【正文】 1 進(jìn)過(guò)重構(gòu)式閉形態(tài)學(xué)濾波器的結(jié)果，也是圖 39 原始濾波后圖像經(jīng)過(guò)重構(gòu)式開(kāi)閉濾波器的結(jié)果。我們用imregionalmin函數(shù)來(lái)觀察它們的局部最小區(qū)域。第一種方法：我們采用計(jì)算連通區(qū)域邊界所圍的像素之和來(lái)計(jì)算癌細(xì)胞面積。)。周長(zhǎng) 1 那一行得出的數(shù)據(jù)是通過(guò)計(jì)算邊界像素點(diǎn)得出的結(jié)果。預(yù)處理階段，如圖 325 所示。對(duì)噪聲復(fù)雜的圖像能取得較好的效果。初始閾值選取為圖像的平均灰度 ，然后用 將圖像的象素點(diǎn)分作兩部分，0T0計(jì)算兩部分各自的平均灰度，小于 的部分為 ，大于 的部分為 。用中值濾波器濾除部分噪聲。本文提出的改進(jìn)分水嶺算法圖像分割方案具有極強(qiáng)的噪聲抑制能力，分割的結(jié)果良好，具有完整精確連續(xù)的邊緣，后期不需要后期的合并處理就能夠達(dá)到有意義的分割。但是分水嶺在實(shí)際運(yùn)用中仍然有很多需要改進(jìn)的地方。粘連細(xì)胞圖像的分割還有很多問(wèn)題有待解決。三、分水嶺的算法和理論多用于灰度圖像，那未來(lái)的研究方向就是如何把分水嶺算法和改進(jìn)方法用于彩色圖像。用來(lái)解決實(shí)際項(xiàng)目應(yīng)該解決的分割問(wèn)題。去除了噪聲，保留了重要的區(qū)域輪廓，避免了標(biāo)準(zhǔn)分水嶺存在的過(guò)分割。本文的主要目的是對(duì)宮頸癌組織細(xì)胞進(jìn)行改進(jìn)分水嶺分割研究，進(jìn)行細(xì)胞計(jì)數(shù)和細(xì)胞特征提取，但是由于宮頸癌細(xì)胞粘連情況比較嚴(yán)重，因此細(xì)胞分割成為本論文的研究?jī)?nèi)容和難點(diǎn)。 圖 335 修正后的梯度 圖 336 分水嶺結(jié)果我們選擇更為復(fù)雜的粘連細(xì)胞圖像，他們的分割結(jié)果如下所示： 圖 337 原灰度圖 圖 338 分割細(xì)胞偽彩圖 圖 339 二值圖面積，周長(zhǎng)，質(zhì)心結(jié)果統(tǒng)計(jì)如下： 表 34 上述細(xì)胞特性統(tǒng)計(jì)個(gè)數(shù) 6標(biāo)記 1 2 3 4 5 6面積 130 60 31 26 46 43周長(zhǎng) x 坐標(biāo) 心 y 坐標(biāo) 21 圖 340 原灰度圖 圖 341 分割細(xì)胞偽彩圖 圖 342 二值圖面積，周長(zhǎng)，質(zhì)心結(jié)果統(tǒng)計(jì)如下：表 35 上述細(xì)胞特性統(tǒng)計(jì)標(biāo)記 1 2 3 4 5 6面積 102 41 41 36 171 51周長(zhǎng) x 坐標(biāo) 心 y 坐標(biāo) 表 36 接表 35 的細(xì)胞特性統(tǒng)計(jì)標(biāo)記 7 8 9 10 11 12 13面積 51 51 38 49 45 168 51周長(zhǎng) x 坐標(biāo) 心 y 坐標(biāo) 對(duì)于復(fù)雜噪聲的下圖分割結(jié)果： 22圖 343 灰度圖 圖 344 分割結(jié)果六、與閾值分割和基于距離變換的分水嶺分別作對(duì)比閾值分割：是一種最常用的圖像分割方法，它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像，我們處理的癌組織細(xì)胞圖像中細(xì)胞的灰度級(jí)范圍普遍低于噪聲和背景的灰度級(jí)范圍。所以首先對(duì)圖 327 分別求其單尺度形態(tài)梯度和多尺度形態(tài)梯度，再分別觀察他們的局部極小區(qū)域和標(biāo)準(zhǔn)分水嶺分割結(jié)果。更能體現(xiàn)各個(gè)癌細(xì)胞實(shí)際值。通過(guò)regionprops 函數(shù)求出的周長(zhǎng)則充分考慮了細(xì)胞的凹凸特性。如下所示：stats=regionprops(Label,39。首先對(duì)最終分割的細(xì)胞圖像轉(zhuǎn)換成二值圖像，對(duì)二值圖像進(jìn)行連通區(qū)域的標(biāo)記。得到圖315。圖 311 就是圖像 J 對(duì)圖像 I 進(jìn)行形態(tài)重構(gòu)的結(jié)果。