第 1 章 绪论
随着生活水平的提高，人们在挣钱之余开始更多地关心自己的身体，越来越多的人开始进行有规律的身体检查。由于生物体的细胞在不同生理状态下会有不同质和量的变化，这些变换直接决定了有无疾病、疾病类型以及严重程度，所以身体检查项目中不可缺少的一项就是细胞检测，如白细胞、红细胞等。在传统病理诊断中，医生主要是通过显微镜，先利用人眼观察细胞的特征变化，然后依据掌握的病理学诊断经验和知识进行细胞特征变化判断，得到一个定性的诊断分析结果。这种方法除了要求医生有较高的诊断经验和知识水平之外，诊断结果也容易受到外界干扰，而且十分耗时。计算机的飞速发展使得将计算机技术应用到图像处理中成为可能，而且计算机技术与图像处理技术相融合可以辅助医生准确而快速地完成对细胞特征变化的把握，从而得到正确的疾病诊断，具有十分重大的现实意义和实用价值。全球信息化技术的发展以及国家“医药卫生体制改革”政策的推进，使得我国大部分发达地区的医院已经完成或正在对医院实施全院数字化信息系统的改造，这为计算机图像处理技术应用提供了良好的发展平台和奠定了优良的基础。图像处理系统是一种以计算机硬件为支撑，相关软件工程和数字图像处理技术相结合的以软件产品为实现方式的系统。图 1.1 描述了图像处理系统的部分组成结构。图像处理系统输出的是一组真实的数据，为医生做出相关诊断提供了数据依据，实现了定性分析向定量分析的转换，大大地提高了诊断的效率和准确率，所以该系统具有广泛的实际意义和研究价值。
............
第 2 章 医学显微图像分割方法概述
2.1 图像分割的常见方法
图像分割作为图像处理技术的基本问题，是进行图像识别的基础，在图像工程中占有关键性地位。图像分割结果的好坏会直接影响后续图像识别与分析。正是由于这个原因，自20世纪60年代开始就成为了图像处理技术研究的热点问题。图像分割技术发展至今，常见的图像分割技术主要包括三类：阈值分割法、边缘检测法、区域分割法。Canny 算子是一种多级边缘检测算子，它的边缘检测能力是以噪声抑制能力效果为代价的一种算子，也就是说该算子的边缘检测强，而对噪声的抑制能力较差，实际效果可能不是很好。边缘检测虽然在一定程度上能较快速地定位到目标对象的边缘，但它却不能保证得到的边缘都是连续且封闭的，存在很多不足之处。在处理复杂的医学显微图像时，它们检测出来的边缘很容易是一些碎片，很不完整。所以边缘检测并不能有效地进行真正意义上的图像分割。也就是说，此类方法需要与其他相关算法相互结合才能完成真正的分割任务。
2.2 基于特定理论的分割方法
近年来，随着一些新理论和新思想的不断提出，也出现了许多基于特定理论的图像分割方法，如基于模糊理论的分割方法、基于神经网络的分割方法、基于遗传算法的分割方法等。这些基于特定理论的分割技术不断被用来解决图像的分割问题，并且得到了较好的分割结果。模糊理论是著名控制理论学家 Zadeh L A 为了解决不确定性和不精确性的问题而首次提出的理论。随后，Pal S K 和 King R A 将该理论应用到了图像处理中，并得到了极大的发展。其中，模糊聚类分割方法是一种最早提出也是最经典的图像模糊分割方法。而模糊 C 均值(FCM)算法是现今较流行的动态模糊聚类法。但由于该聚类法并不是一种全局优化算法，得到的最优值常常是局部最优的，于是出现了不少改进的 FCM 算法。朱斌[37]等人提出了一种基于优化遗传算法的模糊聚类图像分割算法，实现了效果不错的医学显微图像分割。将模糊集理论方法与其他相关算法结合是模糊集理论方法改进的一个热点方向，能一定程度上克服模糊方法的缺点，进一步提高了图像的分割效果。
第 3 章 粘连细胞图像常用的分离算法......................................17
3.1 基于边界跟踪的算法 ...........................................17
3.2 基于数学形态学的分割方法 ..........................19
第 4 章 基于改进分水岭的强粘连巨噬细胞图像分割方法.................................23
