数字图像处理在白细胞分割中的应用研究

摘  要：近几十年计算机行业的蓬勃发展也带动了数字图像处理技术的发展和进步，让其在各行各业都得到相应的应用。尤其是在生物医学领域中，在医用显微技术的处理分析和医学诊断方面扮演了重要的角色。本文从数字图像处理技术的概念着手，就其对白细胞分割的应用情况进行了描述。

关键词：数字图像处理;白细胞分割;预处理;医疗信息化

中图分类号：TP391.4       文献标识码：A 文章编号：2096-4706（2019）19-0111-02

Abstract：In recent decades，the vigorous development of computer industry also drives the development and progress of digital image processing technology. And digital image processing technology gets corresponding application in all fields. Especially，it plays an important role in the processing and analysis of medical microscopy and medical diagnosis in the field of biomedicine. Starting from the concept of digital image processing technology，this paper describes its application in leukocyte segmentation.

Keywords：digital image processing;leukocyte segmentation;pretreatment;medical informatization

0  引  言

白细胞是人体免疫系统的重要组成部分，在臨床上通常将白细胞形态和数目的变化作为诊断的参考依据。在以前大部分都是由有经验的工作人员以人眼观察，耗时费力，准确率也不高。而现在因为数字图像处理技术的出现，改由机器分割识别白细胞，省时省力，准确率有的也有99%以上。机器对显微图像中白细胞的识别通常要经历这样几个过程：图像的预处理、图像细胞的分割、对其进行特征提取然后分类。其中对图像细胞的分割是最重要的一步，因为之后的特征提取和分类的准确性都是以细胞分割的准确率为前提的。

1  数字图像处理

1.1  数字图像处理的概述

把一幅在空间中连续的图像离散化来得到它的数字形式就叫作图像的数字化。而对得到的数字图像进行一系列的操作来达到某种预期的结果的过程就是数字图像处理。它通常是把一幅图像加工成另一幅图像，或者是把一副图像转换为另一种非图像的表示。

1.2  数字图像处理的特点

对图像的处理大致可以分为两类，模拟图像处理和数字图像处理。与前者相比，数字图像处理有许多自己的特点。主要有以下几点：

（1）处理精度高。一幅模拟图像可以被现在的图像采集设备数字化为任意大小和精度的二维数组。可以根据实际应用需要，数字化得到几十到几百万的像素数，对每个像素还可以继续量化为16位或更高的分辨率。

（2）重现性好。图像质量不会因为存储、传输等过程而退化。它重现时的质量主要与采集数、量化和处理的精度有关。因为人眼与机器的分辨率有限，它们对精度的要求很容易就能被满足。

（3）对硬件要求高。视频信息量本身就比语言信息量要大，而在数字化视频的时候为了保证图像的质量，需要采集足够多的样本，占用的频带也会更宽。在成像、传输、存储等环节的实现上，对设备就会有更高的要求。因为需要处理的数据量大，需要耗费的时间也更多，如果想要加快处理速度，同样也需要更强大的处理系统。

1.3  数字图像处理技术的发展

数字图像处理是基于计算机进行的。随着这些年计算机技术的蓬勃发展，数字图像处理技术也日趋成熟。它的发展涉及多门学科，同时也在航空航天、农学以及遥感等领域得到广泛的应用。1964年，人们利用数字图像处理技术对卫星传回来的几万张照片进行了图像处理，为当时的人类登月提供了很大的帮助。自此，数字图像处理技术开始在各个领域发挥它的重要作用。比如之后医学上的CT图像重建、地理信息的计算机视觉、工业工程的自动识别等。

2  白细胞分割的意义

2.1  白细胞的概述

血细胞中的白细胞，是无色、球形、有核的，是人体免疫系统中最重要的部分。它是一系列共同破坏细菌和病毒的不同细胞的集合。根据其形态、功能和来源部位可以分为三大类：粒细胞、单核细胞和淋巴细胞。不同种类的白细胞会以不同的方式参与人体的免疫功能。

2.2  白细胞分割计数的意义

正常成人的白细胞总数为（4.0～10.0）×109/L，但它会因为不同时间和不同机体功能状态的变化而变化，其总数值变化以及各分类的数据变化都具有重要的临床意义，医学上通过分析白细胞不同种类细胞的数目和形态上的变化来诊断人体的健康情况，血常规检查最多用途就是为此。白细胞数值变化的具体情况如下：

（1）白细胞计数增多。当人们体内的白细胞总数每微升超过10000个时，就被认为是白细胞增多。白细胞计数增多常见于急性感染、组织损伤、大手术后、白血病等。

（2）白细胞计数减少。当人们体内的白细胞总数每微升少于4000个时，则被认为是白细胞减少。白细胞计数减少多见于伤寒及副伤寒、疟疾、X线及放射性核素照射、使用某些抗癌药物等。

