基于图像分割的医学细胞图像增强算法研究

刘进芬，倪晓波，李永博

（1.南京工业大学浦江学院，江苏 南京 211100；2.紫金山实验室，江苏 南京 211100）

0 引 言

图像分割技术[1-3]主要有两类，其中一类是基于区域技术，把原图像按照区域进行分割研究；另一类是基于边界技术，把原图像按照边缘进行图像分割。这两种技术存在一定的相似性，在某些地方也有不同的地方，利弊也各不相同，某些情况下很多图像算法学家把这两种技术结合，产生新的算法技术来处理图像问题。当前，科技飞速发展，计算机性能今非昔比，软件工具更新换代，实验方法不断改进，很多优质的图像分割技术慢慢被学者发现或者创造，例如基于彩色分量分割的图像处理技术和基于纹理图像分割的图像处理技术，甚至还有著名的基于小波变换的图像分割技术也越来越被广泛应用。

时代在进步，人们所了解和掌握的图像分割技术的理论知识也越来越多，越来越完备，应用也越来越广泛，例如军队、企业和医院等[4]。当前，越来越多的研究机构和高等院校的专家学者都对图像分割技术产生了浓厚的兴趣，并在此技术上投入了大量的资金和人力成本，制造了专用的精密图像研究仪器，成立了大量图像研究实验室。不远的将来，研究工作在不断深入的过程中，一定会有更加优质的技术成果被发掘。

医学图像的环境多样复杂，研究的重点有所区别，因此研究结果充满不确定性和不完整性，在不同的环境下使用图像处理技术会有完全不同的结果。本文提出的图像增强算法主要是为了解决某些情况下拍摄的影像视觉效果不佳或者清晰度差等问题，该算法属于数字图像处理技术的一种，目的是增强图像来达到预期的视觉效果和清晰度。例如，我们可以增强图像中背景和主体的对比度，使主题的特点、特征凸显，便于医学使用者更好地观察图像。同时，我们也可以将需要的内容，即主体进行增强，去除其他内容，得到需要的图像，便于图像更好被医学仪器识别、加工、分析。

本文使用MATLAB进行仿真，输入原图像A，并对其进行图像的边缘提取得到图像B，对原图像A进行图像的阈值分割得到图像C，将两种算法处理所得的图像融合，可以得到最终的细胞图像D。仿真发现，采用Sobel算子提取边缘然后再进行基于全局阈值的图像分割，可以更好地分离出主体细胞，并可以最大化降低噪声。

1 基于图像分割的医学细胞图像算法

图像分割是图像处理技术中的重要算法，其目的是把图像划分成几个不同的区域，然后提取出需要的区域的算法。主要的分割方式有基于阈值、基于区域、基于边缘、基于特定理论等。本文使用基于阈值分割的方式来处理细胞图像。

取原始图像点f(x,y)，在图像点f(x,y)中寻找分割的阈值系数m，把图像点的值与阈值系数进行比较，得到如下函数：

图1中左边是原细胞图像，它的分辨率为305×230。我们需要的是其中的淋巴细胞。先采用迭代阈值分割算法对图像进行处理，得到右图中的结果，可以看到，右图中已经分离出了淋巴细胞以及其他细胞，因此我们认为这种算法存在噪声。故换一种阈值分割算法来进一步处理此图像，如采用全局阈值分割算法等，可以得到图2中的结果，发现图像噪声极小，较好分离出了淋巴细胞。

图1 图像原图与迭代阈值分割处理图对比

图2 全局阈值分割算法处理图

2 基于图像边缘分析的医学细胞图像算法

对图1（a）进行边缘提取，使用Soble算子[5-6]，可以得到图3（a）所示的结果，对结果进行分析可知，已经完整提取了淋巴细胞边缘，同时也提取出了其他细胞边缘。这些边缘更加圆润、光滑。但是缺陷也比基于阈值分割算法的更加明显，即得到了更大、更粗的细胞边缘。假设边缘提取时把Soble算子换成Canny算子[7]就可以得到图3（b）所示的结果，通过结果分析，提取细胞和噪声边缘的同时也得到了细胞细微的组织边缘。虽然该算法表现的更加全面，但处理结果的干扰过多。

图3 Soble、Canny算子提取细胞边缘

我们得到启示，Canny算子不适合医学细胞处理，因为相比Sobel算子而言，它提取了更多无用的细小噪声，而基于Sobel算子的边缘提取算法在提取细胞边缘方面表现的更加优异。基于此，本文把基于图像分割和图像边缘提取的算法进行融合以增强细胞图像[8]。

3 基于图像分割和边缘提取相融合的算法

我们先使用边缘提取算法对原图像进行处理，根据分析可知，Canny算子会还原出噪声边缘，如果和图像分割算法融合，那么实验结果将不理想，因此使用Soble算子，得到图像A，然后对图像进行阈值分割，得到图像B，使得两种图像分辨率相同，之后进行融合。之所以不在图像B的基础上进行边缘提取，是因为经过阈值分割算法处理后的图像边缘不太明显，并不能很好的进行边缘增强，通过下面的实验对比也可以证实这一点。我们对融合结果进行仿真实验，得到的结果如图4所示。

图4 基于图像分割和边缘提取融合的医学细胞图像算法

先对图1（a）进行Soble算子的边缘提取，得到图3（a），然后使用迭代阈值分割算法得到图1（b），之后就可以得到图4（a）所示的结果。可以发现，虽然淋巴细胞的增强效果不错，但是噪点明显，不能很好地凸显出想要分离的淋巴细胞。

图4（b）的结果是先采用基于Sobel算子的边缘提取算法对原图1（a）处理得到图3（a），然后使用全局阈值分割算法处理原图1（a）得到图2，最后将经过两种算法处理后的图像进行融合，得到图4（b）。可以看到，淋巴细胞明显，几乎无噪声，说明这种融合算法的效果很好，图像增强效果较明显。

4 结 语

本文提出了基于图像分割和边缘提取相融合的医学细胞图像增强算法。我们首先对迭代式阈值分割和全局阈值分割算法进行了对比，发现全局阈值法的效果更好，分割出的主体细胞更加突出。然后我们比较了Sobel算子和Canny算子两种边缘提取算法。仿真结果表明，Sobel算子边缘提取方法表现更好。最后，我们将阈值分割得到的图像与边缘提取得到的图像进行融合，提出了基于图像分割的医学细胞图像增强算法。仿真结果说明，这种算法更加适合细胞图像的处理，处理后的细胞主体更加清晰，算法效果卓越[9-10]。