Модуль сегментации изображения
Данный модуль является одним из ключевых в программе, так как в нем выполняется непосредственное выделение ключевых областей на снимках. Существует огромное количество методов сегментации, основанных на различных алгоритмах, в данный момент в программе реализован пороговый метод, являющийся достаточно простым в реализации, и при этом обеспечивающий более чем удовлетворительную точность обработки изображений, что и послужило главным критерием его выбора. В качестве конкретного типа пороговой обработки был выбран оператор Собеля, так как в результате эксперимента было установлено, что он обеспечивает наилучшее выделение границ объектов, к недостаткам можно отнести трудности с выделением границ между двумя клетками при из взаимном наложении и иногда выделение ненужного шума, что приводит к требованию наличия значительной фильтрации изображения перед применением сегментации, однако с учётом наличия в программе достаточного количества фильтров и функции бинаризации подчеркивающей границу между взаимонакладывающимися объектами в достаточной мере для её выделения, эти недостатки можно считать несущественными. Пример выделения границ можно видеть на рис.7
рис.7
На данном примере хорошо видны границы объектов, включая даже частичное выделение внутренних особенностей. Порог сегментирования устанавливается пользователем и меняется в режиме реального времени, что позволяет подобрать идеальное его значение для каждого случая.
Данный модуль предполагает дальнейшее развитие и углубление на двух фундаментальных уровнях: добавление дополнительных способов пороговой сегментации, таких как операторы Превитта и Робертса, в определённых случаях обеспечивающие лучшее выделение границ; и добавление принципиально новых методов сегментации, таких как метод наращивания областей или кластерный анализ. Первая задача является достаточно тривиальной и не представляет особой сложности даже для не очень опытных разработчиков, так как требует всего лишь незначительного изменения существующего алгоритма. Вторая задача является намного более сложной, ибо требует разработки и внедрения принципиально новых методов, которые сами по себе достаточно сложны, и для из разработки требуются достаточно квалифицированные специалисты и внушительное количество времени.
Модуль классификации изображения
Данный модуль является важнейшим во всей программе, так как именно в нём происходит окончательное выделение объектов на изображении и их классификация. Собственно итог работы этого модуля является главным результатом работы программы, ради которого и создана вся система. Данный модуль не способен работать сам по себе и требует предварительной обработки изображения, а именно четкого определения границ объектов, на основании которых собственно и происходит их выделение и классификация. Классификация объектов может производиться по множеству различных параметров, таких как размер, оттенок, отношение осей, форма и многое другое, в данный момент в модуле реализована классификация объектов по их площади, позволяющая разделять все объекты на снимке на три типа, конкретные границы площади зависят от увеличения снимка и устанавливаются вручную. Наглядное представление классификации можно видеть на рис.8
рис.8
Цветовое выделение объектов сделано исключительно для большей наглядности и при сохранении в базу игнорируется. Синим цветом выделена основная изучаемая клетка, зеленым более мелкие клетки по соседству, а красным определенные внутренние особенности и различный мусор. Часть объектов не выделенна в связи с недостаточно точным выделением границы, из-за чего они не полностью отделены от фона и считаются с ним единым целым, что замечательно иллюстрирует зависимость данного модуля от результатов предварительной обработки изображения.
Модуль классификации, ввиду своей сложности и многогранности, требует наибольшей доработки. В текущем виде разделение объектов выполняется на достаточно низком уровне, в результате чего классификация актуальна лишь для различия различных типов клеток, в то время как для выделения конкретных паталогий требуется введение дополнительных видов классификации, в первую очередь по цвету и текстуре. Данное улучшение является приоритетным для системы в целом, так как в отличии от остальных модулей, в которых дополнения лишь слегка повысят точность и позволят использовать систему для более специализированных задач, доработка данного модуля позволит вывести работу системы на качественно новый уровень, что намного увеличит её практическую значимость. Учитывая сложность алгоритмов подобной классификации для их практической реализации можно порекомендовать объединить усилия двух-трёх специалистов, достаточно хорошо ориентирующихся в вопросах компьютерной обработки изображений, и эксперта, способного описать различия между здоровыми и паталогическими структурами на снимках, знание которых необходимо для успешной классификации снимков.