專利名稱：一種基于定向搜索的染色體輪廓檢測和提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種基于定向搜索的染色體圖像的 輪廓檢測和提取方法，尤其涉及一種用于染色體分析系統(tǒng)中的自動分割和染 色體數(shù)量統(tǒng)計方法。
背景技術(shù)：
染色體核型分析對多種疾病的診斷、治療和預(yù)防機制有著顯著的指導(dǎo)意 義，它是細胞遺傳學(xué)研究的基礎(chǔ)。目前國內(nèi)外已經(jīng)開發(fā)和研制出多種染色體
的核型分析系統(tǒng)和方法，多數(shù)都是采用CCD/CMOS圖像感應(yīng)器技術(shù)的攝像 機攝取染色體圖像，然后結(jié)合圖像處理技術(shù)和計算機處理技術(shù)對染色體圖像 采集、處理、形態(tài)識別、分割、分析等操作來代替?zhèn)鹘y(tǒng)的人工顯微鏡下觀察 和判斷。在染色體分析系統(tǒng)中染色體的自動分割是染色體核型分析的關(guān)鍵技 術(shù)，因為染色體的分割是決定整個核型分析的自動化程度的關(guān)鍵。而染色體 的輪廓檢測和提取恰恰是實現(xiàn)分割和染色體條數(shù)統(tǒng)計的前提，目前各類染色 體分析系統(tǒng)中有多種用于輪廓檢測和提取的方法，比如Robert檢測、Sobel 檢測、Prewiit檢測、Log檢觀ij、 Canny檢測等。如圖2所示為各現(xiàn)有技術(shù)采 用的檢測方法對染色體圖1實現(xiàn)的輪廓提取結(jié)果，結(jié)果表明，現(xiàn)有輪廓檢測 和提取技術(shù)檢測出的輪廓都有斷裂現(xiàn)象。
因此，提供一種經(jīng)過改進的，使得染色體邊界提取連續(xù)性好，交叉、粘 連染色體分割的自動化程度和染色體數(shù)目統(tǒng)計精準(zhǔn)度得到提高的染色體輪廓 檢測和提取方法實為必要。

發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)存在的問題，本發(fā)明目的在于提供一種基于定向搜索的染 色體輪廓檢測和提取方法，該方法對染色體分析系統(tǒng)的自動分割處理提供具 有良好連續(xù)性的輪廓邊界效果，特別是可以完整、清晰的保留原染色體圖像 邊界的凹凸細節(jié)進而提高粘連染色體的分割自動化程度和染色體數(shù)目統(tǒng)計的精確度。
為實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案為了便于說明技術(shù)方案， 定義以下名詞
S為圖像的第一個輪廓點； C為當(dāng)前已確認(rèn)的輪廓點； P為C的前一個輪廓點； N為C的下一個輪廓點；
NPL為與C點相鄰8個點中下一個輪廓點的可能點集；
RL為己經(jīng)搜索到的輪廓點集合；
BL為回溯點集合；
EL為已經(jīng)搜索過的點；
NP0為NPL中優(yōu)先級最高的點。
一種基于定向搜索的染色體輪廓檢測和提取方法，包括如下步驟-
第一步、對采集的染色體圖像進行二值化處理；
第二步、在二值化處理后的圖像中找一個黑白交接的點，作為第一個輪
廓點S，從S點相鄰的8個點中，選取一個黑白交接的點作為第二個輪廓點，
把S作為P，第二個輪廓點作為C;
第三步、設(shè)定從上到下，從左到右為圖像的搜索方向，沿著搜索方向在
與C相鄰的8個點中找出C的下一個輪廓點的可能點集NPL，點集NPL中 的點N滿足以下條件①N的像素值等于255，且它的兩個鄰接點至少有一 個點的像素值<255;②N不在RL中；③N不在EL中；由于圖像中的染色 體輪廓都是連續(xù)的，也就是說前一個輪廓點必定緊接著下一個輪廓點，如圖 5所示，圖上每個方格代表一個像素點，C是當(dāng)前已經(jīng)確認(rèn)的輪廓點，因為 圖像中的物體輪廓的連續(xù)性，所以C的前一個輪廓點或下一個輪廓點，必 定是與C相鄰的8個點中的一個，即上面8個點中必定還有2個輪廓點。 因此我們確定一個輪廓點后，只需搜索其相鄰的8個點，必定找到C的下 一個輪廓點N;如果N是C的下一個輪廓點，必須滿足以下條件-