再進(jìn)行形態(tài)學(xué)的開(kāi)閉濾波處理。Centroid 的第一個(gè)元素是重心水平坐標(biāo)（x 坐標(biāo)） 、第二個(gè)元素是重心垂直坐標(biāo)（y 坐標(biāo)） 。那么連同區(qū)域的個(gè)數(shù)就是我們所要統(tǒng)計(jì)的癌細(xì)胞的個(gè)數(shù)。Centroid39。如果 properties 等于字符串 39。如果我們把每個(gè)細(xì)胞前景目標(biāo)的像素值都分配一個(gè)唯一的整數(shù)。分水嶺算法表示如下：wsI (216) )(wscwsIWTSI??其中 是分水嶺算法的分割算子。通過(guò)計(jì)算圖像的“擴(kuò)展的最小變換” ，使用函數(shù) imextendedmin 來(lái)獲得內(nèi)部標(biāo)記符集合：該函數(shù)可通過(guò)設(shè)定某個(gè)高度閾值 h 來(lái)擴(kuò)展“局部最小區(qū)域” ，即比周圍更深的點(diǎn)的集合。背景里面的任何像素點(diǎn)都屬于任何癌細(xì)胞對(duì)象。構(gòu)造形態(tài)學(xué)B混合開(kāi)閉算法，以原圖像的腐蝕作為標(biāo)記圖像做膨脹重建，就得到重構(gòu)開(kāi)。形態(tài)學(xué)閉運(yùn)算則是先做的閉運(yùn)算，然后做重建。如果 B 梯度算子足夠大，則對(duì)于斜坡邊緣來(lái)說(shuō)，該梯度算子的輸出就等于邊緣的高度，但是大的梯度算子會(huì)造成邊緣間的影響，將會(huì)導(dǎo)致梯度的極大值和邊緣的不一致。形態(tài)學(xué)梯度可以用原始圖像與圖像的膨脹或腐蝕的處理結(jié)果進(jìn)行差分來(lái)計(jì)算。對(duì)此，我們選用方形（22）的結(jié)構(gòu)元素。當(dāng)均值濾波器用（33）小模塊時(shí)，濾波效果明顯。 開(kāi)閉濾波器的改進(jìn)算法將原始圖像進(jìn)行灰度化處理。經(jīng)過(guò)膨脹后，目標(biāo)的邊緣得到了延伸。然而，實(shí)際應(yīng)用中經(jīng)常是 比 小，所以以 滑過(guò) 還是以 滑過(guò)fggDf fg在概念上是沒(méi)有區(qū)別的。圖像預(yù)處理去除背景噪聲有很多種方法：中值濾波 [4]，鄰域平均法 [5]，形態(tài)學(xué)濾波 [6]。這就是模擬浸水的過(guò)程。那么就可以在圖像中模擬自低向上逐漸淹沒(méi)地形圖的過(guò)程。在單尺度形態(tài)學(xué)梯度的基礎(chǔ)上，我們提出利用一組大小不等的正方形結(jié)構(gòu)元素來(lái)求取多尺度形態(tài)學(xué)梯度，最后基于內(nèi)外標(biāo)記和強(qiáng)制極小值方法修正梯度，最后進(jìn)行分水嶺分割。 本課題的主要內(nèi)容本文以醫(yī)學(xué)癌組織細(xì)胞圖像為研究對(duì)象，以如何能夠得到準(zhǔn)確的細(xì)胞細(xì)節(jié)為出發(fā)點(diǎn)，在綜合了前人對(duì)改進(jìn)分水嶺分割細(xì)胞圖像研究的基礎(chǔ)上系統(tǒng)地研究了基于形態(tài)學(xué)梯度，開(kāi)閉重建和閾值優(yōu)化修正梯度以及通過(guò)內(nèi)外標(biāo)記限制極小值的分水嶺分割算法。將小波變換、鏈碼、圖論等與分水嶺算法相結(jié)合的技術(shù)則為分水嶺算法改進(jìn)的研究提供了思路和研究方向。王鑫等人在測(cè)地距離的概念基礎(chǔ)之上，利用小波變換產(chǎn)生多分辨率圖像，然后采用基于標(biāo)記對(duì)最低分辨率圖像分水嶺分割，得到最初分割區(qū)域，最后運(yùn)用小波反變換和區(qū)域標(biāo)記，得到的分水嶺分割結(jié)果是高分辨率圖像，有效地解決了過(guò)分割問(wèn)題。姬寶金等人在圖像預(yù)處理過(guò)程中先使用中值濾波來(lái)消除部分噪聲，然后對(duì)原始圖像的梯度圖進(jìn)行開(kāi)閉重建運(yùn)算，在去除了噪聲和圖像細(xì)節(jié)的情況下又很好的保留了區(qū)域重要輪廓。就目前進(jìn)展來(lái)看，主要在 4類方法中改進(jìn)：預(yù)處理濾波 區(qū)域合并 標(biāo)記 其他。因此本文實(shí)現(xiàn)了一種改進(jìn)分水嶺算法。擁有計(jì)算速度快，算法易于實(shí)現(xiàn)，分割精度高，產(chǎn)生的邊界是單像素寬度等各種優(yōu)點(diǎn)，被運(yùn)用到醫(yī)學(xué)圖像分割中。