２边界多边形近似
对于目标图像首先要做的是进行多边形近似处理。多边形近似法是一种常用的形状描述方法，它利用直线对目标图像的边缘进行近似拟合，以得到图像边缘的拐点。具体实现方法如图ｌ所示，顺时针跟踪物体的边缘轮廓，得到闭合曲线ＡＢＣＤＡ。Ａ为闭合曲线的起点，亦即终点。Ｃ为边缘轮廓的中点，Ｂ与Ｄ分别为轮廓左半部与右半部上的任意点，对该闭合曲线进行多边形近似旧’４１，其过程为：
１）连接Ａ、ｃ两点，分别对弧线段ＡＢＣ，ＣＤＡ做分段线性
拟合。以ＡＢＣ为例，计算ＡＢＣ弧线段上所有点到直线ＡＣ的距离总和∑吐。设该弧线段上共有ｎ个边缘点，当∑ｄ；＞ｎ×７’，（ｒ根据线段拟合的精度要求可取２．Ｏ一３．０），记下离直线ＡＣ距离最大的点，记为顶点层，再分别对ＡＥ，ＥＣ两部分弧线段进行直线段拟合，并记录相应的顶点，直到不能再进行下去。
２）把过程１）中提取的顶点按其在边缘轮廓中的位置顺时针排列。找到ｃ点的左右相邻两顶点Ｃ。、ｃ２，Ａ点的左右相邻两顶点Ａ。、Ａ：，用上述方法分别对弧线段Ｃｌｃ２，Ａ。Ａ：进行直线段拟合。
３）根据１）、２）建立曲线直线拟合顶点集合｛Ｐ；Ｉｉ＝ｌ，…，ｍ｝，ｍ为顶点个数。图１（６）为图ｌ（ａ）曲线的直线拟合图。
Ｅ
Ｂ
（Ｉ）待报合目标圈（”瓤合效果圈
图１多边形近似示意田
３结合端点曲率边缘平滑
３．１分割结果分析．
在细胞图像分割中由于各种因素影响，目标边界容易存在边缘突起，边缘不光滑，如图３所示。边界的不光滑会引起特征的计算误差。这可以通过平滑边缘来解决。
３．２边缘曲率
边缘曲率可以用来表示曲线弯曲程度的特征参数，平均曲率ｉ＝甓描述了ＡＢ曲线上的平均弯曲程度。如图５所示，△妒表示曲线段Ａ占上切线变化的角度，ＡＳ为Ａ曰弧长。
为精确刻画点Ａ处曲线的弯曲程度，可令Ｂ—Ａ，即定义ｉ＝酬ｌｉｒａ急＝慨急＝譬，为了方便使用，一般取曲率为正值，即：ｋ＝ｌ警Ｉ。
出称为曲线弧长的微分，因为ＡＢ＝△茗２＋△，，令△茹
圈２待处理细胞圈
图３分割后目标边缘图
图４多边形平滑圈
圈５曲率示意图
一ｏ，同时ＡＢ用代替ｄｓ可以得到（老）２＝１＋（赛）２，所以凼２＝出２＋矿或击＝±／ｒ而＝±√孬—１兀又因为ｔｇ（‘ｐ）＝ａｒｃｔｇ（ｙ’），所以，两边对并求导，推出咖＝
．－——２６９．－——
从表中数据可以看出：类圆形目标，拐点数较多，曲率方差小，边长方差小，无平行边与垂直边；椭圆形目标长短轴比大，对称性差，一般存在一对平行边；方形目标曲率均值接近１ｊｒ／２，曲率方差小，存在平行边和垂直边对，拐点数接近４个，正方形长短轴比接近１，对称率小，长方形对称率大；三角形拐点数为３，不存在平行边和垂直边对；不规则多边形无规则，另外边长与长短轴比反映了周长大小及区域目标所占区域大小。
实验二：医学检验中的图像识别实验。在临床医学上有各种生化检验，例如血常规检验、尿液检验等，人体血液中的细胞分类以及记数对于血液病的诊断治疗有着重要意义。以往的检验是人工对血液或骨髓涂片上染色的细胞进行分类计数，这种原始的人工计数不但工作繁重而且识别误差随检查人员而异。随着计算机技术的发展，特别是图像处理、模式识别在医学领域的应用，建立细胞显微图像自动识别系统已成为现实，。它既可科学总结病理学家的诊断经验，又充分发挥了计算机视觉分辨率高和提取细胞特征灵活多样的特点。但在目前的识别系统中还存在精度不够等这样那样的问题。利用本文提出的方法对显微镜细胞图像中红细胞、白细胞、结晶、管型、上皮细胞进行了处理与分析。图８为显微镜细胞图，图９为对应的多边形拟合图。
圈８显微镜下细胞囤图９细胞圈的多边形拟合图
从图中可以看出，拟合结果令人满意。计算以上基于多边形拟合的形状描述子可以很好地区分开结晶、管型、圆形和非圆形目标。有的上皮细胞与最左端白细胞或圆细胞类似，必须通过其它特征区分。另外从特征的原理看出，所有特征具有位移不变、旋转不变及一定抗噪声能力，曲率方差、边方差、长垂轴比、对称度还具有一定尺度不变性。６结论
