細(xì)胞識別統(tǒng)計(jì)系統(tǒng)畢業(yè)設(shè)計(jì)

1、西安工業(yè)大學(xué)北方信息工程學(xué)院 本科畢業(yè)設(shè)計(jì)(論文)題目：基于VC+的細(xì)胞識 別統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)系 別： 電子信息系 專 業(yè)： 通信工程 班 級： B070310 學(xué) 生： 劉曉林 學(xué) 號： B07031009 指導(dǎo)教師： 程光偉 杜岳濤 2011年 5月畢業(yè)設(shè)計(jì)(論文)任務(wù)書系 別 電子信息系 專業(yè) 通信工程 班級 070310 姓名 劉曉林 學(xué)號 HYPERLINK javascript:;07031009 (論文)題目： 基于VC+的細(xì)胞識別統(tǒng)計(jì)系統(tǒng)設(shè)計(jì) 2.題目背景和意義：隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展,計(jì)算機(jī)技術(shù)在醫(yī)學(xué)中的應(yīng)用也越來越多,其中一個(gè)重要方面是對顯微鏡下血液細(xì)胞形態(tài)的自動(dòng)圖像識別。由

2、于圖像中細(xì)胞形態(tài)多樣、細(xì)胞常重疊、標(biāo)本制作時(shí)染色不好等原因,使細(xì)胞自動(dòng)圖像識別過程的關(guān)鍵圖像分割變得困難。又由于細(xì)胞種類較多,某些種類差別細(xì)微,因此對特征向量的選取和測定也提出了較高要求。開發(fā)出一個(gè)快速的細(xì)胞識別統(tǒng)計(jì)系統(tǒng),能方便迅捷的對實(shí)際血液細(xì)胞情況進(jìn)行分析,大大便利臨床醫(yī)學(xué)診斷. (論文)的主要內(nèi)容(理工科含技術(shù)指標(biāo))：系統(tǒng)是一個(gè)醫(yī)院中血液紅細(xì)胞計(jì)數(shù)的實(shí)用系統(tǒng)。它主要是以病人的血液樣本(玻璃切片)為原始數(shù)據(jù)，通過一系列的圖像處理和分析，最后識別出血液中的紅細(xì)胞來，同時(shí)給出紅細(xì)胞的個(gè)數(shù)，得到紅細(xì)胞個(gè)數(shù)之后，進(jìn)行檢測的血液量，就可以得出血液中紅細(xì)胞的密度。 主要技術(shù)指標(biāo)：(1)系統(tǒng)穩(wěn)定，要求至

3、少能無錯(cuò)運(yùn)行一個(gè)星期；(2)系統(tǒng)對細(xì)胞的計(jì)數(shù)誤差不得超過5%；(3)要求系統(tǒng)能處理一些比較特殊的情況，如細(xì)胞粘連，或多個(gè)細(xì)胞處于采集圖片的邊緣；(4)時(shí)間要求，系統(tǒng)最后得出細(xì)胞數(shù)目并計(jì)算出細(xì)胞密度，時(shí)間不超過20s；(5)界面簡單，容易操作。 (含起始時(shí)間、設(shè)計(jì)地點(diǎn))： 11-3周，完成設(shè)計(jì)資料的收集、整理、文獻(xiàn)翻譯等前期工作和開題報(bào)告； 247周，完成細(xì)胞識別統(tǒng)計(jì)的理論準(zhǔn)備，并通過matlab進(jìn)行仿真實(shí)現(xiàn)，編寫VC+源程序初版，與matlab進(jìn)行分析對比； 3810周，對源程序初版進(jìn)行修改并測試，按照技術(shù)指標(biāo)完成所需的圖像處理結(jié)果； 41112周，完成整個(gè)系統(tǒng)架構(gòu)的搭建及編寫圖形用戶界面程序

4、； 51314周，完成畢業(yè)設(shè)計(jì)論文的撰寫； (論文)的工作量要求 實(shí)驗(yàn)(時(shí)數(shù))*或?qū)嵙?xí)(天數(shù))： 400學(xué)時(shí) 圖紙(幅面和張數(shù))*： 其他要求： 1.5-2萬字的畢業(yè)論文，5000字左右的外文資料翻譯 指導(dǎo)教師簽名： 年 月 日 學(xué)生簽名： 年 月 日 系主任審批： 年 月 日基于VC+的細(xì)胞識別統(tǒng)計(jì)系統(tǒng)設(shè)計(jì)摘 要在過去的十年里，需要存儲、傳輸和處理的信息數(shù)量成指數(shù)級數(shù)地增加。這主要?dú)w因于兩項(xiàng)技術(shù)的發(fā)展。一是多媒體系統(tǒng)在眾多領(lǐng)域的應(yīng)用，過去的計(jì)算機(jī)只能處理數(shù)字和文本信息現(xiàn)在卻已代之以聲音、圖片、影像；另一項(xiàng)是INTERNET的大發(fā)展，它使信息能被許多人共享。正是由于這些原因，計(jì)算機(jī)醫(yī)療、遠(yuǎn)程醫(yī)

5、療服務(wù)因?yàn)槠涞目焖?、便捷，正被越來越多的醫(yī)療機(jī)構(gòu)所采用。這也就要求我們采用更先進(jìn)的圖像處理技術(shù)和更適合網(wǎng)絡(luò)傳輸?shù)膱D像格式。本文的目的是設(shè)計(jì)紅細(xì)胞識別統(tǒng)計(jì)系統(tǒng)，檢測血液中紅細(xì)胞的密度。采用，處理由高倍放大鏡采集到的血液切片照片，并將照片根據(jù)需要轉(zhuǎn)換成更適合網(wǎng)絡(luò)傳輸?shù)膱D片格式。綜合運(yùn)用圖像平滑、閾值處理、孔洞填充以及圖像腐蝕等圖像處理技術(shù)，識別出血液中的紅細(xì)胞，并統(tǒng)計(jì)其個(gè)數(shù)。對圖像就行平滑處理后，再綜合運(yùn)用閾值處理、孔洞填充以及圖像腐蝕等技術(shù)對圖片就行處理，使圖片便于以后的后續(xù)處理，最終使用遞歸算法對細(xì)胞個(gè)數(shù)進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)出需要的數(shù)據(jù)，給出科學(xué)的依據(jù)，方便應(yīng)用于臨床醫(yī)學(xué)的研究和對病人情況的參考。關(guān)

6、鍵詞：圖像處理；圖像平滑；閾值處理；孔洞填充；圖像腐蝕；visual c+Design of a Erythrocyte Recognition and Statistics System Based on VC+AbstractIn the past decade, the need to store, transmit and process information to increase the number of exponential series. This is mainly due to the development of two technologies. First, t

7、he applications of multimedia systems in many fields, In the past, the computer can only deal with numbers and text messages, but now, they are already replaced by the sound, picture, image; the other is the great development of internet, it makes information be shared by a lot of people. It is for

8、these reasons, computer health, telemedicine services are increasingly being used by medical institutions because it is fast and convenient. This also requires us to use more advanced image processing technology and more suitable image format for network transmission. The purpose of this statistical

9、 system is designed to identify red blood cells ,then to detect the density of red blood cells in the blood. Using VC + +6.0, processed the blood photographs and pictures collected by high-powered magnifying glass as needed,then convert the picture to the format more suitable for network transmissio

