張瑞華

（江漢大學(xué) 物理與信息工程學(xué)院，湖北 武漢 430000）

?

基于ECCC的細(xì)胞圖像分割算法

張瑞華

（江漢大學(xué) 物理與信息工程學(xué)院，湖北 武漢 430000）

針對粘連細(xì)胞圖像，提出 ECCC（Eleven Components Chain Code）鏈碼分割算法。首先對細(xì)胞邊緣二值圖像進(jìn)行鏈碼統(tǒng)計(jì)和邊緣拐點(diǎn)檢測，新算法對 Freeman鏈碼進(jìn)行了改進(jìn)，在鏈碼中加入表示邊緣拐點(diǎn)的新的鏈碼元素，然后計(jì)算邊緣拐點(diǎn)的鏈碼差來篩選真實(shí)分割點(diǎn)，最后對分割點(diǎn)線性插值實(shí)現(xiàn)粘連細(xì)胞分割。實(shí)驗(yàn)結(jié)果表明，針對2粘連和3粘連細(xì)胞，ECCC法的分割成功率分別為100%和 98%，平均耗時分別為 0.42 s和 0.67 s，比傳統(tǒng)鏈碼分割法減少了近55%的計(jì)算量，在復(fù)雜的細(xì)胞圖像分割中具備一定的有效性和可行性。

圖像處理；圖像分割；細(xì)胞粘連；鏈碼

中文引用格式：張瑞華.基于ECCC的細(xì)胞圖像分割算法［J］.電子技術(shù)應(yīng)用，2016，42（7）：126-129.

英文引用格式：Zhang Ruihua.ECCC algorithm on image sequences of stem cells［J］.Application of Electronic Technique，2016，42 （7）：126-129.

0　引言

醫(yī)學(xué)細(xì)胞圖像分割的傳統(tǒng)方法主要有基于區(qū)域的分割方法和基于邊緣的分割方法，后者主要包括：邊緣檢測法［1，2］、基于形變模型的方法［3，4］和鏈碼法［5-7］。

鏈碼是用曲線起點(diǎn)坐標(biāo)和邊界點(diǎn)的方向編碼來表示圖像邊界的一種編碼方法，常用于圖像處理、計(jì)算機(jī)圖形學(xué)和模式識別等領(lǐng)域?；阪湸a法的圖像分割一般采用5個步驟：邊界檢測、鏈碼統(tǒng)計(jì)、拐點(diǎn)判斷、分割點(diǎn)篩選和線性插值分割。實(shí)現(xiàn)細(xì)胞圖像的有效分割需滿足3個條件：（1）完整清晰的細(xì)胞邊緣；（2）真實(shí)分割點(diǎn)的判斷；（3）消除細(xì)胞小粘連（細(xì)胞上小黑點(diǎn)）和多細(xì)胞粘連分割。

陸宗騏等［5］通過計(jì)算每個邊界點(diǎn)的鏈碼差來判斷輪廓的凸凹角點(diǎn)，并結(jié)合曲率半徑和等效周長等特征參量實(shí)現(xiàn)細(xì)胞分割，該方法分割效果較好，但存在計(jì)算量大、分割速度慢的問題。牛慶肖等［6］將鏈碼和小波變換相結(jié)合提出一種新的輪廓描述方法，但由于邊界函數(shù)的一維小波變換對邊界起點(diǎn)較敏感，導(dǎo)致算法的不變性較差。張宇等［7］通過分析分水嶺算法，并借鑒鏈碼思想來實(shí)現(xiàn)細(xì)胞分割，實(shí)驗(yàn)結(jié)果表明：帶標(biāo)記的分水嶺可有效避免過分割情況，然而對標(biāo)記的提取需要使用者具備一定的醫(yī)學(xué)知識，另外，當(dāng)標(biāo)記落在細(xì)胞邊界時，檢測到的邊界會包含少量的偽邊緣點(diǎn)和孤立點(diǎn)。

本文在前期研究基礎(chǔ)上［8］，提出了一種ECCC（Eleven Components Chain Code）鏈碼分割算法，實(shí)現(xiàn)對醫(yī)學(xué)細(xì)胞圖像的快速分割。實(shí)驗(yàn)結(jié)果表明，算法的分割速度快、精確度高，在復(fù)雜的細(xì)胞圖像分割中具備一定的有效性和可行性。

