细胞荧光图像阈值化方法、系统、终端及存储介质与流程

1.本技术属生物医学图像处理技术邻域，特别涉及一种细胞荧光图像阈值化方法、系统、终端以及存储介质。


背景技术：

2.在细胞实验的同时拍摄荧光图像可以大幅提升对细胞的观测和分析效率。作为细胞标记的一种，对细胞的检测和追踪可以通过对荧光图像的处理自动化地进行，大幅提升了实验的效率。同时，通过对荧光图像中细胞标记的分析可以得到一系列具有生物意义的参数，例如细胞面积、核质比、运动速度、方向等。这些参数对于细胞的行为分析及分类辨识具有重要作用。因此，细胞荧光图像的拍摄具有重要的作用和意义。但是，由于实验平台在拍摄荧光图像时采用的光源是点光源，由此会造成荧光图像的像素值分布中央远大于四周，常规的阈值方法无法同时保留中央和四周的细胞标记。实验学家采取的方法是对荧光图像进行裁切，仅保留下视野中央一小部分区域的图像进行阈值化操作，但在阈值化的过程中细胞标记的边缘信息得不到较好的保留，使得最终获取的生物参数具有一定的误差。同时，裁切操作使得可获得的细胞标记数量大幅减少，为了保证一定的数据量，还需要进一步增加实验操作，增加了操作复杂性。


技术实现要素：

3.本技术提供了一种细胞荧光图像阈值化方法、系统、终端以及存储介质，旨在至少在一定程度上解决现有技术中的上述技术问题之一。
4.为了解决上述问题，本技术提供了如下技术方案：
5.一种细胞荧光图像阈值化方法，包括：
6.利用限制对比度自适应局部直方图均衡算法调整细胞荧光图像的像素值分布；
7.对所述像素值分布调整后的细胞荧光图像进行双边滤波处理；
8.利用大津法对所述双边滤波处理后的细胞荧光图像进行二值化处理，得到二值化图像；
9.获取所述二值化图像中的连通域，并计算每个连通域的面积，将面积小于设定阈值的连通域消除，得到阈值化细胞荧光图像。
10.本技术实施例采取的技术方案还包括：所述利用限制对比度自适应局部直方图均衡算法调整细胞荧光图像的像素值分布具体为：
11.将所述细胞荧光图像分为大小相等的不重叠的子块，每个子块的大小为tilegridsize；
12.计算细胞荧光图像的完整直方图以及每个子块的直方图，并确定直方图的剪切阈值cliplimit；
13.将每个子块的直方图中超过剪切阈值cliplimit的像素值均匀地填充到完整直方图中，完成子块直方图中多余像素的重新分配：
14.通过函数映射对像素填充后的完整直方图进行像素值均衡处理；
15.采用双线性插值对像素值均衡处理后的完整直方图进行像素点灰度值重构，得到处理后的细胞荧光图像。
16.本技术实施例采取的技术方案还包括：所述对所述像素值分布调整后的细胞荧光图像进行双边滤波处理具体为：
17.设g
σ
(x)为二维高斯核，g
σs
、g
or
分别为空间权重和灰度权重，i
p
为待计算位置的像素值，i
q
为邻域内的像素值，p＝(p
x
，p
y
)为待计算的像素值的位置，q＝(q
x
，q
y
)为邻域内的像素值位置，||p
‑
q||为p和q之间的空间距离，则：
[0018][0019]
其中，bf代表双边滤波器，bf[i]
p
表示利用双边滤波器计算细胞荧光图像中p位置的像素值，q∈s表示使用双边滤波器计算p位置的像素值时，其结果由邻域范围s内的每个像素值的加权和决定，邻域范围内每个像素值的权重由空间权重g
σs
和灰度权重g
σr
共同决定；w
p
为归一化因子，w
p
计算公式为：
[0020][0021]
本技术实施例采取的技术方案还包括：所述利用大津法对所述双边滤波处理后的细胞荧光图像进行二值化处理具体为：
[0022]
通过阈值th将细胞荧光图像的所有像素分为c1和c2两类，c1为小于th的像素类，c2为大于th的像素类，假设c1和c2的像素均值分别为m1和m2，图像全局像素均值为mg，像素被分为c1和c2类的概率分别为p1和p2，则有：
[0023]
p1*m1 p2*m2＝mg
[0024]
p1 p2＝1
[0025]
类间方差的表达式为：
[0026]
σ2＝p1(m1
‑
mg)2 p2(m2
‑
mg)2[0027]
使得σ2值最大的阈值即为最大类间方差阈值，通过所述最大类间方差阈值对细胞荧光图像进行二值化处理，分离出细胞和背景区域。
[0028]
本技术实施例采取的技术方案还包括：所述计算每个连通域的面积具体为：
[0029]
将每个连通域的所有像素值进行累加，将得到的像素值总数作为连通域面积。
[0030]
