一種基于多光子共焦顯微細(xì)胞圖像的超像素重構(gòu)分割與重建方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理和生物醫(yī)學(xué)的交叉領(lǐng)域，特別是一種基于多光子共焦顯微細(xì) 胞圖像的超像素重構(gòu)分割與重建方法。
【背景技術(shù)】
[0002] 多光子激光掃描顯微鏡采用多光子激發(fā)，這是一個(gè)非線性過程，具有準(zhǔn)確的定位 特征，也就是只有在焦點(diǎn)處的光子才能激發(fā)熒光分子，光漂白和光損傷僅局限于焦點(diǎn)附近， 且有利于減少測試樣品的自發(fā)熒光，這樣可以對(duì)活細(xì)胞進(jìn)行更長時(shí)間的觀察。多光子激光 掃描顯微鏡采用波長較長的紅外激光，能量脈沖式激發(fā)，紅外光比可見光在生物組織中的 穿透力更強(qiáng)，因此多光子激光掃描顯微鏡更能解決生物組織中深層物質(zhì)的層析成像問題， 擴(kuò)大了應(yīng)用范圍。其在生物及醫(yī)學(xué)成像，單分子探測，三維信息存儲(chǔ)，微加工等領(lǐng)域得到廣 泛應(yīng)用，展示了廣闊的發(fā)展前景。
[0003] 圖像分割技術(shù)是一直受到人們重視的關(guān)鍵技術(shù)，至今已提出上千種算法，但是尚 無通用的分割理論，現(xiàn)提出的分割算法大都是針對(duì)具體問題的，并沒有一種適合所有圖像 的通用的分割算法。在計(jì)算機(jī)視覺領(lǐng)域，圖像分割指的是將數(shù)字圖像細(xì)分為多個(gè)圖像子區(qū) 域（像素的集合）的過程。最近幾年又出現(xiàn)了許多新思路，新方法或改進(jìn)算法，這些經(jīng)典算 法和新出現(xiàn)的算法都各有優(yōu)缺點(diǎn)。有的算法對(duì)圖像的邊界不敏感，無法準(zhǔn)確分割出圖像；也 有很多算法對(duì)噪聲很敏感，容易造成過分割現(xiàn)象；多數(shù)算法對(duì)光照不均圖像的分割效果并 不好。超像素是由一系列位置相鄰且顏色、亮度、紋理等特征相似的像素點(diǎn)組成的小區(qū)域。 這些小區(qū)域大多保留了進(jìn)一步進(jìn)行圖像分割的有效信息，且一般不會(huì)破壞圖像中物體的邊 界信息。根據(jù)圖像中細(xì)胞的大小來調(diào)整參數(shù)，小區(qū)域可以很好地將邊界分割出來，并且有噪 聲對(duì)其的影響不大，計(jì)算速度快等優(yōu)點(diǎn)。
[0004] 醫(yī)學(xué)成像的臨床應(yīng)用，使得醫(yī)學(xué)診斷和治療技術(shù)取得了很大的發(fā)展，但是傳統(tǒng)的 二維圖像只是表達(dá)某一截面的解剖信息。為提高醫(yī)療診斷和治療規(guī)劃的準(zhǔn)確性與科學(xué)性， 由二維圖像轉(zhuǎn)變?yōu)榫哂兄庇^立體效果的圖像，展現(xiàn)人體器官的三維結(jié)構(gòu)與形態(tài)。在細(xì)胞圖 像處理過程中，細(xì)胞的顯微圖像在臨床診斷中有著重要意義。細(xì)胞圖像的自動(dòng)分析技術(shù)為 臨床醫(yī)學(xué)的研宄提供了強(qiáng)有力的工具，但是在細(xì)胞的顯微圖像中經(jīng)常出現(xiàn)細(xì)胞重疊和粘連 現(xiàn)象，這種由多個(gè)細(xì)胞聚堆而成的細(xì)胞群通常會(huì)嚴(yán)重影響后續(xù)的統(tǒng)計(jì)分析，所以通過重建 三維立體的細(xì)胞圖像具有很重要的現(xiàn)實(shí)意義。

【發(fā)明內(nèi)容】

[0005] 有鑒于此，本發(fā)明的目的是提出一種基于多光子共焦顯微細(xì)胞圖像的超像素重構(gòu) 分割與重建方法，將超像素的重構(gòu)圖像分割方法用于雙光子共焦顯微圖像中，得到一系列 二維分割圖像，最后將二維圖像重建為三維圖像，該方法有利于實(shí)現(xiàn)對(duì)細(xì)胞不同時(shí)期的成 長狀態(tài)進(jìn)行觀測。
