數(shù)字圖像邊緣的一種提取方法.pdf

1、目前圖像分割技術已經(jīng)廣泛的應用于醫(yī)學領域，醫(yī)學領域中的圖像處理技術的應用受到了廣泛的關注。應用圖像處理技術對醫(yī)學圖像進行分割、識別、定量分析成為了臨床輔助診斷和醫(yī)學研究的重要工具。比較同一種細胞在不同實驗條件下的形態(tài)變化，可為病理分析和診斷病情提供新的科學依據(jù)。目前的醫(yī)學涂片判讀過程基本上還是由人工來完成的，由于細胞形態(tài)多樣，變化不定，數(shù)量又多，且交錯分布，判讀結果的準確性和效率受到很大的局限和影響。目前計算機技術、數(shù)學醫(yī)學等相關學科技

2、術的不斷發(fā)展，為細胞的定量分析提供了條件。利用計算機圖像處理技術，研制高效、正確的醫(yī)學圖片自動判讀系統(tǒng)，已經(jīng)成為眾多學者研究的熱點問題。 經(jīng)典的邊緣提取方法是通過對圖像的每個像素鄰域內灰度的變化，即利用邊緣鄰近區(qū)域的一階或二階方向導數(shù)變化規(guī)律來檢測邊緣。Sobel算子即是基于一階方向導數(shù)在邊緣處讀取邊緣的，而Log算子則是基于二階導數(shù)在邊緣處過零的特點來提取邊緣的。雖然這些算子計算簡單、速度較快，但都存在如下缺陷：對噪聲的干擾都

3、很敏感，導致檢測結果不穩(wěn)定；得到的邊緣像素是孤立的或分小段連續(xù)的，使得細胞面積和圓度的定量計算無法進行；它們檢測所得到的邊緣寬度比實際的大，引起的相鄰細胞邊緣的重疊；在噪聲較大時，這些算子無法檢測細胞可靠的邊緣位置。針對上述問題，本文提出利用閾值分割和輪廓提取相結合的方法實現(xiàn)細胞真實邊緣的檢測，有效抑制噪聲干擾的影響，保證了細胞邊緣圖像的連續(xù)性、完整性和定位的精確性。 圖像分割作為圖像處理中的一項關鍵技術是醫(yī)學圖像處理中的一個研

4、究熱點。利用圖像分割技術對細胞圖像進行分割，提取精確的細胞輪廓，是進行細胞形態(tài)分析和定量計算的基礎條件。 本文對圖像分割理論的定義和目標進行了較細致的闡述。圖像分割本質上是將整個圖像區(qū)域分割成互不交疊的若干個非空、連通的子區(qū)域的過程，且同一區(qū)域內部具有相同或相似的特征。本文對圖像分割的理論方法進行了分類和探討，對圖像分割的方法進行了分類?；谶吘墮z測的方法，是所有基于邊界分割方法的最基本的處理。圖像最基本的特征是邊緣，它是以圖像

5、局部特征不連續(xù)(或突變)的形式出現(xiàn)的。邊緣檢測方法是根據(jù)圖像一階導數(shù)的極值或二階導數(shù)的過零點信息來判斷邊緣點的；基于閾值分割的方法，在圖像分割過程中，物體像素的灰度級與背景像素的灰度級有不同，可以將物體從背景中較好的分割出來，總能用封閉而且連通的邊界定義不交疊的區(qū)域；基于區(qū)域的分割方法，其實質就是把具有某種相似性質的像素連通起來，從而構成最終的分割區(qū)域；此外，還有特定的理論方法，包括數(shù)學形態(tài)學、神經(jīng)網(wǎng)絡、彩色圖像分割、深度圖像分割、模糊

6、技術、小波分析等。通過對如上方法的研究介紹，以及對各種算法進行的的實驗對比，總結出了傳統(tǒng)圖像分割算法的優(yōu)缺點，及各類型的算法的適應性。針對細胞圖像的特點，本文提出了一種邊緣檢測的細胞圖像分割方法。首先對細胞圖像進行一種閾值分割，此分割方法是基于最大類間方差準則的分割。然后利用數(shù)學形態(tài)學的方法進行了邊緣的精確定位和提取。分割效果令人滿意，對噪聲不敏感，即使細胞的邊緣比較模糊，也能通過閾值分割得到增強，經(jīng)實驗證實運算速度較快，實現(xiàn)起來較為簡