①N必須是白點(像素值等于255),它的兩個鄰接點至少有一個是黑 點(像素值小于255)，這里N位置不一樣，它的兩個鄰接點的位置也不一 樣，如圖6所示為所有N點和它的兩個鄰接位置示意圖，其中L是N的相鄰點，兩個L中至少有一個是黑點，N才可能是C的下一個輪廓點，否則 N肯定不是C的下一個輪廓點；②N不在RL中；③N不在EL中；這樣循 環(huán)下去，就實現(xiàn)在搜索過程中只沿物體的輪廓搜索，大大的減小運算量，提 高算法的效率。
第四步、如果可能點集NPL中只有一個N點，檢査該點是否在RL里或 者是在EL里，如果是，則跳轉(zhuǎn)到第十步；否則跳轉(zhuǎn)到第六步；
第五步、如果可能點集NPL中有多個N點，刪除其中在RL存在的點， 刪除其中在EL里存在的點；NPL中某個N點的坐標(biāo)值與RL里的某個點的 坐標(biāo)值相等，表示該點已經(jīng)在C點之前被確認(rèn)為是物體的輪廓點，為了避免 重復(fù)和導(dǎo)致反方向搜索，所以刪除這些點。EL的點是之前被證實無論如何都 無法搜索下去能到達起點S的點的集合，如果NPL的坐標(biāo)與EL的坐標(biāo)值相 等的話，就應(yīng)該刪除它，這樣能提高算法的效率。
第六步、確定可能點集NPL中N點的優(yōu)先級，并對N點集合進行優(yōu)先 級排序；由于滿足是C下一個輪廓點的N可能是多個點，所以要確定在這些 點中選哪個N作為C的下一個輪廓點。在選擇之前，就需要對N點集合進 行優(yōu)先級排序。
第七步、選擇可能點集NPL中優(yōu)先級最高的N點作為NPO, NPL中其
它點按優(yōu)先級次序放到BL里；
第八步、如果NPO與第一個輪廓點S相同，則跳轉(zhuǎn)到步驟第十一步； 如果NP0的坐標(biāo)值與S的坐標(biāo)值相等，就可以認(rèn)為已經(jīng)按順時針方向沿染 色體的輪廓搜索了一圈，將物體的所有輪廓點都保存到RL里就成功搜索出 染色體的輪廓。
第九步、否則將C點添加到RL里，將C點添加到EL里，NPO轉(zhuǎn)換成 C， C轉(zhuǎn)換成P,跳轉(zhuǎn)到第三步；確認(rèn)NPO點為當(dāng)前的輪廓點，但是NP0 點還不等于S點，也就說還沒有搜索完物體的輪廓點，還要繼續(xù)往下搜索。
第十步、將C點添加到EL里，從BL里找一個優(yōu)先級最高的N點作為 C，跳轉(zhuǎn)到第三步；如果NPL沒有點，表示C沒辦法再往下繼續(xù)搜索，沒辦 法到達起點S，說明搜索方向錯誤，應(yīng)該選擇另外的路徑繼續(xù)搜索。由于BL 最后一個點是最近的路徑分支點，并且優(yōu)先級是最高的，所以從BL最后一 個點出發(fā)，繼續(xù)往下搜索。將C點添加到EL里，然后從BL里取出最后一個點代替C，然后從第三步繼續(xù)。如圖8所示，假設(shè)算法搜索到M點，將M 作為C, M的NPL中包括4個點N1、 N2、 N3、 N4，優(yōu)先級排序是 N1>N2>N3>N4，所以算法就從N1往下搜索，按N4、 N3、 N2保存到BL
里，N2是放在BL的最后端，現(xiàn)在從N1開始往下搜索，到達K點時，K的 NPL中沒有點，沒辦法再往下搜索，那就是說選擇N1路徑是錯誤的，所以 要回退到M點，從N2出發(fā)繼續(xù)搜索，從BL取出最后一個點N2后，N3就 成了 BL的最后一個點，從N2往下搜索，以此類推，直至找到正確的輪廓點。
第十一步、提取RL中所有的點，得到染色體的輪廓點集e 為了更好地實現(xiàn)本發(fā)明，所述第一步之前先對采集的染色體圖像進行去 除圖像噪點的預(yù)處理。在圖像處理中，在進行如邊緣檢測這樣的進一步處理 之前，通常會首先進行一定程度的降噪，以達到更好的效果。