10、n . Using image smoothing, threes holding, hole filling and image corrosion technology , identify the red blood cells, and the number of statistics.First, smoothing the image, then using threes holding hole filling and image corrosion technology to process the pictures on-line, make the image easy f

11、or later follow-up treatment. The final number of cells using recursive algorithm for statistical, gives a scientific basis, easily used in clinical research and patient reference.Key Words: Image Processing; image smoothing; threes holding; hole filling; image corrosion; VC+6.0目 錄 TOC o 1-3 h z u H

12、YPERLINK l _Toc2936912831 緒論 PAGEREF _Toc293691283 h 1HYPERLINK l _Toc293691284概述 PAGEREF _Toc293691284 h 1HYPERLINK l _Toc293691285課題的背景和國內(nèi)外相關(guān)研究 PAGEREF _Toc293691285 h 1HYPERLINK l _Toc293691286課題研究主要內(nèi)容2HYPERLINK l _Toc2936912881.4本課題重點(diǎn)及難點(diǎn)2HYPERLINK l _Toc2936912891.4.1本課題研究的重點(diǎn)2HYPERLINK l _Toc293

13、6912901.4.2本課題研究的難點(diǎn)2HYPERLINK l _Toc2936912871.5本設(shè)計(jì)的結(jié)構(gòu)安排2HYPERLINK l _Toc2936912912 數(shù)字圖像處理簡介 PAGEREF _Toc293691291 h 4HYPERLINK l _Toc293691292圖像的基本概念 PAGEREF _Toc293691292 h 4HYPERLINK l _Toc293691293圖像的定義 PAGEREF _Toc293691293 h 4HYPERLINK l _Toc293691294圖像的表示 PAGEREF _Toc293691294 h 4HYPERLINK l

14、_Toc293691295圖像的分類 PAGEREF _Toc293691295 h 4HYPERLINK l _Toc293691296數(shù)字圖像的描述4HYPERLINK l _Toc293691297數(shù)字圖像處理內(nèi)容5HYPERLINK l _Toc293691298圖像變換5HYPERLINK l _Toc293691299圖像增強(qiáng) PAGEREF _Toc293691299 h 6HYPERLINK l _Toc293691300圖像恢復(fù) PAGEREF _Toc293691300 h 6HYPERLINK l _Toc293691301圖像壓縮6HYPERLINK l _Toc293

15、691302圖像分割 PAGEREF _Toc293691302 h 7HYPERLINK l _Toc293691303圖像描述7HYPERLINK l _Toc293691304圖像分類(識別)7HYPERLINK l _Toc2936913053 細(xì)胞圖像識別統(tǒng)計(jì)系統(tǒng)8HYPERLINK l _Toc293691306血液細(xì)胞識別與統(tǒng)計(jì)系統(tǒng)8HYPERLINK l _Toc293691307系統(tǒng)模型及識別流程圖8HYPERLINK l _Toc293691308系統(tǒng)中圖像圖形變換的算法與應(yīng)用9HYPERLINK l _Toc293691309血液圖像的平滑9HYPERLINK l _To

16、c293691310血液圖像的二值化10HYPERLINK l _Toc293691311孔洞填充的目的及其方法 PAGEREF _Toc293691311 h 12HYPERLINK l _Toc293691312利用梯度信息進(jìn)行修正 PAGEREF _Toc293691312 h 13HYPERLINK l _Toc293691313用腐蝕法去噪聲 PAGEREF _Toc293691313 h 14HYPERLINK l _Toc293691314細(xì)化與骨架抽取 PAGEREF _Toc293691314 h 15HYPERLINK l _Toc2936913163.3.7初步處理后的圖

17、像修正 PAGEREF _Toc293691316 h 17HYPERLINK l _Toc293691316應(yīng)用中心點(diǎn)標(biāo)注完成數(shù)量統(tǒng)計(jì) PAGEREF _Toc293691316 h 18HYPERLINK l _Toc293691317 VC+環(huán)境下細(xì)胞識別統(tǒng)計(jì)的程序?qū)崿F(xiàn)19HYPERLINK l _Toc2936913184 BMP圖像文件 PAGEREF _Toc293691318 h 21HYPERLINK l _Toc293691319 BMP圖像文件結(jié)構(gòu) PAGEREF _Toc293691319 h 21HYPERLINK l _Toc293691320 BMP圖像文件的讀取與

18、顯示 PAGEREF _Toc293691320 h 22HYPERLINK l _Toc293691321 BMP圖像顯示效果 PAGEREF _Toc293691321 h 25HYPERLINK l _Toc2936913225 軟件設(shè)計(jì)調(diào)試 PAGEREF _Toc293691322 h 26HYPERLINK l _Toc293691323圖像處理初始程序界面 PAGEREF _Toc293691323 h 26HYPERLINK l _Toc293691324閾值選取后的圖像界面 PAGEREF _Toc293691324 h 26HYPERLINK l _Toc293691325

19、經(jīng)過閾值HSI選取后的圖像 PAGEREF _Toc293691325 h 27HYPERLINK l _Toc293691326查找中心點(diǎn)后的圖像 PAGEREF _Toc293691326 h 28HYPERLINK l _Toc293691327利用Sobel信息修正前后的圖像對比28HYPERLINK l _Toc293691328填充孔洞后的圖像29HYPERLINK l _Toc293691329腐蝕后的圖像30HYPERLINK l _Toc293691330膨脹后的圖像 PAGEREF _Toc293691330 h 30HYPERLINK l _Toc293691331再次平

20、滑后的圖像 PAGEREF _Toc293691331 h 31HYPERLINK l _Toc293691332得出統(tǒng)計(jì)信息 PAGEREF _Toc293691332 h 31HYPERLINK l _Toc2936913336 總結(jié)與展望 PAGEREF _Toc293691333 h 33HYPERLINK l _Toc293691330 PAGEREF _Toc293691330 h 33HYPERLINK l _Toc293691331 PAGEREF _Toc293691331 h 33HYPERLINK l _Toc293691334參考文獻(xiàn) PAGEREF _Toc29369

21、1334 h 35HYPERLINK l _Toc293691335致 謝 PAGEREF _Toc293691335 h 36HYPERLINK l _Toc293691336畢業(yè)設(shè)計(jì)(論文)知識產(chǎn)權(quán)聲明37HYPERLINK l _Toc293691337畢業(yè)設(shè)計(jì)(論文)獨(dú)創(chuàng)性聲明38附錄391 緒論概述通過血細(xì)胞分析檢測儀器可以提供多種醫(yī)學(xué)數(shù)據(jù)，但眾多專家認(rèn)為，血涂片細(xì)胞形態(tài)學(xué)檢查是觀察血液病的一個(gè)極其重要、無法替代、必不可少的檢查手段。沒有血涂片細(xì)胞形態(tài)學(xué)的檢查，很多血液系統(tǒng)的疾病難以確診。如對一些貧血的鑒別診斷往往只能通過血涂片檢查確定其形態(tài)學(xué)異常。然而,人工操作存在幾個(gè)問題：(1)

