專利名稱：一種基于形態(tài)學的細胞分離方法
技術領域：
本發(fā)明涉及一種細胞分離方法，尤其是一種針對細胞圖像分割細胞單體的方法。
背景技術：
在醫(yī)學領域，通常需要將細胞從細胞圖像中分割出來，由于細胞圖像灰度非齊 次性和空間位置的重疊，分割結果中存在的是眾多細胞的重疊圖像和細胞核內(nèi)的部分過 分割區(qū)域，如果不加處理直接計算其形態(tài)，對于過分割的部分歸屬性和形態(tài)參數(shù)計算的 準確性都是一個挑戰(zhàn)。 傳統(tǒng)的細胞分離方法存在的缺陷1、不能有效分離粘連的細胞，無法從粘連的 細胞中提取單體細胞；2、影響了細胞的形態(tài)參數(shù)計算的準確性。

發(fā)明內(nèi)容
為了克服已有的細胞分離方法的不能有效分離粘連的細胞、影響細胞的形態(tài)參
數(shù)計算的不足，本發(fā)明提供一種能夠有效分離粘連的細胞、為準確計算細胞的形態(tài)參數(shù)
做好準備的基于形態(tài)學的細胞分離方法。 本發(fā)明解決其技術問題所采用的技術方案是 —種基于形態(tài)學的細胞分離方法，所述細胞分離方法包括以下步驟
1)、區(qū)域標記 對于細胞圖像分割結果的二值圖，基于形態(tài)學標記如下 a)自定義結構元素，包括形狀及大??； b)用該結構元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域； C)形態(tài)學畢運算和填充方法消除小的雜點區(qū)域，構造包含內(nèi)部代表區(qū)域的新二 值圖； d)在新二值圖上用分水嶺算法獲得各個區(qū)域的標記值；
通過以上標記得到各個粘連區(qū)域的標記值；
2)、提取單體細胞 2.1)、提取區(qū)域的過程初始情況下，區(qū)域代表值為零，設定面積閾值為A， A 取大于圖像中單體細胞面積兩倍的值；逐行逐列掃描圖像像素點，并將當前點設為中心 點，以此遍歷上下左右四個領域點，如果領域點的灰度值和中心點一致，并判斷同質(zhì)區(qū) 域面積是否大于面積閾值A，如同質(zhì)區(qū)域面積小于面積閾值，為單體細胞；如同質(zhì)區(qū)域 面積大于面積閾值則為粘連區(qū)域； 2.2)、首先從區(qū)域標記圖中找出存在粘連區(qū)域的標記圖，選擇結構元素大小為l 的圓結構對其進行膨脹，直至標記圖邊界超出粘連圖外邊界時停止，這時該標記圖的大 小是粘連細胞中一個單體細胞的整體； 3)、遍歷重構的新二值圖集，根據(jù)坐標和面積信息，確定各個單體的歸屬，并建立圖像集。 本發(fā)明的技術構思為數(shù)學形態(tài)學(MathematicalM orphology)[44]是近幾年來發(fā)展 迅速的一門建立在嚴格數(shù)學理論基礎上的新興的學科，以幾何特性和結構特性的定量描 述與分析為其主要研究內(nèi)容，是一種應用于圖像處理和模式識別領域的新的方法。雖然 其理論基礎有些艱深，但其基本觀念卻比較簡單。它體現(xiàn)了邏輯推理與數(shù)學演繹的嚴謹 性，又要求具備與實踐密切相關的實驗技術與計算技術，積分幾何和隨機集論是其賴以 生存的基石。 數(shù)學形態(tài)學具有堅實的理論基礎，它以集合論的語言來描述圖像處理算法。它 的基本思想是利用結構元素(structuring element)收集圖像的信息。當結構元素在圖像中不 斷移動時，便可考察圖像各個部分間的相互關系，從而了解圖像各個部分的結構特征。 結構元素可直接攜帶知識(形態(tài)、大小、以及灰度和色度信息)來探測所研究圖像的結構 特點，借助于不同形狀的結構元素與圖像間的一系列結構變換來處理和分析圖像。
