[发明专利]一种数字病理全切片图像空白区域自动分割方法

说明书

本发明公开了一种数字病理全切片图像空白区域自动分割方法，S1、将数字病理全切片图像由RGB颜色空间转换到HSV颜色空间；S2、求出所述HSV颜色空间的饱和度通道阈值和亮度通道阈值；S3、使用所述饱和度通道阈值和所述亮度通道阈值对所述数字病理全切片图像进行二值化操作，得到初步分割结果；S4、对所述初步分割结果进行形态学后处理，得到最终分割结果。本发明通过颜色空间变换和自适应阈值方法对数字病理全切片图像进行二值化，然后进行形态学后处理，最终使计算机能够准确地对数字病理全切片空白区域进行自动分割，结果更加准确。

技术领域

本发明涉及数字图像处理技术领域，更具体的说是涉及一种数字病理全切片图像空白区域自动分割方法。

背景技术

数字病理全切片图像，是将传统的玻璃病理切片通过全自动显微镜或光学放大系统扫描采集得到的大尺寸高分辨数字图像，是病理医生在诊断时的重要依据。近年来，随着病理学和计算机技术的快速发展，数字病理全切片图像的数量迅速增长，通过图像算法或机器学习方法对其进行处理和分析，对辅助病理医生快速诊断以及计算机自动诊断有很大参考价值。

但是，数字病理全切片图像在扫描时除细胞组织等内容外，图像外围通常为没有实际内容的空白区域，在处理数字病理全切片图像时如果不加区分一同处理空白区域，不仅会增加处理时间，也会影响算法精度。此外，由于采集环境不同，导致不同的数字病理全切片图像切片的亮度和色调有差异，因此使用固定灰度阈值对所有数字病理全切片进行空白区域分割可能造成结果不准确。

因此，如何提供一种结果准确的数字病理全切片图像空白区域的分割方法，是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供的一种数字病理全切片图像空白区域自动分割方法，通过颜色空间变换和自适应阈值方法对数字病理全切片进行二值化，然后进行形态学后处理，最终使计算机能够准确地对数字病理全切片空白区域进行自动分割，结果更加准确。

为了实现上述目的，本发明采用如下技术方案：

一种数字病理全切片图像空白区域自动分割方法，包括以下操作步骤：

S1、将数字病理全切片图像由RGB颜色空间转换到HSV颜色空间；

S2、求出所述HSV颜色空间中饱和度通道和亮度通道的阈值；

S3、使用所述饱和度通道阈值和所述亮度通道阈值对所述数字病理全切片图像进行二值化操作，得到初步分割结果；

S4、对所述初步分割结果进行形态学后处理，得到最终分割结果。

优选地，步骤S2中，所述饱和度通道阈值计算和所述亮度通道阈值计算包括全局均值法或最大类间方差法。图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。其中，全局均值法是对整幅图像选取单一的阈值来进行二值化；最大类间方差法是指是一种自适应的阈值确定的方法，又叫大津法，它是按图像的灰度特性，将图像分成背景和目标两部分。背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此，使类间方差法最大的分割意味着错分概率最小。

优选地，步骤S4中，所述形态学后处理包括开运算、闭运算或去除小面积噪点。开运算，就是先腐蚀后膨胀的过程，可以用来消除小物体，在纤细点处分离物体，并且在平滑较大物体的边界的同时不明显改变其面积。闭运算，就是先膨胀后腐蚀的过程，闭运算可以用来排除小型黑洞，即黑色区域。小面积噪点就是指面积小于某个阈值的连通区域，去除指让这种小面积噪点在二值图中的值变得与周围相同。