[0049] 下面结合附图,对本发明的技术方案进行具体说明。
[0050] 如图2所示,本发明提供了一种基于颜色分量组合和轮廓拟合的血液白细胞分割方法,首先,利用颜色分量组合增强白细胞细胞核的对比度,进而利用经典阈值分割方法实现细胞核的分割;然后,利用颜色先验去除图像的背景,执行边缘检测和轮廓拟合来获得白细胞分割结果;最后,利用白细胞分割结果减去细胞核分割结果得到细胞质分割结果。
[0051] 以下具体描述本发明的实现过程。
[0052] 1细胞核分割
[0053] 1.1基于颜色分量组合的细胞核增强
[0054] 本发明方法在观察白细胞细胞核颜色构成的基础上,提出利用颜色分量组合增强细胞核的策略。以图3为例,图中每个矩形块中的三个数值代表该颜色块对应颜色的R、G、B分量值。可以观察到:当R和B分量值远大于G分量值时,对应颜色越接近于细胞核的颜色。为此,提出利用颜色分量组合来增强细胞核区域,其形式化描述为:
[0055] I1=Ir+Ib-k×Ig (1)
[0056] 其中,Ir、Ib和Ig分别表示RGB颜色空间中的红色、蓝色和绿色分量;以图4(a)为例,执行细胞核增强所得颜色分量组合图像如图4(b)所示。从图中可以看到,细胞核之外的区域在执行细胞核增强后变得很暗,细胞核区域的对比度得到增强,有利于后续对其进行分割。
[0057] 1.2基于阈值技术的细胞核粗分割
[0058] 在执行完细胞核增强后,细胞核以外的图像区域基本上变成黑色背景区域,与细胞核区域之间存在明显的灰度差异。为此,采用经典的图像阈值分割方法Otsu就可以很容易地提取出细胞核区域。细胞核区域提取的详细过程如下:
[0059] 1)分割阈值的确定:对于给定的一幅具有N个像素和L个灰度级{0,1,...,L-1}的增强后的图像I1,Otsu算法确定分割阈值t*的形式化描述为:
[0060] t*=Arg max0≤t≤L-1{ωoωb(μo-μb)2} (2)
[0061] 其中,ωo表示以t为分割阈值对应分割结果中目标像素点即灰度为{t+1,t+2,…,L-1}的像素点占图像总像素点的比例,ωb表示以t为分割阈值对应分割结果中背景像素点即灰度为{0,1,…,t} 的像素点占图像总像素点的比例;μo和μb代表目标像素点和背景像素点的灰度平均值;
[0062] 2)图像阈值分割:以t*作为分割阈值,对图像I1执行如下的阈值分割:
[0063]
[0064] 如图4(b)所示,其阈值分割结果如图4(c)所示。
[0065] 1.3基于形态学运算的细胞核分割结果修正
[0066] 如图4(c)所示,阈值分割结果中细胞核出现了孔洞,且有时会出现面积小的虚假细胞核区域。为此,本发明方法先选取最大连通白色(目标)区域,然后执行图像填充来修正细胞核初始分割结果,获得细胞核最终分割结果。
[0067] 2细胞质分割
[0068] 2.1基于颜色先验的图像背景移除
[0069] 背景移除旨在去除图像中白细胞以外的区域,为白细胞分割做好铺垫。由图1可知,标准染色的白细胞图像背景呈绿色,因此,图像背景区域绿色分量值大;快速染色的白细胞图像背景呈黄色,由颜色先验知识可知,通过混合红色和绿色可以得到黄色。因此可见,两种染色条件下白细胞图像的共同特点是绿色分量的值比较大。基于该特点,本发明方法通过以下阈值分割实现图像背景的去除:
[0070]
[0071] 其中,t为阈值参数,Ir代表背景移除,即变为白色后的图像;
[0072] 2.2白细胞轮廓提取及修正
[0073] 对背景移除后的图像执行边缘检测,以提取白细胞初始轮廓。以图5中快速染色和标准染色下的白细胞图像为例,图6(b)给出了边缘检测结果,检测结果中存在虚假的目标边缘。为此,本发明方法仅保留边缘检测结果中像素点最多的白色连通分量作为白细胞初始轮廓,结果如图 6(c)所示。
[0074] 观察图6(c)中上面一幅图可见,当白细胞与其周围的红细胞发生粘连时,白细胞初始轮廓未闭合,需要进行轮廓拟合来闭合它,实现白细胞粘连处的分离。为了拟合粘连处白细胞的轮廓,本发明方法先在白细胞初始轮廓开口处找到两个断点,然后拟合两个断点之间的弧段,以此实现白细胞粘连处的分离。其中,断点的选择过程如下:
