细胞图像预处理及形态学分析.docVIP

PAGE 1 目录 一、设计方案简介……………………………………………………………………2 二、设计条件及主要参数表 1.癌细胞图像预处理 ………………………………………………………… 2 1.1灰度变换……………………………………………………………… 2 1.2 图像空域增强原理…………………………………………………… 4 1.2.1实现空域滤波的步骤…………………………………………… 4 1.2.2邻域平均………………………………………………………… 5 1.2.3中值滤波…………………………………………………………6 2. 癌细胞的形态学分析…………………………………………………………8 2.1阈值分割………………………………………………………………8 三、设计主要程序代码……………………………………………………………… 9 四、设计结果……………………………………………………………………… 11 五、设计评述…………………………………………………………………………11 六、主要参考献…………………………………………………………………… 13 一 设计方案简介 借助计算机进行医学图像处理和分析，是数字图像处理技术在医学领域的重要应用。图像预处理是对质量不高的原始图像进行增强和复原处理，以利于感兴趣目标的提取，是首要组成环节。由于癌细胞图像采集和成像过程中，不可避免随机干扰，使得所获取的癌细胞原始图像叠加了大量噪声；且由于成像设备等原因，使得癌细胞图像边缘不清晰，或存在多处断裂等现象。因此图像预处理环节的主要任务是在保留图像细节的同时抑制噪声干扰。另外,图像边缘是图像分割所依赖的重要特征，也是形状特征的基础。因此，增强目标癌细胞的轮廓，有利于癌细胞边缘提取。图像预处理的结果是后续的特征提取和分类识别的基础。 近年来，数学形态学发展成为数字图像处理领域一种新兴的研究方法，其基本思想是使用具有一定形态的结构元素来度量和提取图像中对应的形状，以达到对图像分析和识别的目的。数学形态学可用来解决平滑抑噪、边缘提取、纹理分析等图像处理问题，已经成功应用于生物医学 、指纹识别、产品外观检测等众多领域。数学形态学滤波器是一种非线性图像滤波方法 ，和其他经典的平滑空间滤波器或平滑频率域滤波器相比，具有简洁、直观、速度快等优点。结构元素的选择是将传统形态学滤波器应用于某个具体处理问题的关键和难点。本文中，不同样本图像中噪声的形态差异很大，选取适合于任一幅图像的滤波结构元素非常困难。和传统形态学滤波器不同，基于面积数学形态学的面积形态学滤波器只依赖于图像中连通成分的面积，而且滤波过程中不会对图像的边缘产生任何影响。本文采用自适应面积形态学滤波器对原始癌细胞图像进行预处理，实现了去噪，并采用二值形态重构恢复癌细胞图像细节。在预处理的过程中，采用形态边缘检测算子，提取出较为完整的癌细胞边缘。 二 设计条件及主要参数表 1癌细胞图像预处理 在癌细胞图像处理的流程中，预处理是第一个处理环节它对原始灰度图象进行平滑、锐化、增强、二值化等处理，从而使细化、特征抽取等操作能够有效进行。 1.1 灰度变换 YUV是一种颜色表示方法，其中Y分量的物理含义是亮度，U和V分量代表了色差信号。使用这种表示方法有很多好处，最主要的有两点，第一点: 因为Y代表了亮度，所以Y分量包含了灰度图的所有信息，只用Y分量就完全能够表示出一幅灰度图来。当同时考虑 U, V分量时，就能够表示出彩色信息来。这样， 用同一种表示方法可以很方便的在灰度和彩色图之间切换。第二点:人眼对于亮 度信号非常敏感，而对色差信号的敏感程度相对较弱。也就是说，图象的主要信 息包含在Y分量中。YUV和RGB之间的对应关系如下所示: 由于采集到的图象是彩色图象，为了随后图象处理的方便，需要将彩色图象 进行灰度化处理。设RGB图象为f(X=Y)，则对于图象中的每一个象素点f(i,j)，图象的灰度化处理可采用下面的公式 其中,R是RGB图像中(i,j)点的红色像素值,G是RGB图像中(i,j)点的绿色像素值, B是RGB图像中(i,j)点的蓝色像素值。 调整改变图像的灰度,可以提高图像的视觉效果,突出感兴趣的区域。通常采用的方法有灰度级线性变换和非线性变换,线性变换可将灰度区间进行线形放大和缩小或分段进行变换,非线性变换可使图像灰度的分布与人的视觉相匹配。对细胞图像f(x,y),舍弃灰度范围为[a,b],变换后的细胞图像为g(x,y),灰度范围为[c,d],为了突出感兴趣的目标,屏蔽或抑制其他目标,可以采用全域线性变换或分段线性变换或灰度分层切片技术,其变换函数如公式所示: 式中,为变换区间的最大灰度值。选择不同的a,b,c和d值,会是细胞图像