基于边界跟踪的红细胞分割与计数_有核红细胞计数

　　摘要在红细胞的分割与计数系统中，针对重叠、粘连细胞在分割时凹陷信息不完备以及在分水岭算法中不能实现真正的距离变换问题。本文从细胞的边界入手，用基于边界跟踪的方法来实现重叠、粘连细胞的分割算法并做了相应的改进。实验过程中引出了“最短删除距离”的概念，且获得了良好的分割效果。在分割完毕后对分割的细胞进行了计数研究。在顺序标记法的基础上提出了二次扫描标记法，实验结果良好。

　　关键词边界跟踪；粘连细胞分割；二次扫描标记；细胞计数

　　中图分类号R319文献标识码A文章编号1674-6708（2011）35-0090-02

　　0引言

　　随着信息技术的发展，数字图像处理技术作为一种非常有效的手段越来越多的应用于细胞图像的研究中，在一定程度上可提高工作效率和检验精度。本文针对已经获得的红细胞显微图像，进行了分割和计数的算法研究，并在Matlab软件中进行了仿真，获得了比较好的实验效果。

　　1细胞图像的预处理

　　将显微图像从RGB空间转换到HSI空间后，在饱和度高的区域，H量化细，采用色调H的阈值进行分割；在饱和度低的区域，H量化粗无法分割，但由于此时比较接近灰度图像，因而可采用强度I的阈值进行分割，最后对分割后的图像合成。这种方法利用了颜色信息，有效的获得红细胞区域。对于合并后的红细胞区域图像，采用大津法即可得到红细胞的二值化图像，如图1所示。

　　2红细胞的分割

　　从图1（c）中可以看出，二值化后的细胞图像中重叠和粘连情况比较严重，针对此问题，本文采用边界跟踪的分割方法且进行了相应的改进进。

　　本文 ……此处隐藏2169个字…… 一次扫描结束后，所有灰度值为0的像素点都已经被标记过了，但是有些标记是等价的。在进行第二次扫描时，首先要根据等价对数组整理出等价关系，然后根据等价关系对目标区域进行重新标记。在第二次扫描结束后，所有灰度值为0的目标区域都被赋予了不同的标记值，据此就可以将目标区分为不同的连通区域。得到不同的连通区域的数目就是相应细胞的个数，即完成了细胞的计数。

　　4结论

　　在MATLAB中分别对基于凹点算法、分水岭算法和本算法进行了分析对比。其中基于凹点算法的漏识数目为26，识别效率为87.9%；基于分水岭算法的漏识数目为17，识别效率为92.1%；本文算法的漏识数目为11个，识别效率为94.5%。整体上看，本文算法在计数准确度和计数速度上都有明显的优势。

　　参考文献

　　[1]秦红星，蔡绍皙.彩色血液细胞图像的分割[J].中国血液流变学杂志，2003(13)：3.

　　[2]陆建峰.重叠细胞图像分享算法的设计[J].计算机研究与发展，2000，2，2.

　　[3]李盛阳.医学细胞图像分割与分析方法研究[D].山东科技大学，2003.

　　[4]IstvanCseke.Afastsegmentationschemeforwhilebloodcellimages[J].PatternRecognition，1992，3(3)：530-533.

　　[5]JainAK.FundamentalsofDigitalImageProcessing[M].Prentice_Hall，1989.

本文为全文原貌未安装PDF浏览器用户请先下载安装原版全文