[发明专利]一种基于图像边缘识别的病理大体标本大小自动测量方法

说明书

本发明公开一种基于图像边缘识别的病理大体标本大小自动测量方法，其包括以下步骤：步骤1，对纯色背景且带标尺的病理大体标本图像进行颜色空间转化，转成灰度值图像；步骤2，对灰度化的图像病理大体标本进行边缘检测，从而获得参照物和大体标本的边缘轮廓坐标点集；步骤3，根据轮廓坐标点集求取参照物和大体标本轮廓的外接矩形，并计算出四条边的中心点坐标；通过中心点之间的欧氏距离，计算出图像中各物体的大小；步骤4，根据参照物的实际大小计算原始图像每度量比的像素，从而计算出大体标本的实际大小。本发明针对大体标本图像的自动识别，准确地计算标本的实际大小，减少病理医生的工作量，对缓解医疗资源的紧张形势具有一定意义。

技术领域

本发明涉及生物医学工程技术领域，尤其涉及一种基于图像边缘识别的病理大体标本大小自动测量方法。

背景技术

病理科是一个几乎不与患者接触的科室，但这里出具的每一个结果，都可能是病人生命的分水岭。在肿瘤诊断领域，病理诊断被誉为疾病诊断的“金标准”，其质量直接影响到临床诊治的质量，因而在医疗活动中有着非常重要的地位，也成了临床和病理医师重点关注的问题。

病理诊断可分为取材、制片、染色和阅片诊断四个环节。目前，取材环节主要通过病理医生人工进行，病理医师在进行外科大体标本的组织取材时，需要手工测量大体标本的尺寸大小，并对其进行客观、详尽的描述说明，最后拍照存档。随着病人数量的不断增长，病理医生的工作量与日俱增，然而中国的病理科医生的缺口却在10万以上，缺口在短期内难于得到解决，给病理诊断的进一步发展带来了极大的困难。

发明内容

本发明的目的在于提供一种基于图像边缘识别的病理大体标本大小自动测量方法。

本发明采用的技术方案是：

一种基于图像边缘识别的病理大体标本大小自动测量方法，其包括以下步骤：

步骤1，对纯色背景且带标尺的病理大体标本图像进行颜色空间转化，转成灰度值图像；

步骤2，对灰度化的图像病理大体标本进行边缘检测，从而获得参照物和大体标本的边缘轮廓坐标点集；

步骤3，根据轮廓坐标点集求取参照物和大体标本轮廓的外接矩形，并计算出四条边的中心点坐标；通过中心点之间的欧氏距离，计算出图像中各物体的大小；

步骤4，根据参照物的实际大小计算原始图像每度量比的像素，从而计算出大体标本的实际大小。

进一步地，步骤1中将病理大体标本图像由RGB颜色模式进行处理转化成8位的灰度值图像。

进一步地，步骤2的边缘识别包括以下步骤：

步骤2-1，高斯平滑滤波，去除图片噪声；设置二维高斯分布矩阵的高斯核大小并与灰度图像进行卷积实现滤波，高斯核大小为ksize×ksize的二维高斯分布矩阵如下式生成：

其中，σ＝0.3×(0.5×(ksize-1)-1)-0.8，1≤i,j≤ksize；

步骤2-2，计算梯度值和梯度方向；选用Sobel算子计算二维图像在x轴和y轴的差分值，进而计算图上各点的梯度值G和梯度方向θ；

步骤2-3，非极大值抑制,即寻找像素点局部最大值；沿着梯度方向，比较它前面和后面的梯度值，对沿其正负方向上的梯度幅值最大值进行保留，非极值的点进行抑制置0；

步骤2-4，用双阈值法连接边缘；设置高阈值TH和低阈值TL，判定非极大值抑制后的图像中大于TH的点是边缘并置1，判定小于TL的点不是边缘并置0；针对在TL和TH之间的点，通过已确定的边缘点发起周围8邻域方向的广度优先搜索，判定图中可达的点是边缘，不可达的点不是边缘，进而得出边缘图。