【正文】 雖然現(xiàn)在成果尚不顯著，但我相信，在陳老師的指導(dǎo)下，通過我不懈的努力一定會取得滿意的成果。%計算圓度R=A/(H*W)。 end endendsn=sum(sum(bw))。 %記錄垂直方向連續(xù)周長像素點的個數(shù)for i=1:x for j=1:y if(bw(i,j)0) p2=j。I=im2bw(I)。 x([s])=Sum([i])。 %認(rèn)為是兩個細(xì)胞重疊 end if (Sum([i])(*avr))amp。for i=1:Number num_all=num_all+Sum([i])。 %預(yù)處理后得到的圖像%對二值圖像做區(qū)域標(biāo)定，并取得連通區(qū)域像素個數(shù)，得到平均值avr[Label Number]=bwlabel(bw2,8)。figure。 %顯示索引圖像直方圖%figure。%生成灰度取反的距離變換圖像figure。bw1=imopen(bw1,se1)。%顯示二值圖像bw1=bwfill(bw1,39。I2=ind2gray(I1,map)。h=y39。plot(x,y,39。imhist(I2)。,z,h)。count=imhist(I2)。附錄B 曲線擬合法求閾值[I1,map]=imread(39。q=ndst。imhist(I2)。下一步的研究主要考慮以下幾點：(1)搜集更多的顯微細(xì)胞圖像，進行各種細(xì)胞形態(tài)特征的提取，并分類總結(jié)驗證；(2)學(xué)習(xí)國內(nèi)外先進的圖像識別技術(shù)，將它們應(yīng)用到顯微細(xì)胞圖像識別中；(3)完成不同種細(xì)胞的識別功能；(4)進行細(xì)胞各周期形態(tài)變化的研究與統(tǒng)計，以輔助醫(yī)生完成細(xì)胞病診斷，同時提高診斷的準(zhǔn)確率與效率。(1)研究的初始階段，要廣泛的閱讀文獻，并整理出適合本課題研究的理論與方法。本課題的研究也是基于這一理論，但不同的是，本文將基于數(shù)學(xué)形態(tài)學(xué)的圖像處理方法應(yīng)用到了顯微細(xì)胞圖像處理中，以為細(xì)胞形態(tài)分析做準(zhǔn)備。這里，R反映了一個物體對其MER的充滿程度，對于矩形，R取得最大值為1，對于纖細(xì)的、彎曲的物體則其值變小，矩形擬合因子的值限定在0與1之間。鏈碼結(jié)構(gòu)定義如下：(1)以正右方為初始點，并定義為0；(2)鏈碼值加l，對應(yīng)順時針增加45176。對連通域分類如下：(1)不完整的細(xì)胞，小于半個細(xì)胞大小，應(yīng)該被忽略的；(2)大小與正常紅細(xì)胞相當(dāng)，算為一個的細(xì)胞；(3) 有多個細(xì)胞相連的情況時：若為少數(shù)個細(xì)胞相連，直接根據(jù)大小估計重疊個數(shù)；當(dāng)多細(xì)胞重疊時，用細(xì)胞密度來推算。(6)靶形紅細(xì)胞：紅細(xì)胞非常扁薄，由于其中血紅蛋白大部分都集中在紅細(xì)胞中心和邊緣，形態(tài)似射擊圖的靶子。(4)小紅細(xì)胞：直徑6μm。該階段細(xì)胞大小、形態(tài)、結(jié)構(gòu)與幼紅細(xì)胞形態(tài)、結(jié)構(gòu)有密切關(guān)系，同時也間接反映紅細(xì)胞生理功能。血小板在止血和凝血過程中起重要作用。有粒白細(xì)胞又根據(jù)顆粒的嗜色性，分為中性粒細(xì)胞、嗜酸性粒細(xì)胞用嗜堿性粒細(xì)胞。缺鐵性貧血的紅細(xì)胞，由于血紅蛋白的含量明顯降低，以致中央淡染區(qū)明顯擴大。 本課題研究的醫(yī)學(xué)依據(jù) 血細(xì)胞系統(tǒng)血細(xì)胞又稱“血球”，是存在于血液中的細(xì)胞，能隨血液的流動遍及全身。MATLAB演示程序見附錄C。設(shè)圖像f中，灰度值為K的像素的數(shù)目是ni，總像素數(shù)目是N= 各灰度出現(xiàn)的概率為：pi=設(shè)以灰度k為閾值將圖像分為兩個區(qū)域，灰度為1~k的像素和灰度為k+1~L的像素分別屬于區(qū)域A和B，則區(qū)域A和B的概率分別為：ωA=和ωB=為了簡便起見，定義ωA=ω(k)區(qū)域A和B的平均灰度為：μA=pi和μB=pi兩個區(qū)域的方差分別為：=ωA(μA – μ)2+ωB(μB – μ)2=按照最大類間方差準(zhǔn)則，從1到L改變k，并計算類間方差，使上式最大的k就是區(qū)域分割的閾值。 