【正文】 形態(tài)腐蝕和膨脹相當(dāng)于局部的最小和最大運算，那么灰度形態(tài)學(xué)就是一種非線性的，不可逆的變換。函數(shù) 為一灰度圖像， 為結(jié)fg構(gòu)元素。 圖像預(yù)處理技術(shù)預(yù)處理是圖像處理的第一步，也是非常關(guān)鍵的一步。這樣大壩就將地形模型分割成了不同的區(qū)域。圖像的邊緣灰度較大，對應(yīng)于集水盆地的邊界，即地形學(xué)中的山脊。第2章主要介紹了分水嶺的原理，中值濾波和形態(tài)學(xué)開閉濾波的圖像預(yù)處理方法。鑒于分水嶺方法能夠定位準(zhǔn)確的邊緣，并行化處理容易，同時運行簡單等優(yōu)點，但是會產(chǎn)生過分割問題。根據(jù)分水嶺分割所得到的小區(qū)域的空間信息和灰度，用規(guī)一化分割方法從全局角度在區(qū)域之間進行分割來消除過分割現(xiàn)象。學(xué)者在標(biāo)記方向也做了許多改進的研究，在實際的項目中也取得了一定的成績。在改進算法中避免了過分割問題。2 本課題研究現(xiàn)狀針對傳統(tǒng)的分水嶺變換有過分割問題，很難擁有我們想要的滿意的分割結(jié)果。一是在細(xì)胞分割之前對圖像做預(yù)處理，在對處理后的圖像目標(biāo)進行標(biāo)記提取。其中分水嶺算法是一種被廣泛應(yīng)用的基于數(shù)學(xué)形態(tài)學(xué)的圖像分割方法。 statistical calculation目 錄1 引言 ..............................................................1 課題背景 .....................................................1 本課題研究現(xiàn)狀 ...............................................2 本課題研究的意義 .............................................3 本課題的主要內(nèi)容 .............................................32 癌細(xì)胞圖像改進的分水嶺分割 ........................................4 分水嶺基本思想 ...............................................4 分水嶺實現(xiàn)原理 ...............................................4 模擬浸水的過程原理 .......................................5 模擬降水的過程原理 .......................................5 圖像預(yù)處理技術(shù) ...............................................5 灰度形態(tài)學(xué)開閉濾波器 .....................................5 開閉濾波器的改進算法 .....................................7 形態(tài)學(xué)梯度 ...................................................9 形態(tài)學(xué)梯度 ...............................................9 形態(tài)學(xué)圖像重建 ..........................................10 分水嶺分割 ..................................................11 修改標(biāo)記符梯度圖的分水嶺變換 ............................12 具體實現(xiàn)步驟 ............................................13 細(xì)胞形態(tài)學(xué)特征計算 ..........................................133 實驗仿真結(jié)果分析 .................................................144 結(jié)論 .............................................................22 全文總結(jié) ....................................................22 全文展望 ....................................................23參考文獻(xiàn) ............................................................25致 謝 ............................................................2611 引言 課題背景圖像分割近年來在醫(yī)學(xué)領(lǐng)域的運用越來越廣泛，對癌細(xì)胞的分析處理是醫(yī)學(xué)圖像分割的一個典型例子，在臨床診斷擁有重要的意義。二、求出形態(tài)學(xué)圖像梯度，再進行開閉重建修正梯度，在去掉噪聲和紋理細(xì)節(jié)的情況下保存癌細(xì)胞的重要梯度輪廓。