[发明专利]针对宫颈脱落细胞图像的图像分割方法和装置

说明书

本申请公开了一种针对宫颈脱落细胞图像的图像分割方法和装置。其中方法包括：将获取的宫颈脱落细胞的第一图像划分为若干个子块；基于灰度值对每一个子块进行分类，对包括图像边缘的子块进行边缘提取；将所有子块按顺序拼接成第二图像，所述子块中的提取的边缘构成感兴趣区域；确定所述感兴趣区域的初始轮廓闭合曲线，基于所述第二图像的梯度矢量使所述初始轮廓曲线的位置向量收敛至目标边缘。本申请的方法能够首先将图像划分成子块，对子块分别进行边缘提取，降低了图像处理的处理复杂度，同时可以多个子块并行分析和处理，提高了处理的速度；将图像拼接后，对感兴趣的区域进行二次分割，能够把粘连的细胞区分开，提高了分割的准确度。

技术领域

本申请涉及图像处理领域，特别是涉及一种针对宫颈脱落细胞图像的图像分割方法和装置。

背景技术

传统的图像分割算法分为如下几类：基于边缘的图像分割方法、阈值分割方法、区域分割方法、遗传算法分割方法。在基于机器学习的分割方法中，现有技术有基于支持向量机、随机森林、马可洛夫随机场以及条件随机场的算法。但是细胞图像由于其自身特点，例如，面积小、相似度高、目标重叠遮挡等，利用传统的分割方法，效果并不理想。近年来，在细胞的图像分割方法领域，基于数学形态学的分水岭变换技术被应用到目标分割中，例如，基于距离变换的分水岭变换方法、快速灰度重建算法重建距离变换后图像的变换算法、自适应距离变换算法、基于梯度图像的分水岭变换等。这些算法虽然对目标物体边缘的定位能力强，能充分利用图像的边缘信息，很好的分割出目标物体的完整轮廓，但对于无明显边界且容易与图像背景相互混淆的目标而言，会出现欠分割的现象。宫颈脱落细胞图像中的细胞进行准确、快速地分割，得到感兴趣区域(Region Of Interest,ROI)，是后期对宫颈细胞进行识别和分类的重要基础。由于在涂片制作与图像采集的过程中，图像中不可避免地会夹杂一些杂质、干扰等，使得图像中有噪声、模糊、灰度不均匀等问题，对图像准确分割增加难度和挑战。上述方法并不能很好地对宫颈细胞图像进行分割。

发明内容

本申请的目的在于克服上述问题或者至少部分地解决或缓减解决上述问题。

根据本申请的一个方面，提供了一种针对宫颈脱落细胞图像的图像分割方法，包括：

图像划分步骤：将获取的宫颈脱落细胞的第一图像划分为若干个子块；

边缘提取步骤：基于灰度值对每一个子块进行分类，对包括图像边缘的子块进行边缘提取；

图像拼接步骤：将所有子块按顺序拼接成第二图像，所述子块中的提取的边缘构成感兴趣区域；

细胞群分割步骤：确定所述感兴趣区域的初始轮廓闭合曲线，基于所述第二图像的梯度矢量使所述初始轮廓曲线的位置向量收敛至目标边缘。

本申请的方法能够首先将图像划分成子块，对子块分别进行边缘提取，降低了图像处理的处理复杂度，同时可以多个子块并行分析和处理，提高了处理的速度；将图像拼接后，对感兴趣的区域进行二次分割，能够把粘连的细胞区分开，提高了分割的准确度。

可选地，所述边缘提取步骤包括：

灰度值计算步骤：计算所述子块的灰度方差和灰度均值；

分类步骤：分别将灰度方差和灰度均值与预设的第一阀值和第二阈值比较，将所述子块划分为前景类别、背景类别和同时包含前景和背景内容的类别；

边缘分割步骤：对于同时包含前景和背景内容的类别的子块，利用全局最大类间方差阈值对该子块进行边缘分割。

采用该方法，能够对基于图像的灰度快速地对子块进行分类，对于前景类别和背景类别的子块不必再分析，而是重点分析同时包含前景和背景内容的类别的子块。这样可以大大缩短图像分析的数据量，提高分析的速度。

可选地，在所述边缘分割步骤中：