一种基于Matlab 的血红细胞计数的工程方法

提出了一种简便的血红细胞计数的工程方法,对血液图像依次进行灰度化、二值化、中值滤波、逻辑运算、形态学处理、细胞边界识别,最后进行了细胞数目统计． 实验结果表明: 这种改进的方法能使血液图像中的红细胞被有效地分割出来,成功地解决了目标粘连现象对后续分析、测量产生的干扰问题,算法基于Matlab平台,语言简便可行.与分水岭算法及基于ImageJ 软件的人工计数的结果比较,该方法的统计结果更准确,误差在5%以内,是一种有效的工程图像处理方法．     

基于数学形态学的核孔膜显微图像检测

为实现核孔膜防伪的自动检测,提出了一种基于数学形态学的核孔膜显微图像检测方法。构造了基于灰度数学形态学的二值化方法,提出了基于二值数学形态学的分层提取方法,统计总孔数和孔半径。实验结果表明,二值化方法不但能够有效消除灰度图像中的噪声和渐变背景,而且所得二值图像保留了原始灰度图像中核孔膜的全局信息;分层提取方法所得总孔数的相对误差在10%以内,同时实现了孔半径的统计。该方法可用于仪器化检测中。     

基于迭代腐蚀的粘连细胞图像分割研究

为对显微粘连细胞图像进行分割,该文提出1种基于数学形态学运算的迭代腐蚀方法。对二值化细胞图像进行迭代腐蚀得到细胞种子点图像,通过分水岭分割提取细胞分割边界,形成最终的分割图像。在每一次腐蚀后得到的图像中保存细胞种子点,在整个迭代腐蚀过程中避免细胞种子点被误删,为后续使用分水岭分割进行图像分割提供了可靠的先验信息。实验表明,该算法能较好地解决距离变换方法中的过分割问题并改善极限腐蚀方法中的欠分割问题。     

数学形态学在海洋浮游植物显微图像处理中的应用

数学形态学是分析几何形状和结构的数学方法,广泛应用于各类图像形状和结构的分析与处理.浮游植物是海洋生态系统中的重要初级生产者,其个体微小,但形态特征各异,一般要在显微镜下才能进行准确的种类鉴定.本文以海洋常见赤潮藻血红哈卡藻(Akashiwo sanguinea (Hirasaka) Hansen & Moestrup)为对象,利用数学形态学方法来处理和分析其细胞显微图像.数学形态学算法包括二值图像形态学和灰度图像形态学,涉及到膨胀、腐蚀、开闭运算,提供了快速高效的优化算法,特别是基于形态学分水岭的图像分割、标记目标、目标分割.研究结果证明,数学形态学可应用于海洋浮游植物显微图像处理,为浮游植物显微自动识别提供了理论基础.     

尿液显微图像检测中的目标自动定位

尿液显微图像是典型的弱边缘图像,基于Snake模型的改进算法能有效改善对尿液显微图像中有形成分进行分割的效果.针对在弱边缘图像实施Snake算法前的预处理,提出一种如何对图像中各个有形成分进行目标中心自动定位以及对snake点实现自动初始化设置的新算法,特点为采用了图像二值化、数学形态学等处理方式.实验表明了算法的有效性.     

基于数学形态学的焊接熔池图像边缘提取技术研究

针对在数学形态学熔池图像边缘提取时二值化过程中边缘信息严重丢失的问题,提出一种改善方案:使用局部自适应方法进行二值化,然后通过中值滤波、建立连通区域并搜索填充得到最终二值化后的图像;选择合适形状和尺寸的结构元素,用4种数字形态学基本运算组合的边缘检测算子对二值化后的图像进行边缘检测。仿真结果表明,该方法可以很好地保留熔池边缘信息,并能提取出更加准确的焊接熔池图像边缘。     

