【正文】 附錄C 顯微細(xì)胞圖像預(yù)處理%圖像二值化及二值圖像處理[I1,map]=imread(39。39。)。I2=ind2gray(I1,map)。%figure。imshow(I2)。%figure。imhist(I2)。bw1=roicolor(I2,96,173)。%figure。imshow(bw1)。%顯示二值圖像bw1=bwfill(bw1,39。holes39。)。figure。imshow(bw1)。%填充se1=strel(39。disk39。,4)。bw1=imopen(bw1,se1)。figure。imshow(bw1)。%開運(yùn)算，獲得連續(xù)的邊緣，消除毛刺和孤立的像素點(diǎn)bw01=bw1。%二值圖像分割（流域分割）%距離變換D=bwdist(bw1)。%生成距離圖像figure。imshow(D,[])。D1=bwdist(~bw1)。%生成灰度取反的距離變換圖像figure。imshow(D1,[])。%相對半徑為4的極限腐蝕for i=1:4 bw01=imerode(bw01,se1)endfigure。imshow(bw01)附錄D 成熟紅細(xì)胞計(jì)數(shù)[I,map]=imread(39。39。)。J=ind2gray(I,map)。 %把索引圖像轉(zhuǎn)變?yōu)榛叶葓D像%imhist(J)。 %顯示索引圖像直方圖%figure。imshow(J)。bw=roicolor(J,130,230)。 %figure。imshow(bw)。bw1=bwfill(bw,39。holes39。)。figure。imshow(bw1)。se2=strel(39。disk39。,8)。 %結(jié)構(gòu)元素確定bw2=imopen(bw1,se2)。figure。imshow(bw2)。 %預(yù)處理后得到的圖像%對二值圖像做區(qū)域標(biāo)定，并取得連通區(qū)域像素個數(shù)，得到平均值avr[Label Number]=bwlabel(bw2,8)。 %初步取得細(xì)胞個數(shù),認(rèn)為8連通 %得到Number初值為169Array = bwlabel(bw2,8)。 %取得貼標(biāo)簽處理后的圖像Sum = []。 %依次統(tǒng)計(jì)貼標(biāo)簽后數(shù)組for i=1:Number [r,c] = find(Array==i)。 %獲取相同標(biāo)簽號的位置，將位置信息存入[r,c] rc = [r c]。 Num= length(rc)。 %取得rc數(shù)組的元素的個數(shù) Sum([i])=Num。 %將元素個數(shù)存入Sum數(shù)組endnum_all=0。for i=1:Number num_all=num_all+Sum([i])。endavr=num_all/Number。 %單個細(xì)胞大小約為793%對連通域分類：不完整的細(xì)胞，小于半個細(xì)胞大小，應(yīng)該被忽略的；算為一個的細(xì)胞；有多個細(xì)胞相連的情況n2=Numbern1=0while(n1~=n2) n2=n1 n1=0 n1_all=0 for i=1:Number if abs(Sum([i])avr)(*avr) n1=n1+1。 n1_all=n1_all+Sum([i])。 end end avr=n1_all/n1。 end n=n1。for i=1:Number if (Sum([i])=(*avr))amp。(Sum([i])=(*avr)) n=n+2。 %認(rèn)為是兩個細(xì)胞重疊 end if (Sum([i])(*avr))amp。(Sum([i])=(*avr)) n=n+3。 end if (Sum([i])(*avr))amp。(Sum([i])=(*avr)) n=n+4。 endend%處理較大的區(qū)域——用細(xì)胞分布密度來推算 [j,k]=size(bw2)。 %二值圖像大小m=j*k。 %整一幅圖的像素個數(shù)s=0。for i=1:Number if Sum([i])(*avr) s=s+1。 x([s])=Sum([i])。 end endy=[]。for i=1:s y([i])=n*x([i])/(mx([i]))。 endfor i=1:s y0([i])=round(y([i]))。 endfor i=1:s n=n+y0([i])。end附錄E 形態(tài)特征提取%形態(tài)學(xué)分析I=imread(39。one normal 39。)。I=im2bw(I)。[x,y]=size(I)。bw=bwperim(I,8)。 %檢測目標(biāo)的邊緣跟蹤figure。imshow(bw)。%檢測垂直方向連續(xù)的周長像素點(diǎn)p1=0。p2=0。ny=0。 %記錄垂直方向連續(xù)周長像素點(diǎn)的個數(shù)for i=1:x for j=1:y if(bw(i,j)0) p2=j。 %判斷是否為垂直方向連續(xù)的周長像素點(diǎn) if((p2p1)==1) ny=ny+1。 end p1=p2 end endend%檢測水平方向連續(xù)的周長像素點(diǎn)p1=0。p2=0。nx=0。for j=1:y for i=1:x if(bw(i,j)0) p2=i。 if((p2p1)==1) nx=nx+1。 end p1=p2。 end endendsn=sum(sum(bw))。%計(jì)算周長像素點(diǎn)的總數(shù)nd=snnxny。%計(jì)算奇數(shù)碼的鏈碼數(shù)目H=max(sum(I))。%計(jì)算目標(biāo)高度W=max(sum(I39。))。%I矩陣轉(zhuǎn)置后，計(jì)算寬度L=sqrt(2)*nd+nx+ny。%計(jì)算周長A=bwarea(I)。%計(jì)算面積C=(L*L)/(4*pi*A)。%計(jì)算圓度R=A/(H*W)。%計(jì)算矩度E=min(H,W)/max(H,W)。%計(jì)算伸長度參考文獻(xiàn)[1] 周浩,李天牧,[J].北京生物醫(yī)學(xué)工程,2002,21(2):89～91.