摘 要

在人体的血液之中，红细胞占绝大部分，因此优秀的红细胞的检测技术可以非常有效地查看出人的身体健康情况，对部分病症的研究和预防以及消除有着不可忽视的作用。在如今，使用图像处理技术，根据红细胞的细胞状态和特征进行判别研究，将细胞状态从人体内的细胞图中识别出来，技术人员就可以根据红细胞的各方面特征进行一系列的判断，进而得出某些医学方面的结论。因此在目前，使用图像处理技术进行细胞方面的判断识别是非常高效的方法。

本文的目的是研究与实现一个基于数字图像处理的血液红细胞识别与分类计数系统。在很多医院中至今仍然使用着人工观察的方法，这种方法一方面检测的精度不是特别准确，存在着很大的误差，人为干扰的因素非常大，且十分浪费人力资源。在医院的实际检测过程中，肯定会有大量的检测任务，而人力终究有限，很难进行高效的细胞情况方面的统计，如果造成了检测延误的话，病人可能会得不到及时而又准确的治疗。因此本文研究的系统是具有非常大的应用价值的，可以有效地解决上述存在的问题，且如果与数据库技术相结合的话，还可以进行数据之间的比对，从而更好地进行预测。

本文所研究的内容，包括一系列的图像预处理技术，这些技术涵盖了形态特征提取、图像分割等技术。而本文的中心是识别与分类计数的应用与研究。根据此设计研究出所需要的红细胞识别计数功能。

关键词：数字图像处理；高效；数据库技术；血液红细胞识别

Abstract

Red blood cells account for the vast majority of human blood, so excellent red blood cell detection technology can effectively check the health of human body, and plays an important role in the research, prevention and elimination of some diseases. At present, using image processing technology, discrimination research is carried out according to the cell state and characteristics of red blood cells, and the cell state is recognized from the cell map in the human body, so that technicians can make a series of judgments according to various characteristics of red blood cells, and then draw some medical conclusions. Therefore, at present, using image processing technology to judge and identify cells is a very efficient method.

The purpose of this paper is to research and implement a system of red blood cell identification and classification and counting based on digital image processing. The manual observation method is still used in many hospitals up to now. On the one hand, the detection accuracy of this method is not particularly accurate, there are large errors, human interference factors are very large, and human resources are very wasted. In the actual testing process in the hospital, there will certainly be a large number of testing tasks, and the manpower is limited after all. It is difficult to carry out efficient statistics on cell conditions. If the testing delay is caused, the patient may not receive timely and accurate treatment. Therefore, the system studied in this paper is of great application value, which can effectively solve the above-mentioned existing problems, and if combined with database technology, it can also carry out data comparison, so as to better predict.

The content studied in this paper includes a series of image preprocessing technologies, including morphological feature extraction, image segmentation and other technologies. The center of this paper is the application and research of recognition and classification counting. According to this design, the required red blood cell identification and counting function is developed.

Key words: Digital image processing; High efficiency; Database technology; Red blood cell identification.

目 录

摘要 I

Abstract II

第1章 绪论 1

第2章 红细胞的识别与分类 2

2.1 红细胞科普 2

2.2 红细胞种类介绍 2

2.3 红细胞的识别 3

第3章 系统设计与实现 4

3.1 系统结构及框架设计 4

3.1.1 系统设计要求及相关研发技术 4

3.1.2 系统运行程式介绍 4

3.2 系统操作界面的研发 5

3.3 具体算法与功能 7

3.3.1 平滑功能的对比与选取 7

3.3.2 去躁算法选取与实验 8

3.3.3 图像增强方法选取与实验 9

3.3.4 图像分割算法选取与实验 10

3.3.5特征求取功能的选取与实验 11

3.3.6识别与分类功能的研发 13

3.4 系统检测分析功能设计与实现 15

3.5 用户资源管理 16

3.6 数据输入与输出管理 17

第4章 识别算法对比分析 19

4.1 决策树定义及应用 19

4.2 BP神经网络与决策树分类结果分析对比. 20

4.3 大样本检测与结果 21

第5章 总结与展望 23

参考文献 24

致 谢 26

第 1 章 绪论

在医学中，医生对病人情况进行判断时，通常需要首先对病人的各种身体健康特征数据进行分析^[1]。因此对病人身体的检测是至关重要的，而检测技术的好坏往往会影响着医生的判断以及医院中治疗的效果和效率。

