[发明专利]一种基于图像的白细胞计数方法和系统

权利要求书

1.一种基于图像的白细胞计数方法，其特征在于，包括以下步骤：

步骤S1：采集血样图像；

步骤S2：去除图像噪声；

步骤S3：细胞区域粗分割，所述的区域分割步骤为：

对去除噪声的图像设置自适应活动轮廓；

求取所述轮廓中图像空间上每个元素的模糊相似矩阵与聚类中心的距离平方和；

获取不同类别区间隶属度，实现白细胞区域分割；

步骤S4：获取粘连细胞数目，具体步骤为：

获取三维灰度图像峰峰值确定细胞数目；

步骤S5：获取白细胞总数，具体计算步骤为：

经粗分割筛选出粘连细胞区域，曲面拟合定位出粘连细胞个数；

则图像上总的细胞数目N_total通过如下公式计算：

N_total＝N_single+N_more

其中，N_single为未粘连单一细胞个数；N_more为经过曲面拟合峰值计数后粘连细胞总数；

在获取所述步骤S1的图像前，还包括如下步骤：

用台盼蓝对血样中白细胞染色；

再用红细胞裂解液裂解掉血样中的红细胞；

所述步骤S2的具体步骤包括：

对图像进行高斯平滑，剔除噪声；

然后对图像求二阶导，用二阶导的过零点确定边缘；

保留细胞的边界信息；

所述步骤S3通过如下公式计算和推导：

对轮廓内细胞图像，设其灰度图像为I，u_ij表示图像中第j个像素属于第i类的隶属度，n为图像I的像素总数，则聚类目标函数如下：

(u_ij∈[0,1]，)

其中，U为初始隶属度矩阵；m为权重指数，且m∈[1,+∞)；d_ij为各像素到中心矢量距离；V为聚类中心，V＝(v₁,v₂)^T，即分类数目为2，i＝1,2；隶属度及聚类中心确定后，利用拉格朗日乘法，令：

求解方程组，便可得到：

隶属度矩阵U及聚类中心V通过如下步骤得到：

在满足隶属度约束条件的前提下，在0-1间初始化隶属度矩阵U；

应用v_i的方程式式求解白细胞区域聚类中心和背景区域聚类中心；

根据E(U,V)的计算价值函数，重复上述过程，直到聚类中心V的变化小于某个阈值或不变时停止计算，得到最佳模糊分类矩阵及聚类中心，从而实现白细胞区域分割；

所述步骤S4的图像峰峰值判别如公式如下：

I_max＝max(I_i-1，j-1，I_i，j-1，I_i+1，j-1，I_i-1，j，I_i，j，I_i+1，j，I_i-1，j+1，I_i，j+1，I_i+1，j+1)

其中，In为与I对应的峰值二值图像，曲面峰值处为1，其余为0，I_i,j为原图像(i,j)处灰度值，I_max为像素点(i,j)处8邻域最大值。

2.一种基于图像的白细胞计数系统，其特征在于，包括血样图像采集单元，图像噪声去除单元，细胞区域粗分割单元，粘连细胞数目获取单元，以及白细胞总数获取单元，其中所述的细胞区域粗分割单元，通过如下步骤分割：

对去除噪声的图像设置自适应活动轮廓；

求取所述轮廓中图像空间上每个元素的模糊相似矩阵与聚

类中心的距离平方和；

获取不同类别区间隶属度，最终实现白细胞区域分割；

所述的粘连细胞数目获取单元通过三维灰度图像峰峰值确定细胞数目的获取；

所述白细胞总数获取单元，通过如下步骤获取白细胞总数：

经粗分割筛选出粘连细胞区域，曲面拟合定位出粘连细胞个数；

则图像上总的细胞数目N_total通过如下公式计算：

N_total＝N_single+N_more

其中，N_single为未粘连单一细胞个数；N_more为经过曲面拟合峰值计数后粘连细胞总数；

所述的采集血样图像采集单元在血样图样采集前还进行了如下步骤：

用台盼蓝对血样中白细胞染色；

再用红细胞裂解液裂解掉血样中的红细胞；

所述的图像噪声去除单元通过对图像进行高斯平滑，剔除噪声，然后对图像求二阶导，用二阶导的过零点确定边缘，在去噪的同时，保留细胞的边界信息；

所述的细胞区域粗分割单元通过如下步骤和公式进行分割：

对轮廓内细胞图像，设其灰度图像为I，u_ij表示图像中第j个像素属于第i类的隶属度，n为图像I的像素总数，则聚类目标函数如下：

(u_ij∈[0,1]，)

其中，U为初始隶属度矩阵；m为权重指数，且m∈[1,+∞)；d_ij为各像素到中心矢量距离；V为聚类中心，V＝(v₁,v₂)^T，即分类数目为2，i＝1,2；隶属度及聚类中心确定后，利用拉格朗日乘法，令：

求解方程组，便可得到：

隶属度矩阵U及聚类中心V通过如下步骤得到：

在满足隶属度约束条件的前提下，在0-1间初始化隶属度矩阵U；

应用v_i的方程式式求解白细胞区域聚类中心和背景区域聚类中心；

根据E(U,V)的计算价值函数，重复上述过程，直到聚类中心V的变化小于某个阈值或不变时停止计算，得到最佳模糊分类矩阵及聚类中心，从而实现白细胞区域分割；

所述的粘连细胞数目获取单元通过如下公式判别图像峰峰值：

I_max＝max(I_i-1，j-1，I_i，j-1，I_i+1，j-1，I_i-1，j，I_i，j，I_i+1，j，I_i-1，j+1，I_i，j+1，I_i+1，j+1)

其中，In为与I对应的峰值二值图像，曲面峰值处为1，其余为0，I_i,j为原图像(i,j)处灰度值，I_max为像素点(i,j)处8邻域最大值。