[0075] 1)使用Harris角点检测器检测白细胞轮廓中的角点,图7(a)和7(c)展示了检测到角点。
[0076] 2)将每个角点作为坐标原点,确定由坐标点(0,d)、(0,-d)、(-d,0)、(d,0)构成的局部笛卡尔坐标系,其中, H代表图像矩阵总的行数,符号 代表向下取整;图7(b)和(d) 用十字表示局部笛卡尔坐标系。
[0077] 3)从图像中心点向步骤S222确定的四个笛卡尔坐标点发射如图7(b)和(d)所示的四条射线,计算每条射线与白细胞轮廓相交的轮廓点个数,如果四条射线中有一条及以上的射线经过的轮廓点个数为0,则判定相应角点为断点;否则,判定相应角点为非断点;根据此规则,图7(b) 有箭头指向的两个角点为断点,图7(d)没有断点,若白细胞初始轮廓含两个以上的断点,则继续执行后续步骤;否则,终止程序,将白细胞初始轮廓认定为白细胞最终轮廓;
[0078] 4)分别计算细胞核质心和两个断点之间的距离,记为a和b;计算两个断点之间的距离,记为c;使用两个断点和细胞核质心点构造一个三角形,计算两个断点与细胞核质心点连线的夹角θ(如图8(b)所示):
[0079]
[0080] 5)找到两个断点之间线段中轴线上与两个断点之间线段夹角度数为θ的点,记这些点中与图像中心点距离最近的那个点为p2,如图8(c)所示。
[0081] 6)计算p2点和任一断点之间的距离,记为r;以p2为圆心点、r为半径构造一个圆;取两个断点之间的圆弧作为拟合所得两个断点之间的白细胞轮廓,用于分离粘连的白细胞。图8(d) 展示了用弧段闭合后的白细胞轮廓,图8(e)展示了在图8(d)上执行图像填充后的结果,图8(f) 展示了对图8(e)进行图像腐蚀后的结果。
[0082] 2.3细胞质分割
[0083] 将前面所得白细胞区域减去细胞核区域,即可获得细胞质区域,结果如图9所示。
[0084] 为了评价白细胞分割方法的性能,我们在由100幅快速染色白细胞图像构成的数据集和由 50幅标准染色白细胞图像构成的数据集上进行了实验。每幅快速染色白细胞图像大小为 120×120,每幅标准染色白细胞图像大小为260×260,每幅图像的手动理想分割结果由医院血检科医生给出。本发明方法首先与已有的两种白细胞分割方法(Gu方法[1]和Zheng方法[2])分别在 8幅代表性快速染色图像、8幅标准染色图像上进行了分割精度的定性比较;然后,利用四个常见的分割测度对三种算法在两个数据集上的平均分割精度进行了定量的比较。这四个测度是错分类误差(Misclassification error,ME)、假正率/虚警率(False positive rate,FPR)、假负率(False negative rate,FNR)以及kappa指数(Kappa index,KI),其定义如下:
[0085]
[0086]
[0087]
[0088]
[0089] 其中,Bm和Fm分别代表手动理想分割结果的背景和目标,Ba和Fa分别代表自动分割算法所得分割结果中的背景和目标,|·|代表集合中元素的个数。四个测度的取值范围均为0~1。越低的ME、FPR和FNR值代表越好的分割效果,越高的KI值代表越好的分割效果。所有实验均在一台CPU为2.39GHz Intel Xeon W3503、内存6G的台式机上进行。
[0090] 1参数选择
[0091] 本发明方法最重要的参数是公式(1)中的k、公式(4)中的t。以快速染色数据集上所有白细胞图像作为测试对象,我们分别探讨了参数k和t对本发明方法分割精度的影响,其中,k 取自集合{1,3,5},t取自集合{165,190,215}。不同参数k的取值下本发明方法所得细胞核分割结果对应平均ME和KI值如表1所示;从表1可见,当k=3时,本发明方法获得最低的平均 ME和最高的KI值,对应分割精度最高。不同参数t的取值下本发明方法的ME和KI测度结果如表2所示;从表2可见,当t=190时,本发明方法获得最低的平均ME和最高的KI值,对应分割精度最高。
[0092] 表1参数k不同取值下本发明方法在快速染色数据集所得细胞核分割结果平均KI和ME值
[0093]
[0094] 表2参数t不同取值下本发明方法在快速染色数据集所得白细胞分割结果平均KI和ME值
