一种显微镜图像的细胞核DI值计算方法与流程

一种显微镜图像的细胞核di值计算方法
技术领域
1.本发明涉及di值计算方法技术领域，具体为一种显微镜图像的细胞核di值计算方法。


背景技术：

2.生理状态下，人体绝大多数细胞处于静止期，dna含量相对恒定。增殖期的细胞才会出现染色体的复制和加倍，当致癌因素作用于机体时，细胞核内dna结构和含量发生变化，引起细胞形态异常和恶性增殖，最终形成肿瘤，现有技术中通常通过dna的定量分析，分析细胞是否发生癌变，在对dna定量分析时，需要对细胞图像进行分割，将细胞核图像准确的分割出来，但是由于染色不均、染色较深的背景区域与细胞核较近和同一图像内两细胞相离较近等原因，造成细胞核图像分割不准确的问题，现有的计算方法中，鲜有对此问题的解决方法。


技术实现要素：

3.本发明的目的在于提供一种显微镜图像的细胞核di值计算方法，以解决上述背景技术中提出的问题。
4.为实现上述目的，本发明提供如下技术方案：一种显微镜图像的细胞核di值计算方法，包括以下步骤：
5.s1、输入细胞区域的图像i，对图像i进行处理，获得图像i
′
；
6.s2、对处理后的图像i
′
的长、宽分别剪裁掉原长、宽的1/9；
7.s3、对图像i
′
进行灰度化处理得到灰度图像i
′
grav
，对得到的灰度图像i
′
grav
进行γ校正从而对图像进行增强便于分割；
8.s4、对步骤s3的图像进行第一次分割，分割出细胞区域和背景区域；
9.s5、对步骤s4的分割后的图像进行第二次分割，分割出细胞核区域和胞浆区域；
10.s6、对步骤s5得到的所有“细胞核区域”进行筛选处理，得到准确的细胞核区域；
11.s7、计算di值：通过步骤s6获得的细胞核区域的图像计算积分光密度值iod,则di值为计算得到的被测细胞的iod值与正常细胞iod平均值的比值。
12.优选的，所述步骤s1中，对图像i进行处理是指当图像i的长和款的最小值大于200个像素时，对图像进行缩放处理，具体为
[0013][0014]
其中：org_w为图像i宽度、org_h为图像i长度，ratio为缩放比例，
[0015][0016]
优选的，所述步骤s2中对处理后的图像i
′
的长、宽分别剪裁掉原长、宽的1/9，
[0017]
即：
[0018]
其中：w'，h'为图像i
′
的长度和宽度。
[0019]
优选的，所述步骤s4中，包括以下子步骤：
[0020]
s4.1、利用大津法确定阈值对灰度图像i
gray
进行二值化处理得到二值化图像c：
[0021]
th＝graythresh(i
gray
)
[0022]
c＝img2gray(i
gray
,th)
[0023]
其中，th是由大津法确定的分割阈值，具体是根据最大化图像类内方差得到的，c是分割后的二值化图像；
[0024]
s4.2、为了更好的确定第二次分割的前景部分，于是对得到的二值化图像c进行了第一次形态学处理，即两次腐蚀操作；
[0025]
s4.3、利用分水岭算法对二值化图像c第一次分割，得到细胞区域c
fg
和背景区域c
bg
。
[0026]
优选的，所述步骤s5包括以下子步骤：
[0027]
s5.1、对步骤四得到二值化图像c进行第二次形态学处理，即进行了两次膨胀处理，目的将二值化后的一些杂质区域进行消除；
[0028]
s5.2、对二值化图像c进行标记，从而进行连通域判断和处理，具体为将图像背景部分标记为0，其他目标从1开始整数标记，记为ci,i＝1,2,3,...；
[0029]
s5.3、遍历步骤s5.2中所有非背景部分的连通域，对每一个区域ci进行大津法的二值化处理，重新确定背景区域，并将其标记为0；
[0030]
s5.4、利用分水岭算法对经过上述所有处理后的图像进行第二次分割，分割得到细胞核区域cn和胞浆区域cy；
[0031]
s5.5、将最终得到的图像放缩回原始图像的大小，即长宽分别为org_w和org_h；
[0032]
优选的，所述步骤s6中包括以下子步骤：
[0033]
s6.1、形态学处理：当染色较深的背景区域与细胞核较近时，会导致分割出的细胞核区域包含部分背景区域，使得分割错误，因此需要对步骤s5中得到的细胞核区域进行第三次形态学操作，即再次进行两次腐蚀处理，使得细胞核与染色较深的背景断开，从而得到准确的细胞核分割结果；
[0034]
s6.2、中心化处理：当两细胞相离较近，会导致得到的区域图像会包含两个细胞核，选择位于图像的中心位置的细胞核，于是对于每一个连通域，计算其中心点坐标ci(x,y)与图像中心点坐标i
gray
(x,y)，计算两点之间的距离：
[0035][0036]
选取距离最小的区域为最终的细胞核区域。
[0037]
优选的，所述步骤s1中的图像i包括上皮细胞图像、淋巴细胞图像、嗜中性细胞图像和中间细胞图像中的一种或多种。
[0038]
与现有技术相比，本发明的有益效果是：
[0039]
1、本发明将图像缩放至100-200的像素之内，一定程度上缩小了细胞核的大小，使得染色不均问题不那么明显，从而分割出完整的细胞核，避免了由于染色不均，使得细胞核内有深有浅，在使用分水岭分割算法的原理时，导致认为颜色较深的部分为细胞核，从而无法分割出完整的细胞核的问题；