基于形態(tài)學(xué)的顯微細(xì)胞圖像處理流程顯微細(xì)胞圖像往往會因光照不均勻，染色效果不佳等原因影響圖像質(zhì)量。但是由測地影響區(qū)骨架SKIZ的定義又知，該方法并不適用分離所有的測地影響區(qū)。測地距離以x，y為端點，包含在A中的最短距離，即為x，y兩點的測地距離，用dA(x，y)表示。流域方法是對距離函數(shù)構(gòu)成的拓?fù)浔砻鎑(x)建立的。例如，文獻[17]是使用一個可控的文件系統(tǒng)對存儲的細(xì)胞圖像進行分割，該方法僅能將細(xì)胞明顯地從噪聲和背景中區(qū)分開的圖像有效；文獻[18]則通過使用不同的八邊形結(jié)構(gòu)元素對圖像進行開、閉運算。與經(jīng)典邊緣檢測算子檢測結(jié)果比較。 雙結(jié)構(gòu)元素的選取在形態(tài)學(xué)圖像處理中，結(jié)構(gòu)元素的形狀和大小都會影響到邊緣信息的提取。 開、閉重構(gòu)運算最早被提出的一種重構(gòu)濾波器是應(yīng)用于二值圖像的二值開重構(gòu)濾波器,它使用連通結(jié)構(gòu)元素對二值圖像進行腐蝕,然后對那些沒有被完全腐蝕掉的連通部分進行二值重構(gòu)恢復(fù)。一副圖像，即標(biāo)記（marker），是變換的開始點。 與圖像處理相關(guān)的常用工具，工具箱結(jié)合使用可以大大提高MATLAB的圖像處理功能，下面介紹兩種常用的工具箱，結(jié)合它們的使用，對圖像分析會有很大的幫助。程序示例：BW1 = imread(39。RGB = label2rgb(X, jet, 39。 對象、區(qū)域和特征度量MATLAB的目標(biāo)、區(qū)域和特征度量 (Objects, Regions, and Feature Measurement) 工具箱包括了許多可以返回二值圖像特征信息的函數(shù)，如：①連通分量標(biāo)記 (ConnectedComponent Labeling)程序示例：BW=[1 1 1 0 0 0 0 0。MATLAB圖像處理工具箱提供用于圖像膨脹的函數(shù)是imdilate，其調(diào)用格式為：IM2=imdilate(IM,SE)IM2=imdilate(IM,NHOOD)IM2=imdilate(IM,SE,PACKOPT)IM=imdilate(…,PADOPT)以上語句表示對輸入圖像IM進行按指定結(jié)構(gòu)元素(SE或NHOOD)的膨脹操作，得到輸出圖像IM2。 圖像處理工具箱圖像處理工具箱(Image Processing Toolbox)是一個函數(shù)集合，它們擴大了MATLAB的數(shù)值計算能力。 國內(nèi)外同類課題研究現(xiàn)狀近幾年來隨著醫(yī)學(xué)影像技術(shù)和設(shè)備的不斷發(fā)展，國內(nèi)外專家學(xué)者將數(shù)字圖像處理應(yīng)用于醫(yī)學(xué)領(lǐng)域，紛紛研制開發(fā)出了一些實用的計算機自動診斷系統(tǒng)，如CR圖像的自動處理系統(tǒng)、血細(xì)胞顯微圖像的自動識別等，借助計算機圖像處理、計算機圖形學(xué)、虛擬現(xiàn)實和計算機網(wǎng)絡(luò)與技術(shù)的醫(yī)學(xué)圖像處理與分析，逐漸成為具有自身特色的新興交叉學(xué)科。醫(yī)學(xué)形態(tài)學(xué)的圖像化是本課題研究的又一個創(chuàng)新點。由于時間有限，該課題還有很多深入的內(nèi)容有待探索，本人將在未來的時間里繼續(xù)進行研究。然后采用頂點塌縮算法實現(xiàn)的彩色形態(tài)學(xué)開閉算子生成了所需的非線性尺度空間。④一種基于數(shù)學(xué)形態(tài)學(xué)的多結(jié)構(gòu)元圖像分割算法[13]。由于醫(yī)學(xué)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(xué)圖像數(shù)據(jù)非常復(fù)雜，這使得醫(yī)學(xué)圖像分割具有特別的復(fù)雜性。為了辨識和分圖像中的目標(biāo)，需要將它們從圖像中分離提取出來，在此基礎(chǔ)上才有可能進步對目標(biāo)進行測量和對圖像進行處理。