22、效率低下；(2)人的主觀因素導(dǎo)致的判斷不一；(3)因持續(xù)工作視覺疲勞導(dǎo)致的錯(cuò)誤判斷等等。隨著計(jì)算機(jī)圖像處理與模式識別技術(shù)的發(fā)展，對血細(xì)胞顯微圖像實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)分析識別，在技術(shù)上是可行的。與人工分析方式相比，既提高了工作效率，又增強(qiáng)了分析的客觀性和正確性。傳統(tǒng)的計(jì)算機(jī)只能處理文字、數(shù)字或是簡單的圖形。近年來，隨著計(jì)算機(jī)硬件技術(shù)的飛速發(fā)展和更新，計(jì)算機(jī)處理圖形圖像的能力大大增強(qiáng)。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)技術(shù)在醫(yī)學(xué)中的應(yīng)用也越來越多，其中一個(gè)重要方面是對顯微鏡下血液細(xì)胞形態(tài)的自動(dòng)圖像識別。紅細(xì)胞識別統(tǒng)計(jì)系統(tǒng)主要用于血液檢測，當(dāng)掃描到病人的血液切片時(shí)，系統(tǒng)會(huì)自動(dòng)對高倍放大的血液視圖進(jìn)行圖像采集

23、，將提取到的原始數(shù)據(jù)保存為圖像文件。然后通過一系列的圖像處理和分析，識別出血液中的紅細(xì)胞并統(tǒng)計(jì)其個(gè)數(shù)，最后得出紅細(xì)胞的密度，快速地為醫(yī)院臨床診斷提供依據(jù)。課題的背景和國內(nèi)外相關(guān)研究隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)技術(shù)在醫(yī)學(xué)中的應(yīng)用也越來越多，其中一個(gè)重要方面是對顯微鏡下血液細(xì)胞形態(tài)的自動(dòng)圖像識別。由于圖像中細(xì)胞形態(tài)多樣、細(xì)胞常重疊、標(biāo)本制作時(shí)染色不好等原因，使細(xì)胞自動(dòng)圖像識別過程的關(guān)鍵圖像分割變得困難。又由于細(xì)胞種類較多，某些種類差別細(xì)微，因此對特征向量的選取和測定也提出了較高要求。在過去的十年里，需要存儲、傳輸和處理的信息數(shù)量成指數(shù)級數(shù)地增加。這主要?dú)w因于兩項(xiàng)技術(shù)的發(fā)展。一是多媒體系統(tǒng)在眾多

24、領(lǐng)域的應(yīng)用，過去的計(jì)算機(jī)只能處理數(shù)字和文本信息現(xiàn)在卻已代之以聲音、圖片、影像；另一項(xiàng)是INTERNET的大發(fā)展，它使信息能被許多人共享。正是由于這些原因，計(jì)算機(jī)醫(yī)療、遠(yuǎn)程醫(yī)療服務(wù)因?yàn)槠涞目焖?、便捷，正被越來越多的醫(yī)療機(jī)構(gòu)所采用。這也就要求我們采用更先進(jìn)的圖像處理技術(shù)和更適合網(wǎng)絡(luò)傳輸?shù)膱D像格式。本文介紹的是一個(gè)基于環(huán)境的血液細(xì)胞圖片處理系統(tǒng)。這個(gè)系統(tǒng)可以處理由高倍放大鏡采集到的血液切片照片，并將照片根據(jù)需要轉(zhuǎn)換成更適合網(wǎng)絡(luò)傳輸?shù)膱D片格式。該系統(tǒng)可以方便地應(yīng)用于臨床醫(yī)學(xué)診斷和網(wǎng)絡(luò)遠(yuǎn)程醫(yī)學(xué)診斷上。關(guān)于此課題，國內(nèi)外相關(guān)學(xué)者已做了比較廣泛的研究，并已提出了一些細(xì)胞圖像分割方法，如經(jīng)典的Snakes算法

25、、基于邊界方法檢測算子、基于紋理或顆粒度的分割方法，此外還有其他圖像分割的方法，或區(qū)域方法或邊界方法，但這些方法對血細(xì)胞圖像的分割都沒有達(dá)到一個(gè)較理想的效果。由于細(xì)胞圖像分割的困難和血細(xì)胞某些種類差別的細(xì)微，使得對所有細(xì)胞實(shí)現(xiàn)自動(dòng)識別在當(dāng)前還是一個(gè)難題。目前，國內(nèi)尚未見此類系統(tǒng)投入臨床使用的報(bào)告。1.3課題研究主要內(nèi)容本課題研究的系統(tǒng)是一個(gè)醫(yī)院中血液紅細(xì)胞計(jì)數(shù)的實(shí)用系統(tǒng)。它主要是以病人的血液樣本(玻璃切片)為原始數(shù)據(jù)，通過一系列的圖像處理和分析，最后識別出血液中的紅細(xì)胞來，同時(shí)給出紅細(xì)胞的個(gè)數(shù)，得到紅細(xì)胞個(gè)數(shù)之后，進(jìn)行檢測的血液量，就可以得出血液中紅細(xì)胞的密度。 主要技術(shù)指標(biāo)：(1)系統(tǒng)穩(wěn)定，

26、要求至少能無錯(cuò)運(yùn)行一個(gè)星期；(2)系統(tǒng)對細(xì)胞的計(jì)數(shù)誤差不得超過5%；(3)要求系統(tǒng)能處理一些比較特殊的情況，如細(xì)胞粘連，或多個(gè)細(xì)胞處于采集圖片的邊緣；(4)時(shí)間要求，系統(tǒng)最后得出細(xì)胞數(shù)目并計(jì)算出細(xì)胞密度，時(shí)間不超過20s；(5)界面簡單，容易操作。 1.4本課題重點(diǎn)及難點(diǎn)1.4.1本課題研究的重點(diǎn)(1) 圖像處理技術(shù)在VC+6.0環(huán)境下的處理編程實(shí)現(xiàn);(2) 閥值的選取；如果選擇不當(dāng)，可能出現(xiàn)雜質(zhì)保留過多或者出現(xiàn)半個(gè)細(xì)胞等現(xiàn)象，會(huì)給后續(xù)的圖像處理帶來很多困難。(3) 腐蝕次數(shù)的選擇。1.4.2本課題研究的難點(diǎn)圖像的定位分割。由于提取的圖像邊界、輪廓模糊，就要用到銳化處理，又由于圖像中噪聲的影響

27、，進(jìn)而要用到圖像的平滑處理，從而結(jié)合邊緣提取算法和字符識別算法編寫出圖形用戶界面程序構(gòu)成一個(gè)完整算法程序?qū)崿F(xiàn)則是研究的難點(diǎn)所在。本設(shè)計(jì)的結(jié)構(gòu)安排(1) 緒論部分：介紹目前細(xì)胞識別統(tǒng)計(jì)技術(shù)的研究背景、發(fā)展水平及課題的研究意義；了解本設(shè)計(jì)所涉及的主要內(nèi)容、能實(shí)現(xiàn)的功能以及重要的技術(shù)指標(biāo)；對課題的目的明確。(2) 構(gòu)建軟件環(huán)境：熟悉有關(guān)本設(shè)計(jì)要用到的軟件和有關(guān)圖像處理技術(shù)的有關(guān)知識，對圖像的格式轉(zhuǎn)換有一定的了解，掌握本課題所用到的圖片格式，方便設(shè)計(jì)的進(jìn)行。(3) BMP圖像文件：對設(shè)計(jì)中采用的BMP格式的文件有所了解；(4) 圖像處理：對圖像進(jìn)行平滑處理、腐蝕、孔洞填充、邊緣檢測等處理，利用軟件設(shè)計(jì)