基于形态学的冷轧薄板板形识别

为了解决冷轧薄板板形识别问题,采用基于形态学的图像处理方法。利用高帽变换对板形图像进行增强,对增强后的图像进行二值化,生成缺陷图像,消除二值缺陷图像中的干扰信号,分析二值缺陷图像,判定板形的类别。给出了基于二值形态学的图像消噪算法和基于灰度形态学的图像增强算法。提出了基于高帽变换的板形识别算法和基于对比思想的板形识别算法。根据上述方法进行了板形识别系统的硬件、软件设计,实际应用表明,该方法可以有效地识别出常见的板形。     

焊缝图像边缘线提取的一种有效算法

基于机器视觉智能焊接自动化,提出了一种有效的焊缝识别算法.通过对图像进行滤波、图像锐化、二值化增强,以及针对二值化后的图像以形态学滤波方法进一步滤除图像中的孤点噪声等方式,采用Roberts边缘算子提取出焊缝图像的边缘,并利用骨架运算提取.在预处理和检测时都使用感兴趣区域.结果表明,该算法具有良好的实时性、可靠性和鲁棒性.     

一种有效的图像二值化方法

边界特征是图像的重要信息,阈值是区分图像像素点的主要依据。研究了图像的二值化方法,阐述了一种基于数学形态学的自适应二值化方法。实验表明,该方法能够较好地保留原图的边界特征信息,二值化效果好。     

基于改进TV-L1模型的虾苗计数方法

为实现渔业生产中对虾苗的计数需求,针对虾苗图像光照不均、图像粘连等问题,对图像复原的TV-L1模型进行了改进,提出了一种新的对数商图像连通区域标记面积计数法。利用改进TV-L1模型作为低通滤波算子对图像进行平滑滤波和图像光照分量估计,将在对数域定义的原图像与光照分量估计的商作为光照归一化图像,对该图像进行形态学处理,采用最大类间方差法获取虾苗分割的最佳阈值并进行二值化处理,最后利用连通区域标记面积法来确定虾苗数量。实验结果表明,该方法的计数平均准确率较高。     

一种基于图像形态学的血液细胞计数方法

文中分析了在RGB和HIS色彩坐标系统下的血液细胞彩色图像的分割方法及分割效果比较，给出了使用数字图像形态学中的腐蚀与膨胀方法进行图像处理并进行白细胞定位和计数的方法．     

低倍率镜检图像无标记红白细胞识别方法研究

针对低倍率镜检图像无标记红白细胞对比度低、边缘模糊、结构不清晰、内部纹理特征不明显等特点,提出一种改进的低维特征向量识别算法。该算法通过彩色图像空间分离、逻辑或运算和形态学处理完成初步分割,针对粘连细胞,采用基于迭代腐蚀的标记分水岭方法再次分割,通过多种方法互补完成红白细胞的分割。根据红白细胞在形态、快速傅里叶变化(fast Fourier transform,FFT)以及Canny边缘检测图像的差别,提取周长、面积、FFT后的圆形度、连通域数、像素和和闭合比值6个相关特征组成特征向量用于训练支持向量机分类器。实验结果表明,在低倍率镜检图像无标记红白细胞准确分割前提下,基于6个相关特征的低维特征向量识别可以显著提高识别率,而且识别效果相对稳定,不易受红白细胞异型情况影响。     

基于混合隐Markov模型的红细胞计数方法

为解决红细胞的计算机自动识别问题 ,引入了混合隐 Markov模型对彩色细胞纹理进行识别 ,采用螺旋型采样方法 ,应用一维隐 Markov模型解决二维图像处理问题。选择不同的样本 ,以期望最大算法训练多个混合隐 Markov模型 ,利用它对图像进行纹理识别 ,以距离变换和分水岭算法进行分割计数。该方法在分类正确率和算法适用性上取得了比较好的结果 ,提高了制片质量。该方法对中等质量的红细胞照片进行计数能够取得 94 %以上的识别正确率。提出了对混合 Markov模型初值选取问题的一种改进算法 ,以提高计算效率和算法鲁棒性     

