基于形态学滤波的寄生虫卵图像混合分割算法

基于形态学滤波的寄生虫卵图像混合分割算法 基于形态学滤波的寄生虫卵图像混合分割 算法 基于形态学滤 ? , 德, 波的融虫卵图像 ??露鬻 陈碧黎?谢杰镇王博亮? Subject 课 Tr 题 ea 论 ti 着 selI?I 摘要寄生虫卵的自动识别是当今寄生虫医学图像处理的一个重要课题,目前已有算法一般都要求寄生虫标本杂质含量较 少.提出一种基于形态学滤波的混合分割算法,首先采用B颜色信号提取有用信息,接着利用改进的形态学操作进行滤波, 除去大量杂质及虫卵边缘粘合物,最后结合凸包运算并定义两个图像特征参数,即边界光滑度和区域填充度,做进一步选 择.实验结果表明,该算法明显优于当前的一些虫卵分割算法,能充分利用虫卵的有用信息,有效剔除杂质,大大降低虚假 目标.虫卵边界保留完整清晰,为寄生虫卵的自动识别打下了良好基础. 关键词寄生虫卵图像分割形态学滤波边界光滑度区域填充度 Doi:l0.3969/j.issn.1673—7571.2010.004.010 AHybridSegmentationAlgorithmofParasiteEggsImageBasedonMorphologicalFiltering/CHENBi—li,XIEJie-zhen, WANGBo—liang//ChinaDigitalMedicine.一20105(4):35to37 AbstractAutomaticrecognitionofparasiteeggisanimportanttopicinthefieldofparasitemedicalimageprocessingAt present,existingalgorithmsalwaysrequirefewerimpuritiesinparasitespecimensInthispaper,ahybridsegmentation algorithmbasedonmorphologicalfilteringwaspresentedFirstly,aBcolorsignalwasusedtoextractusefulinformation, andthenanimprovedmorphologicaloperationwasappliedtoremovealargenumberofimpuritiesandtheeggadhesive materials.Finally,theparametersofimagefeaturewereacquired,suchasareafillingdegreeandboundarysmoothness degreethroughconvexhulloperationforfurtherselection.Experimentalresultshaveprovedthattheproposedalgorithm issuperiortotheotherexistingsegmentationalgorithms.Itcanmakefulluseofeggs'usefulinformation,effectively removeimpurities,significantlyreducethefalsetargets,andkeeptheeggs'bordersintactandclear.Inconclusion,it laysagoodfoundationfortheautomaticrecognition KeysParasiteeggs,Imagesegmentation,Morphologicalfiltering,Areafillingdegree,Boundarysmoothnessdegree FundprojectNationalNaturalScienceFoundationofChina(No.30770561):MinistryofHealthForScientificResearchof China--UnitedFujianProvincialHealthandEducationProjectforTacklingtheKeyResearchP.R.C.