【正文】 意義的點(diǎn)【11】。如此以來(lái)錯(cuò)誤的填充區(qū)域就被還原。3) 將得到的絕對(duì)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。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 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(gè)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。在孔洞填充當(dāng)中，一樣會(huì)將他們標(biāo)志掉，這樣會(huì)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(shí)候，由于細(xì)胞問沒有分開，會(huì)將重疊的細(xì)胞團(tuán)識(shí)別為一個(gè)細(xì)胞，這樣對(duì)最后的數(shù)量統(tǒng)計(jì)以及面積統(tǒng)計(jì)會(huì)有很大的影響。Sobel算子另一種形式是各向同性Sobel（ISOTROPICSobel）算子，也有兩個(gè)，一個(gè)是檢測(cè)水平邊緣的，另一個(gè)是檢測(cè)垂直平邊沿的各向同性的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。 在邊緣檢測(cè)中，常用的一種模板是Sobel算子【7】。上圖的孔洞，有的是細(xì)胞間的，有的是細(xì)胞內(nèi)的。被標(biāo)志區(qū)域全部用藍(lán)色標(biāo)志。這時(shí)候會(huì)有1個(gè)或者幾個(gè)面積特別大的區(qū)域，其他的都是面積相對(duì)較小或者很小的區(qū)域。該算法對(duì)每個(gè)點(diǎn)都只需掃描一遍，速度顯然很快。由于在圖像中的每個(gè)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(gè)點(diǎn)，標(biāo)志為COLOR1的點(diǎn)就減少一個(gè)。每找到一個(gè)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)。 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(qǐng)了一個(gè)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)。對(duì)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(duì)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。 在圖像處理中，我們經(jīng)常會(huì)碰到需要填充某些區(qū)域中的許多小孔洞的情況【13】。傳統(tǒng)的種子填充算法，無(wú)論是簡(jiǎn)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。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(duì)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(lái)進(jìn)行彌補(bǔ)。有序填充算法的主要缺點(diǎn)是對(duì)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(chǔ)空間以實(shí)現(xiàn)棧結(jié)構(gòu)，而且在有多個(gè)對(duì)象需要填充時(shí)種子點(diǎn)的逐個(gè)選取會(huì)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(duì)任意形狀區(qū)域的填充卻存在缺陷，這對(duì)于在圖像處理時(shí)需要完整地保持原形態(tài)的情況下尤為突出。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(duì)于實(shí)際應(yīng)用有著非常重要的意義。 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】。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(duì)以后統(tǒng)計(jì)結(jié)果會(huì)產(chǎn)生比較大的影響。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(duì)噪聲和灰度不均勻很敏捷。