細胞識別統(tǒng)計系統(tǒng)畢業(yè)設計

1、西安工業(yè)大學北方信息工程學院 本科畢業(yè)設計(論文)題目：基于VC+的細胞識 別統(tǒng)計系統(tǒng)設計系 別： 電子信息系 專 業(yè)： 通信工程 班 級： B070310 學 生： 劉曉林 學 號： B07031009 指導教師： 程光偉 杜岳濤 2011年 5月畢業(yè)設計(論文)任務書系 別 電子信息系 專業(yè) 通信工程 班級 070310 姓名 劉曉林 學號 HYPERLINK javascript:;07031009 (論文)題目： 基于VC+的細胞識別統(tǒng)計系統(tǒng)設計 2.題目背景和意義：隨著計算機技術的不斷發(fā)展,計算機技術在醫(yī)學中的應用也越來越多,其中一個重要方面是對顯微鏡下血液細胞形態(tài)的自動圖像識別。由

2、于圖像中細胞形態(tài)多樣、細胞常重疊、標本制作時染色不好等原因,使細胞自動圖像識別過程的關鍵圖像分割變得困難。又由于細胞種類較多,某些種類差別細微,因此對特征向量的選取和測定也提出了較高要求。開發(fā)出一個快速的細胞識別統(tǒng)計系統(tǒng),能方便迅捷的對實際血液細胞情況進行分析,大大便利臨床醫(yī)學診斷. (論文)的主要內(nèi)容(理工科含技術指標)：系統(tǒng)是一個醫(yī)院中血液紅細胞計數(shù)的實用系統(tǒng)。它主要是以病人的血液樣本(玻璃切片)為原始數(shù)據(jù)，通過一系列的圖像處理和分析，最后識別出血液中的紅細胞來，同時給出紅細胞的個數(shù)，得到紅細胞個數(shù)之后，進行檢測的血液量，就可以得出血液中紅細胞的密度。 主要技術指標：(1)系統(tǒng)穩(wěn)定，要求至

3、少能無錯運行一個星期；(2)系統(tǒng)對細胞的計數(shù)誤差不得超過5%；(3)要求系統(tǒng)能處理一些比較特殊的情況，如細胞粘連，或多個細胞處于采集圖片的邊緣；(4)時間要求，系統(tǒng)最后得出細胞數(shù)目并計算出細胞密度，時間不超過20s；(5)界面簡單，容易操作。 (含起始時間、設計地點)： 11-3周，完成設計資料的收集、整理、文獻翻譯等前期工作和開題報告； 247周，完成細胞識別統(tǒng)計的理論準備，并通過matlab進行仿真實現(xiàn)，編寫VC+源程序初版，與matlab進行分析對比； 3810周，對源程序初版進行修改并測試，按照技術指標完成所需的圖像處理結果； 41112周，完成整個系統(tǒng)架構的搭建及編寫圖形用戶界面程序

4、； 51314周，完成畢業(yè)設計論文的撰寫； (論文)的工作量要求 實驗(時數(shù))*或?qū)嵙?天數(shù))： 400學時 圖紙(幅面和張數(shù))*： 其他要求： 1.5-2萬字的畢業(yè)論文，5000字左右的外文資料翻譯 指導教師簽名： 年 月 日 學生簽名： 年 月 日 系主任審批： 年 月 日基于VC+的細胞識別統(tǒng)計系統(tǒng)設計摘 要在過去的十年里，需要存儲、傳輸和處理的信息數(shù)量成指數(shù)級數(shù)地增加。這主要歸因于兩項技術的發(fā)展。一是多媒體系統(tǒng)在眾多領域的應用，過去的計算機只能處理數(shù)字和文本信息現(xiàn)在卻已代之以聲音、圖片、影像；另一項是INTERNET的大發(fā)展，它使信息能被許多人共享。正是由于這些原因，計算機醫(yī)療、遠程醫(yī)

5、療服務因為其的快速、便捷，正被越來越多的醫(yī)療機構所采用。這也就要求我們采用更先進的圖像處理技術和更適合網(wǎng)絡傳輸?shù)膱D像格式。本文的目的是設計紅細胞識別統(tǒng)計系統(tǒng)，檢測血液中紅細胞的密度。采用，處理由高倍放大鏡采集到的血液切片照片，并將照片根據(jù)需要轉(zhuǎn)換成更適合網(wǎng)絡傳輸?shù)膱D片格式。綜合運用圖像平滑、閾值處理、孔洞填充以及圖像腐蝕等圖像處理技術，識別出血液中的紅細胞，并統(tǒng)計其個數(shù)。對圖像就行平滑處理后，再綜合運用閾值處理、孔洞填充以及圖像腐蝕等技術對圖片就行處理，使圖片便于以后的后續(xù)處理，最終使用遞歸算法對細胞個數(shù)進行統(tǒng)計，統(tǒng)計出需要的數(shù)據(jù)，給出科學的依據(jù)，方便應用于臨床醫(yī)學的研究和對病人情況的參考。關

6、鍵詞：圖像處理；圖像平滑；閾值處理；孔洞填充；圖像腐蝕；visual c+Design of a Erythrocyte Recognition and Statistics System Based on VC+AbstractIn the past decade, the need to store, transmit and process information to increase the number of exponential series. This is mainly due to the development of two technologies. First, t

7、he applications of multimedia systems in many fields, In the past, the computer can only deal with numbers and text messages, but now, they are already replaced by the sound, picture, image; the other is the great development of internet, it makes information be shared by a lot of people. It is for

8、these reasons, computer health, telemedicine services are increasingly being used by medical institutions because it is fast and convenient. This also requires us to use more advanced image processing technology and more suitable image format for network transmission. The purpose of this statistical

9、 system is designed to identify red blood cells ,then to detect the density of red blood cells in the blood. Using VC + +6.0, processed the blood photographs and pictures collected by high-powered magnifying glass as needed,then convert the picture to the format more suitable for network transmissio

10、n . Using image smoothing, threes holding, hole filling and image corrosion technology , identify the red blood cells, and the number of statistics.First, smoothing the image, then using threes holding hole filling and image corrosion technology to process the pictures on-line, make the image easy f