④基于柔性形態(tài)學(xué)的梯度邊緣檢測算法[8]。對數(shù)學(xué)形態(tài)學(xué)中的腐蝕和膨脹的原理和中值濾波除噪應(yīng)用進行研究，針對二值化圖像把中值濾波與腐蝕相結(jié)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。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(nèi)容。例如，在圖像恢復(fù)處理中，基于數(shù)學(xué)形態(tài)學(xué)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(xué)算子有效的濾除噪聲，又可以保留圖像中的原有信息。 數(shù)學(xué)形態(tài)學(xué)數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology)[2]是近幾年來發(fā)展迅速的一門建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的新興的學(xué)科，以幾何特性和結(jié)構(gòu)特性的定量描述與分析為其主要研究內(nèi)容，是一種應(yīng)用于圖像處理和模式識別領(lǐng)域的新的方法，是一門建立在嚴(yán)格的數(shù)學(xué)理論基礎(chǔ)上而又密切聯(lián)系實際的科學(xué)。而本課題的研究勢必是實現(xiàn)這一目標(biāo)的必經(jīng)之路，為最終實現(xiàn)這一目標(biāo)做出基礎(chǔ)性前瞻性的理論研究。 形態(tài)學(xué)一般指生物學(xué)中研究動物和植物結(jié)構(gòu)的一個分支。由于形態(tài)學(xué)具有完備的數(shù)學(xué)基礎(chǔ)，這為形態(tài)學(xué)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(shè)計奠定了堅實的基礎(chǔ)，尤其突出的是實現(xiàn)了形態(tài)學(xué)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。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]。數(shù)學(xué)形態(tài)學(xué)的主要用途是獲取物體拓?fù)浜徒Y(jié)果信息，它通過物體和結(jié)構(gòu)元素相互作用的某些運算得到物體的本質(zhì)形態(tài)。該方法能夠有效地去噪，檢測圖像中的細(xì)節(jié)，定位準(zhǔn)確，并且計算量小，效率高。在深入研究柔性數(shù)學(xué)形態(tài)學(xué)邊緣檢測算法的基礎(chǔ)上,提出比傳統(tǒng)柔性形態(tài)學(xué)膨脹和腐蝕算子具有更強魯棒性的柔性形態(tài)學(xué)膨脹和腐蝕算子,在此基礎(chǔ)上提出柔性形態(tài)學(xué)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。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。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(xué)重構(gòu)運算的醫(yī)學(xué)圖像分割[10]。針對Canny圖像分割算法容易出現(xiàn)目標(biāo)邊緣斷裂和粘連現(xiàn)象，根據(jù)數(shù)學(xué)形態(tài)學(xué)中開閉運算的性能，結(jié)合目標(biāo)基本形狀特征，提出了多結(jié)構(gòu)元多層次圖像分割后處理算法。最后,利用圖像中的極值點與物體間的對應(yīng)關(guān)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(gòu)成,從而完成了彩色圖像的分割。 課題研究的技術(shù)路線與技術(shù)難點本課題的研究從顯微細(xì)胞圖像的目標(biāo)檢測入手，通過基于數(shù)學(xué)形態(tài)學(xué)的醫(yī)學(xué)圖像處理技術(shù)，提出顯微細(xì)胞特征的形態(tài)學(xué)處理方法，并做形態(tài)學(xué)參數(shù)統(tǒng)計及診斷初步嘗試。