(NoWKJ2005—2—001, WKJ2008—2— 41):NaturalScienceFoundationofFujianProvinceofChina(No2009J05156) CorrespondingauthorDepartmentofComputerScience,XiamenUniversity,Xiamen3610 05,FujianProvince,P.R.C 基金项目:国家自然科学基金(编号:30770561);卫生部科学研究基金一福建省卫生教育联合攻关计划资助项目(编号:wKJ2005—2 001,WKJ2008—2—41);福建省青年科-KL~{,J-a,f-资助项目(编号:2009J05156) - k通讯作者:厦门大学信息科学与技术学院计算机科学系,361005,福建省厦门市思明南路422号 ?厦门大学信息科学与技术学院计算机科学系,361005,福建省厦门市思明南路422号 (上接第34页)像中的立体视觉叭.中国 医疗器械杂志,2003,27(4):240-243. 【8】KyraMcKenna,KarenMcMenemy,Ferguson KS,eta1.EnhancingtheImmersiveReality ofVirtualSimulatorsforEasilyAccessible LaparoscopicSurgicalTraining[Z】Proc.of SPIE—IS&TElectronicImaging,2008,13. [9]OlegPariser,RobertGD.ACommon InterfaceforStereoViewinginVarious Environments[Z].ProceedingsofSPIE—IS&T ElectronicImaging,2009,14. [10]OpenGLArchitectureReviewBoard,Dave Shreiner,MasonWoo,eta1.0PenGL ProgrammingGuide:TheOfficialGuideto M】.Sixth LearningopenGL(Version2.1)【 EditionPearsonEducation,2009. 【收稿日期:2010一o1—25】 (责任编辑:赵士洁) 35 尊?i:iiii~i:0 r 啊鬻一 寄生虫病是我国乃至全世界一个 严重的公共卫生问题,通过结合计算 机与图像处理技术,寄生虫卵的自 动识别技术在一定程度上辅助医生检 测寄生虫病,减轻医生工作.其中, 寄生虫卵分割是实现自动识别的重要: 前提.传统分割算法有阈值分割和边 缘检测,前者有大津OtsU法,自 动阈值分割等,而后者有SobeI算 子,Prewitt算子和RObertS算子等 算法.但这些方法对于多杂质的寄生 虫卵图像会造成分I-0后伪信息过多, 目标区域分割不明显,伪边和缺边等 严重现象.针对寄生虫卵分割的最新 研究是2007年由南方医科大学发表 的"基于互信息量的寄生虫卵图像优 化分割算法",其通过着名的大津算 法结合互信息量得出最优阈值,该 算法能较好地保持目标图像边界特 征,基本消除纹状,结果较理想…. 另外,20O9年由早稻田大学的Jun ZHANG等提出的基于二维大津法与 直方图分析的肾活检组织分t-, 描述了与寄生虫卵分割类似的细胞 分割,将传统的OtsU算法扩展为二 维,并通过二维直方图分析来调整阈 值,也能较好地剔除杂质,对于多杂 质的细胞分t-0效果显着.另外,在其 他图像分割上还有基于彩色特征组合 的分割方法以及基于BP神经网络 的分割方法等. 本文针对寄生虫卯显微图片杂 质颗粒多,虫卵边缘粘合物稠密不清 晰,图片偏暗等问题,结合形态学滤 用特征参数选 波以及凸包的思想,采 择等技术,提出一种改进的形态学滤 波混合分割算法.本算法特别针对于 多杂质图像,能有效剔除杂质,得到 较清晰完整的虫卵. 36 1改进的形态学混合运算 寄生虫p图片来自人工涂片标 本,由于污染或制作缺陷,常有一些 形状不规则的杂质块和形状同虫卵相 似的圆形水泡等:另外,虫日边缘会 有一些杂质粘合,导致无法提取出口 边缘.为了提取出清晰平滑的虫卵轮 廓,采用数学形态学进行滤波处理. 数学形态学有两个基本运算:膨胀和 腐蚀.基于这两个基本运算,可推导 和组合成针对特定领域和用途的数学 形态学实用算法来进行图像的分析和 处理.另外,形态学还有两个重要运 算:开操作和闭操作.开操作一般能 够断开狭窄的粘合和磨除细小的突出 物,使对象边缘变得光滑,而闭操作 不仅能消除狭窄间断和长细突出,还 可填补小的孔洞和边缘线上的断裂. 由于寄生虫卵粘合部分较严重, 实验证明,采取单一的开,闭操作不 能达到去除杂质的效果,因此这里延 续开,闭操作的思想,提出新的形态 学混合运算. 1.1连通子图选择给出相应的连通子 图处理函数:F=(F.,)(1—1) 其中F为待处理图像,,为最佳 的连通子图大小阈值,(F,,)表示 获取图像F连通子图,并以,作为选 择连通子图的大小阈值,将小于,的 连通子图去除. 