數(shù)學形態(tài)學應用在圖像領域主要包括二值形態(tài)學和灰值形態(tài)學[45]，它比其它空 域或頻域圖像處理方法具有一些明顯的優(yōu)勢[46]。數(shù)學形態(tài)學方法最初應用于二值圖像處 理領域中，獲得了廣泛的應用[45]，且效果顯著，灰值形態(tài)學是二值形態(tài)學對灰度圖像的 自然擴展。其中，二值形態(tài)學中用到的交、并運算分別用最小、最大運算代替[45][47]，這 對于理解灰度圖像到彩色圖像的推廣是很重要的。 數(shù)學形態(tài)學的主要內(nèi)容是設計一套變換(運算)，概念和算法，用以描述圖像的 基本特征。假設用X表示圖像，W(X)表示對圖像進行形態(tài)學變換。形態(tài)學創(chuàng)始人Serra 給形態(tài)學變換規(guī)定了以下基本性質(zhì)[48]: >平移不變性W(Xz) = [W(X)]z，其中Xz表示X平移矢量Z的變換。 >縮放不變性W A(X) = A W( A -D >局部知識性W(X)變換只用到局部領域信息。
半連續(xù)性形態(tài)學變換具有一定的連續(xù)特性。 二值圖像是指那些灰度值只取兩個可能值的圖像，這兩個灰度值通常取為0和 1。習慣上認為取值l的點對應于景物中的點，取值為0的點構成背景。二值形態(tài)學適 用于二值圖像，它的各種形態(tài)學處理算法都是以膨脹(dilation)，腐蝕(erosion)這兩種最基 本的運算為基礎的。 對一個給定的集合(即圖像)X和另一個集合(即結構元素)B，想象一下將B在 圖像上移動。在每一個當前位置x， Bx只有三種可能狀態(tài) 一是《S;二是^eX';三 是Bx n X和Bx n X。均不空。第一種情形說明Bx與X相關最大，第二種情形說明Bx與 X不相關，第三種情形說明Bx與X只是部分相關。因而滿足第一種情形的點x的全體構 成結構元素與圖像的最大相關點集，稱這個點集為B對X的腐蝕。腐蝕可以看作是將圖 像X中每一個與結構元素B全等的子集合B"并行地)收縮為點x，那么反過來，也可以 將X中每一個點x擴大為Bx，這就是膨脹運算。具體可以參考灰度腐蝕與膨脹的示意圖 1。 定義4-l設A， B為Z2中的集合，①為空集，A被B的膨脹，記為j①B， 為 膨脹算子，膨脹的定義為
4
A B -|x|(B)xn』#" (1) 式(1)表明的膨脹過程是B首先做關于原點的映射，然后平移x。 A被B的膨脹 是5所有x平移后與A至少有一個非零公共元素。集合B就是結構元素。
定義4-2設A， B為Z2中的集合，①為空集，A被B的腐蝕，記為A0B， 為腐蝕算子，腐蝕的定義為 A關+帆dJ ② 也就是說，A被B腐蝕的結果為所有使B被x平移后包含于A點的集合。
