摘  要: 針對斑馬魚視網(wǎng)膜細胞圖像分割時細胞粘連比較嚴重的情況,采用了邊界距離變換和模擬浸水原理的分水嶺變換相結(jié)合的方法。首先采用距離變換的方法提取細胞區(qū)域的局部極小值作為種子點，合并距離過小的錯誤種子點，然后使用分水嶺算法進行分割。實驗結(jié)果表明，該方法能夠有效地分割斑馬魚視網(wǎng)膜細胞圖像,成功地解決了分水嶺變換中粘連細胞的過分割問題，且計算速度快。
關(guān)鍵詞: 粘連細胞; 距離變換; 分水嶺變換

    細胞計數(shù)是生物醫(yī)學檢查的一項重要內(nèi)容，生物體中的細胞有其生理功能，在不同生理狀態(tài)下，可引起細胞數(shù)量和質(zhì)量的變化。這種變化是判斷有無疾病以及疾病種類和嚴重程度的重要依據(jù)。而在實際細胞圖像中，經(jīng)常會出現(xiàn)多個細胞聚在一起的現(xiàn)象，稱為細胞粘連。在計數(shù)的過程中，需要把這些粘連的區(qū)域分割成一個個獨立的細胞。近年來，針對分割粘連細胞的問題，研究人員提出了很多分割方法[1-2]。其中， 分水嶺圖像分割方法[3]是一種基于數(shù)學形態(tài)學的經(jīng)典算法，它以快速、準確、有效等特點越來越受到人們的重視，目前已廣泛應用于圖像分割領(lǐng)域。分水嶺圖像分割方法采用的原理主要有模擬浸水過程[4]和模擬降水過程[5]兩種。使用分水嶺算法對圖像進行分割，可以產(chǎn)生單像素寬的連續(xù)邊界，但是通常由于噪聲等因素的影響，使得直接使用分水嶺算法對圖像進行分割會產(chǎn)生過分割現(xiàn)象。為了避免或抑制過分割現(xiàn)象，國內(nèi)外的學者提出了很多方法，總結(jié)起來有兩種：一種是在應用分水嶺算法之前進行預處理，抑制噪聲等的影響[6]；另一種是在分水嶺分割后，根據(jù)某種準則進行區(qū)域合并。
    斑馬魚視網(wǎng)膜細胞圖像的一個特點就是細胞粘連非常嚴重，這給斑馬魚視網(wǎng)膜細胞圖像的分割帶來了很大的困難。本文在對斑馬魚視網(wǎng)膜細胞圖像進行分割時，針對粘連比較嚴重的情況，先對圖像進行預處理，然后使用分水嶺方法進行分割。
1 斑馬魚簡介
    斑馬魚是一種體長3~4 cm的熱帶魚，因其色彩鮮明的斑紋得名。這種小魚雖然十分常見，卻一直是科學家關(guān)注的焦點，因為它具有自我修復破損視網(wǎng)膜的獨特能力。對斑馬魚視網(wǎng)膜能夠自我修復的能力進行研究發(fā)現(xiàn)，其視網(wǎng)膜內(nèi)的放射狀膠質(zhì)細胞能夠分化成健康的視網(wǎng)膜細胞，從而修復受損的視網(wǎng)膜?？茖W家發(fā)現(xiàn)，人類的視網(wǎng)膜中也擁有類似于斑馬魚能夠修復視網(wǎng)膜的細胞。研究人員在老鼠身上進行的移植實驗已經(jīng)成功。向患有視網(wǎng)膜疾病的老鼠體內(nèi)移植放射狀膠質(zhì)細胞，這些細胞分化為健康視網(wǎng)膜細胞，使視網(wǎng)膜功能恢復。如果這項技術(shù)能夠應用于人類，將會使數(shù)以萬計患有眼部疾病的患者重見光明。
   彩色斑馬魚視網(wǎng)膜細胞圖像如圖1(a)和圖2(a)所示，其灰度化圖像分別如圖1(b)和圖2(b)所示。
    由圖1和圖2所示的斑馬魚視網(wǎng)膜細胞圖像可以看出，圖中有多處粘連的細胞區(qū)域，特別是圖2中左下部分區(qū)域，有多處多個細胞粘連的現(xiàn)象。

