文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.2016.03.031
中文引用格式: 余成波,,孔慶達(dá),,錢澤文,等. 基于雙向多項(xiàng)式擬合的的動(dòng)態(tài)閾值分割算法[J].電子技術(shù)應(yīng)用,,2016,,42(3):110-112,119.
英文引用格式: Yu Chengbo,,Kong Qingda,,Qian Zewen,et al. A dynamic threshold segmentation method based on bidirectional polynomial fitting[J].Application of Electronic Technique,,2016,,42(3):110-112,119.
0 引言
眼睛的角膜內(nèi)皮層由一層六角形內(nèi)皮細(xì)胞所形成,,所以可以通過對(duì)角膜內(nèi)皮細(xì)胞形態(tài)的研究來預(yù)防和檢測(cè)細(xì)胞病變[1]。在實(shí)際的采集過程中由于曝光不均勻使采集到的圖像明暗不均,,細(xì)胞輪廓模糊不清,。本文在圖像的預(yù)處理階段采用對(duì)比度自適應(yīng)直方圖均衡化方法以及同態(tài)濾波方法進(jìn)行圖像增強(qiáng)[2]。在圖像分割方法上,,傳統(tǒng)的OTSU算法[3]對(duì)光照不均的圖像分割時(shí)效果非常不好,,不能夠消除光照影響,使圖像暗部細(xì)節(jié)丟失,,不利于觀察,;而基于動(dòng)態(tài)分割的NiBlack算法雖然對(duì)光照不均的圖像有不錯(cuò)的分割效果,,能夠優(yōu)化光照影響,但是該類型的算法時(shí)間成本普遍較高,,也很難進(jìn)行實(shí)際應(yīng)用,,所以本文提出了一種基于雙向多項(xiàng)式擬合的的動(dòng)態(tài)閾值分割算法,其在處理效果和時(shí)間成本上都得到了優(yōu)化,,并同OTSU算法,、NiBlack算法進(jìn)行了對(duì)比。最后應(yīng)用圖像形態(tài)學(xué)對(duì)分割后的圖像進(jìn)行填充,、膨脹,、腐蝕、取反細(xì)化得到細(xì)胞的形態(tài)學(xué)圖像,。
1 角膜內(nèi)皮細(xì)胞圖像增強(qiáng)
由于圖像采集過程中的非均勻照射以及噪聲影響,,采集到的圖片會(huì)出現(xiàn)明暗的過度,所以在進(jìn)行圖像分割和二值化之前先對(duì)圖像進(jìn)行增強(qiáng),,圖像增強(qiáng)的過程如圖1所示,。
限制對(duì)比度自適應(yīng)直方圖均衡化方法[4-5](Contrast Limited Adaptive Histogram Equalization,CLAHE)是對(duì)自適應(yīng)直方圖均衡化方法的改進(jìn),。為了避免放大圖像中噪聲的對(duì)比度,,該算法是在計(jì)算轉(zhuǎn)化函數(shù)之前通過剪裁直方圖來限制對(duì)比度的放大,同時(shí)繼承了對(duì)比度自適應(yīng)直方圖均衡化算法的優(yōu)點(diǎn),,使圖像的細(xì)節(jié)和輪廓更加清晰,,因此本文采用了該算法來對(duì)圖像進(jìn)行增強(qiáng)。
同態(tài)濾波[6]方法是一種圖像頻域處理方法,,該方法的原理是對(duì)圖像的灰度范圍進(jìn)行調(diào)整,,消除圖像上照明不均的問題,在不損失亮區(qū)的圖像細(xì)節(jié)的情況下,,增強(qiáng)暗區(qū)的圖像細(xì)節(jié),,對(duì)于明暗不均的圖像非常適用。
通過上述方法,,得到增強(qiáng)后的角膜內(nèi)皮細(xì)胞圖像,,如圖2所示。
2 圖像二值化分割和形態(tài)學(xué)圖像處理
本文主要提出一種新的二值化分割算法,,即基于雙向多項(xiàng)式擬合的的動(dòng)態(tài)閾值分割算法,,將本文算法得到的二值化分割結(jié)果同常用的OTSU法、NiBlack法[7]二值化分割結(jié)果進(jìn)行了對(duì)比,,再分別進(jìn)行填充,、膨脹腐蝕、取反細(xì)化得到最后的細(xì)胞形態(tài)圖,。
