基于數(shù)學(xué)形態(tài)學(xué)的細胞圖像分割.pdf

1、近年來，醫(yī)學(xué)圖像在協(xié)助醫(yī)生診斷與提高診斷精度方面發(fā)揮了越來越重要的作用，醫(yī)生對圖像診斷的需求也日益增加。目前我國的影像診斷還是醫(yī)生根據(jù)肉眼觀察與臨床經(jīng)驗作出判斷，而醫(yī)學(xué)圖像存在大量的邊緣模糊現(xiàn)象，不僅耗費大量的時間與精力，而且有時難以作出正確的診斷，甚至?xí)霈F(xiàn)漏診與誤診事件。因此，醫(yī)學(xué)圖像的計算機輔助診斷(CAD)具有重要的研究意義與應(yīng)用價值。在CAD系統(tǒng)中，細胞自動識別直接關(guān)系到診斷的準(zhǔn)確性，而在醫(yī)學(xué)圖像中某些細胞存在與背景噪聲灰度相

2、近、邊緣模糊等復(fù)雜問題成為圖像分割的難題。 在醫(yī)學(xué)圖像分割中，主要包括直方圖閾值法、邊緣檢測法、基于區(qū)域的方法、聚類方法等，但因尚無通用的分割理論，現(xiàn)提出的分割算法大都是針對具體問題的，并沒有一種適合所有圖像的通用分割算法。另外，還沒有制定出選擇適用分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來許多實際問題。 在前人工作的基礎(chǔ)上，本文提出了一種基于形態(tài)學(xué)邊緣與大津法的細胞圖像自動分割方法，即利用數(shù)學(xué)形態(tài)學(xué)邊緣檢測算子對圖像邊