11、or later follow-up treatment. The final number of cells using recursive algorithm for statistical, gives a scientific basis, easily used in clinical research and patient reference.Key Words: Image Processing; image smoothing; threes holding; hole filling; image corrosion; VC+6.0目 錄 TOC o 1-3 h z u H

12、YPERLINK l _Toc2936912831 緒論 PAGEREF _Toc293691283 h 1HYPERLINK l _Toc293691284概述 PAGEREF _Toc293691284 h 1HYPERLINK l _Toc293691285課題的背景和國內(nèi)外相關研究 PAGEREF _Toc293691285 h 1HYPERLINK l _Toc293691286課題研究主要內(nèi)容2HYPERLINK l _Toc2936912881.4本課題重點及難點2HYPERLINK l _Toc2936912891.4.1本課題研究的重點2HYPERLINK l _Toc293

13、6912901.4.2本課題研究的難點2HYPERLINK l _Toc2936912871.5本設計的結構安排2HYPERLINK l _Toc2936912912 數(shù)字圖像處理簡介 PAGEREF _Toc293691291 h 4HYPERLINK l _Toc293691292圖像的基本概念 PAGEREF _Toc293691292 h 4HYPERLINK l _Toc293691293圖像的定義 PAGEREF _Toc293691293 h 4HYPERLINK l _Toc293691294圖像的表示 PAGEREF _Toc293691294 h 4HYPERLINK l

14、_Toc293691295圖像的分類 PAGEREF _Toc293691295 h 4HYPERLINK l _Toc293691296數(shù)字圖像的描述4HYPERLINK l _Toc293691297數(shù)字圖像處理內(nèi)容5HYPERLINK l _Toc293691298圖像變換5HYPERLINK l _Toc293691299圖像增強 PAGEREF _Toc293691299 h 6HYPERLINK l _Toc293691300圖像恢復 PAGEREF _Toc293691300 h 6HYPERLINK l _Toc293691301圖像壓縮6HYPERLINK l _Toc293

15、691302圖像分割 PAGEREF _Toc293691302 h 7HYPERLINK l _Toc293691303圖像描述7HYPERLINK l _Toc293691304圖像分類(識別)7HYPERLINK l _Toc2936913053 細胞圖像識別統(tǒng)計系統(tǒng)8HYPERLINK l _Toc293691306血液細胞識別與統(tǒng)計系統(tǒng)8HYPERLINK l _Toc293691307系統(tǒng)模型及識別流程圖8HYPERLINK l _Toc293691308系統(tǒng)中圖像圖形變換的算法與應用9HYPERLINK l _Toc293691309血液圖像的平滑9HYPERLINK l _To

16、c293691310血液圖像的二值化10HYPERLINK l _Toc293691311孔洞填充的目的及其方法 PAGEREF _Toc293691311 h 12HYPERLINK l _Toc293691312利用梯度信息進行修正 PAGEREF _Toc293691312 h 13HYPERLINK l _Toc293691313用腐蝕法去噪聲 PAGEREF _Toc293691313 h 14HYPERLINK l _Toc293691314細化與骨架抽取 PAGEREF _Toc293691314 h 15HYPERLINK l _Toc2936913163.3.7初步處理后的圖

17、像修正 PAGEREF _Toc293691316 h 17HYPERLINK l _Toc293691316應用中心點標注完成數(shù)量統(tǒng)計 PAGEREF _Toc293691316 h 18HYPERLINK l _Toc293691317 VC+環(huán)境下細胞識別統(tǒng)計的程序?qū)崿F(xiàn)19HYPERLINK l _Toc2936913184 BMP圖像文件 PAGEREF _Toc293691318 h 21HYPERLINK l _Toc293691319 BMP圖像文件結構 PAGEREF _Toc293691319 h 21HYPERLINK l _Toc293691320 BMP圖像文件的讀取與

18、顯示 PAGEREF _Toc293691320 h 22HYPERLINK l _Toc293691321 BMP圖像顯示效果 PAGEREF _Toc293691321 h 25HYPERLINK l _Toc2936913225 軟件設計調(diào)試 PAGEREF _Toc293691322 h 26HYPERLINK l _Toc293691323圖像處理初始程序界面 PAGEREF _Toc293691323 h 26HYPERLINK l _Toc293691324閾值選取后的圖像界面 PAGEREF _Toc293691324 h 26HYPERLINK l _Toc293691325

19、經(jīng)過閾值HSI選取后的圖像 PAGEREF _Toc293691325 h 27HYPERLINK l _Toc293691326查找中心點后的圖像 PAGEREF _Toc293691326 h 28HYPERLINK l _Toc293691327利用Sobel信息修正前后的圖像對比28HYPERLINK l _Toc293691328填充孔洞后的圖像29HYPERLINK l _Toc293691329腐蝕后的圖像30HYPERLINK l _Toc293691330膨脹后的圖像 PAGEREF _Toc293691330 h 30HYPERLINK l _Toc293691331再次平

20、滑后的圖像 PAGEREF _Toc293691331 h 31HYPERLINK l _Toc293691332得出統(tǒng)計信息 PAGEREF _Toc293691332 h 31HYPERLINK l _Toc2936913336 總結與展望 PAGEREF _Toc293691333 h 33HYPERLINK l _Toc293691330 PAGEREF _Toc293691330 h 33HYPERLINK l _Toc293691331 PAGEREF _Toc293691331 h 33HYPERLINK l _Toc293691334參考文獻 PAGEREF _Toc29369

21、1334 h 35HYPERLINK l _Toc293691335致 謝 PAGEREF _Toc293691335 h 36HYPERLINK l _Toc293691336畢業(yè)設計(論文)知識產(chǎn)權聲明37HYPERLINK l _Toc293691337畢業(yè)設計(論文)獨創(chuàng)性聲明38附錄391 緒論概述通過血細胞分析檢測儀器可以提供多種醫(yī)學數(shù)據(jù)，但眾多專家認為，血涂片細胞形態(tài)學檢查是觀察血液病的一個極其重要、無法替代、必不可少的檢查手段。沒有血涂片細胞形態(tài)學的檢查，很多血液系統(tǒng)的疾病難以確診。如對一些貧血的鑒別診斷往往只能通過血涂片檢查確定其形態(tài)學異常。然而,人工操作存在幾個問題：(1)

