尿沉渣图像有形成分分割及两类细胞识别研究

徐晓蓉

摘   要：尿检测是医院常见的一种检测项目，对患者的临床泌尿系统进行检测和诊断均具有非常重要的意义。文章将通过利用数字图像处理技术与模式识别理论，对各种有形成分进行分割定位，以此来将各种有形成分从背景中进行良好的分离，并通过对两类细胞：精子、管型细胞进行深入研究，从而根据其特征来分类识别。

关键词：尿沉渣图像;有形成分分割;两类细胞

尿常规是医院三大常规检测项目之一，而尿沉渣分析就是对尿液中所蕴含的各种有形成分进行分类识别，并详细记录每种有形成分的数量，之后医生便可以根据尿沉渣中所蕴含的有形成分的类别及数量对患者的病情进行诊断，提高诊断的效率。与传统的人工尿沉渣检测方式不同，如今的尿沉渣自动检测系统部件更清晰、速度更快、准确率也更高，对现代的医学发展有着极其重要的现实意义。

1    尿沉渣有形成分图像分割

1.1  阈值分割

阈值分割主要是通过对图像像素的某些性质的分布进行限制来进行的，例如尿沉渣图像的灰度级别或者颜色区别等。阈值分割主要是利用图像的整体或者部分的灰度信息来进行分割的，相比较其他的分割方法来说，阈值分割计算起来更加简便，所以运算效率和检测效率也比较高，再加上其本身的分割能力比较稳定，所以也是目前应用最为广泛的一种尿沉渣图像分割方法。不过这种分割方法的优点很多，缺点也有，因为阈值分割是对整个图像来进行分割的，容易受到各种情况的干扰，而且在进行有形成分分割后，图像的分辨率比较小，可用的纹理信息较少等，所以一般不能用于对复杂图片的处理工作之中。

1.2  区域生长分割

区域分割是一种直接寻找目标区域为基础的分割方法。而区域生长分割则是根据事前定义好的准则来将像素或者子区域聚合成为更大区域的过程。简单来说，就是选取一个像素来作为区域生长分割方法的起始点，然后按照事前规定好的准则来将其周围与其特性相同或者相似的像素进行合并附加，直到整个图像内再也没有能够与起始点像素相类似的像素时再“停止生长”。如此，一个区域便生长分割完成了。随后再进行下一个区域的生长分割，对上述方式进行重复，一直到图像中的所有像素都已经被分割完成，这种分割办法便完成了，之后只要完成统计计算便可。但同阈值分割一样，区域生长分割也有着其特有的优缺点，优点便是在实际操作过程中，对于区域的准则定义比较容易，而且在停止生长的方式容易寻找的时候，更容易取得较好的分割效果，还有着更好的抗噪声能力，缺点便是如果没有一个好的生长和停止的准则，就会造成过分分割或者未分割的情况出现，甚至还会出现死循环问题。

1.3  分水岭分割

分水岭分割是一种与数学中的拓扑理論相结合的分割方法。总结来说，就是将图像看作是测地学中的拓扑地貌，而图像中的每一个像素点的灰度值就是这个拓扑地貌中的海拔高度，局部极小值则是集水盆，那么集水盆的边界部位就会形成一个个的分水岭。在实际应用中，分水岭分割方法需要与图像的距离图结合使用，可以通过算法得到一个个封闭的、连续的边缘，这样就可以根据这些边缘来对整个图像进行分割工作。但因为分水岭方法的算法对图像的灰度变化极为敏感，再加上传统的分水岭算法有着严重的过分分割问题，所以在实际应用中，往往需要在分水岭方法使用之前，先根据检测目标的实际问题来去掉与检测目标无关的各种边缘信息，以此来消除过分分割的情况，所以对人工的要求相对比较高[1]。

1.4  基于梯度边缘检测的图像分割

在尿沉渣图像中，每个图像包含着诸多各不相同的区域，而区域之所以能够成为区域，主要是因为在各个区域之间有着形状不一的边界对其进行划分，进而形成图像中形态各异、大小不一的区域。而且各个区域的边界一般来说也是图像中灰度变化最为明显的地方，这也是它能够利用边界的梯度变化来进行区域分割的原因。梯度边缘检测图像边界种类如图1所示。

图1  梯度边缘检测图像边界种类

这3种梯度边缘检测图像的分类是根据图像从一个区域到另一个区域变化的灰度值的明显程度来决定的，第一种是阶梯型边界，这种边界的灰度值变化非常明显，也很容易被区分。第二种则是渐变型边界，这种边界的灰度值过渡比较缓慢，从整个图像来看，两个区域之间的灰度变化看起来就好像是有一个比较明显的渐变区域。第三种则被称为线性边缘，就如同其名字那样，这种边界往往都只有一个或者几个像素粗细，其分割的两个区域看起来可能就像是一个区域，不仔细观测很难将两个区域进行区分，但这个边界却是真实存在的，所以还是会被分为两个区域。