2 距離變換
    距離變換在分割一群相互粘連的近圓形物體的情況下比較有用。針對斑馬魚視網(wǎng)膜細胞圖像中大塊的粘連細胞，首先采用距離變換的方法，提取粘連細胞區(qū)域中各細胞近似中心點處的信息。
    距離變換是將一幅表示目標的二值圖像轉(zhuǎn)化為一幅灰度圖像，這幅灰度圖像中某點的灰度值就是表示原始二值圖像中相應坐標點關(guān)于最近目標的距離。常用的距離度量方法有歐氏距離、城市街區(qū)距離和棋盤距離。本文使用近似的歐氏距離,在保證運算結(jié)果不影響分割效果的前提下,無需浪費大量的時間和存儲空間來計算精確的歐氏距離,因此采用Chamfer 3/4距離變換。
    在進行距離變換之前，先對其灰度化圖像進行二值化。要得到某一像素點的全局距離值，需要對圖像進行前后兩次掃描。前向掃描時，按從上到下、從左到右的順序，取上鄰域的最小值改變當前距離值；再反向掃描，按從下到上、從右到左的順序，利用鄰域值進行修正，修正后模板中心點的距離值即為該點的全局距離值。在對圖像進行Chamfer 3/4距離變換后，灰度值為0的像素點變換前后距離值不變，而非0像素點距0值像素點的距離越遠灰度值越大。
    對距離變換后的圖像進行取反運算，使背景距離值為最大。這樣在細胞的近似中心點處出現(xiàn)了局部灰度極小值，且局部灰度極小值點到細胞邊界各處的距離近似相等，類似于圓的圓心。這些局部灰度極小值點對分割有很重要的作用,需要對其進行提取。
3 種子點獲取及合并
    在經(jīng)過距離變換后的灰度圖像中，目標區(qū)域已經(jīng)出現(xiàn)了局部極小值點，對這些極小值點進行標記，這些標記的局部極小值點稱為種子點。在斑馬魚視網(wǎng)膜細胞圖像中，由于幾個細胞互相粘連，會導致在一個細胞區(qū)域內(nèi)部出現(xiàn)多個種子點，而每個種子點在分割時都代表一個細胞，這樣一個細胞就會被分割成多個區(qū)域，從而導致過分割。為了正確地分割這些粘連的細胞，需要合并種子點，刪除錯誤的不應出現(xiàn)的種子點。
    本文根據(jù)種子點之間的距離值進行合并。計算兩個種子點之間的距離，并統(tǒng)計最大和最小距離值，求出平均距離。根據(jù)平均距離，設(shè)閾值對種子點進行合并，刪除距離過小的種子。根據(jù)計算的距離值獲取種子點的具體方法如下。
    (1)遍歷距離圖像,獲取5×5鄰域的極小值,并設(shè)bMin=true；
    (2)獲取極小值點的上鄰域標記label。判斷掃描過的點是否有標記，如果標記過（label!=0），賦為相同標記值；否則標記值+1，再賦為標記；
    (3)將其5×5鄰域像素點都賦予該種子標記值作為種子區(qū)域，并統(tǒng)計種子中心點的位置；
   (4)刪除兩個距離過小的種子。設(shè)定閾值threshold，計算任意兩個種子中心點之間的距離dis。若dis≤threshold，則將前一個種子標記刪除，后續(xù)各標記值都相應減1。
    圖1和圖2所示的兩幅斑馬魚視網(wǎng)膜圖像的種子圖像如圖3所示。種子點是按從小到大的順序進行標記的，值為1，2，3，...。

4 分水嶺變換
    基于模擬浸水的分水嶺變換過程中，水從盆地中慢慢上漲，當處在不同盆地中的水快要相交時，在相交處修建水壩（分水線）進行阻隔，最后得到一個個水壩和被淹沒的各個盆地，從而達到分割的目的。在對斑馬魚視網(wǎng)膜細胞圖像經(jīng)過以上預處理的基礎(chǔ)上，對得到的種子圖像使用分水嶺方法進行分割,具體算法如下：
    (1)統(tǒng)計直方圖,獲取初始水位minVal,水位上升Val++；
　 (2)掃描圖像，獲取圖像中未被標記且小于水位的像素點；
　 (3)判斷種子附近點像素，若附近有單一的種子點，則置為標記；若有多個種子點（有標記但和當前標記值不同），則置為分水嶺，bEdge=true，并設(shè)bover==false；
    (4)若bover==false，轉(zhuǎn)到步驟(2)重復生長，直至水位不再上升為止bover==true。
     以上所論述方法已通過Visual Studio 2008編程實現(xiàn)。對圖3所示的兩幅斑馬魚種子圖像使用分水嶺變換，得到的分割結(jié)果如圖4所示，分割出的每個區(qū)域都用不同的顏色表示以示區(qū)分。從兩幅結(jié)果圖可以看出，在有多個細胞粘連的區(qū)域處用深色分水線分割開了，分水線兩側(cè)的區(qū)域分屬于兩個不同的細胞。

    通過對斑馬魚視網(wǎng)膜細胞圖像的分割研究發(fā)現(xiàn)，在處理輪廓模糊、邊界不清的粘連細胞圖像時，使用距離變換的方法可獲取區(qū)域局部極小值，分離出粘連在一起的區(qū)域；再合并相近的種子點，可以減少過分割現(xiàn)象；最后使用分水嶺分割算法，較好地解決了粘連細胞區(qū)域的分割問題。實驗證明，本文提出的方法能有效地分割斑馬魚視網(wǎng)膜細胞圖像，但仍存在一定的欠分割現(xiàn)象。
參考文獻
[1] 潘晨,閆相國,鄭崇勛.一種分割重疊粘連細胞圖像的改進算法[J]. 中國生物醫(yī)學工程學報，2006，25(4):390-395.
[2] 林小竹,王彥敏,杜天蒼.基于分水嶺變換的目標圖像的分割與計數(shù)方法[J]. 計算機工程,2006,32(15):181-183.
[3] GONZALEZ R C, WOODS R E. Digital image processing(2nd Ed.)[M].Beijing: Publishing House of Electronics Industry, 2007.
[4] VINCENG L, SOILLE P. Watershed in digital spaces: an efficient algorithm based immersion simulations[J]. IEEE  Transactions on PAMI, 1991,13(6):538-598.
[5] 袁曉輝,許東,夏良正,等.基于形態(tài)學濾波和分水線算法的目標圖像分割[J].數(shù)據(jù)采集與處理, 2003,18(4):455-459.
[6] 王宇,陳殿仁,沈美麗,等.基于形態(tài)學梯度重構(gòu)和標記提取的分水嶺圖像分割[J].中國圖象圖形學報，2008，13(11):2176-2180.