【正文】 (i=1,2...,N)這里可看出，矢量中值濾波是在滑動(dòng)窗口中尋找一個(gè)距離其他像素矢量最近的像素，并以此像素替代原中心像素。如果有多個(gè)矢量都為最小值，則選擇離滑動(dòng)窗的中心最近的矢量。 矢量中值濾波會(huì)對(duì)圖像的邊界有所扭曲。而自適應(yīng)矢量中值濾波改進(jìn)之處就是如何保護(hù)這些圖像的信息【17】。設(shè)計(jì)的濾波器對(duì)有用部分不會(huì)改變，只有噪音點(diǎn)才會(huì)受到影響。這就要求要滿足以下鑒別操作判定準(zhǔn)則： 如果Val≥Tol，那么V（n+1）／2（即模板中點(diǎn)）為噪音點(diǎn)，否則判為無噪點(diǎn)。其中R代表范數(shù)，一般取2范數(shù)。當(dāng)Val值大于等于T01時(shí)，就調(diào)用傳統(tǒng)矢量中值濾波（VMF），否則不進(jìn)行任何操作。Tol是一個(gè)閾值，它顯示了對(duì)選取模板大小的標(biāo)準(zhǔn)誤差的依賴程度。按照經(jīng)驗(yàn)來看，一般取60。但從編程效果來看，60顯得比較大，特別是模板數(shù)很小的時(shí)候，60難以進(jìn)行濾波，所以可以適當(dāng)改小。 另外，這種方法不能去除高斯噪音。這是算法自身的問題造成M1。將此算法稍微改進(jìn)一下可以對(duì)高斯噪音進(jìn)行消除：1) 對(duì)所有滑動(dòng)窗內(nèi)的矢量Vi，計(jì)算其二范數(shù)Si2) 對(duì)所有Si，進(jìn)行排序，只取其中中間位置的T個(gè)值，把它們所對(duì)應(yīng)的168。挑出來，組成新的集合T。T的取值根據(jù)噪聲的特性和對(duì)運(yùn)算量的要求可以動(dòng)態(tài)調(diào)整。3) 對(duì)集合，中的所有矢量計(jì)算其各個(gè)分量的加權(quán)平均值，得到加權(quán)平均值量VWQ＝（r1，r2，…rm），其中ri是矢量的各個(gè)分量，m為矢量的分量數(shù)。4) 對(duì)集合，中所有矢量計(jì)算其到加權(quán)平均值矢量VWQ的距離，取其中距離最小的P個(gè)矢量，組成一個(gè)新的集合R。5) 對(duì)集合R進(jìn)行傳統(tǒng)的矢量中值濾波，得到最后的濾波結(jié)果Xvm 這種改進(jìn)算法融合了線性均值濾波和非線性矢量中值濾波兩種方法，因而對(duì)高斯噪聲的平滑和脈沖噪聲的濾除以及圖像邊緣信息的保護(hù)都有較好的效果。 圖像分割是圖像分析和圖像理解的第一步，也是圖像處理中最古老和最棘手的問題之一。所謂圖像分割，就是將圖像表示為物理上有意義的連通區(qū)域的集合，這些區(qū)域的灰度或顏色大致相同，或者反照率和紋理屬性相近。目前，大多數(shù)算法都是針對(duì)灰度圖像的，而對(duì)于彩色圖像，由于它含有豐富的顏色和紋理等信息，其分割是一個(gè)很復(fù)雜的問題，很少有自動(dòng)算法能夠取得非常理想的效果。 HSI顏色模型在本系統(tǒng)中的應(yīng)用 在HSI顏色模型中，H表示色調(diào)，用來區(qū)分不同的顏色；S表示飽和度，用來表示某種顏色的純度。對(duì)于經(jīng)過染色的細(xì)胞，不同系列不同發(fā)育階段的細(xì)胞其顏色在人眼視覺上的表現(xiàn)是不同的。為了描述這種視覺上的不同，需要根據(jù)細(xì)胞的顏色特點(diǎn)選擇不同的分割閾值條件，不能對(duì)所有的細(xì)胞都用H分量或S分量作為閾值條件。