王萌，張留龍，趙運(yùn)立東營市人民醫(yī)院

a.信息中心；b.放射科；c.設(shè)備科，山東 東營 257091

0 前言

在細(xì)胞圖像處理過程中，主要是對(duì)粘連細(xì)胞進(jìn)行分割，形成獨(dú)立的個(gè)體，以便計(jì)算各單個(gè)細(xì)胞的相關(guān)參數(shù)，如面積、直徑、質(zhì)心等。因此，細(xì)胞分割的準(zhǔn)確性直接影響到后期圖像處理效果。目前已有多種分割算法，這些算法在進(jìn)行圖像分割時(shí)各有優(yōu)劣，但單一算法通常很難得到好的效果，綜合多種算法進(jìn)行處理可得到較理想的分割效果[1-3]。

在分割過程中，通常的做法都是直接將彩色細(xì)胞圖像灰度化，但這樣無疑會(huì)損失彩色圖像的某些信息，特別是在推片不均產(chǎn)生色斑時(shí)，不能很好地將細(xì)胞從背景中分割出來，同時(shí)也不能較好地保留細(xì)胞形態(tài)。本研究嘗試充分利用圖像的彩色信息對(duì)細(xì)胞圖像進(jìn)行預(yù)處理，分別對(duì)細(xì)胞核、細(xì)胞漿進(jìn)行提取，為后期圖像處理提供更豐富、準(zhǔn)確的信息。

1 RGB圖與灰度圖之間的關(guān)系

灰度圖又稱灰階圖，把黑色與白色之間按對(duì)數(shù)關(guān)系分為若干等級(jí)，成為灰度?；叶确譃?56階，用灰度表示的圖像成為灰度圖。任何顏色都由紅（R）、綠（G）、藍(lán)（B）三原色組成，假如原來某點(diǎn)的顏色為RGB（R，G，B），那么，我們可以通過下面幾種方法，將其轉(zhuǎn)換為灰度（Gray）：

（1）公式計(jì)算法：

Gray=R*0.3+G*0.59+B*0.11；

Gray=(R*30+G*59+B*11)/100；

Gray =(R*28+G*151+B*77)＞＞8 ；

Gray=（R+G+B）/3。

（2）僅取單色：

Gray=R（紅色通道）；

Gray=G（綠色通道）；

Gray=B（藍(lán)色通道）。

通過上述任一種方法求得Gray后，將原來的RGB中的R、G、B統(tǒng)一用Gray替換，形成新的顏色RGB(Gray,Gray,Gray)，用它替換原來的RGB（R,G,B）就是灰度圖了.轉(zhuǎn)換后，灰度值的變化范圍是0～255，它綜合了彩色圖像中3種基色的灰度級(jí)變化。

（3）RGB圖的顏色矩陣映射。一幅RGB圖像存儲(chǔ)為數(shù)據(jù)矩陣，數(shù)組中的元素定義了圖像中每一個(gè)像素的R、G、B顏色值，像素的顏色由保存在像素位置上的R、G、B的灰度值組合來確定，根據(jù)目標(biāo)區(qū)域的偏向色限定R、G、B顏色的取值，從而使目標(biāo)圖像更明確。

2 圖像預(yù)處理方法比較

在matlab運(yùn)行環(huán)境下對(duì)彩色細(xì)胞圖像進(jìn)行預(yù)處理，目的是使處理后的圖像更易于分割，以達(dá)到細(xì)胞提取的目的。上述（1）、（2）兩種方法，將彩色圖像轉(zhuǎn)換成灰度圖分別運(yùn)用了公式法和單色法處理，而方法（3）利用了原圖像的色彩信息進(jìn)行顏色矩陣映射。下面將分別介紹此3種方法的實(shí)現(xiàn)過程：

方法（1），用函數(shù)rgb2gray直接將原RGB圖像灰度化，其中函數(shù)rgb2gray使用公式計(jì)算法對(duì)彩色圖像進(jìn)行轉(zhuǎn)換（圖 1～2）。

圖1 RGB圖像

圖2 灰度圖

方法（2），選取單通道顯示[4]。一副完整的圖像，是由R、G、B 3個(gè)通道組成的，選擇彩色圖像中一個(gè)合適的通道進(jìn)行分割，在matlab運(yùn)行環(huán)境下顯微病理涂片在R、G、B通道下的顯示，見圖3～5。

圖3 R通道圖像

圖4 G通道圖像

圖5 B通道圖像

從彩色圖像上可見背景偏紅，在R通道上前景和背景對(duì)比度較好，便于分割操作。所以選擇圖（3）進(jìn)行下一步操作。

方法（3），顏色矩陣映射[5]。用交互式（impixel）獲取像素值，取多個(gè)細(xì)胞核的點(diǎn)，以確定細(xì)胞核像素的取值范圍，然后使用imadjust函數(shù)來映射彩色圖像的顏色矩陣，取得細(xì)胞核、細(xì)胞漿（圖6～7）。