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： 對(duì)于單一閾值的選取問題，其解決方法較為簡(jiǎn)單，但對(duì)于多目標(biāo)的圖像來(lái)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(duì)該問題進(jìn)行深入的研究，提出了許多新的方法。選擇的閾值應(yīng)位于兩峰谷處，從而能將各個(gè)峰分開【15】【16】。 閾值分割是常見的、并行的直接檢測(cè)區(qū)域的分割方法，如果只選取一個(gè)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(gè)閾值分割稱為多閾值方法，圖像將被分割為多個(gè)目標(biāo)區(qū)域和背景，為區(qū)分目標(biāo)，還需要對(duì)各個(gè)區(qū)域進(jìn)行標(biāo)記。前面我們看到，雖然均值濾波器對(duì)噪聲有抑制作用，但同時(shí)會(huì)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(duì)于以后選取閾值后的結(jié)果會(huì)有一定的影響。K4K3K2K5K0K1K6K7K8P4P3P2P5P0P1P6P7P8R4R3R2R5R0R1R6R7R8 在此，我們針對(duì)圖像使用了3*3的模板進(jìn)行平滑處理。然后計(jì)算輸出圖像中與‰相對(duì)應(yīng)的像素的灰度值R0（）3) 對(duì)每個(gè)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。 。 ： ，可以看到整個(gè)細(xì)胞識(shí)別統(tǒng)計(jì)的流程大概分為十?dāng)?shù)步，其中，圖片的讀入以及直方圖的相關(guān)處理已經(jīng)在上一章進(jìn)行了處理。當(dāng)掃描到有新的血液切片時(shí)，就啟動(dòng)程序，對(duì)高倍放大的血液視圖進(jìn)行圖像采集。 在系統(tǒng)開發(fā)前，首先需要確定系統(tǒng)的基本技術(shù)要求。它主要是以病人的血液樣本（切片樣本）為原始數(shù)據(jù)，通過一系列的圖像處理與分析，最后識(shí)別出血液中感興趣的細(xì)胞（紅細(xì)胞或白細(xì)胞），同時(shí)給出他們的個(gè)數(shù)【2】。本章主要是對(duì)圖像的基本性質(zhì)，灰度圖像以及彩色圖像（24位）的直方圖顯示，直方圖的拉伸、均衡化以及數(shù)字圖像形態(tài)學(xué)做一個(gè)簡(jiǎn)要的介紹，這也是圖像預(yù)處理工作中重要的基礎(chǔ)工作，對(duì)于把握好圖像的基本信息很重要。在系統(tǒng)的實(shí)際使用過程中，經(jīng)該算子增強(qiáng)處理的圖像可實(shí)現(xiàn)關(guān)鍵部位的自動(dòng)識(shí)別定位，由輪廓線的模糊變形引起的測(cè)量誤差可在實(shí)際應(yīng)用中盡量消除。也可結(jié)合系統(tǒng)需要靈活組織樣板。圖像中的每個(gè)點(diǎn)都有8個(gè)掩模對(duì)某個(gè)特定方向邊緣做出最大響應(yīng)，可以將所有8個(gè)方向中的最大值作為邊緣幅度圖像的輸出。運(yùn)算結(jié)果是一幅邊緣幅度圖像，對(duì)上一F左右的像素賦予比對(duì)角線上大的權(quán)重可以有效地抑制噪聲。每個(gè)點(diǎn)都用這2個(gè)做卷積，一個(gè)對(duì)通常的垂直邊緣響應(yīng)最大，而另一個(gè) 基于醫(yī)學(xué)圖像的細(xì)胞識(shí)別統(tǒng)汁系統(tǒng)對(duì)水平邊緣響應(yīng)最大。3) 3）8個(gè)卷積組成了KIRSCH邊緣算子，圖像中的每個(gè)點(diǎn)都有8個(gè)掩模對(duì)某個(gè)特定方向邊緣做出最大響應(yīng)，可以將所有8個(gè)方向中的最大值作為邊緣幅度圖像的輸出。的樣板算子為SMOOTHED算子。稱其0176。、315176。、225176。、135176。、45176。為了簡(jiǎn)化計(jì)算經(jīng)常使用梯度的簡(jiǎn)便計(jì)算方法——用差分來(lái)近似微分，可以看成是22算子，如式：g(i,j)=|f(i,j)f(i+1,j+1)|+|f(i+1,j)f(i,j+1)|2) 為了強(qiáng)有力地抑制噪聲，PREWITT邊緣算子計(jì)算所要處理像素的鄰域區(qū)域內(nèi)灰度的“和”及平均值的“差”。圖像灰度的變化情況可以用灰度分布的梯度來(lái)反映，給定連續(xù)圖像F（X，Y），其方向?qū)?shù)在邊緣法線方向上取得的局部最大值即可判定為邊緣【16】。 梯度的求解實(shí)際上是邊緣檢測(cè)的一種。一般來(lái)說，圖像中的邊緣由深度不連續(xù)、表面法向量不連續(xù)，光照不連續(xù)和材料的反射性質(zhì)不連續(xù)等幾種不連續(xù)情況造成【14】。