在血細(xì)胞圖像中，部分細(xì)胞的細(xì)胞質(zhì)的顏色類別明顯不同，使用H分量作為分割閾值條件可以保證細(xì)胞質(zhì)區(qū)域的H值和其他細(xì)胞的H值落在兩個(gè)不相交的區(qū)間，使得對(duì)這類細(xì)胞的分割能夠達(dá)到比較理想的效果【9】。從人眼的視覺感受來說，紅細(xì)胞的細(xì)胞質(zhì)雖然顏色類別大致一樣，但它們之間的顏色純度不同，使用S分量來描述這種現(xiàn)象可以保證同類細(xì)胞的S值落在相同的區(qū)間，而不同類的落在不同區(qū)間。在程序中利用這種S值區(qū)間的不相交性可以得到比使用H分量精確許多的輪廓。為了進(jìn)一步提高分割效果，本文也聯(lián)合使用了H分量和S分量作為閾值條件，這樣就充分利用了像素點(diǎn)的顏色信息。一次判斷使用兩個(gè)值條件提高了分割的限制要求，理論上會(huì)得到更為精確的區(qū)域邊界。但從實(shí)際的分割效果看，會(huì)產(chǎn)生過分割現(xiàn)象并帶來分割區(qū)域的不完整性。產(chǎn)生這種現(xiàn)象的原因和血細(xì)胞的顏色特點(diǎn)有關(guān)，染色后的細(xì)胞很少能夠整個(gè)細(xì)胞的細(xì)胞質(zhì)區(qū)域同時(shí)滿足H分量和S分量的閡值要求。兩個(gè)區(qū)域用H值可以區(qū)分時(shí)，它們的S值可能是重疊的；用S值可以區(qū)分時(shí)，H值可能是重疊的。因此需要根據(jù)細(xì)胞的顏色特點(diǎn)選擇不同的閾值條件，過多的限制不會(huì)產(chǎn)生預(yù)期的效果。 對(duì)于HSI的信息生成，需要依次得到所有像素點(diǎn)的RGB值，并進(jìn)行RGB到HSI的轉(zhuǎn)化，可采用下列公式【8】： HSI分割的算法步驟為：1) 選取一塊特征區(qū)域，記錄下特征顏色區(qū)域的RGB值，將其轉(zhuǎn)化為HSI值。取得所選區(qū)域的平均H、S、I值。2) 為了更加準(zhǔn)確的選中閾值內(nèi)的區(qū)域，適當(dāng)調(diào)節(jié)HSI的選擇范圍，能夠?qū)⒃撻撝堤卣鞯拇笾路秶M(jìn)去。3) 遍歷圖像每個(gè)像素，同時(shí)得到每個(gè)像素的HSI值，存入VECTOR中。當(dāng)像素的H、S、I值在特征區(qū)域的閾值范圍內(nèi)，則標(biāo)志該像素。 HSI顏色模型分割結(jié)果 下面的效果圖是根據(jù)下面的范圍得到的： HSI顏色模型分割效果圖 由上效果圖看出，使用HSI閾值分割比直接使用直方圖閾值分割效果好的多。說明HSI顏色模型更加適用于彩色圖像，而直方圖閾值分割更加適用于灰度圖像的分割。 經(jīng)過了平滑、閾值分割、種子孔洞填充、梯度修正、腐蝕、細(xì)化統(tǒng)計(jì)中心點(diǎn)以后，這么多步的結(jié)果可能存在不少的錯(cuò)誤，因此需要進(jìn)行修正。系統(tǒng)實(shí)現(xiàn)最后的正確統(tǒng)計(jì)需要進(jìn)行的修正應(yīng)該有以下幾個(gè)方面：圖像邊界只顯示了半個(gè)或大半個(gè)細(xì)胞 這是非常常見的情況。當(dāng)圖像邊界存在閾值范圍內(nèi)被標(biāo)志的細(xì)胞，且剛好不是全部都在圖片內(nèi)，而是一部分或者一大部分顯示在圖片內(nèi)，那么非常有必要判斷此細(xì)胞該不該在統(tǒng)計(jì)范圍之內(nèi)。 我們知道，當(dāng)腐蝕細(xì)化過程以后，每一塊獨(dú)立的標(biāo)志訪問區(qū)域都將產(chǎn)生一個(gè)中心點(diǎn)，根據(jù)中心點(diǎn)，我們可以確定細(xì)胞的圓心。