本技术实施例采取的另一技术方案为：一种细胞荧光图像阈值化系统，包括：
[0031]
像素值调整模块：用于利用限制对比度自适应局部直方图均衡算法调整细胞荧光图像的像素值分布；
[0032]
图像滤波模块：用于对所述像素值分布调整后的细胞荧光图像进行双边滤波处理；
[0033]
二值化模块：用于利用大津法对所述双边滤波处理后的细胞荧光图像进行二值化处理，得到二值化图像；
[0034]
噪声消除模块：用于获取所述二值化图像中的连通域，并计算每个连通域的面积，
将面积小于设定阈值的连通域消除，得到阈值化细胞荧光图像。
[0035]
本技术实施例采取的又一技术方案为：一种终端，所述终端包括处理器、与所述处理器耦接的存储器，其中，
[0036]
所述存储器存储有用于实现所述细胞荧光图像阈值化方法的程序指令；
[0037]
所述处理器用于执行所述存储器存储的所述程序指令以控制细胞荧光图像阈值化。
[0038]
本技术实施例采取的又一技术方案为：一种存储介质，存储有处理器可运行的程序指令，所述程序指令用于执行所述细胞荧光图像阈值化方法。
[0039]
相对于现有技术，本技术实施例产生的有益效果在于：本技术实施例的细胞荧光图像阈值化方法、系统、终端以及存储介质利用clahe算法调整细胞荧光图像的像素值分布，对clahe处理后的细胞荧光图像进行双边滤波处理，利用otsu算法对滤波处理后的细胞荧光图像进行二值化处理，并根据连通区域面积去除图像中残留的噪声，得到最终的阈值化细胞荧光图像。本技术实施例有效去除了点光源成像对荧光图像的干扰，并在去除点光源影响的同时保留细胞的边界信息，提高了待分析细胞的数据量，有利于提升后续提取生物参数的准确性。
附图说明
[0040]
图1是本技术实施例的细胞荧光图像阈值化方法的流程图；
[0041]
图2是本技术实施例的像素值均衡处理示意图；
[0042]
图3为本技术实施例的细胞荧光图像阈值化系统结构示意图；
[0043]
图4为本技术实施例的终端结构示意图；
[0044]
图5为本技术实施例的存储介质的结构示意图。
具体实施方式
[0045]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
[0046]
请参阅图1，是本技术实施例的细胞荧光图像阈值化方法的流程图。本技术实施例的细胞荧光图像阈值化方法包括以下步骤：
[0047]
s10：获取细胞荧光图像；
[0048]
本步骤中，细胞荧光图像由细胞显微成像平台拍摄得到。
[0049]
s20：利用clahe(contrast limited adaptive histgram equalization，限制对比度自适应局部直方图均衡)算法对细胞荧光图像进行抑制噪声及增强对比度处理，调整细胞荧光图像的像素值分布；
[0050]
本步骤中，clahe算法通过限制局部直方图的高度来限制局部对比度的增强幅度，能够在抑制噪声的同时增强对比度，从而限制细胞荧光图像的噪声放大及局部对比度过增强，实现细胞荧光图像的亮度重分布，改善点光源造成的细胞荧光图像像素值分布中间大四周小的问题，消除细胞荧光图像中的点光源干扰。
[0051]
本技术实施例中，clahe算法调用opencv提供的函数cv2.createclahe()对细胞荧
光图像进行处理，函数参数为cliplimit和tilegridsize，其中cliplimit为直方图剪切阈值，tilegridsize为分块大小。利用clahe算法对细胞荧光图像进行抑制噪声及增强对比度处理过程如下：
[0052]
s21：将细胞荧光图像分为大小相等的不重叠的子块，每个子块的大小为tilegridsize；
[0053]
s22：计算细胞荧光图像的完整直方图(即像素值分布图)以及每个子块的直方图，并确定直方图的剪切阈值cliplimit；
[0054]
s23：将每个子块的直方图中超过剪切阈值cliplimit的像素值均匀地填充到完整直方图中，完成子块直方图中多余像素的重新分配；
[0055]
s24：通过函数映射对像素填充后的完整直方图进行像素值均衡处理；
[0056]
其中，像素值均衡处理如图2所示，将da
‑
da δda范围内的像素值通过函数f映射到db
‑
db δdb，使得图像像素值分布更加均匀。在已知变换前后的范围时，函数f可以自动计算得到。
[0057]
s25：采用双线性插值对像素值均衡处理后的完整直方图进行像素点灰度值重构，得到处理后的细胞荧光图像。
[0058]