所述去除圖像噪點的預(yù)處理是指采用中值濾波處理算法對圖像進行預(yù)處 理。中值濾波是一種非線性數(shù)字濾波器技術(shù)，也是圖像處理中的一個常用步 驟，它對于斑點噪聲和椒鹽噪聲來說尤其有用，經(jīng)常用于去除圖像或者其它 信號中的雜信息和噪點，對較模糊的染色體邊緣仍然可以保存良好的邊緣特 性。
所述第一步中的二值化處理是指采用雙閥值二值化算法對圖像進行處 理，其中兩個閥值為MinV和MaxV， MinV<MaxV，圖像中像素值〈MinV或 〉MaxV的點為背景點，其像素值設(shè)為255,而像素值》MinV并且《MaxV的 點為物體點，保持其像素值不變。為了區(qū)分出染色體條帶和輪廓的邊緣信息 即目標(biāo)物體和背景要對圖像進行二值化處理，其關(guān)鍵在于閥值的設(shè)定， 一般 染色體圖像的像素概率分布如圖4所示圖中橫軸表示圖像各點像素值，縱 軸表示各像素值所對應(yīng)的像素點個數(shù)，第一個波峰表示的是物體的像素值分 布情況，第二個波峰表示的是背景的像素值分布情況。本發(fā)明采用的二值化 算法使用雙閥值對圖像進行處理，假定兩個閥值為MinV、 MaxV，并且MinV 小于MaxV，那么就將像素值小于MinV或大于MaxV的像素都視為背景即白 點，將其值設(shè)為255，而像素值大于MinV并且小于MaxV的像素視為物體即 黑點，保持像素值不變，這樣就能得到清晰的染色體二值化圖像。
所述闊值MinV和MaxV通過下述兩種方式確定①由用戶根據(jù)二值化處理后染色體圖像的像素概率分布統(tǒng)計圖來設(shè)定閥值MinV和MaxV，可以手動 調(diào)節(jié)MinV和MaxV的大小實時的觀測二值化處理的結(jié)果直到滿意為止；②由 程序自動計算。給定一染色體圖像，根據(jù)計算其物體像素數(shù)目占總像素數(shù)目 的比例和其背景像素數(shù)目占總像素數(shù)目的比例，自動計算MinV和MaxV的值。
所述第六步中的優(yōu)先級是按P、 C、 NPL中的N點這三點構(gòu)成的順時針 方向或逆時針的角度確定，角度越大，優(yōu)先級越低。P、 C的相對位置不一 樣，同一個位置的N的優(yōu)先級也會不一樣。以順時針為例，如圖7所示，左 邊是P與C的相對位置，右邊是N對應(yīng)位置的優(yōu)先級數(shù)值，數(shù)值越少，優(yōu) 先級越高，可見，按P、 C、 NPL中的N點這三點構(gòu)成的順時針的角度越大， 優(yōu)先級越低。同理，按P、 C、 NPL中的N點這三點構(gòu)成的逆時針的角度確 定，角度越大，優(yōu)先級越低。選優(yōu)先級最大，值為0的N點作為C的下一 個輪廓點，其他N點按優(yōu)先級值從大到小放到BL里，當(dāng)無法往下搜索時， 就從這些點開始再繼續(xù)搜索。通過上面的優(yōu)先級排序和選擇就實現(xiàn)了搜索方 向是固定的順時針方向，通過這樣的方法可以提高檢測結(jié)果的準(zhǔn)確性，同時 減少搜索過程中的回溯次數(shù)，加快算法的運算速度。
本發(fā)明基于定向搜索的染色體輪廓檢測和提取方法的主要原理是先確 定染色體輪廓上的一個點作為起始點，然后沿著染色體的輪廓邊緣按順時針 方向不斷的搜索和提取邊界信息，直到再次搜索回到檢測和提取起始點，這 樣就完整的檢測出物染色體的輪廓，其算法流程圖如圖9所示。
本發(fā)明相對于現(xiàn)有技術(shù)的有益效果是本發(fā)明對現(xiàn)有技術(shù)的改進設(shè)計了 一種基于定向搜索的輪廓算法來檢測和提取染色體的輪廓，滿足了染色體分 析、細胞研究、病理分析等醫(yī)療領(lǐng)域需要精確檢測出物體輪廓的需求，并提 高了根據(jù)輪廓將交疊、粘連染色體分離切割的自動化程度，改善了傳統(tǒng)算法 都存在的輪廓斷裂、不連續(xù)、凹凸細節(jié)被忽略等缺點。而且該算法僅沿輪廓 點搜索，大大減少運算量。并且順時針定向搜索，減少運算量同時大大提高 檢測結(jié)果的準(zhǔn)確性。


