【導(dǎo)讀】的小型應(yīng)用程序。它的主要功能是通過對細(xì)胞圖像進(jìn)行一些列圖像處理從而進(jìn)行識別統(tǒng)計(jì)，本系統(tǒng)是典型的。夠適應(yīng)更多類型的圖片統(tǒng)計(jì)，加快統(tǒng)計(jì)速度，并將誤差嚴(yán)格控制在要求范圍內(nèi)。的指導(dǎo)下進(jìn)行的研究工作及取得的成果。盡我所知，除文中特別加以。已在文中作了明確的說明并表示了謝意。究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文。不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。全意識到本聲明的法律后果由本人承擔(dān)。本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大學(xué)可以將本學(xué)位論?；驋呙璧葟?fù)制手段保存和匯編本學(xué)位論文。

　　

【正文】 開始后續(xù)工作。 均值濾波的過程如圖 。圖 是一幅圖像的一小部分，共 9個像素， Ki（ i＝ O， 1? 8）表示像素的灰度值；圖 表示一個 3*3 的模板， Pi（ i＝ O， 1? ， 8）稱為模板系數(shù)；模板的大小一般取奇數(shù)（如 3*3,5*5等） ，均值濾波算法可分為以下幾步： 1) 令 Ki（ i＝ O， 1? ， 8）； 2) 將模板在圖像中漫游，并使 K 與圖 值 中的 P0像素重合。 然后 計(jì)算輸出圖像中與 ?相對應(yīng)的像素的灰度值 R0（如圖 所示） 3) 對每個像素按上式進(jìn)行計(jì)算即可得到增強(qiáng)圖像中所有像素的灰度值。 針對彩色圖像，可以對 R， G， B三原色通道分別進(jìn)行平滑后再得到每個像素的顏色值。 陜西理工學(xué)院畢業(yè)設(shè)計(jì) 第 16 頁 共 55 頁 圖 均值濾波全過程 在此，我們針對圖像使用了 3*3的模板進(jìn)行平滑處理。 平滑處理前 平滑處理后 圖 3*3 均值濾波效果圖 模板操作是數(shù)字圖像處理中經(jīng)常用到的一種運(yùn)算方式，在圖像的平滑、銳化、以及邊緣檢測等都要用到模板操作。前面我們看到，雖然均值濾波器對噪聲有抑制作用，但同時會使圖像變得模糊，而且容易產(chǎn)生新的顏色，特別是邊界 區(qū)域，對于以后選取 閾值 后的結(jié)果會有一定的影響。為了改善這一狀況，在后一章節(jié)有針對性的改進(jìn)方法。 閾值分割是常見的、并行的直接檢測區(qū)域的分割方法，如果只選取一個閾值稱為單閾值分割，它將圖像分為目標(biāo)和背景兩大類；如果用多個閾值分割稱為多 閾值 方法，圖像將被分割為多個目標(biāo)區(qū)域和背景，為區(qū)分目標(biāo)，還需要對各個區(qū)域進(jìn)行標(biāo)記。閾值分割方法基于對灰度圖像的一種假設(shè)：目標(biāo)或背景內(nèi)的相鄰 像素間 的灰度值是相似的，且不同目標(biāo)或背景的像素在灰度上有差距，反映在圖像直方圖上，不同目 標(biāo)和背景則相應(yīng)不同的峰。選擇的閾值應(yīng)位于兩峰谷處，從而能將各個峰分開 【 15】【 16】 。 如果圖像中有多個灰度值不同的區(qū)域，那么可以選擇 一 系列的 閾值 以將每個像素分到合適的類別中去 【 17】 。不管用何種方法選取 閾 值，取單閾值分割后的圖像可定義為： ??? ??? Tyx Tyxyxg ),(f0 ),(f1),( 如果如果?? K4 K3 K2 K5 K0 K1 K6 K7 K8 P4 P3 P2 P5 P0 P1 P6 P7 P8 R4 R3 R2 R5 R0 R1 R6 R7 R8 陜西理工學(xué)院畢業(yè)設(shè)計(jì) 第 17 頁 共 55 頁 對于單一閾值的選取問題，其解決方法較為簡單，但對于多目標(biāo)的圖像來講，如何選取合適的閾值是基于閾值圖像分割的困難所在，至今仍有不少學(xué)者針對該問題進(jìn)行深入的研究，提出了許多新的方法。 