22、效率低下；(2)人的主觀因素導致的判斷不一；(3)因持續(xù)工作視覺疲勞導致的錯誤判斷等等。隨著計算機圖像處理與模式識別技術的發(fā)展，對血細胞顯微圖像實現(xiàn)計算機自動分析識別，在技術上是可行的。與人工分析方式相比，既提高了工作效率，又增強了分析的客觀性和正確性。傳統(tǒng)的計算機只能處理文字、數(shù)字或是簡單的圖形。近年來，隨著計算機硬件技術的飛速發(fā)展和更新，計算機處理圖形圖像的能力大大增強。隨著計算機技術的不斷發(fā)展，計算機技術在醫(yī)學中的應用也越來越多，其中一個重要方面是對顯微鏡下血液細胞形態(tài)的自動圖像識別。紅細胞識別統(tǒng)計系統(tǒng)主要用于血液檢測，當掃描到病人的血液切片時，系統(tǒng)會自動對高倍放大的血液視圖進行圖像采集

23、，將提取到的原始數(shù)據(jù)保存為圖像文件。然后通過一系列的圖像處理和分析，識別出血液中的紅細胞并統(tǒng)計其個數(shù)，最后得出紅細胞的密度，快速地為醫(yī)院臨床診斷提供依據(jù)。課題的背景和國內(nèi)外相關研究隨著計算機技術的不斷發(fā)展，計算機技術在醫(yī)學中的應用也越來越多，其中一個重要方面是對顯微鏡下血液細胞形態(tài)的自動圖像識別。由于圖像中細胞形態(tài)多樣、細胞常重疊、標本制作時染色不好等原因，使細胞自動圖像識別過程的關鍵圖像分割變得困難。又由于細胞種類較多，某些種類差別細微，因此對特征向量的選取和測定也提出了較高要求。在過去的十年里，需要存儲、傳輸和處理的信息數(shù)量成指數(shù)級數(shù)地增加。這主要歸因于兩項技術的發(fā)展。一是多媒體系統(tǒng)在眾多

24、領域的應用，過去的計算機只能處理數(shù)字和文本信息現(xiàn)在卻已代之以聲音、圖片、影像；另一項是INTERNET的大發(fā)展，它使信息能被許多人共享。正是由于這些原因，計算機醫(yī)療、遠程醫(yī)療服務因為其的快速、便捷，正被越來越多的醫(yī)療機構所采用。這也就要求我們采用更先進的圖像處理技術和更適合網(wǎng)絡傳輸?shù)膱D像格式。本文介紹的是一個基于環(huán)境的血液細胞圖片處理系統(tǒng)。這個系統(tǒng)可以處理由高倍放大鏡采集到的血液切片照片，并將照片根據(jù)需要轉(zhuǎn)換成更適合網(wǎng)絡傳輸?shù)膱D片格式。該系統(tǒng)可以方便地應用于臨床醫(yī)學診斷和網(wǎng)絡遠程醫(yī)學診斷上。關于此課題，國內(nèi)外相關學者已做了比較廣泛的研究，并已提出了一些細胞圖像分割方法，如經(jīng)典的Snakes算法

25、、基于邊界方法檢測算子、基于紋理或顆粒度的分割方法，此外還有其他圖像分割的方法，或區(qū)域方法或邊界方法，但這些方法對血細胞圖像的分割都沒有達到一個較理想的效果。由于細胞圖像分割的困難和血細胞某些種類差別的細微，使得對所有細胞實現(xiàn)自動識別在當前還是一個難題。目前，國內(nèi)尚未見此類系統(tǒng)投入臨床使用的報告。1.3課題研究主要內(nèi)容本課題研究的系統(tǒng)是一個醫(yī)院中血液紅細胞計數(shù)的實用系統(tǒng)。它主要是以病人的血液樣本(玻璃切片)為原始數(shù)據(jù)，通過一系列的圖像處理和分析，最后識別出血液中的紅細胞來，同時給出紅細胞的個數(shù)，得到紅細胞個數(shù)之后，進行檢測的血液量，就可以得出血液中紅細胞的密度。 主要技術指標：(1)系統(tǒng)穩(wěn)定，

26、要求至少能無錯運行一個星期；(2)系統(tǒng)對細胞的計數(shù)誤差不得超過5%；(3)要求系統(tǒng)能處理一些比較特殊的情況，如細胞粘連，或多個細胞處于采集圖片的邊緣；(4)時間要求，系統(tǒng)最后得出細胞數(shù)目并計算出細胞密度，時間不超過20s；(5)界面簡單，容易操作。 1.4本課題重點及難點1.4.1本課題研究的重點(1) 圖像處理技術在VC+6.0環(huán)境下的處理編程實現(xiàn);(2) 閥值的選??；如果選擇不當，可能出現(xiàn)雜質(zhì)保留過多或者出現(xiàn)半個細胞等現(xiàn)象，會給后續(xù)的圖像處理帶來很多困難。(3) 腐蝕次數(shù)的選擇。1.4.2本課題研究的難點圖像的定位分割。由于提取的圖像邊界、輪廓模糊，就要用到銳化處理，又由于圖像中噪聲的影響

27、，進而要用到圖像的平滑處理，從而結合邊緣提取算法和字符識別算法編寫出圖形用戶界面程序構成一個完整算法程序?qū)崿F(xiàn)則是研究的難點所在。本設計的結構安排(1) 緒論部分：介紹目前細胞識別統(tǒng)計技術的研究背景、發(fā)展水平及課題的研究意義；了解本設計所涉及的主要內(nèi)容、能實現(xiàn)的功能以及重要的技術指標；對課題的目的明確。(2) 構建軟件環(huán)境：熟悉有關本設計要用到的軟件和有關圖像處理技術的有關知識，對圖像的格式轉(zhuǎn)換有一定的了解，掌握本課題所用到的圖片格式，方便設計的進行。(3) BMP圖像文件：對設計中采用的BMP格式的文件有所了解；(4) 圖像處理：對圖像進行平滑處理、腐蝕、孔洞填充、邊緣檢測等處理，利用軟件設計