2    两类细胞识别研究

2.1  特征提取

尿沉渣的有形成分的区别主要是通过提取检测目标的各类特征，然后通过检测目标的特征来对其进行区别，这些特征不仅包括那些可以被视觉直接观测到的各种自然特征，还包括很多需要进行变换或者测量才能得到的人为特征，而为了能够对两类细胞进行识别研究工作，就需要先对其特征进行提取。

2.1.1  形态特征

一般来说，尿沉渣图像中的所有细胞都可以通过自然特征分类为大型细胞和小型细胞两大类。本文将要研究的两类细胞，虽然从外观上来看有着很大的相似，但进行详细比较后就会发现，两者一类属于大型细胞（管型细胞），而另一类属于小型细胞（精子），而且在形态特征上，管型细胞呈现为均匀对称的细管形，而精子则是呈现为蝌蚪细条状，所以两类细胞在形态上便有着很大的区别，在特征提取的时候可以从两类细胞的面积、周长、占空比以及长宽比等形态特征进行分类识别，并依此来对两类细胞进行特征提取。

2.1.2  纹理特征

虽然形态特征可以有效地对管状细胞与精子进行分类识别提取，但放在正常的有形成分识别过程中，管型细胞因与其他大细胞在形态特征上有很多相似之处，所以单单只是依靠形态特征往往得不到预想中的结果，这个时候就需要使用纹理特征与形态特征相结合的方法来进行特征提取。

在實际检测过程中，纹理特征通常被认为是图像中的灰度或者颜色变化分布的某种规律性，所有纹理变化在归纳总结以后都可以大致分为规则纹理（也称为人工纹理）与自然纹理两大类，自然纹理通常具有很强的纹理随机性，而规则纹理则是有着比较明显的规则结构，所以两类纹理还是比较容易区分的。在进行纹理特征提取之前，一定要根据图像中所表现出的纹理种类来对提取办法进行选择[2]。

一般来说，尿沉渣的所有有形成分的纹理都属于自然纹理，本文将要研究的两类细胞也是如此，精子因其只有头部有一些深黑色点状，尾部无色透明，纹理特征更是几乎微不可见，所以从纹理特征提取上来说，精子不适用这种特征提取方式。不过精子在形态特征上与其他小型细胞有着明显的区别，所以还是可以利用形态特征将其与其他小型细胞相区分识别的。而管型细胞属于大型细胞，其纹理特征呈现出对称透明的管状长条体，纹理同样比较少，所以在与其他有形成分进行区分的时候可以先利用形态特征去除一些不是管型的有形成分，然后再引入透明度来对剩下的有形成分加以区分，纹理特征比较少的管状透明体基本上便可以确认为管状细胞。精子与管状细胞在图像中如图2所示。

图2  精子与管状细胞

2.2  分类器设计

因为管状细胞属于大细胞，所以与精子等小细胞在形态特征上很容易进行区分，而大细胞也可以通过纹理特征来进行分辨，再加上在尿沉渣的有形成分当中只有精子和管状细胞与某些上皮细胞呈现为均匀管状，排除掉纹理特征比较多的上皮细胞，小的呈现蝌蚪状的便是精子，而大的表现为大的对称长条状的就是管状细胞。得出结论以后，就可以根据管状细胞与精子在形态特征与纹理特征上与其他细胞的区别来进行分类器设计[3]。

3    结语

医学图像的分割识别工作是目前图像处理领域中亟待解决的一个难题，其常常会因为各种因素干扰而导致对细胞的识别定位困难，致使识别率变低。而本文研究的两类细胞：精子和管状细胞因其同其他有形成分在形态特征上差异比较大，再结合纹理特征之后，很容易将两者从有形成分中进行区分，所以在进行分类器设计的时候也比较简单，在用于自动识别以后可以利用排除法先将两者进行排除，进而有效地提升尿沉渣检测的效率。

[参考文献]

[1]于林杰.尿沉渣显微图像有形成分分割与特征提取方法研究[D].重庆：重庆大学，2016.

[2]康萌.尿沉渣有形成分自动分割识别算法研究[D].西安：西安科技大学，2014.

[3]涂林林.基于SVM算法的尿沉渣细胞分类识别系统的研究[D].武汉：武汉理工大学，2014.

Study on segmentation of visible components in urinary sediment

images and identification of two types of cells

Xu Xiaorong

（Hunan University of Arts and Science， Changde 415000， China）

Abstract：Urine test is a common test item in the hospital， which is of great significance for the detection and diagnosis of patients clinical urinary system. This paper will use digital image processing technology and pattern recognition theory to segment and locate various tangible components， so as to separate them from the background， and conduct in-depth research on the two types of cells： sperm and tubular cells， so as to classify and identify them according to their characteristics.

Key words：urine sediment image; visible component segmentation; two types of cells