在医学的部分层面，对于红细胞的研究是至关重要的。但是如今，很多医院对患者仍然采用人工观测的方法去观察血液红细胞的数量以及形状，并且以此为基础对病人的各种身体健康参数进行评估和统计^[2]。这样做的结果往往会出现一定的误差。在很多情况下易对医生的实力和体力造成很大的负担，容易心脑交瘁且并不准确。且耗时长，无法保证在有限的时间下对数量较多的病人的血液情况进行分析和统计。而本文研究的系统可以有效地对红细胞进行识别分类检测和分析，通过图表的方式可以更加直观地观测出细胞的情况，且通过多次的测试，准确率是得到很大的程度的保证的。如果将这样的系统应用到医院的工作之中，相信会对医院的工作效率的提高有非常大的促进作用，并且易于使医院对病情的判断更加精准^[3]。

我国对红细胞的系统检测起步较晚，在1949年也就是建国以前，国内一直是购买别的国家的红细胞检测仪进行辅助检测^[4]。在之后随着国民经济的发展，对医疗设备的提高也迫在眉睫，1965年，上海在对外国的医疗设备进行研究之后，开始仿制血液细胞检测仪器，并且实验取得一定意义上的成功，这也意味着在血液检测方面我国开始逐步地开始自己创新研究^[5]。而到了1978年之后，国外的血液检测仪技术也得到了非常大的发展，我国在自己制作的基础上也开始于国外的先进的血液理论相结合，将血液检测方面的研究往前推进了一大步。由此，从仿制到自己国产，再到与国外的科技成果相结合，我国的血液检测技术得到了很大的发展，也为血液红细胞的识别与计数技术打下了非常坚实的基础^[6]。

血液红细胞识别分类系统的设计充分考虑了功能模块分类的合理性和科学性，不同的功能模块相互独立地执行不同的操作，有图像预处理模块，有图像分割模块，其中最为核心的模块是使用BP神经网络技术完成对血液中红细胞的识别和计数功能，此功能经过一次次的实验，确保了其准确率达到严格的标准^[7]。而本文系统的界面设计则保证了后续的可扩展性，并且为了能够更加明显地看出血液红细胞中的数量情况以及形状变化情况，本文采用了图表的显示方法。

第 2 章 红细胞的识别与分类

2.1 红细胞科普

红细胞，也称为红血细胞，血液的细胞成分，存在数百万在血液循环中为血液提供其特有的颜色，并将氧气从肺部运送到组织。成熟的人体红细胞小，圆形，双凹；它看起来像哑铃形。细胞是柔韧的，当它通过极小的血管时呈现钟形。红细胞没有细胞核，表层是由一层成分为蛋白质和脂质的膜组成，其功能是氧气的载体，将其吸收并通过一系列化学反应产生能量进行供给，并且能将呼吸所产生的二氧化碳排出。红细胞中含有血红蛋白，富含铁元素，与红细胞共同完成功能。在无脊椎动物中，携带氧的颜料在血浆中自由携带^[8]。它在脊椎动物的红细胞中的浓度，使氧气和二氧化碳作为气体交换，更有效并且代表了重要的进化发展。哺乳动物红细胞通过缺乏细胞核进一步适应。因此细胞为其自身代谢所需的氧气量非常低，并且携带的大部分氧气可以释放到组织中。电池的双凹形状允许在尽可能大的区域内以恒定速率进行氧交换^[9]。

2.2 红细胞种类介绍

红细胞在骨髓中分几个阶段发展：从血细胞，间充质中的多能细胞，它变成红细胞（正常细胞）；在发育的2到5天内，成红细胞逐渐充满血红蛋白，其细胞核和线粒体（细胞质中为细胞提供能量的颗粒）消失。在晚期，细胞被称为网织红细胞，最终成为完全成熟的红细胞。人体中的平均红细胞寿命为100-120天；成年人每立方毫米血液中有大约520万个红细胞。除非他们患有影响这些细胞的疾病，否则大多数人都不会考虑他们的红细胞。红细胞问题可能由您的饮食中的疾病或缺乏铁或维生素引起。红细胞的一些疾病是遗传的。红细胞疾病包括许多类型的贫血。这是一种红细胞太少而无法在全身携带足够氧气的情况。患有贫血症的人可能有红细胞，其形状不寻常或看起来正常，比正常大或比正常小

虽然红细胞通常是圆形的，但是正常人中有一小部分是椭圆形的，并且在某些遗传状态下，较高的比例可能是椭圆形的。一些疾病也显示异常形状的红细胞。例如，恶性贫血的椭圆形，镰状细胞贫血症中的新月形，并且在遗传性疾病棘皮症中具有棘手的外观^[10]。红细胞数和血红蛋白量在不同个体和不同条件下有所不同。例如，常年生活在青藏高原地区的部分人，在诞生之初体内红细胞计数远高于常人，但不久后便会降低，到青年时期逐步变为正常，就是红细胞增多症症状^[11]。

2.3 红细胞的识别

对红细胞进行识别的核心在于区分健康细胞与病变细胞之间不同的特征，在人体不同的健康情况下，人体内红细胞的边缘信息、大小、数量等方面都存在着很大的区别^[12]。而在使用数字图像技术进行红细胞的识别的时候，其核心就是以别的细胞与红细胞大小形状不同进行比对，从而可以进行不断的分类，最后识别出红细胞。

