基于计算机视觉的动物精子形态分析系统

武汉理工大学自动化学院 汪 创

目前的动物精子形态分析主要是通过计算机视觉技术实现的。利用图像处理技术，计算出每个精子的椭圆度、头部伸长、中段角、顶体百分率等参数，进而评价精子质量。本系统采用K-means算法对精子图像进行分割，细化算法对尾部中部进行分割，主动轮廓模型对顶体进行分割，图像矩进行参数计算；最终，该系统能够准确、自动地完成精子形态分析任务。它节省了大量人力，提高了效率。

1 介绍

精子细胞的形态学分析在评价精子受精能力和辅助受精中起着重要作用。精子质量检测可以提高畜牧业生产效率，选择更好的育种（如家畜的繁殖率分析和马的繁殖）。一般来说，精子形态学分析是手工进行的，精子质量需要通过一系列的标准和统计数据来确定。这是非常主观和低效的。因此，分析过程的精确性、简便性和自动化程度具有重要的意义。随着计算机视觉技术的发展，越来越复杂的视觉任务交给计算机。该系统是利用计算机技术解决精子形态分析的一种尝试。精子图像分析属于医学图像处理领域。主要应用的技术是图像分割。传统的图像分割算法分为5类;第一个是基于阈值的分割算法，其思想是为前景/背景识别标准设置阈值。第二种是基于边缘检测的分割算法，该方法主要应用于具有较明显边缘信息的图像，第三种是基于区域的分割方法，最著名的是Meyer提出的分水岭算法。它的基本思想是把图像作为测地线的地形，图像中每个像素的灰度值表示点的高度。每个局部最小灰度值及其影响区域称为流域，流域边界形成流域。通过对浸没过程的模拟，可以说明流域的概念和形成。在每一个局部最小的表面，刺穿一个小洞，然后慢慢地将整个模型浸入水中。随着浸没深度的加深，各局部最小值的影响逐渐向外扩展，盆地汇流成坝，即流域的形成。第四是将图像分割算法与图论的最小割相结合。目的是去除特定的边缘，将图像分割成多个子图，实现分割。第五个是活动轮廓模型,一个最著名的方法是蛇形分割算法,基本思想是表达目标边缘使用连续曲线,并定义一个能量函数包括独立变量的曲线,所以分割处理等于解决能量函数。当函数得到最小值时，曲线能量达到最小，则当前曲线位置为前景轮廓。本系统采用K-means和snake算法，K-means算法是一种无监督的机器学习算法，其思想是选择N个元素作为裂纹处N聚类的中心。然后根据Eula距离将每个元素划分为N个聚类中的一个。每次迭代之后，中心将被移动到集群的新中心位置。然后继续迭代，直到结果到目前为止没有变化，然后集群就完成了。此外，还使用各种形态学操作，如腐蚀、膨胀、细化。经过大量实验，完成了一套精确、自动的精子形态分析系统。

2 图像预处理

图像预处理的主要目的是获得整体轮廓。预处理采用K-means聚类分割，原因是传统的二值化方法将图像分割成两幅值图像，将深度浅杂质染成与精子颜色相似的颜色，我们需要减少杂质数，这样就更容易将杂质与精子区分开来。在精子质量的参数分析中，精子顶体的百分比是一个非常重要的指标。精子顶体是精子头部周围的一层膜，所以精子的头部至少应该分为两种颜色。精子的染色过程是一个手工的过程，液体密度很难把握，所以液体被染成不同的颜色。该系统采用K-means聚类算法将图像分为三种不同的颜色，以达到实际应用的要求。三值分割容易将图像分为杂质、精子和精子顶体。如图1所示。

图1 左边是使用K-means算法分割的图像，右边的是二进制图像

从K-means得到的图像中提取最小聚类，形成一个全新的二值图像。但是我们可以看到图像中仍然有很多杂质。由于形态学操作者将杂质和精子顶体连接，我们首先删除过小的轮廓。然后膨胀操作将使精子连接在一起。轮廓完成后，绘制外部轮廓。然后检测来自杂质和区域、周长和形状因子的精子。因为在一些图像中，杂质的面积和周长与精子相似，所以我们同时使用形状因子。形状系数的公式4πs / P2。需要设置形状因子的上下界，如果形状因子太大，则表示形状接近圆形。如果形状因子太小，说明形状太复杂，两种情况都是杂质和。最后的轮廓如下图2所示。

图2 最后完整的二进制图像

预处理过程可以总结如下。a）使用中值滤波来滤除干扰。b）利用K-meas算法得到一个三值图像。c）过滤掉小区域的轮廓。d）连续腐蚀3次，共9*9个元素，然后用相同的时间拨号。e）根据面积、周长和形状因子消去等高线。f）重绘的外部轮廓。

3 图像分割

对于上面得到的大图，下面的处理和参数计算不是很方便。因此，选择合适的ROI来将每个精子分割成小图。为了消除形态学算子对边界的影响，ROI外存在一定的距离扩展。然后得到一个新的小图像。如图3所示。