此后，根據(jù)細(xì)化的次數(shù)得到半徑。而在這里，由于有一部分細(xì)胞未被顯示，邊界處的細(xì)胞將會(huì)使用更少的細(xì)化次數(shù)找到中心點(diǎn)，因此就會(huì)得到更小的半徑值。平均半徑值是根據(jù)每個(gè)中心點(diǎn)對(duì)應(yīng)的細(xì)化次數(shù)累加得到總的半徑值除以中心點(diǎn)個(gè)數(shù)得到。因此當(dāng)只有顯示了半個(gè)或者大半個(gè)細(xì)胞的邊界細(xì)胞，如果其半徑值達(dá)到平均半徑值的一半的話，即認(rèn)為此為一個(gè)閾值內(nèi)細(xì)胞，應(yīng)該統(tǒng)計(jì)在內(nèi)，其大小按照分割后提取的邊界畫出，半徑統(tǒng)計(jì)為平均半徑值；對(duì)于其他在圖片內(nèi)的上述情況，同樣按照實(shí)際情況畫出，但是只能認(rèn)為這個(gè)細(xì)胞大小與普通的存在一定差異：對(duì)于其他所有細(xì)胞，那此細(xì)胞按本身統(tǒng)計(jì)的半徑值畫出。去掉所有內(nèi)部包含另外一個(gè)圓的大圓 一個(gè)圓內(nèi)還包含著另外一個(gè)圓，即一個(gè)細(xì)胞完全包含了另外一個(gè)，這顯然是錯(cuò)誤的情況。因?yàn)樵谶@種情況下，表現(xiàn)在圖像上應(yīng)該是一個(gè)細(xì)胞被另外一個(gè)細(xì)胞完全覆蓋。這是連人眼都無法辨別出來的，通過程序就更無法辨別出來了。這種情況很可能是由于細(xì)化算法的誤差造成的。如果不去掉其中的一個(gè)圓，那么在計(jì)數(shù)的時(shí)候就多出了一個(gè)細(xì)胞。去掉同時(shí)和多個(gè)圓相交，且不相交部分占圓總面積很小的圓 同兩個(gè)或者兩個(gè)以上的圓相交，并且不相交的部分面積占本身圓的面積的比例過小。這種情況也是比較容易出現(xiàn)的，一般可能是重疊部分太大出現(xiàn)的情況，也是細(xì)化算法不精確導(dǎo)致的問題。 相交部分多余圓的修正 ，3個(gè)圓相接觸或者稍微相交的情況下，初次判斷會(huì)在中間多出一個(gè)圓，但是很明顯，多出來的是背景圓，是錯(cuò)誤判斷的結(jié)果，所以經(jīng)過修正，多余的圓將被除去。 本章主要對(duì)細(xì)胞統(tǒng)計(jì)識(shí)別系統(tǒng)的一般方法進(jìn)行了部分改進(jìn)，以期得到更好的統(tǒng)計(jì)效果。 本章的改進(jìn)方法主要針對(duì)圖像的噪聲處理，彩色圖像的閾值選取處理以及細(xì)化取得中心點(diǎn)后的細(xì)胞判斷修正。對(duì)于這三項(xiàng)的改進(jìn)都得到了不錯(cuò)的效果，大大的改進(jìn)了統(tǒng)計(jì)結(jié)果，減小了誤差。對(duì)于最終結(jié)果的統(tǒng)計(jì)，在下一章將進(jìn)行介紹。4 識(shí)別統(tǒng)計(jì)系統(tǒng)最優(yōu)化討論 通過前面的介紹，可以看到通過了很多步驟的操作，能最終得到結(jié)果。在這個(gè)過程中，特別是彩色圖像，由于閾值的選取的不同會(huì)造成種子填充以及腐蝕細(xì)化的許多變化，結(jié)果也會(huì)出現(xiàn)很大偏差。同樣會(huì)造成結(jié)果偏差的還有腐蝕的次數(shù)。怎樣才能在針對(duì)不同圖片，使用不同方法，得到理想的數(shù)據(jù)，這就需要對(duì)這些處理進(jìn)行最優(yōu)化的討論，以期找到最合適的值。