28、并且實現(xiàn)系統(tǒng)中對細胞圖像的各種處理功能。(5) 統(tǒng)計：對處理過的細胞圖像分析，統(tǒng)計出圖像中紅細胞的個數(shù)以及密度。(6) 總結：對本次設計做一個系統(tǒng)的總結。2 數(shù)字圖像處理簡介隨著科學技術的發(fā)展，數(shù)字圖像處理技術得到了空前的發(fā)展，被廣泛應用于 眾多的科學與工程領域。可以說人們生產(chǎn)、工作和生活方式的方方面面都離不開數(shù)字圖像處理技術。圖像的基本概念圖像的定義信號是信息的載體。更一般的意義上說，信號可以視為是指標空間 dD 到 值空間 uU 的映射 f，而圖像則可以定義為一個映射，其值空間為亮度(包括顏色)，其指標空間由位置、時間、波長等組成。 圖像的表示二維圖像可以用二維亮度函數(shù)來表示。由于光是能量

29、的一種表現(xiàn)形式，所以 圖像的亮度可以表示為 I = f ( x, y )，式中 I 為圖像的亮度， ( x, y ) 是坐標，顯然 0 f ( x, y ) +。光學圖像一般是由物體表面反射的光形成的。雖然投射光也可以形成圖像，但是沒有特別說明時，一般指反射光形成的圖像。f ( x, y ) 可以看成是由所看到的景物上入射光量及物體對光的反射系數(shù)共同確定的。如果用 i ( x, y ) 表示入射分量，用 r ( x, y ) 來表示反射系數(shù)，那么 I = f ( x, y ) = i ( x, y ) ? r ( x, y ) ， 其中 0 i ( x, y ) +， 0 r ( x, y )

30、 1 。全吸收時，r為0；全反射時r為1。這里i ( x, y )是由光源的性質(zhì)來決定的，而 r ( x, y ) 取決于被照的物體。 圖像的分類(1)根據(jù)指標空間D中元素d的連續(xù)與離散性可以分為連續(xù)圖像和離散圖 像。 (2)根據(jù)與時間有無關系可以分為靜止圖像和運動圖像。 (3)根據(jù)有無顏色信息可以分為灰度圖像和彩色圖像。 (4)根據(jù)光譜的波長參數(shù)可以分為全光譜圖像、多光譜圖像和超光譜圖像。(5)根據(jù)景物的投影域可以分為平面圖像和立體圖像。數(shù)字圖像的描述由于計算機僅能處理離散的數(shù)據(jù)，所以如果要計算機來處理圖像，連續(xù)的圖 像函數(shù)必須轉(zhuǎn)化為離散的數(shù)據(jù)集，這一過程叫做圖像采集。圖像采集由圖像采集 系

31、統(tǒng)完成，如圖所示。圖像采集系統(tǒng)包括三個基本單元，即成像系統(tǒng)、采樣系統(tǒng)和量化器。采樣實際上就是一個空間坐標的量化過程，量化則是對圖像函數(shù)值的離散化過程。采樣和量化系統(tǒng)統(tǒng)稱為數(shù)字化。成像系統(tǒng)采樣系統(tǒng)量化器 圖2.1 圖像采集系統(tǒng)數(shù)字圖像是連續(xù)圖像 f ( x, y ) 的一種近似表示，通常由采樣點的值所組成的 矩陣來表示：f(0,0)f(0,1)f(1,0)f(1,1)f(n-1,0）f(n-1,1) f(0,m-1)f(1,m-1)f(n-1,m-1)每個采樣點叫做一個像素(pixel)。上式中，m，n 分別為數(shù)字圖像在橫、縱 方向上的像素數(shù)。在計算機中通常采用二維數(shù)組來表示數(shù)字圖像的矩陣。 把

32、像素按不同的方式進行組織或存儲，就得到不同的圖像格式，把圖像數(shù)據(jù) 存成文件就得到圖像文件。在Windows系統(tǒng)中，最常用的圖像格式是位圖格式，其文件名以BMP為擴展名。圖像數(shù)字化的精度包括兩個部分，即分辨率和顏色深度。分辨率是指圖像數(shù)字化的空間精細度，有顯示分辨率和圖像分辨率兩種不同的分辨率。圖像分辨率實質(zhì)是數(shù)字化圖像時劃分的圖像的像素密度，即單位長度內(nèi)的像素數(shù)，其單位是每英寸的點數(shù)DPI(Dots per Inch)。顯示分辨率則是把數(shù)字圖像在輸出設備(如顯示器或打印機)上能夠顯示的像素數(shù)目和所顯示像素之間的點距。圖像分辨率說明了數(shù)字圖像的實際精細度，顯示分辨率說明了數(shù)字圖像的表現(xiàn)精細度。具

33、有不同的圖像分辨率的數(shù)字圖像在同一設備上的顯示分辨率相同。顯示器是常見的圖像輸出設備，現(xiàn)在常見的顯示器的分辨率一般可達1024768，點距為。數(shù)字圖像處理內(nèi)容圖像變換由于圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。因此，往往采用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散余弦變換等間接處理技術，將空間域的處理轉(zhuǎn)換為變換域處理，不僅可減少計算量，而且可獲得更有效的處理(如傅立葉變換可在頻域中進行數(shù)字濾波處理)。目前新興研究的小波變換在時域和頻域中都具有良好的局部化特性，它在圖像處理中也有著廣泛而有效的應用。圖像增強突出圖像中感興趣信息、削弱不感興趣的信息，改變圖像的視覺效果和質(zhì)量

