[發明專利]一種基于圖像識別的血液細胞計數方法

在審

• 申請號: 201810169651.1
• 申請日: 2018-03-01
• 公開（公告）號: CN110223307A
• 公開（公告）日: 2019-09-10
• 發明（設計）人: 林輝;翁培壘;行偉森;酈會
• 申請（專利權）人: 深圳大森智能科技有限公司
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T5/00
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 姚金金

1.一種基于圖像識別的血液細胞計數方法，其特征在于，包括以下步驟：

S1：獲取圖像

使用顯微鏡頭對血液細胞圖像進行采集；

S2：將圖像轉換為灰度圖

將所采集的血液細胞圖像進行灰度處理，轉換為灰度圖；

S3：對灰度圖進行降噪處理；

S4：從降噪處理后的灰度圖中提取最大灰度值和最小灰度值，根據最大灰度值和最小灰度值計算出線性轉換的scalar和偏移；

S5：根據scalar和偏移對降噪處理后的灰度圖進行線性轉換；

S6：對線性變換后的灰度圖進行腐蝕處理；

S7：對步驟S6中腐蝕處理后的灰度圖進行膨脹處理；

S8：對步驟S7中膨脹處理后的灰度圖進行腐蝕處理；

S9：對步驟S8中腐蝕處理后的灰度圖進行雙邊濾波；

S10：對步驟S9中雙邊濾波后的灰度圖進行邊緣檢測；

S11：保存步驟S10中邊緣檢測后輸出的邊緣圖；

S12：對步驟S9得到的灰度圖和步驟S11保存的邊緣圖按照選定的分割圖像大小進行分割，分割為若干個灰度小圖和邊緣小圖；

S13：對每個小圖進行掃描，對比同一區域的灰度小圖和邊緣小圖，通過邊緣小圖邊緣的點位置提取灰度小圖中對應點位置的灰度值，然后篩選出最大灰度值和最小灰度值；

S14：根據邊緣點位置的最大灰度值和最小灰度值計算出每張小圖的閾值；

如果邊緣小圖中沒有邊緣，說明當前區域沒有目標，把閥值置為255；

S15：根據各自的閾值對灰度小圖中的每張小圖進行掃描，高于閾值的區域為血液細胞圖像區域，將高于閥值的像素點置為255，其他置為0，輸出邊緣圖；

S16：將步驟S15輸出的邊緣圖按原位置拼接為一張完整的邊緣圖，并檢測完整的邊緣圖中的連續區域，獲取各連續區域的大小；

S17：根據血液細胞大小的均值在當前規格圖片上的像素大小剔除過大或過小連續區域；

血液細胞大小的均值是指在當前放大倍率下血液細胞平均大小，常規來說是13.5微米；過大連續區域是指大于所述像素大小的1.5倍的區域，過小連續區域是指小于所述像素大小的0.5倍的區域；

S18：統計剩下的連續區域數量，即為所識別出的血液細胞總數。

2.如權利要求1所述的基于圖像識別的血液細胞計數方法，其特征在于，所述步驟S12中，灰度圖和邊緣圖進行分割時，分割圖像大小通過以下實驗過程確定：

S12a：根據步驟S9得到的其中一幅灰度圖的X方向和Y方向的梯度，結合目標大小，選取m*m像素作為初始分割圖像大小，對該一幅灰度圖和其對應的邊緣圖進行分割；

S12b：然后按照步驟S13-S18計算出對應該次分割圖像大小所識別出的血液細胞總數，并通過觀察判斷識別結果中是否有漏識別或錯識別，對結果進行記錄；

S12c：在m*m像素作為分割圖像大小的基礎上，依次增加40％～60％血液細胞大小的像素作為新的分割圖像大小，按照每次選取出的新的分割圖像大小，實施步驟S12b；

S12d：多次試驗后，對記錄結果進行比較，隨著識別次數的增加，識別出的血液細胞總數先由小到大、再由大到小時，同時識別準確率也先由小到大、再由大到小，則其中所識別出的血液細胞總數最大值及準確率所對應的圖像分割大小即為所確定的圖像分割大小。

3.如權利要求1所述的基于圖像識別的血液細胞計數方法，其特征在于，所述步驟3包括：

首先，對灰度圖進行平滑濾波降噪點；

接下來，對平滑濾波降噪點后的圖像進行雙邊濾波降噪點。

4.如權利要求1所述的基于圖像識別的血液細胞計數方法，其特征在于，所述步驟4中，Scalar＝255/(最大灰度值-最小灰度值)；

偏移＝最小灰度值*(Scalar–1)。

5.如權利要求1所述的基于圖像識別的血液細胞計數方法，其特征在于，所述步驟10中，邊緣檢測采用Canny算法進行。