淺談醫學彩色細胞圖像分割法――C－均值聚類算法

張蘭鳳 歐陽娟

（贛南醫學院 基礎醫學院，江西 贛州 341000）

1 圖像分割的概念

圖像分割就是指把感興趣的目標與背景分離出來，并按照不同的含義把目標分割開來，也就是提取目標。圖像分割在圖像處理中占了非常重要的位置，是圖像處理中從圖像預處理到圖像分析處理最為關鍵的一步驟。一方面它對特征測量、特征提取及度量有重要的影響作用，是目標表達的基礎；另一方面，對圖像分析和理解在圖像分割后更加容易[1]。

圖像分割是圖像中陽性細胞的提取、定量分析的重點。好的圖像分割法能對陽性細胞進行計量分析，并且能進行形態分析等，圖像分割問題的解決對臨床病理醫生的定量分析、百分比計量具有重要的作用。在臨床診斷研究、醫學科研研究、病理診斷分析、醫學影像信息處理、計算機輔助疾病診斷等方面，圖像分割的應用范圍十分廣泛。在這些圖像處理應用中，圖像分割是不可缺少的一步，且也是最關鍵一步。

2 C－均值聚類算法

目前，圖像分割有很多方法，歸根到底，主要有三種不同的途徑。圖像分割沒有通用的、標準的、唯一的方法。分割方法主要包括：灰度閾值分割法、邊緣檢測法、區域分割法和聚類法等[2]。

C－均值聚類分割算法最早是由J.MacQueen提出的，是在誤差平方和準則上把圖像分成C類區域[3]。在C－均值聚類分割算法中先要一個準則函數，依據樣本和聚類中心之間的距離，選擇初始聚類中心C個，劃分類別，然后每一個類的聚類的中心再重新計算。反復不斷地對這個過程進行操作，算出準則函數的值是最小為止，一般來說都應該選擇樣本以及其聚類中心的平方誤差的總和為準則函數[4]。C－均值聚類算法可以做動態聚類是其最為突出的優點且也是一種不許需要任何方法監督的學習算法。顯微細胞彩色圖像含有三基色數據，C－均值聚類算法直接運用在顯微細胞彩色圖像的分割中將難以進行。因此在運用C－均值聚類算法分割前必須要對顯微細胞彩色圖像進行處理，將分割樣本的數據量減少，使C－均值聚類算法運行時間縮短。C－均值聚類算法運行如下[5]：

2.1 從初始化聚類中心的所有數據點中任取c個初始類均值。

2.2 進行迭代，在第K次時就將數據x歸為類Cj(其中j=mini{（x-mi）})；那么均值離Cj最近的類即為數據x。

C－均值聚類算法最主要是要依賴于聚類中心的初始的位置來進行迭代，在進行運算的過程中并不能保證其結果都是收斂于最優解。所以，為了使運算結果能夠更加的接近正確值，C－均值聚類算法在選擇初始聚類中心的方法上要進行比較。C－均值聚類算法在選擇初始聚類中心的方法有很多種，有的在開始就應用已經確定好的n個初始聚類中心，然后再反復地運算；還有的是先確定一個任意隸屬矩陣，然后再來運算；C－均值聚類算法也可以通過時間平均，以在線的方式運行，導出聚類中心。

在上述的算法中確定好n個初始聚類中心的這種C－均值聚類算法最具有代表性。

3 Ki-67彩色圖像分割方法

在本文中以Ki-67彩色圖像在HSI空間的特點為例，提出Ki-67彩色圖像分割方法：基于色度學準則先建立一個Ki-67彩色圖像的色度學準則，將Ki-67彩色圖像粗分割成只有陽性圖像；然后在此基礎上用C－均值聚類算法對粗分割后的圖像分割，提取陽性細胞；最后對分割后的陽性細胞圖像進行修正，從而計算出陽性細胞的個數和面積。

3.1 進行圖像增強處理，將圖像中綠色區域背景顏色值加強，

3.2 利用Matlab工具箱對圖像進行預處理。

3.3 運用色度學準則分割增強后的圖像，分割出包含有陽性細胞圖及其它顏色的色彩區的圖。

3.4 根據此圖的特征確定初始聚類中心，按以下方式確定初始聚類中心：m1=min(X)，m2=(m1+m2)/2，m3=max(X)，X是分割出具有陽性細胞圖中的每個像素的R分量值，將已經確定的聚類數3平分為3類，使其類間距最大化。

3.5 運用C－均值聚類分割法分割該圖像，圖像中的每個像素與聚類中心的距離計算出并歸集到距離最近的類別中，每個類別像素值的平均值又再一次計算，并且其作為下一次迭代的聚類中心，重復幾次，直到聚類中心值前后兩次相等，那么算法完成。

3.6 分割出陽性細胞并提取出來，對彩色圖像進行二值化處理，然后運用定量分析法對陽性細胞進行定量分析[5]。計算出陽性細胞數量并算出所占百分比數，可以用于對Ki-67圖像定量分析，對腫瘤進展及預后有較強的數據依據。

4 結語

因此，C－均值聚類是最基本的聚類分割方法在顯微彩色圖像分割中是簡單直觀、且較易操作，在圖像的彩色數據中聚類方法可以將其看作完整的個體來進行處理并且分割，可以得到較好的效果。C－均值聚類是最基本的聚類分割方法，也是最常用的方法。

[1]張偉，王軍鋒，王濤，等.一種基于改進算子的形態學邊緣檢測算法[J].計算機技術與發展，2013，23(6)：23-26.

[2]侯青，李偉，任娜娜，等.一種改進的中草藥顯微圖像邊緣提取算法[J].計算機技術與發展，2014，24(8)：243-245.

[3]劉志文，安興，李衡，等.顯微細胞圖像分析方法的研究進展[J].北京理工大學學報，2014，34(5)：441-453.

[4]鄭倩.醫學圖像分割方法研究及其應用[D].廣州：南方醫科大學，2014，10-14.