34、的處理方法，其目的是為了使處理的結果更適合與人類視覺觀察判斷或機器識別分析，從而提高圖像的使用價值。圖像增強技術主要包括灰度對比度變換、直方圖修正、圖像平滑、圖像銳化及彩色增強處理等。圖像增強可以采用單一方法，也可以采用幾種方法聯(lián)合處理，以獲得期望的增強效果。圖像增強技術可以分為空域處理變換域處理?？沼蛱幚碇苯訉D像的像素灰度進行調(diào)整。圖像的對比度增強，灰度層次改善等處理方法均屬于空域法處理?？沼蛱幚碛挚煞譃辄c運算和局部運算。輸出結果僅與當前點有關的處理方法稱為點運算，而輸出結果與當前點鄰域內(nèi)多個像素相關的處理方法稱為局部運算。 應該明確的是，圖像增強處理并不能增加原始圖像信息，只能增強人或機

35、器對某種信息的辨別能力。圖像增強處理有可能造成某些信息的損失。一般說來，一部分圖像信息的增強往往要以另外一部分圖像的信息的削弱為代價。 圖像恢復圖像在形成、記錄、處理和傳輸過程中，由于成像系統(tǒng)、記錄設備、傳輸介質(zhì)和處理方法的不完善，從而導致圖像質(zhì)量下降，這一過程稱為圖像退化。圖像恢復的任務是使退化的圖像消除或降低退化因素，以保真度為準則，盡可能地恢復原來的圖像。圖像增強和圖像恢復都是為了改善圖像質(zhì)量。前者是以犧牲不感興趣信息的質(zhì)量為代價來提高感興趣信息的質(zhì)量，后者是以保真度為前提來改善圖像質(zhì)量。一般說來，圖像增強是一個主觀的過程，即增強的內(nèi)容、增強的效果的評判都由主觀決定。而圖像恢復不僅根據(jù)人

36、的主觀感受來判斷，還常常要根據(jù)一些客觀退化過程的先驗知識將其模型化，并采用相反的過程進行處理，以便重建或恢復出原來圖像。例如，銳化是圖像增強過程，而通過去模糊函數(shù)去除圖像模糊則是圖像恢復技術。造成圖像質(zhì)量退化的因素包括光學系統(tǒng)的像差和畸變、光學成像衍射、成像系統(tǒng)的非線性、成像過程的相對運動、大氣的湍流的擾動效應、系統(tǒng)噪聲等。圖像的退化可以理解為在空間頻率譜上的畸變，因此圖像恢復過程將包含對退化圖像譜的調(diào)制，這可以通過空間濾波器或使用圖像生成過程中的點擴展函數(shù)對圖像進行卷積來實現(xiàn)。 圖像壓縮 數(shù)字圖像是用點陣表示并且是用圖像文件的形式存放的。通常，圖像文件都是大型文件，而在實際應用中，常常需要傳

37、遞和交換圖像文件，因此，需要設法把大型圖像文件進行壓縮，以減少存儲、傳輸和處理的時間，節(jié)省存儲資源和網(wǎng)絡資源。圖像壓縮的可能性在于，首先，圖像數(shù)據(jù)存在著較強的相關性，圖像內(nèi)部鄰近像素以及視頻序列中相鄰幀對應像素的灰度相同或相近， 即含有大量的冗余信息。去除這些冗余就可以減少數(shù)據(jù)量。其次，圖像的最終接收端往往是人們的視覺系統(tǒng)，它的感知或敏感范圍有限。再次，圖像的記錄和顯示設備接收信息量的程度也受本身的限制。最后，在許多實際應用中，只需保留部分有用的特征信息。 圖像壓縮就是要盡可能去除其中的冗余，以減少表示一個圖像所需的數(shù)據(jù) 量。從數(shù)學的觀點看，圖像壓縮實際上就是將一個二維的數(shù)據(jù)陣列變換為一個在

38、統(tǒng)計上無關的數(shù)據(jù)集合。圖像冗余一般有：空間冗余、時間冗余、信息熵冗余、 結構冗余、知識冗余、視覺冗余等。 圖像分割 為了進行圖像的分析或識別，往往需要先將圖像劃分成若干個有意義的區(qū) 域。 圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術和過 程。這里特性可以使灰度、顏色、紋理或輪廓等，目標可以對應單個區(qū)域，也可以對應多個區(qū)域。 圖像分割使計算機圖像處理的一個基本問題， 是進行許多后續(xù)圖像分析任務的先行步驟。圖像識別、圖像的可視化和基于目標的圖像壓縮都高度依賴于圖像分割的結果。因此，圖像分割一直得到人們的高度重視，提出了很多分割方法。然而，圖像分割問題仍然是圖像處理中的一個瓶頸，這

39、是因為，我們只能用圖像信息中某些局部特征去分割區(qū)域，因此各種分割方法必然帶有局限性。圖像描述圖像描述是圖像識別和理解的必要前提。作為最簡單的二值圖像可采用其幾何特性描述物體的特性，一般圖像的描述方法采用二維形狀描述，它有邊界描述和區(qū)域描述兩類方法。對于特殊的紋理圖像可采用二維紋理特征描述。隨著圖像處理研究的深入發(fā)展，已經(jīng)開始進行三維物體描述的研究，提出了體積描述、表面描述、廣義圓柱體描述等方法。 圖像分類圖像分類(識別)屬于模式識別的范疇，其主要內(nèi)容是圖像經(jīng)過某些預處理(增強、復原、壓縮后，進行圖像分割和特征提取，從而進行判決分類。圖像分類常采用經(jīng)典的模式識別方法，有統(tǒng)計模式分類和句法(結構)

40、模式分類，近年來新發(fā)展起來的模糊模式識別和人工神經(jīng)網(wǎng)絡模式分類在圖像識別中也越來越受到重視。3 細胞圖像識別統(tǒng)計系統(tǒng)3.1血液細胞識別與統(tǒng)計系統(tǒng)本系統(tǒng)是一個醫(yī)院中血液紅細胞計數(shù)的實用系統(tǒng)。它主要是以病人的血液樣本(玻璃切片)為原始數(shù)據(jù)，通過一系列的圖像處理和分析，最后識別出血液中的紅細胞來，同時給出紅細胞的個數(shù)，得到紅細胞個數(shù)之后，進行檢測的血液量，就可以得出血液中紅細胞的密度。 主要技術指標：(1)系統(tǒng)穩(wěn)定，要求至少能無錯運行一個星期；(2)系統(tǒng)對細胞的計數(shù)誤差不得超過5%；(3)要求系統(tǒng)能處理一些比較特殊的情況，如細胞粘連，或多個細胞處于采集圖片的邊緣；(4)時間要求，系統(tǒng)最后得出細胞數(shù)目

