《细胞图像分析处理系统的开发（精品）》由会员分享，可在线阅读，更多相关《细胞图像分析处理系统的开发（精品）（104页珍藏版）》请在金锄头文库上搜索。
1、2007届研究生硕士学位论文 学校代码：10269 学 号：51041300069细胞图像分析处理系统的开发院 系： 生命科学学院 专 业： 生物化学与分子生物学 研 究 方 向： 细胞生物学 指 导 教 师： 张 红 锋 副教授 硕士研究生： 刘 欢 2007年5月Masters Degree Thesis of University Code: 102692007 Grade Postgraduate Register Number: 51041300069East China Normal UniversityThe Development of Cell Image Analysis
2、and Processing SystemName： Liu Huan Supervisor： Zhang Hongfeng Vice Professor Department： School of Life Science Major： biochemistry and molecular biology Specialty： Cell biology May, 2007Shanghai, China学位论文独创性声明 本人所呈交的学位论文是我在导师的指导下进行的研究工作及取得的研究成果。据我所知，除文中已经注明引用的内容外，本论文不包含其他个人已经发表或撰写过的研究成果。对本文的研究做出重
3、要贡献的个人和集体，均已在文中作了明确说明并表示谢意。 作者签名： 日期： 学位论文使用授权声明 本人完全了解华东师范大学有关保留、使用学位论文的规定，学校有权保留学位论文并向国家主管部门或其指定机构送交论文的电子版和纸质版。有权将学位论文用于非赢利目的的少量复制并允许论文进入学校图书馆被查阅。有权将学位论文的内容编入有关数据库进行检索。有权将学位论文的标题和摘要汇编出版。保密的学位论文在解密后适用本规定。 学位论文作者签名： 导师签名： 日期： 日期： 刘欢硕士学位论文答辩委员会成员名单姓名职称单位备注孙心德教授华东师范大学生命科学学院主席王耀发教授华东师范大学生命科学学院顾福康教授华东师范
4、大学生命科学学院倪 兵讲师华东师范大学生命科学学院秘书摘要在生命科学研究中涉及到大量二维细胞图像的分析问题，包括如何处理、精确表达细胞图像中的有用信息，这已经成为众多学者共同致力的焦点。在过去，在显微镜下观察细胞，只能对细胞数量、长度等信息做大概的观察记录，而对于细胞面积、形状、灰度、复杂度等信息，很难作出精确的测量甚至无法测量，从而无法对实验结果作定量分析；同时，在一些实验中由于细胞或采样数量庞大，如果进行细胞计数和测量，将耗费大量的时间和人力，得到的实验结果很难避免人工处理带来的误差。这就要求一套比较健全的细胞图像处理软件对细胞图像数据进行处理，以提高实验的自动化程度，实现定量检测，确保测
5、量精度，提高工作效率，降低实验成本。本论文基于实验室现有研究需求，自行研发了细胞图像分析处理软件。具体研究工作包括以下几个部分：1. 根据图像处理的运算性能要求及系统可扩展性，设计细胞图像处理系统主体结构框架，建立核心数据转换和储存模块，以及图像数据输入输出通用接口。2. 构建细胞图像基本运算和图像操作模块，使软件具备基本的图像色彩转换、空间转换、缩放、旋转和移动功能，并建立通用ROI类工具，实现图像区域的自由选取和分析统计。3. 构建细胞图像的增强模块，处理图像中对比度不足、目标图像亮度过低、边缘模糊、细节不够清晰等问题，改善细胞图像视觉效果，突出研究对象的特定信息。其中，通过灰度拉伸增大细
6、胞对象与背景区域的对比；通过图像平滑去除图像噪声；使用灰度直方图实现对图像灰度的统计分析，并对图像灰度进行调整。通过图像增强实现细胞图像的线性灰度检测、灰度点阵和基于灰度分布的简单面积计算。4. 构建细胞图像的数学形态学处理与细胞图像分割模块。针对实验室研究的细胞对象种类不一，大小形状各异，灰度各有差别的现状，提出了一种通用的面积测量方法。通过噪声去除、细胞边缘检测、Otsu法阈值分割、孔洞填充、迭代腐蚀、形状特征提取与种子填充法测量等一系列流程实现细胞面积的准确测量。5. 构建细胞图像匹配模块，实现在复杂背景条件下对不同细胞图像的细胞计数。6. 通过荧光细胞灰度测量、细胞测量、细胞计数等几种
7、细胞实验对系统各方面性能进行了测试，以验证系统的可行性。此外，本文对传统的ROI类工具进行了改进，很大程度上方便了操作者使用。同时，经过对实验室细胞图像的分析，寻找出了一种有效的方法来消除图像中的影响因素，得到相对正确的分割结果，提高了在重叠、粘连细胞图像及复杂背景情况下细胞图像的分割能力。另外，提出了使用图像匹配方法对细胞进行计数，并对于传统的图像匹配法进行了改进，提出一种使用9区域预分割计算方法，提高了匹配运算效率，整合出了一种有效地进行细胞图像匹配分析的图像匹配策略方法。同时，实现在使用中可由用户自己对匹配策略进行调整，以方便对不同测量环境下的细胞作出准确判断。关键词 细胞图像处理； 荧
8、光灰度测量；突起长度测量； 细胞计数； 细胞图像增强ABSTRACTDuring the Life Science Research, the analysis of massive two-dimensional images, including how to precisely deal with and express the useful information, has become the main focus of many scientists. In the past, observable/recordable cellular information was limit
9、ed with number and length through microscope. However, the information on area, shape, grey scale and complexity were hardly measurable. Meanwhile, some experiments may cost massive time and manpower due to large cell/sample number, and manual processing error is unavoidable. Therefore, a rather com
10、plete set of cell image processing software is required in order to increase the automation level of the experiments, achieve quantitative detection, ensure accuracy, improve work efficiency, and reduce experiment cost.In this research, a cell image analysis software is developed based existing rese
11、arch laboratories demand. Detailed work consists of the following aspects: 1. Based on the image processing performance requirements and the system scalability, main structural framework for image processing system is designed, core data conversion and storage modules are established, and the common
12、 interface for image data input/output is built.2. Basic cellular image calculation and operation modules are constructed, in order to provide rudimental functions such as color converting, space converting, scaling, rotating and moving. And ROI tools are developed to achieve free regional selection
13、 and analytical statistics.3. Enhancement module is constructed to solve the problems including inadequate contrast, low brightness of target image, fuzzy edge and fuzzy details, to improve visual effects, and to highlight specific information. For example, increase grey scale to increase the contra
14、st between cells and background, smoothen image to remove noise, use histogram to statistically analyze and adjust the grey scale, enhance image to carry out linear grey-scale image detection, grey lattice and distribution based on the simple grey area. 4. Modules for processing mathematical morphology and cell image segmentation are built. Due to different cellular type, shape and grey scale in the laboratory research, a common method for area measurement is proposed, in which the
