【正文】 微細胞圖像預處理二值圖像的區(qū)域標定，并獲得連通區(qū)域像素個數(shù)獲得正常紅細胞大小重疊細胞處理得到計數(shù)結果并作驗證 成熟紅細胞計數(shù)流程圖MATLAB演示程序見附錄D,關于流程的幾點說明： 成熟紅細胞原始圖像： 成熟紅細胞顯微圖像 基于形態(tài)學的顯微細胞圖像處理流程已在本文第三章第三節(jié)給出了介紹，本章直接使用，： 圖像處理后的成熟紅細胞二值圖像對二值圖像做區(qū)域處理時，選用8連通，并獲得連通區(qū)域像素個數(shù)并計算區(qū)域的平均值avr，得到結果為793。此種細胞正常1%~2%。(3)球形紅細胞：體積較小，圓形、中央濃染似球形，直徑小，5~，厚度2μm；正常血片僅見3%~4%，如20%有意義，見于自身免疫性溶血性貧血及遺傳性球形細胞增多癥。見于缺鐵、慢性病貧血、繼發(fā)貧、珠蛋白生成障礙性貧血。見于溶血、巨幼貧、MDS、混合性貧血。因此，密切觀察成熟紅細胞形態(tài)結構有否異常，對紅系疾病診斷及鑒別診斷意義極大。血小板壽命約7～14天。血小板的表面糖衣能吸附血漿蛋白和凝血因子Ⅲ，血小板顆粒內含有與凝血有關的物質。在血涂片中，血小板常呈多角形，聚集成群。無粒白細胞有單核細胞和淋巴細胞兩種。血液中白細胞的數(shù)值可受各種生理因素的影響，如勞動、運動、飲食及婦女月經(jīng)期，均略有增多。白細胞(leukocyte)白細胞為無色有核的球形細胞，體積比紅細胞大，能作變形運動，具有防御和免疫功能。紅細胞的數(shù)目及血紅蛋白的含量可有生理性改變，如嬰兒高于成人，運動時多于安靜狀態(tài)，高原地區(qū)居民大都高于平原地區(qū)居民，紅細胞的形態(tài)和數(shù)目的改變、以及血紅蛋白的質和量的改變超出正常范圍，則表現(xiàn)為病理現(xiàn)象。以哺乳動物來說，血細胞主要含下列三部分：紅細胞：主要的功能是運送氧；白細胞：主要扮演了免疫的角色；血小板：止血過程中起著重要作用。根據(jù)以上醫(yī)學知識，本章的第二節(jié)開始介紹本課題對顯微細胞圖像形態(tài)分析獲得的結果。研究結果如下圖： (a)形態(tài)學填充 (b) 連續(xù)開閉后得到最終的二值圖像 (b)做處理，MATLAB演示程序見附錄C，得到結果如下圖。MATLAB演示程序見附錄B，根據(jù)曲線擬合的思想，對灰度等級分段處理，用各小段的最大值來描述灰度直方圖的變化趨勢。MATLAB演示程序見附錄A。在MATLAB中調用ind2gray函數(shù)，開始本課題的研究。而且，常常由于邊緣模糊，多個細胞重疊等問題使圖像分析陷入窘境。本研究采用的是形態(tài)學開閉濾波，該方法能更好地消除細胞周圍的椒鹽噪聲以及細胞上的小孔，(b)(a)進行形態(tài)學濾波后的結果圖像。實際上，由于等距離問題，經(jīng)常會出現(xiàn)不連續(xù)的線段或過分割現(xiàn)象。 測地影響區(qū)及SKIZ 傳統(tǒng)的流域算法分析利用測地形態(tài)學運算，分割二值圖像的基本過程為：首先，對二值圖Y做距離變換或極限腐蝕，得到代表重疊細胞的幾何中心區(qū)，形成的二值圖為原二值圖的子集，設為集合X。 xy之間的虛線為歐氏距離，實線為測地距離。在腐蝕不斷作用的過程中，不連續(xù)的區(qū)域會不斷產(chǎn)生，與此同時，某些區(qū)域又會不斷消失。這種變換涉及到形態(tài)學中測地學的幾個概念，分別是極限腐蝕、測地距離、測地影響區(qū)和測地影響區(qū)骨架。 流域變換的基本原理流域變換方法用在檢測與標示具有連通或相似灰度的目標圖像。由于細胞圖像的復雜性，目前尚無一種能夠適用于所有細胞圖像的分割算法。因此，用本文中研究的基于形態(tài)學重構的細胞圖像邊緣效果較好[16]。