41、并計算出細胞密度，時間不超過20s；(5)界面簡單，容易操作。 3.2系統(tǒng)模型及識別流程圖紅細胞識別統(tǒng)計系統(tǒng)的硬件部分主要包括:高倍放大鏡、圖像采集卡、攝像頭和高檔微機;軟件部分則采用開發(fā)后臺圖像處理的各個模塊。本課題擬采用圖像分析和圖像處理技術，在環(huán)境下編寫一套程序?qū)ο嚓P圖像進行處理以達到細胞統(tǒng)計的目的，綜合運用圖像平滑、闕值處理、孔洞填充、邊緣檢測、圖像腐蝕等技術，最終達到預期目的。系統(tǒng)主要由以下3個部分組成：圖像輸入、圖像處理、數(shù)量統(tǒng)計。結構如圖3.1所示。圖像輸入圖像處理數(shù)量統(tǒng)計圖3.1 細胞識別統(tǒng)計系統(tǒng)模型在系統(tǒng)圖像處理的過程中，主要用到了以下的技術：圖像平滑、腐蝕、直方圖閾值處理、

42、剃度修正、細化、HIS系統(tǒng)模型等。系統(tǒng)處理的流程圖如圖3.2所示。源圖像平滑HSI選取閾值直方圖閾值處理填充孔洞腐蝕去除噪聲利用梯度信息進行修正細化同時算出半徑修正（其它法）數(shù)量統(tǒng)計（中心點，無中心點）圖3.2 細胞統(tǒng)計識別系統(tǒng)流程圖3.3系統(tǒng)中圖像圖形變換的算法與應用3血液圖像的平滑圖像平滑的目的是盡量減少或消除噪聲的影響，改善圖像質(zhì)量。實現(xiàn)圖像平滑的方法有很多，比如領域像素的加權平均、用高斯濾波、中值波等。一般視具體的情況選取最合適的一種。公式3.1是兩個加權平均常用的算子。高斯濾波的本質(zhì)也是加權濾波，只是濾波用的算子是由高斯公式計算得到的。中值濾波則是把原圖像中一定領域內(nèi)的像素值大小居中

43、的點像素作為新圖像中對應點的像素。它的好處是既可以消除噪聲又不破壞圖像的邊緣。在本統(tǒng)實現(xiàn)中，采用的是中值濾波，而且還要利用圖像的邊緣進行梯度運算。 (3.1)圖像平滑處理前、后的圖像如圖3.3所示。在平滑處理過后，細胞圖象的邊緣會變得模糊，但噪聲卻明顯減少，對于邊緣后續(xù)會有相關處理。 處理前的圖像 處理后的圖像圖3.3 圖像平滑處理效果3血液圖像的二值化在系統(tǒng)中我們采用了兩種方法進行圖像的二值化，結果發(fā)現(xiàn)效果都不錯。這兩種方法分別是直方圖閾值法和HSI選取閾值法，我們采取兩個方法疊加使用。直方圖閾值處理方法對于圖像我們可以先計算出圖像的直方圖，用來表示圖像各個灰度級的分布。直方圖的橫坐標是灰度

44、級，縱坐標是該級別出現(xiàn)的頻率。然后根據(jù)直方圖選取閾值進行閾值分割。這里的閾值分割是把像素值處于一定范圍內(nèi)的點賦予特別的值，或者保持這些像素不變。圖3.4、3.5分別是對圖像的直方圖以及閾值分割后的結果。對于彩色圖象，我們采用R、G、B三色直方圖閾值選取。圖3.4 彩色分量直方圖選取界面圖3.5 閾值分割后的結果在系統(tǒng)的閾值選取過程中我們采用了手動選取和自適應閾值兩種方法。手動選取是人為的設定一個數(shù)值作為閾值，而自適應閾值則是在對圖像進行像素統(tǒng)計的基礎上，由程序自動計算得到的一個閾值，本系統(tǒng)采用的是自適應閾值。在手動閾值選取的過程中，閾值的選擇非常重要。如果選的不好，要么保留了很多噪聲信息(此處

45、就是保留了背景中的雜質(zhì))，要么丟失了許多有用的信、(比如丟掉了細胞中顏色比較淡的部分，只留下半個或者小半個細胞)。我們一般選擇顏色頻率比較集中的區(qū)域來設定最大值和最小值。在自適應閾值選取過程中我們一定要選擇最有顏色特征并且容易區(qū)分圖像顏色區(qū)域的部分，另外，我們應該選取較小的部分來節(jié)約計算時間。HSI選取閾值處理 計算機處理圖像時，常用的色彩空間主要有RGB(紅、綠、藍)、HSI(色調(diào)、色飽和度、亮度)。系統(tǒng)中我們選用HSI色彩空間，主要是因為它是從人的視覺系統(tǒng)出發(fā)的，更加符合人的視覺特性；它將亮度(I)與反映色彩本質(zhì)特征的兩個參數(shù)色調(diào)(H)、飽和度(I)都分開，使得處理的時候能夠有更強的針對性

46、。這樣選取后即使圖像上有陰影或者是光線變化比較大的時候，都會減小其對閾值選取的影響。RGB色彩空間到HSI色彩空間的轉(zhuǎn)換我們依據(jù)公式3.2來達到從RGB到HSI空間的轉(zhuǎn)換。 (3.2)系統(tǒng)在得到平滑過后的圖像后，對圖像進行色彩變換，然后在HSI空間里進行HSI圖像的閾值分割。圖3.5是采用自適應閾值法在HSI空間的閾值選取界面。在過程中，程序會自動根據(jù)選取的顏色特征區(qū)域，記錄下來區(qū)域的HSI值。圖3.6是采用這種方法進行閾值分割后的效果圖。 自適應閾值由系統(tǒng)根據(jù)選取區(qū)域計算 正確的自適應閾值會很好地將圖像分割圖3.5 閾值選取界面 圖3.6 閾值分割后的效果圖3孔洞填充的目的及其方法有些細胞的