結(jié)合醫(yī)學(xué)形態(tài)學(xué)和圖像形態(tài)學(xué)的雙重概念，把計算機圖像處理與分析技術(shù)應(yīng)用到醫(yī)學(xué)領(lǐng)域，在臨床診斷和治療中會起到重要的作用。醫(yī)學(xué)細(xì)胞圖像定量分析也已應(yīng)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(xué)研究領(lǐng)域，細(xì)胞學(xué)診斷是進行臨床疾病診斷的重要手段。工具箱支持廣泛的圖像處理操作，包括：空間圖像轉(zhuǎn)變形態(tài)學(xué)操作領(lǐng)域和塊操作線性濾波器和濾波器設(shè)計圖像轉(zhuǎn)換圖像分析與增強圖像恢復(fù)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。其中，SE是函數(shù)strel得到的結(jié)構(gòu)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(jié)構(gòu)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。1 1 1 0 1 1 0 0。k39。39。 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(nèi)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)。另一幅圖像是掩膜（mask），用來約束變換過程。經(jīng)過二值開重構(gòu)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。不同形狀的結(jié)構(gòu)元素對邊界特征的感應(yīng)不同：小尺寸的結(jié)構(gòu)元素去噪聲能力弱，但能檢測到好的邊緣細(xì)節(jié)；大尺寸的結(jié)構(gòu)元素去噪聲能力強，但檢測的邊緣較粗。①，只能表現(xiàn)出小部分細(xì)胞核邊界，而且邊緣不連續(xù)。由于細(xì)胞圖像的復(fù)雜性，目前尚無一種能夠適用于所有細(xì)胞圖像的分割算法。這種變換涉及到形態(tài)學(xué)中測地學(xué)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。 xy之間的虛線為歐氏距離，實線為測地距離。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。而且，常常由于邊緣模糊，多個細(xì)胞重疊等問題使圖像分析陷入窘境。MATLAB演示程序見附錄A。研究結(jié)果如下圖： (a)形態(tài)學(xué)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(jié)果如下圖。以哺乳動物來說，血細(xì)胞主要含下列三部分：紅細(xì)胞：主要的功能是運送氧；白細(xì)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。白細(xì)胞(leukocyte)白細(xì)胞為無色有核的球形細(xì)胞，體積比紅細(xì)胞大，能作變形運動，具有防御和免疫功能。無粒白細(xì)胞有單核細(xì)胞和淋巴細(xì)胞兩種。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(nèi)含有與凝血有關(guān)的物質(zhì)。因此，密切觀察成熟紅細(xì)胞形態(tài)結(jié)構(gòu)有否異常，對紅系疾病診斷及鑒別診斷意義極大。見于缺鐵、慢性病貧血、繼發(fā)貧、珠蛋白生成障礙性貧血。此種細(xì)胞正常1%~2%。通過該算法得到的成熟紅細(xì)胞計數(shù)結(jié)果為N=190。；(3)鏈碼跟蹤的方法是以逆時針進行，除第1次跟蹤從正左方向開始外，其余各點都從以該點為中心的前一個點逆時針增加45176。另一個矩形度參數(shù)是長寬比KK =W/L其中，W是物體外接矩形的寬，L是物體外接矩形的長，這個特征可以把較纖細(xì)的物體與方形的或圓形的物體