28、并且實(shí)現(xiàn)系統(tǒng)中對細(xì)胞圖像的各種處理功能。(5) 統(tǒng)計(jì)：對處理過的細(xì)胞圖像分析，統(tǒng)計(jì)出圖像中紅細(xì)胞的個(gè)數(shù)以及密度。(6) 總結(jié)：對本次設(shè)計(jì)做一個(gè)系統(tǒng)的總結(jié)。2 數(shù)字圖像處理簡介隨著科學(xué)技術(shù)的發(fā)展，數(shù)字圖像處理技術(shù)得到了空前的發(fā)展，被廣泛應(yīng)用于 眾多的科學(xué)與工程領(lǐng)域?？梢哉f人們生產(chǎn)、工作和生活方式的方方面面都離不開數(shù)字圖像處理技術(shù)。圖像的基本概念圖像的定義信號是信息的載體。更一般的意義上說，信號可以視為是指標(biāo)空間 dD 到 值空間 uU 的映射 f，而圖像則可以定義為一個(gè)映射，其值空間為亮度(包括顏色)，其指標(biāo)空間由位置、時(shí)間、波長等組成。 圖像的表示二維圖像可以用二維亮度函數(shù)來表示。由于光是能量

29、的一種表現(xiàn)形式，所以 圖像的亮度可以表示為 I = f ( x, y )，式中 I 為圖像的亮度， ( x, y ) 是坐標(biāo)，顯然 0 f ( x, y ) +。光學(xué)圖像一般是由物體表面反射的光形成的。雖然投射光也可以形成圖像，但是沒有特別說明時(shí)，一般指反射光形成的圖像。f ( x, y ) 可以看成是由所看到的景物上入射光量及物體對光的反射系數(shù)共同確定的。如果用 i ( x, y ) 表示入射分量，用 r ( x, y ) 來表示反射系數(shù)，那么 I = f ( x, y ) = i ( x, y ) ? r ( x, y ) ， 其中 0 i ( x, y ) +， 0 r ( x, y )

30、 1 。全吸收時(shí)，r為0；全反射時(shí)r為1。這里i ( x, y )是由光源的性質(zhì)來決定的，而 r ( x, y ) 取決于被照的物體。 圖像的分類(1)根據(jù)指標(biāo)空間D中元素d的連續(xù)與離散性可以分為連續(xù)圖像和離散圖 像。 (2)根據(jù)與時(shí)間有無關(guān)系可以分為靜止圖像和運(yùn)動(dòng)圖像。 (3)根據(jù)有無顏色信息可以分為灰度圖像和彩色圖像。 (4)根據(jù)光譜的波長參數(shù)可以分為全光譜圖像、多光譜圖像和超光譜圖像。(5)根據(jù)景物的投影域可以分為平面圖像和立體圖像。數(shù)字圖像的描述由于計(jì)算機(jī)僅能處理離散的數(shù)據(jù)，所以如果要計(jì)算機(jī)來處理圖像，連續(xù)的圖 像函數(shù)必須轉(zhuǎn)化為離散的數(shù)據(jù)集，這一過程叫做圖像采集。圖像采集由圖像采集 系

31、統(tǒng)完成，如圖所示。圖像采集系統(tǒng)包括三個(gè)基本單元，即成像系統(tǒng)、采樣系統(tǒng)和量化器。采樣實(shí)際上就是一個(gè)空間坐標(biāo)的量化過程，量化則是對圖像函數(shù)值的離散化過程。采樣和量化系統(tǒng)統(tǒng)稱為數(shù)字化。成像系統(tǒng)采樣系統(tǒng)量化器 圖2.1 圖像采集系統(tǒng)數(shù)字圖像是連續(xù)圖像 f ( x, y ) 的一種近似表示，通常由采樣點(diǎn)的值所組成的 矩陣來表示：f(0,0)f(0,1)f(1,0)f(1,1)f(n-1,0）f(n-1,1) f(0,m-1)f(1,m-1)f(n-1,m-1)每個(gè)采樣點(diǎn)叫做一個(gè)像素(pixel)。上式中，m，n 分別為數(shù)字圖像在橫、縱 方向上的像素?cái)?shù)。在計(jì)算機(jī)中通常采用二維數(shù)組來表示數(shù)字圖像的矩陣。 把

32、像素按不同的方式進(jìn)行組織或存儲，就得到不同的圖像格式，把圖像數(shù)據(jù) 存成文件就得到圖像文件。在Windows系統(tǒng)中，最常用的圖像格式是位圖格式，其文件名以BMP為擴(kuò)展名。圖像數(shù)字化的精度包括兩個(gè)部分，即分辨率和顏色深度。分辨率是指圖像數(shù)字化的空間精細(xì)度，有顯示分辨率和圖像分辨率兩種不同的分辨率。圖像分辨率實(shí)質(zhì)是數(shù)字化圖像時(shí)劃分的圖像的像素密度，即單位長度內(nèi)的像素?cái)?shù)，其單位是每英寸的點(diǎn)數(shù)DPI(Dots per Inch)。顯示分辨率則是把數(shù)字圖像在輸出設(shè)備(如顯示器或打印機(jī))上能夠顯示的像素?cái)?shù)目和所顯示像素之間的點(diǎn)距。圖像分辨率說明了數(shù)字圖像的實(shí)際精細(xì)度，顯示分辨率說明了數(shù)字圖像的表現(xiàn)精細(xì)度。具

33、有不同的圖像分辨率的數(shù)字圖像在同一設(shè)備上的顯示分辨率相同。顯示器是常見的圖像輸出設(shè)備，現(xiàn)在常見的顯示器的分辨率一般可達(dá)1024768，點(diǎn)距為。數(shù)字圖像處理內(nèi)容圖像變換由于圖像陣列很大，直接在空間域中進(jìn)行處理，涉及計(jì)算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術(shù)，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計(jì)算量，而且可獲得更有效的處理(如傅立葉變換可在頻域中進(jìn)行數(shù)字濾波處理)。目前新興研究的小波變換在時(shí)域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應(yīng)用。圖像增強(qiáng)突出圖像中感興趣信息、削弱不感興趣的信息，改變圖像的視覺效果和質(zhì)量

34、的處理方法，其目的是為了使處理的結(jié)果更適合與人類視覺觀察判斷或機(jī)器識別分析，從而提高圖像的使用價(jià)值。圖像增強(qiáng)技術(shù)主要包括灰度對比度變換、直方圖修正、圖像平滑、圖像銳化及彩色增強(qiáng)處理等。圖像增強(qiáng)可以采用單一方法，也可以采用幾種方法聯(lián)合處理，以獲得期望的增強(qiáng)效果。圖像增強(qiáng)技術(shù)可以分為空域處理變換域處理?？沼蛱幚碇苯訉D像的像素灰度進(jìn)行調(diào)整。圖像的對比度增強(qiáng)，灰度層次改善等處理方法均屬于空域法處理?？沼蛱幚碛挚煞譃辄c(diǎn)運(yùn)算和局部運(yùn)算。輸出結(jié)果僅與當(dāng)前點(diǎn)有關(guān)的處理方法稱為點(diǎn)運(yùn)算，而輸出結(jié)果與當(dāng)前點(diǎn)鄰域內(nèi)多個(gè)像素相關(guān)的處理方法稱為局部運(yùn)算。 應(yīng)該明確的是，圖像增強(qiáng)處理并不能增加原始圖像信息，只能增強(qiáng)人或機(jī)

