[发明专利]一种数字病理切片图像的自动切图方法

说明书

本发明公开一种数字病理切片图像的自动切图方法，包括以下步骤：S1、组织区域的轮廓识别提取；S2、轮廓的质心坐标和长轴长度计算；S3、设置需要提取的图像块的参数；S4、智能切图因子R的计算；S5、稀疏矩阵A的设计；S6、A的非零元素的坐标矩阵XY计算；S7、1x图中坐标矩阵XY′计算；S8、遍历XY′中的元素是否在轮廓内部完成判别是否切此图像块T。本发明采样率高，同时保证了切图的准确率，效率较高。

技术领域

本发明涉及计算机视觉相关技术领域，尤其涉及一种数字病理切片图像的自动切图方法。

背景技术

数字病理全切片图像主要是40x的图像，一张数字病理全切片图像的长和宽分布从几万个像素单位到几十万个像素单位，这种级别的大图像如果要进行算法分析，一般都需要将其中组织区域的图像裁剪出来进行处理。

现有技术中的图像切割提取方法计算量大，在保证准确率的同时无法兼顾切图效率。

发明内容

本发明旨在提供一种数字病理切片图像的自动切图方法，采样率高，同时保证了切图的准确率，效率较高。

为达到上述目的，本发明是采用以下技术方案实现的：

本发明公开一种数字病理切片图像的自动切图方法，包括以下步骤：

S1、将数字病理全切片图像I从40x图缩小为1x图I′，通过深度学习FCN网络提取1x图I′的组织区域mask，生成轮廓M；

S2、计算轮廓M的质心坐标(x_c，y_c)以及长轴L的长度；

S3、设置需要提取的图像块的参数，包括以下步骤：

S31、在图像I中遍历每个图像块T，获得第i个图像块T的中心坐标(x_i，y_i)，

S32、将每个图像块T映射到1x图I′中，得到1x图I′上图像块T′的中心坐标(x₁，y₁)，其中

S33、计算图像块T′的中心坐标(x₁，y₁)与质心坐标(x_c，y_c)的距离dist，其中

S4、计算智能切图因子R，公式为

其中，f()表示向下取整，max[x，y]表示取x和y中的最大值；

S5、计算稀疏矩阵A，稀疏矩阵A的大小与图像块T对应，稀疏矩阵A行元素有h个，列元素有w个，稀疏矩阵A的行元素中有R个非零元素，稀疏矩阵A的列元素中有R个非零元素，稀疏矩阵A中的非零元素均匀分布；

S6、获得稀疏矩阵A中非零元素的坐标矩阵XY，

R＝n时，

其中x₀＝iw，x₁＝iw+(w-1)/(n-1)，…，x_n＝iw+n*(w-1)/(n-1)，

y₀＝ih，y₁＝ih+(h-1)/(n-1)，…，y_n＝ih+n*(h-1)/(n-1)；

S7、获得稀疏矩阵A中非零元素映射到1x图I′的坐标矩阵XY′，

S8、遍历坐标矩阵XY′是否在轮廓M内，