在此運(yùn) 用的是一種圖像最佳分割閾值的算法 【 13】 ，步驟如下： 得到結(jié)果。分別進(jìn)行以上操作后在三原色對用直方圖閾值分割，則對于彩色圖像，如果使藍(lán)色，其余為背景色。將閾值范圍內(nèi)的像素副。，轉(zhuǎn)步驟，則結(jié)束，否則如果求出新的閾值。一般點(diǎn)的權(quán)重系數(shù)，是點(diǎn)的灰度值，是圖像上式中：和平均灰度值的景兩部分，求出兩部分將圖像分割成目標(biāo)和背根據(jù)閾值，設(shè)初始閾值和和最大灰度值統(tǒng)計(jì)求出圖像中的最小BGRKKTTRRTjiNjijiNjijiRjiNjiNjiRRjiNjiNjiRRRRTRRTRRkjikjikjikjiTRTRTRTR,.5.3),(),(),(),(),(),(),(),(),(),(),(.22mn1kk2101k1010kk),(),(),(),(?????????????????????? 對以下圖像進(jìn)行處理 ： 分割前 分割后 圖 圖像 閾值 分割結(jié)果 陜西理工學(xué)院畢業(yè)設(shè)計(jì) 第 18 頁 共 55 頁 閾值分割的缺點(diǎn)是不適應(yīng)于多通道圖像和特征值相關(guān)不大的圖像，對于圖像中不存在明顯的灰度差異或各物體的灰度值范圍有較大重疊的圖像分割問題難以得到準(zhǔn)確的結(jié)果 【 15】 。另外，由于它僅僅考慮到圖像的灰度信息而不考慮到圖像的空間信息，閾值分割對噪聲和灰度不均勻很敏捷。針對閾值分割方法的特別，不少學(xué)者提出許多改進(jìn)方法，在圖像的分割中，一些 閾 值分割方法還利用了一些像素鄰域的局部信息，如基于過渡區(qū)的方法，還有利用像素點(diǎn)空間位置信息的變化閾值結(jié)合局部灰度和連通信息的閾值方法等。 在以上圖中，我們也可以看到有很多明顯是細(xì)胞的部分，因?yàn)榭赡茉谌由洗嬖谝欢ǖ钠罨蛘呒?xì)胞本身在顏色上的一點(diǎn)差異，使其不能被劃分為目標(biāo)，這樣對以后統(tǒng)計(jì)結(jié)果會產(chǎn)生比較大的影響。另外，在后續(xù)章節(jié)將使用 HSI顏色模型來進(jìn)行閾值分割，將克服上述的一些問題。 孔 洞填充 在圖形、圖像 處理及圖形與圖像的轉(zhuǎn)換中，區(qū)域填充算法是一種十分重要的基本算法 【 10】 。區(qū)域填充是指將符合四連通或八連通定義的區(qū)域內(nèi)的一點(diǎn)（常稱為種子點(diǎn)）賦予給定顏色，然后將這種顏色擴(kuò)展到整個區(qū)域的過程。該算法在計(jì)算機(jī)輔助設(shè)計(jì)、真實(shí)感圖形顯示以及圖像處理領(lǐng)域有著廣泛的應(yīng)用，它的適應(yīng)性及效率對于實(shí)際應(yīng)用有著非常重要的意義。 常用的填充算法有多邊形有序填充算法、種子填充算法及多邊形邊標(biāo)志填充算法。有序填充算法的主要缺點(diǎn)是對各種表的維持和排序開銷太大；種子填充算法的缺點(diǎn)是需要棧結(jié)構(gòu)，因而需要較大的存儲空間以實(shí)現(xiàn)棧結(jié)構(gòu)，而 且在有多個對象需要填充時種子點(diǎn)的逐個選取會降低效率，在有些情況下甚至是不現(xiàn)實(shí)的；多邊形邊標(biāo)志填充算法速度雖然較快，但對任意形狀區(qū)域的填充卻存在缺陷，這對于在圖像處理時需要完整地保持原形態(tài)的情況下尤為突出。本文提出和實(shí)現(xiàn)了一種適應(yīng)性廣泛的任意形狀區(qū)域內(nèi)孔洞的填充算法，并將該算法應(yīng)用于醫(yī)學(xué)圖像處理的研究中。 在使用閾值分割了以后，由于 閾 值的選取或者圖片源的問題，使得經(jīng)常出現(xiàn)細(xì)胞內(nèi)部有孔洞的問題，這樣的結(jié)果對以后的數(shù)量以及面積的統(tǒng)計(jì)非常不利，所以需要用 孔 洞填充的方法來進(jìn)行彌補(bǔ)。 