基于改進(jìn)分水嶺算法的細(xì)胞圖像分割.pdf

1、不同的細(xì)胞具有不同的形態(tài)結(jié)構(gòu)，一個(gè)生物細(xì)胞圖像中包含有多種生物信息。為了準(zhǔn)確的描述和分析這些信息，就要對(duì)生物細(xì)胞圖像進(jìn)行定量的分析。不同的細(xì)胞圖像呈現(xiàn)的形狀特征也各不相同，因此，在對(duì)細(xì)胞圖像進(jìn)行分析研究的時(shí)候，要根據(jù)不同的需要提取感興趣的目標(biāo)。這就為細(xì)胞圖像分割技術(shù)的發(fā)展奠定了基礎(chǔ)。利用圖像的分割技術(shù)，可以有效地提取細(xì)胞結(jié)構(gòu)的各種結(jié)構(gòu)，從而進(jìn)行下一階段的分析。所以，圖像的分割技術(shù)是圖像處理和分析中的重點(diǎn)，是為圖像的分析階段提供準(zhǔn)備。

2、r>　　 隨著醫(yī)學(xué)圖像處理和分析技術(shù)的發(fā)展，醫(yī)學(xué)圖像的分割技術(shù)也得到了快速的發(fā)展。在現(xiàn)有的人們提出的多種分割算法和研究中，沒有一種算法是可以通用的。其原因在于，在在實(shí)際的應(yīng)用中，醫(yī)學(xué)圖像具有及其繁雜的多樣性和復(fù)雜性。對(duì)于不同的醫(yī)學(xué)圖像，人們想要提取的細(xì)節(jié)目標(biāo)各不相同，用不同的方法得到的醫(yī)學(xué)圖像其性質(zhì)也不同。所以，目前已有的分割方法多是各種分割方法的綜合運(yùn)用。針對(duì)不同的圖像的特點(diǎn)，有目的的對(duì)圖像進(jìn)行具體的分割。
　　 形態(tài)學(xué)分水

3、嶺算法是較為常用的分割方法。由于分水嶺算法運(yùn)用的是圖像的灰度梯度，所以對(duì)噪聲比較敏感，直接運(yùn)用分水嶺算法分割圖像，容易造成過度分割。因此，為了解決過度分割的問題，人們往往結(jié)合其它的分割方法對(duì)圖像進(jìn)行預(yù)處理或者是分割后進(jìn)行區(qū)域融合。
　　 本文針對(duì)醫(yī)學(xué)細(xì)胞圖像的特點(diǎn)，在形態(tài)學(xué)分水嶺算法的基礎(chǔ)上，對(duì)分水嶺算法提出改進(jìn)。結(jié)合形態(tài)學(xué)基本運(yùn)算，運(yùn)用交替序貫濾波對(duì)圖像進(jìn)行濾波處理，采用多尺度形態(tài)梯度代替形態(tài)學(xué)梯度。利用開重建，減少極小值標(biāo)記