1.2带连通子图选择的双开操作给出 定义的: (AooB)<(A0B@B)0B0B(1—2) 其中A表示待处理图像,B表示 结构元素,B见图1,O表示腐 蚀运算,0表示膨胀运算,表示连 通子图选择函数.其作用是去除较小 杂质,同时使图像边缘更光滑.具体 算法步骤如下:采用B结构元素对图 像进行两次腐蚀i采用八连通宽度优 先搜索遍历整幅图像找出所有的连通 子图,求出各连通子图的像素点个数 C一,找出一个最佳的连通子图选择 阈值I,,过滤掉c一<的连通子 图,即可以把一些小的杂质去掉;采 用B结构元素对图像进行两次膨胀以恢 复图像大小. 这里采用两次腐蚀(或膨胀)而 不是用55模板来进行一次腐蚀(或膨 胀)的原因是,实验表明后者得到的 虫卵边缘较为不平滑. 盟图1结构_几素B模板 1.3双闭操作该操作用A??B表示, 给出定义的公式: A??B=:(A0B0B1@B@B(1—3) A,B,0,0定义同上,运用该 公式主要是在一定程度上弥补虫卯上 由于B颜色信号获取缺陷带来的孔洞. 2参数特征选择分割 经过多次膨胀腐蚀后的图像 已基本去除了一些面积小的杂质点, 但此时图像中还存留一些面积较大且 形状不规则的杂质块.为解决这一问 题,提出一个简单快速有效的方法, 该方法依赖以下三个概念:凸包,边 界光滑度和区域填充度. 2.1凸包运算凸包是指一个最小面积 凸多边形,满足Q中的点或在多边形边 上或在其内.这里采用基于水平序的 Graham—Scan算法计算凸包的算法, 时间复杂度Y~O(nlgn). 2.2区域填充度Q定义:表示原图形 面积同凸包面积比值;其: Ql(2一 , I),厶一, 其中,3"1表示原图形的实际面 积,本文采用统计图形的像素总个数 近似为实际面积S,>表示该图形的凸 包面积,采用水平序Graham—Scan算 法求出凸包并计算它的面积. 2.3边界光滑度Q2定义:表示凸包的 顶点个数与凸包周长的比值:其计算 公式:Q:(2—2) 其中,表示图形对应凸包的顶点 个数,,J表示凸包的周长. 3算法实现步骤与流程图 根据以上分析,给出下面算法步 骤,流程图见图2. 3.1图像预处理根据图像B信号特 点,通过大量实验找出较好的B信号阈 值将图像分为目标和背景,其中目标 设置为黑色,背景为白色. 3.2对图像进行两次操作带连通子图 选择的双开操作和双闭操作.其中前 者将粘合在虫卵上的杂质去除并恢复 虫卵大小,后者填补虫卵内部空洞. 3.3边界光滑度选择通过实验,找出 一 个最佳边界光滑度值Q,过滤小于 Q的图形.由边界光滑度定义,其值 越高表示曲线越光滑细腻,由于虫卵 边界一般是均匀光滑的曲线,因此该 输入像 B信号湖值提取 』 带连通r选择的双7下操作(A0(B) 』 l双}jJ操作A??B 边缘光滑艘选择 域土I!{充度选择 分割后像 图2算法流程图 操作能去除第二步处理后仍残留的面 积较大且形状不规则的杂质图形. 3.4区域填充度选择通过实验,找出 一 个最佳区域填充度值1Q,,剔除小 于1Q,的图形.其中,由区域填充度 定义,其描绘了凸包内的物质的填充程 度,值越高表示图形越饱满,由于虫卯 一 般都是较为饱满的图形,因此该操作 能去除一些不饱满的非虫卵图形,如边 界粗糙但内部空洞的环状杂质. 4实验结果对比与分析 表1给出的三张图像是虫卵图像中 的典型代表,图像1是虫卵边缘的粘合 杂质颜色与虫卵接近且粘合范围大,图 像2是含有大块气泡杂质的典型图像, 图像3是背景和目标灰度差较小,图像 偏暗的典型图像.因此,这三幅图像能 很好地体现本文算法的分割优点. 由以上实验结果图可以看出,本 文采用的基于形态学的混合算法优于 Otsu算法,自动阈值法,单次腐蚀膨 胀运算法和Sobel算子边缘提取算法 表1实验对比结果1 Sub.iectTreati 着 se_l?I 等.其中,基于最大类问方差的阈值 分割(Otsu)算法…在很多情况下都 能得到较好的阈值将虫卵分割出来, 但当虫口边缘有许多颜色较一致的粘 合杂质,或目标与背景之间灰度相差 较小,图像偏暗等情况时,就会出现 分割不清晰,错分割的现象.自动阈 值法根据每幅图像的具体情况而自动 分析出其阈值,经过实验表明,其分 - 2-0出的结果和Otsu算法效果相当.另 外,本文采用的双开和双闭操作比单 纯采用单次开,闭运算取得更好的分 割效果,如图像1对于粘附于边缘的杂 质无法正确分割,而图像2和图像3运 用单次开闭运算无法填补虫卵的所有 内部空洞.