區域成長法復原細胞核區

為了要尋找白血球細胞核區塊，並且定位白血球區塊，本論文在一個前提下 進行後續的操作：「當雜訊完全去除掉的時候，剩下的區塊即為白血球細胞核區 塊」，因此，如果單純只對整張飽和度影像選取一個臨界值作分割，從 3.5.1 節可 以發現依然會存在本論文所不希望出現的錯誤區塊，想要從影像中找到一個全域 臨界值來做二值化切割幾乎是不可能的事，因此，在本小節延續 3.5.1 節的結果，

將探討的範圍從整張影像，限定到可能為白血球細胞核區塊的近鄰區域，一方面 修正 3.5.1 節為了在雜訊與真實細胞核區塊之間所作的取捨，一方面也因為搜索 細胞核區塊的範圍從整張影像，縮減到極小的範圍，將可大幅提高定位白血球區 塊的準確度，但是即使復原了核區，在此章節仍未能定位白血球細胞核，理由將 由 3.5.3 節回答。

由圖 3.18(d)，可以看到三個離散的白血球細胞核區塊，再參照圖 3.18(a)，

會發現這三個離散的白血球細胞核區塊實際上都同屬於一個細胞核，但是從這三 個白血球細胞核區塊並沒有辦法得到此細胞核任何資訊；觀察圖 3.18(a)，可以

40

發現原本的細胞核區塊遠比這三個白血球細胞核區塊來得大，為了實驗的進行，

有必要由現有的資訊來恢復完整的白血球細胞核。

首先第一個考慮的要點，若要恢復完整細胞核區塊，得要找出有什麼資料是 這些區塊的共通性質，以連結這些區塊；既然我們切割出白血球細胞核的依據是 來自於飽和度，那麼很理所當然地，若兩像素同在同一細胞核區的範圍內，則兩 像素間最大的相似性在於飽和度。

由現有的白血球細胞核區塊，分析這些區塊內的飽和度分布，計算其帄均值 與標準差，建立一個以現有區塊飽和度為基礎的高斯分佈模型，此高斯分布模型 將被用來描述像素與像素間的相似性，在本論文中稱此高斯模型為「相似性模 型」。

初始輪廓為圖 3.18(d)中所示的三個離散細胞核區塊的邊緣，搜索範圍為以 每個邊緣像素所在座標為中心，分析中心周圍的八個像素，將八個像素的飽和度 與相似性模型進行比較相似性程度，在此所說的相似性程度則是參考自高斯分布 本身的特性，有 68.27%的面積落在帄均值左右一個標準差範圍內，95.45%的面 積落在帄均值左右兩個標準差的範圍內，因此判斷該像素是否與目前的白血球細 胞核區塊相似，代表著該像素的飽和值落在相似性模型的哪個位置，越遠離帄均 值，代表著越相似或者越不相似，在本論文中定義一個臨界值為帄均值減去一個 標準差，倘若該像素的飽和值大於此臨界值，則代表該像素和目前的核區很相似，

因此，該像素將被歸類為核區的範圍之一；重複此一過程，直到舊有輪廓其周邊 像素都已經被比較且更新過，此時新的白血球細胞核區塊已經產生，依據此新的 白血球細胞核區塊重新計算其輪廓，重複此一流程，直到沒有新的像素被更新為 止，此時白血球區塊即重建完成，詳細演進過程如圖 3.19 所示：

41

(a) (b)

(c) (d)

(e) (f)

(g) (h)

42

(i) (j)

(k) (l)

(m) (n)

(o) (p)

43

(q) (r)

(s) (t)

圖 3.19 由(a)到(t)依序為區域成長法復原白血球細胞核區塊過程。