"计算机工程与应用
在细胞图像处理过程中
细胞的显微图像在临床诊断中有着重要意义"细胞图像的自动分析技术为临床医学的研究提供了强有力的工具"但是在细胞的显微图像中经常出现细胞重叠和粘连现象"这种由多个细胞聚堆而成的细胞群通常会严重影响后续的统计分析
将粘连的细胞图像分割为一个个的细胞的图像
对后续分析统计能否有效进行极为重要"因此在细胞图像自动分析技术的研究中产生了对能有效分割有粘连细胞图像的算法的需求"根据图像不同的特征
人们提出了各种算法
如#灰度阈值法$区域生长法%&’$边缘检测法%
($松施法等"这些算法都要求图像具有某些特定性质
在实际处理中存在一定的局限性
难以直接使用"本文提出了一种利用最大类间方差法%&(对图像二值化提取细胞图像
然后将距离变换%)(和分水岭算法%*(结合使用的处理方法
实验证明该方法能有效$合理$快速分离粘连细胞图像"&细胞图像的提取通过对各种图像阈值分割算法的应用比较
本文采用最大类间方差法来确定最优阈值
对细胞图像进行二值化"
粘连细胞的分割两个或两个以上的对象相互粘结$重叠在一起成为细胞群
在其相粘处必存在形状或灰度的变化+#("分离粘连血细胞的关键就是要在粘连处准确$快速地找到分离点集
最后以这些点集分离细胞"
$&综合全局二值化与边缘检测的图像分割方法综合全局二值化与边缘检测的图像分割方法%
(首先对图像进行全局二值化
然后采用二值化与边缘检测的综合判别法
改善环境光照不均匀的影响
去除了边缘检测后大量的光斑噪声
检测出目标信息"该算法要求粘连处存在灰度的局部最小值区域
但受光照强弱$细胞粘连情况不同的影响
局部最小灰度区域很难保证
因而在实际图像处理中合理的分离曲线仍然难于查找"如图&
为血液细胞中的红细胞与细胞核分割处理结果
按综合全局二值化与边缘检测的图像分割算法进行分割
其结果出现过分分割与分割不足两