曲線擬合是對(duì)平面上的n個(gè)點(diǎn)(xi,yi),i=1,,2,,3,…,,n,,求取函數(shù)f(x),使其在某種準(zhǔn)則下與原數(shù)據(jù)最為接近,。線性最小二乘法是解決曲線擬合最常用的方法,,其基本思想是[8],令:
其中r1(x)是事先選定的一組函數(shù),,ak是待定系數(shù)(k=1,,2,…,,m,,m<n),尋求a1,,a2,,…,am使式(2)最小,,稱為最小二乘準(zhǔn)則,,這種擬合方法稱為最小二乘擬合,其結(jié)果為:
則線性最小二乘擬合稱為多項(xiàng)式擬合[9],。
多項(xiàng)式擬合的一般方法可歸納為圖3,。
通過獲取增強(qiáng)圖像的任意一列向量來進(jìn)行多項(xiàng)式擬合,設(shè)置擬合多項(xiàng)式的次數(shù)n=8,,得到如圖4(a),,對(duì)列向量曲圖與擬合后的曲圖比較可以發(fā)現(xiàn)擬合曲線將列向量曲線分割成了上下兩段,波峰波谷基本被均勻分割開,,因此可以將擬合曲線看成是閾值分割線,,將擬合曲線上方的列向量灰度值設(shè)為255,即上方的點(diǎn)全變換成白點(diǎn),,擬合曲線下方的行向量灰度值設(shè)為0,,即下方的點(diǎn)全變換成黑點(diǎn)。同樣圖4(b)是取自增強(qiáng)圖像的任意一行向量進(jìn)行多項(xiàng)式擬合得到的,。
本文算法是根據(jù)上述原理,,采用數(shù)據(jù)擬合的方法來動(dòng)態(tài)地確定局部閾值進(jìn)行二值化分割。與傳統(tǒng)的曲面擬合分割方法不同,,本算法是先逐行地進(jìn)行數(shù)據(jù)擬合得到行擬合曲面,,再逐列進(jìn)行數(shù)據(jù)擬合得到列擬合曲面,,再將圖像曲面上(x,y)坐標(biāo)的灰度值與擬合后的的行擬合曲面和列擬合曲面該點(diǎn)的灰度值進(jìn)行比較后得出二值分割圖像[10],,算法的具體步驟如圖5所示,。
得到行擬合曲面Zx(x,y)和列擬合曲面Zy(x,,y)后,,如果分別取Zx(x,y)和Zy(x,,y)某一點(diǎn)的灰度值同原增強(qiáng)圖像曲面f(x,,y)在該點(diǎn)的灰度值進(jìn)行比較運(yùn)算,即當(dāng)f(x,,y)<Zx(x,,y)時(shí),該點(diǎn)變?yōu)楹邳c(diǎn),,相反該點(diǎn)變?yōu)榘c(diǎn),。通過這種方法分別以行擬合曲面和列擬合曲面作為動(dòng)態(tài)閾值得到的二值分割結(jié)果如圖6(a)、(b)所示,。從圖6(a)可以看出,,行擬合曲面作為動(dòng)態(tài)閾值時(shí)對(duì)圖像縱向邊緣細(xì)節(jié)提取比較清晰,但是損失了大部分圖像的橫向邊緣細(xì)節(jié),。而圖6(b)可以看出,,以列擬合曲面作為動(dòng)態(tài)閾值時(shí)對(duì)圖像橫向邊緣細(xì)節(jié)提取比較清晰,但是損失了大部分圖像的縱向邊緣細(xì)節(jié),。因此本文算法使兩幅圖像疊加得到了雙向都清晰的邊緣細(xì)節(jié)圖像,,如圖6(c),可以明顯看出疊加后的圖像邊緣輪廓細(xì)節(jié)清晰,。
3 實(shí)驗(yàn)結(jié)果及分析
通過OTSU算法,、NiBlack算法及本文算法對(duì)角膜內(nèi)皮細(xì)胞增強(qiáng)處理后的圖像進(jìn)行二值分割處理,處理結(jié)果如圖7所示,。
通過圖7中各算法實(shí)驗(yàn)結(jié)果的比較可以發(fā)現(xiàn)只有NiBlack算法和本文算法能夠分割出細(xì)胞的形態(tài)特征,,但是NiBlack算法分割后的圖像細(xì)胞內(nèi)部噪點(diǎn)太多對(duì)后期的填充腐蝕膨脹細(xì)化都會(huì)產(chǎn)生一定的影響,并且本文算法在處理該圖像時(shí)所用時(shí)間為1.076 4 s,,NiBlack算法處理時(shí)間為10.296 1 s,,NiBlack算法不利于實(shí)時(shí)圖像處理,本文算法能得到比較清晰的二值分割圖像,,也能實(shí)現(xiàn)很好的實(shí)時(shí)性,。