[2] Maragos P .Differential morphology and image processing. IEEE Trans Image Processing,1996, 5(6):922～937[3] Wegman E. J., Nonparametric probability density estimation, A summary of available methods ,Techno metrics[M],1986[4] 李剛,，2004年12月[5] 李秀峰,蘇蘭海. 基于中值濾波和數(shù)學(xué)形態(tài)學(xué)的圖像邊緣檢測[J]. 計(jì)算機(jī)與信息技術(shù),2006(27)[6] 連靜,王珂．多尺度形態(tài)學(xué)圖像邊緣檢測方法［J］. 計(jì)算機(jī)工程與應(yīng)用,:77～79[7] 韋宏強(qiáng),李彤華,鄭屹等. 基于多結(jié)構(gòu)元素形態(tài)學(xué)的圖像邊緣檢測算法[J]. 計(jì)算機(jī)工程與設(shè)計(jì). 2007年11月,28(22)：5447～5449[8] 徐超,葉正麟. 基于柔性形態(tài)學(xué)的梯度邊緣檢測算法. 計(jì)算機(jī)工程與應(yīng)用. 2007,43(26):38～40[9] 武妍,魏廣英,葛菊萍,朱君波. 基于形態(tài)學(xué)雙梯度算子的圖像邊緣檢測. 計(jì)算機(jī)工程與應(yīng)用. 2007,43(36):58～59,64[10] 趙于前,柳建新,劉劍. 基于形態(tài)學(xué)重構(gòu)運(yùn)算的醫(yī)學(xué)圖像分割. 計(jì)算機(jī)工程與應(yīng)用. 2007,43(10):238～240[11] 謝鳳英,姜志國,周付根. 基于數(shù)學(xué)形態(tài)學(xué)的免疫細(xì)胞圖象分割. 中國圖象圖形學(xué)報. 2002年11月, 第7卷(A版) 第11期:1119～1122[12] 胡炯炯,于慧敏,房波. 基于形態(tài)學(xué)約束的BSnake模型的細(xì)胞圖像自動分割方法. 中國圖象圖形學(xué)報. 2005年1月,第10卷　第1期:31～37[13] 梁光明,孫即祥. 一種基于數(shù)學(xué)形態(tài)學(xué)的多結(jié)構(gòu)元圖像分割算法. 計(jì)算機(jī)工程與應(yīng)用. 2007，43（28）:70～72[14] 彭啟民,賈云得. 一種形態(tài)學(xué)彩色圖像多尺度分割算法. 中國圖象圖形學(xué)報. 2006年5月,第11卷　第5期:635～639[15] Cigdem Demir and Bulent Yener. Automated cancer diagnosis based on histopathological images: a systematic [16] 陳偉斌,張鑫,： 135[17] CIRES cell image retrieval and evaluation system[J]．Magazine for users of image analysis system，1992，l8～l9．[18] Walker R F，Jackway P Loven B，Longstaf I D．Classification of cervical cell nuclei using morphological segmentation and textural feagare extraction[C]．Second Australian and New Zealand conference on Intelligent information system，Brisbane，1994，29：183～189．[19] Anthony S Wright，Scott T．Acton．Watershed pyrais for edge detection．Image Processing，1997，2：578～581．[20] 賀興華,周媛媛,王繼陽,周暉等.《》.[21] 王永才.《最新血液骨髓細(xì)胞診斷學(xué)—多媒體圖譜》.人民軍醫(yī)出版社，2008年1月第一版.[22] 張兆禮，張春暉，2001.[23] ，2000.[24] ，2001.[25] He, Qian。 He, Wen。 Wang, Keyang。 Effect of multiscale processing in digital chest r adiography on automated detection of lung nodule with a puter assistance system， Journal of Digital Imaging, v 21, n SUPPL. 1, p S164S170, October 2008[26] 王宏，致 謝論文即將完成，在此，我首先要向我的導(dǎo)師陳勝勇教授和張海燕老師表示致敬。陳老師的信任與鼓勵，給了我未來繼續(xù)進(jìn)行本課題研究的動力，使我充滿信心。在陳老師的悉心指導(dǎo)下，經(jīng)過近一年的學(xué)習(xí)與研究，我已從一個外行慢慢的融入到了課題研究中，學(xué)到了許多新的知識以及如何開展研究的方法。雖然現(xiàn)在成果尚不顯著，但我相信，在陳老師的指導(dǎo)下，通過我不懈的努力一定會取得滿意的成果。同時，陳老師嚴(yán)謹(jǐn)求實(shí)的治學(xué)態(tài)度，高度的敬業(yè)精神，兢兢業(yè)業(yè)、孜孜以求的工作作風(fēng)和大膽創(chuàng)新的進(jìn)取精神成為我學(xué)習(xí)的榜樣。他淵博的知識、開闊的視野和敏銳的思維給了我深深的啟迪。在論文寫作期間，還得到了幾位研究生學(xué)長的幫助，在此我也向他們表示感謝。同時也要感謝我的校內(nèi)指導(dǎo)老師張海燕老師，在設(shè)計(jì)的過程中得到了張海燕老師認(rèn)真細(xì)致的指導(dǎo)，張老師那種兢兢業(yè)業(yè)的工作精神和對我們認(rèn)真負(fù)責(zé)的態(tài)度時刻激勵著我，在此，特向張老師表示衷心的感謝！最后，我要忠心的感謝本科期間在學(xué)習(xí)和生活中給予我關(guān)心和幫助的人們，還有在百忙中抽出時間來評閱和參加答辯的所有老師