文獻標(biāo)識碼: A
DOI:10.16157/j.issn.0258-7998.2016.07.032
中文引用格式: 張瑞華. 基于ECCC的細胞圖像分割算法[J].電子技術(shù)應(yīng)用,2016,,42(7):126-129.
英文引用格式: Zhang Ruihua. ECCC algorithm on image sequences of stem cells[J].Application of Electronic Technique,,2016,42(7):126-129.
0 引言
醫(yī)學(xué)細胞圖像分割的傳統(tǒng)方法主要有基于區(qū)域的分割方法和基于邊緣的分割方法,,后者主要包括:邊緣檢測法[1,,2]、基于形變模型的方法[3,,4]和鏈碼法[5-7],。
鏈碼是用曲線起點坐標(biāo)和邊界點的方向編碼來表示圖像邊界的一種編碼方法,常用于圖像處理,、計算機圖形學(xué)和模式識別等領(lǐng)域,。基于鏈碼法的圖像分割一般采用5個步驟:邊界檢測,、鏈碼統(tǒng)計,、拐點判斷、分割點篩選和線性插值分割,。實現(xiàn)細胞圖像的有效分割需滿足3個條件:(1)完整清晰的細胞邊緣,;(2)真實分割點的判斷;(3)消除細胞小粘連(細胞上小黑點)和多細胞粘連分割,。
陸宗騏等[5]通過計算每個邊界點的鏈碼差來判斷輪廓的凸凹角點,,并結(jié)合曲率半徑和等效周長等特征參量實現(xiàn)細胞分割,,該方法分割效果較好,但存在計算量大,、分割速度慢的問題,。牛慶肖等[6]將鏈碼和小波變換相結(jié)合提出一種新的輪廓描述方法,但由于邊界函數(shù)的一維小波變換對邊界起點較敏感,,導(dǎo)致算法的不變性較差,。張宇等[7]通過分析分水嶺算法,并借鑒鏈碼思想來實現(xiàn)細胞分割,,實驗結(jié)果表明:帶標(biāo)記的分水嶺可有效避免過分割情況,,然而對標(biāo)記的提取需要使用者具備一定的醫(yī)學(xué)知識,另外,,當(dāng)標(biāo)記落在細胞邊界時,,檢測到的邊界會包含少量的偽邊緣點和孤立點。
本文在前期研究基礎(chǔ)上[8],,提出了一種ECCC(Eleven Components Chain Code)鏈碼分割算法,,實現(xiàn)對醫(yī)學(xué)細胞圖像的快速分割。實驗結(jié)果表明,,算法的分割速度快,、精確度高,在復(fù)雜的細胞圖像分割中具備一定的有效性和可行性,。
1 ECCC鏈碼
白細胞和神經(jīng)元干細胞是兩種常見的類橢圓形醫(yī)學(xué)細胞,。本文提出一種新的鏈碼模型ECCC,ECCC是針對類橢圓形細胞的鏈碼分割方法,,在Freeman鏈碼(8方向)中插入了3個新的鏈碼元素“S”,、 “8”和“9”。有別于傳統(tǒng)鏈碼模型需要對每個邊界點計算鏈碼差來判斷輪廓的凸凹角點,,并結(jié)合曲率半徑和等效周長等特征參量實現(xiàn)細胞分割,,新算法只需對ECCC編碼中的鏈碼元素“8”計算鏈碼差就可判斷真實分割點,大大提高了分割速度和精確度,。
具體編碼過程為:
(1)定位起始點“S”,。按從上到下、從左到右的順序掃描細胞邊界,,第一個遇到的像素點即為起始點,記作鏈碼“S”,。
(2)檢測邊緣拐點并定位,。從“S”開始按逆時針方向跟蹤邊界,當(dāng)兩個相鄰邊界點的鏈碼方向相反時,,比如前者的方向向上(正上,、右上和左上)而后者的方向向下(正下,、右下和左下)或者前者的方向向左(正左、下左和上左)而后者的方向向右(正右,、下右和上右)時,,在變換點處標(biāo)記元素“8”。
(3)定位末端點“9”,。將邊界點中y值最大的像素點記作末端點“9”,,若有幾個點的y值均為最大值,取x值最小的點,。
(4)鏈碼跟蹤,。由起始點“S”跟蹤輪廓一周至輪廓閉合,當(dāng)起點和終點的鏈碼方向一致時結(jié)束,。
