【正文】 .................... 6 167。 鄰域平均濾波 ................................................................... 6 167。 中值濾波 ........................................................................... 7 第 2 章 邊緣檢測(cè) ................................................................................. 9 167。 邊緣檢測(cè)概述 .......................................................................... 9 167。 經(jīng)典邊緣檢測(cè)算子 .................................................................. 9 167。 Robert 算子 ...................................................................... 10 167。 Sobel 算子和 Prewitt 算子 .............................................. 10 167。 Krisch 算子 ...................................................................... 10 167。 Laplacian 算子 ................................................................. 11 167。 Canny 算子 ..................................................................... 11 167。 LoG( Laplacian of Gaussian)算子 ................................... 11 第 3 章 基于迭代算法和腐蝕算法的輪廓提取 ................................ 13 167。3 .1 迭代算法概述 ........................................................................ 13 應(yīng)用舉例 ........................................................................... 13 167。 最佳閾值分割迭代法 ............................................................ 14 167。 腐蝕算法 ................................................................................ 15 集合論方法的理論基礎(chǔ) ................................................... 15 圖像的腐蝕 ....................................................................... 16 167。 輪廓提取 ................................................................................ 16 第 4 章 程序分析 ............................................................................... 18 167。 邊緣檢測(cè)的 MATLAB 實(shí)現(xiàn) .................................................. 18 167。 程序及分析 ............................................................................ 18 河南科技大學(xué)本科畢業(yè)設(shè)計(jì)（論文） IX 167。 實(shí)例結(jié)果 ................................................................................ 