【正文】 公式 （ 33） ( , )( , )( , ) ( , )( , )kkf i jbf i jf i j N i jTN i jTZ ?????? 公式 （ 34） 式中 ： (, )f i j —— 圖像上 (,)ij 點的灰度值， (, )Ni j —— (,)ij 點的權(quán)重系數(shù)，一般取 。 膨脹可以看做是腐蝕的對偶運算，其算法為：若 Sxy 擊中或包含于 X，則滿足上述條件的點 (, )xy 組成的集合稱作 X 被 S 膨脹的結(jié)果。結(jié)構(gòu)元素取 3 3 的黑點塊，腐蝕將使物體的邊界沿周邊減少一個像素。 邊緣檢測的 MATLAB 實現(xiàn) MATLAB 圖像處理工具包定義了 edge( )函數(shù)用于檢測灰度圖像的邊緣。 (5)[BW,thresh]=edge( ? )， 函數(shù)的返回值實際上有多個 (“ BW”和“ thresh”） ， 但由于用中括號括起表示為一個矩陣 ， 所以又可認(rèn)為只有一個 返回參數(shù) ， 這也體現(xiàn)了 MATLAB引入矩陣概念的統(tǒng)一性和優(yōu)越性。)。 % 噪聲干擾圖像 for i=1:x % 實際圖像的灰度為 0～ 255 for j=1: if (I(i,j)255) I(i,j)=255。 S1=0。 end if (I(i,j)T) S1=S1+I(i,j)。 for i=1:x for j=1:y if(I(i,j)=T) Seg(i,j)=1。 BW1=edge(SI,39。 imshow(I)。title(39。 經(jīng)過圖像分割后，原圖像變成二值圖像，圖像輪廓提取算法就變得非常簡單。 效果圖： 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 23 圖 41 原細胞圖像 Original 圖 42 Sobel 算子邊緣檢測 圖 43 GaussLaplace 算子邊緣檢測 圖 44 新算法邊緣檢測 圖 45 原細胞圖像 Original 圖 46 Sobel 算子邊緣檢測 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 24 圖 47 GaussLaplace 算子邊緣檢測 圖 48 新算法邊緣檢測 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 25 結(jié) 論 本文探討了利用迭代法求圖像分割最 佳閥值和運用腐蝕算法實現(xiàn)輪廓提取相結(jié)合的邊緣檢測算法，并且用 MATLAB 實現(xiàn)了細胞真實邊緣檢測實例， 并 和傳統(tǒng)算子邊緣檢測結(jié)果進行了比較 。沒有 張 老 師的細心指導(dǎo)，這篇論文是不可能完成的 。 P ixels statistics。 Binary image operation。 Image file input and output。當(dāng)然， 如果 沒有別人的幫助和接濟是相當(dāng) 困難的 ， 因此我要感謝那些在我求學(xué)時對我?guī)椭挠H戚、朋友、老 師和同學(xué)們，我的生活因你們而精彩和充實。 圖 44 和 48 是最佳閥值分割和輪廓提取相結(jié)合法邊緣檢測圖像。一般情況下 圖像灰度值取 256 級， T 表示 閾 值，算法步驟如下： (1)令初始閾值 T = (z0+z1)/2；式中， z0， z1 分別表示圖像中的最大和最小灰度值； (2)根據(jù)閾值 T 將圖像分割為前景和背景，分別求出兩者的平均灰度值T0 和 T1； 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 22 ( , )( , )( , ) ( , )0 ( , )I i j TI i j TI i j N i jT N i j?????? 公式 （ 41） ( , )( , )( , ) ( , )1 ( , )I i j TI i j TI i j N i jT N i j?????? 公式 （ 42） 式中 ： (, )Ii j —— 圖像上 (,)ij 點的灰度值， (, )Ni j —— (,)ij 點的權(quán)重系數(shù)，一般取 。Soble39。 %===========圖象顯示 ==========% figure(1)。 % 腐蝕算法 BW=SISI1。 T=TT。 for i=1:x for j=1:y if (I(i,j)=T) S0=S0+I(i,j)。 S0=0。 N =sqrt(100) * randn(x,y,z)。},... 39。 vertical表示垂直方向 ； both表示兩個方向 (缺省值 )。該方法檢測到的物體邊緣寬度僅為一個像素，具有較高的定位精度。 數(shù)學(xué)形態(tài)學(xué)是一種非線性濾波方法，基本變換包括膨脹、腐蝕、開啟、閉合。 (a) SX? (b) SX? 圖 31 集合論中的兩種基本關(guān)系 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 16 圖像的 腐蝕 將結(jié)構(gòu)元素 S 的原點移到點 (, )xy 時，結(jié)構(gòu)元素變?yōu)?Sxy ，若此時 Sxy 包含于 X，則滿足這種情況的點 (, )xy 的集合為被腐蝕的結(jié)果。選擇閾值的一般準(zhǔn)則應(yīng)該是按這個 閾 值劃分目標(biāo)和背景的錯誤分割圖像像素點數(shù)最少。對于前一種情況，可以構(gòu)建一個固定次數(shù)的循環(huán)來 實現(xiàn)對迭代過程的控制 。 二、建立迭代關(guān)系式。 167。 Laplacian 算子 它是二階微分算子 , 對數(shù)字圖像的每個像素計算關(guān)于 x 軸和 y 軸的二階偏導(dǎo)數(shù)之和 2 ( , )f x y? 。方向的梯度向量和，直接計算圖像差分，不包含平滑，故不能抑 制噪聲，對具有陡峭的低噪聲圖像響應(yīng)最好。 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 10 如果一個像素落在圖像中某一個物體的邊界上，那么它的領(lǐng)域?qū)⒊蔀橐粋€灰度級的變化帶。 圖像最基本的特征是邊緣，所謂邊緣是指其周圍像素灰度有階躍變化或屋頂變化的那些像素的集合。 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 9 第 2章 邊緣檢測 167。四點鄰域時， L=4；八點鄰域時， L=8。所以需要找到既能平滑圖像中的噪聲，又盡量保持圖像細節(jié)的合理算法。 圖 11 RGB 彩色空間 圖像灰度化的算法主要有以下 3 種： 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 6 (1) 最大值法：使轉(zhuǎn)化后 R、 G、 B 的值等于轉(zhuǎn)化前 3 個值中最大的一個，即： R=G=B=max(R,G,B) 公式 (11) 這種方法轉(zhuǎn)換的灰度圖亮度很高。