数字图像处理在识别癌变细胞中的研究.doc

数字图像处理在识别癌变细胞中的研究 摘要 随着科学技术，尤其是信息技术的发展，图像处理己经成为科学研究中的重要工具之一。近年来己经逐渐深入到军事、工业、医学、航天等各个领域，并得到极其广泛的应用。医学图像处理是数字图像处理技术在医学上的具体应用，作为图像处理技术与模式识别方法在细胞学的研究与诊断方面的应用，提出了一种新的识别癌细胞的方法。为了提高系统识别癌细胞的稳定性与有效性，我们采用了一种新的细胞分割与分类的分层处理结构，利用细胞的形态学特征检出可疑癌细胞。 关键词 图像处理；Canny算子；形态学分割； 1.引言 生物医学是近年来发展比较迅速的一门新型学科，计算机图像处理技术在生物医学中的应用也越来越广泛和深入。图像分析系统已成为研究细胞学的有力工具，已应用于细胞自动分类、肿瘤细胞的识别、细胞计数、纹理分析、病理图像检索等方面。 细胞是生命的基本单元，细胞的种类很多，但基本结构都是一样的，诊断细胞学就是观察细胞的形态。动物细胞主要由细胞核、细胞质和细胞膜组成。细胞核主要是细胞的分裂增值，细胞质显示细胞的生活机能状态。癌细胞就是失去这两种主要功能，其增殖能力旺盛，而生活机能不完全【1】。癌是当今世界最常见的致命疾病之一。癌的医治效果取决于对其早期诊断。临床最可靠的还是病理学诊断，但病理性诊断的先进手段还相当缺乏。对于癌细胞病理学的检测和诊断是当今医务工作者重要任务和困难工作之一。本文所要达到的目的是要利用计算机图像处理技术，减轻医务人员的工作负担，提高诊断的准确性和效率。 2.系统设计 在形态学上识别癌细胞的主要依据是：与正常细胞相比细胞核发生改变、核体积增大、癌细胞核常呈不规则的叶状。在分割后的二值图像中，细胞核的边缘更加光滑规则形状近似于圆，因此应用形态特征学特征可以更好的来识别癌细胞。基于以上分析，可以设计细胞识别系统如图l所示： 图一:系统设计图 3.算法实现 3.1直方图修正 直方图表达了重要的图像数据统计特性，灰度直方图直观地反映了图像的灰度分布 情况，用修正直方图的方法增强图像是实用而有效的处理方法之一。所谓直方图修正，就是通过一个灰度映射函数或增强函数Gold=F(Gnew)，将原灰度直方图改造成具有均匀灰度概率分布的新图像。而这种直方图修正为了改善直方图均衡对低灰度层密集分布图像的处理效果，通过分析图像直方图均衡理论对同一灰度像素在处理后映射到同一灰度的过程中的一种高效的、自适应的直方图均衡算法，首先对图像进行常规的直方图均衡处理，然后对处理后所形成的图像灰度在一个较大的灰度范围内进行映射，保证变换后的图像有较大的灰度动态范围，最后对结果进行适当的亮度修正，保证变换图像整体有较高的对比度，便于观察图像的细节.。 3.1.1直方图均衡原理 要寻找一种算法，对图像变换后，使所有灰度层上的像素分布概率密度为1.设原像素的灰度值r（0≤r≤1），概率密度为Pr(r);经过变换后的像素灰度s、，概率密度为Ps(s)变换函数为，T (r)，则有以下等式[1]: S=T(r), 0≤r≤1 ; (1) Ps(s)ds= Pr(r)dr (2) 同时，必须满足:1)T(r)是单值单调递增函数，这样就确保了灰度的单值映射和灰度不会出现反转(即原图中小灰度像素经过变换后大于原图中大灰度像素的变换值);20≤T(r)≤1这样就确保了经过变换不会缩小原图像的灰度动态范围。假如令 (3) (4) 将式〔4.)代入式(2)可得 （5） 由此可知，当变换函数取式(3)时，则变换后的概率密度函数为常量1.以上是连续函数变换的公式，当应用于数字图像处理时，如果数字图像灰度有L阶，则变为如下形式: (6) 式中:k代表数字图像的灰阶，n代表总像素数，nj代表j灰度层上像素的个数，Pr（rj）代表j灰度层上的概率密度，T〔rk)代表k灰度层上像素的变换函数，sk（0≤sk≤1）为最终的变化结果。因此，最终变换后所得的灰度值为sk =（L-1）* sk 3.1.2直方图均衡算法源程序 int EquaScale；//为新的灰度级别 BOOL HistogramEqua(HWND ) 3.2图像平滑 3.2.1图像平滑原理 图像平滑的目的主要是减少图像噪声，一般的图像处理技术中常见的噪声是加性噪声。设f(x，y)为信号，n(X，y)为噪声，在噪声的影响下的输出为g(x，y)，则有加性噪声模g(X，y)=f(x，y)+n(x，y)。消除图像中的噪声成分叫做图像的平滑或低通滤波操作，滤波的目的有两个：一是抽出对象的特征作为图像识别的特征模式；另一个是为适应计算机处理的要求，消除图像数字化时所混入的噪声。对滤波处理的要求也有两条：一是不能损坏图像的