35、器對某種信息的辨別能力。圖像增強(qiáng)處理有可能造成某些信息的損失。一般說來，一部分圖像信息的增強(qiáng)往往要以另外一部分圖像的信息的削弱為代價(jià)。 圖像恢復(fù)圖像在形成、記錄、處理和傳輸過程中，由于成像系統(tǒng)、記錄設(shè)備、傳輸介質(zhì)和處理方法的不完善，從而導(dǎo)致圖像質(zhì)量下降，這一過程稱為圖像退化。圖像恢復(fù)的任務(wù)是使退化的圖像消除或降低退化因素，以保真度為準(zhǔn)則，盡可能地恢復(fù)原來的圖像。圖像增強(qiáng)和圖像恢復(fù)都是為了改善圖像質(zhì)量。前者是以犧牲不感興趣信息的質(zhì)量為代價(jià)來提高感興趣信息的質(zhì)量，后者是以保真度為前提來改善圖像質(zhì)量。一般說來，圖像增強(qiáng)是一個(gè)主觀的過程，即增強(qiáng)的內(nèi)容、增強(qiáng)的效果的評判都由主觀決定。而圖像恢復(fù)不僅根據(jù)人

36、的主觀感受來判斷，還常常要根據(jù)一些客觀退化過程的先驗(yàn)知識將其模型化，并采用相反的過程進(jìn)行處理，以便重建或恢復(fù)出原來圖像。例如，銳化是圖像增強(qiáng)過程，而通過去模糊函數(shù)去除圖像模糊則是圖像恢復(fù)技術(shù)。造成圖像質(zhì)量退化的因素包括光學(xué)系統(tǒng)的像差和畸變、光學(xué)成像衍射、成像系統(tǒng)的非線性、成像過程的相對運(yùn)動(dòng)、大氣的湍流的擾動(dòng)效應(yīng)、系統(tǒng)噪聲等。圖像的退化可以理解為在空間頻率譜上的畸變，因此圖像恢復(fù)過程將包含對退化圖像譜的調(diào)制，這可以通過空間濾波器或使用圖像生成過程中的點(diǎn)擴(kuò)展函數(shù)對圖像進(jìn)行卷積來實(shí)現(xiàn)。 圖像壓縮 數(shù)字圖像是用點(diǎn)陣表示并且是用圖像文件的形式存放的。通常，圖像文件都是大型文件，而在實(shí)際應(yīng)用中，常常需要傳

37、遞和交換圖像文件，因此，需要設(shè)法把大型圖像文件進(jìn)行壓縮，以減少存儲、傳輸和處理的時(shí)間，節(jié)省存儲資源和網(wǎng)絡(luò)資源。圖像壓縮的可能性在于，首先，圖像數(shù)據(jù)存在著較強(qiáng)的相關(guān)性，圖像內(nèi)部鄰近像素以及視頻序列中相鄰幀對應(yīng)像素的灰度相同或相近， 即含有大量的冗余信息。去除這些冗余就可以減少數(shù)據(jù)量。其次，圖像的最終接收端往往是人們的視覺系統(tǒng)，它的感知或敏感范圍有限。再次，圖像的記錄和顯示設(shè)備接收信息量的程度也受本身的限制。最后，在許多實(shí)際應(yīng)用中，只需保留部分有用的特征信息。 圖像壓縮就是要盡可能去除其中的冗余，以減少表示一個(gè)圖像所需的數(shù)據(jù) 量。從數(shù)學(xué)的觀點(diǎn)看，圖像壓縮實(shí)際上就是將一個(gè)二維的數(shù)據(jù)陣列變換為一個(gè)在

38、統(tǒng)計(jì)上無關(guān)的數(shù)據(jù)集合。圖像冗余一般有：空間冗余、時(shí)間冗余、信息熵冗余、 結(jié)構(gòu)冗余、知識冗余、視覺冗余等。 圖像分割 為了進(jìn)行圖像的分析或識別，往往需要先將圖像劃分成若干個(gè)有意義的區(qū) 域。 圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過 程。這里特性可以使灰度、顏色、紋理或輪廓等，目標(biāo)可以對應(yīng)單個(gè)區(qū)域，也可以對應(yīng)多個(gè)區(qū)域。 圖像分割使計(jì)算機(jī)圖像處理的一個(gè)基本問題， 是進(jìn)行許多后續(xù)圖像分析任務(wù)的先行步驟。圖像識別、圖像的可視化和基于目標(biāo)的圖像壓縮都高度依賴于圖像分割的結(jié)果。因此，圖像分割一直得到人們的高度重視，提出了很多分割方法。然而，圖像分割問題仍然是圖像處理中的一個(gè)瓶頸，這

39、是因?yàn)?，我們只能用圖像信息中某些局部特征去分割區(qū)域，因此各種分割方法必然帶有局限性。圖像描述圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進(jìn)行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。 圖像分類圖像分類(識別)屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預(yù)處理(增強(qiáng)、復(fù)原、壓縮后，進(jìn)行圖像分割和特征提取，從而進(jìn)行判決分類。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計(jì)模式分類和句法(結(jié)構(gòu))

40、模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡(luò)模式分類在圖像識別中也越來越受到重視。3 細(xì)胞圖像識別統(tǒng)計(jì)系統(tǒng)3.1血液細(xì)胞識別與統(tǒng)計(jì)系統(tǒng)本系統(tǒng)是一個(gè)醫(yī)院中血液紅細(xì)胞計(jì)數(shù)的實(shí)用系統(tǒng)。它主要是以病人的血液樣本(玻璃切片)為原始數(shù)據(jù)，通過一系列的圖像處理和分析，最后識別出血液中的紅細(xì)胞來，同時(shí)給出紅細(xì)胞的個(gè)數(shù)，得到紅細(xì)胞個(gè)數(shù)之后，進(jìn)行檢測的血液量，就可以得出血液中紅細(xì)胞的密度。 主要技術(shù)指標(biāo)：(1)系統(tǒng)穩(wěn)定，要求至少能無錯(cuò)運(yùn)行一個(gè)星期；(2)系統(tǒng)對細(xì)胞的計(jì)數(shù)誤差不得超過5%；(3)要求系統(tǒng)能處理一些比較特殊的情況，如細(xì)胞粘連，或多個(gè)細(xì)胞處于采集圖片的邊緣；(4)時(shí)間要求，系統(tǒng)最后得出細(xì)胞數(shù)目

