基于delphi的血液細胞圖像預處理及特征統計

姚強

（江蘇省武進中等專業學校 信息工程學院，江蘇常州，213164）

0 引言

本文基于delphi程序實現醫學細胞形態和特征的定量分析，通過對目標連通區域標記及緊湊度、重心位置等參數計算，實現數字圖像中目標的自動識別，分析統計血液細胞的特征數據以確定細胞是否產生病變。

要實現上述構想，首要要考慮如何有效地從細胞形態圖中提取特征指標，然后，依據這些特性指標確定這類細胞形態圖形的性質，并將其與其他細胞形態圖形區分開來，細胞的特征可以依據8項圖形指標（面積、周長、形狀指數、最大直徑、細長比、重心位置、凸周長與基周長之比，平均凸起率）而定。

1 系統方案設計

血液細胞圖像預處理及特征統計一般順序是：調入圖片→圖像預處理→區域標記→幾何特征參數計算→數理統計并得出定量和定性結論。而圖像預處理是關鍵，主要是對彩色圖片的HSL選取法、圖像二值化、圖像輪廓獲取、細胞分割、圖像缺陷填充、去除圖像噪聲。閾值分割得到的二值圖像通常包含多個區域，而且有的區域可能由幾個不連通的子區域組成，因此，有必要檢測每個區域的連通情況，然后給每個區域標記后進行形狀判斷分析，并將它們分別提取出來。而幾何特征分析是形狀分析最有效的方法與手段，緊湊度和重心是最重要的特征之一。

2 血液細胞圖像預處理

（1）色度區間選取圖像。HSL是指顏色所包含的三要素，在HSL顏色空間中，色調按360度分布以表達不同的顏色區間，而紅色占據的區域在0度左右，這樣需分別處理色度的取值、最大色度大于360度和最小色度小于0度這三種情況。通過對彩色細胞圖像顏色掩膜擇取，圖像將主要包含需統計分析的顏色目標對象，排除了其他顏色表達的物體對象，易于進一步圖像特征分析。

圖1是按色度選取范圍定義在-10到50間，對圖像進行顏色過濾得到血液細胞的對比結果。

圖1 色度區間過濾圖像的對比結果

圖2 大津法二值化

（3）圖像輪廓獲取。為了計算細胞連通域的周長進而計算其緊湊度，就必須提取連通域的輪廓，就是掏空圖形連通區域的內部點。如果連通區域用白色表示，區域內有一點為白色，且它的8個相鄰點都是白色，則該點就被確認為刪除點，即置該點為黑色。對整個圖形都按這個原則進行處理就可獲得圖形中各連通域的輪廓邊界。

（4）細胞分割。即將粘連的細胞分開。經過多次實驗與統計發現，目標圖像中粘連的細胞所占的比例較小，可以采用數學形態學中的開運算實現。開運算具有消除細小物體、在纖維點處分離細胞、平滑細胞邊界的作用。對于輕度粘連的細胞，經開運算后，細胞之間分開了，并且大部分細胞圖像沒有明顯的改變。

（5）圖像缺陷填充。填充封閉區域內部的空洞，數學上對滿足單連通條件的，采用種子填充算法即可實現。

（6）去圖像噪聲。文獻[2]實現了小波變換法，利用Mallat多分辨率分解，對得到的不同頻帶內的小波系數進行硬值域濾波的方法實現去除噪聲。具體為，由Mallat算法分解：

其中，H和G為濾波器系數矩陣，V0為原始圖像的采樣值，Vj和Wj分別為尺度j上的逼近系數和小波變換系數，將含有噪聲的采樣值在某個尺度下分解到不同的頻帶內，將噪聲所處的頻帶置零（強制消噪處理），利用重構公式：

3 血液細胞圖像顏色差值的區域標記

區域標記是指給連接在一起的像素賦上相同的標記，不同細胞的連接部分附上不同的標記。通過這種處理，每個連通細胞體呈不同的顏色，根據像素值的不同，進而分析每個細胞的形狀特征。

區域標記的算法有像素標記法，是搜索整幅二值化圖像，當搜索到灰度值為1的像素時開始標記并搜索與其連通的點，賦上相同的像素值，當遇到沒有加標記的目標像素時，給賦新的像素值。該算法在文獻[3]中用delphi程序實現。由于全局搜索，有些已經標記過的像素點可能被重復掃描，因此需要大量的堆棧空間，需要消耗大量的存儲空間和處理時間。

