基于2维分割淋病病原体显微图像分析.docVIP

基于2维分割淋病病原体显微图像分析（广州大学松田学院电气与汽车工程系， 广东 广州 511370） 摘要：本文将2维阈值分割方法用于淋病病原体显微图像的处理，在对图像进行预处理和2维分割的基础上，标记多形核白细胞和淋球菌，实现了淋球菌个数的定量统计以及淋球菌与多形核白细胞几何参数的自动测量。本文给出的分析方法对精确诊断淋病病情提供了依据，该方法简便、实用而且准确度较高，并且适用于其它类似传染病的显微镜检分析处理。 关键词：2维阈值；淋病病原体；显微图像；图像分析 中图法分类号：TN911.73文献标识码：A 1引言 医学显微图像分析一直是生物医学工程中非常活跃的领域，国内从八十年代开始从事细胞诊断方面的研究，近年来，随着计算机技术和彩色CCD的发展，显微图像处理技术也得到了快速发展。[2 ,3] 淋球菌和多形核白细胞的几何参数的测量是淋病病情诊断的一项重要内容。它是判断是否患病以及患病严重程度的重要基础数据。目前国内对淋病病原微生物的显微图像分析，仍仅仅停留在对普通涂片的视频采集，然后人工识别阶段[4]。这种方法，虽然增加了计算机技术，但只是将视野由镜下移至计算机的显示器上，并没有自动分析和识别。故只适用于淋病的初筛诊断，并且该方法仍然存在检验周期长，过分依赖人的主观经验以及假阳性和假阴性结果均较高易造成误诊等缺点。 为此，本文将图像处理技术用于淋病病原体显微图像分析，研究如何通过对图像进行分割、细胞区域标记，实现淋球菌的自动计数和淋球菌与多形核白细胞的定位关系，为淋病诊断提供必要的依据。 2 淋病病原体显微图像处理过程 淋病病原体显微图像处理过程主要分为六个步骤完成，实现过程如图1所示。 图1图像处理过程 2.1二维自适应阈值分割算法 针对细胞图像的二维直方图特点和分割要求，我们选用二维自适应阈值[5]分割算法分割淋病病原体图像。设图像的灰度级为L(0-255)，相应的像素邻域平均灰度的灰度级也为L。如果以 表示图像上坐标为 的像素的灰度值(记为)，以函数 表示图象上坐标为 的像素的邻域平均灰度值(记为 )，则算法实现过程如下： 首先，统计图像中每个像素点的邻域平均灰度 其中， 和 分别代表图像的宽度和高度。 以二维矢量 作为阈值来分割图像，则二维直方图被分成4块。区域Ⅲ、Ⅳ其概率值可近似为0，则设定的阈值 将二维直方图分成两个集合 和 ，它们分别代表目标和背景，则目标和背景两类出现的总概率分别为： 分别对应第Ⅰ部分和第Ⅱ部分，其相应的灰度均值矢量分别为 图像总的灰度均值矢量为 定义离散度矩阵为 以离散度矩阵的迹作为离散度测度，即 当上述离散度矩阵的迹取得最大值时，其所对应的分割阈值就是最优阈值，即。 采用上述算法对淋病病原体图像进行第一次分割得到二值图像，其中目标为多形核白细胞核和淋球菌。为了判断淋球菌的位置，需要从原始图像中检出完整的多形核白细胞，因此对第一次分割的淋球菌图像做为 掩模将原始图像中的淋球菌用背景灰度填充；然后第二次分割填充后的图像，得到多形核白细胞区域。 2.2淋球菌区域标记 第一次分割后的二值图像中的噪声干扰和孤立点可以通过腐蚀和膨胀运算去除，处理之后淋球菌区域为黑色点，其他为白色点。为测量所需淋球菌的形态参数，采用如下所述方法标记4-连通[6]的淋球菌区域。 1.第一遍扫描：一行一行地搜索整个图像I，对每个非零像素I（i, j）赋一个非零值v。根据邻域像素的标号来选择v值。 ①如果所有的邻域都是背景像素，则I（i, j）被赋予一个新的没使用过的标号。 ②如果仅仅只有一个邻域像素有非零标号，则把这个标号赋予像素I（i, j）。 ③如果邻域中有不止一个非零像素，则把这些像素中的任意一个的标号赋予要标注的像素。如果邻域的标号有不同的，则将标号作为等价的保存起来。等价对被保存在等价表中。 2.第二遍扫描：所有的区域像素在第一遍扫描时被标注了，但是一些区域存在不同标号的像素。再一遍扫描图像，使用等价表的信息重新标注像素。 2.3 特征参数的测量 标记完之后的淋球菌图像中各个淋球菌用不同灰度值表示，统计图像中淋球菌个数N并提取每个淋球菌的面积、质心坐标、形状因子等几何参数[7]。 面积 其中（x,y）为像素点的坐标，R为细胞区域。 质心坐标 细胞形状因子 其中B为被测对象的周长 其中#表示数量，第一项对应2个像素间直线段，第2项对应于2个像素间对角线段。 对第二次分割得到的多形核白细胞图像，经过去除干扰处理之后求取白细胞的长轴、短轴、外接矩形以及质心坐标。并且依两点间距离公式计算淋球菌质心