長期以來，由于各種原因，人們提出了數(shù)量眾多的彩色空間模型，主要分為三類：第一類是基于人類視覺系統(tǒng)（ HVS）的彩色空 間，它包括 RGB，HIS， Munsell 彩色空間等；第二類是基于特定應(yīng)用的彩色空間，它包括電視系統(tǒng)中所采納的 YUV 和 YIQ，印刷系統(tǒng)的 CMY (K)彩色空間；第三類是 CIE彩色空間（包括 CIEXYZ， CIELAB 和 CIELUV 等）。 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。圖像增強即突出圖像中感興趣的部分（如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節(jié)明顯；如強化低頻河南科技大學(xué)本科畢業(yè)設(shè)計（論文） 4 分量可減少 圖像中噪聲影響）。 經(jīng)過數(shù)字化處理后，得到的數(shù)字矩陣就作為計算機處理的對象了。 數(shù)字圖像處理基本知識 數(shù)字圖像處理又稱計算機圖像處理，就是用計算機處理數(shù)字圖像。因此，利用計算機圖像處理技術(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)是在癌細胞識別率最高的前提下，假陽性率最小。國內(nèi)從 20 世紀(jì) 50 年代起，至少已投入了 4000 個人 /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。隨著計算機模式識別技術(shù)和人工智能研究的不斷發(fā)展，人們把目光投向了對細胞圖像的自動識別上，這 樣大大的提高了檢查的效率和精確度。 最佳閾值分割迭代法 ............................................................ 14 167。 經(jīng)典邊緣檢測算子 .................................................................. 9 167。 、圖表要求： 1）文字通順，語言流暢，書寫字跡工整，打印字體及大小符合要求，無錯別字，不準(zhǔn)請他人代寫 2）工程設(shè)計類題目的圖紙，要求部分用尺規(guī)繪制，部分用計算機繪制，所有圖紙應(yīng)符合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。據(jù)我所知， 除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不包含其他個人已經(jīng)發(fā)表或撰寫過的研究成果。這對醫(yī)學(xué)科研與教學(xué)，以及臨床診斷方面有著現(xiàn)實的意義和廣闊的前景。 因為癌細胞和非癌細胞對于病理專家在傳統(tǒng)的顯微鏡下觀察切片或涂片的方法下很難進行區(qū)分，借助現(xiàn)代計算機技術(shù)結(jié)合病理專家實踐經(jīng)驗，采用圖像處理技術(shù)對醫(yī)學(xué)圖像 進行處理，可以提高判斷的有效性和圖像信息的使用效率，從而對癌細胞進行更加準(zhǔn)確的識別。 關(guān)鍵詞 ：癌細胞，邊緣檢測，最佳閾值，輪廓提取 ， 數(shù)字圖像處理 河南科技大學(xué)本科畢業(yè)設(shè)計（論文） III CANCER CELL EDGE DETECTION (BASED ON ITERATIVE ALGORITHM AND CORROSION ALGORITHM, CONTOUR EXTRACTION) ABSTRACT Many people will me ntion cancer fear, cancer is one of the most mon fatal diseases in the world today the world every year many people die of cancer, and incidence rate is still increasing every year. The treatment of cancer depends on the diagnosis of his early, early is the best period of the treatment of cancer. The time of diagnosis of most cases of cancer are now belong to the late, lost the best time to cure, so the accurate early diagnosis and treatment has bee an urgent need to address the problem. Cancer cells and noncancer pathology experts in a traditional microscope to observe the biopsy or smear difficult to distinguish, with the help of modern puter technology, bined with practical experience of the pathologist, medical image processing using image processing technology, can improve to judge the effectiveness and efficiency in the use of the image information and thus more accurate identification of cancer cells. This has practical significance and broad prospects for medical research and teaching, and clinical diagnosis. Digital image processing technique has been widely applied to the biomedical field, the use of puter image processing and analysis, and plete detection and recognition of cancer cells can help doctors make a diagnosis of tumor cancers. Need to be made in the identification of cancer cells, the quantitative results, the huma