①，只能表現(xiàn)出小部分細胞核邊界，而且邊緣不連續(xù)。（1，1）的最小偏移量，能夠最大程度保留細節(jié)，（3，3）的偏移量值，效果較好。不同形狀的結構元素對邊界特征的感應不同：小尺寸的結構元素去噪聲能力弱，但能檢測到好的邊緣細節(jié)；大尺寸的結構元素去噪聲能力強，但檢測的邊緣較粗?；叶葓D像的閉重構運算可由下式表示: 其中，圖像I通過有限次腐蝕迭代運算被標識圖像J重構。經(jīng)過二值開重構濾波后,圖像中的連通部分或者被完全去除或者被完整保持。2.創(chuàng)建結構元素：B=ones（3）。另一幅圖像是掩膜（mask），用來約束變換過程。同樣也能創(chuàng)建演示圖形，并可以更改默認的格式，添加描述性標簽、題目、圖例等其它有助于說明數(shù)據(jù)的的標注。 統(tǒng)計工具箱統(tǒng)計工具箱(Statistics Toolbox)(函數(shù)),下面舉例其中幾個主要支持的內容：概率分布：提供了20種概率分布，包含離散和連續(xù)分布，且每種分布提供了5個有用的函數(shù)，即概率密度函數(shù)、累積分布函數(shù)、逆累積分布函數(shù)、隨機產(chǎn)生器與方差計算函數(shù)。紋理分析是指，根據(jù)圖像的紋理內容獲得區(qū)域的特征值，包括粗糙度、亮度以及像素強度在空間的變化情況等。39。)結果顯示： 可以用不同的顏色來區(qū)別二值圖像中的目標②返回二值圖像的歐拉數(shù)(the Euler Number of a Binary Image) 對圖像進行拓撲估計時，經(jīng)常會使用到一個量——歐拉數(shù)。k39。 1 1 1 0 0 0 1。1 1 1 0 1 1 0 0。設A是原始圖像，B是結構元素圖像，則集合A被結構元素B作開運算，記為，其定義為：， ()就是A被B腐蝕后的結果再被B膨脹。其中，SE是函數(shù)strel得到的結構元素；NHOOD是一個只包含0和1作為元素值的矩陣，用于表示自定義形狀的結構元素；PACKOPT和PADOPT是兩個優(yōu)化因子，分別可以取值”ispacked”、”notpacked”、”same”和”full”，用來指定輸入圖像是否為壓縮的二值圖像和輸出圖像的大小。 數(shù)學形態(tài)學的基本運算及實現(xiàn)①膨脹：A， B 為 中的集合，為空集，A被B的膨脹，記為AB，為膨脹算子，膨脹的定義為:， ()（21）式表明的膨脹過程是B首先做關于原點的映射，然后平移x。工具箱支持廣泛的圖像處理操作，包括：空間圖像轉變形態(tài)學操作領域和塊操作線性濾波器和濾波器設計圖像轉換圖像分析與增強圖像恢復圖像清晰化感興趣區(qū)域操作許多工具函數(shù)是MATLAB的M文件，介紹了一系列專門的圖像處理算法。同時MATLAB具有其他高級語言難以比擬的一些優(yōu)點：編寫簡單、效率高、易懂易學，在信號處理、通信、自動化控制及科學計算等另也中被廣泛的應用。醫(yī)學細胞圖像定量分析也已應用于病理診斷、病理管理系統(tǒng)、癌變分級分類等多方面的醫(yī)學研究領域，細胞學診斷是進行臨床疾病診斷的重要手段。如果將錄像存儲邊緣化，雖然可以減少視頻流的數(shù)量，緩減承載網(wǎng)壓力，但分散的錄像數(shù)據(jù)將給錄像的管理帶來很大的麻煩，錄像數(shù)據(jù)的安全性也將大大降低。結合醫(yī)學形態(tài)學和圖像形態(tài)學的雙重概念，把計算機圖像處理與分析技術應用到醫(yī)學領域，在臨床診斷和治療中會起到重要的作用。因此我們要在目前已經(jīng)建立的廣泛醫(yī)院聯(lián)系基礎上，進一步與相關醫(yī)生進行溝通，把醫(yī)生經(jīng)驗合理地結合到自動化分析技術中。 