本文提出了采用二值圖像像素快速標記法能很好地解決上述問題。二值圖像像素快速標記法以直線段作為連通檢測的基本處理單元，對二值圖像進行遂行掃描，每掃描出當行的一條直線段（由連續的“1”像素點組成），則與上一行己檢測出的直線段進行連通檢測，具體算法如下：

首先定義輸入的二值化圖像為f(i，j），輸出的中間標記圖像為g(i,j），分析表為tab，標記總數為mark_num。

綜上所述，高中學業水平考試等級線的設定很關鍵，只有標準設定準確，才能夠提高標準設定的質量。在上文中，針對高中學業水平考試等級設定的基本方法展開了系統化分析與研究，并詳細闡述了具體的設定步驟，為學業水平考試的等級化發展提供了必要的保障。

1)令 mark_num:=O,tab[mark_num］：=0。從上到下逐行掃描圖像，若在第j行中有一段值為1的連續像素 f(i,j)-f(k,j)(1≤i≤k），則執行1)，否則返回2)進行下一行掃描。

2)檢查 f(i-1,j-1)-f(k+1,j-1)，若超出圖像邊界，則略去邊界點。

若f(i-1,j-1)-f(k+1,j-1)的值全為0，則令mark_num:= mark_num+1，并將 mark_num 賦給 g(i,j)-g(k,j），再令tab[mark_ num]:=mark_ num，然后返回2）。

若f(i-l,j-1)-f(k+1,j-1)有L個像素段，則設與之對應g(i-1,j-l)-g(k+1,j-1)中的L個標記為mark(1),mark(2), ... mark(L),(L≥1)，令mark等于這幾個值中最小的值，將mark賦值給g(i,j)-g(k,j），同時記錄連通關系。返回2)。

該方法可檢測出各種復雜類型的連通區域，從而避免了基于像素標記方法重復掃描一些像索點的現象， 因此可明顯提高處理速度。

4 血液細胞圖像特征參數計算

特征參數計算主要包括緊湊度和重心位置分布。

（1）緊湊度。其計算是建立在面積和周長計算的基礎上，其方程為e=（4π×面積）/(周長)2。面積等于細胞（或區域）中包含的像素數。細胞的周長是指輪廓線上像素間距離之和，像素間距離有兩種情況，并列方式可以是上、下、左、右四個方向，這種并列像素間的距離是1個像素，傾斜方向連接的像素有左上角、左下角、右上角、右下角四個方向，這樣傾斜方向像素間的距離是單位像素。 在進行周長測量時，需要根據像素間的連接方式，分別計算距離。如圖4所示是一個周長測量示例，其周長值為4+5。周長算法步驟如下：掃描圖像，順序分析圖像上各個像素的值，尋找沒有掃描標志a的邊界點；如果a周圍全為黑色像素，說明a是個孤立點，停止追蹤；否則按圖3所示的順序尋找下個邊界點。用同樣的方法，追蹤其他的邊界點。到了下一個邊界點a，即證明已經圍繞物體一圈，終止掃描。

圖3 輪廓追蹤與邊緣計算

圖像目標特征獲取窗口如圖4所示。

圖4 圖像目標特征獲取窗口

5 實驗測試

以某血液圖為例，截取了其中一部分，判斷圖中是否有細胞病變。根據緊湊度及重心位置公式，可以得到記錄部分細胞的參數如表1某送檢樣本的特征參數分析所示。從表1可以看出，正常細胞的面積在250左右， 周長在75左右。病變后細胞的面積會變大，同時其周長也變長。由細胞面積和周長分布的規律性，可知緊湊度在0.54以上的為正常細胞，表1中2、6、7號細胞為病變后細胞。綜上可知，緊湊度能夠很好地表現出細胞的形狀特征，這對于病變后的細胞和正常細胞的分類有很重要的意義，而重心位置為下一步可能病變細胞的分布提供了分析數據。

表1 某送檢樣本的特征參數分析

6 結束語

本文基于delphi的血液細胞圖像預處理及特征統計，細胞圖像的特征分析與統計采用二值圖像像素快速標記法能檢測出任意形狀的連通體，并以不同顏色正確標號，所需內存資源少。對細胞特征的精確分析，在很大程度上涉及細胞幾何性質、具體位置和分布狀態的統計、分析。在此基礎上加入其他形態特征統計程序段，就可以設計出適應不同病例樣本的其他類型的自動分析系統。