IBCIS: intelligent blood cell identification system

The analysis of blood cells in microscope images can provide useful information concerning the health of patients. There are three major blood cell types, namely, erythrocytes （red）, leukocytes （white）, and platelets. Manual classification is time consuming and suscep- tible to error due to the different morphological features of the cells. This paper presents an intelligent system that simulates a human visual inspection and classification of the three blood cell types, The proposed system comprises two phases： The image preprocessing phase where blood cell features are extracted via global pattern averaging, and the neural network arbitration phase where training is the first and then classification is carried out. Experimental results suggest that the proposed method performs well in identifying blood cell types regardless of their irregular shapes, sizes and orientation, thus providing a fast, simple and efficient rotational and scale invariant blood cell identification system which can be used in automating laboratory reporting.     

基于加权损失函数的粘连白细胞分割算法

针对粘连白细胞很难精准分割的问题, 提出一种基于深度学习的粘连白细胞分割算法. 首先, 将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV, 滤除红细胞并提取白细胞; 其次, 对提取结果中的粘连白细胞, 将细胞边界设定为除前景和背景外的第三类, 在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数, 使模型学习到更多的细胞边界特征. 实验结果表明, 用该方法分割数据集ALL_IDB1中的白细胞, 准确率达95.19%.     

染色血液白细胞目标图像快速提取方法的研究

提出了一种变图像分辨率的染色血液白细胞目标图像提取方法.首先对采集到的染色血液细胞图像进行分辨率抽样并将图像从RGB表示变换为HS I表示;然后使用白细胞色饱和度阈值滤波和形态学滤波得到白细胞数目和位置;最后在白细胞位置按原始图像分辨率进行局部图像提取并使用神经网络方法进行图像分割得到目标图像.该方法充分保留了血液细胞图像本身固有的大量有用信息,提高了目标图像分割的完整性并减少了计算量,适用于对时间要求较高的复杂背景下血液图像的自动分析.     

孕妇外周血中胎儿有核红细胞获取及鉴定的研究进展

从孕妇外周血中获取胎儿有核红细胞是安全、方便,易于被孕妇接受的无创性产前诊断。提取孕妇外周血中胎儿有核红细胞最理想的方法是首先富集孕妇外周血,用胚胎或者胎儿血红蛋白抗体进行标记、识别,应用显微操作技术得到单个有核红细胞,继而扩增单个有核红细胞的基因组DNA,并进一步应用STR连锁分析验证为胎源性,进行遗传病诊断。     

彩色淋巴结细胞显微图像预处理算法研究

传统的预处理方法,在对于血液图像这样简单的医学图像的分析中得到了广泛的应用,并取得了较为理想的效果.但该方法对于淋巴结这样有着复杂背景的显微图像处理效果并不理想.综合运用彩色图像处理和数学形态学等知识,并采用基于彩色图像分割的背景剪除、基于区域生长的边界清除、基于高斯函数的图像融合和基于数学形态学方法和双边滤波去除图像噪声等方法,取得了较好的预处理效果.     

红细胞膜变形能力与胞内血红蛋白聚合状态及细胞形态的关系

以显微激光散射光谱和图像分析技术,对单个活态红细胞在无扰、在位、实时的情况下,测量了人血红细胞胞膜的变形能力,以及与之同时对应的胞内血红蛋白的聚合状态和细胞的形态结构.并据此研究了它们的相关关系以及随各种生理条件而交互变化的情况.     

外周血红细胞图像分割算法的设计与实现

首先对外周血红细胞图像进行中值滤波和数学形态学中高(低)帽组合算法预处理操作;再通过区域填充,将环状区域复原为完整红细胞形状;最后通过基于距离变换的分水岭算法使粘连细胞进行有效分离,并且可以得到精确且封闭的区域轮廓线.