一种基于聚类分割的病理组织切片扫描区域定位方法技术

本发明专利技术公开一种基于聚类分割的病理组织切片扫描区域定位方法，包括如下步骤：对玻片图像进行图像预切割；采用高斯滤波对图像进行图像降噪处理；采用灰度世界算法对图像进行色彩校正处理；将图像所处于的RGB空间转换为Lab空间以分离红色和蓝色；采用聚类算法对图像的背景和组织区域的像素点进行分类以实现对图像的聚类分割；对图像进行形态学处理以去除噪声区域；去除图像的高光区域，并使用矩形框对得到的组织区域分割结果进行最小外接矩形包围。本发明专利技术对采集到的玻片图像进行病理组织区域定位无需任何人工对玻片图像的标注，同时能够在光照变化的条件下给出准确结果，具有较好的鲁棒性，实现快速高效的确定扫描区域的位置。置。置。

【技术实现步骤摘要】
一种基于聚类分割的病理组织切片扫描区域定位方法


[0001]本专利技术涉及图像处理
，尤其涉及一种基于聚类分割的病理组织切片扫描区域定位方法。

技术介绍

[0002]目前，对于病理组织切片的图像处理主要采用的是基于机器学习的方法，而基于机器学习的方法主要有以下两种：
[0003]第一种，利用Lab颜色空间对于红色和蓝色的显著性以及Frangi滤波器对玻片预览图进行增强以突出组织区域，并采用基于阈值的方法对组织区域进行初步分割；由于玻片预览图像中存在的噪声、气泡等干扰，造成阈值分割后有很多错分的区域，然后分别采集区域特征，再人工标注不同区域是否属于组织并训练SVM模型，最后使用训练好的模型对初步分割结果中的区域进行校正；这种方法需要人工标注大量的数据来训练模型，费时费力；
[0004]第二种，基于自动求取最优分割阈值的OSTU算法对预览图像进行分割，然后采用形态学处理的方法作为后出来去除分割结果中的噪声区域；这种方法设计简单，执行效率高，但对玻片拍摄时的光照以及玻片制作的要求较高，不具有很好的鲁棒性。
[0005]而病理切片组织扫描的基本步骤是：将玻片放置在扫描系统的运动平台，扫描系统拍摄玻片的预览图并基于此对扫描区域定位，扫描系统控制运动平台进行扫描。一般情况下，扫描时的放大倍数较大，扫描完成后的图像数量较多，进而导致扫描时间延长。如图1(a)所示，可以看出玻片预览图中玻片的可扫描区域远大于实际组织区域，即图1(b)中的红色框区域，因此，为了减少扫描时间及无效的扫描次数，如何快速高效地确定扫描区域的位置至关重要，成为一个亟需解决的问题。
[0006]因此，现有技术存在缺陷，需要改进。

