摘 要

临床医学中的细胞数量检测是血常规检测的项目之一，检测患者人体血细胞显微图像中的红细胞的数量是对患者进行临床诊断的一种重要方法。

目前，针对红细胞的识别计数所提出的电阻原理和光散射方法虽然能够实现该功能，但是由于目标图片中的待识别物体过小无法通过人工计数，只能进行常规的分类。

为了解决上述问题，本文提出了一种新的“人体红细胞自动识别计数系统”的设计与实现，该“人体红细胞自动识别计数系统”是运用Matlab针对临床血细胞显微图片所设计的，运用数字图像处理技术对显微图片中的红细胞进行计数的一个小型程序，其主要实现的功能为通过一系列针对细胞图像的数字处理识别并统计出红细胞的大致数目，本系统属于计算机科学与医学领域的联合应用。通过对图像的处理，能够比较快速地实现红细胞计数，并且能够使误差控制在可控范围内，可以更深化应用于其他医学层面。

关键词：红细胞，数字图像处理，自动识别计数

Abstract

Number of cell detection in clinical medicine is one of the routine blood test project, the number of the red blood cell detection in patients with human blood cell microscopic image is one of the important methods in clinical diagnosis of patients.

At present, the automatic counting of red blood cells mainly uses the principle of resistance and the light scattering method, which can only be classified under the condition that can not be counted by the naked eye.

In order to solve the above problems, this paper puts forward a new design and implementation of automatic recognition and counting system for human red blood cells . The “Human red blood cell automatic recognition counting system” based on MATLAB is a small program for the red blood automatic counting of the clinical blood cell microscopic images using digital image processing technology. Its main function is red blood recognition and automatic counting through a series of digital image processing to get the approximate number of red blood cells. The system is a joint application both in the field of computer science and medical science. By using the digital image processing, we can be relatively fast to achieve red blood cell counting, and we can control the error within the controllable range. So that the system can be more deeply applied to other medical level.

Key Words： red blood cell; digital image processing; automatic recognition and counting

目 录

第1章 绪论 1

1.1 选题目的 1

1.2 国内外研究现状 1

1.3 研究内容 2

1.4 章节安排 2

第2章 基础知识 3

2.1 红细胞 3

2.2 数字图像处理概述 3

2.2.1 数字图像 3

2.2.2数字图像存储 3

2.3 几种不同的颜色模型 4

2.3.1 RGB模型 4

2.3.2 CMY和CMYK模型 5

2.3.3 HSI彩色模型 5

2.4 本章小结 6

第3章 系统设计及相关技术 7

3.1 系统的总体设计 7

3.1.1 系统架构设计 7

3.1.2 系统工作流程 7

3.2 系统界面设计 9

3.3 系统功能的设计与实现 9

3.3.1 图像二值化的设计与实现 9

3.3.2 图像平滑 13

3.3.3形态学运算 16

3.3.4 数量统计 19

3.4本章小结 20

第4章 系统测试 22

第5章 总结 25

参考文献 26

致 谢 27

第1章 绪论

1.1 选题目的

随着信息化时代的全面来临，社会的发展已经向着自动化，智能化的方向不断进步，自动化处理在各个行业中得到了越来越多的应用，在临床医学中也是如此。对于细胞的自动识别就是这些应用的其中一种。对于临床医学而言，细胞的形态学检测对于某些疾病的检测有着很重要的作用，因为细胞形态可以直接关系到人体健康状况，比如镰刀形红细胞病患者的红细胞不再是椭圆形而是产生了形变，成为镰刀形或长条形，红细胞形态学是细胞学，血液流变学等研究领域内的一个重要方面，它的研究对象是人体血液中血细胞的含量和密度，为临床医学提供重要的诊断依据。

作为人体抵御病原侵入体内的第一道防线，免疫系统中的红细胞常常是血常规检测的重要指标，红细胞的具体情况是患者病情判断的重要依据，也是医生诊断的重要数据。通过对血液细胞的检测，我们能够获得各种不同细胞的数量和形态，从而诊断出患者的疾病。

传统的形态学检测方法多使用显微镜对细胞样本进行检测，通过电阻原理和光散射的方法^[1]分类细胞，这样的分析方法存在着效率低，误差大等问题。为了解决这样的问题，人们需要一种高效，准确的识别出细胞形态和数目的方法来实现临床医学的病理学检测。

1.2 国内外研究现状

1970年，国际上就已经提出了可以将计算机图像处理和图形学基本理论用于分类的理论。日立公司（（Hitachi Limited））在30多年以前就已经生产出了利用图像处理实现血液分析的分析仪8200设备。

我国也在很早之前就开始了这方面的研究，第一台血细胞计数仪于1965年在上海诞生，这是我国最早的血细胞自动检测设备，但这些设备均只能简单地统计血细胞的数量，而没有更进一步的功能。随着信息技术的发展，我国开始与海外合作生产血液细胞分析仪，生产出一批相比于血细胞计数仪更加先进且功能也更加完善的仪器，ERMAPC-603就是其中一种。但受限于当时的图像处理技术和模式识别技术。此类机器依旧不能准确完成细胞分割的任务，这会导致识别时出现很大的误差，因此当时的检测仪器没有太大的实用价值^[1]。