根據(jù)區(qū)域差別性這一圖像分割領域的核心準則，本文第三章給出的一種新的區(qū) 域混合主動輪廓模型，該模型用來從背景圖中同時檢測出細胞核仁與細胞膜的輪廓。這 種主動輪廓模型根據(jù)區(qū)域最大化原則的核心思想，同時采用局部和全局灰度信息用作模 型的驅(qū)動力。這種局部和全局的擬合驅(qū)動力確保了模型能夠捕捉到局部差異，并且全局 差異區(qū)域也能被分割出來。同時引進的策略權重參數(shù)利用梯度信息來解釋局部擬合項和 全局擬合項如何組成混合擬合項，實驗結果這一小節(jié)的內(nèi)容證明了這類模型在分割細胞 核仁與細胞膜時有良好的表現(xiàn)。 但是分割由于細胞圖像灰度非齊次性和空間位置的重疊，分割結果中存在的是 眾多細胞的重疊圖像和細胞核內(nèi)的部分過分割區(qū)域，如果不加處理直接計算其形態(tài)，對 于過分割的部分歸屬性和形態(tài)參數(shù)計算的準確性都是一個挑戰(zhàn)。 從細胞圖像的分割結果中對于統(tǒng)計細胞形態(tài)參數(shù)的缺陷出發(fā)，應用數(shù)學形態(tài)學 方法，設計了分離粘連細胞的方法，該方法最終得到的結果是原重疊圖像分離出的單個 細胞的一組圖像集，較傳統(tǒng)的粘連分離方法，該方法能提取出單體細胞及內(nèi)核區(qū)域的圖 像集，為準確計算出細胞形態(tài)參數(shù)做好準備。引入了細胞核質(zhì)比這一新的形態(tài)參數(shù)， 并計算出每個細胞參數(shù)，如周長、面積、最大高度、最大寬度、矩形度、圓形度、伸長 度，給出細胞圖像直觀的數(shù)字參數(shù)。 該方法圍繞形態(tài)學方法展開，給出了分割粘連細胞的新算法，用表示單個細胞 的圖像集來計算各個細胞形態(tài)參數(shù)。 本發(fā)明的有益效果主要表現(xiàn)在能夠有效分離粘連的細胞、為準確計算細胞的 形態(tài)參數(shù)做好準備。


圖1是用圓形結構元素進行灰值膨脹和腐蝕的定義的圖解示意圖。 圖2是二值膨脹示意圖。 圖3是二值腐蝕示意圖。 圖4是形態(tài)學填充結果圖。 圖5是區(qū)域標記過程示意圖。 圖6是灰度圖像區(qū)域標記圖。 圖7是區(qū)域提取算法的流程圖 圖8是提取的二值圖集的示意圖。
5
圖9是分離并還原細胞單體的示意圖。 圖10是各個單體細胞整理的示意圖。
圖11是單體細胞和其內(nèi)部所屬區(qū)域的示意圖。
具體實施例方式
下面結合附圖對本發(fā)明作進一步描述。 參照圖1 圖11， 一種基于形態(tài)學的細胞分離方法，所述細胞分離方法包括以 下步驟 1)、區(qū)域標記 對于細胞圖像分割結果的二值圖，基于形態(tài)學標記如下 e)自定義結構元素，包括形狀及大??； f)用該結構元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域； g)形態(tài)學畢運算和填充方法消除小的雜點區(qū)域，構造包含內(nèi)部代表區(qū)域的新二 值圖； h)在新二值圖上用分水嶺算法獲得各個區(qū)域的標記值；
通過以上標記得到各個粘連區(qū)域的標記值；
2)、提取單體細胞 2.1)、提取區(qū)域的過程初始情況下，區(qū)域代表值為零，設定面積閾值為A， A 取大于圖像中單體細胞面積兩倍的值；逐行逐列掃描圖像像素點，并將當前點設為中心 點，以此遍歷上下左右四個領域點，如果領域點的灰度值和中心點一致，并判斷同質(zhì)區(qū) 域面積是否大于面積閾值A，如同質(zhì)區(qū)域面積小于面積閾值，為單體細胞；如同質(zhì)區(qū)域 面積大于面積閾值則為粘連區(qū)域； 2.2)、首先從區(qū)域標記圖中找出存在粘連區(qū)域的標記圖，選擇結構元素大小為l 的圓結構對其進行膨脹，直至標記圖邊界超出粘連圖外邊界時停止，這時該標記圖的大 小是粘連細胞中一個單體細胞的整體； 3)、遍歷重構的新二值圖集，根據(jù)坐標和面積信息，確定各個單體的歸屬，并 建立圖像集。 