22 結(jié) 論 ................................................................................................. 25 參考文獻(xiàn) ............................................................................................. 26 致 謝 ................................................................................................. 28 河南科技大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 1 前 言 隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，對(duì)顯微鏡下細(xì)胞形態(tài)的自動(dòng)圖像識(shí)別、細(xì)胞形態(tài)的檢測(cè)及細(xì)胞的邊緣檢測(cè)是醫(yī)學(xué)檢測(cè)中的一個(gè)重要部分，很多疾病的診治主要依靠醫(yī)學(xué)專家觀察標(biāo)本中細(xì)胞的形態(tài)、色度對(duì)細(xì)胞進(jìn)行識(shí)別和分類。目前最普遍和主要的方法是使用光學(xué)顯微鏡，觀察經(jīng)過(guò)染色的標(biāo)本，根據(jù)每種細(xì)胞形態(tài)、色度的不同進(jìn)行分類。這種傳統(tǒng)的人工分類的工作重復(fù)而簡(jiǎn)單、效率低下、精確度不高。隨著計(jì)算機(jī)模式識(shí)別技術(shù)和人工智能研究的不斷發(fā)展，人們把目光投向了對(duì)細(xì)胞圖像的自動(dòng)識(shí)別上，這 樣大大的提高了檢查的效率和精確度。 國(guó)內(nèi)外都有一些利用邊緣檢測(cè)診斷癌細(xì)胞如肺中的癌細(xì)胞的研究，在腫瘤細(xì)胞識(shí)別方面較成功的是 Autpap 和 Pap,但這種技術(shù)目前只能局限于宮頸等圖片。此外， Thiran JP 等介紹了一種從顯微鏡圖像中識(shí)別癌細(xì)胞組織的方法，該方法利用數(shù)學(xué)形態(tài)學(xué)等理論，基于細(xì)胞的形狀和大小，提取了惡性腫瘤四個(gè)診斷標(biāo)準(zhǔn)的客觀數(shù)值。對(duì)于其它一些可制作病理涂片的腫瘤，國(guó)內(nèi)外都有一些腫瘤細(xì)胞檢測(cè)發(fā)現(xiàn)與分析進(jìn)行了研究。例如， Kraef SK 對(duì)血液病理圖像和骨髓腫瘤病理圖像中的癌細(xì)胞的發(fā)現(xiàn)和檢測(cè)分析進(jìn)行 了研究。Weyn B 采用小波變換描述細(xì)胞核結(jié)構(gòu)，對(duì)乳腺癌細(xì)胞的檢測(cè)診斷與分級(jí)進(jìn)行了研究。 長(zhǎng)期以來(lái)，圖像處理技術(shù)已經(jīng)被廣泛應(yīng)用到各種醫(yī)學(xué)應(yīng)用領(lǐng)域中，其中許多是應(yīng)用在微觀醫(yī)學(xué)與生物學(xué)中。醫(yī)學(xué)癌細(xì)胞的智能診斷研究是國(guó)際的難題和前沿課題。國(guó)內(nèi)從 20 世紀(jì) 50 年代起，至少已投入了 4000 個(gè)人 /年，其完成的效果為：可以去除樣本中 50%的涂片、剩余 50%還需人工檢測(cè)。因此研究這樣的圖像檢測(cè)系統(tǒng)有著重要的理論和實(shí)用價(jià)值。目前的圖像診斷系統(tǒng)，大多數(shù)已使用了邊緣檢測(cè)、形態(tài)學(xué)、灰度特征和色度學(xué)，并結(jié)合專家系統(tǒng)，對(duì)癌細(xì)胞進(jìn)行分析和 診斷。 近年來(lái)，我國(guó)實(shí)現(xiàn)了一套肺癌早期識(shí)別和分類系統(tǒng)。該系統(tǒng)將人工作智能技術(shù)、圖像處理技術(shù)、形態(tài)學(xué)和色度學(xué)技術(shù)、神經(jīng)網(wǎng)絡(luò)以及軟件技術(shù)等高新技術(shù)綜合應(yīng)用與肺癌早期細(xì)胞病理診斷，解決了肺癌早期細(xì)胞病理診斷中河南科技大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 2 的智能化和自動(dòng)化的若干關(guān)鍵問(wèn)題，并且進(jìn)行了創(chuàng)新研究。