4.1 强粘连细胞 ......................................23
4.2 强粘连分割方法 .................................23
第 5 章 结合细胞核图像的脐静脉内皮细胞分割.................................................36
5.1 脐静脉内皮细胞核分割 .......................................36
5.2 基于粘合区域种子点配对和分割线的脐静脉内皮细胞分割 ...................42
第 5 章 结合细胞核图像的脐静脉内皮细胞分割
5.1 脐静脉内皮细胞核分割
针对脐静脉内皮细胞核的特性，提取了一种基于种子点优化的分水岭算法对细胞核进行有效地分割。该算法的基本思路是对经过二值化处理的细胞核图像进行距离变换，然后在距离图上提取种子点，由于细胞核的形状并不是严格意义上的圆形，导致一个细胞核中可能多个种子点被提取，为了有效地分割细胞核图像，本章提出了一种种子点优化方法，实现了单个细胞核只提取出一个种子点，最后将提取到的种子点作为分水岭变换的标记，实现细胞核图像的有效分割。算法流程图如图5.2所示：距离变换[61]是对二值图像的一种操作运算，它将一幅二值图像转化为一幅灰度图像，在这幅灰度图像中，每个像素的灰度级是该像素与距其最近的背景间的距离。目前距离变换的实现主要有倒角模板和剥离法。本章采用了倒角模板来实现二值图的距离变换。
5.2 基于粘合区域种子点配对和分割线的脐静脉内皮细胞分割
基于上节内容，本节将对脐静脉内皮细胞分割的算法进行讨论。由于本文提出了两种结合细胞核图像的脐静脉内皮细胞分割算法，本节先讲述其中一种分割算法——基于粘合区域种子点配对和分割线的分割算法，后面一节将着重讲述另一种分割算法。基于粘合区域种子点配对和分割线的分割算法的具体思路为：首先对细胞核的二值图像进行距离变换，在得到的距离图中提取“种子点”，并对冗余种子点进行删除，得到新的“种子点”；接着对细胞灰度图进行阈值变换(白色为目标，背景为黑色)得到细胞二值图；然后结合之前得到的种子点图，进行粘合区域判断，若是多个细胞粘连则须进行粘连细胞分割，若是单个细胞则无须进行分割，若是伪区域则须删除；最后对粘合区域中的种子点进行配对并画分割线，实现粘合区域的分割，最终实现脐静脉内皮细胞的分割。图5.7给出了该算法的流程框图。
............
第 6 章 总结与展望
本文主要研究医学细胞图像的分割，分割的重点又在于强粘连和形状不规则的细胞图像分割。针对具有粘连的细胞图像，可以采用分水岭变换的方法进行分割处理。但基于距离变换的分水岭方法容易因细胞形状影响而产生过分割问题，并且会因为细胞粘连程度不够明显而导致无法将粘连细胞分割开来；同样地，基于种子点的分水岭变换也会因为这些原因的存在，而导致提取的种子点错误，从而造成分割效果不好。为了克服这些不足，本文提出了更有效的分割方法，总结如下：针对强粘连巨噬细胞的分割，提出了一种改进的分水岭混合分割算法。该方法结合了灰度级形态学腐蚀膨胀操作、顶帽变换和底帽变换、H-极小值变换以及分水岭变换，在欠分割和过分割问题上有很大的改进，实现了强粘连巨噬细胞的有效分割。针对形状各异且亮度不均匀的脐静脉内皮细胞，提出了两种新的分割算法。这两种方法的实现都结合了脐静脉内皮细胞对应的细胞核图像。一种是基于粘合区域种子点配对和分割线的方法，该方法利用细胞核图的种子点图，找到细胞图中目标区域种子点个数，进行粘连区域的判断以及对应种子点的配对，通过分割规则，得到分割线，实现细胞分割；另一种是基于标记分水岭的分割方法，通过细胞核图的种子点图得到对应细胞的种子点图，从而找到细胞中心位置，以该位置处的像素作为标记，利用标记分水岭进行细胞分割。实验验证这两种方法均能实现脐静脉内皮细胞的有效分割。针对已分割完的脐静脉内皮细胞的细胞、细胞核、细胞浆等荧光强度的提取，提出了一种新的标记校正方法，并在 VC++系统验证实现，构建了一套简易的荧光分析系统，实现了荧光强度的有效提取。
..............
参考文献（略）