1　ECCC鏈碼

白細(xì)胞和神經(jīng)元干細(xì)胞是兩種常見的類橢圓形醫(yī)學(xué)細(xì)胞。本文提出一種新的鏈碼模型ECCC，ECCC是針對類橢圓形細(xì)胞的鏈碼分割方法，在 Freeman鏈碼（8方向）中插入了3個新的鏈碼元素“S”、“8”和“9”。有別于傳統(tǒng)鏈碼模型需要對每個邊界點(diǎn)計(jì)算鏈碼差來判斷輪廓的凸凹角點(diǎn)，并結(jié)合曲率半徑和等效周長等特征參量實(shí)現(xiàn)細(xì)胞分割，新算法只需對ECCC編碼中的鏈碼元素“8”計(jì)算鏈碼差就可判斷真實(shí)分割點(diǎn)，大大提高了分割速度和精確度。

具體編碼過程為：

（1）定位起始點(diǎn)“S”。按從上到下、從左到右的順序掃描細(xì)胞邊界，第一個遇到的像素點(diǎn)即為起始點(diǎn)，記作鏈碼“S”。

（2）檢測邊緣拐點(diǎn)并定位。從“S”開始按逆時針方向跟蹤邊界，當(dāng)兩個相鄰邊界點(diǎn)的鏈碼方向相反時，比如前者的方向向上（正上、右上和左上）而后者的方向向下（正下、右下和左下）或者前者的方向向左（正左、下左和上左）而后者的方向向右（正右、下右和上右）時，在變換點(diǎn)處標(biāo)記元素“8”。

（3）定位末端點(diǎn)“9”。將邊界點(diǎn)中 y值最大的像素點(diǎn)記作末端點(diǎn)“9”，若有幾個點(diǎn)的y值均為最大值，取 x值最小的點(diǎn)。

（4）鏈碼跟蹤。由起始點(diǎn)“S”跟蹤輪廓一周至輪廓閉合，當(dāng)起點(diǎn)和終點(diǎn)的鏈碼方向一致時結(jié)束。

定位圖 1（a）的起始點(diǎn)“S”是按從上到下、從左到右的順序，從“S”開始沿逆時針方向跟蹤邊界至起始點(diǎn)，輪廓閉合，也可按從下到上、從右到左的順序。兩者的跟蹤方式相同，區(qū)別在于掃描的起點(diǎn)和順序。圖1（b）的Freeman鏈 碼 是 55567760011223234，ECCC編 碼 后 為S55568776900112283234，如圖1（c）所示。

圖1　細(xì)胞邊界ECCC編碼

2　ECCC分割和計(jì)數(shù)方法

細(xì)胞邊界 ECCC編碼，記錄其中鏈碼元素“8”的個數(shù)，針對白細(xì)胞和神經(jīng)元干細(xì)胞輪廓的類橢圓形特點(diǎn)，篩選真實(shí)分割點(diǎn)和進(jìn)一步的細(xì)胞分割及計(jì)數(shù)。

統(tǒng)計(jì)120張細(xì)胞圖像的ECCC編碼，結(jié)果顯示，“S-9”或“9-S”中僅會出現(xiàn)一次“8”，這表明x值最小的邊界點(diǎn)有一次由左至右的方向變化或者x值最大的邊界點(diǎn)有一次由右至左的方向變化。

可采用下式對細(xì)胞計(jì)數(shù)：

其中，Q、n分別是細(xì)胞和鏈碼“8”的個數(shù)，若 Q為小數(shù)則進(jìn)位取整。一般單個細(xì)胞的 ECCC編碼包含2個“8”點(diǎn)，2粘連細(xì)胞的編碼中包含6個“8”點(diǎn)。統(tǒng)計(jì)120張細(xì)胞圖像的ECCC編碼，結(jié)果顯示：每增加1個粘連細(xì)胞就會增加 4個“8”點(diǎn)，因此粘連細(xì)胞 ECCC編碼中鏈碼“8”的個數(shù)為4（Q-1）+2。另外，細(xì)胞圖像往往存在圖像對比度低和細(xì)胞邊緣模糊的情況，實(shí)驗(yàn)結(jié)果表明，除數(shù)取4可以較好地減少這些干擾，確保計(jì)數(shù)結(jié)果的準(zhǔn)確性。

細(xì)胞圖像的粘連以2細(xì)胞和3細(xì)胞粘連居多，圖2和表1顯示了白細(xì)胞圖像的ECCC簡碼 （將編碼中的重復(fù)鏈碼進(jìn)行精簡）及分割結(jié)果。圖2（b）和圖2（f）的ECCC編碼中鏈碼“8”均出現(xiàn) 6次，由式（1）可知為 2粘連細(xì)胞；圖 2（j）、圖 2（n）的 ECCC編碼中鏈碼“8”均出現(xiàn) 10次，由式（1）可知為3粘連細(xì)胞。對120幅白細(xì)胞圖像進(jìn)行計(jì)數(shù)，準(zhǔn)確率可達(dá)98%。