[0006] 本發(fā)明采用以下方案實(shí)現(xiàn)：一種基于多光子共焦顯微細(xì)胞圖像的超像素重構(gòu)分割 與重建方法，其特征在于包括以下步驟：
[0007] 步驟S1 :選擇若干張待處理的多光子共焦顯微細(xì)胞圖片，并將所述待處理的多光 子共焦顯微細(xì)胞圖片從RGB格式轉(zhuǎn)化到CIELAB顏色空間；
[0008] 步驟S2 :確定每張圖片中的超像素的個(gè)數(shù)K，進(jìn)一步確定每一個(gè)超像素的中心像 素點(diǎn)g。的位置；
[0009] 步驟S3:對(duì)每個(gè)像素進(jìn)行聚類，計(jì)算每一個(gè)像素到最近幾個(gè)超像素的中心像素的 距離D，當(dāng)D最小時(shí)，這個(gè)超像素就包含了這個(gè)像素；
[0010] 步驟S4:對(duì)無法正確判斷其屬于哪個(gè)超像素的像素進(jìn)行處理，使該像素屬于離其 最接近的超像素；
[0011] 步驟S5 :對(duì)上述步驟中確定的每一個(gè)超像素進(jìn)行標(biāo)記，即針對(duì)每一個(gè)超像素建立 一個(gè)標(biāo)記矩陣，對(duì)每一個(gè)超像素包含的像素進(jìn)行標(biāo)記，同一個(gè)超像素中的像素標(biāo)記相同，不 同超像素中的像素標(biāo)記不同；
[0012] 步驟S6 :確定每一個(gè)超像素的邊界，即標(biāo)記矩陣中不同標(biāo)記的邊緣就是分割出來 的邊界，將每個(gè)超像素的邊界均映射回原圖像，得到初分割圖像；
[0013] 步驟S7 :對(duì)初分割圖像進(jìn)行后期處理，將超像素圖像映射到超像素矩陣中，對(duì)重 構(gòu)出的超像素圖像進(jìn)行分割，最后映射回到原來的圖像中，得到多光子共焦顯微細(xì)胞圖像 的分割圖像；
[0014] 步驟S8 :對(duì)多光子共焦顯微細(xì)胞圖像的分割圖像進(jìn)行三維重建。
[0015] 進(jìn)一步地，所述步驟S2中所述確定每一個(gè)超像素的中心像素點(diǎn)的位置具體包括 以下步驟：
[0016] 步驟S21 :將圖片均勻地分成K個(gè)正方形區(qū)域，每個(gè)正方形區(qū)域的邊長為
，其中N為圖片中像素的個(gè)數(shù)，K為超像素的個(gè)數(shù)；
[0017] 步驟S22:針對(duì)單一正方形區(qū)域，定義正方形區(qū)域的幾何中心是g。，在g。及其周圍 8個(gè)像素點(diǎn)構(gòu)造的3X3鄰域中，計(jì)算鄰域內(nèi)的幾何中心g。與周圍8個(gè)像素點(diǎn)g5的灰度值 的局部差異值Cp，Cp=gp-gc;其中p= 0, 1，2, 3, 4, 5, 6, 7 ;
[0018] 步驟S23:計(jì)算每個(gè)局部差異Cp對(duì)應(yīng)的局部差異幅度值31)，其中Sp=|Cp|，并選取 最小Sp對(duì)應(yīng)的像素點(diǎn)為新的中心像素點(diǎn)g。，并確定該中心像素點(diǎn)g。對(duì)應(yīng)的位置；
[0019] 步驟S24:重復(fù)步驟S22至步驟S23,直至計(jì)算完所有正方形區(qū)域的中心像素點(diǎn)的 位置。
[0020] 進(jìn)一步地，所述步驟S3具體包括以下步驟：
[0021] 步驟S31 :分別以各個(gè)中心像素點(diǎn)g。為幾何中心，2S為邊長的正方形作為各個(gè)中 心像素點(diǎn)的搜索范圍，將沒有重合的搜索范圍內(nèi)的像素點(diǎn)確定為屬于對(duì)應(yīng)該搜索范圍的超 像素內(nèi)的像素點(diǎn)；當(dāng)搜索范圍重合時(shí)，進(jìn)入步驟S32;
[0022] 步驟S32 :定義距離
，其中d。為目標(biāo)像素點(diǎn)與中心像素點(diǎn)的顏 色空間距離，