可见白细胞的增多和减少可以为疾病的鉴别诊断提供依据，它的增减幅度也可以揭示疾病的严重程度。

3  图像处理在白细胞分割识别的应用

3.1  发展历程

如今随着数学图像处理技术在医学上应用的发展，对白细胞的分割计数也从原来的主要依靠经验，人工分析处理图像这样费时费力的方式转变为由计算机对图像进行精准计算、高效处理。最开始是在二十世纪六七十年代，某些发达国家的血液涂片全自动分析系统问世，但其准确性不高，处理速度也不快;再到八十年代出现运用彩色图像技术生产的细胞分析仪，但是识别精度还达不到医学的临床要求;之后多维特征向量则让细胞分类准确率达到了90%;时至今日数字图像处理技术在细胞分割方面的应用已经非常成熟了。如今人们更多的是希望通过对图像分割算法的创新与改进来适应更复杂的细胞形态，获得更高的準确率。

3.2  白细胞分割

3.2.1  图像预处理

一张显微图像的质量好坏总会受到很多因素的影响，比如系统的失真、噪声干扰、模糊污染等。所以在对细胞进行分割前要做的是对显微图像进行预处理来改善它的质量。可以先将图像复原获得它原本含有的信息，再进行图像增强，更方便地获得需要的信息。

（1）图像复原。我们需要知道图像退化的机制和过程等先验知识，根据这些找到一种相应的退化模型，从中获得所需要的信息，再沿着图像退化的逆过程得到恢复的图像。常见的退化模型有模糊造成的和随机噪声叠加的等。

（2）图像增强。它是通过对图像的边缘、轮廓以及对比度等进行加强来改善图像的视觉效果。根据其处理的空间不同可以分为空域内处理和频域内处理。常用的图像增强方法有：灰度图、直方图、频域低通高通滤波器等。

目前还没有哪一种预处理方法是可以适用于所有图像的，所以要根据具体情况选择最合适的方法。

3.2.2  细胞分割

（1）白细胞定位。一张在现实生活中采集到的细胞显微图像并不是那么纯粹的，它通常会包含一些杂质，我们需要从中找出白细胞。通常是采用某种彩色空间模型，利用染色后细胞图像各部分的亮度、色度等数值会不一样的特点对其进行分割。彩色模型之间可以通过某种变换实现转换。白细胞定位的方法有很多，有通过RGB模型转换得到的HSV模型，定位找到白细胞和血小板，之后再过滤掉血小板的;还有利用绿分量和饱和度分量定位找到细胞核，而由于人体外周血液涂片中只有白细胞有细胞核，由此定位到白细胞。

（2）白细胞的分割。如果细胞图像的情况非常简单，轮廓清晰，没有发生细胞重叠，这时我们可以根据白细胞体积远大于红细胞的先决条件较为轻松地定位到白细胞，然后利用数学形态学运算的组合分割出白细胞区域。腐蚀和膨胀是数学形态学的两个基本运算操作，腐蚀是细胞的周围收缩，消除边界的杂质;膨胀是增大细胞面积，填补细胞的孔洞。如果细胞图像比较复杂，根据某些条件所划出的区域会出现不只有一个白细胞的情况，可能还有细胞重叠粘连的问题出现。这时可以用圆形分解算法以及凹陷点分割算法这些比较依赖人为定义的参数的算法，也可以用分水岭、U-Net网络这些运算量较大的分割算法。其中分水岭因为存在过分分割的问题，很多时候会采用基于它的改进算法。

4  结  论

本文对数据图像处理技术做了一定的介绍，还对白细胞分割的临床意义进行了一定的总结，最后对数字图像处理技术在白细胞分割中的一些应用情况进行了阐述。虽然现在白细胞识别的正确率甚至已经达到了99%以上，但是仍然需要很多的工作量，所以人们依然在不停地对分割算法进行改进和创新。近几年深度学习在图像识别方向有了很大的突破，相信它将会是接下来人们的主要研究方向。

参考文献：

[1] 陈炳权，刘宏立，孟凡斌.数字图像处理技术的现状及其发展方向 [J].吉首大学学报（自然科学版），2009，30（1）：63-70.

[2] 顾桂颖，刘景鑫，石张镇，等.计算机图像识别在白血病形态学诊断中的应用 [J].中国医疗设备，2018，33（6）：6-11.

[3] 顾广华，崔冬.白细胞图像的自动分割算法 [J].仪器仪表学报，2009，30（9）：1874-1879.

作者简介：麻若珊（1998-），女，汉族，浙江温州人，本科在读，研究方向：计算机科学与技术。