課題研究的技術路線與技術難點本課題的研究從顯微細胞圖像的目標檢測入手，通過基于數(shù)學形態(tài)學的醫(yī)學圖像處理技術，提出顯微細胞特征的形態(tài)學處理方法，并做形態(tài)學參數(shù)統(tǒng)計及診斷初步嘗試。主要研究內容如下：①圖像預處理：用基于數(shù)學形態(tài)學圖像處理方法，研究邊緣檢測技術、圖像分割等技術，以解決由染色、光照條件產(chǎn)生的圖像質量問題，以及細胞連接、重疊等問題；②特征提?。褐饕谦@得血細胞形態(tài)特征的定量參數(shù)[15]。最后,利用圖像中的極值點與物體間的對應關系,逐級提取圖像中包含的物體來得到分層級的表示,并用區(qū)域在不同尺度下熵的變化來決定尺度樹的構成,從而完成了彩色圖像的分割。為了對彩色圖像進行快速有效的分割,提出了一種用于分割彩色圖像的多尺度形態(tài)學算法。針對Canny圖像分割算法容易出現(xiàn)目標邊緣斷裂和粘連現(xiàn)象，根據(jù)數(shù)學形態(tài)學中開閉運算的性能，結合目標基本形狀特征，提出了多結構元多層次圖像分割后處理算法。為了實現(xiàn)對免疫細胞圖象的分析,首先要對該種圖象進行正確分割,針對這一要求,利用直方圖勢函數(shù)來提取標記點,并將這些標記點作為種子點來對梯度圖進行Watershed變換,該方法不僅解決了細胞在參數(shù)測量前的精確分割問題,同時,為水域分割的關鍵步驟——種子點的選取找到了一種有效而可靠的方法,實踐表明,分割的結果與目視感受相一致,且其分割速度及可重復性都達到了醫(yī)學臨床的要求.③基于形態(tài)學約束的BSnake模型的細胞圖像自動分割方法[12]。下面介紹現(xiàn)階段普遍研究的幾種圖像分割的概況：①基于形態(tài)學重構運算的醫(yī)學圖像分割[10]。醫(yī)學圖像分割可以提取出準確的、可重復的、量化的病理生理數(shù)據(jù)，滿足不同的生物醫(yī)學研究和臨床應用的需要。簡而言之，圖像分割就是指根據(jù)某種勻性或一致性的原則將圖像分成若干個有意義的部分，使得每一部分都符合種一致性的要求，而任意兩個相鄰部分的合并都會破壞這種一致性。該方法能夠修正形態(tài)學的簡單開閉運算帶來的弱點，通過重構運算以及多結構元素的構建，能夠很好地濾除偽邊界，得到較為滿意的細胞圖像輪廓。在深入研究柔性數(shù)學形態(tài)學邊緣檢測算法的基礎上,提出比傳統(tǒng)柔性形態(tài)學膨脹和腐蝕算子具有更強魯棒性的柔性形態(tài)學膨脹和腐蝕算子,在此基礎上提出柔性形態(tài)學梯度邊緣檢測算法,實驗證明了該算法對噪聲特別是脈沖噪聲有很強的抑制作用,并能很好地檢測出圖像的邊緣信息。③基于多結構元素形態(tài)學的圖像邊緣檢測算法[7]。該方法能夠有效地去噪，檢測圖像中的細節(jié)，定位準確，并且計算量小，效率高。圖像普遍存在噪聲。數(shù)學形態(tài)學的主要用途是獲取物體拓撲和結果信息，它通過物體和結構元素相互作用的某些運算得到物體的本質形態(tài)。(膨脹與腐蝕)、開運算閉運算是數(shù)學形態(tài)學的基礎。它最顯著的特點是直接處理圖像表面的幾何形狀，具有快速、健壯和精確性的特征[3]。利用數(shù)學形態(tài)學對物體幾何結構的分析過程就是主客體相互逼近的過程。由于形態(tài)學具有完備的數(shù)學基礎，這為形態(tài)學用于圖像分析和處理、形態(tài)濾波器的特性分析和系統(tǒng)設計奠定了堅實的基礎，尤其突出的是實現(xiàn)了形態(tài)學分析和處理算法的并行，大大提高了圖像分析和處理的速度?，F(xiàn)如今，細胞和組織形態(tài)特征的分析一直是研究生物細胞學和病理學的主要手段。 形態(tài)學一般指生物學中研究動物和植物結構的一個分支。