圖6 顏色矩陣映射提取細(xì)胞核

圖7 顏色矩陣映射提取細(xì)胞漿

圖像處理中關(guān)鍵技術(shù)的應(yīng)用，無論對(duì)邊緣檢測(cè)[6]還是形態(tài)學(xué)操作，都希望圖像的前景、背景對(duì)比度越明顯越好。經(jīng)比較：圖2對(duì)比度不強(qiáng)，細(xì)胞漿難以與背景區(qū)分；圖3提取細(xì)胞核可行，但一些外沿的細(xì)胞漿與背景色斑較難區(qū)分；圖6可直接識(shí)別細(xì)胞核，背景干擾較少；圖7利于提取細(xì)胞漿，細(xì)胞漿與背景區(qū)分較明顯，為下一步圖像處理能提供更準(zhǔn)確的信息。本研究采用顏色矩陣映射法實(shí)現(xiàn)，具體實(shí)驗(yàn)步驟如下。

3 顏色矩陣映射法實(shí)驗(yàn)步驟[7-8]

用交互式（impixel）方法在圖1中獲取像素值，取多個(gè)細(xì)胞核（顏色深度不同）的點(diǎn)，按先后順序依次顯示像素值，每1行為1個(gè)點(diǎn)的像素值。將細(xì)胞核像素值的大體取值范圍0～255轉(zhuǎn)換為與之對(duì)應(yīng)的0～1值（表1）。該取值用于確定一個(gè)范圍參考，不必每次都做此步驟。

表1 細(xì)胞核的大體取值范圍及其對(duì)應(yīng)的數(shù)值轉(zhuǎn)換關(guān)系

使用imadjust函數(shù)來映射彩色圖像的顏色矩陣，取得有意義的部分：

此式表示，將原圖像中的亮度值映射到新圖像中的新參數(shù)值，low_in為最低輸入值，high_in為最高輸出值，low_out為最低輸出值，high_out為最高輸入值，參數(shù)gamma默認(rèn)為1 線性映射。即將low_in～hige_in之間的值映射到low_out～high_out，low_in以下與high_in以上的值被剪切掉了。也就是說，low_in以下的值映射到low_out，high_in以上的值映射到high_out。

對(duì)RGB圖像的R、G、G調(diào)色板分別進(jìn)行調(diào)整。即隨著顏色矩陣的調(diào)整，每一個(gè)調(diào)色板都有唯一的映射值。由表1可知：R（0.38～0.8）、G（0.29～0.61），B 通道顏色較少，此處可不取。即原細(xì)胞圖像中紅色調(diào)色板中像素值＜0.38的像素都將被置為0，＞0.8的都將被置為1，原圖像中綠色調(diào)色板中像素值＜0.29的像素都將被置為0，＞0.61的都將被置為1。

細(xì)胞核表達(dá)式為 ： imadjust(I,[0.38 0.29 0； 0.8 0.61 .01],[])；執(zhí)行此式得到了圖6。

我們用選取細(xì)胞核的方法選取細(xì)胞漿。像素的取值范圍及對(duì)應(yīng)轉(zhuǎn)換關(guān)系，見表2。

表2 選取細(xì)胞漿像素的取值范圍及對(duì)應(yīng)轉(zhuǎn)換關(guān)系

由表2可知，對(duì)應(yīng)的數(shù)值轉(zhuǎn)換后，R（0.74～0.93）、G（0.54～0.77），因原圖像B通道顏色較少此處可不取。即原細(xì)胞圖像中紅色調(diào)色板中像素值＜0.748的像素都將被置為0，＞0.93的都將被置為1；原圖像中綠色調(diào)色板中像素值＜0.54的像素都將被置為0，＞0.77的都將被置為1。

細(xì)胞漿表達(dá)式為： imadjust(I,[0.74 0.54 0； 0.93 0.77 .01],[])

執(zhí)行此式得到了圖7。

4 結(jié)束語

本研究提出了一種目標(biāo)性更強(qiáng)的背景分割方法。采用顏色矩陣映射方法能夠更充分地利用彩色圖像的色彩信息，為圖像的后期處理提供了更可靠的數(shù)據(jù)。經(jīng)過色彩矩陣映射法預(yù)處理的圖像再進(jìn)行灰度化，其前景、背景對(duì)比度更強(qiáng)，對(duì)后期的圖像分割等處理更有實(shí)際應(yīng)用意義。

[1] 丁宏,王澤,施月玲.粘連細(xì)胞分割算法的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)應(yīng)用與軟件,2008,25(4):202-203.

[2] 王兆仲,趙宇,周付根,等.血細(xì)胞圖像的自適應(yīng)分割[J].中國體視學(xué)與圖像分析,2002,7(1):49-52.

[3] 李宗林,羅曉暉,蔣愛德.顯微細(xì)胞的圖像分析技術(shù)[J].機(jī)械工程與自動(dòng)化,2006,(2):146-148.

[4] 劉國慶,傅蓉.基于優(yōu)勢(shì)背景色的細(xì)胞圖像綜合分割方法[J].計(jì)算機(jī)工程與設(shè)計(jì),2011,32(6):2080-2082.

[5] 曹茂永,徐小平,郁道銀.具有光照強(qiáng)度不變性的顯微細(xì)胞圖像處理算法[J].光學(xué)技術(shù),2003,29(5):575-577.

[6] 胡麗琴,宋麗梅.基于灰度形態(tài)學(xué)的紅細(xì)胞圖像邊緣檢測(cè)[J].傳感器與微系統(tǒng),2009,28(3):98-100.

[7] 張毓晉.圖像工程(上冊(cè))圖像處理[M].北京:清華大學(xué)出版社,2006.

[8] 張強(qiáng),王正林.精通MATLAB圖像處理[M].北京:電子工業(yè)出版社,2009.