[发明专利]一种白细胞图像分割方法

说明书

技术领域

本发明涉及正常人外周血白细胞图像细胞识别技术，尤其是涉及含细胞和背景杂质较多的非标准染色的正常人外周血粘连白细胞图像自动分离的一种方法。 

背景技术

血细胞图像分割与分类识别是近年来医学成像分析技术与应用研究的热门课题之一。该项技术研究的目的是利用计算机模拟人类血检专家视觉分析的过程，自动提取和计算细胞的各种形态参数，并进而对细胞进行分类分析，提高医学成像分析应用的精确性、鲁棒性、智能性和实时性，以满足血常规检查的高效率智能化和自动化应用的需要。只有快速而精确的分割才能实现后续分类识别，保证整个血细胞分类仪的实时性和精确性。然而由于血常规检查实际应用过程中血液涂片厚度、密度的不均匀性以及成像条件与噪声水平的差异变化，引起了血细胞图像经常会出现粘贴、重叠和模糊不清等现象，因而严重地影响了细胞的提取与分类识别。目前，典型的粘连细胞自动分离算法主要包括分水岭算法、区域增长算法、基于边界凹点的算法和基于类圆分割的算法等。其特点描述如下： 

1)形态学分水岭算法(流域算法) 

形态学分水岭算法是针对二值图像的分割算法。主要利用形态学特征分割图像。其基本思想是基于局部极小值和积水盆。水平面从局部极小值处上涨，在水平面从低到高浸没地形的过程中，每个积水盆被筑起的“坝”所包围，这些坝用来隔断不同的积水盆。当地形完全浸没到水中后，这些坝就构成了分水岭。 

缺点：由于种子点的选取是通过连续腐蚀或者通过先做距离变换再通过某个域值选取，对微弱边缘很敏感。因此，该算法一方面对微弱边缘响应良好，一方面极易受噪声影响。该算法需要先根据距离最大值或者连续腐蚀得到种子点，但当大的白细胞与红细胞相连时或白细胞形状不规则时，细胞内部可能出现两个标识为区域最大值的点，此时需根据其区域最大值和两个点之间的距离判断是否进行区域合并，以确保一个白细胞只标识出一个区域最大值。难于提取种子点，会出现过分割和误分割的情况，另外在建造水坝的过程中，需要迭代膨胀，计算量较大。 

2)区域增长方法 

区域增长方法也称区域扩张法，是针对灰度或者彩色图像的分割算法。主要利用了灰度或者 彩色的相似性分割图像。其基本思想是，把图像分割成若干小区域，比较相邻小区域特征的相似性，将具有相似性质的区域(或者单个像素)合并起来构成新的区域。以此方式不断合并，直到不能合并为止，最后形成特征不同的各个区域。该方法需要先选取一个种子点，然后依次将种了像素周围的相似像素合井到种子像素所在的区域中。 

缺点：区域合并的规则难以确定，可能导致过分割。由于仅利用了灰度信息，没有利用形状信息，对于灰度相近的两个物体，比如两个粘连的细胞，难以分割。 

3)基于边界凹点的算法 

基本思想是首先进行细胞的多边形近似，顺序找出边缘点来跟踪边界，查找到细胞轮廓的凹点，然后对凹点进行配对连接，实现细胞分离。算法基于“当两个细胞粘连时，图像的近似多边形中应当会出现一对凹陷点”的假设，并优先考虑具有较大的凹陷度的点。单个凹陷度很大的凹陷点也构成分解的依据。 

缺点：由于凹陷点的选择基于轮廓，改算法对轮廓上的毛刺和噪声极为敏感。另外由于最后需要对凹陷点配对，而配对算法往往难以保证是最优的分割，因而很容易导致分割错误，有可能分解一个完整的细胞。实际处理中对象粘连各异，凹点的配对复杂，因而存在凹点不能精确求取，凹点配对困难，分离点集或分离曲线难于查找等问题。对于某些图像，由于细胞大小不一，聚堆形态各异，很多聚堆细胞在连接处并没有明显的凹陷特性，难以分割。 

4)基于类圆分割的算法 

L.V.Guimaraes提出的算法基于“所有的血细胞都是圆形”这一假设。在血细胞图像的分当图像明显违反圆形假设时就是需要分解的图像。取图像轮廓上距离最远的两点a，b其连线为近似圆形的直径，其长度的一半为外接圆半径，中点为外接圆圆心，分别在a，b两侧上找到距离圆心最近的点，其连线即细胞分割线。如果该分割线满足接受准则，则用该线分割图像，并继续递归分解，否则认为该图像已经是圆形的了，停止分割。 

缺点：实际情况的细胞往往不是圆形，红细胞都是空心，单核细胞常有空泡，都会导致分割错误；另外，白细胞和杂质粘连的情况也不满足类圆分割。