嵌入式下松弛迭代细胞分割算法的改进与应用

摘要：概率松弛迭代分割算法应用在细胞分割上，能够有效克服由于细胞结构复杂、粘连现象严重而造成一般分割算法分割困难的问题。针对该算法计算复杂与嵌入式Linux环境下资源紧张的问题，改进了松弛迭代细胞分割算法，并将其应用到嵌入式环境下基于Qt与OpenCV构建的细胞分割系统中。实验结果表明，改进后的算法能有效解决细胞分割困难的问题，分割结果能够让肉眼清晰分辨出细胞核、细胞质与腺体的区别。改进后的松弛迭代分割算法相比原算法提高了处理速度，并能够移植到嵌入式设备中便于携带协助诊疗。

关键词：迭代；嵌入式系统；图像分割；细胞分割；Qt；OpenCV

中图分类号： TP368.1

文献标志码：A

0引言

在嵌入式环境下的医学图像处理日趋受到重视，相对于传统PC设备的臃肿，嵌入式设备的轻便更利于医疗的普及，有助于解决边远地区医疗设备的改善[1]。因此在嵌入式下应用研究医学图像处理成为了研究的热点，而在医学图像处理中，医学图像分割是医学图像处理和分析的关键步骤，也是其他高级医学图像分析和解释系统的核心组成部分，但是细胞图像之间存在的严重粘连现象决定了要分割识别细胞图像的特征相当困难。

目前，有许多图像分割方面的算法，但是由于细胞图像本身的复杂性导致分割效果都不是很理想，而针对细胞图像的特点提出的松弛迭代分割算法[2-3]可以很好地解决分割效果的问题，可是由于该算法要经过多次迭代，因此消耗计算资源较大，不适合在嵌入式设备中运行。针对嵌入式设备与传统平台PC机相比有限的图像处理资源，本文对该算法进行了改进与优化，并在嵌入式Linux上基于Qt与OpenCV平台构建一个医学图像分割系统。最后将该细胞图像分割系统移植到嵌入式开发板中，在开发板上运行实验该程序。实验结果表明，改进后的松弛迭代分割算法可以有效地处理细胞分割，并达到满意的处理速度。

1概率松弛迭代算法的基本原理

在图像分割中，松弛法的设计初始是为了结合并行和串行两类方法的优点，使分割既能在每个局部并行进行又能借助迭代利用运算中逐步获取的信息不断调整以自适应地取得好的风格效果。但从总体策略上看，松弛法[4]仍基本上是串行进行的。松弛迭代分割法的操作对象是像素，既可基于灰度值[5]也可基于梯度值[6-7]进行，经由不断的迭代来确定各点像素所属的归类。在迭代中利用相容性的准则，据此松弛算法可分为离散松弛法、模糊松弛法、概率松弛法[8]等。下面介绍概率松弛算法的基本原理。

2嵌入式下概率松弛迭代算法的优化

松弛迭代分割法的处理对象是像素，细胞图像特征复杂，细胞粘连严重，采取梯度值的计算消耗代价太大，而灰度值能够完全地表现出每个像素的特征，且基于灰度值的计算比基于梯度值的计算节省资源，特别在需要不断迭代的计算下，适合在有限的资源下取得满意的分割效果。离散松弛法无法完美地还原出图像各个像素之间的联系，对分割效果的损失较大。模糊松弛法对计算资源要求较高，不适用于嵌入式有限的资源。

综上，本文采用了基于各点像素之间马氏距离的概率松弛迭代法对细胞进行自动分割，它的基本思想是图像每一个像素的归属不仅应该由其本身来决定，而且应该受到它的邻域像素的影响，通过对整幅图像各个类别像素进行不断迭代不断调整以自适应地取得更好的分割效果，最后得到一个适合量达到收敛。本文在不影响显示效果的基础上针对嵌入式平台对其算法设计进行了改进。