细胞分割方式综述

细胞分割方式综述

摘要：显微图像定量分析已普遍用于病理诊断、病理治理系统、癌变分级分类等多方面的医学研究领域。细胞区分割提取是一个重要技术，直接关系诊断的靠得住性，也是医学图像处置的难题。文章对各类细胞分割方式进行了系统的论述，并分析了各类方式的优缺点。

关键词：细胞分割；医学图象；数学形态学；细胞粘连 一、绪论

所谓细胞分割是指依照灰度、彩色、几何形状等特点把细胞图像划分成假设干个互不相交的区域，使得这些特点在同一区域中，表现出一致性或相似性，而在不同区域间表现出明显的不同。细胞分割是医学图象处置中最为基础和重要的领域之一，它是对细胞图像进行识别和计数的大体前提。同时它也是一个经典难题，到目前为止不存在一种通用且高效的分割方式能够普遍的应用在细胞分割中。 二、传统细胞图像分割技术 阈值分割

阈值分割是一种传统的图像分割方式，它实现简单、计算量小、性能较为稳固，尤其适合于目标和背景占据不同灰度级范围的图像。在很多情形下，是进行细胞分割、细胞识别之前必要的图像预处置进程。ShirinNasr-Isfahani等提

出的一种聚堆细胞的新方式中，确实是先利用组合图像分割算法和阈值分割来提取前景对象并转化为二值图像的。阈值分割法的要紧局限在于，最简单形式的阈值法只能产生二值图像来区分两个类，而且它只考虑像素本身，一样都不考虑图像的空间特性，如此就对噪声很灵敏。 基于边缘检测的方式

边缘检测的目的是标识数字图像中亮度转变明显的点。它能够快速准确地找到边缘，从而通过边缘确信区域内的灰度或颜色信息，从而达到对图像的快速分割。边缘点的判定是基于所检测点的本身和它的一些临近点，要紧包括局部微分算子，如Roberts梯度算子、Sobel梯度算子和Canny算子等。Roberts梯度算子有利于对具有峻峭边缘的低噪声图像的分割；Laplacian算子具有各向同性的特点；Prewitt梯度算子、Sobel梯度算子等有利于对具有较多噪声且灰度渐变图像的分割。针对不同的细胞图像，还有许多其他不同的算子或方式来检测这些边缘点。如翁秀梅等人提出了一种利用相位一致性模型检测图像边缘，取得图像要紧几何结构的方式。而李天钢等人将多尺度小波变换运用于胃癌细胞图像的边缘检测中，解决了具有复杂纹理的医学病理细胞图像的分割问题。一个好的边缘检测算子不仅具有微分特性以取得灰度转变信息，它还应该能够依照需要适合任何尺度下的边缘检测，因为图像中的灰度是以不同尺度发生转变的。实

验发觉，边缘检测方式取得的边缘信息往往会因这些信息不够突出而产生间隙，不能形成包围细胞的封锁曲线，这就要求依照这些离散的边缘点采纳必然的跟踪、连接算法勾画出成心义的细胞边界。

三、最近几年新进展细胞分割技术

最近几年来，研究者们为解决上述传统细胞分割中存在的问题关于各类新的细胞图像分割算法进行了深切的研究和利用，取得了许多令人鼓舞的功效。 基于领域的方式

基于领域的方式是指连接具有相同或相似性质的临近像素而取得分割图像的方式。这种方式需要一些先验知识，如种子像素、值和各类标准来概念彩色目标边界。其优势是利用了空间信息和像素间的关联。

一、区域生长和区域割裂和归并技术。翁秀梅等将代表区域散布的边界限作为潜在的区域模型，自动取得种子点进行区域生长来实现最后分割，分割结果对纹理细节有较好的鲁棒性，与人类视觉系统判定大体一致。饶洁利用区域增加法分割白细胞浆，从而从背景中提取白细胞的结果。赵晖、梁光明在边缘分割的基础上，利用差分算子别离求出细胞的灰度上升区域和下降区域，然后采纳改良的区域增加法求出各自的区域数，最后通过BP神经网络进行训练和识别。这种方式运行速度快，识别率高，具有较好的有效价值。