41、并計(jì)算出細(xì)胞密度，時(shí)間不超過20s；(5)界面簡單，容易操作。 3.2系統(tǒng)模型及識別流程圖紅細(xì)胞識別統(tǒng)計(jì)系統(tǒng)的硬件部分主要包括:高倍放大鏡、圖像采集卡、攝像頭和高檔微機(jī);軟件部分則采用開發(fā)后臺圖像處理的各個(gè)模塊。本課題擬采用圖像分析和圖像處理技術(shù)，在環(huán)境下編寫一套程序?qū)ο嚓P(guān)圖像進(jìn)行處理以達(dá)到細(xì)胞統(tǒng)計(jì)的目的，綜合運(yùn)用圖像平滑、闕值處理、孔洞填充、邊緣檢測、圖像腐蝕等技術(shù)，最終達(dá)到預(yù)期目的。系統(tǒng)主要由以下3個(gè)部分組成：圖像輸入、圖像處理、數(shù)量統(tǒng)計(jì)。結(jié)構(gòu)如圖3.1所示。圖像輸入圖像處理數(shù)量統(tǒng)計(jì)圖3.1 細(xì)胞識別統(tǒng)計(jì)系統(tǒng)模型在系統(tǒng)圖像處理的過程中，主要用到了以下的技術(shù)：圖像平滑、腐蝕、直方圖閾值處理、

42、剃度修正、細(xì)化、HIS系統(tǒng)模型等。系統(tǒng)處理的流程圖如圖3.2所示。源圖像平滑HSI選取閾值直方圖閾值處理填充孔洞腐蝕去除噪聲利用梯度信息進(jìn)行修正細(xì)化同時(shí)算出半徑修正（其它法）數(shù)量統(tǒng)計(jì)（中心點(diǎn)，無中心點(diǎn)）圖3.2 細(xì)胞統(tǒng)計(jì)識別系統(tǒng)流程圖3.3系統(tǒng)中圖像圖形變換的算法與應(yīng)用3血液圖像的平滑圖像平滑的目的是盡量減少或消除噪聲的影響，改善圖像質(zhì)量。實(shí)現(xiàn)圖像平滑的方法有很多，比如領(lǐng)域像素的加權(quán)平均、用高斯濾波、中值波等。一般視具體的情況選取最合適的一種。公式3.1是兩個(gè)加權(quán)平均常用的算子。高斯濾波的本質(zhì)也是加權(quán)濾波，只是濾波用的算子是由高斯公式計(jì)算得到的。中值濾波則是把原圖像中一定領(lǐng)域內(nèi)的像素值大小居中

43、的點(diǎn)像素作為新圖像中對應(yīng)點(diǎn)的像素。它的好處是既可以消除噪聲又不破壞圖像的邊緣。在本統(tǒng)實(shí)現(xiàn)中，采用的是中值濾波，而且還要利用圖像的邊緣進(jìn)行梯度運(yùn)算。 (3.1)圖像平滑處理前、后的圖像如圖3.3所示。在平滑處理過后，細(xì)胞圖象的邊緣會(huì)變得模糊，但噪聲卻明顯減少，對于邊緣后續(xù)會(huì)有相關(guān)處理。 處理前的圖像 處理后的圖像圖3.3 圖像平滑處理效果3血液圖像的二值化在系統(tǒng)中我們采用了兩種方法進(jìn)行圖像的二值化，結(jié)果發(fā)現(xiàn)效果都不錯(cuò)。這兩種方法分別是直方圖閾值法和HSI選取閾值法，我們采取兩個(gè)方法疊加使用。直方圖閾值處理方法對于圖像我們可以先計(jì)算出圖像的直方圖，用來表示圖像各個(gè)灰度級的分布。直方圖的橫坐標(biāo)是灰度

44、級，縱坐標(biāo)是該級別出現(xiàn)的頻率。然后根據(jù)直方圖選取閾值進(jìn)行閾值分割。這里的閾值分割是把像素值處于一定范圍內(nèi)的點(diǎn)賦予特別的值，或者保持這些像素不變。圖3.4、3.5分別是對圖像的直方圖以及閾值分割后的結(jié)果。對于彩色圖象，我們采用R、G、B三色直方圖閾值選取。圖3.4 彩色分量直方圖選取界面圖3.5 閾值分割后的結(jié)果在系統(tǒng)的閾值選取過程中我們采用了手動(dòng)選取和自適應(yīng)閾值兩種方法。手動(dòng)選取是人為的設(shè)定一個(gè)數(shù)值作為閾值，而自適應(yīng)閾值則是在對圖像進(jìn)行像素統(tǒng)計(jì)的基礎(chǔ)上，由程序自動(dòng)計(jì)算得到的一個(gè)閾值，本系統(tǒng)采用的是自適應(yīng)閾值。在手動(dòng)閾值選取的過程中，閾值的選擇非常重要。如果選的不好，要么保留了很多噪聲信息(此處

45、就是保留了背景中的雜質(zhì))，要么丟失了許多有用的信、(比如丟掉了細(xì)胞中顏色比較淡的部分，只留下半個(gè)或者小半個(gè)細(xì)胞)。我們一般選擇顏色頻率比較集中的區(qū)域來設(shè)定最大值和最小值。在自適應(yīng)閾值選取過程中我們一定要選擇最有顏色特征并且容易區(qū)分圖像顏色區(qū)域的部分，另外，我們應(yīng)該選取較小的部分來節(jié)約計(jì)算時(shí)間。HSI選取閾值處理 計(jì)算機(jī)處理圖像時(shí)，常用的色彩空間主要有RGB(紅、綠、藍(lán))、HSI(色調(diào)、色飽和度、亮度)。系統(tǒng)中我們選用HSI色彩空間，主要是因?yàn)樗菑娜说囊曈X系統(tǒng)出發(fā)的，更加符合人的視覺特性；它將亮度(I)與反映色彩本質(zhì)特征的兩個(gè)參數(shù)色調(diào)(H)、飽和度(I)都分開，使得處理的時(shí)候能夠有更強(qiáng)的針對性

46、。這樣選取后即使圖像上有陰影或者是光線變化比較大的時(shí)候，都會(huì)減小其對閾值選取的影響。RGB色彩空間到HSI色彩空間的轉(zhuǎn)換我們依據(jù)公式3.2來達(dá)到從RGB到HSI空間的轉(zhuǎn)換。 (3.2)系統(tǒng)在得到平滑過后的圖像后，對圖像進(jìn)行色彩變換，然后在HSI空間里進(jìn)行HSI圖像的閾值分割。圖3.5是采用自適應(yīng)閾值法在HSI空間的閾值選取界面。在過程中，程序會(huì)自動(dòng)根據(jù)選取的顏色特征區(qū)域，記錄下來區(qū)域的HSI值。圖3.6是采用這種方法進(jìn)行閾值分割后的效果圖。 自適應(yīng)閾值由系統(tǒng)根據(jù)選取區(qū)域計(jì)算 正確的自適應(yīng)閾值會(huì)很好地將圖像分割圖3.5 閾值選取界面 圖3.6 閾值分割后的效果圖3孔洞填充的目的及其方法有些細(xì)胞的

47、圖像類似圖3.7所示，圖3.8是孔洞填充后的細(xì)胞圖像。 圖3.7 有孔洞的細(xì)胞圖像 圖3.8 孔洞填充后的細(xì)胞孔洞的存在會(huì)對骨架算法有很大的影響,填充過后的圖像更有利于系統(tǒng)識別,這樣的圖像對于系統(tǒng)的骨架算法進(jìn)行是非常不利的，因?yàn)樵谝院罄霉羌芩惴ǜg的時(shí)候空洞就會(huì)越來越大。這樣的情況很難得到正確的結(jié)果。這就需要使用孔洞填充的方法進(jìn)行修正。孔洞填充的原理如下：在閾值處理時(shí)，如果像素在閾值范圍內(nèi)，則像素將被標(biāo)志?？锥刺畛鋵⑾冉y(tǒng)計(jì)所有連通的非標(biāo)志區(qū)域面積，總會(huì)有一個(gè)或者幾個(gè)面積特別大的區(qū)域，其它的都是面積相對較小的區(qū)域。較小或者很小的往往就是系統(tǒng)所要填充的孔洞了。在這里我們首先完成孔洞的填充，然后再