種子填充算法首先假定封閉輪廓線內(nèi)某點(diǎn)是已知的，然后開始搜索與種子點(diǎn)相鄰且位于輪廓線內(nèi)的點(diǎn)。若相鄰點(diǎn)不在輪廓線內(nèi)，那么就達(dá)到輪廓線的邊界；若相鄰點(diǎn)位于輪廓線之內(nèi)，則該點(diǎn)成為新的種子點(diǎn)，然后繼續(xù)搜索下去。在種子填充算法中，填充方式的選擇和填充效率的提高是兩個十分重要的問題。傳統(tǒng)的種子填充算法，無論是簡單種子填充算法還是掃描線種子填充算法，總免不了要將已經(jīng)填充過的像素點(diǎn)進(jìn)行再次或多次重復(fù)判斷，如掃描線種子填充算法，絕大多數(shù)像素點(diǎn)的判斷次數(shù)要高達(dá)三次，這必然降低填充效率。而以鏈碼為基礎(chǔ)的種子填充算法，需要對邊界鏈 碼方向進(jìn)行判斷，而且在填充過程中，需要采用回溯算法，而不是一次搜索完全鏈，因此該算法較復(fù)雜 【 11】 。 陜西理工學(xué)院畢業(yè)設(shè)計(jì) 第 19 頁 共 55 頁 在圖像處理中，我們經(jīng)常會碰到需要填充某些區(qū)域中的許多小孔洞的情況 【 13】 。這些區(qū)域的形狀各異：有凸多邊形、叫多邊形或者其他不規(guī)則圖形。對于凸多邊形，我們可以用掃描線法快速地填充其中的 孔 洞；但是對于凹多邊形和其他不規(guī)則圖形，掃描線法重復(fù)性太高，速度顯然太慢。本文使用了一種利用圖像外接連通區(qū)域法進(jìn)行搜索的孔洞填充算法，該算法可用于任意形狀區(qū)域中若干孔洞的快速填充。 在 本文算法中，為了方便填充區(qū)域的計(jì)算、減少輔助內(nèi)存，申請了一個結(jié)構(gòu)體，分別用于保存掃描過程中所搜索到的所有點(diǎn)的兩種狀態(tài) —— 訪問（ VISITED）和標(biāo)志（ MARKED） 的 坐標(biāo)。其存儲大小和存儲方式與原圖像相同。該孔洞填充算法的描述如下 【 13】 ： （ 1）因?yàn)樾杼畛涞南袼攸c(diǎn)肯定是閾值以外的，而在閾值以內(nèi)的像素已經(jīng)被標(biāo)志，所以需要找到所要標(biāo)志的區(qū)域中所有非孔洞像素點(diǎn)。具體思路是：從預(yù)先任意選定的種子點(diǎn)開始，采用 8鄰域跟蹤算法，搜索種子點(diǎn)的 8鄰域，找出與種子點(diǎn)相同顏色并且相連通的所有像素的位置。每找到一個與種子 點(diǎn)顏色 COLOR1相同的點(diǎn)，就把該點(diǎn)標(biāo)記為種子點(diǎn)，并把它的顏色改為另一種顏色 COLOR2，然后將其坐標(biāo)存入坐標(biāo)數(shù)組中。該種子點(diǎn)搜索完畢后，再從坐標(biāo)數(shù)組中取出 一 個種子點(diǎn)進(jìn)行如上操作。由于在圖像中的每個點(diǎn)，只要其顏色為 COLOR1，在掃描后其顏色都被改為 COLOR2，這樣，每掃描一個點(diǎn)，標(biāo)志為 COLOR1 的點(diǎn)就減少一個。最終當(dāng)所有的種子點(diǎn)都掃描完畢后 ，屬于 區(qū)域中的點(diǎn)也就全部標(biāo)志出來了。該算法對每個點(diǎn)都只需掃描一遍，速度顯然很快。 （ 2）當(dāng)所有的點(diǎn)都被訪問，并且所有閾值內(nèi)的點(diǎn)都被標(biāo)志后，統(tǒng)計(jì)所有的連通的非標(biāo)志區(qū)域 的面積。這時候會有 1個或者幾個面積特別大的區(qū)域，其他的都是面積相對較小或者很小的區(qū)域。較大或者很大的連通區(qū)域肯定是細(xì)胞外的區(qū)域，屬于訪問但非標(biāo)志區(qū)域；而較小或者很小的區(qū)域往往就是需要填充的區(qū)域，屬于訪問且標(biāo)志區(qū)域。被標(biāo)志區(qū)域全部用藍(lán)色標(biāo)志。 孔洞填充結(jié)果如下圖： 填充前 填充后 圖 孔洞填充結(jié)果 從上面的結(jié)果看，孔洞填充的效果是不錯的。上圖的孔洞，有的是細(xì)胞間的，有的是細(xì)胞內(nèi)的。