細胞區(qū)域存在的粘連現(xiàn)象對于提取單個細胞及統(tǒng)計細胞的形態(tài)參數(shù)都是一個挑 戰(zhàn)，成功分離粘連細胞對于細胞的分割和檢測都有著重要意義。本實施例的細胞分離方 法基于二值形態(tài)學方法，提取二值圖主要部分——細胞區(qū)域和細胞核區(qū)域。選用數(shù)學形 態(tài)學對細胞分割結果區(qū)域進行集合操作，從而提取出單個細胞的整體區(qū)域，并方便后續(xù) 的形態(tài)參數(shù)計算。 本實施例的方法歸結起來可以分為分割區(qū)域的標記和分離這兩個部分，通過標 記可以獲取分割結果中目標的主要區(qū)域，再在區(qū)域標記的基礎上，對分割結果圖中粘連 的部分實現(xiàn)分離，從而完成細胞圖像中單個目標的提取。 區(qū)域標記對于混合主動輪廓模型分割結果三維二值圖現(xiàn)如圖4左圖所示，分 析可知盡管嗜中性粒細胞的核區(qū)域中存在過多的小區(qū)域目標，也就是之前提到的過分割 區(qū)域，但是主目標區(qū)域外邊界的良好捕捉確保了在分割結果圖中辨認出細胞整體。對此 圖像，選用形態(tài)學填充方法，該方法對于二值圖像中前景目標邊界區(qū)域內(nèi)的背景區(qū)域部分，用前景區(qū)域值替換，也就是二值圖像中在"1"值為邊 界的閉合區(qū)域內(nèi)，將"0"值替換成"1"值。消除了內(nèi)部區(qū)域的過分割現(xiàn)象 如圖4右圖所示。 至此，不考慮細胞內(nèi)細胞核目標的對象，可以得到細胞區(qū)域總的外部輪廓，但 此時面臨的問題是如何將圖4中間區(qū)域粘連細胞分離開，得到單體的細胞。本節(jié)介紹的 區(qū)域標記方法可以實現(xiàn)細胞分離和提取。 分析圖4右圖可知，該圖中存在多個細胞目標，并且若干個目標連在一起。若
要從圖中提取目標，首要需獲取單個的目標個體。對于分離出單體問題，在本文中轉(zhuǎn)化
為標記區(qū)域問題，將不同的細胞體標為不同的數(shù)值，從而起到區(qū)分的作用。 對于二值圖像，基于形態(tài)學的標記算法如下 a)自定義結構元素，包括形狀及大小。 b)用該結構元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域。 c)形態(tài)學畢運算和填充方法消除小的雜點區(qū)域，構造包含內(nèi)部代表區(qū)域的新二 值圖。 d)在新二值圖上用分水嶺算法獲得各個區(qū)域的標記值。 其中分水嶺算法，請參照文獻1 : Vincent L， Soille P.Watersheds in digital spaces : An efficient algorithm based on immersion simulations[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 1991， 13(6)， 583-598，即文森特L，索雷P，數(shù)字空間 分水嶺 一種有效的基于浸入仿真的算法，IEEE模式分析與機器智能期刊，第13期第6 章583-598頁。 該算法可以獲取各個粘連區(qū)域的標記值，該標記圖是下節(jié)引入的粘連細胞分離 的基礎。對于圖4右圖，選取了圓盤形的結構元素，大小設置為14，該值的大