第 3 章 系统设计与实现

3.1 系统结构及框架设计

第三章的内容为数字图像技术的探讨和红细胞识别与分类系统算法的操作与完成，由此衍生出的系统框图如下：

图3.1 系统框架图

该血红细胞识别分类系统可以在win7系统的支持下完美运行。整个系统分为八个组成部分，分别实现了图像的平滑、切分、去除干扰、取得特征值、图像的分类与识别、灰度形态学技术、数据的输入和数据的输出^[13]。在本人的设计理念中，系统在这八个主要组成部分之余，还拥有部分数据简析以及部分数据处理能力。系统框图已经完成，下一步即进入设计开发环节。

3.1.1 系统设计要求及相关研发技术

在综合考虑设计的系统功能以及实用性等方面后，并对老师和同学进行了访问与了解后，认为本系统需要满足以下要求：

1.分类与识别检测功能要有一定的精准性和效率性，满足设计需要。

2.各部分功能需得到具体实现，以便保证系统的完整性。

3.能够对后续的功能进行设计与修改，满足用户需求。

4.设计与功能实现成本相对较低，避免造成浪费与成本溢出现象。

在本次毕业设计中，为了保证研发质量和效率，合理掌握技术要点，使项目最终稳定完成，本人使用Visual Studio 2013来进行相关代码的编辑与运行检测，研发识别与分类计数系统。

该研发软件功能全面，涉及到应用的各个层面，对编程和系统研发具有极大的助益。

3.1.2 系统运行程式介绍

本系统为红细胞识别分类系统，因此主要流程设计为以下部分：收集分析、预处理、识别与分类、最终数据输出。

图3.2 系统程式运行图

收集与分析要使用高分辨率镜头来呈现红细胞的显微图，是先行步骤，图片质量的好坏影响了后续工作的进行。第二步和第三步为本次设计的重点内容，决定了最终程式是否能合理实现运行。

第二步和第三步具体展开为以下过程，如图3.3：

图3.3 功能具体展开

在以上内容中能够得出结论：各个功能之间是互相独立却又密不可分的关系。总体上完成程式运行，需要环环相扣，彼此配合。任何一环有差错，后面的任务就难以继续完成，从而影响系统的准确性和有效性。

但是部门之间又是各自运转的，各自对信息进行的输入与输出，从而实现相关功能的运作，不干扰及影响其他结构。

因此本系统的设计具有逻辑性及合理性。

3.2 系统操作界面的研发

红细胞识别与分类计数系统在VS系统下进行相关研发工作，因此存在一定局限性^[14]。为了使耦合度降到最低，能够在系统中完美运行，因此对界面与系统的代码进行各自单独编辑。

对系统操作界面进行初步合理规划之后，得出下图方案。主体分为三个部分，上中下。每个部分都有各自承载的功能，并且在点击之后，会有另外的提示出现，引导进行下一步工作，从而使整个界面变得简洁大方。系统关键功能都在中部，对功能进行修改加入删除编辑时，通过出现的提示进行后续操作即可，通俗简单易操作，增强了系统的实用性。

图3.3 简图

从上图可以看出，该界面的设计可以使初学者快速上手，学会使用各种功能，利于满足各种需求。因此便按照此图进行最终界面的敲定与研发，最终得到以下成品，研发完成。

图3.4 界面

当通过桌面打开程序时，直接显示为上图画面，简洁大方明了，易于使用者进行操作。主要内容首先进入视线，无需继续寻找查看，可快速完成血液红细胞识别与分类工作。

3.3 具体算法与功能

本系统需要应用到数字图像的相关知识，因此需要大量的算法。按照分步方式来处理，将整个系统归纳为六个组成部分，下面将对每个部分分别进行讨论与技术介绍。每个功能都需要进行大量的实验，得到充分的结论和可靠的数据，从而确保真实性，但实验中或多或少存在一定的误差，导致结果出现一定摇摆。因此虽然设计中出现一定误差，但总体十分成功。

3.3.1 平滑功能的对比与选取

图像预处理中的平滑功能模块对后续的图像处理有着非常大的影响，血液的红细胞中分类的判别依据很大程度上依赖着细胞的边缘信息^[15]。所以在设计平滑功能的时候，保留图像中细胞的边缘信息是首先需要考虑的。本文的平滑采用了双边滤波，这种滤波器如果想要取得上述的效果就需要对其的参数进行合理化的设计，本文通过大量的实验得出了最为合理的参数^[16]。

表3.1 三个参数

但是实验中仍有部分偏差，是由于形态各异的图像外部环境并不一样，因此最终得出的结果不一致。

如图3.5，下表为图中数据所计算出的结果：

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：