邊界卻是真實存在的，所以還是會被分為兩個區域。

2? ? 兩類細胞識別研究

2.1? 特征提取

尿沉渣的有形成分的區別主要是通過提取檢測目標的各類特征，然后通過檢測目標的特征來對其進行區別，這些特征不僅包括那些可以被視覺直接觀測到的各種自然特征，還包括很多需要進行變換或者測量才能得到的人為特征，而為了能夠對兩類細胞進行識別研究工作，就需要先對其特征進行提取。

2.1.1? 形態特征

一般來說，尿沉渣圖像中的所有細胞都可以通過自然特征分類為大型細胞和小型細胞兩大類。本文將要研究的兩類細胞，雖然從外觀上來看有著很大的相似，但進行詳細比較后就會發現，兩者一類屬于大型細胞（管型細胞），而另一類屬于小型細胞（精子），而且在形態特征上，管型細胞呈現為均勻對稱的細管形，而精子則是呈現為蝌蚪細條狀，所以兩類細胞在形態上便有著很大的區別，在特征提取的時候可以從兩類細胞的面積、周長、占空比以及長寬比等形態特征進行分類識別，并依此來對兩類細胞進行特征提取。

2.1.2? 紋理特征

雖然形態特征可以有效地對管狀細胞與精子進行分類識別提取，但放在正常的有形成分識別過程中，管型細胞因與其他大細胞在形態特征上有很多相似之處，所以單單只是依靠形態特征往往得不到預想中的結果，這個時候就需要使用紋理特征與形態特征相結合的方法來進行特征提取。

在實際檢測過程中，紋理特征通常被認為是圖像中的灰度或者顏色變化分布的某種規律性，所有紋理變化在歸納總結以后都可以大致分為規則紋理（也稱為人工紋理）與自然紋理兩大類，自然紋理通常具有很強的紋理隨機性，而規則紋理則是有著比較明顯的規則結構，所以兩類紋理還是比較容易區分的。在進行紋理特征提取之前，一定要根據圖像中所表現出的紋理種類來對提取辦法進行選擇[2]。

一般來說，尿沉渣的所有有形成分的紋理都屬于自然紋理，本文將要研究的兩類細胞也是如此，精子因其只有頭部有一些深黑色點狀，尾部無色透明，紋理特征更是幾乎微不可見，所以從紋理特征提取上來說，精子不適用這種特征提取方式。不過精子在形態特征上與其他小型細胞有著明顯的區別，所以還是可以利用形態特征將其與其他小型細胞相區分識別的。而管型細胞屬于大型細胞，其紋理特征呈現出對稱透明的管狀長條體，紋理同樣比較少，所以在與其他有形成分進行區分的時候可以先利用形態特征去除一些不是管型的有形成分，然后再引入透明度來對剩下的有形成分加以區分，紋理特征比較少的管狀透明體基本上便可以確認為管狀細胞。精子與管狀細胞在圖像中如圖2所示。

圖2? 精子與管狀細胞

2.2? 分類器設計

因為管狀細胞屬于大細胞，所以與精子等小細胞在形態特征上很容易進行區分，而大細胞也可以通過紋理特征來進行分辨，再加上在尿沉渣的有形成分當中只有精子和管狀細胞與某些上皮細胞呈現為均勻管狀，排除掉紋理特征比較多的上皮細胞，小的呈現蝌蚪狀的便是精子，而大的表現為大的對稱長條狀的就是管狀細胞。得出結論以后，就可以根據管狀細胞與精子在形態特征與紋理特征上與其他細胞的區別來進行分類器設計[3]。

3? ? 結語

醫學圖像的分割識別工作是目前圖像處理領域中亟待解決的一個難題，其常常會因為各種因素干擾而導致對細胞的識別定位困難，致使識別率變低。而本文研究的兩類細胞：精子和管狀細胞因其同其他有形成分在形態特征上差異比較大，再結合紋理特征之后，很容易將兩者從有形成分中進行區分，所以在進行分類器設計的時候也比較簡單，在用于自動識別以后可以利用排除法先將兩者進行排除，進而有效地提升尿沉渣檢測的效率。

[參考文獻]

[1]于林杰.尿沉渣顯微圖像有形成分分割與特征提取方法研究[D].重慶：重慶大學，2016.

[2]康萌.尿沉渣有形成分自動分割識別算法研究[D].西安：西安科技大學，2014.

[3]涂林林.基于SVM算法的尿沉渣細胞分類識別系統的研究[D].武漢：武漢理工大學，2014.

Study on segmentation of visible components in urinary sediment

images and identification of two types of cells

Xu Xiaorong

（Hunan University of Arts and Science， Changde 415000， China）

Abstract：Urine test is a common test item in the hospital， which is of great significance for the detection and diagnosis of patients clinical urinary system. This paper will use digital image processing technology and pattern recognition theory to segment and locate various tangible components， so as to separate them from the background， and conduct in-depth research on the two types of cells： sperm and tubular cells， so as to classify and identify them according to their characteristics.

Key words：urine sediment image; visible component segmentation; two types of cells