摘 要

计算机技术飞快进步，计算机技术在图像处理和分析中的应用渐渐变得越来越重要,运用计算机技术来帮助图像处理是大势所趋，在医学领域，图像处理也有着越来越广泛的应用。在医学研究和临床治疗邻域，数字医学图像充当着重要的角色，研究数字医学图像对医疗事业的发展与进步有着重要的意义。对医学细胞图像分割、检测与分析细胞形态的方法等问题的研究已经成为当今数字医学图像研究邻域的先进课题。研究图像分割算法是在处理医学细胞图像的过程中有重要意义，研究医学细胞图像分割算法是为了更好地把在图像里具有特定意义的相关区域分割出来，为临床诊断和医学研究提供值得信赖的凭据。

本文对医学细胞图像的分割算法进行了分析研究，并且在MATLAB平台上进行了仿真。对图像分割算法已经有了多年的研究进程，在科研学者们的共同努力下，已经形成了很成熟的图像分割算法体系，这些算法并非适用于所有类型图像的处理，具体问题应该具体分析。针对医学细胞图像的具体特点及医学研究和临床诊断的需求，研究了比较适于处理医学细胞图像的算法。一类是阈值分割，这是一种传统的图像分割算法，适用于处理目标区域和背景区域灰度级范围有差异的图像；另一类是基于边缘检测的图像分割算法，这类算法主要是根据图像在不同区域的边界处像素灰度值的变化情况来检测边缘；还有一类是基于区域的图像分割算法，主要包括区域生长算法和区域分裂合并算法，以及分水岭算法；最后还研究了将基于边缘检测的细胞图像分割算法与数学形态学结合起来的算法，用于处理黏连较严重且影响分析的细胞图像，极具实用性。

关键词：图像分割；阈值分割；区域分割；边缘检测；形态学

Abstract

Computer technology in the rapid progress of computer technology in image processing and analysis of the application gradually become more and more important, the use of computer technology to help image processing is the trend, in the medical field, image processing has also been more and more widely used. In the medical research and clinical treatment neighborhood, digital medical image plays an important role in the study of digital medical imaging of medical development and progress is of great significance. The research on the method of segmenting, detecting and analyzing cell morphology of medical cells has become an advanced subject of today's digital medical image research neighborhood. The study of image segmentation algorithm is the key difficulty in the processing of medical cell images. The research of medical image segmentation algorithm is to better segment the relevant regions with specific significance in the image, and to provide reliable credentials for clinical diagnosis and medical research.

      In this paper, the segmentation algorithm of medical cell image is analyzed and studied, and the simulation is carried out on MATLAB platform. The research of image segmentation algorithm has been studied for many years. Under the previous efforts of scholars, we have formed a very mature image segmentation algorithm system. These algorithms are not suitable for all types of image processing. Specific problems should be specific analysis. Aiming at the specific characteristics of medical cell images and the needs of medical research and clinical diagnosis, the algorithm of medical cell image is studied. Which is a traditional image segmentation algorithm, which is suitable for dealing with images with different gray levels in the target area and background area. One is the image segmentation algorithm based on edge detection. The algorithm is mainly based on the image And a class is based on the region of the image segmentation algorithm, including the regional growth algorithm and the regional split merge algorithm, and the watershed algorithm; finally also will be based on the edge of the edge of the image, The algorithm of image segmentation is combined with mathematical morphology to deal with cell images with more serious adhesion and affect the analysis. It is very practical.

Key words: image segmentation, threshold segmentation, region segmentation, edge detection, morphology