圖1是采集的一幅染色體原圖；圖2是現(xiàn)有的輪廓檢測和提取算法對圖1所示染色體原圖檢測和提取的 的結(jié)果示意圖3是本發(fā)明基于定向搜索的染色體輪廓檢測和提取方法對圖1所示染 色體原圖檢測和提取的結(jié)果示意圖4是一般的染色體采集圖像的像素概率分布統(tǒng)計圖5是本發(fā)明前一個輪廓點C和下一個輪廓點N示意圖6是本發(fā)明輪廓點N和它的兩個鄰接點L所有位置示意圖7是本發(fā)明不同的P、 C相對位置下N的優(yōu)先級情況示意圖8是本發(fā)明搜索方向錯誤情況下的處理方式示意圖9是本發(fā)明基于定向搜索的染色體輪廓檢測和提取方法的實現(xiàn)流程圖。
具體實施例方式
下面結(jié)合實施例及附圖對本發(fā)明作進一步詳細的描述，但本發(fā)明的實施 方式不限于此。 實施例
本發(fā)明的一種基于定向搜索的染色體輪廓檢測和提取方法的實現(xiàn)流程圖
如圖9所示，其中，S為圖像的第一個輪廓點；C為當(dāng)前已確認(rèn)的輪廓點；
P為C的前一個輪廓點；N為C的下一個輪廓點；NPL為與C點相鄰8個
點中下一個輪廓點的可能點集；RL為已經(jīng)搜索到的輪廓點集合；BL為回溯
點集合；EL為已經(jīng)搜索過的點；NPO為NPL中優(yōu)先級最高的點
第一步、對采集的染色體原圖(如圖1所示)進行圖像濾波預(yù)處理，去 處與染色體無關(guān)的雜信息，以達到更好的效果。這里采用的中值濾波法可以 較好的保存原染色體圖的邊緣特性。
第二步、對中值濾波后的染色體圖像進行二值化處理，區(qū)分出染色體邊 緣信息和輪廓以外的背景信息，根據(jù)染色體圖像的像素概率分布統(tǒng)計圖(見
圖4)來調(diào)節(jié)閥值MinV和MaxV，本實施例中取MinV等于70， MaxV等于 190。
第三歩、找到第一個黑白交接的點，作為第一個輪廓點S，從該點相鄰 的8個點中，挑出一個黑白相交的點作為第二個輪廓點。把S作為P，第二個輪廓點作為c，進行第四步。
第四步、找出與C相鄰的8個點中可能的輪廓點集NPL。
第五步、如果NPL中只有一個點N，檢査該點是否是在RL里，或者是 在EL里，如果是，則跳到第十一步，否則跳到第七步。
第六步、如果NPL中有多個輪廓點N，刪除其中在RL存在的點，刪除 其中在EL里存在的點。
第七步、計算NPL的點優(yōu)先級，優(yōu)先級是按P、 C、 NPL中的點N這 三點構(gòu)成的順時針方向的角度確定，角度越大，優(yōu)先級越低。
第八步、選擇NPL中優(yōu)先級最高的點作為NP0， NPL中的其他點按優(yōu) 先級放到BL里。
第九步、如果NPO與第一個輪廓點S相同，則跳轉(zhuǎn)到第十二步結(jié)束搜索。
第十步、將NP0點添加到RL里，NP0轉(zhuǎn)換成C， C轉(zhuǎn)換成P,轉(zhuǎn)到
第四步繼續(xù)。
第十一步、如果NPL中沒有點，將C點添加到EL里，然后從BL里取
出最后一個點代替C，然后轉(zhuǎn)到第四步。
第十二步、成功搜索和提取出輪廓，如圖3所示。
上述實施例為本發(fā)明較佳的實施方式，但本發(fā)明的實施方式并不受上述實 施例的限制，其他的任何未背離本發(fā)明的精神實質(zhì)與原理下所作的改變、修飾、 替代、組合、簡化，均應(yīng)為本發(fā)明等效的置換方式，都包含在本發(fā)明的保護范 圍之內(nèi)。
權(quán)利要求
1、一種基于定向搜索的染色體輪廓檢測和提取方法，其特征是，包括如下步驟第一步、對采集的染色體圖像進行二值化處理；第二步、在二值化處理后的圖像中找一個黑白交接的點，作為第一個輪廓點S，從S點相鄰的8個點中，選取一個黑白交接的點作為第二個輪廓點，把S作為P，第二個輪廓點作為C；第三步、設(shè)定從上到下，從左到右為圖像的搜索方向，沿著搜索方向在與C相鄰的8個點中找出C的下一個輪廓點的可能點集NPL，點集NPL中的點N滿足以下條件①N的像素值等于255，且它的兩個鄰接點至少有一個點的像素值<255；②N不在RL中；③N不在EL中；第四步、如果可能點集NPL中只有一個N點，