但在癌細(xì)胞圖像切片獲取的過(guò)程中，癌細(xì)胞圖像會(huì)存在邊緣模糊和噪聲較大、同時(shí)目標(biāo)和背景的對(duì)比度較差的特點(diǎn)。四、對(duì)分割好的細(xì)胞進(jìn)行數(shù)目，面積，周長(zhǎng)等特征的計(jì)算。但是在獲取癌細(xì)胞圖像的過(guò)程中，由于很多外在和人為的因素，會(huì)存在細(xì)胞粘連在一起、并且分布不均的情況。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得成都信息工程學(xué)院或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。量化誤差、噪聲及梯度紋理的局部不規(guī)則均會(huì)使在后面分割時(shí)許多的過(guò)小封閉區(qū)域, 容易丟失細(xì)胞的重要輪廓。s gradient can formate numerous small closed regions. So the vital contour of cells lose more easily.In view of the above problems. Based on the traditional watershed algorithm. A effective way to solve the problem was implemented. First, use the median filter to filter out the noise, then smoothing the image though the morphological filter. Second, calculate the morphological gradient, opening and closing by reconstruction was performed to revise the gradient. Third, the watershed transform of the gradient image after reconstruction by using minimum marker. last, calculate the number of the cell after segmentation, the area and so on. The method can effectively restrain the oversegmentation. It has a good effect. Key words: The morphological filter。為后續(xù)的對(duì)細(xì)胞圖像進(jìn)行統(tǒng)計(jì)細(xì)胞數(shù)目，計(jì)算各個(gè)細(xì)胞面積、周長(zhǎng)造成了比較大的難度。讓輸入的圖像是梯度圖像，圖像不經(jīng)過(guò)預(yù)處理進(jìn)行分水嶺，圖像中的噪聲會(huì)直接影響后續(xù)的分割效果。標(biāo)記出所需要的目標(biāo)，利用標(biāo)記對(duì)梯度進(jìn)行修正。那很多學(xué)者在預(yù)處理方面做了深入的研究，同時(shí)配合實(shí)驗(yàn)操作，取得了較好的實(shí)驗(yàn)效果。結(jié)果表明該方法得到精確封閉的虹膜邊緣,減少過(guò)度分割現(xiàn)象。 同時(shí)有些人將小波變換，鏈碼，圖論和能量驅(qū)動(dòng)和分水嶺結(jié)合。由于醫(yī)學(xué)影像設(shè)備儀器的關(guān)系，使得醫(yī)學(xué)圖像存在目標(biāo)和背景的對(duì)比度較差，圖像中噪聲較多，同時(shí)目標(biāo)的邊緣比較模糊。從灰度圖的形態(tài)學(xué)分析著手，在細(xì)胞分割的基礎(chǔ)上，研究了分水嶺分割及改進(jìn)算法。2 癌細(xì)胞圖像改進(jìn)的分水嶺分割 分水嶺基本思想分水嶺算法作為一種基于區(qū)域的圖像分割方法，建立在數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)上。5 分水嶺實(shí)現(xiàn)原理 模擬浸水的過(guò)程原理一副高低起伏的地形圖，如果把圖像的所有像素都看成是它們的地形海拔高度。山脊水滴經(jīng)過(guò)的路線就是一個(gè)連通分支，通往局部最低點(diǎn)的所有連通分支就形成了一個(gè)集水盆地。把形態(tài)