圖2　粘連細(xì)胞的ECCC鏈碼和分割

表1　ECCC細(xì)胞計(jì)數(shù)結(jié)果

由圖2（a）、（e）、（i）和（m）可知，分割點(diǎn)均為邊緣凹角點(diǎn)，只有快速準(zhǔn)確地定位這些角點(diǎn)才能實(shí)現(xiàn)實(shí)時有效的細(xì)胞分割。如圖2（b）、（f）、（j）和（n）所示，鏈碼“8”除位于分割點(diǎn)外，還有少量在細(xì)胞輪廓的光滑部分。對細(xì)胞圖像ECCC編碼后，本文采用鏈碼差來檢測拐點(diǎn)“8”中的分割點(diǎn)。由于不需要對每個邊緣點(diǎn)都采用鏈碼差來判定其凸凹性，該算法相比于傳統(tǒng)鏈碼模型減少了近55%的計(jì)算量。

采用下式計(jì)算鏈碼差 Diff［5］：

式中，Sum（i）為當(dāng)前點(diǎn)的鏈碼和，當(dāng)采用逆時針方向跟蹤邊界時，凸凹角點(diǎn)的鏈碼差分別取負(fù)值和正值。

本文檢測拐點(diǎn)“8”中分割點(diǎn)的方法為：

鏈碼和將圓周均分為24份，其值相差1，意味著相差15°。細(xì)胞分割點(diǎn)均為邊緣凹角點(diǎn)，凹角點(diǎn)的鏈碼差取正值，值為3說明角度變換45°。

采用式（3）來檢測鏈碼“8”中的分割點(diǎn)，如圖 2（c）、（g）、（k）和（o）所示，檢測結(jié)果準(zhǔn)確無誤。最后，對分割點(diǎn)線性插值，如圖 2（d）、（h）、（l）和（p），粘連處得到有效分割。

3　實(shí)驗(yàn)結(jié)果及分析

實(shí)驗(yàn)是在MATLAB 8.0的編譯環(huán)境中，在Pentium? D CPU 2.8 GHz、內(nèi)存2.96 GB的PC上進(jìn)行。分別采用ECCC和傳統(tǒng)鏈碼模型對 120張白細(xì)胞和神經(jīng)元干細(xì)胞圖像（兩類細(xì)胞圖像各60張）進(jìn)行分割檢測。由于篇幅限制，僅顯示其中兩張典型細(xì)胞圖像的分割結(jié)果，如圖3、4所示。

圖3　兩種鏈碼模型對神經(jīng)元干細(xì)胞圖像的分割結(jié)果對比

對圖3（a）、4（a）采用所提出的兩種邊緣檢測方法［8］得到完整、連續(xù)的細(xì)胞邊界，如圖 3（b）、4（b）。細(xì)胞邊界ECCC編碼并檢測鏈碼“8”中的分割點(diǎn)，如圖3（c）、4（c），分割點(diǎn)的定位誤差分別為1.01、1.23個像素。傳統(tǒng)鏈碼模型存在邊緣檢測精度低和分割點(diǎn)漏檢的問題，如圖3（e）、4（e）所示，分割點(diǎn)定位誤差分別為 9.32、2.65個像素。醫(yī)學(xué)細(xì)胞圖像具有對比度低、細(xì)胞邊緣模糊的特點(diǎn)，傳統(tǒng)鏈碼模型在跟蹤邊界時易將噪聲點(diǎn)和模糊處誤判為邊界，從而出現(xiàn)了一些偽邊緣點(diǎn)，這對下一步的分割造成較大影響。

圖4　兩種鏈碼模型對白細(xì)胞圖像的分割結(jié)果對比

本文采用分割點(diǎn)定位誤差［9］來定量比較兩種鏈碼分割法的精確度，結(jié)果如表2所示。設(shè)算法檢測的分割點(diǎn)集合為CDET，手工定位的分割點(diǎn)集合為 CRET，最大距離誤差設(shè)為 Dmax=3， 對于?Ci∈CREF，?Cj∈CDET有dij=||Ci-Cj||，若 dij≤Dmax，則 Cj、Ci配準(zhǔn)，否則 Cj為錯誤分割點(diǎn)，dij的均值為定位誤差。由表 2可知，ECCC檢測分割點(diǎn)更準(zhǔn)確。