由于灰度圖的閾值很容易選定，所以本章所討論的主題是圍繞彩色圖像。 本文采用的是選取一塊特征區(qū)域，再將選定的區(qū)域的RGB值轉(zhuǎn)換成HSI值，并取得平均值。因?yàn)閳D像本身，就算是特征區(qū)域，其自身的HSI值都有所不同，所以選擇不同的區(qū)域，最終的結(jié)果都會(huì)有所不同。為了便于以后比較，針對(duì)每張圖片所選取的區(qū)域都將統(tǒng)一在一個(gè)相同的位置。對(duì)于所得區(qū)域的HSI值的閎值范圍，由于我們所得圖片的亮度一般來說變化不大，而不同細(xì)胞之間的H和S變化尤為明顯，所以應(yīng)該著重調(diào)整H和S。選擇不同的范圍（盡量不要將背景色選入造成誤差），將得到不同的閾值范圍。 前面已經(jīng)講過，在細(xì)化得到中心點(diǎn)坐標(biāo)之前，必須對(duì)已經(jīng)劃分了閾值的圖像進(jìn)行腐蝕，目的是去掉小且無意義的點(diǎn)與可能錯(cuò)誤劃分的小的標(biāo)志區(qū)域，這些都是背景噪聲，應(yīng)該去掉。但是，要使用幾次腐蝕才能達(dá)到目標(biāo)，這樣不僅能夠去掉噪聲，也能很好的保留圖像原有的信息，保證細(xì)胞的統(tǒng)計(jì)半徑不會(huì)有太大的變化。 實(shí)例飽和度的變化因?yàn)榇藞DR，G，B三色各自的直方圖比較均衡，圖像各區(qū)域亮度變化不大，所以這里只針對(duì)色調(diào)和飽和度的變化進(jìn)行討論。其中，細(xì)胞總數(shù)為220，亮度選取范圍為5％，腐蝕次數(shù)定為2次。其余的算法操作都采用一樣的步驟，共進(jìn)行6次比較： 色調(diào)、飽和度變化表 變量 次數(shù)色調(diào)(H)%飽和度(S)%亮度(I)%腐蝕次數(shù)半徑統(tǒng)計(jì)量誤差12%4%5%210207%23%5%5%211205%34%6%5%212205%45%7%5%212203%56%8%5%213212%67%9%5%212223% 從表中可以看到，其他的變量確定后，隨著色調(diào)和飽和度的加大，統(tǒng)計(jì)的效果也越來越好，而且，當(dāng)采用第五種數(shù)值時(shí)，識(shí)別的細(xì)胞大小失真也相當(dāng)小。當(dāng)H，S范圍繼續(xù)擴(kuò)大時(shí)，所選取的背景噪音會(huì)加大，誤選的細(xì)胞增多，同時(shí)很多應(yīng)該選取區(qū)域因?yàn)榉秶募哟螅渲苓厖^(qū)域與細(xì)胞連接區(qū)域都被選上，且不是閉合區(qū)域，在腐蝕細(xì)化后往往會(huì)多出一些非特征區(qū)域細(xì)胞，造成結(jié)果的難以正確統(tǒng)計(jì)。雖然從結(jié)果上，第六種情況誤差最小，但是是由于加大選取范圍造成大量特征區(qū)域外細(xì)胞被選取。所以這里選用第五種情況采用的范圍。這里只針對(duì)腐蝕次數(shù)的變化進(jìn)行討論。其中，細(xì)胞總數(shù)為220，色調(diào)選取范圍為6％，飽和度選取范圍為8％，亮度選取范圍為5％。其余的算法操作都采用一樣的步驟 腐蝕次數(shù)變化表 變量 次數(shù)色調(diào)(H)%飽和度(S)%亮度(I)%腐蝕次數(shù)半徑統(tǒng)計(jì)量誤差16%8%5%113226%26%8%5%213213%36%8%5%312209%46%8%5%411203%56%8%5%510196% ，隨著腐蝕次數(shù)從小變大，統(tǒng)計(jì)量也是從多變少，說明噪聲信號(hào)的減少，使得噪聲被選中的區(qū)域越來越少：同時(shí)，腐蝕次數(shù)過多的話，會(huì)造成特征區(qū)域被嚴(yán)重腐蝕而可能有些區(qū)域反而不會(huì)入選。 