目 录

第1章 绪论 1

1.1 图像分割算法研究目的及意义 1

1.2 图像分割算法国内外发展及研究现状 2

1.3 论文研究内容 3

第2章 阈值选取的图像分割 4

2.1 阈值分割的基本原理 4

2.2 阈值选取方法 4

2.2.1 根据直方图谷点选取阈值 5

2.2.2 最大类间方差法选取阈值 6

2.2.3 迭代法选取阈值 7

2.2.4 阈值选取方法比较 9

第3章 基于区域的图像分割算法 10

3.1 基于区域的图像分割算法基本原理 10

3.2 区域生长算法 10

3.3.1 区域分裂法 13

3.3.2 区域合并法 14

3.3.3 区域分裂合并法 14

3.4 分水岭图像分割算法 15

3.4.1 分水岭算法的基本原理 15

3.4.2 分水岭算法仿真实现 16

第4章 基于边缘检测的图像分割算法 18

4.1 边缘检测的基本原理 18

4.2边缘检测算子 19

4.2.1 Roberts算子 19

4.2.2 Sobel算子 20

4.2.3 Prewitt算子 21

4.2.4拉普拉斯-高斯算子 21

4.2.5 Canny算子 22

4.2.6 比较各种不同算子特点及仿真 23

第5章 基于边缘检测和形态学的图像分割算法 25

5.1 数学形态学 25

5.2 基于边缘检测和形态学的图像分割算法研究 25

5.3算法设计步骤及实现 26

5.3.1 读取图像 27

5.3.2 检测细胞边缘 27

5.3.3 显示分割后的图像 29

5.4 结果分析 29

第6章 总结与展望 30

6.1 论文工作总结 30

6.2 进一步研究与展望 30

参考文献 32

致 谢 33

第1章 绪论

1.1 图像分割算法研究目的及意义

人类交流信息的一种主要方式就是图像，人类获取的所有信息中，图像方面的信息占了很大的比重，因而图像成为交流信息的重要媒质和手段。数字图像处理技术发展较早，数字图像处理的技术得到了迅猛的发展归功于电子计算机技术的飞速发展。如今，数字图像处理的技术不但与人类的工作关系紧密，它与人们的生活也有着紧密相连的关系，这种技术已经渐渐变为目前信息年代的一门很重要的高科技学科^[1]。数字图像处理技术不仅仅只是在信息科学等科研领域有研究意义，在生物学的研究也具有深远意义。在生物学和医学中，医学细胞图像在医学研究和临床诊疗、病理情况分析中有着很重要的作用。而光靠人类自己的肉眼来观察医学细胞图像是远远不够的，因此，借助计算机新技术来帮助处理医学细胞图像变得越来越重要^[2]。借助数字图像处理技术来处理的医学图像能更好地满足人们在医学研究以及临床诊断上的需求。

然而在对图像进行分析与研究时，人们时常只对图像中的一部分特定区域有兴趣，这些人们有兴趣的区域就称为目标区域，而人们没兴趣的区域则称为背景区域。要想达到对目标区域进行分析研究的目的，需要分割开目标区域与背景区域，将目标区域从图片中提取出来的过程和技术就是图像分割。作为一项图像处理技术中的重点探究内容，图像分割旨在将图像分割成为一些互不交叠的、有特定意义的区域，分割结果的好坏会直接决定后续的图像处理结果以及对图像的分析判断。图像分割能有效地保留相关图像的特征结构信息，与此同时也很大程度地减少了后续的图像处理过程中的数据量。通过描述分割结果，可以得到图像中所包含的相关信息^[3]。可以说，图像处理的结果是否理想，由图像分割的效果直接决定，更甚至，图像分割效果不理想将直接导致整个图像处理过程失败。因此，确定合适的、高效的图像分割的算法变得十分重要，图像分割是整个图像处理过程中非常重要的一环。

计算机技术不断进步，相关的计算机图像处理手段与技术在医学研究和临床诊疗中的作用也越来越大。研究对如何对医学细胞图像进行分割、如何检测并识别细胞形态已然成为当今图像处理算法研究领域的重点研究对象。在现今的临床诊疗和医学研究中，医学专家诊治很多疑难杂症靠的就是观察分析病变标本里的相关细胞的形态、数量，并对相关细胞进行分类与识别。目前，使用医用光学显微镜是最主要的观察方法。观察染色过的病变标本，识别各细胞的形态特征，根据形态特征对细胞进行分类，分类后再进行计数。很显然，这种人工计数的方式不仅容易因为人为原因出错，而且效率相当低下。随着自动化模式识别与人工智能等相关技术的研究与发展，对医学细胞图像的自动识别技术引起了人们的遐想，人们希望可以将人工智能与模式识别等技术应用到医学细胞图像的处理上来。如果这能实现，借助计算机帮助医学专家分析识别细胞各类将成为可能，而且计算机最大的优点就是处理数据速度极快，所以人工处理细胞效率低的缺陷将得到解决，人为误差引起的细胞图像处理结果不理想的情况也将得到解决。