47、圖像類似圖3.7所示，圖3.8是孔洞填充后的細胞圖像。 圖3.7 有孔洞的細胞圖像 圖3.8 孔洞填充后的細胞孔洞的存在會對骨架算法有很大的影響,填充過后的圖像更有利于系統(tǒng)識別,這樣的圖像對于系統(tǒng)的骨架算法進行是非常不利的，因為在以后利用骨架算法腐蝕的時候空洞就會越來越大。這樣的情況很難得到正確的結果。這就需要使用孔洞填充的方法進行修正?？锥刺畛涞脑砣缦拢涸陂撝堤幚頃r，如果像素在閾值范圍內(nèi)，則像素將被標志?？锥刺畛鋵⑾冉y(tǒng)計所有連通的非標志區(qū)域面積，總會有一個或者幾個面積特別大的區(qū)域，其它的都是面積相對較小的區(qū)域。較小或者很小的往往就是系統(tǒng)所要填充的孔洞了。在這里我們首先完成孔洞的填充，然后再

48、手動進行人工的選取，以此達成目的。3利用梯度信息進行修正系統(tǒng)采用的求梯度方法實際上是邊緣檢測的一種。邊緣是指圖像中灰度發(fā)生急劇變化的區(qū)域。圖像灰度的變化情況可以用灰度的梯度來反映，對給定連續(xù)圖像f(x，y)，其方向?qū)?shù)在邊緣法線的方向上取得局部的最大值。f(x，y)在方向上沿r的梯度為公式3.3。的最大值條件是 (3.3)梯度最大值或為了減少計算量用因為本系統(tǒng)處理的圖像為彩色圖像，所以分別對R、G、B進行梯度計算，可以使用作為梯度值。本系統(tǒng)中我們采用Sobel算子進行離散情況下的邊緣檢測，對于給定的圖像在兩個正交方向上的梯度和為公式3.4和3.5。 (3.4) (3.5)則邊緣的強度和方向由公

49、式3.6給出。 或為了減少計算量 (3.6)Sobel算子的模板有以下兩個：一個是檢測水平邊沿的，另外的一個是檢測垂直邊沿的。我們采用邊緣檢測的目的主要是為了區(qū)別如圖3.9所出現(xiàn)的重疊情況。如果這種點沒有被排除，那么多個相連的細胞就無法區(qū)分了。細胞的重疊將會對數(shù)量統(tǒng)計造成影響圖3.9 細胞重疊使用梯度信息進行修正的原理是根據(jù)分割區(qū)域和細胞內(nèi)部顏色突變進行區(qū)分。而存在顏色突變的地方梯度值比較大。因此梯度修正就去掉所有梯度值很大的點，而不被標志。3用腐蝕法去噪聲我們采用腐蝕的方法來消除邊界點。這樣，使邊界向內(nèi)部收縮的過程就可以消除小并且無意義的點。以下是我們的算法，我們循環(huán)使用和模板，其效果相當于

50、使用5乘5的模板。而且腐蝕操作不是一次達到目的的，要進行多次腐蝕才能達到效果，在本系統(tǒng)中就進行了多次的腐蝕，效果如圖3.10所示。 閾值選取后的效果 腐蝕兩次后的結果圖3.10 腐蝕效果3細化與骨架抽取所謂細化，就是從原來的圖中去掉一些點，但仍要保持原來的形狀，即保持原圖的骨架。所謂骨架，可以理解為圖像的中軸，例如一個長方形的骨架是它的長方向上的中軸線;正方形的骨架是它的中心點:圓的骨架是它的圓心，直線的骨架是它自身，孤立點的骨架也是自身。文本的骨架是它筆畫的中心線。細化(Thinnig)算法有很多，這里系統(tǒng)使用的是一種簡單而且效果很好的算法，用它能夠?qū)崿F(xiàn)從文本或圖像抽取骨架的功能。比如現(xiàn)在要

51、細化的對象是白紙字的文本，程序中為了處理的方便，采用256級灰度圖，不過只用到了調(diào)色板中的0和255兩項。那么怎樣判斷一個點是否能去掉呢?顯然，要根據(jù)它的8個相鄰點的情況來判斷，下面給出幾個例子，如圖3.11所示。 (1) (2) (3) (4) (5) (6)圖3.11 據(jù)某點的8個相鄰點的情況來判斷該點是否能刪除(1)不能刪，因為它是個內(nèi)部點，我們要求的是骨架，如果連內(nèi)部點也刪了，骨架也會被掏空。(2)不能刪，和(1)同樣的道理。(3)可以刪，這樣的點不是骨架。(4)不能刪，因為刪掉后原來相連的部分斷開了。(5)可以刪，這樣的點不是骨架。(6)不能刪，因為它是直線的端點，如果這樣的點刪了，

52、那么最后整個直線也被刪了。所以系統(tǒng)刪除點采取的原則是：內(nèi)部點不能刪除；孤立點不能刪除；直線端點不能刪除；如果P是邊界點，去掉P后，如果連通分量不增加，則P可以刪除。根據(jù)以上原則可以做出了表3.1，來判斷點可否刪除。從0-255共有256個元素，每個元素要么是0，要么是1。根據(jù)某點(要處理的黑色點)的8個相鄰點的情況查表，若表中的元素是1，則表示該點可刪，否則保留。 查表的方法是，設白點為1,黑點為0。左上方點對應一個8位數(shù)的第一位(最低位)，正上方點對應第二位，右上方點對應的第三位，左鄰點對應第四位，右鄰點對應第五位，左下方點對應第六位，正下方點對應第七位，右下方點對應的第八位。按這樣組成的8