例如當(dāng)人們看到一個(gè)色彩亮度變化緩慢的區(qū)域時(shí)，很難把這個(gè)區(qū)域分為輪廓分明的兩部分，但是當(dāng)該區(qū)域有顏色突變時(shí)，人們就能立刻感受到邊緣的存在。腐蝕的計(jì)算是在由結(jié)構(gòu)元素確定的鄰域中選取FB的最小值，所以對(duì)灰度圖像的腐蝕操作有2類效果：①如果結(jié)構(gòu)元素的值都為正的，則輸出圖像會(huì)比輸入圖像暗；②如果輸入圖中亮細(xì)節(jié)的尺寸比結(jié)構(gòu)元素小，則其影響會(huì)被減弱，減弱的程度取決于這些亮細(xì)節(jié)周圍的灰度值和結(jié)構(gòu)元素的形狀和幅值。膨脹的計(jì)算是在由結(jié)構(gòu)元素確定的鄰域中選取F＋B的最大值，所以對(duì)灰度圖像的膨脹操作有2類效果：①如果結(jié)構(gòu)元素的值都為正的，則輸出圖像會(huì)比輸入圖像亮；②根據(jù)輸入圖像中暗細(xì)節(jié)的灰度值以及它們的形狀相對(duì)于結(jié)構(gòu)元素的關(guān)系，它們?cè)谂蛎浿谢虮幌麥p或被除掉。用結(jié)構(gòu)元素B對(duì)輸入圖像F進(jìn)行灰度膨脹記為F＋b，其定義為（F＋b）（S,t）=MAX｛F（sx,ty）＋b（x,y）（sx）,（ty）∈Db…and…X∈Db｝。傳統(tǒng)的提高運(yùn)算速度的做法是利用結(jié)構(gòu)元素分解，如HOCHONGPARK，3的結(jié)構(gòu)元素分解任意形狀的大結(jié)構(gòu)元素，或者是將結(jié)構(gòu)元素分解成兩個(gè)一維結(jié)構(gòu)元素膨脹運(yùn)算的結(jié)果，再把分解過的結(jié)構(gòu)元素代入圖像的腐蝕膨脹運(yùn)算中去，以達(dá)到提高運(yùn)算速度的目的。數(shù)學(xué)形態(tài)學(xué)中的兩個(gè)基本操作是腐蝕（EROSION）和膨脹（DILATION），而其后的開（OPEN）和閉（CLOSE）運(yùn)算以及擊中擊不中運(yùn)算都是以這兩個(gè)基本操作為基礎(chǔ)的。數(shù)學(xué)形態(tài)學(xué)運(yùn)算實(shí)質(zhì)是一種二維卷積運(yùn)算，當(dāng)圖像維數(shù)較大時(shí)特別是用灰度形態(tài)學(xué)、軟數(shù)學(xué)形態(tài)學(xué)、模糊形態(tài)學(xué)等方法時(shí)，運(yùn)算速度很慢。 形態(tài)學(xué)主要是用于獲取物體拓?fù)浜徒Y(jié)構(gòu)信息。 數(shù)學(xué)形態(tài)學(xué)是一種應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域的新方法【20】。分裂合并方法不需要預(yù)先指定種子點(diǎn)，它的研究重點(diǎn)是分裂和合并規(guī)則的設(shè)計(jì)。在區(qū)域分裂技術(shù)中，整個(gè)圖像先被看成一個(gè)區(qū)域，然后區(qū)域不斷被分裂為四個(gè)矩形區(qū)域，直到每個(gè)區(qū)域內(nèi)部都是相似的。與閾值分割類似，區(qū)域增長(zhǎng)也很少單獨(dú)使用，往往是與其它分割方法一起使用，特別適用于分割小的結(jié)構(gòu)如腫瘤和傷疤。其特點(diǎn)是將分割過程分解為順序的多個(gè)步驟，其中后續(xù)步驟要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定【12】。包括像素標(biāo)識(shí)法和游程連通法。首先繪制圖像的直方圖，對(duì)這五種成分組成（均按高斯分布）擬合求出各類組織灰度的均值μ和方差σ2。整幅圖像的直方圖可以看作各組織分布的迭加。3) 基于隨機(jī)場(chǎng)的方法：最常用的一種統(tǒng)計(jì)學(xué)方法是將圖像看作一個(gè)馬爾科夫隨機(jī)場(chǎng)MRF（MARKOV RANDOM FIELD），統(tǒng)計(jì)學(xué)方法的實(shí)質(zhì)是從統(tǒng)計(jì)學(xué)的角度出發(fā)對(duì)數(shù)字圖像進(jìn)行建模，把圖像中各個(gè)像素點(diǎn)的灰度值看作是具有一定概率分布的隨機(jī)變量。2) 分類和空間聚類的方法：分類是模式識(shí)別領(lǐng)域中－LEE基本的統(tǒng)計(jì)分析方法。單閾值分割，將圖像分為目標(biāo)和背景兩大類；多閾值方法，圖像將被分割為多個(gè)目標(biāo)區(qū)域和背景；為區(qū)分目標(biāo)，還需要對(duì)各個(gè)區(qū)域進(jìn)行標(biāo)記。