这是由于单次腐蚀无法断 开虫卵和杂质粘合比较多的位置,因 此无法通过计算连通图凸包面积来除 去杂质,而采用连续双次腐蚀对于虫 卵能取得更好的分割质量. 另外,本文在分割的基础上通过 寻找连通图的边界将其效果与Sobel边 缘检测算子方法进行对比(见表2). 对于有杂质粘合的图像 图像1图像2图像3 原图?_O0tsu ' 算法 自动阈值法 ' ' % 单次腐蚀膨?胀运算? 本文算法分?割结果?? 1和图像2,出现了伪边 较多的现象:对于颜色 偏暗的图像3,其提取 的边缘断裂现象比较严 重,与本文算法相比仍 有明显区别. 另外,本文采用多 个阈值提取图像,经试 验表明参数设置为表3所 示值,分割效果最好. 5结论 本文首先进行B信 号颜色阈值提取主要信 息,接着结合连通子图 和双开(下转第40页) 37 啊一 力超声功率计BCZ一100,对东芝彩超 的功率在相同条件下分别进行计量, 测量结果见表1.如果以辐射力超声功 率计的测量值为标准值,本系统超声 功率计的数值与标;隹值的最大误差为 3.3%,测量误差在允许范围内. 表1两种超声功率计对比表 (上接第37页) 表2实验对比结果2 样可以采用这一方法,但必须采集足 够多的标准信号才能达到计量检定要 求的精度.但在超声功率检测中利用 曲线拟合的方法可以简化对传感器和 测量电路的要求,更加适合常规对超 声功率检测的使系统的重点转向以软 件为核心的模块. 参考文献 [1】杨乐平.LABVIEW程序设计与应用【MJ. 北京:电子工业出版社,2001. [2】杨福生,吕扬生生物医学信号的处理与识 别lM].天津:天津科技翻译出版公司,1997. I像1像2J像3 舔Sobe1拿 ,?,\二/ f 4-Z锋注O挺1.to缘 (闭)操作来处理图像,最后采用区 域填充度和边界光滑度来分割虫卵. 通过实验对比,发现本文的混合算法 实现简单,速度较快,分割质量显 着,具有目标信息准确,目标边缘细 腻光滑,特征保留完整等优点,能够 基本上将各种杂质剔除,为下一步虫 卵的分析和识别打下良好基础.但对 杂质严重干扰的图像,特别是颜色, 大小,形状同虫卵极为相似的杂质块 可能出现错分割的现象,但由于分割 算法都是为以后的模式识别做基础, 因此对于少数的错分割现象可以在模 式识别中针对纹理,骨架等做进一步 识别. 40 ?i麓l [3】LabVIEWUserManualNICorporation,2003. [4】LabVIEWMeasurementsManualNI Corporation,2003. f515周永强,姚振和.虚拟仪器数据采集系统的 研制U】.长江科学院院报,1999,23#):35. [6]杨奕,陈以方,曾阳.阵列超声场的信号采 集与处理系统【l】.电子技术应用,2003,22(4): 77 【7]戚仕涛,汤黎明,吴敏,等.虚拟心电采集系 统设计U1.医疗卫生装备,2005,26(3):10 【收稿日期:2010—02—03】 (责任编辑:赵士洁) 表3参数值表 参考文献 …卢振泰,陈武凡,吕庆文.基于互信息量的 寄生虫卵图像自动优化分割U]计算机应用 研究,2007,24(11):301—302 【2]田沛,范瑾,李亮,等.基于类间方差和形态 学的一类生物特征识别清华大学(自 然科学版),2007,47(82):1747—750 【3】MOHAMEDNA.Amodifiedfuzzy c—meansalgorithmforbiasfieldestimationand segmentationofMRIData[1].IEEETranson MedicalIma~ng,2002,21(3):193—199. 『41JunZHANGJingluHURenalBiopsyImage SegmentationBasedon2-DOtsuMethodwith HistogramAnalysis[J】.MEDICALIMAGING TECHNOLOGY,2009,27(3):188—192. [5]楚宇燕,王博亮,王雷.舌诊信息化过程中 的质苔分离方法.中国数字医学,2007,2(9): 29-33. [6】胡丽玲,王博亮,鞠颖.基于BP网络的人眼 组织切片图像角膜分割.厦门大学(自然 科学版),2008,47(6):912—915 [7】冈萨雷斯.数字图像处理【M】.2版.北京: 电子工业出版社.2008. [8】罗泽举,宋丽红,伍小明,等.基于新型特征 提取的寄生虫卵图像识别研究U1.计算机应 用,2007,27(6):1485—1487. 【收稿日期:2010-02-03】 (责任编辑:赵士洁)