基于双向多项式拟合的的动态阈值分割算法-AET

关注
基于双向多项式拟合的的动态阈值分割算法-AETwww.shan-machinery.com

0 引言

    眼睛的角膜内皮层由一层六角形内皮细胞所形成,所以可以通过对角膜内皮细胞形态的研究来预防和检测细胞病变[1]。在实际的采集过程中由于曝光不均匀使采集到的图像明暗不均,细胞轮廓模糊不清。本文在图像的预处理阶段采用对比度自适应直方图均衡化方法以及同态滤波方法进行图像增强[2]。在图像分割方法上,传统的OTSU算法[3]对光照不均的图像分割时效果非常不好,不能够消除光照影响,使图像暗部细节丢失,不利于观察;而基于动态分割的NiBlack算法虽然对光照不均的图像有不错的分割效果,能够优化光照影响,但是该类型的算法时间成本普遍较高,也很难进行实际应用,所以本文提出了一种基于双向多项式拟合的的动态阈值分割算法,其在处理效果和时间成本上都得到了优化,并同OTSU算法、NiBlack算法进行了对比。最后应用图像形态学对分割后的图像进行填充、膨胀、腐蚀、取反细化得到细胞的形态学图像。

1 角膜内皮细胞图像增强

    由于图像采集过程中的非均匀照射以及噪声影响,采集到的图片会出现明暗的过度,所以在进行图像分割和二值化之前先对图像进行增强,图像增强的过程如图1所示。

jsj1-t1.gif

    限制对比度自适应直方图均衡化方法[4-5](Contrast Limited Adaptive Histogram Equalization,CLAHE)是对自适应直方图均衡化方法的改进。为了避免放大图像中噪声的对比度,该算法是在计算转化函数之前通过剪裁直方图来限制对比度的放大,同时继承了对比度自适应直方图均衡化算法的优点,使图像的细节和轮廓更加清晰,因此本文采用了该算法来对图像进行增强。

    同态滤波[6]方法是一种图像频域处理方法,该方法的原理是对图像的灰度范围进行调整,消除图像上照明不均的问题,在不损失亮区的图像细节的情况下,增强暗区的图像细节,对于明暗不均的图像非常适用。

    通过上述方法,得到增强后的角膜内皮细胞图像,如图2所示。

jsj1-t2.gif

2 图像二值化分割和形态学图像处理

    本文主要提出一种新的二值化分割算法,即基于双向多项式拟合的的动态阈值分割算法,将本文算法得到的二值化分割结果同常用的OTSU法、NiBlack法[7]二值化分割结果进行了对比,再分别进行填充、膨胀腐蚀、取反细化得到最后的细胞形态图。

    曲线拟合是对平面上的n个点(xi,yi),i=1,2,3,…,n,求取函数f(x),使其在某种准则下与原数据最为接近。线性最小二乘法是解决曲线拟合最常用的方法,其基本思想是[8],令:

    jsj1-gs1.gif

其中r1(x)是事先选定的一组函数,ak是待定系数(k=1,2,…,m,mhttps://www.shan-machinery.com