s30：对clahe处理后的细胞荧光图像进行双边滤波(bilateral filter)处理，去除细胞荧光图像中噪声的同时保留细胞荧光图像的边缘信息；
[0059]
本步骤中，双边滤波是高斯滤波的变体，在高斯滤波的基础上引入距离机制，使得在去除图像噪声的同时更好地保护图像中物体的边缘信息。双边滤波的基本思路是图像中每个位置的像素值由邻域的像素值共同决定，其调用opencv提供的函数cv2.bilateralfilter()来实现，对细胞荧光图像进行双边滤波的算法原理为：
[0060]
设g
σ
(x)为二维高斯核，g
σs
、g
σr
分别为空间权重(spaceweight)和灰度权重(rangeweight)，空间权重起保护边缘信息的作用，灰度权重起去除噪声的作用。i
p
为待计算位置的像素值，i
q
为邻域内的像素值，p＝(p
x
，p
y
)为待计算的像素值的位置，q＝(q
x
，q
y
)为邻域内的像素值位置，||p
‑
q||为p和q之间的空间距离，则：
[0061][0062]
其中，bf代表双边滤波器，bf[i]
p
表示利用双边滤波器计算图像中p位置的像素值，g
σs
中的s代表space，g
σs
为根据高斯核公式计算空间权重，q∈s中的s代表邻域范围，即使用双边滤波器计算p位置的像素值时，其结果由邻域范围内的每个像素值的加权和决定，邻域范围内每个像素值的权重由空间权重g
σs
和灰度权重g
σr
共同决定。w
p
为归一化因子，w
p
计算公式为：
[0063][0064]
本技术实施例利用双边滤波对细胞荧光图像进行处理，能够在消除噪声的同时保证图像中采集到的细胞边缘清晰且轮廓分明。
[0065]
s40：利用otsu(大津法
‑
最大类间方差法)算法对滤波处理后的细胞荧光图像进行
二值化处理，得到二值化图像；
[0066]
本步骤中，otsu算法是一种确定图像二值化分割阈值的算法，该算法按照图像的灰度特性将图像分割成背景和前景(即细胞)两部分，通过otsu算法求得的阈值对图像进行二值化处理后，使得图像的前景与背景图像的类间方差最大。背景和前景之间的类间方差越大，则说明构成图像的两部分的差别越大，当部分前景被错分为背景或部分背景被错分为前景都会导致背景和前景两部分的差别变小。本技术实施例使用otsu算法进行二值化分割可以使得背景和前景的错分概率最小化。
[0067]
具体的，otsu算法调用的函数为opencv提供的函数cv2.thresh_otsu，算法过程如下：假设存在阈值th将细胞荧光图像的所有像素分为c1(小于th)和c2(大于th)两类，这两类像素各自的像素均值分别为m1、m2，图像全局像素均值为mg，像素被分为c1和c2类的概率分别为p1、p2，则有：
[0068]
p1*m1 p2*m2＝mg
ꢀꢀ
(3)
[0069]
p1 p2＝1
ꢀꢀ
(4)
[0070]
类间方差的表达式为：
[0071]
σ2＝p1(m1
‑
mg)2 p2(m2
‑
mg)2ꢀꢀ
(5)
[0072]
使得式(5)值最大的阈值即为otsu阈值，遍历0
‑
255个灰度级，即可得到otsu阈值并对细胞荧光图像进行二值化处理，分离出细胞和背景区域(细胞像素值用1表示，背景区域像素值用0表示)。
[0073]
s50：获取二值化图像中的连通域，并计算每个连通区域的面积，将面积小于设定阈值的连通域从细胞荧光图像中消除，得到最终的阈值化细胞荧光图像；
[0074]
本步骤中，由于在对图像进行滤波时很容易破坏细胞边缘，使得细胞形状不完整，导致二值化图像中还存在部分残留的噪声。由于每个细胞都有一定大小的面积，且细胞面积大小远超过噪声的面积，因此，本技术实施例使用opencv提供的函数cv2.connectedcomponents()获取二值化图像中的连通域，并计算每个连通域的面积，当连通域面积小于设定的阈值时，认为该连通域为噪声，将其像素值由1改为与背景区域相同的0，从而去除图像中残留的噪声。
[0075]
具体的，由于连通域内的像素值均为1，因此对连通域的所有像素值进行累加，所得到的像素值总数即为连通域面积。
[0076]