對(duì)二值分割圖像運(yùn)用數(shù)學(xué)形態(tài)學(xué)運(yùn)算,依次進(jìn)行孔洞填充,、腐蝕運(yùn)算,、膨脹運(yùn)算,、取反細(xì)化操作得到最終的細(xì)胞形態(tài)特征圖像[11],如圖8所示,。
4 結(jié)束語
本文在對(duì)角膜內(nèi)皮細(xì)胞進(jìn)行前期增強(qiáng)處理的過程中,,針對(duì)非均勻光照情況下采集到的角膜內(nèi)皮細(xì)胞圖像采用限制對(duì)比度自適應(yīng)直方圖均衡化算法和同態(tài)濾波算法,得到經(jīng)過增強(qiáng)處理的細(xì)胞圖像后,,在進(jìn)行二值化分割時(shí),本文提出的算法同NiBlack算法,、OTUS算法對(duì)比,,無論是對(duì)圖像細(xì)胞輪廓的分割處理方面還是在處理速度的實(shí)時(shí)性上都得到了一定提升。該算法可以在醫(yī)學(xué)細(xì)胞圖像分割方面進(jìn)行應(yīng)用,,同時(shí)可以使求得的擬合曲面的值乘以動(dòng)態(tài)K值,,通過K值調(diào)節(jié)擬合曲面的高度使分割效果達(dá)到最佳。
參考文獻(xiàn)
[1] 溫暖.不同年齡和伴全身疾患老年人的角膜內(nèi)皮細(xì)胞觀察[D]. 溫州:溫州醫(yī)學(xué)院,,2010.
[2] 胡竇明,,趙海生,李云川,,等. 一種基于同態(tài)濾波的紅外圖像增強(qiáng)新方法[J].紅外技術(shù),,2012,34(4):224-228.
[3] GONZALEZ R C,,WOODS R E,,EDDINS S L.Digital image processing using MATLAB[M].Beijing:Publishing House of Electronics Industry,2005:120-123.
[4] BENGIO S,,WESTON J,,GRANGIER D.Label embedding trees for large muliti-class tasks[C].NIPS,2010:163-171.
[5] 須民健,,習(xí)燕,,廖強(qiáng),等.多數(shù)據(jù)源融合的高速公路氣象識(shí)別方法[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)),,2015(3):78-82.
[6] 劉剛,,王立香,董延.MATLAB數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社,,2010.
[7] 童立靖,,張艷.幾種文本圖像二值化方法的對(duì)比分析[J].北方工業(yè)大學(xué)學(xué)報(bào),2011,,23(1):25-33.
[8] 安朗,,閆文濤.多分辨率圖像分類技術(shù)在鋼橋涂裝檢查中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)),2014(12):99-103.
[9] CUI Y,,VOYLES R M,,LANE J T,,et al.Real-time software module design framework for building self-adaptive robotic systems[C].IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS),2015:1-7.
[10] 趙靜,,但琦.數(shù)學(xué)建模與數(shù)學(xué)實(shí)驗(yàn)[M].北京:高等教育出版社,,2014.
[11] 章毓晉.圖像工程(中冊(cè)),圖像分析[M].北京:清華大學(xué)出版社,,2012.