48、手動(dòng)進(jìn)行人工的選取，以此達(dá)成目的。3利用梯度信息進(jìn)行修正系統(tǒng)采用的求梯度方法實(shí)際上是邊緣檢測的一種。邊緣是指圖像中灰度發(fā)生急劇變化的區(qū)域。圖像灰度的變化情況可以用灰度的梯度來反映，對給定連續(xù)圖像f(x，y)，其方向?qū)?shù)在邊緣法線的方向上取得局部的最大值。f(x，y)在方向上沿r的梯度為公式3.3。的最大值條件是 (3.3)梯度最大值或?yàn)榱藴p少計(jì)算量用因?yàn)楸鞠到y(tǒng)處理的圖像為彩色圖像，所以分別對R、G、B進(jìn)行梯度計(jì)算，可以使用作為梯度值。本系統(tǒng)中我們采用Sobel算子進(jìn)行離散情況下的邊緣檢測，對于給定的圖像在兩個(gè)正交方向上的梯度和為公式3.4和3.5。 (3.4) (3.5)則邊緣的強(qiáng)度和方向由公

49、式3.6給出。 或?yàn)榱藴p少計(jì)算量 (3.6)Sobel算子的模板有以下兩個(gè)：一個(gè)是檢測水平邊沿的，另外的一個(gè)是檢測垂直邊沿的。我們采用邊緣檢測的目的主要是為了區(qū)別如圖3.9所出現(xiàn)的重疊情況。如果這種點(diǎn)沒有被排除，那么多個(gè)相連的細(xì)胞就無法區(qū)分了。細(xì)胞的重疊將會(huì)對數(shù)量統(tǒng)計(jì)造成影響圖3.9 細(xì)胞重疊使用梯度信息進(jìn)行修正的原理是根據(jù)分割區(qū)域和細(xì)胞內(nèi)部顏色突變進(jìn)行區(qū)分。而存在顏色突變的地方梯度值比較大。因此梯度修正就去掉所有梯度值很大的點(diǎn)，而不被標(biāo)志。3用腐蝕法去噪聲我們采用腐蝕的方法來消除邊界點(diǎn)。這樣，使邊界向內(nèi)部收縮的過程就可以消除小并且無意義的點(diǎn)。以下是我們的算法，我們循環(huán)使用和模板，其效果相當(dāng)于

50、使用5乘5的模板。而且腐蝕操作不是一次達(dá)到目的的，要進(jìn)行多次腐蝕才能達(dá)到效果，在本系統(tǒng)中就進(jìn)行了多次的腐蝕，效果如圖3.10所示。 閾值選取后的效果 腐蝕兩次后的結(jié)果圖3.10 腐蝕效果3細(xì)化與骨架抽取所謂細(xì)化，就是從原來的圖中去掉一些點(diǎn)，但仍要保持原來的形狀，即保持原圖的骨架。所謂骨架，可以理解為圖像的中軸，例如一個(gè)長方形的骨架是它的長方向上的中軸線;正方形的骨架是它的中心點(diǎn):圓的骨架是它的圓心，直線的骨架是它自身，孤立點(diǎn)的骨架也是自身。文本的骨架是它筆畫的中心線。細(xì)化(Thinnig)算法有很多，這里系統(tǒng)使用的是一種簡單而且效果很好的算法，用它能夠?qū)崿F(xiàn)從文本或圖像抽取骨架的功能。比如現(xiàn)在要

51、細(xì)化的對象是白紙字的文本，程序中為了處理的方便，采用256級灰度圖，不過只用到了調(diào)色板中的0和255兩項(xiàng)。那么怎樣判斷一個(gè)點(diǎn)是否能去掉呢?顯然，要根據(jù)它的8個(gè)相鄰點(diǎn)的情況來判斷，下面給出幾個(gè)例子，如圖3.11所示。 (1) (2) (3) (4) (5) (6)圖3.11 據(jù)某點(diǎn)的8個(gè)相鄰點(diǎn)的情況來判斷該點(diǎn)是否能刪除(1)不能刪，因?yàn)樗莻€(gè)內(nèi)部點(diǎn)，我們要求的是骨架，如果連內(nèi)部點(diǎn)也刪了，骨架也會(huì)被掏空。(2)不能刪，和(1)同樣的道理。(3)可以刪，這樣的點(diǎn)不是骨架。(4)不能刪，因?yàn)閯h掉后原來相連的部分?jǐn)嚅_了。(5)可以刪，這樣的點(diǎn)不是骨架。(6)不能刪，因?yàn)樗侵本€的端點(diǎn)，如果這樣的點(diǎn)刪了，

52、那么最后整個(gè)直線也被刪了。所以系統(tǒng)刪除點(diǎn)采取的原則是：內(nèi)部點(diǎn)不能刪除；孤立點(diǎn)不能刪除；直線端點(diǎn)不能刪除；如果P是邊界點(diǎn)，去掉P后，如果連通分量不增加，則P可以刪除。根據(jù)以上原則可以做出了表3.1，來判斷點(diǎn)可否刪除。從0-255共有256個(gè)元素，每個(gè)元素要么是0，要么是1。根據(jù)某點(diǎn)(要處理的黑色點(diǎn))的8個(gè)相鄰點(diǎn)的情況查表，若表中的元素是1，則表示該點(diǎn)可刪，否則保留。 查表的方法是，設(shè)白點(diǎn)為1,黑點(diǎn)為0。左上方點(diǎn)對應(yīng)一個(gè)8位數(shù)的第一位(最低位)，正上方點(diǎn)對應(yīng)第二位，右上方點(diǎn)對應(yīng)的第三位，左鄰點(diǎn)對應(yīng)第四位，右鄰點(diǎn)對應(yīng)第五位，左下方點(diǎn)對應(yīng)第六位，正下方點(diǎn)對應(yīng)第七位，右下方點(diǎn)對應(yīng)的第八位。按這樣組成的8

53、位數(shù)去查表即可。例如圖3.11所示中(1)對應(yīng)表中的第0項(xiàng)，該項(xiàng)應(yīng)該為0；(2)對應(yīng)237，該項(xiàng)應(yīng)該為0；(3)對應(yīng)173，該項(xiàng)應(yīng)該為1；(4)對應(yīng)231，該項(xiàng)應(yīng)該為0；(5)對應(yīng)237，該項(xiàng)應(yīng)該為1；(6)對應(yīng)264，該項(xiàng)應(yīng)該為0。表3.1 去除點(diǎn)判斷表0011001111011101110011110000000100110011110111011100111111011101110011000000000000000000000000001100110011011101000000000000000000110011110111011100111100000001001100111101