基于上述，本技术实施例的细胞荧光图像阈值化方法利用clahe算法调整细胞荧光图像的像素值分布，对clahe处理后的细胞荧光图像进行双边滤波处理，利用otsu算法对滤波处理后的细胞荧光图像进行二值化处理，使得背景和前景的错分概率最小化，并根据连通区域面积去除图像中残留的噪声，得到最终的阈值化细胞荧光图像。本技术实施例有效去除了点光源成像对荧光图像的干扰，并在去除点光源影响的同时保留细胞的边界信息，提高了待分析细胞的数据量，有利于提升后续提取生物参数的准确性。本技术适用于点光源光比较大的细胞荧光图像成像场景，并适用于不同型号的细胞显微成像平台(对于同套细胞显微成像平台无需二次调参，对于不同细胞显微成像平台只需简单调参即可适用，且参数量少)。
[0077]
请参阅图3，为本技术实施例的细胞荧光图像阈值化系统结构示意图。本技术实施例的细胞荧光图像阈值化系统40包括：
[0078]
图像获取模块41：用于通过获取细胞荧光图像；
[0079]
像素值调整模块42：用于利用clahe算法对细胞荧光图像进行抑制噪声及增强对比度处理，调整细胞荧光图像的像素值分布；其中，clahe算法通过限制局部直方图的高度来限制局部对比度的增强幅度，能够在抑制噪声的同时增强对比度，从而限制细胞荧光图像的噪声放大及局部对比度过增强，实现细胞荧光图像的亮度重分布，改善点光源造成的细胞荧光图像像素值分布中间大四周小的问题，消除细胞荧光图像中的点光源干扰。
[0080]
图像滤波模块43：用于对clahe处理后的细胞荧光图像进行双边滤波(bilateral filter)处理，去除细胞荧光图像中噪声的同时保留细胞荧光图像的边缘信息；其中，双边滤波是高斯滤波的变体，在高斯滤波的基础上引入距离机制，使得在去除图像噪声的同时更好地保护图像中物体的边缘信息。本技术实施例利用双边滤波对细胞荧光图像进行处理，能够在消除噪声的同时保证图像中采集到的细胞边缘清晰且轮廓分明。
[0081]
二值化模块44：用于利用otsu算法对滤波处理后的细胞荧光图像进行二值化处理，分离出细胞荧光图像中的细胞和背景区域；其中，otsu算法是一种确定图像二值化分割阈值的算法，该算法按照图像的灰度特性将图像分割成背景和前景两部分。方差是灰度分布均匀性的一种度量，背景和前景之间的类间方差越大，则说明构成图像的两部分的差别越大,当部分前景被错分为背景或部分背景被错分为前景都会导致背景和前景两部分的差别变小。本技术实施例使用otsu算法进行二值化分割可以使得背景和前景的错分概率最小化。
[0082]
噪声消除模块45：用于计算二值化处理后的细胞荧光图像中每一个连通区域的面积，将面积小于设定阈值的连通区域从细胞荧光图像中消除，得到最终的阈值化细胞荧光图像；其中，由于在对图像进行滤波时很容易破坏细胞边缘，使得细胞形状不完整。因此，对于二值化后的细胞荧光图像，还存在部分残留的噪声。由于每个细胞都有一定大小的面积，且细胞面积大小远超过噪声的面积，因此本技术实施例通过计算二值化后的细胞荧光图像中每一个连通区域的面积，如果连通区域的面积小于设定的阈值，即认为该区域是噪声，则将其从图像中被抹去，从而去除图像中残留的噪声。
[0083]
请参阅图4，为本技术实施例的终端结构示意图。该终端50包括处理器51、与处理器51耦接的存储器52。
[0084]
存储器52存储有用于实现上述细胞荧光图像阈值化方法的程序指令。
[0085]
处理器51用于执行存储器52存储的程序指令以控制细胞荧光图像阈值化。
[0086]
其中，处理器51还可以称为cpu(central processing unit，中央处理单元)。处理器51可能是一种集成电路芯片，具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0087]
请参阅图5，为本技术实施例的存储介质的结构示意图。本技术实施例的存储介质存储有能够实现上述所有方法的程序文件61，其中，该程序文件61可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本发明各个实施方式方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存
取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等终端设备。
[0088]
对所公开的实施例的上述说明，使本邻域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本邻域的专业技术人员来说将是显而易见的，本技术中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本技术所示的这些实施例，而是要符合与本技术所公开的原理和新颖特点相一致的最宽的范围。