定位圖1(a)的起始點“S”是按從上到下,、從左到右的順序,從“S”開始沿逆時針方向跟蹤邊界至起始點,,輪廓閉合,,也可按從下到上、從右到左的順序,。兩者的跟蹤方式相同,,區(qū)別在于掃描的起點和順序。圖1(b)的Freeman鏈碼是55567760011223234,,ECCC編碼后為S55568776900112283234,,如圖1(c)所示。
2 ECCC分割和計數(shù)方法
細胞邊界ECCC編碼,,記錄其中鏈碼元素“8”的個數(shù),,針對白細胞和神經(jīng)元干細胞輪廓的類橢圓形特點,篩選真實分割點和進一步的細胞分割及計數(shù),。
統(tǒng)計120張細胞圖像的ECCC編碼,,結(jié)果顯示,“S-9” 或“9-S”中僅會出現(xiàn)一次“8”,,這表明x值最小的邊界點有一次由左至右的方向變化或者x值最大的邊界點有一次由右至左的方向變化,。
可采用下式對細胞計數(shù):
其中,Q,、n分別是細胞和鏈碼“8”的個數(shù),,若Q為小數(shù)則進位取整。一般單個細胞的ECCC編碼包含2個“8”點,,2粘連細胞的編碼中包含6個“8”點,。統(tǒng)計120張細胞圖像的ECCC編碼,結(jié)果顯示:每增加1個粘連細胞就會增加4個“8”點,因此粘連細胞ECCC編碼中鏈碼“8”的個數(shù)為4(Q-1)+2,。另外,,細胞圖像往往存在圖像對比度低和細胞邊緣模糊的情況,實驗結(jié)果表明,,除數(shù)取4可以較好地減少這些干擾,,確保計數(shù)結(jié)果的準(zhǔn)確性。
細胞圖像的粘連以2細胞和3細胞粘連居多,,圖2和表1顯示了白細胞圖像的ECCC簡碼(將編碼中的重復(fù)鏈碼進行精簡)及分割結(jié)果,。圖2(b)和圖2(f)的ECCC編碼中鏈碼“8”均出現(xiàn)6次,由式(1)可知為2粘連細胞,;圖2(j),、圖2(n)的ECCC編碼中鏈碼“8”均出現(xiàn)10次,由式(1)可知為3粘連細胞,。對120幅白細胞圖像進行計數(shù),,準(zhǔn)確率可達98%。
由圖2(a),、(e),、(i)和(m)可知,分割點均為邊緣凹角點,,只有快速準(zhǔn)確地定位這些角點才能實現(xiàn)實時有效的細胞分割,。如圖2(b)、(f),、(j)和(n)所示,,鏈碼“8”除位于分割點外,還有少量在細胞輪廓的光滑部分,。對細胞圖像ECCC編碼后,,本文采用鏈碼差來檢測拐點“8”中的分割點。由于不需要對每個邊緣點都采用鏈碼差來判定其凸凹性,,該算法相比于傳統(tǒng)鏈碼模型減少了近55%的計算量,。
采用下式計算鏈碼差Diff[5]:
式中,Sum(i)為當(dāng)前點的鏈碼和,,當(dāng)采用逆時針方向跟蹤邊界時,,凸凹角點的鏈碼差分別取負值和正值。
本文檢測拐點“8”中分割點的方法為:
鏈碼和將圓周均分為24份,,其值相差1,,意味著相差15°。細胞分割點均為邊緣凹角點,,凹角點的鏈碼差取正值,,值為3說明角度變換45°,。
采用式(3)來檢測鏈碼“8”中的分割點,如圖2(c),、(g)、(k)和(o)所示,,檢測結(jié)果準(zhǔn)確無誤,。最后,對分割點線性插值,,如圖2(d),、(h)、(l)和(p),,粘連處得到有效分割,。
3 實驗結(jié)果及分析
實驗是在MATLAB 8.0的編譯環(huán)境中,在Pentium D CPU 2.8 GHz,、內(nèi)存2.96 GB的PC上進行,。分別采用ECCC和傳統(tǒng)鏈碼模型對120張白細胞和神經(jīng)元干細胞圖像(兩類細胞圖像各60張)進行分割檢測。由于篇幅限制,,僅顯示其中兩張典型細胞圖像的分割結(jié)果,,如圖3、4所示,。
對圖3(a),、4(a)采用所提出的兩種邊緣檢測方法[8]得到完整、連續(xù)的細胞邊界,,如圖3(b),、4(b)。細胞邊界ECCC編碼并檢測鏈碼“8”中的分割點,,如圖3(c),、4(c),分割點的定位誤差分別為1.01,、1.23個像素,。傳統(tǒng)鏈碼模型存在邊緣檢測精度低和分割點漏檢的問題,如圖3(e),、4(e)所示,,分割點定位誤差分別為9.32、2.65個像素,。醫(yī)學(xué)細胞圖像具有對比度低,、細胞邊緣模糊的特點,傳統(tǒng)鏈碼模型在跟蹤邊界時易將噪聲點和模糊處誤判為邊界,,從而出現(xiàn)了一些偽邊緣點,,這對下一步的分割造成較大影響。