，ds是目標(biāo)像素點(diǎn)與中心像素點(diǎn)的位置空 間距離，
，m為權(quán)重值；其中1，a,b,X，y均為像素點(diǎn)的特性，1、 a、b是lab模式的三個(gè)通道，x、y是像素點(diǎn)的坐標(biāo)；較佳地，當(dāng)m越大時(shí)，距離D與位置空間 距離關(guān)系越密切，超像素表現(xiàn)得更緊湊。當(dāng)m越小時(shí)，距離D與顏色空間距離關(guān)系越密切， 超像素越峨鄰圖像的邊緣，一般m的取值范圍為0 <m< 40 ;
[0023] 步驟S33:當(dāng)目標(biāo)像素點(diǎn)與當(dāng)前中心像素點(diǎn)i的距離Di最小時(shí)，目標(biāo)像素點(diǎn)與當(dāng)前 中心像素點(diǎn)i屬于同一個(gè)超像素；
[0024] 步驟S34:當(dāng)有一個(gè)像素點(diǎn)加入一個(gè)超像素時(shí)，更新該超像素的中心點(diǎn)的位置，所 述該超像素的中心點(diǎn)的特性為該超像素中所有的像素點(diǎn)的特性的平均值P,二
[0025] 進(jìn)一步地，所述步驟S5中所述針對(duì)每一個(gè)超像素建立一個(gè)標(biāo)記矩陣具體包括以 下步驟：
[0026] 步驟S51:記錄屬于同一個(gè)超像素中的像素的位置，然后在標(biāo)記矩陣中將對(duì)應(yīng)的 位置標(biāo)記為相同的序號(hào)，第i個(gè)超像素中的像素在標(biāo)記矩陣中均標(biāo)記為i，i= 1，2，. ..，K;
[0027] 步驟S52:由于中心像素點(diǎn)有可能偏離原來位置點(diǎn)的距離過大，所以標(biāo)記的過程 中有可能會(huì)遺漏，因此在依次標(biāo)記完所有的超像素后，標(biāo)記矩陣中剩余的個(gè)數(shù)用來標(biāo)記漏 標(biāo)記的超像素。
[0028] 進(jìn)一步地，所述步驟S7具體包括以下步驟：
[0029] 步驟S71 :對(duì)原圖像中的超像素按照從左到右，從上到下進(jìn)行排序后映射到超像 素矩陣中，一個(gè)超像素對(duì)應(yīng)超像素矩陣中的一個(gè)點(diǎn)，以超像素中的所有像素的顏色空間的 特性的平均值來表示超像素矩陣中對(duì)應(yīng)的點(diǎn)，即超像素矩陣中的對(duì)應(yīng)點(diǎn)的像素為， 進(jìn)而重構(gòu)出一幅新的圖像；
[0030] 步驟S72 :按從上到下，從左到右的順序檢測原圖像中的所有超像素的中心點(diǎn)，檢 測到的第i個(gè)中心點(diǎn)就對(duì)應(yīng)超像素矩陣中的第i個(gè)點(diǎn)，i= 1，2，...，K;若在一行中檢測到 的中心點(diǎn)個(gè)數(shù)小于力「，則將超像素矩陣中該行剩下的點(diǎn)設(shè)置為0;
[0031] 步驟S73 :對(duì)超像素矩陣應(yīng)用分水嶺算法，得到超像素圖像的分割圖像；
[0032] 步驟S74:在超像素圖像的分割圖像中對(duì)每一塊分割區(qū)域進(jìn)行標(biāo)記，并映射回到 原來的圖像中，進(jìn)而重構(gòu)得到多光子共焦顯微細(xì)胞圖像的分割圖像。
[0033] 進(jìn)一步的，所述步驟S8具體包括以下步驟：
[0034] 步驟S81 :將步驟S7得到的多光子共焦顯微細(xì)胞圖像的分割圖像進(jìn)行輪廓線包圍 檢測，并用種子填充算法檢測出所述多光子共焦顯微細(xì)胞圖像的分割圖像的外輪廓線和 對(duì)應(yīng)的內(nèi)輪廓線，將外輪廓線與內(nèi)輪廓線均稱為輪廓線，并將每張分割圖像上的輪廓線均 進(jìn)行標(biāo)記，確定輪廓間的對(duì)應(yīng)關(guān)系。
[0035] 步驟S82 :提取輪廓線上一系列點(diǎn)，相鄰點(diǎn)間有相同