[发明专利]一种采用软件自动识别的细胞计数方法

说明书

本发明涉及细胞技术领域，尤其涉及一种采用软件自动识别的细胞计数方法，它包括以下步骤：通过采集图像；图像增强；均值偏移分割，然后进行漫水填充；进行并查集算法进行统计；进行graph‑based算法进行处理；进行初步筛选；得到支持向量机模型；通过支持向量机模型进行训练；进行二次筛选；最后得到图像中细胞的数量。这种计数方法计数准确性较高且计数方便。

技术领域

本发明涉及细胞技术领域，尤其涉及一种采用软件自动识别的细胞计数方法。

背景技术

显微镜拍摄出来的图像中包括大量的细胞，现有技术对这种图像中的细胞进行计数有两种形式，一种是通过人工计数的，但是因为细胞数量较多，而且分布不均匀，所以计数麻烦，比较耗费人力；还有一种是通过计算机进行分析，但是因为图像中细胞多而且复杂，所以计算准确性较低。

发明内容

本发明所要解决的技术问题是：提供一种计数准确性较高且计数方便的采用软件自动识别的细胞计数方法。

本发明所采用的技术方案是：一种采用软件自动识别的细胞计数方法，它包括以下步骤：

S1、采集图像；

S2、对采集到的图像进行图像增强；

S3、将增强后的图像进行均值偏移分割，然后进行漫水填充；

S4、将填充后的图像使用并查集算法进行统计，得到每个连通块的坐标，然后筛选出内部像素点数量大于X的连通块，将筛选出来的连通块的坐标映射到步骤S2中增强后的图像上；

S5、将映射完后的图像进行graph-based算法进行处理，并再次用并查集算法进行统计得到每个连通块的坐标；

S6、计算每个连通块的自身尺寸，然后根据细胞的实际大小进行初步筛选；

S7、对初步筛选完的图像中每一个连通块求Hu不变矩7个特征，然后组成n*7向量作为数据,进行k-means聚类，然后得到支持向量机模型；

S8、将步骤S6初步筛选完后得到的图像通过步骤S7得到的支持向量机模型进行训练；

S9、将步骤S8得到的图像剔除干扰颜色区域，然后再进行二次筛选；

S10、求出二次筛选后图像中剩余的连通块数量，然后即得到图像中细胞的数量。

步骤S2图像增强主要采用平滑加拉普拉斯算子方法与直方图均衡化方法。

步骤S6主要包括以下步骤：

S61、去除连通块中尺寸较大或者较小的连通块；

S62、去除连通块周长与尺寸比例不符合预设条件的连通块。

步骤S6还包括以下步骤：

S63、去除连通块尺寸与外接矩形框比例不符合预设条件的连通块；

S64、去除连通块外接矩形框长和宽比例不符合预设条件的连通块。

步骤S9中的二次筛选是指去除连通块周长与尺寸比例不符合预设条件的区域。

步骤S10具体包括以下步骤：

S101、求出二次筛选后图像中剩余的连通块的质心；

S102、计算质心之间的相互距离，然后去除质心距离小于Y的两个质心的其中一个；

S103、计算剩余质心的数量，即得到图像中细胞的数量。

步骤S102具体包括以下步骤：