本文采用分割點定位誤差[9]來定量比較兩種鏈碼分割法的精確度,結(jié)果如表2所示,。設(shè)算法檢測的分割點集合為CDET,,手工定位的分割點集合為CRET,最大距離誤差設(shè)為Dmax=3,,對于有dij=||Ci-Cj||,,若dij≤Dmax,則Cj,、Ci配準(zhǔn),,否則Cj為錯誤分割點,dij的均值為定位誤差,。由表2可知,,ECCC檢測分割點更準(zhǔn)確。
表3對比了兩種鏈碼模型的運行時間,,可見,,ECCC減少了近55%的計算量,分割速度更快,。對大量類橢圓形醫(yī)學(xué)細胞圖像進行分割測試,,實驗結(jié)果表明:在分割精度上,ECCC高于傳統(tǒng)鏈碼模型,;在運行時間上,,ECCC的優(yōu)勢更明顯。
4 結(jié)論
本文針對類橢圓形細胞,,提出了ECCC鏈碼分割方法,,新算法在Freeman鏈碼中插入了3個新的鏈碼元素“S”、“8”和“9”,。有別于傳統(tǒng)鏈碼模型需要對每個邊界點計算鏈碼差來判斷輪廓的凸凹角點,,并結(jié)合曲率半徑和等效周長等特征參量實現(xiàn)細胞分割,,新算法只需對ECCC編碼中的鏈碼元素“8”計算鏈碼差就可判斷真實分割點,。對大量2粘連和3粘連細胞圖像進行分割測試,,實驗結(jié)果表明:ECCC法的分割成功率分別為100%和98%,平均耗時分別為0.42 s和0.67 s,,比傳統(tǒng)鏈碼分割法減少了近55%的計算量,,在復(fù)雜的細胞圖像分割中具備一定的有效性和可行性。
參考文獻
[1] HUO G Y.Edge detection for gastric cancer cell images based on improved sobel operator algorithm[J].Pattern Recognition Letters,,2012,,25(6):603-618.
[2] ZHANG H,DA F P,,LIH Q,,et al.Methods of edge location for ellipse[J].Optical Technique,,2013,36(1):66-74.
[3] 宋效東,,湯國安,,周毅.基于并行GVF Snake模型的黃土地貌溝沿線提取[J].中國礦業(yè)大學(xué)學(xué)報,2012,,42(1):142-150.
[4] BRESSON X,,ESEDOGLU S,VANDERGHEYNSE P.Fast global minimization of the active contour snake model[J].Advances in Intelligent and Soft Computing,,2013,28(4):151-167.
[5] 陸宗騏,,童韜.鏈碼和在邊界形狀分析中的應(yīng)用[J].中國圖象圖形學(xué)報,,2009,7(12):1323-1328.
[6] 牛慶肖,,張樺,,徐光平.基于鏈碼和快速傅里葉變換的輪廓描繪方法[J].光電子·激光,2013,,24(6):143-148.
[7] 張宇,,劉文耀,鄧偉.鏈碼跟蹤算法在三維醫(yī)學(xué)圖像處理中的應(yīng)用[J].中國生物醫(yī)學(xué)工程學(xué)報,,2012,,8(2):256-261.
[8] 張瑞華,吳謹.基于優(yōu)化水平集的細胞圖像分割算法[J].電子技術(shù)應(yīng)用,,2013,,30(16):59-67.
[9] AWRANGJEB M.Robust image corner detection based on the chord-to-point distance accumulation technique[J].IEEE Transactions on Multimedia,2012,,10(6):109-114.