小選取根據(jù)獲取最多內(nèi)部代表區(qū)域為原則調(diào)節(jié)，分離結構如圖5所示，其右圖 的不同的顏色代表了不同的標記值，即一種顏色代表一個區(qū)域。 該算法對于同樣適用于灰度及彩色圖像，現(xiàn)以灰度圖像為例，驗證其區(qū)域標記 效果，如圖6所示。圖6右下圖不同的顏色區(qū)域代表不同的標記值。 提取單體細胞區(qū)域標記的結果是在原分割結果圖中將多個目標的種子區(qū)域標 注出來，即將多個目標單體化標注。圖5右圖的標記圖雖然給出了分離的單體細胞，但 這和圖4左圖的混合主動輪廓模型分割結果相比，存在兩方面的信息丟失。首先，由于 是在形態(tài)學腐蝕情況下進行的操作，標記的單體細胞區(qū)域丟失了部分外邊界的內(nèi)容。其 次，為了獲得種子區(qū)域，混合主動輪廓模型得到的細胞核區(qū)域是在形態(tài)學填充操作下進 行的，因此丟失了此區(qū)域的信息。本節(jié)介紹的算法用到了標記算法得到的標注圖，并修 正了標記算法的這兩個缺陷，提取了圖中多個目標并保存為圖像集，更加方便后續(xù)的形 態(tài)參數(shù)計算。 提起單體細胞的算法分為兩個部分。首先介紹提取區(qū)域的算法，該算法直接對 分割結果二值圖，提取單一和粘連的細胞區(qū)域。其次，處理粘連的細胞區(qū)域，用上一節(jié) 介紹的區(qū)域標記方法將細胞分離，重新對標記的區(qū)域進行形態(tài)學膨脹恢復其在分割結果 圖中的形態(tài)，并將內(nèi)部的細胞核區(qū)域歸屬為某一區(qū)域。經(jīng)過上述過程，細胞核區(qū)域和細 胞整體輪廓區(qū)域都得以保存，實現(xiàn)細胞輪廓區(qū)域分離的同時，內(nèi)部細胞核區(qū)域細節(jié)也得
7以保留，對之后的形態(tài)學參數(shù)計算會有重要的意義。圖7為提取區(qū)域的算法的流程。
算法將各個沒有粘連的部分提取出來，在對圖4左圖處理的過程中，設定面積 閾值為150，于是在提取過程中部分沒有在形態(tài)學閉運算時消除的小區(qū)域，在該面積閾值 的約束下被濾去了。 圖8給出了提取出的各個主要區(qū)域(圖中白色區(qū)域)二值圖集，其中包括背景部 分，粘連細胞部分，單個細胞部分以及細胞內(nèi)區(qū)域部分。 從圖8圖第二行左邊第一張二值圖中可以看出，區(qū)域提取算法中還包含了若干 個粘連細胞，對于二值圖是否存在粘連，以及處理的方法如下
a)形態(tài)學填充，將背景二值圖剔除。 b)在剩余的圖像集中，判斷填充結果圖中面積是否大于面積閾值A c)若大于面積A，則存在粘連，否則，為單體。 上述步驟b中的面積閾值A取大于圖像中單體細胞面積兩倍的值。 通過區(qū)域提取和粘連判斷，已經(jīng)可以獲得粘連二值圖，再引入上節(jié)介紹的區(qū)域