图3 一个精子的ROI

A.头部的分割

其他动物精子的尾巴比人类精子的尾巴大。一般的形态学操作可用于人类精子分析，但不适用于动物。此外，显微镜的放大倍数也可以导致不同的结果。连续腐蚀和膨胀的很难得到一个共同的值，系统充分考虑了这种通用性，我的策略如下，相对于精子上的尾部和杂质连接，头部面积较大。输入图像的过程是一个完整的轮廓，在连续侵蚀的过程中，图像不可避免地会出现一些轮廓，最终只会出现一个轮廓。当只有一个轮廓时，侵蚀停止，记录侵蚀的次数，膨胀相同的次数。如图4所示。

图4 头部轮廓

B.尾巴的细化

在精子形态分析中，尾巴中部是否弯曲是一个非常重要的参数。在实验过程中，我发现不同的动物精子中段有不同的厚度。不同的图像特征很难确定。人类精子中段可以通过闭运算获得，但动物尾巴厚度的变化不明显，因此本系统采用图像细化算法提取尾巴骨架。细化算法采用Zhang和Susen的算法。细化的原则是获得一个最终代表图像骨架结构的单一轮廓，准确地反映出曲率、长度、骨架结构等。下面是第一步:a)相邻点的像素个数大于或等于2，小于或等于6。b) p -P9-P2像素在0- 1计算中的累积个数，达到2。c) p2 *P4*P6 = 0，这三个位置等于0。d) p4 *P6*P8 = 0，这三个位置等于0。如图5所示。

图5 细化算法示意图

第一步和第二步基本上是一样的。第三步是P2*P4*P8=0。第四个步骤是P2*P6*P8=0。重复两步，直到不再改变。下面是骨架结构的图像。如图6所示。

图6 细化算法后是的尾部图像

C.顶体的分割精子顶体是头部周围的一层膜，是衡量精子质量的重要指标。头部有一个非常明显的白环，就是顶体的位置。主动轮廓模型蛇算法是最好的分割算法，其结果可以接近梯度方向的顶部收缩。

1）蛇形理论

snake模型的思想非常简单，以一些控制点为模板，通过模板本身的弹性变形，通过局部图像特征匹配调和，即最小化一定的能量函数，完成图像分割。Kass提出的snake模型具有一组控制点V (s)， =[x (s)， y (s)]，x和y表示图像上每个控制点的位置。能量函数的定义如下：

第一个是弹力曲线，第二个是弯曲能量，前两个统称为内力曲线，以保证曲线的连续性和平滑性，最后一个是外力(像梯度力)。计算这个公式的值。每次迭代都将点向公式的方向移动到0，迭代N次。

2）初始轮廓提取

蛇形模型对初始轮廓的要求很高，如果初始轮廓点迭代设置为head。最后的结果不太可能会收缩到顶位，所以这个系统使用K-means算法得到的两个值图像，与完整的轮廓相比较，二进制映射有一个明显的漏洞，这个洞是由顶体引起的，如下图所示。计算孔的中心，画一条垂直于中心长轴的直线，直线和头部轮廓的上半部分形成初始轮廓。参数设置为0.8，参数设置为0.2。经过50次迭代，得到的轮廓基本收敛到顶体，如图7所示。

图7 从左到右，从上到下的图像是原始的二值图像，RGB图像中的初始轮廓，初始轮廓的二值图像，最终的顶体轮廓

4 参数计算

上述图像分割是为了方便参数的计算，然后将数据发送给专业技术人员判断精子是否合格。头部的七个主要参数为：椭圆率、褶皱、伸展度、对称度、顶体百分数、中间宽度和夹角等参数。

A.基本参数的计算

基本参数包括头部的长轴、小轴、面积和周长。如上所述，讨论了长轴的计算方法。短轴由长轴两侧与长轴垂直的两点组成。面积和周长是最简单的图像矩参数。面积公式如下:

B.头部参数的计算

这里我们用L表示长轴，W表示小轴，S表示面积，P表示周长。除此之外，我们还需要计算其他参数。这些参数的计算是基于前面的基本参数和图像的分割部分。头参数:椭圆率= L / W，褶皱=4πs / P2，伸长= L - W / L + W，对称度=πLW / 4 s。顶体百分比=S(顶体)/ S(头)。它们很容易计算。

C .尾部参数的计算尾部参数包括中段宽度及其长轴之间的夹角。根据经验，精子的长度和头部的长度是一样的，所以把尾巴上的长轴的长度和精子的中间部分一样。我想直线l是头顶点和中间顶点之间的连接。角参数是指l与长轴之间的角，用来确定尾巴是否弯曲。通过变换距离计算宽度，图像的距离变换是前景点到最近的背景声点的距离。计算骨架点到等高线距离的平均值作为宽度，可以客观地表示中间宽度。

5 实验结果

本系统使用带有win64编译环境的OpenCV库进行开发，实验对象为猪精子，实验图像中有6个精子。其中一个是无效的精子。实验数据如图8所示。

图8 参数结果表

第二个精子的伸展度是不够的。其他精子参数在正常范围内。其他种类动物精子参数的标准需要由相关人员提供。

6 总结

该系统考虑了不同动物精子形态的多样性。使用K-means作为整体分割，蛇算法作为整体分割。最后，我完成了简单版的系统，可以解决简单的情况。有一些情况是这个系统无法解决的。在预处理步骤中，忽略复杂的细胞交叉情况。当杂质和头部连接在一起时，我们不能轻易区分它们，这种情况会导致错误的结果。这个系统将来需要在这些方向上进行改进。