表2　兩種鏈碼模型的分割點(diǎn)定位誤差對比

表3　兩種鏈碼模型的運(yùn)行時間對比（單位：s）

表3對比了兩種鏈碼模型的運(yùn)行時間，可見，ECCC減少了近55%的計(jì)算量，分割速度更快。對大量類橢圓形醫(yī)學(xué)細(xì)胞圖像進(jìn)行分割測試，實(shí)驗(yàn)結(jié)果表明：在分割精度上，ECCC高于傳統(tǒng)鏈碼模型；在運(yùn)行時間上，ECCC的優(yōu)勢更明顯。

4　結(jié)論

本文針對類橢圓形細(xì)胞，提出了ECCC鏈碼分割方法，新算法在Freeman鏈碼中插入了3個新的鏈碼元素“S”、“8”和“9”。有別于傳統(tǒng)鏈碼模型需要對每個邊界點(diǎn)計(jì)算鏈碼差來判斷輪廓的凸凹角點(diǎn)，并結(jié)合曲率半徑和等效周長等特征參量實(shí)現(xiàn)細(xì)胞分割，新算法只需對ECCC編碼中的鏈碼元素“8”計(jì)算鏈碼差就可判斷真實(shí)分割點(diǎn)。對大量2粘連和3粘連細(xì)胞圖像進(jìn)行分割測試，實(shí)驗(yàn)結(jié)果表明：ECCC法的分割成功率分別為100% 和 98%，平均耗時分別為 0.42 s和 0.67 s，比傳統(tǒng)鏈碼分割法減少了近55%的計(jì)算量，在復(fù)雜的細(xì)胞圖像分割中具備一定的有效性和可行性。

［1］HUO G Y.Edge detection for gastric cancer cell images based on improved sobel operator algorithm［J］.Pattern Recognition Letters，2012，25（6）：603-618.

［2］ZHANG H，DA F P，LIH Q，et al.Methods of edge location for ellipse［J］.Optical Technique，2013，36（1）：66-74.

［3］宋效東，湯國安，周毅.基于并行GVF Snake模型的黃土地貌溝沿線提?。跩］.中國礦業(yè)大學(xué)學(xué)報，2012，42（1）：142-150.

［4］BRESSON X，ESEDOGLU S，VANDERGHEYNSE P.Fast=global minimization of the active contour snake model［J］. Advances in Intelligent and Soft Computing，2013，28（4）：151-167.

［5］陸宗騏，童韜.鏈碼和在邊界形狀分析中的應(yīng)用［J］.中國圖象圖形學(xué)報，2009，7（12）：1323-1328.

［6］牛慶肖，張樺，徐光平.基于鏈碼和快速傅里葉變換的輪廓描繪方法［J］.光電子·激光，2013，24（6）：143-148.

［7］張宇，劉文耀，鄧偉.鏈碼跟蹤算法在三維醫(yī)學(xué)圖像處理中的應(yīng)用［J］.中國生物醫(yī)學(xué)工程學(xué)報，2012，8（2）：256-261.

［8］張瑞華，吳謹(jǐn).基于優(yōu)化水平集的細(xì)胞圖像分割算法［J］.電子技術(shù)應(yīng)用，2013，30（16）：59-67.

［9］AWRANGJEB M.Robust image corner detection based on the chord-to-point distance accumulation technique［J］. IEEE Transactions on Multimedia，2012，10（6）：109-114.

ECCC algorithm on image sequences of stem cells

Zhang Ruihua
（School of Physics and Information Engineering，Jianghan University，Wuhan 430000，China）

For the adherent cells，ECCC（Eleven components Chain Code）is proposed.Firstly the chain code is counted and the corner is detected based on the pre-treated edge binary image.The improved algorithm solves the problem of high computation complexity in the traditional Freeman 8 neighborhood chain code mode by adding a new chain code element that represents the edge inflection point in the chain code.Then the real segmentation points are detected by calculating the chain code difference of the inflection point in the cell edge.Finally，the adherent cells are separated by linear interpolation of real segmentation points.For two adhesion and three adhesion cells，this method is proved by experimental results to have higher computering speed and better denoising performance than traditional chain code method.The success rate of the segmentation algorithm is 100%and 98%respectively and the average consumption time is 0.42 s and 0.67 s respectively.ECCC has certain validity and feasibility in the complex cell image segmentation.

image processing；image segmentation；cell adhesion；chain code

TP391；TP37

A

10.16157/j.issn.0258-7998.2016.07.032

2016-01-12）

張瑞華（1980-），女，博士，講師，主要研究方向：圖像處理與模式識別。