即使是用一般的方法找出的邊緣點(diǎn)，用曲線來(lái)描述它們以便于高層處理也是經(jīng)常被采用的一種有效的方式。1) 基于曲面擬合的方法：這種方法的基本思想是將灰度看成高度，用一個(gè)曲面來(lái)擬合一個(gè)小窗口內(nèi)的數(shù)據(jù)，然后根據(jù)該曲面來(lái)決定邊緣點(diǎn)。并行邊界技術(shù)的分割方法比較典型的是并行微分算子法，該算法對(duì)圖像中灰度的變化進(jìn)行檢測(cè)，通過求一階導(dǎo)數(shù)極值點(diǎn)或二階導(dǎo)數(shù)過零點(diǎn)來(lái)檢測(cè)邊緣【12】。另外根據(jù)分割過程中的處理策略不同，分割算法又可以分為并行算法和串行算法【12】。 圖像分割是當(dāng)今圖像技術(shù)的一個(gè)熱點(diǎn)和焦點(diǎn)。各個(gè)子區(qū)域是相互不重疊的，分割出的區(qū)域的內(nèi)部不應(yīng)該有很小的孔洞；分割出的圖像區(qū)域應(yīng)該具有某種相同的性質(zhì)。 所謂圖像分割是指將圖像中具有特殊涵義的不同區(qū)域區(qū)分開來(lái)，這些區(qū)域是互相不交叉的【15】。但是，目前計(jì)算機(jī)自主分割的結(jié)果不能令人滿意，準(zhǔn)確性不能滿足醫(yī)學(xué)圖像的應(yīng)用要求，而對(duì)人機(jī)交互過于依賴又是實(shí)際應(yīng)用不能接受的。因此，目前在醫(yī)學(xué)圖像分割方面仍然沒有可以通用的理論和方法，從指導(dǎo)思想上看，圖像分割方法可以分為兩種體系，以計(jì)算機(jī)為單一執(zhí)行者的自動(dòng)分割方法和人機(jī)結(jié)合的交互式分割方法。醫(yī)學(xué)圖像分割是正常組織和病變組織的三維重建、定量分析等后續(xù)操作的基礎(chǔ)，也是臨床醫(yī)學(xué)應(yīng)用的瓶頸，分割的準(zhǔn)確性對(duì)醫(yī)生判斷疾病的真實(shí)情況并做出正確的診斷計(jì)劃至關(guān)重要。結(jié)構(gòu)分析、運(yùn)動(dòng)分析、三維可視化等后續(xù)操作，以及圖像引導(dǎo)手術(shù)、腫瘤放射治療、治療評(píng)估等應(yīng)用研究都假設(shè)己對(duì)圖像做了準(zhǔn)確分割，或者說都是以圖像分割為基礎(chǔ)的。其輸出像素值R的計(jì)算由下列公式定義： 其中：Wi i=1,2，…，n是模板的系數(shù) Zi i=1,2，…，n是被計(jì)算像素的值 常見的均值濾波器將以上的均值濾波加以修改，可以得到以下的加權(quán)濾波器。均值濾波法是將一個(gè)像素及其鄰域中的所有像素的平均值輸出作為相應(yīng)的像素，從而達(dá)到平滑圖像的目的。濾波技術(shù)按照所在的空間不同，可以分為空間域?yàn)V波和頻率域?yàn)V波，銳化濾波和平滑濾波一般在空間域進(jìn)行，高通濾波和低通濾波則一般在頻率域進(jìn)行。 相應(yīng)地，低通濾波則是指對(duì)圖像的低頻部分進(jìn)行增強(qiáng)，它可以對(duì)圖像進(jìn)行平滑處理，一般用于圖像的噪聲消除，因此，也可以稱為平滑濾波。因此，也可以稱為銳化濾波。例如，對(duì)于人像的比對(duì)查詢，就需要通過高頻增強(qiáng)突出五官的輪廓。例如，物體的邊緣輪廓由于灰度值變化劇烈，一般呈現(xiàn)高頻率特征，而一個(gè)比較平滑的物體內(nèi)部由于灰度值比較均一則呈現(xiàn)低頻率特征。 圖像的均值濾波是一種圖像空間域?yàn)V波增強(qiáng)技術(shù)。 圖像的平滑是一種實(shí)用的數(shù)字圖像處理技術(shù)，主要目的是為了減少圖像的噪聲【12】。 灰度拉伸是分段線性變換，它的灰度變換函數(shù)表達(dá)式如下: 圖像拉伸可以更加靈活的控制輸出灰度直方圖的分布，它可以有選擇的拉伸某段灰度區(qū)間以改善輸出的圖像。當(dāng)K＞1時(shí)，輸出圖像的對(duì)比度將增大：當(dāng)K＜1時(shí)，輸出圖像的對(duì)比度將減?。划?dāng)K＝1且K≠0時(shí)，操作僅使所有像素的灰度值上移或下移，其效果是使整個(gè)圖像更暗或更亮；如果K＜0，暗區(qū)域?qū)⒆兞?，亮區(qū)域?qū)⒆儼?，點(diǎn)運(yùn)算完成了圖像求補(bǔ)運(yùn)算。 圖像的線性變換就是將圖像中所有的點(diǎn)的灰度按照線性灰度變換函數(shù)進(jìn)行變換。 一副紅細(xì)胞彩色圖樣 對(duì)應(yīng)的紅、綠、藍(lán)分量的直方圖 RGB色彩空間轉(zhuǎn)換到HSI色彩空間的公式: 關(guān)于從RGB轉(zhuǎn)換到HSI色彩空間在后面還會(huì)講到。HSI空間是RGB的非線性變換空間，其中H分量在大多數(shù)情況下能反映出細(xì)胞的有關(guān)特性，具有良好的可分性。顯微圖像是由彩色CCD攝像機(jī)獲得