53、位數(shù)去查表即可。例如圖3.11所示中(1)對應表中的第0項，該項應該為0；(2)對應237，該項應該為0；(3)對應173，該項應該為1；(4)對應231，該項應該為0；(5)對應237，該項應該為1；(6)對應264，該項應該為0。表3.1 去除點判斷表0011001111011101110011110000000100110011110111011100111111011101110011000000000000000000000000001100110011011101000000000000000000110011110111011100111100000001001100111101

54、110111001111000000001100110000000000110011110000000011001100110111001100111011001000使用這張表的算法如下：每次一行一行的將整個圖像掃描一遍，對于每個點(不包括邊界點)，計算它在表中對應的索引，若為0則保留，否則刪除該點。如果這次掃描沒有一個點被刪除，則循環(huán)結束，剩下的點就是骨架點，如果有點被刪除，則進行新的一輪掃描，如此反復，直到?jīng)]有點被刪除為止。 本系統(tǒng)細化處理過程的具體算法的如下。(1) 生成邊界。假如一個被標志的點的四周有任何一個點未被標志，則此點為邊界點。也可以使用八方向判斷，即假如一個被標志的點的八方

55、向鄰接點有任何一個未標志，則此點為邊界點。系統(tǒng)中循環(huán)使用四方向和八方向。(2) 如果被標志點的連通區(qū)域內(nèi)有任何一個點為非邊界點，那么就去掉邊界(相當于細化)；否則，則將所有的邊界點(也就是整個連通區(qū)域)標志為臨時的中心點。(3) 重復(1)、(2)兩步，直到所有點都被訪問。為了取得最終的中心點，還需要對所有被標志為臨時中心點并且連通的像素取坐標平均值，將平均值作為最終中心點。對于圓形或者接近圓形的橢圓來說，一次腐蝕或者細化則半徑減少1，因此根據(jù)腐蝕和細化的次數(shù)就可以得到半徑的值。3初步處理后的圖像修正經(jīng)過前面的多步處理得到的結果可能有不少錯誤，因此需要進行修正。系統(tǒng)實現(xiàn)時需要進行的修正包括如下

56、幾方面：去掉所有內(nèi)部包含另外一個圓的大圓。一個圓內(nèi)還包含著另外一個圓，即一個細胞完全包含了另外一個，這顯然是錯誤的情況。為這種情況表現(xiàn)在圖像上應該是一個細胞被另外一個細胞完全覆蓋，這是連人眼也無法辨別出來的，計算機就更加不可能識別出來了。這種情況很可能是由于細化算法的誤差造成的。如果不去掉其中的一個圓，那么在計數(shù)的時候就多數(shù)了一個細胞。去掉同時和兩個圓相交，且不相交部分占圓總面積很小的圓。同兩個或者兩個以上的圓相交，并且不相交的部分面積占本身的圓面積的比例過小。這種情況比較容易出現(xiàn)，也是細化算法不精確導致的問題。如圖3.12所示。圖中兩個細胞間很粗的連接部分導致細胞的標志錯誤，使用方法(2)就

57、可以識別這種錯誤并且標志出來。圖3.14中的修正部分用兩個像素的粗的圓表示出來。對于面積比較小的選取對象，如果其包含特征色小于總面積的2/3，則可以認為是由噪聲造成的。圖3.13中用實線劃分的部分為所需要修正的部分，如果不進行修正選中的部分可能會被認為是一個細胞 圖3.12 兩個或兩個以上的圓同時相交的情況 圖像中含有細胞重疊的部分 圖中顯示出了所修正出的細胞圖3.13 圖像中需要修正的部分 圖3.14 修正的部分用粗圓表示出來3應用中心點標注完成數(shù)量統(tǒng)計中心點標注法是將每一個中心點信息都存放在一個vector中(vectorm_vCenterPoints)，所以數(shù)量統(tǒng)計僅僅用()就可以得到。

58、因此，還可以輕松求得平均面積、平均半徑等信息。以下是數(shù)量統(tǒng)計后得到的界面圖3.15所示，在通過界面的顯示我們就可以得到細胞個數(shù)、平均半徑、面積等信息。來用此做為醫(yī)療診斷的依據(jù)。圖3.15 系統(tǒng)統(tǒng)計結果界面細胞統(tǒng)計實現(xiàn)程序如下：void CCellView:ProcessCountSeeds(int wd, int ht, FLAGS *curf)/計數(shù)處理if (wdg_nMapWidth-1 | htg_nMapHeight-1)/判斷點是否在圖象內(nèi)部return;FLAGS *next;g_nCellTotArea+;/細胞大小加1curf-visited=1;/訪問設置if (ht0)/

59、不是邊緣點next=curf-g_nMapWidth;if (next-marked & !next-visited)ProcessCountSeeds(wd,ht-1,next); / 遞歸處理上面的點if (htmarked & !next-visited)ProcessCountSeeds(wd,ht+1,next); /遞歸處理下面的點if (wd0)next=curf-1;if (next-marked & !next-visited)ProcessCountSeeds(wd-1,ht,next); /遞歸處理左面的點if (wdmarked & !next-visited)Proc

60、essCountSeeds(wd+1,ht,next); /遞歸處理右面的點VC+環(huán)境下細胞識別統(tǒng)計的程序?qū)崿F(xiàn)通過VC+環(huán)境下的編程，我們實現(xiàn)了細胞的識別與統(tǒng)計。統(tǒng)計過程的主要的實現(xiàn)過程實現(xiàn)分為以下的幾個步驟：平滑首先清空目標區(qū)域并申請與圖像大小相同的空間，分別對圖像中的點分R、G、B對其周圍的9個點取平均。直方圖實現(xiàn)圖像的二值化先將圖像由RGB空間轉(zhuǎn)換到HIS空間，取得當前像素的HIS值，根據(jù)閾值循環(huán)判定當前點的范圍，將在所求范圍中的點設置為相應的值?？斩刺畛涫紫葤呙枵鶊D像，將孔洞的大小置為0，判斷像素的位置，將目標像素的內(nèi)存清空。將在圖像內(nèi)部孔洞的大小加1后標志孔洞。利用Sobel算子進