血及骨髓涂片中血细胞的自动检测和分割

　　1　引　　言

　　在血细胞自动分析及诊断系统研制中,细胞的自动检测和分割是其中最困难及关键的一步。我们提出了一个融合自适应多尺度阈值及利用图像的彩色和彩色梯度信息的流域算法的混合分割方法,有效地完成对血细胞的分割,同时较好地完成重叠及粘连细胞的分离,为后续的识别及分类奠定了基础。

　　2　彩色血细胞图像的混合分割方法

　　2.1　血细胞的预检测

　　血细胞分有核和无核细胞,有核细胞在这里是研究的重点。在分割的初期应判断图像中有无有核细胞,以减少处理。为此进行RGB向IHS彩色空间的变换[1],利用IHS空间中色度信息独立性的特点,在S图像中通过双阈值确定血细胞核的色度变化范围,并作为判断其存在与否的依据。

　　2.2　自适应多尺度阈值对细胞核的检出

　　根据我们观察的结果发现,细胞核和背景在RGB三分量图像的G图像中有较好的均一性,且其图像直方图中存在较明显的三类分布,因此我们提出利用一维高斯函数对直方图进行多尺度滤波,根据尺度空间图特性,合理地确定阈值。其中直方图的尺度空间表征F见文献[2]。本文根据F的一阶导数的零交叉点在尺度空间中构成的位置轨迹长度,在高尺度区确定合理的谷点数目及位置,从高到低尺度在位置轨迹上完成对有意义的谷点位置精确定位,并以最低尺度下的谷点位置作为阈值,完成对图像各区域的大致分割及细胞核的检出。

　　2.3　流域算法对彩色血细胞图像的分割

　　上述自适应多尺度阈值方法可较精确地检出细胞核,但由于细胞间的粘连,各细胞浆区无法正确检测和分割,因此提出利用流域算法对其分割,最终完成有核血细胞的各区域检测。

　　在具体实施中为了避免过度分割的现象,必须建立合理的标记函数。首先根据自适应多阈值的结果,将分割出的背景区作为背景标记,核区直接作为核的分割,同时作为有核细胞的标记。成熟红细胞在IHS彩色空间的H图像中取双阈值进行检测,并作为无核细胞标记。该过程不求准确分割,只求准确标记。

　　流域算法[3]一般用于灰度梯度图像,它是基于数据间存在一定的次序关系,而在彩色空间中不存在这种关系,不能直接应用。为此采用RGB的彩色梯度变换[4]产生这种关系,在彩色梯度图像上完成基于淹没的流域变换。淹没过程是从标记函数开始,给各流域分别赋予唯一的标号ID,对每一个标号区域搜索其邻域,将所有未处理的邻域像素根据其彩色梯度大小送入相应的队列(FIFO)中,其中队列的优先级由高到低对应像素梯度值由小到大。根据队列优先级及队列由头至尾的原则,判断一邻域的归属ID,然后将当前已判断的队列元素出队,扩大各标记流域区域,直到所有队列为空时结束。