基于Gabor滤波与区域生长的细胞分割

贴壁细胞图像中细胞大小形状各不相同,细胞内部分区域与细胞边缘具有相近的灰度,部分细胞边缘较细或者断裂,为后续正确的分割计数带来了困难。传统的基于区域的图像分割很容易造成过分割和欠分割,前者得不到完整的细胞边缘,后者使细胞内部出现大量杂质点。为解决以上问题,首先利用Gabor滤波器的方向性滤波特性对细胞边缘进行增强,然后选择细胞边缘对应的高灰度点作为种子点进行8连通约束的区域生长,最后对区域生长后的图像进行形态学闭运算消除小的空洞和毛刺,得到完整的细胞边缘图像。与阈值法和边缘检测法的比较结果表明,该算法分割效果较好且对噪声不敏感。

基于活动轮廓和Gabor滤波器的细胞分割

将Tony F Chan提出的基于曲线进化、Mumford-shah泛函和level set技术的没有边界泛函的活动轮廓模型与Gabor滤波器相结合,利用Tony F Chan提出的不依赖于边界梯度的活动轮廓能够检测出边界梯度较弱的物体边界与Gabor滤波器能在不同方向和频率增强图像的特点,先对原始细胞图像进行不同角度、不同频率Gabor滤波从而在不同方向增强细胞边界削弱细胞内部信息,然后把不同方向滤波后的图像融合以得到边界增强噪声减少的图像,最后在该图像上应用活动轮廓取得了较好的分割效果。