[发明专利]基于极坐标变换数据增强的淋巴类细胞分类方法及其装置

权利要求书

1.基于极坐标变换数据增强的淋巴类细胞分类方法，其特征在于，包括如下步骤：

S1，获取染色血细胞的原始图像；

S2，分离原始图像的RGB通道，计算R通道与G通道的比值矩阵；

S3，根据R通道与G通道的比值绘制比值矩阵的直方图，根据阈值范围将原始图像二值化，得到淋巴细胞和异型淋巴细胞的二值图像；

S4，将二值图像进行一系列的形态学处理；

S5，用连通域的方法提取经形态学处理后的细胞图像的边缘像素点，找到细胞上下左右的边缘像素点，然后分割细胞；

S6，取细胞边缘的任一像素点为极点，建立极坐标系，将其余像素点用极坐标变换一一映射到直角坐标系中；

S7，遍历细胞的边缘像素点，以新像素点为极点再次将图像映射到直角坐标系中，因此每个边缘像素点作为极点都能产生一张变换后的图像；

S8，将步骤S7得到的变换后的图像作为神经网络的输入，训练网络，测试分类结果，分出淋巴细胞和异型淋巴细胞。

2.根据权利要求1所述的基于极坐标变换数据增强的淋巴类细胞分类方法，其特征在于，所述步骤S3中，阈值范围的确定方法具体为：淋巴类细胞属于白细胞为前景，其余细胞为背景，找到分离背景与前景的临界点为1.19，大于1.19的区域为细胞浆和细胞核，将像素值设为255；小于1.19的区域为背景区域，将像素值设为0。

3.根据权利要求1所述的基于极坐标变换数据增强的淋巴类细胞分类方法，其特征在于，所述步骤S4中，形态学处理的方法为：先对二值图像进行填充运算，填补漏洞；然后用10×10的模板进行闭运算处理，将一些颜色较深的背景细胞滤除；最后去除连通区域像素点小于1000的区域。

4.根据权利要求1所述的基于极坐标变换数据增强的淋巴类细胞分类方法，其特征在于，所述步骤S5中，连通域的方法采用8邻域连通，具体为：

(1)首先从上往下、从左往右对图像进行扫描，找到连通区域的第一个目标段，标记该段并且压入堆栈，作为“区域增长”的种子段；

(2)检查当前段的上下两行是否有重叠且未标记的目标段；如果不存在重叠的目标段，则把当前段弹出堆栈；如果存在重叠且未标记的目标段，则标记该段并且压入堆栈，作为新的“种子段”；本行目标段(X_s1,X_e1)和上下两行目标段(X_s2,X_e2)重叠的准则是：

X_s1-1≤X_e2并且X_e1+1≥X_s2；

其中，X_s1表示本行目标段的起始坐标，X_e1表示本行目标段的结束坐标；X_s2表示上下两行目标段的起始坐标，X_e2表示上下两行目标段的结束坐标；

(3)后续操作不断从堆栈中取出种子段，重复步骤(2)直到堆栈为空，即标记完一个连通区域；

(4)接着搜索图像中下一个未标记的连通区域，重复上述步骤(1)-(3)直到图像中所有的连通区域标记完毕。

5.根据权利要求1所述的基于极坐标变换数据增强的淋巴类细胞分类方法，其特征在于，所述步骤S6中，具体实现方法为：在一张M×N大小的图像I中，取直角坐标系中细胞边缘的任一像素点(m,n)为极点，建立极坐标系，其中M、N为像素点个数；用M条射线将2π划分成M个角度，单位角度为2π/M；那么在极坐标射线上的每个像素都可以用直角坐标表示为(m+x，n+y)，也可以用极坐标表示为(θ_u,v)，其中，v表示极坐标系中像素点的极径，θ_u表示极坐标系中像素点的极角：

x＝v·cos(θ_u)

y＝v·sin(θ_u)

设变换后的图像为如果满足条件0≤m+x＜M且0≤n+y＜N，即确保点(m+x,n+y)落在图像I内，则

即可得到变换后的图像作为数据增强的结果。