基于小波變換和數(shù)學(xué)形態(tài)學(xué)的細胞圖像分割方法研究.pdf

1、在醫(yī)學(xué)圖像處理中細胞圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，這是因為圖像的分割、目標的分離、特征的提取和參數(shù)的測量將原始的圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得醫(yī)生根據(jù)圖像對病情作出更準確的分析和判斷成為可能。盡管己經(jīng)有很多種經(jīng)典的分割算法，但是仍然沒有一種分割方法能夠?qū)λ械膱D像都產(chǎn)生理想的分割結(jié)果?；诓煌N圖像分割方法的特點，根據(jù)待分割圖像的特征，研究符合具體圖像特點的分割方法，成為提高圖像分割效果的新的重要手段?；诖?，本文所做的

2、主要工作如下：
　　 (1)研究了小波變換的多分辨率特性在醫(yī)學(xué)圖像的去噪應(yīng)用，基于小波變換的空間和頻域局部變換，通過伸縮和平移等運算對細胞圖像信息進行多尺度細化分析?；跀?shù)學(xué)形態(tài)學(xué)算法，對粘連細胞圖像進行分割研究。從分割結(jié)果來看，效果不理想，并存在嚴重的過分割現(xiàn)象。
　　 (2)提出了一種基于小波變換與形態(tài)學(xué)相結(jié)合的圖像分割方法。該方法將小波變換與數(shù)學(xué)形態(tài)學(xué)結(jié)合算法，先用多分辨率小波變換對圖像進行分解，提取原圖在不同尺度

3、、不同方向上的低頻分量和高頻分量，接著用數(shù)學(xué)形態(tài)學(xué)的算子對小波分解后的細節(jié)圖像進行一系列的膨脹、腐蝕等形態(tài)學(xué)運算。由于會出現(xiàn)過分割，因此對相似區(qū)域的細節(jié)圖像進行區(qū)域合并處理。最后，對合并后的圖像進行小波逆變換，得到分割后的圖像。
　　 (3)以粘連細胞圖像為研究對象，在VC6.0環(huán)境下對上述算法進行實現(xiàn)。實驗結(jié)果表明：相對于傳統(tǒng)的細胞分割算法來說，該算法抗噪能力強，邊緣定位精度較高、邊緣連續(xù)性好，細胞分割完整，并且對弱邊緣的檢測