基于数学形态学的重叠细胞分离方法及比较研究

为克服在细胞图像自动判读过程中细胞重叠造成的图像分析的困难,需要将交叠在一起的细胞群分离为单个细胞。论文研究了重叠细胞图像分离的几种数学形态学方法,从理论和实验两方面分别讨论了各方法的原理、优缺点和适用性。     

基于数学形态学的重叠昆虫图像分离的研究

在实际的昆虫图像处理中,经常会碰到重叠现象。即多个昆虫聚集在一起,这给后续昆虫自动计数的结果的准确性产生一定的影响。因此需要对其进行有效的分离。论文以白粉虱图像为例,对其二值化后的图像,利用数学形态学方法中的腐蚀操作,达到将重叠昆虫有效分离的目的。为下一步昆虫图像的自动计数打下了良好的基础。文中主要讨论了算法的基本思想,并给出了实验结果。     

基于距离变换的粘连细胞分割方法

在医学细胞图像中,经常会有细胞重叠和粘连的现象。将粘连在一起的细胞群单个分开是医学细胞处理中一项重要而困难的问题。对这一情况,文章提出了一种有效的分割算法。先用最大类间方差法对图像进行二值化,然后对图像作距离变换,将像素点位置信息转化为灰度信息,再利用分水岭算法,找到粘连边界点,从而将细胞群分开。实验证明,该算法能成功地分离粘连细胞。     

基于边界剥离的细胞图象分离算法

细胞图象的自动判读中，经常遇到聚堆细胞的问题，因而需要采用一种有效的分离算法把它们分离为单个细胞，目前存在的大多数分离算法都要求聚堆细胞连接处的凹陷性比较明显，或者要求在细胞连接处存在局部最小灰度值，否则难以实现正确分离，为了解决这一问题，提出了一种基于边界剥离的分离算法，该算法首先对聚堆细胞区域进行层层剥离，然后根据剥离结果判断是否发生了细胞分裂，进而完成分离，这样就避免了对凹陷性及局部最小灰度值的要求，实验结果表明算法是有效的。     

粘连颗粒分割方法研究

颗粒图像的分割中,经常遇到颗粒粘连、重叠在一起的现象,需要将它们分离为单个颗粒目标。本文提出了一种基于灰度形态学重建的图像分割新算法,实验结果表明,该算法既能更有效地分割粘连颗粒,其应用于图像处理也有着较好的应用前景。     

一种改进的重叠细胞分离算法

在细胞图像识别中,经常会遇到细胞重叠的现象,需要有一种有效的方法将重叠在一起的细胞分离成单个的细胞。目前很多分离算法都是基于数学形态学的,但这些算法都存在着一定的局限性。为此,提出了一种改进的基于数学形态学的分离算法,该算法首先采用一种简单、快速的边界剥离方法得到距离变换结果,然后再用分水岭方法对细胞图像进行分离。实验结果表明,算法获得了较好的分离效果。     

基于模糊距离变换的颗粒图像分割方法

在颗粒图像中,经常存在颗粒重叠或者粘连现象。本文提出了一种新的图像分割方法。该方法首先对颗粒图像进行二值化,然后对图像作模糊距离变换得到模糊距离图,再利用分水岭算法将粘连或者部分重叠颗粒分离。实验证明,此法能够将粘连颗粒物图像有效分离。     

基于形态学约束的B-Snake模型的细胞图像自动分割方法

由于在细胞图像中经常出现细胞重叠的现象，从而给后续处理带来了困难，为了准确分离细胞，提出了一种自动分割方法，即首先使用一种可变腐蚀元的迭代腐蚀算法来产生改进的距离图，然后提出了受数学形态学约束的B样条活动轮廓模型，利用形态学方法初始化活动轮廓，最后通过该模型求出各细胞的准确边界。实验结果表明，该方法能有效地分离重叠细胞，并能准确定位细胞的完整边界。     

分水岭算法分割显微图像中重叠细胞

为实现医学临床显微图像自动快速分析,通过先将二值化后的图像进行距离变换,然后采用快速灰度重建算法重建距离变换后图像,最终用分水岭算法分割变换图像,有效地避免了为防止过分割而提取分水岭标记点过分依赖于图像先验知识的缺陷,实现自动探测目标细胞并分割重叠细胞,并使其适合于临床对算法速度的要求。将算法进行了C++程序实现,并应用于实际临床脱落细胞和病理免疫组化显微图像的自动分割。经过多幅不同疾病、不同背景的临床图像的分割验证,在光照均匀的情况下,该算法可以快速实现图像中细胞的提取以及粘连细胞的自动分割,完成一幅768×576图片的分割在AMD1600+的CPU上处理时间小于2 s,分割效果得到主任医师的认可,因此,该算法应用于临床细胞图像的分割是可行的。     

