基于模糊算法的彩色血液圖像分割方法的研究.pdf

1、自上世紀 70 年代醫(yī)學顯微圖像處理興起后，血液細胞圖像計算機自動處理和識別一直是這一領(lǐng)域研究的熱門課題。圖像分割是圖像分析和識別的基礎(chǔ)，盡管幾十年以來各種圖像分割方法層出不窮，但是還沒有任何一種分割方法能夠具有普適性，分割方法與數(shù)字圖像的具體特征緊密相連。 本文在緒論中介紹了血液分析儀的技術(shù)特點和發(fā)展歷史，認為它存在分析過程不夠直觀，缺乏對形狀參數(shù)的有效描述，難以排除樣本所攜帶的雜質(zhì)導致檢測誤差等不可避免的缺陷。因而，研究血

2、液顯微圖像處理系統(tǒng)和相關(guān)的理論具有實際的價值，它正好能彌補血液分析儀的不足，是對醫(yī)學檢驗方法的完善。 第二部分全面、系統(tǒng)地歸納了血液顯微圖像處理系統(tǒng)的硬件組成和軟件的各個功能模塊的功能。指出血涂片制備的自動化，包括自動涂抹、自動染色和自動供片等能夠保證血涂片的高效制備和均勻一致，起到降低識別難度，提高識別率的作用，是一套成熟的血液顯微圖像處理系統(tǒng)必不可少的硬件組成。 第三部分起開始論述血液細胞數(shù)字圖像分割的理論和采用的方

3、法，是本文的重點。比較了算術(shù)均值濾波器和中值濾波器在對該類數(shù)字圖像去噪上的優(yōu)劣，最終選擇中值濾波器作為圖像預處理去噪的算法。 采用模糊C—均值聚類(FCM)算法作為圖像分割的基本算法，針對該算法應用于血液圖像上的一些問題尋找到了解決的辦法。將圖像轉(zhuǎn)換為索引圖像，以顏色映射表矩陣作聚類分析，減小FCM算法的數(shù)據(jù)量，節(jié)省運算時間。用確定的聚類中心矩陣替代隨機初始化中心矩陣，以及引入距離加權(quán)矩陣都大幅減少了迭代的次數(shù)，節(jié)約了時間。本文