显微细胞图像分割算法是细胞分类识别和定量分析的基础和重要问题,它在许多科学和临床应用中扮演着重要的角色。细胞图像分割是使用某种算法,将细胞从背景区域中分割出来。假如分割出的目标对象是单个细胞,可进一步将细胞质和细胞核分开;如果分割出的对象是粘连细胞,就需要先把这些粘连细胞分开,然后再将细胞质和细胞核分开。鉴于细胞染色过程和涂片制片方法有很大的不同,并且细胞图像中存在复杂的形态,许多计算方法已经被开发出来并应用于细胞图像分割中。目前所提出的大量细胞图像分割算法,在一些光照均匀、背景简单或者只是存在单个细胞的图像中分割效果很好。但对于光照不均匀、背景复杂、边界模糊以及存在重叠细胞的图像中分割效果却不是很好。所以研究更为智能更为普适的分割算法尤为重要。2013年由C.Chen提出了通过模板匹配来分割显微细胞图像,该算法在显微细胞图像分割中具有很好的通用性。从该算法的实验结果中可以看出,该算法所获得的细胞边界与实际细胞边界比较吻合。对于光照不均匀及含有粘连的细胞图像,也能得到很好的细胞边缘。然而它的缺点是相对于其他显微细胞图像分割算法,平均分割每幅细胞图像所用的时间过长,造成算法的执行效率不高。本文针对C.Chen所提出的模板匹配显微细胞图像分割算法(Cell Image Segmentation Algorithm based on Template Matching,简称TM)存在执行效率不高的问题,进行了一系列有针对性的研究和改进。主要研究内容和创新点如下:○1提出了基于模板集精简的改进TM显微细胞图像分割算法(Template Set Reduced_TM,简称TSR_TM)。新算法针对TM算法在创建模板集时会产生较多冗余模板的问题,在深入分析产生冗余模板原因的基础上,通过提取模板集的形状特征,并计算其相似度,然后在不影响图像分割准确率的情况下,剔除模板集中相似度过高的模板来精简模板集。从而缩减了分割图像所使用的时间,提高了算法的执行效率。○2提出了基于平均模板匹配和种子点最优位置选取的改进TM显微细胞图像分割算法(Average Template Matching and Seeds’Optimal Location Selection,简称ATM_SOLS)。新算法通过将TM算法所产生的模板集更换为平均模板在大小和方向上做相应调整的模板集,从而更大力度地缩减了模板集,并且通过改进图像分割过程中种子点的选取方法,保证了算法的分割准确率。该算法在不影响图像分割准确率的情况下,更大程度地缩减了图像的分割时间,提高了算法的执行效率。○3对上述所提出的两种改进算法在U2OS图像集和NIH3T3图像集上与TM算法进行了定性和定量的比较,验证了改进算法的性能。