對于細(xì)胞內(nèi)的 ，是必須得填充的，但是對于細(xì)胞間的，填充了會造成細(xì)胞之間不能分開，以后的腐蝕操作也不能正確區(qū)分開細(xì)胞，對于最后細(xì)胞的判斷會造成很大的影響，所以要用到下面的邊界提取。 陜西理工學(xué)院畢業(yè)設(shè)計(jì) 第 20 頁 共 55 頁 在邊緣檢測中，常用的一種模板是 Sobel算子 【 7】。 Sobel算子有兩個，一個是檢測水平邊沿的?????????? ???121000121 ；另一個是檢測垂直邊沿的?????????????101202101 與?????????? ???111000111 和?????????????101101101 相比 Sobel算子對像素的位置的影響做了加權(quán)，因此效果更好。 Sobel算子另一種形式是各向同性 Sobel（ ISOTROPICSobel）算子，也有兩個， 一個是檢測水平邊緣的?????????? ???121000121，另一個是檢測垂直平邊沿的?????????????101202101 各向同性的 Sobel算子和普通 Sobel算子相比，它的位置加權(quán)系數(shù)更為準(zhǔn)確。 在前面孔洞種 子 填充中，由于之前 閾值 的選取以及圖片源本身的問題，很可能造成很多實(shí)際上 是 細(xì)胞內(nèi)部或本身的部分沒有被標(biāo)志， 孔 洞種子填充已經(jīng)解決了這一部分的問題，但是同樣會有些本身就不是細(xì)胞內(nèi)部的部分，由于細(xì)胞的重疊，緊密接觸使得細(xì)胞間的小部分也成為了很小的非 連通區(qū)域。在孔洞填充當(dāng)中， 一樣 會將他們標(biāo)志掉，這樣會造成比較嚴(yán)重的后果，在以后形態(tài)學(xué)中的腐蝕和細(xì)化計(jì)算半徑面積的時候，由于細(xì)胞問沒有分開，會將重疊的細(xì)胞團(tuán)識別為一個細(xì)胞，這樣對最后的數(shù)量統(tǒng)計(jì)以及面積統(tǒng)計(jì)會有很大的影響。因此必須將這些區(qū)域中的非細(xì)胞內(nèi)部的非連通區(qū)域找出來并且將其邊界劃分出來。下圖為細(xì)胞間的非連通區(qū)域被填充掉的情況： 填充前 填充后 圖 細(xì)胞間 非連通 區(qū)域被填充掉情況 算法的步驟如下： 1) 由于之前將較小的非連通區(qū)域存放在一個數(shù)組當(dāng)中，現(xiàn)在將此數(shù)組中所有標(biāo)志的像素還原為背景色。 2) 確定圖像的第一個當(dāng)前點(diǎn)，使用 Sobel模板從第一個當(dāng)前點(diǎn)開始遍歷圖像，分別用水平方向和垂直方向兩個模板對當(dāng)前點(diǎn)周圍 9 個點(diǎn) 進(jìn)行加 權(quán)計(jì)算，最后累加得到當(dāng)前點(diǎn)的 X陜西理工學(xué)院畢業(yè)設(shè)計(jì) 第 21 頁 共 55 頁 方向和 Y方向的梯度絕對值之和。 3) 將得到的絕對值之和結(jié)果做比較，將大于 255*8的結(jié)果值的當(dāng)前點(diǎn)判定為邊界點(diǎn)，否則取周圍像素的平均值。 4) 對于數(shù)組中的小非連通區(qū)域，如果其 像素的梯度值大于 閾 值，那么標(biāo)志失敗，返回其背景色值。如此以來錯誤的填充區(qū)域就被還原。 用 Sobel算子進(jìn)行修正處理能將原來錯誤的種子填充區(qū)域還原回來，并能正確識別細(xì)胞間的非連通區(qū)域，這樣為以后進(jìn)行統(tǒng)計(jì)建立了非常良好的環(huán)境，大大降低了識別統(tǒng)計(jì)的錯誤率。 效果圖如下所示： 圖 梯度修正效果圖 腐蝕是一種消除邊界點(diǎn)，使邊界向內(nèi)部收縮的過程，可以用來消去小且無意義的點(diǎn) 【 11】 。 ????????????????????????010111010111111111zzABA}( B )|{z z和環(huán)使用算法，在算法實(shí)現(xiàn)中循