54、110111001111000000001100110000000000110011110000000011001100110111001100111011001000使用這張表的算法如下：每次一行一行的將整個(gè)圖像掃描一遍，對于每個(gè)點(diǎn)(不包括邊界點(diǎn))，計(jì)算它在表中對應(yīng)的索引，若為0則保留，否則刪除該點(diǎn)。如果這次掃描沒有一個(gè)點(diǎn)被刪除，則循環(huán)結(jié)束，剩下的點(diǎn)就是骨架點(diǎn)，如果有點(diǎn)被刪除，則進(jìn)行新的一輪掃描，如此反復(fù)，直到?jīng)]有點(diǎn)被刪除為止。 本系統(tǒng)細(xì)化處理過程的具體算法的如下。(1) 生成邊界。假如一個(gè)被標(biāo)志的點(diǎn)的四周有任何一個(gè)點(diǎn)未被標(biāo)志，則此點(diǎn)為邊界點(diǎn)。也可以使用八方向判斷，即假如一個(gè)被標(biāo)志的點(diǎn)的八方

55、向鄰接點(diǎn)有任何一個(gè)未標(biāo)志，則此點(diǎn)為邊界點(diǎn)。系統(tǒng)中循環(huán)使用四方向和八方向。(2) 如果被標(biāo)志點(diǎn)的連通區(qū)域內(nèi)有任何一個(gè)點(diǎn)為非邊界點(diǎn)，那么就去掉邊界(相當(dāng)于細(xì)化)；否則，則將所有的邊界點(diǎn)(也就是整個(gè)連通區(qū)域)標(biāo)志為臨時(shí)的中心點(diǎn)。(3) 重復(fù)(1)、(2)兩步，直到所有點(diǎn)都被訪問。為了取得最終的中心點(diǎn)，還需要對所有被標(biāo)志為臨時(shí)中心點(diǎn)并且連通的像素取坐標(biāo)平均值，將平均值作為最終中心點(diǎn)。對于圓形或者接近圓形的橢圓來說，一次腐蝕或者細(xì)化則半徑減少1，因此根據(jù)腐蝕和細(xì)化的次數(shù)就可以得到半徑的值。3初步處理后的圖像修正經(jīng)過前面的多步處理得到的結(jié)果可能有不少錯(cuò)誤，因此需要進(jìn)行修正。系統(tǒng)實(shí)現(xiàn)時(shí)需要進(jìn)行的修正包括如下

56、幾方面：去掉所有內(nèi)部包含另外一個(gè)圓的大圓。一個(gè)圓內(nèi)還包含著另外一個(gè)圓，即一個(gè)細(xì)胞完全包含了另外一個(gè)，這顯然是錯(cuò)誤的情況。為這種情況表現(xiàn)在圖像上應(yīng)該是一個(gè)細(xì)胞被另外一個(gè)細(xì)胞完全覆蓋，這是連人眼也無法辨別出來的，計(jì)算機(jī)就更加不可能識別出來了。這種情況很可能是由于細(xì)化算法的誤差造成的。如果不去掉其中的一個(gè)圓，那么在計(jì)數(shù)的時(shí)候就多數(shù)了一個(gè)細(xì)胞。去掉同時(shí)和兩個(gè)圓相交，且不相交部分占圓總面積很小的圓。同兩個(gè)或者兩個(gè)以上的圓相交，并且不相交的部分面積占本身的圓面積的比例過小。這種情況比較容易出現(xiàn)，也是細(xì)化算法不精確導(dǎo)致的問題。如圖3.12所示。圖中兩個(gè)細(xì)胞間很粗的連接部分導(dǎo)致細(xì)胞的標(biāo)志錯(cuò)誤，使用方法(2)就

57、可以識別這種錯(cuò)誤并且標(biāo)志出來。圖3.14中的修正部分用兩個(gè)像素的粗的圓表示出來。對于面積比較小的選取對象，如果其包含特征色小于總面積的2/3，則可以認(rèn)為是由噪聲造成的。圖3.13中用實(shí)線劃分的部分為所需要修正的部分，如果不進(jìn)行修正選中的部分可能會(huì)被認(rèn)為是一個(gè)細(xì)胞 圖3.12 兩個(gè)或兩個(gè)以上的圓同時(shí)相交的情況 圖像中含有細(xì)胞重疊的部分 圖中顯示出了所修正出的細(xì)胞圖3.13 圖像中需要修正的部分 圖3.14 修正的部分用粗圓表示出來3應(yīng)用中心點(diǎn)標(biāo)注完成數(shù)量統(tǒng)計(jì)中心點(diǎn)標(biāo)注法是將每一個(gè)中心點(diǎn)信息都存放在一個(gè)vector中(vectorm_vCenterPoints)，所以數(shù)量統(tǒng)計(jì)僅僅用()就可以得到。

58、因此，還可以輕松求得平均面積、平均半徑等信息。以下是數(shù)量統(tǒng)計(jì)后得到的界面圖3.15所示，在通過界面的顯示我們就可以得到細(xì)胞個(gè)數(shù)、平均半徑、面積等信息。來用此做為醫(yī)療診斷的依據(jù)。圖3.15 系統(tǒng)統(tǒng)計(jì)結(jié)果界面細(xì)胞統(tǒng)計(jì)實(shí)現(xiàn)程序如下：void CCellView:ProcessCountSeeds(int wd, int ht, FLAGS *curf)/計(jì)數(shù)處理if (wdg_nMapWidth-1 | htg_nMapHeight-1)/判斷點(diǎn)是否在圖象內(nèi)部return;FLAGS *next;g_nCellTotArea+;/細(xì)胞大小加1curf-visited=1;/訪問設(shè)置if (ht0)/

59、不是邊緣點(diǎn)next=curf-g_nMapWidth;if (next-marked & !next-visited)ProcessCountSeeds(wd,ht-1,next); / 遞歸處理上面的點(diǎn)if (htmarked & !next-visited)ProcessCountSeeds(wd,ht+1,next); /遞歸處理下面的點(diǎn)if (wd0)next=curf-1;if (next-marked & !next-visited)ProcessCountSeeds(wd-1,ht,next); /遞歸處理左面的點(diǎn)if (wdmarked & !next-visited)Proc

60、essCountSeeds(wd+1,ht,next); /遞歸處理右面的點(diǎn)VC+環(huán)境下細(xì)胞識別統(tǒng)計(jì)的程序?qū)崿F(xiàn)通過VC+環(huán)境下的編程，我們實(shí)現(xiàn)了細(xì)胞的識別與統(tǒng)計(jì)。統(tǒng)計(jì)過程的主要的實(shí)現(xiàn)過程實(shí)現(xiàn)分為以下的幾個(gè)步驟：平滑首先清空目標(biāo)區(qū)域并申請與圖像大小相同的空間，分別對圖像中的點(diǎn)分R、G、B對其周圍的9個(gè)點(diǎn)取平均。直方圖實(shí)現(xiàn)圖像的二值化先將圖像由RGB空間轉(zhuǎn)換到HIS空間，取得當(dāng)前像素的HIS值，根據(jù)閾值循環(huán)判定當(dāng)前點(diǎn)的范圍，將在所求范圍中的點(diǎn)設(shè)置為相應(yīng)的值?？斩刺畛涫紫葤呙枵鶊D像，將孔洞的大小置為0，判斷像素的位置，將目標(biāo)像素的內(nèi)存清空。將在圖像內(nèi)部孔洞的大小加1后標(biāo)志孔洞。利用Sobel算子進(jìn)