對(duì)于胃腸道腫瘤組織細(xì)胞的自動(dòng)識(shí)別也有相關(guān)報(bào)道。 目前，肺癌診斷的手段主要有： X 光片、CT、 MRT、同位素、纖維支氣管鏡（ BF）、經(jīng)皮穿刺活檢等，臨床最可靠的還是病理性診斷，但病理性診斷的先進(jìn)手段還相當(dāng)匱乏。由于普查的工作最大，而傳統(tǒng)的肺癌診斷手段主要是依靠人工 ，受到多種因素的制約，影響診斷的準(zhǔn)確性與效率。因此，利用計(jì)算機(jī)圖像處理技術(shù)，減輕人的工作負(fù)擔(dān)，提高診斷的準(zhǔn)確性和效率，研制目標(biāo)是在癌細(xì)胞識(shí)別率最高的前提下，假陽(yáng)性率最小。由于所使用的涂片樣本來(lái)自被檢查者的痰液，然后加以染色，和人體活檢涂片相比，痰液中有較多的雜質(zhì)和菌團(tuán)，并且肺癌細(xì)胞種類不單一。主要有以下三種：磷癌細(xì)胞、腺癌細(xì)胞和小細(xì)胞癌細(xì)胞，因而，所處理的問(wèn)題更加復(fù)雜，難度更大。 針對(duì)這些情況，如果能設(shè)計(jì)一套切實(shí)可行的算法，通過(guò)對(duì)細(xì)胞的邊緣檢測(cè)，這里主要采用基于迭代算法和腐蝕算法的邊緣檢測(cè)，然后把細(xì)胞的形態(tài)學(xué)特征，以及色度特征同時(shí)用于癌細(xì)胞的識(shí)別，提高癌細(xì)胞診斷的準(zhǔn)確性，將對(duì)癌細(xì)胞的前期診斷和治療起到很大的幫助。 細(xì)胞邊緣的檢測(cè)是進(jìn)行細(xì)胞面積圓度個(gè)數(shù)和顏色等形態(tài)及色度學(xué)的計(jì)算和分析的基礎(chǔ)，其檢測(cè)結(jié)果直接影響病情的分析和診斷結(jié)果。經(jīng)典的邊緣檢測(cè)算子如 Sobel 算子， Laplacian算子等利用圖像的每個(gè)像素鄰域內(nèi)灰度的變化來(lái)檢測(cè)邊緣。雖然這些算子計(jì)算簡(jiǎn)單、速度較快，但存在對(duì)噪聲干擾敏感，得到孤立或分小段連續(xù)邊緣像素，重疊相鄰細(xì)胞邊緣等缺陷，而利用最佳閥值分割和輪廓提取相結(jié)合的方法進(jìn)行邊緣檢測(cè)， 通過(guò)迭代算法求得圖像 分割的最佳閾值，再利用輪廓提取算法，挖去細(xì)胞內(nèi)部像素點(diǎn)，最后剩余部分圖像就是細(xì)胞的邊緣 ，改變了傳統(tǒng)邊緣檢測(cè)算法的處理順序，通過(guò) MATLAB 編程實(shí)現(xiàn)后，實(shí)驗(yàn)結(jié)果表明能有效抑制噪聲干擾影響， 同時(shí)能夠客觀地、正確地選取邊緣檢測(cè)的門限值， 從而進(jìn)行精確的細(xì)胞邊緣檢測(cè)。 河南科技大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 3 第 1章 圖像處理基礎(chǔ) 167。 數(shù)字圖像處理基本知識(shí) 數(shù)字圖像處理又稱計(jì)算機(jī)圖像處理，就是用計(jì)算機(jī)處理數(shù)字圖像。而在自然情況下，計(jì)算機(jī)是不能直接處理圖像的。因?yàn)橛?jì)算機(jī)只能對(duì)數(shù)字進(jìn)行處理，所以圖像必須先轉(zhuǎn)換為數(shù)字形式后才能被計(jì)算機(jī)處理。任意一幅圖像 A可以定義為一個(gè)二 維函數(shù) f(x,y)，其中 x 和 y 是空間坐標(biāo)，而 f 在任意一對(duì)坐標(biāo) (x,y)處的幅度稱為該點(diǎn)處圖像的亮度或灰度。圖像 A 的 x 和 y 坐標(biāo)及幅度均是連續(xù)的，為了把它們轉(zhuǎn)換成數(shù)字形式，必須對(duì)坐標(biāo)和幅度進(jìn)行取樣。坐標(biāo)值數(shù)字化稱為采樣，幅度值數(shù)字化稱為量化。取樣后 f 和 x， y 的幅值都是有限的離散值，這樣圖像 A 則轉(zhuǎn)換為了數(shù)字圖像，產(chǎn)生的數(shù)字坐標(biāo)有 M 行 N列。我們慣用一個(gè) M N 的矩陣來(lái)表示完整的數(shù)字圖像 A。 經(jīng)過(guò)數(shù)字化處理后，得到的數(shù)字矩陣就作為計(jì)算機(jī)處理的對(duì)象了。