基于改进SLIC算法的细胞图像分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113744241A(43)申请公布日2021.12.03(21)申请号202111029798.9(22)申请日2021.09.03(71)申请人安徽理工大学地址232001安徽省淮南市山南新区泰丰大街168号(72)发明人陈静谢鹏缪坤坤夏超(51)Int.Cl.G06T7/00(2017.01)G06T7/13(2017.01)G06T7/136(2017.01)G06T5/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书3页说明书4页附图1页(54)发明名称基于改进SLIC算法的细胞图像分割方法(57)摘要本发明新型涉及细胞图像分割领域；本发明在图像分割前进行预处理操作，通过高斯滤波、图像增强等预处理方法，平滑图像，凸显局部细节，便于后续图像分割。针对分割宫颈细胞图像易出现过分割、欠分割的问题，本发明先使用经典的图像分割方法获取目标区域细胞核轮廓，再采用精确分割方法获得精确的细胞核边界。通过对各种分割方法的比较研究，我们选取了分水岭算法与简单线性迭代算法(SLIC)结合的分割方法，SILC分割算法比较适合于边界模糊和拓扑结构复杂的图像分割，在细胞图像分割中能取得很好的效果，有助于获取精确的细胞核轮廓。CN113744241ACN113744241A权利要求书1/3页1.基于改进SLIC算法的细胞图像分割方法，其特征在于：包括步骤：S1：对图像进行预处理，对图像有用的真实信息进行恢复，增强需要处理和识别的信息，提高图像的质量，为下一步的图像分割打下基础。S2：对SLIC算法进行改进，利用改进的SLIC算法对预处理后的图像进行图像分割，得到分割的图像。2.根据权力要求1所述的基于改进SLIC算法的细胞图像分割，其特征在于：所述步骤S1包括步骤：S11:利用用维均值离散高斯函数的滤波器，即高斯滤波器是通过高斯核的二维的卷积算子对图像的中的像素点进行运算，来消除图像的噪声。二维高斯分布函数的表达式为：其中，x和y分别代表细胞像素点(x,y)的横坐标和纵坐标。σ代表高斯分布的标准差。采用二维高斯分布函数进行平滑滤波处理。S12：将经过高斯滤波后的图形的RGB空间转换到CIELab空间的图像。RGB彩色空间转化到CIELb空间的转换计算公式为：L＝0.2126007*R+1.715947*G+0.0722046*Ba＝0.3258962*R+0.4992496*G+0.1733409*B+128b＝0.121288*R+0.378561*G+0.5003738*B+128(2)3.根据权力要求1所述的基于改进SLIC算法的细胞图像分割，其特征在于：所述步骤S2包括步骤：S13：采用分水岭算法作为初次分割时的算法，经过分割得到的细胞核初始轮廓，将其外接矩形作为细胞精细分割的初始轮廓曲线。S14:对经过初分割的细胞核初始轮廓图像再通过采用改进的LBP‑SLIC分割方法进行二次分割，得到精细的细胞轮廓。4.根据权力要求3所述的基于改进SLIC算法的细胞图像分割，其特征在于：所述步骤S13包括步骤：S15:采用OPENCV库中的封装了基于标记的分水岭算法。使用一系列预定义的标记来知道图像分割的定义方式。使用基于标记的分水岭分割算法，需要输入一个带标记的图像，其像素为32位符号正数(CV_32S类型)，每个非零像素表示一个标签。其原理是标记图像中的一些像素以只是其所述的区域是已知的，枫树岭算法可以基于初始标签确定其他像素的区域。5.根据权力要求3所述的基于改进SLIC算法的细胞图像分割，其特征在于：所述步骤S14包括步骤：S16:通过无纹理偏移的LBP算法来提取纹理特征数据，无纹理偏移的LBO算法在避免了偏移的同时也削弱了图像中的纹理噪声。S17:将计算后的纹理特征值加入SLIC算法的欧式距离公式中，已达到增加纹理数据在运算中所占权重的木器，加强了该算法对细胞图像中的存在模糊边界的相应程度。6.根据权力要求5所述的基于改进SLIC算法的细胞图像分割，其特征在于：所述步骤2CN113744241A权利要求书2/3页S15包括步骤：S18:选择图像G的中心像素点为带你c，点P为中心像素点R邻域范围内的任意一点。则对应的点e的灰度值ge，计算图像中心带你的纹理信息值，计算公式如下；S19:LBP具有旋转不变模式性质，随机选取到达图像中心点c的P领域的顺序，会产生随机的一组数值，选取其中的极小值为中心点c的纹理信息LBP值。LBP值计算公式如下：LBPRP,R(C)＝min(ROR(LBPRP,R(c),i)),i＝1,2,3...p‑1(5)其中，ROR(x,i)为LBP的旋转函数，通过该函数，将任意值x转化为二进制数，