檢查該點是否在RL里或者是在EL里，如果是，則跳轉(zhuǎn)到第十步；否則跳轉(zhuǎn)到第六步；第五步、如果可能點集NPL中有多個N點，刪除其中在RL存在的點，刪除其中在EL里存在的點；第六步、確定可能點集NPL中N點的優(yōu)先級，并對N點集合進行優(yōu)先級排序；第七步、選擇可能點集NPL中優(yōu)先級最高的N點作為NP0，NPL中其它點按優(yōu)先級次序放到BL里；第八步、如果NP0與第一個輪廓點S相同，則跳轉(zhuǎn)到步驟第十一步；第九步、否則將C點添加到RL里，將C點添加到EL里，NP0轉(zhuǎn)換成C，C轉(zhuǎn)換成P，跳轉(zhuǎn)到第三步；第十步、將C點添加到EL里，從BL里找一個優(yōu)先級最高的N點作為C，跳轉(zhuǎn)到第三步；第十一步、提取RL中所有的點，得到染色體的輪廓點集；其中，S為圖像的第一個輪廓點；C為當(dāng)前已確認(rèn)的輪廓點；P為C的前一個輪廓點；N為C的下一個輪廓點；NPL為與C點相鄰8個點中下一個輪廓點的可能點集；RL為已經(jīng)搜索到的輪廓點集合；BL為回溯點集合；EL為已經(jīng)搜索過的點；NPO為NPL中優(yōu)先級最高的點。
2、 根據(jù)權(quán)利要求1所述基于定向搜索的染色體輪廓檢測和提取方法，其特 征是，所述第一步之前先對采集的染色體圖像進行去除圖像噪點的預(yù)處理。
3、 根據(jù)權(quán)利要求2所述基于定向搜索的染色體輪廓檢測和提取方法，其特征是，所述去除圖像噪點的預(yù)處理是指采用中值濾波處理算法對圖像進行預(yù)處 理。
4、 根據(jù)權(quán)利要求1或2或3所述基于定向搜索的染色體輪廓檢測和提取方法， 其特征是，所述第一步中的二值化處理是指采用雙閥值二值化算法對圖像進行 處理，其中兩個閥值為MinV和MaxV， MinV<MaxV，圖像中像素值〈MinV或 〉MaxV的點為背景點，其像素值設(shè)為255，而像素值》MinV并且《MaxV的點為物體點，保持其像素值不變。
5、 根據(jù)權(quán)利要求4所述基于定向搜索的染色體輪廓檢測和提取方法，其特 征是，所述閥值MinV和MaxV通過下述兩種方式確定①由用戶根據(jù)二值化處 理后染色體圖像的像素概率分布統(tǒng)計圖來設(shè)定閥值MinV和MaxV;②由程序自 動計算。
6、 根據(jù)權(quán)利要求1或2或3或5所述基于定向搜索的染色體輪廓檢測和提 取方法，其特征是，所述第六步中的優(yōu)先級是按P、 C、 NPL中的N點這三點 構(gòu)成的順時針方向或逆時針的角度確定，角度越大，優(yōu)先級越低。
7、 根據(jù)權(quán)利要求4所述基于定向搜索的染色體輪廓檢測和提取方法，其特 征是，所述第六步中的優(yōu)先級是按P、 C、 NPL中的N點這三點構(gòu)成的順時針 或逆時針方向的角度確定，角度越大，優(yōu)先級越低。
全文摘要
本發(fā)明公開了一種基于定向搜索的染色體輪廓檢測和提取方法，包括對采集的染色體圖像進行二值化處理；在二值化處理后的圖像中確定染色體輪廓上的一個點作為起始點，然后沿著染色體的輪廓邊緣按順時針方向不斷的搜索和提取邊界信息，直到再次搜索回到檢測和提取起始點，這樣就可以完整的檢測出物染色體的輪廓。本發(fā)明公開的檢測和提取方法滿足了染色體分析、細胞研究、病理分析等醫(yī)療領(lǐng)域需要精確檢測出物體輪廓的需求，并提高了根據(jù)輪廓將交疊、粘連染色體分離切割的自動化程度，改善了傳統(tǒng)算法都存在的輪廓斷裂、不連續(xù)、凹凸細節(jié)被忽略等缺點，提高了檢測結(jié)果的準(zhǔn)確性，而運算量大大減少。
文檔編號G06K9/38GK101414358SQ20081021920
公開日2009年4月22日 申請日期2008年11月18日 優(yōu)先權(quán)日2008年11月18日
發(fā)明者月 楊, 鄒勇圖 申請人:廣東威創(chuàng)視訊科技股份有限公司