张瑞华

(江汉大学 物理与信息工程学院，武汉 430000)

医学细胞图像具有边缘模糊、对比度低的特点，对这类图像常用的增强算法包括同态滤波法、多尺度Retinex法、顶帽变换法和模糊增强法等.同态滤波以照射-反射模型为基础，结合灰度变换和频率滤波来修正图像光照并增强图像细节，但其中锐利度常数c的选取依赖人的经验.多尺度Retinex法是一种基于颜色恒常理论的算法，具有颜色高保真的特点[1]，但算法的运算量较大，在实际应用中需要进一步优化.顶帽变换法是一种形态学方法，具有高通滤波的特性，适用于处理具有暗背景、亮物体特征的图像[2].1980年Pal和King提出了模糊增强法，其后涌现出很多改进算法，胡新宇等[3]在隶属函数中引入HSV参数，以增强图像的对比度；孙云娟等[4]利用边缘信息，构造新的模糊矩阵隶属函数；冷贵峰等[5]利用三角形模糊函数实现图像增强.上述改进算法在不同领域都取得了较好的效果，但在细胞图像中应用较少，这是由于算法中的隶属度阈值是固定选取的，这会造成对边缘模糊的细胞图像进行增强时，噪声和模糊处也被增强，这将加大后续细胞分割和计数的难度.

图像增强后检测细胞边缘，经典的边缘检测算法有Roberts、Sobel、prewitt、canny等，算法简单，但阈值的不自适应性影响了检测效果.很多学者提出了改进方法，如基于混合滤波器的改进canny算子图像边缘检测[6-7]，结合Sobel和ostu的阈值分割法[8-9]，基于分形理论的多阈值选择法[10].

本文对模糊增强算……