標記圖，可以實現(xiàn)粘連細胞的分離并獲得各個細胞核的區(qū)域，構成一個完整的單體細胞。 利用區(qū)域標記圖可以還原出粘連細胞各個細胞體的外輪廓。首先從區(qū)域標記圖 中找出存在于粘連區(qū)域的標記圖，選擇結構元素大小為1的圓結構對其進行膨脹，直至 標記圖邊界超出粘連圖外邊界時停止，這時該標記圖的大小可以近似的認為是粘連細胞 中一個單體細胞的整體。 圖9是分離粘連細胞并還原各個單體細胞的結果圖，用下行的四副二值圖替代 圖8中第二行第一幅圖像，從而獲得了分離的各個單體。此時的重新構成的二值圖像集 中包含了圖9下行四副二值圖，并刪除圖8第二行第一幅二值圖。 至此，分離并提取細胞還差一個步驟完成，即確定各個單體的歸屬。此處的歸 屬代表各個單體的從屬性。遍歷重構的新二值圖集，根據(jù)坐標和面積信息，確定各個單 體的歸屬。圖10所示的圖像集是各個單體細胞的整體區(qū)域，但重構圖像集中還包含了若 干個小區(qū)域，這些小的區(qū)域表示細胞核區(qū)域的內(nèi)部細節(jié)。歸屬性信息由此確定了各個小 區(qū)域從屬于圖10中哪一個具體的細胞單體。圖ll上行是兩個細胞單體整體及內(nèi)部區(qū)域， 內(nèi)部區(qū)域代表了細胞核區(qū)域，下行最左圖是細胞單體整體，其右四副二值圖是從屬于該 單體的四個細胞質(zhì)區(qū)域。 因此，區(qū)域標記和提取單體算法獲得了圖像集。該圖像集中包含了各個單體細 胞的整體，及其內(nèi)部若干個區(qū)域。
權利要求
一種基于形態(tài)學的細胞分離方法，其特征在于所述細胞分離方法包括以下步驟1)、區(qū)域標記對于細胞圖像分割結果的二值圖，基于形態(tài)學標記如下a)自定義結構元素，包括形狀及大小；b)用該結構元素腐蝕二值圖，獲取內(nèi)部代表區(qū)域；c)形態(tài)學畢運算和填充方法消除小的雜點區(qū)域，構造包含內(nèi)部代表區(qū)域的新二值圖；d)在新二值圖上用分水嶺算法獲得各個區(qū)域的標記值；通過以上標記得到各個粘連區(qū)域的標記值；2)、提取單體細胞2.1)、提取區(qū)域的過程初始情況下，區(qū)域代表值為零，設定面積閾值為A，A取大于圖像中單體細胞面積兩倍的值；逐行逐列掃描圖像像素點，并將當前點設為中心點，以此遍歷上下左右四個領域點，如果領域點的灰度值和中心點一致，并判斷同質(zhì)區(qū)域面積是否大于面積閾值A，如同質(zhì)區(qū)域面積小于面積閾值，為單體細胞；如同質(zhì)區(qū)域面積大于面積閾值則為粘連區(qū)域；2.2)、首先從區(qū)域標記圖中找出存在粘連區(qū)域的標記圖，選擇結構元素大小為1的圓結構對其進行膨脹，直至標記圖邊界超出粘連圖外邊界時停止，這時該標記圖的大小是粘連細胞中一個單體細胞的整體；3)、遍歷重構的新二值圖集，根據(jù)坐標和面積信息，確定各個單體的歸屬，并建立圖像集。
全文摘要
一種基于形態(tài)學的細胞分離方法，包括以下步驟1)、區(qū)域標記對于細胞圖像分割結果的二值圖，基于形態(tài)學標記，通過標記得到各個粘連區(qū)域的標記值；2)、提取單體細胞2.1)、提取區(qū)域的過程；2.2)、首先從區(qū)域標記圖中找出存在粘連區(qū)域的標記圖，選擇結構元素大小為1的圓結構對其進行膨脹，直至標記圖邊界超出粘連圖外邊界時停止，這時該標記圖的大小是粘連細胞中一個單體細胞的整體；3)、遍歷重構的新二值圖集，根據(jù)坐標和面積信息，確定各個單體的歸屬，并建立圖像集。本發(fā)明能夠有效分離粘連的細胞、為準確計算細胞的形態(tài)參數(shù)做好準備。
文檔編號G06T7/00GK101692282SQ200910153358
公開日2010年4月7日 申請日期2009年10月16日 優(yōu)先權日2009年10月16日
發(fā)明者姚春燕, 柳剛鋒, 趙明珠, 陳敏, 陳勝勇 申請人:浙江工業(yè)大學