一种重叠红细胞图像的分离方法

细胞图像中经常出现重叠(或者粘连)现象,利用红细胞是近似圆形的这一先验知识,用粒度测量来获取红细胞半径R,对重叠区域轮廓上的每个非凹陷点,估计其所对应的圆心点,这些圆心点聚集成各个细胞的中心区域,对每一个中心区域,采用半径为R的圆形结构元进行一次膨胀操作,然后和原二值图像进行交集运算,将其结果作为对各个细胞形状的估计。实验结果表明,该方法能得到比较满意的分离效果,亦适用于其他近似圆形的细胞或者颗粒的重叠区域图像的分离。     

Splitting touching cells based on concave-point and improved watershed algorithms

Splitting touching cells is important for medical image processing and analysis system. In this paper, a novel strategy is proposed to separate ellipse-like or circle-like touching cells in which different algorithms are used according to the concave-point cases of touching domains. In the strategy, a concave-point extraction and contour segmentation methods for cells in series and in parallel are used for the images with distinct concave points, and an improved watershed algorithm with multi-scale gradient and distance transformation is adopted for the images with un-distinct or complex concave points. In order to visualize each whole cell, ellipse fitting is used to process the segments. Experimental results show that, for the cell images with distinct concave points, both of the two algorithms can achieve good separating results, but the concave-point based algorithm is more efficient. However, for the cell images with unobvious or complex concave points, the improved watershed based algorithm can give satisfying segmenting results.     

Splitting touching cells based on concave points and ellipse fitting

A new touching cells splitting algorithm based on concave points and ellipse fitting is proposed in this paper. The algorithm includes two parts: contour pre-processing and ellipse processing. The purpose of contour pre-processing is to smooth fluctuations of the contour, find concave points of the contour and divide the contour into different segments via the concave points. The purpose of ellipse processing is to process the different segments of the contour into possible single cells by using the properties of the fitted ellipses. Because concave points divide the whole contour of touching cells into different segments and different segments of one single cell have similar properties, the ellipse processing can separate the touching cells through ellipse fitting. This paper demonstrates a new way of using ellipse fitting to split the binary contour of touching cells. Experimental results show that our algorithm is efficient.     

基于流域算法的粘连颗粒图像分割

在分割颗粒图像中,经常会有颗粒重叠粘连,这给图像的后续分析处理带来了很大的麻烦。针对这一问题,提出了一种有效的基于流域分割算法的颗粒图像分析方法。该算法提出一种新的种子点选取方法,使得种子区域最大化,然后以种子区域为核心通过流域膨胀变换重建原图,当图像中所有像素点都重建完时,粘连颗粒图像的分割就完成了。文中主要叙述了算法的设计思想及实现,并给出了实验结果。实验表明该算法能有效改善因多种子点而引起的过分割现象,对形状不规则的颗粒也同样适用,能取得比较满意的分割效果。     

基于未标定彩色图像三维重建的立体匹配算法

提出了一种用于三维重建的未标定彩色图像立体匹配算法。针对Harris角点的聚簇现象,引入了限制因子来消除,通过采用精度较高的邻域彩色相关法进行匹配。针对相机平移旋转较小的情况,提出了利用抖率一致性剔除明显的误匹配,然后运用随机抽样算法估计基础矩阵,同时进一步剔除误匹配点对,最后用基础矩阵引导未匹配特征点进行匹配。实验表明,该算法用于三维重建,能够较好地恢复物体的结构,是一种有效的匹配算法。     

一种粘连血细胞图像分割新方法

提出一种基于血细胞近圆形特征的粘连血细胞分割方法。用形态学腐蚀得到距离图和图像的边缘,并利用灰度重建得到细胞的中心区域和圆心,在此基础上基于细胞圆形特征对细胞的边缘进行搜索,得到粘连细胞的分离点,从而求得分离线,完成对粘连血细胞的精确分割。实验表明,该分离方法是有效可行的。     

基于颜色特征和聚类的马氏距离图像分割法

给出了一种基于颜色特征和聚类的复杂彩图中进行目标图像分割的马氏距离算法.该方法利用目标的颜色进行图像分割.通过对彩图中的物体进行采样和分类,经过对每个像素点进行马氏距离计算和最小值寻找,将图像内的所有像素点进行归类,对目标图像与背景图像进行二值化分割,并对分类后含噪声的目标图像进行自适应滤波.设计了达到以上目的的人机交互式可视化计算机图像处理程序,对在水稻田中试验点上拍摄的水稻照片进行了分析处理,分离出了复杂背景下的水稻植株图像.实验结果表明,该算法能较好地解决复杂彩图中目标图像的分割问题.