本人授權(quán)成都信息工程學(xué)院可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。簽名： 日期： 2022 年 06 月 09 日關(guān)于論文使用授權(quán)的說明本學(xué)位論文作者完全了解成都信息工程學(xué)院有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。一、通過中值濾波器濾除部分噪聲，再使用形態(tài)學(xué)濾波平滑圖像。 the watershed algorithm?；谶吘壍姆指罘ǎ陂撝档姆指罘?，基于能量泛函的分割方法，基于區(qū)域的分割法以及分水嶺算法。目前的研究來看，主要有兩類解決辦法去抑制過分割。后續(xù)再對細(xì)胞的特征做分析。潘婷婷等人針對衛(wèi)星圖像中道路的基本特征，考慮到提取道路信息的不易，她運用高通濾波器對原始圖像進行去噪和平滑，取得了很好的效果。即對分水嶺分割所得區(qū)域進行區(qū)域融合，但是初始分水嶺分割所得區(qū)域數(shù)目往往會很大，因此融合過程計算量極大。馮林等人將圖論融合分水嶺算法。對醫(yī)生判斷病人的病情密不可分。論文的主要成果和安排工作如下：4第1章引言以概述的形式簡單介紹了分水嶺分割技術(shù)的發(fā)展現(xiàn)狀以及本論文研究背景意義。圖像中每一點的像素灰度值代表該點海拔高度，每一個局部極小值和它的影響區(qū)域稱為集水盆地。水從各個局部最低點向上漫溢，水面逐步上升，不同區(qū)域的水在各個區(qū)域的邊緣便會匯合，我們就需要在山脊上修筑大壩來阻止它們匯合。這個就是模擬降水的過程。6用 對函數(shù) 的灰度膨脹用 ，定義為式（21）：gfgf? (21))},(,({max),(, jijyifyfji ????灰度腐蝕表示為 ，定義為式（22 ）：g? (22) )},(),({in),(, jigjyixfyxgfj“ ”表示膨脹算法， “ ”表示腐蝕算法。從信號處理角度來看，灰度形態(tài)和差是一種極值濾波。開運算一般能平滑圖像的輪廓，削弱狹窄的部分，去掉細(xì)的突出。實驗結(jié)果：圖 21 為我們處理的原始圖像，為了便于觀察。而對于癌細(xì)胞圖像中復(fù)雜的塊狀噪聲，均值濾波和中值濾波均不能有很好的濾波效果。 圖 215 原始灰度圖 圖 216 閾值二值化 圖 217 濾波結(jié)果 形態(tài)學(xué)梯度 形態(tài)學(xué)梯度基于分水嶺變換的圖像分割方法，其性能在很大程度上依賴于用來計算待分割圖像梯度的算法，對分水嶺而言，理想的梯度算子輸出應(yīng)等于輸入的邊緣高度，即邊緣兩邊像素的灰度差，而不是邊緣的斜率。在式（25）中 B 只是單尺度的形態(tài)梯度算子，得到的圖（218） ，形態(tài)學(xué)梯度算子的性能取決于結(jié)構(gòu)元素 B 的大小，因此選擇形態(tài)結(jié)構(gòu)元素 B 就尤為重要。 形態(tài)學(xué)圖像重建傳統(tǒng)的開運算是先腐蝕，再膨脹操作。),(yxI一、測地膨脹定義如下： (29)]),min[(),(1JBIJIDB?? (210)ii?（i=1,2,3,...）其中 B 為圓盤形結(jié)構(gòu)元素,形態(tài)學(xué)測地膨脹為迭代運算，當(dāng) i 達(dá)到預(yù)定次數(shù)或者 時，迭代終止。用標(biāo)記把細(xì)胞圖像中的相關(guān)細(xì)胞目標(biāo)和背景標(biāo)記出來，得到一副標(biāo)記圖；根據(jù)標(biāo)記的圖像，運用形態(tài)學(xué)極小值技術(shù)來對梯度圖像進行修正；對修正后的梯度圖像進行分水嶺，產(chǎn)生分割的細(xì)胞圖像。標(biāo)記符是一個圖像的連通分量。因此，修改后的梯度圖像中，只有cI?對應(yīng)二值標(biāo)記圖像 中不為零的地方強制有局部極小值。對修正的圖像進行標(biāo)準(zhǔn)的分水嶺分割。矩陣大小和原圖像大小相同，這樣就能得到連接分量目標(biāo)的總數(shù)。 ,周長 39。 n代表標(biāo)記連通區(qū)域的個數(shù)。用 regionprops 中39。一、我們現(xiàn)在截取其中的一粘連片段作處理，觀察效果。 圖 39 掩膜圖像 圖 310 標(biāo)記圖像 圖 311 開重建 圖 312 是圖 311 進過膨脹的圖像 圖 313 經(jīng)重構(gòu)式開閉的結(jié)果我們同時選用半徑為 1 的圓盤形結(jié)構(gòu)元素來對濾波后的灰度圖像進行開閉重建。但是我們知道圖314是用單尺度的結(jié)構(gòu)元素得到的結(jié)果。減少對我們無關(guān)的極小值，減少過分割問題。其中Label18是標(biāo)記了的各個連通區(qū)域。P = []。標(biāo)記 10 和標(biāo)記 15 同樣也是這種情況。因此再對圖像進行灰度閾值化，經(jīng)過多次實驗取閾值 130，效果最好。再對我們開閉濾波的圖像進行內(nèi)部標(biāo)記和外部標(biāo)記。而經(jīng)過距離變換使二值圖像目標(biāo)的位置信息轉(zhuǎn)換成灰度圖像，進行分水嶺的結(jié)果與本文采用的基于梯度的分水嶺結(jié)果相比23較，存在過分割和欠分割現(xiàn)象，本文的算法能較好地抑制過分割。本文中采用的形態(tài)學(xué)梯度算法計算圖像的梯度以克服傳統(tǒng)梯度對方向的依賴性。 全文展望分水嶺算法因為具有運行簡單，準(zhǔn)確的邊緣定位等優(yōu)點，人們越來越重視它在圖像分割方向的運用。同時擴展分水嶺在不同醫(yī)學(xué)圖像的運