[0095]
[0096] 2定性比较
[0097] 为了定性地比较三种白细胞分割方法的分割效果,进行三组实验,分别对8幅快速染色白细胞图像、4幅标准染色无粘连白细胞图像、4幅标准染色有粘连白细胞图像进行分割,分割结果如图10-12所示。
[0098] 图10展示了快速染色条件下8幅白细胞图像的分割结果,图中从左到右的五列分别展示了原始图像、手动理想分割结果、Gu方法[1]、Zheng方法[2]和本发明方法的分割结果。从图10 可以看到,本发明方法的分割效果通常好于其他两种方法。就细胞核分割而言,Gu方法在图 10(a)-(b)和(d)-(e)上获得了相对满意的分割效果;Zheng方法在图10(a)-(e)和(h)上获得了相对满意的分割效果。就细胞质分割而言,Gu方法仅在图10(b)和(d)上取得了相对满意的分割效果,而Zheng方法仅在图10(d)和(h)上获得了相对满意的分割效果。
[0099] 图11展示了标准染色条件下未发生粘连的4幅白细胞图像的分割结果,图中从左到右的五列分别展示了原始图像、手动理想分割结果、Gu方法[1]、Zheng方法[2]和本发明方法的分割结果。从图11可以看到,对细胞核分割而言,Gu方法和Zheng方法在图11(a)和(c)-(d)上获得了满意的分割效果,但Gu方法在图11(b)上产生了欠分割,而Zheng方法在图11(b)上既存在欠分割又存在过分割。本发明方法在4幅图上均取得了良好的分割效果。对细胞质的分割,Gu方法和本发明方法比Zheng方法取得了更好的分割效果。Zheng方法在图
11(b)-(c)上产生了过分割。
[0100] 图12展示了标准染色条件下发生粘连的4幅白细胞图像的分割结果,图中从左到右的五列分别展示了原始图像、手动理想分割结果、Gu方法[1]、Zheng方法[2]和本发明方法的分割结果。从图12可以看到,对细胞核分割而言,三种方法都有轻微的过分割,但本发明方法和Zheng方法比Gu方法的分割效果更好。对细胞质的分割,Gu方法在图12(a)和(c)上存在过分割,在图 12(b)和(d)上存在欠分割。Zheng方法在四幅图上均产生了过分割。本发明方法比其他两种方法分割效果更好。
[0101] 表3三组定量实验的白细胞细胞核分割结果的定量比较
[0102] ME FPR FNR KI 第一组实验
Gu方法[1] 0.086 0.078 0.151 0.723
Zheng方法[2] 0.021 0.007 0.121 0.914
本发明算法 0.015 0.001 0.115 0.936
第二组实验
Gu方法[1] 0.031 0.015 0.104 0.913
Zheng方法[2] 0.026 0.017 0.065 0.935
本发明算法 0.034 0.031 0.050 0.920
第三组实验
Gu方法[1] 0.047 0.031 0.100 0.891
Zheng方法[2] 0.104 0.076 0.181 0.774
本发明算法 0.041 0.033 0.073 0.894
[0103] 表4三组定量实验的白细胞分割结果的定量比较
[0104]
[0105]
[0106] 3定量比较
[0107] 为了对三种方法(即Gu方法[1]、Zheng方法[2]和本发明方法)进行分割精度的定量比较,我们在100幅快速染色白细胞图像构成的数据集、30幅标准染色未粘连白细胞图像构成的数据集、 20幅标准染色粘连白细胞图像构成的数据集上分别进行了实验,用ME、FPR、FNR和KI四种测度对分割结果进行定量评价。表3和表4分别展示了三个数据集上细胞核和白细胞分割结果的定量评价结果,每列数据中最好的测度值进行了加粗展示。对于细胞核的分割,从表3可以看到,本发明方法在第一组和第三组图像上分割效果最佳,因为其对应的KI最高、ME最低;在第二组实验上的分割效果居中。对于整个白细胞的分割,从表4可以看到,本发明方法所得分割结果对应的ME值最低、KI值最高,表明本发明方法分割效果最好。
[0108] 以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。