基于復(fù)合梯度分水嶺算法的彩色白血細(xì)胞分割.pdf

1、隨著計算機(jī)科學(xué)技術(shù)的飛速發(fā)展，計算機(jī)在醫(yī)學(xué)領(lǐng)域應(yīng)用越來越廣泛。計算機(jī)醫(yī)學(xué)細(xì)胞圖像處理在醫(yī)學(xué)智能診斷領(lǐng)域扮演著重要的角色。細(xì)胞分割是細(xì)胞特征提取和細(xì)胞識別的基礎(chǔ)，對細(xì)胞識別的效果起決定作用。為了準(zhǔn)確地對細(xì)胞進(jìn)行識別，需要對細(xì)胞核和胞漿的形態(tài)特征進(jìn)行定量分析，分割出精準(zhǔn)的細(xì)胞核和胞漿輪廓的分割算法是目前極富有挑戰(zhàn)性的課題。細(xì)胞圖像的形狀多種多樣，傳統(tǒng)的分割算法很難從細(xì)胞圖像中分割出細(xì)胞核和胞漿輪廓。雖然目前人們提出了很多細(xì)胞分割算法，但沒有

2、一種算法可以用來分割所有的細(xì)胞，所以人們根據(jù)不同種類和不同用途的醫(yī)學(xué)細(xì)胞，選擇不同的改進(jìn)的分割算法進(jìn)行分割。
　　 本文根據(jù)經(jīng)過染色處理的彩色白血細(xì)胞圖像的特點(diǎn)，提出了基于復(fù)合梯度的分水嶺算法分割彩色細(xì)胞。分水嶺算法是一種經(jīng)典的圖像分割算法，但是傳統(tǒng)分水嶺算法是利用灰度或灰度梯度信息，對圖像的噪聲特別敏感，很容易影響細(xì)胞分割效果從而產(chǎn)生過分分割。人們一般通過對圖像進(jìn)行預(yù)處理來減少圖像的噪聲，或者在分水嶺分割后對細(xì)胞圖像進(jìn)行區(qū)域合

3、并來減少過分分割。本文提出一種基于復(fù)合梯度的分水嶺算法，主要是改進(jìn)對分水嶺算法有決定性影響的梯度為復(fù)合梯度，該復(fù)合梯度采用八鄰域梯度信息，不僅考慮到圖像的灰度特征同時也考慮圖像的空間特征，在一定程度上能夠降低細(xì)胞圖像的噪聲，能消除一部分過分分割。
　　 在對白血細(xì)胞圖像進(jìn)行基于復(fù)合梯度的分水嶺算法分割后，由于噪聲或其它的因素影響，會產(chǎn)生一些小面積區(qū)域。本文根據(jù)這個問題提出先對小面積區(qū)域進(jìn)行初始合并，這樣不僅減少了計算量也提高了分