綜合上面的比較可以得出，在選取的特征區(qū)域一定，H、S、I范圍分別為6％、8％、5％，腐蝕次數(shù)在2次的時(shí)候，能得到最好的統(tǒng)計(jì)效果，且細(xì)胞大小的識(shí)別正確率也最高。 實(shí)例2 三原色直方圖 這是另一副人體細(xì)胞的圖片，圖中細(xì)胞多呈長條形，與血細(xì)胞的原形有一定區(qū)別。為了驗(yàn)證系統(tǒng)的通用性而作為綜合實(shí)例。、飽和度的變化由于此圖除了紅色以外，在顏色上比較豐富，總體亮度比較暗，所以相對(duì)來說，H和I的選取是比較重要的因素，而S可以暫時(shí)設(shè)定為固定值5％。由于存在的一些噪聲區(qū)域比較大，故采用3次腐蝕。圖中共有48個(gè)細(xì)胞。 色調(diào)、亮度變化表 變量 次數(shù)色調(diào)(H)%飽和度(S)%亮度(I)%腐蝕次數(shù)半徑統(tǒng)計(jì)量誤差12%5%2%31239%23%5%4%31651%34%5%6%31547%45%5%8%31651%56%5%10%31650%67%5%12%31655% 綜合上面的結(jié)果，雖然2，3種情況看結(jié)果還不錯(cuò)，但是由于對(duì)比較長的細(xì)胞判斷錯(cuò)誤將一個(gè)細(xì)胞判為2個(gè)細(xì)胞，并且因?yàn)榉秶x取的不夠，使得很多特征區(qū)域沒有入選，從統(tǒng)計(jì)的準(zhǔn)確性來說是不夠的。情況5雖然也有判為2個(gè)細(xì)胞情況，但是較前幾種情況為好。所以選定第五種情況的H，I，S值。 因?yàn)榧?xì)胞太長，特征區(qū)域邊緣可能不夠光滑，造成細(xì)化時(shí)候出現(xiàn)2個(gè)中心點(diǎn)。這是本系統(tǒng)存在的問題之一。 本章是基于整個(gè)系統(tǒng)搭建完成的情況下，根據(jù)產(chǎn)生結(jié)果的幾個(gè)影響因素來討論，希望能夠找到一個(gè)最優(yōu)化的取值方式來得到的好的結(jié)果。本章采用了2張具有代表性的圖片來進(jìn)行討論。第一張的R，G，B值比較均衡，亮度影響因素較小，細(xì)胞眾多，所以考慮的H和S因素較多。且噪音范圍較小，所以腐蝕次數(shù)取得不大。第二張是細(xì)胞較少、較大，顏色偏暗，此時(shí)H影響不明顯，而I的作用變大，并且噪音較大，所以選用腐蝕次數(shù)較多。在實(shí)際應(yīng)用中，應(yīng)該根據(jù)每張圖片的情況選用不同方式進(jìn)行統(tǒng)計(jì)，才能取得較理想的效果。5 總結(jié) 本文系統(tǒng)地闡述了對(duì)于細(xì)胞圖片（灰度，彩色）的識(shí)別統(tǒng)計(jì)方法，并建立了一個(gè)能夠很好的識(shí)別統(tǒng)計(jì)細(xì)胞的系統(tǒng)。其達(dá)到了用戶要求的技術(shù)要求，并且針對(duì)不同的圖片情況給出了最優(yōu)化參數(shù)設(shè)置的方案，能讓操作者根據(jù)不同類型圖片快速準(zhǔn)確的得到較好的結(jié)果。本系統(tǒng)的優(yōu)點(diǎn)如下：1) 適用面廣，對(duì)于灰度圖或者24位彩色圖均可適用。且對(duì)于圖片源的質(zhì)量有很強(qiáng)的適應(yīng)性，能夠?qū)D片的各種嗓音很好地除去。對(duì)于給出的