1 緒論 前言 近年來，醫(yī)學圖像在協(xié)助醫(yī)生診斷與提高診斷精度方面發(fā)揮了越來越重要的作用，醫(yī)生對圖像診斷的需求也日益增加。而本課題的研究勢必是實現(xiàn)這一目標的必經(jīng)之路，為最終實現(xiàn)這一目標做出基礎性前瞻性的理論研究。課題所提及的形態(tài)學是指，用數(shù)學形態(tài)學的圖像處理方法，結合醫(yī)學形態(tài)學知識，分析顯微細胞圖像的形態(tài)特征，本項目的研究即以此展開。 數(shù)學形態(tài)學數(shù)學形態(tài)學(Mathematical Morphology)[2]是近幾年來發(fā)展迅速的一門建立在嚴格數(shù)學理論基礎上的新興的學科，以幾何特性和結構特性的定量描述與分析為其主要研究內容，是一種應用于圖像處理和模式識別領域的新的方法，是一門建立在嚴格的數(shù)學理論基礎上而又密切聯(lián)系實際的科學。用于描述數(shù)學形態(tài)學的語言是集合論，因此，它可以提供一個統(tǒng)一而強大的工具來處理圖像處理中所遇到的問題。例如，在圖像恢復處理中，基于數(shù)學形態(tài)學的形態(tài)濾波器可借助于先驗的幾何特征信息，利用形態(tài)學算子有效的濾除噪聲，又可以保留圖像中的原有信息。結構元素可直接攜帶知識(形態(tài)、大小、以及灰度和色度信息)來探測所研究圖像的結構特點，借助于不同形狀的結構元素與圖像間的一系列結構變換來處理和分析圖像。所謂邊緣(或邊沿)是指其周圍像素灰度有階躍變化或屋頂變化的那些象素的集合,邊緣檢測是圖像工程的一個重要內容。邊緣檢測的難題是檢測精度與抗噪性能之間的矛盾。對數(shù)學形態(tài)學中的腐蝕和膨脹的原理和中值濾波除噪應用進行研究，針對二值化圖像把中值濾波與腐蝕相結合研究一種邊緣檢測的方法，通過仿真實現(xiàn)，得到滿意的效果。然后進行形態(tài)結構元素尺度調整,綜合各尺度下的邊緣特征,得到了噪聲存在條件下較為理想的圖像邊緣,實驗證明了該算法的可行性和有效性。④基于柔性形態(tài)學的梯度邊緣檢測算法[8]。⑥基于形態(tài)學重構運算的細胞圖像邊緣檢測。為了辨識和分圖像中的目標，需要將它們從圖像中分離提取出來，在此基礎上才有可能進步對目標進行測量和對圖像進行處理。盡管現(xiàn)代成像設備提供了對內部解剖結構的優(yōu)越的觀察條件，使用計算機技術對內部解剖結構進行精確而有效的量化和分析在目前仍然是有限的。由于醫(yī)學圖像實際獲取條件的不同，引起測量上的不精確性和不確定性，造成醫(yī)學圖像數(shù)據(jù)非常復雜，這使得醫(yī)學圖像分割具有特別的復雜性。②基于數(shù)學形態(tài)學的免疫細胞圖象分割[11]。④一種基于數(shù)學形態(tài)學的多結構元圖像分割算法[13]。⑤一種形態(tài)學彩色圖像多尺度分割算法[14]。然后采用頂點塌縮算法實現(xiàn)的彩色形態(tài)學開閉算子生成了所需的非線性尺度空間。在本課題的研究中，顯微細胞圖像特指血細胞圖像，即研究血液細胞的形態(tài)特征。由于時間有限，該課題還有很多深入的內容有待探索，本人將在未來的時間里繼續(xù)進行研究。詳細的細胞學圖譜和真正實用的各類顯微細胞圖像，對本項目的研究非常重要，勢必影響研究結果的推廣意義。醫(yī)學形態(tài)學的圖像化是本課題研究的又一個創(chuàng)新點。中央錄像服務器管理方便，安全可靠，但因為錄像隨時進行，數(shù)據(jù)流量大，對承載網(wǎng)帶來很大壓力。 國內外同類課題研究現(xiàn)狀近幾年來隨著醫(yī)學影像技術和設備的不斷發(fā)展，國內外專家學者將數(shù)字圖像處理應用于醫(yī)學領域，紛紛研制開發(fā)出了一些實