本文提供的算法根据图像分割后的目标边界对图像进行了直线拟合，建立了基于拟合端点的曲率向量、边界长度向量，克服了由于分割不精确导致目标边缘租糙对特征计算带来的影响。同时在分析两个向量基础上，定义了拐点数、端点数、曲率方差、长轴、垂轴、长垂轴比、对称度、平行度等形状特征描述子。并对基本形状目标与细胞图像目标进行了仿真实验。实验表明，依据本文提取出的特征能够很好地区分各种日标形状，而且具有鲁棒性特点。本文介绍的图像特征提取算法已应用于细胞自动识别系统中，识别效果良好。
参考文献：
［１］ＥＷｅｓｌｅｙ．ＳｎｙｄｅｒａｎｄＨａｉｍｎｇＱｉ．ｍａｃｈｉｎｅｖｉｓｉｏｎ［Ｍ］．ＣｈｉｎａＭａｃｈｉｎｅＰｒｅｓｓ．２００５．３２６—３５４．
［２】ＭｉｌａｎｓｏｎｋａａｎｄＶａｅｌａｖＨａｌａｖａｃ．ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇａｎａｌｙｓｉｓ，ａｎｄｍａｃｈｉｎｅｖｉｓｉｏｎ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｐｏｓｔｓ＆ＴｅｌｅｃｏｍＰｒｅｓｓ，２００３．１５６
一１８７．
［３】ＲｉｔａＣｕｅｃｈｉａｒａｅｔａ１．Ｔｈｅｖｅｃｔｏｒ—ＧｒａｄｉｅｎｔＨｏｕｇｈＴｒａｎｄｏｒｍ［Ｊ】．ＩＥＥＥＴｒａｍ．ＯｎＰＡＭＩ．１９９８，２０（７）：７４６—７５６．
［４］ＲＤｉｎｅｓｈ，ＳＳＤａｍｌｅ，ＤＳＧｕｍ．ＡＳｐｌｉｔ—ＢａｓｅｄＭｅｔｈｏｄｆｏｒＰｏ－ｉｙｇｏｎａｌＡｐｐｒｏｘｉｍａｔｉｏｎｏｆＳｈａｐｅＣｕｒｖｅｓ［Ｃ］．Ｐｒｏｃｏｆｔｈｅ１ｓｔＩｎｔｅｒ－ｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎａｎｄＭａｃｈｉｎｅｌｎｔｄｌｉ—ｇｃｎｃｅ，Ｋｏｌｋａｔａ．Ｉｎｄｉａ，２００５．３８２－３８７．
［５】ＲＯｓａｄａ．ＳｈａｐｅＤｉｓｔｒｉｂｕｔｉｏｎｓ【Ｊ］．ＡＣＭＴｒａｎｓａｃｔｉｏｎｓｏｎＧｒａｐｈ．ｉｏｓ，２００２。２１（４）：８０７—８３２．
［６］俞巧云。等．直线拟合方法在一维图像边缘检测中的应用［Ｊ］．光电工程，２００１，２８（６）：５６—５８，６５．
［７］ＳＢｄｏｎｇｉｅ，ＪＭａｌｉｋａｎｄＪＰｕｚｉｃｈａ．ＭａｔｃｈｉｎｇＳｈａｐｅｓ［Ｊ］．Ｐｒｏｃ．，ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，２００１。１：４５４—４６１．
［作者简介］
卢智勇（１９７１一），男（汉族），湖南邵阳人．硕士，讲
师，主要研究方向为计算机应用和职业教育；
梁光明（１９７０一），男（汉族），湖南涟源人，博士，副
教授，主要研究方向为模式识别，图像处理，图像编
码。
（上接第２６７页）
［６］ＣＨａｒｒｉｓ，ＭＳｔｅｐｈｅｎｓ．ＡＣｏｍｂｉｎｅｄＣｏｒｎｅｒａｎｄＥｄｇｅＤｅｔｅｃｔｉｏｎ［Ｊ］．ＩⅢ＿ｇｅＶｉｓｉｏｎＣｏｍｐｕｔｉｎｇ，１９９８－６．１２１—１２７．
［７］肖茜，鲁宏伟．基于高斯平滑的自适应角点检测［Ｊ］．计算机辅助设计与图形学学报，２００３，１５（１１）：１３５８—１３６１．
［８］李弼程，彭天强。彭波．智能图像处理技术［Ｍ］．北京：电子工业出版社，２００４．加３—２１０．
［作者简介】
陈桂兰（１９７９．１２一）。女（汉族），黑龙江省双鸭山
人，硕士，助教，主要研究领域为图像处理，计算机视
觉；
陈晓丹（１９８０．３），女（汉族），吉林省东丰县人，硕
士，助教，主要研究领域为智能教学；
曲天伟（１９７６．１２），女（汉族），黑龙江省绥化人，硕士，讲师，主要研究领域为图像处理．计算机视觉。
?－－——２７１．．．——