改进的分水岭算法在牛乳体细胞上的分割及应用
张其阳 刘国奇 杨帅明 杜康 涂然
摘要：牛乳体细胞经常会出现重叠和粘连问题，文章针对此问题提出了一种有效可行的分割方法予以解决。在对原图像二值化的基础上，首先对灰度梯度图像进行形态学平滑滤波处理，然后提取图像的前景标记以及背景标记并对梯度图像进行修正，最后用分水岭进行分割。仿真结果表明，该算法不仅有效地抑制图像的过分割问题，而且能准确、快速地分割牛乳体细胞，同时为后续步骤牛乳体细胞计数以及诊断提供可靠依据。
关键词：分水岭算法；图像分割；过分割；标记提取
1.研究背景
生物细胞图像分割并对其进行特征提取、计数等操作已成为科学研究领域难点之一。针对特定的牛乳体细胞来说，通常会出现细胞堆积或粘连的状况，将多个堆聚在一起的细胞群分割成单个细胞，是细胞图像处理的一项难题，也是后续实验进行的必要前提。
通过查阅相关文献可知，大体有两类分离重叠细胞的方法：基于凹点和基于形态学的分割方法。基于凹点的分割方法，在凹凸程度明显的条件下，可以得到较理想的分割效果。反之，那些凹凸特点不够明显的细胞，凹点的选取就很困难，并且有些重叠比较严重的细胞存在空隙，就会出现误分割。在基于数学形态学分割方法研究方面，腐蚀膨胀法、测地重建法以及水坝分割等方法应用广泛。这些算法共同的特点就是在充分利用图像灰度信息和形态信息的基础上进行分割。前两类方法都是采用膨胀腐蚀的方法，共同点就是都要进行阈值处理，只要选取阈值，就会存在一定的误差。水坝算法依赖于图像的局部梯度信息，那些梯度分布不均匀的图像，直接对算法产生影响，导致分割效果不理想。因此，对于特定牛乳体细胞有必要寻找更合适的细胞分割方法。
基于此并根据牛乳体细胞的特点，经过分析本文得到了一种改进的分割方法，得到了较好的分割效果，且算法简单易于操作。
2.相关方法原理分析
2.1控制标记的分水岭算法
控制标记的分水岭方法通过标记符来控制过量区域的产生。它的算法思想是：首先确定梯度图像中的最小值区域，利用Soile提出的强制最小技术进行修改灰度级图像，这样操作的结果让滤波后出现的区域不会出现局部最小值，然后在修改后的梯度图像基础上应用分水岭算法，完成对图像的分割。基于控制标记的分水岭分割算法采用内部、外部两种标记，其中图像中的每个标记就是一个连通成分，内部标记与某个感兴趣目标有关系，而外部标记则与背景有关系。内部标记以后，就仅仅将这些内部标记为极小值区域进行分割，把分割结果的分水线作为外部标记，然后对每个分割出来的区域利用其他分割技术，最终将背景与目标分离出来实现分割。使用标记符为分割带来了先验知识，解决了细胞分割问题，但难免会产生过分割。
2.2改进的分水岭算法
对于细胞过分割现象，基于形态学知识以及标记的改进分水岭分割算法能有效解决。其分割算法实现步骤如下：
（1）将原始图像二值化，得到灰色图像的梯度图I：（2）计算前景标记图Iamask；（3）计算背景标记图像Ibmask（4）修改分割函數△I；（5）再用分水岭变换处理修改后的分割函数△I；（6）输出分割图像。
对图像进行膨胀腐蚀变换，形态学重建运算对图像进行开、闭运算去除碎片的同时较好保持图像的目标轮廓，能有效改善图像质量。
针对细胞的形态特征，在空洞填充的基础上对细胞图像进行距离变换。距离变换的本质操作就是使得图像中每个像素的灰度值是由这个点到离其最近的背景点的值。
3.仿真实验及结果分析
本文利用上述新提出的算法对采集到的牛乳体细胞图像进行处理，分割算法结果如图1所示。图1（a）是原图像。图1（b）是其灰度图像，可以看出未经过滤波除燥，图像中出现碎片和毛刺现象，采用算子对图像进行水平和垂直方向平滑滤波，然后求取模值，运用算子滤波后的图像在细胞边缘处显示较大值，在无边缘处值会很小。然后用8×8的圆盘状结构元素。
对牛乳体细胞灰度图像进行形态学重建运算进行滤波平滑，这样处理使得周围的平滑区域连接起来，接着对局部极大值的二值图像进行开运算和闭运算平滑边沿，并去掉图像中像素个数小于20的局部极小值区域，进而前景标记，将基于重建的开闭运算图像转化为二值图像，进行距离变换以及分水岭分割，得到的分水岭图像作为背景标记，如图（c）所示。最后用上述步骤得到的前景标记图和背景标记图。再次进行分水岭算法分割，输出分割结果图（d）所示。可以看到，采用文中给出的方法得到的分割图像边界清晰，目标区域较为完整，提取准确，过分割问题得到了抑制。
4.结语
本文提出改进的分水岭算法有效解决了传统分水岭算法存在的过分割问题，得到了较完整的轮廓，效果良好稳定，是一种对粘连较轻的细胞有效的方法。不过就本次仿真结果而言，分割线边缘有些许偏差，同时标记的提取对牛乳体细胞重叠粘连的特点依赖比较严重，这些是下一步要解决的主要问题。
