帶亮度偏移場的皮膚顯微鏡圖像分割方法研究.pdf

1、利用便捷的數(shù)字皮膚顯微鏡可以快速地獲得皮膚顯微鏡圖像。在對皮膚顯微鏡圖像進行后續(xù)的皮膚老化量化評估之前，需要進行兩個圖像分割操作。一是將皮膚的皮溝和皮脊區(qū)域分離開，二是分割出皮溝中心線。然而，由于不均勻光照的原因，使得所獲得的皮膚顯微鏡圖像往往具有亮度偏移場，即圖像灰度分布呈現(xiàn)為中間亮兩邊相對較暗，中間圖像清晰，兩邊圖像略顯模糊。另外，采集到的皮膚顯微鏡圖像中常常會有汗毛出現(xiàn)。
　　閾值分割和分水嶺分割是兩種經(jīng)典的分割方法。但是，

2、由于圖像的亮度不均和汗毛的存在，已有的閾值分割方法和分水嶺方法均不能很好地滿足皮膚顯微鏡圖像的分割要求。針對閾值分割方法和分水嶺分割方法在分割皮膚圖像中存在的問題，分別提出了一種基于邊緣空間重疊度的皮膚顯微鏡圖像閾值分割方法和一種基于幾何信息區(qū)域合并的皮膚顯微鏡圖像分水嶺分割方法。其中，第一種方法用于分離皮膚圖像中的皮溝和皮脊區(qū)域，第二種方法用于提取皮溝的中軸線。值得一提的是，第一種方法也被用于皮膚圖像中的汗毛的檢測，這對于汗毛的移除及

3、皮溝中軸線的提取具有重要意義。
　　基于邊緣空間重疊度的皮膚顯微鏡圖像閾值分割方法利用二值圖像間的邊緣空間重疊度來確定圖像的閾值。首先，該方法使用[Tmin,Tmax]之間的任一灰度值對皮膚圖像進行閾值化，由此得到一個由(Tmax-Tmin+1)幅二值圖像構(gòu)成的閾值圖像集；以此為基礎(chǔ)，分別提取每一幅閾值圖像的輪廓，由此得到一個閾值輪廓圖像集CB。其次，該方法利用Sobel算子獲取原皮膚圖像的邊緣梯度圖，將邊緣梯度圖像進行二值化得到

4、一個圖像集EB，集合EB也是由(Tmax-Tmin+1)副二值圖像構(gòu)成。最后，該方法選取CB中的每幅圖像和EB中的每幅圖像進行圖像空間重疊度的計算，將某一閾值下的(TmaxTmin+1)個空間重疊度進行累加，得到該閾值下對應的累積空間重疊度，比較累積空間重疊度的大小，最大時對應的閾值為最佳閾值。
　　基于幾何信息區(qū)域合并的分水嶺分割方法包括三大模塊。第一模塊是皮膚顯微鏡圖像的預處理，主要涉及到對比度受限自適應直方圖均衡化、均值濾波