廣義地講，數(shù)字圖像處理主要研究的內(nèi)容有以下幾個(gè)方面：圖像變換、圖像增強(qiáng)、圖像復(fù)原、圖像壓縮編碼、圖像分割、圖像識(shí)別等內(nèi)容。 （ 1） 圖像變換 ： 圖像數(shù)字化時(shí)采樣點(diǎn)是很多的，直接影響就是圖像矩陣陣列很大，如果直接在空間域中進(jìn)行處理，計(jì)算量十分龐大。因此 ，往往采用各種圖像變換的方法，如傅立葉變換、離散余弦變換、小波變換等。利用這些變換的性質(zhì)和特點(diǎn)，將圖像轉(zhuǎn)換到頻域中進(jìn)行處理。不僅可減少計(jì)算量，而且可獲得更有效的處理（如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理）。目前新興研究的小波變換在時(shí)域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。 （ 2） 圖像增強(qiáng)和復(fù)原 ： 為了提高圖像的質(zhì)量，如去噪，增強(qiáng)圖像的清晰度等，就需要進(jìn)行圖像增強(qiáng)和復(fù)原。圖像增強(qiáng)即突出圖像中感興趣的部分（如強(qiáng)化圖像高頻分量，可使圖像中物體輪廓清晰，細(xì)節(jié)明顯；如強(qiáng)化低頻河南科技大學(xué)本科畢業(yè)設(shè)計(jì)（論文） 4 分量可減少 圖像中噪聲影響）。圖像復(fù)原要求對(duì)圖像質(zhì)量降低的原因有一定的了解，一般講應(yīng)根據(jù)降質(zhì)過(guò)程建立“降質(zhì)模型”，并采用某種濾波方法，恢復(fù)或重建原來(lái)的圖像。 （ 3） 圖像壓縮編碼 :圖像編碼壓縮技術(shù)可減少描述圖像的數(shù)據(jù)量（即比特?cái)?shù)），以便節(jié)省圖像傳輸、處理時(shí)間和減少所占用的存儲(chǔ)器容量。壓縮可以在不失真的前提下獲得， 也可以在允許的失真條件下進(jìn)行。 （ 4） 圖像分割 :圖像分割是將圖像中有意義的特征部分提取出來(lái)，其有意義的特征有圖像中的邊緣、區(qū)域等，這是進(jìn)一步進(jìn)行圖像識(shí)別、分析和理解的基礎(chǔ)。 （ 5） 圖像識(shí)別 :圖像識(shí)別屬于模式識(shí)別 的范疇，其主要內(nèi)容是圖像經(jīng)過(guò)某些預(yù)處理（增強(qiáng)、復(fù)原、壓縮）后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。近年來(lái)新發(fā)展起來(lái)的模糊模式識(shí)別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識(shí)別中受到越來(lái)越多的重視。數(shù)字圖像處理的工具可分為三大類：第一類包括各種正交變換和圖像濾波等方法，其共同點(diǎn)是將圖像變換到其它域（如頻域）中進(jìn)行處理后，再變換到原來(lái)的域中；第二類方法是直接在空間域中處理圖像，它包括各種統(tǒng)計(jì)方法、微分方法及其它數(shù)學(xué)方法；第三類是數(shù)學(xué)形態(tài)學(xué)運(yùn)算，它不同于常用的頻域和空間域的方法，是建立在積分幾何和隨機(jī)集合論的基礎(chǔ)上的運(yùn)算 。 圖像采集系統(tǒng)獲取的源圖像中通常都含有各種各樣的噪聲和畸變，圖像質(zhì)量受到了極大的影響。圖像采集過(guò)程中，圖像質(zhì)量會(huì)受到光照條件的影響，可能會(huì)出現(xiàn)模糊、污損、歪斜等現(xiàn)象。因此，在進(jìn)行圖像識(shí)別之前，先要去掉這些不利因素，突出圖像中的有用信息，以便于特征提取和圖像識(shí)別。該階段的準(zhǔn)備工作在圖像分析和識(shí)別中通常叫做預(yù)處理，包括灰度變換和增強(qiáng)、噪聲的去除、幾何畸變的校正等等。在圖像預(yù)處理中，輸入和輸出都是圖像，只是經(jīng)過(guò)預(yù)處理后，輸出圖像的質(zhì)量得到一定程度的改善，可達(dá)到改善圖像的視覺(jué)效果或者更便于計(jì)算機(jī)對(duì)圖像分析、處理、 理解和識(shí)別等處理的目的。然而，圖像處理的效果評(píng)判缺乏統(tǒng)一標(biāo)準(zhǔn)，某些圖像處理方法，既帶有一定的針對(duì)性又帶有一定的局限性，對(duì)某類圖像效果較好的處理方法，未必適于另一種圖