技术实现思路

[0007]本专利技术的目的是克服现有技术的不足，提供一种基于聚类分割的病理组织切片扫描区域定位方法。
[0008]本专利技术的技术方案如下：
[0009]一种基于聚类分割的病理组织切片扫描区域定位方法，包括如下步骤：
[0010]S1，对获取到的玻片图像进行图像预切割处理；
[0011]S2，对步骤S1切割产生的新图像进行图像降噪处理；
[0012]S3，对步骤S2处理后的图像进行色彩校正处理；
[0013]S4，将步骤S3处理后的图像所处于的RGB空间转换为Lab空间以将红色和蓝色进行分离；
[0014]S5，采用聚类算法对步骤S4处理后的图像的背景和组织区域的像素点进行分类以实现对图像的聚类分割；
[0015]S6，对步骤S5处理后的图像进行形态学处理；
[0016]S7，采用聚类算法对步骤S4处理后的图像进行聚类分割以获得图像的高光区域，并根据获得的图像的高光区域信息将步骤S6处理后的图像中的对应位置设置为背景以纠正高光区域引起的步骤S5分割错误。
[0017]进一步地，步骤S1对获取到的玻片图像后进行图像预切割处理是裁去图像中固定像素长度的区域，从而得到去掉固定像素长度的新图像。
[0018]进一步地，步骤S2采用高斯滤波的方式对步骤S1切割产生的新图像进行图像降噪处理，其包括如下步骤：
[0019]S201，构造高斯核；
[0020]S202，将步骤S201构造的高斯核与待处理的图像进行卷积运算以实现高斯滤波。
[0021]进一步地，步骤S3采用灰度世界算法对步骤S2处理后的图像进行色彩校正处理。
[0022]进一步地，步骤S4通过Lab空间将亮度与色彩进行分离，且在Lab空间中，L代表亮度，a的正数代表红色，a的负端代表绿色，b的正数代表黄色，b的负端代表蓝色，其包括如下步骤：
[0023]S401，对步骤S3处理后的图像原有的三个通道进行gamma校正；
[0024]S402，将图像所处于的RGB空间转换为XYZ空间；
[0025]S403，将图像所处于的XYZ空间转换为Lab空间。
[0026]进一步地，令r、g、b为图像的三个通道，步骤S401通过公式实现对图像原有的三个通道的gamma校正处理；
[0027]步骤S402通过公式实现将步骤S401校正后的图像所处于的 RGB空间转换为XYZ空间；
[0028]步骤S403通过公式 a＝500[f(X/X
n
)
‑
f(Y/Y
n
)]， b＝500[f(Y/Y
n
)
‑
f(Z/Z
n
)]实现将XYZ空间转换为Lab空间。
[0029]进一步地，步骤S5采用的聚类算法为Kmeans算法；步骤S5包括如下步骤：
[0030]S501，随机选择聚类中心μ
k
的初始值；
[0031]S502，计算每个像素点到各聚类中心的距离，使得每个样本归属到距离其最近的聚类中心；
[0032]S503，对属于聚类中心μ
k
的所有像素点计算坐标均值并作为新的μ
k
；
[0033]S504，重复步骤S502～步骤S503，直到所有的聚类中心μ
k
不再变化或者达到设定的迭代次数。
[0034]进一步地，步骤S502根据优化函数计算使得优化函数J最小的像素点归属值r
nk
，并将每一个像素点p
n
分配到距离最近的聚类中心。
[0035]进一步地，步骤S6使用开处理对步骤S5处理后的图像进行处理，包括如下步骤：
[0036]令需要处理的图像为x，结构元素为B；
[0037]S601，使用结构元素B对图像x进行腐蚀操作；
[0038]S602，使用结构元素B对图像x进行膨胀操作。
[0039]进一步地，步骤S7采用聚类算法对步骤S4处理后的图像Lab空间中的L
‑
光照通道进行聚类分割以得到高光区域，然后根据获得的图像的高光区域信息将步骤S6产生的结果中的对应高光区域的位置设置为背景以纠正高光区域引起的步骤S5分割错误，并使用矩形框对得到的组织区域分割结果进行最小外接矩形包围，从而实现对病理组织区域的扫描区域定位。
[0040]采用上述方案，本专利技术具有以下有益效果：
[0041]本专利技术对采集到的玻片图像进行病理组织区域定位无需任何人工对玻片图像的标注，同时能够在光照变化的条件下给出准确结果，具有较好的鲁棒性，且执行效率高，有效减少扫描时间及无效的扫描次数，进一步提升了病理组织切片的扫描效率，实现快速高效的确定扫描区域的位置。
附图说明
[0042]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0043]图1为现有技术中扫描系统拍摄的玻片预览图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类分割的病理组织切片扫描区域定位方法，其特征在于，包括如下步骤：S1，对获取到的玻片图像进行图像预切割处理；S2，对步骤S1切割产生的新图像进行图像降噪处理；S3，对步骤S2处理后的图像进行色彩校正处理；S4，将步骤S3处理后的图像所处于的RGB空间转换为Lab空间以将红色和蓝色进行分离；S5，采用聚类算法对步骤S4处理后的图像的背景和组织区域的像素点进行分类以实现对图像的聚类分割；S6，对步骤S5处理后的图像进行形态学处理；S7，采用聚类算法对步骤S4处理后的图像进行聚类分割以获得图像的高光区域，并根据获得的图像的高光区域信息将步骤S6处理后的图像中的对应位置设置为背景以纠正高光区域引起的步骤S5分割错误。2.根据权利要求1所述的基于聚类分割的病理组织切片扫描区域定位方法，其特征在于，步骤S1对获取到的玻片图像后进行图像预切割处理是裁去图像中固定像素长度的区域，从而得到去掉固定像素长度的新图像。3.根据权利要求1所述的基于聚类分割的病理组织切片扫描区域定位方法，其特征在于，步骤S2采用高斯滤波的方式对步骤S1切割产生的新图像进行图像降噪处理，其包括如下步骤：S201，构造高斯核；S202，将步骤S201构造的高斯核与待处理的图像进行卷积运算以实现高斯滤波。4.根据权利要求1所述的基于聚类分割的病理组织切片扫描区域定位方法，其特征在于，步骤S3采用灰度世界算法对步骤S2处理后的图像进行色彩校正处理。5.根据权利要求1所述的基于聚类分割的病理组织切片扫描区域定位方法，其特征在于，步骤S4通过Lab空间将亮度与色彩进行分离，且在Lab空间中，L代表亮度，a的正数代表红色，a的负端代表绿色，b的正数代表黄色，b的负端代表蓝色，其包括如下步骤：S401，对步骤S3处理后的图像原有的三个通道进行gamma校正；S402，将图像所处于的RGB空间转换为XYZ空间；S403，将图像所处于的XYZ空间转换为Lab空间。6.根据权利要求5所述的基于聚类分割的病理组织切片扫描区域定位方法，其特征在于，令r、g、b为图像的三个通道，步骤S401通过公式实现对图像原有的三个通道的gamma校正处理；步骤S402通过公式实现将步骤S401校正后的图...

【专利技术属性】
技术研发人员：李小军，魏浩，周琳，
申请(专利权)人：易普森智慧健康科技深圳有限公司，
类型：发明
国别省市：