[发明专利]基于动态梯度阈值的细胞学图像分割方法

权利要求书

1.一种基于动态梯度阈值的细胞学图像分割方法，其特征在于，包括下列步骤：

S1预处理：获得所述细胞学图像的灰度图像，并计算所述灰度图像的梯度，得到梯度图；

S2生成细胞核梯度图，包括下列子步骤：

S2.1二值化所述灰度图像，得到二值图像；

S2.2对所述二值图像进行邻域腐蚀，得到腐蚀后的二值图像；

S2.3用所述腐蚀后的二值图像过滤所述梯度图，得到所述细胞核梯度图；

S3提取细胞核，包括下列子步骤：

S3.1设定初始梯度阈值Ts、终止梯度阈值Te、阈值减小幅度ΔT以及当前梯度阈值Tc，其中，当前梯度阈值Tc＝Ts；

S3.2以所述当前梯度阈值Tc对所述细胞核梯度图进行二值化，得到梯度二值图；

S3.3对所述梯度二值图进行区域跟踪，得到前景区域；

S3.4提取所述前景区域包含的空洞，将所述空洞作为候选细胞核区域；

S3.5对所述候选细胞核区域进行以下判断，得到细胞核区域：

(a)几何形态判断；

(b)包含性判断；

(c)可分性判断；

S3.6更新所述梯度图：在所述细胞核梯度图中，将所述当前梯度阈值Tc下提取出来的区域所占像素填充为255；

S3.7更新所述当前梯度阈值Tc：Tc＝Ts-ΔT；如果Tc＜Te，则转步骤S4，否则转至步骤S3.2；

S4提取细胞质，包括下列子步骤：

S4.1以S3中得到的所述细胞核区域为中心，对以预设值为半径的局部区域进行二值化；

S4.2对所述二值化后的局部区域采用区域跟踪得到前景像素块，如果所述前景像素块大于所述细胞核区域，则将所述前景像素块作为候选细胞质区域。

2.根据权利要求1所述的基于动态梯度阈值的细胞学图像分割方法，其特征在于，所述灰度图像为去噪后得到的灰度图像。

3.根据权利要求2所述的基于动态梯度阈值的细胞学图像分割方法，其特征在于，所述去噪所采用的方法包括高斯滤波去噪法，或多种低通滤波去噪法。

4.根据权利要求1所述的基于动态梯度阈值的细胞学图像分割方法，其特征在于，所述灰度图像的梯度的计算方法包括边缘算子计算法；所述边缘算子包括Robert算子。

5.根据权利要求1所述的基于动态梯度阈值的细胞学图像分割方法，其特征在于，所述步骤S2.1中，所述二值化方法包括0stu算法。

6.根据权利要求1所述的基于动态梯度阈值的细胞学图像分割方法，其特征在于，所述几何形态判断包括下列子步骤：计算所述候选细胞核区域的长轴和短轴，如果长短轴比例超过预定的范围，则判定所述候选细胞核区域不是细胞核并舍弃，否则，进行所述包含性判断。

7.根据权利要求6所述的基于动态梯度阈值的细胞学图像分割方法，其特征在于，所述包含性判断 包括下列子步骤：将所述候选细胞核区域与已经得到的细胞核区域序列进行相交性计算，以检查所述候选的细胞核区域是否已经被之前的阈值条件下提取出来的细胞核区域所包含，是则舍弃，否则进行可分性判读。

8.根据权利要求7所述的基于动态梯度阈值的细胞学图像分割方法，其特征在于，所述可分性判读包括下列子步骤：将所述候选细胞核区域所包含的像素集分为两个子集，如果所述两个子集的像素平均灰度值之差大于预设差值，且所述两个子集间的空间距离大于所述预设差值，则认为所述候选细胞核区域为细胞质区域，并将所述平均灰度值较小的所述子集所构成区域作为所述细胞核区域。