2。1 细胞图像预处理 。。 8

2。1。1 消除图像噪声的常见方法 。。 8

2。1。2 图像灰度直方图  11

2。2 基于数学形态学的细胞图像处理 。。 12

2。2。1 图像的膨胀与腐蚀 。 13

2。2。2 图像的开运算与闭运算  13

2。2。3 图像的顶帽和顶帽变换  14

2。2。4 形态学重建 。 15

2。3 本章小结 。。 17

第三章 经典的图像分割算法 。。 18

3。1 边缘检测法  18

3。2 区域分割法  20

3。3 阈值分割法  22

3。4 分水岭算法 。。 23

3。4。1 分水岭算法原理 。 23

3。4。2 分水岭算法介绍 。 24

3。4。3 分水岭分割的特点 。。 24

3。4。4 基于梯度的分水岭分割 。 25

3。4。5 基于控制标记符的分水岭分割 。 26

3。5 本章小结 。。 28

第四章 改进分水岭算法  30

4。1 距离变换 。。 30

4。2 局部极值 。 33

4。3 基于距离变换的改进分水岭分割算法 。 34

4。3。1 算法稳定性检测  36

4。4 细胞计数 。。 40

4。5 本章小结 。。 40

第五章 总结和展望 。 42

5。1 总结  42

5。2 展望  43

致谢 。。 44

参考文献 。 45

第一章 绪论

1。1 研究背景和意义

在生物医学迅速发展的今天，细胞作为生物体的基本单位，成为医学研究 必不可少的一部分。电子显微镜产生了大量的细胞分辨率层面的数字图像，使 得人们可以对细胞结构进行直接的观察，同时也对细胞的分析提出了要求。论文网

据估计，通过人接收到的信息中 80％是视觉。图像处理正在发展迅速并不 断创新。在过去的 10 年中，出现了基于先验知识的图像分析，图像识别以及图 像分割显着的增加。学习的图像中一个特定的对象，其边界可以由一个图像分 割程序被突出显示。

显微细胞图像处理作为图像处理领域中一个非常重要的研究课题，涵盖了 图像分割，图像重建的内容。图像分割作为图像分析的基础，获得多领域的研 究开发。

在细胞图像处理中，图像的分割是一个举足轻重的研究领域，分割结果的 好坏直接关系到后续形态参数计算和检测效果的准确程度。在生物医学中，同 一种细胞在不同的生理或实验条件下，形态、大小或单位体积细胞数量变化是 病理研究和疾病诊断的重要依据[1]。医学图像在采集的过程中经常受到较强噪 声的干扰，导致信噪比较低，但对此并没有确定的判别标准，该过程对先验知 识的依赖性比较强，同时需要进行特征提取，目标识别和分类等其他操作。文献综述

由于显微细胞图像不同于其他图像，有规则的纹理，均匀的灰度。相反， 显微细胞图像具有灰度不均，噪声干扰，甚至有严重的细胞交叠现象，这造成 传统的细胞处理，分割算法分割率低，甚至出现严重的过分割，错分割结果。 由此可见，寻找合理的分割方法，对细胞特征进行高效，准确的提取，对我们 生物医学的发展有不可估量的意义。

1。2 国内外现状

   1。2。1 本文研究细胞图像特征 

   1。2。2 细胞图像分割国内外现状 

1。3 本文结构安排

第一章纵观生物医学图像发展史，发现即使多种算法层出不穷依旧未出现 一个能对所有图像统一分割的算法。由于显微细胞图像粘连性强，灰度不均匀 等多尺度特性更加大了分割难度。现今存在的分割算法各有千秋，本章例举了 其中一部分优秀的算法，也对国内外分割现状进行了分析，同时提出本课题的 任务是对近圆形较强的粘连细胞图像设计合理的分割算法。