[0040]
2、本发明同时进行第一次分割，目的是分割出细胞区域和背景区域，进行第二次分割，目的是将细胞区域分割出细胞核和胞浆，通过两次分隔可以准确的获取细胞核图像；
[0041]
3、本发明通过多次形态处理，使得细胞核与染色较深的背景断开，从而得到准确的细胞核分割结果，避免了由于染色较深的背景区域与细胞核较近，导致分割出的细胞核区域包含部分背景区域，造成分割错误的问题。
附图说明
[0042]
图1为本发明一种显微镜图像的细胞核di值计算方法步骤框图。
具体实施方式
[0043]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0044]
请参阅图1，本发明提供一种技术方案：一种显微镜图像的细胞核di值计算方法，包括以下步骤：
[0045]
s1、输入细胞区域的图像i，对图像i进行处理，获得图像i
′
；所述图像i包括上皮细胞图像、淋巴细胞图像、嗜中性细胞图像和中间细胞图像中的一种或多种；
[0046]
s2、对处理后的图像i
′
的长、宽分别剪裁掉原长、宽的1/9；
[0047]
s3、对图像i
′
进行灰度化处理得到灰度图像i
′
grav
，对得到的灰度图像i
′
grav
进行γ校正从而对图像进行增强便于分割；
[0048]
s4、对步骤s3的图像进行第一次分割，分割出细胞区域和背景区域；
[0049]
s5、对步骤s4的分割后的图像进行第二次分割，分割出细胞核区域和胞浆区域；
[0050]
s6、对步骤s5得到的所有“细胞核区域”进行筛选处理，得到准确的细胞核区域；
[0051]
s7、计算di值：通过步骤s6获得的细胞核区域的图像计算积分光密度值iod,则di值为计算得到的被测细胞的iod值与正常细胞iod平均值的比值。
[0052]
所述步骤s1中，对图像i进行处理是指当图像i的长和款的最小值大于200个像素时，对图像进行缩放处理，具体为
[0053][0054]
其中：org_w为图像i宽度、org_h为图像i长度，ratio为缩放比例,
[0055][0056]
所述步骤s2中对处理后的图像i
′
的长、宽分别剪裁掉原长、宽的1/9，
[0057]
即：
[0058]
其中：w'，h'为图像i
′
的宽度和长度。
[0059]
所述步骤s4中，包括以下子步骤：
[0060]
s4.1、利用大津法确定阈值对灰度图像i
gray
进行二值化处理得到二值化图像c：
[0061]
th＝graythresh(i
gray
)
[0062]
c＝img2gray(i
gray
,th)
[0063]
其中，th是由大津法确定的分割阈值，具体是根据最大化图像类内方差得到的，c是分割后的二值化图像；
[0064]
s4.2、为了更好的确定第二次分割的前景部分，于是对得到的二值化图像c进行了第一次形态学处理，即两次腐蚀操作；
[0065]
s4.3、利用分水岭算法对二值化图像c第一次分割，得到细胞区域c
fg
和背景区域c
bg
。
[0066]
所述步骤s5包括以下子步骤：
[0067]
s5.1、对步骤四得到二值化图像c进行第二次形态学处理，即进行了两次膨胀处理，目的将二值化后的一些杂质区域进行消除；
[0068]
s5.2、对二值化图像c进行标记，从而进行连通域判断和处理，具体为将图像背景部分标记为0，其他目标从1开始整数标记，记为ci,i＝1,2,3,...。
[0069]
s5.3、遍历步骤s5.2中所有非背景部分的连通域，对每一个区域ci进行大津法的二值化处理，重新确定背景区域，并将其标记为0。
[0070]
s5.4、利用分水岭算法对经过上述所有处理后的图像进行第二次分割，分割得到细胞核区域cn和胞浆区域cy。
[0071]
s5.5、将最终得到的图像放缩回原始图像的大小，即长宽分别为org_w和org_h。
[0072]
所述步骤s6中包括以下子步骤：
[0073]
s6.1、形态学处理：当染色较深的背景区域与细胞核较近时，会导致分割出的细胞核区域包含部分背景区域，使得分割错误，因此需要对步骤s5中得到的细胞核区域进行第三次形态学操作，即再次进行两次腐蚀处理，使得细胞核与染色较深的背景断开，从而得到准确的细胞核分割结果；
[0074]
s6.2、中心化处理：当两细胞相离较近，会导致得到的区域图像会包含两个细胞核，选择位于图像的中心位置的细胞核，于是对于每一个连通域，计算其中心点坐标ci(x,y)与图像中心点坐标i
gray
(x,y)，计算两点之间的距离：
[0075][0076]
选取距离最小的区域为最终的细胞核区域。
[0077]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，也不能理解为指示或暗示相对重要性。而且，术语“包
括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0078]
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。