CN102663390A - 一种流式细胞显微图像二值化方法 - Google Patents

一种流式细胞显微图像二值化方法 Download PDF

Info

Publication number
CN102663390A
CN102663390A CN2012101299844A CN201210129984A CN102663390A CN 102663390 A CN102663390 A CN 102663390A CN 2012101299844 A CN2012101299844 A CN 2012101299844A CN 201210129984 A CN201210129984 A CN 201210129984A CN 102663390 A CN102663390 A CN 102663390A
Authority
CN
China
Prior art keywords
interval
image
value
cumulative histogram
accumulathist
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2012101299844A
Other languages
English (en)
Other versions
CN102663390B (zh
Inventor
宋洁
沈继楠
唐松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dirui Medical Technology Co Ltd
Original Assignee
Changchun Dirui Medical Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changchun Dirui Medical Technology Co Ltd filed Critical Changchun Dirui Medical Technology Co Ltd
Priority to CN201210129984.4A priority Critical patent/CN102663390B/zh
Publication of CN102663390A publication Critical patent/CN102663390A/zh
Application granted granted Critical
Publication of CN102663390B publication Critical patent/CN102663390B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Facsimile Image Signal Circuits (AREA)
  • Image Processing (AREA)
  • Image Input (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种流式细胞显微图像二值化方法，属于显微镜系统图像处理技术。包括）、统计图像灰度直方图、统计图像灰度累加直方图、基于累加直方图的计算。本发明方法通过基于灰度图像累加直方图的计算，可以得到较准确的二值化图像。

Description

一种流式细胞显微图像二值化方法
技术领域
本发明属于显微镜系统的图像处理技术领域，尤其是指一种流式细胞显微图像二值化方法。
背景技术
图像二值化是图像处理的基本操作和重要步骤，其功能是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。二值化方法主要分为全局二值化和局部二值化。全局二值化的基本思想是求取或设定一个阈值T，将源图像中大于T的像素设置为白色（或黑色），将源图像中小于T的像素值设置为黑色（或白色），其优点是处理速度快，对噪声不敏感，缺点是图像灰度分布不均匀时二值效果不理想，代表方法是Otsu方法。局部二值化方法是将源图像分为N份，对每一份分别求取阈值然后二值化，其优点是处理灰度不均匀图像效果较好，缺点是计算量大，对噪声敏感，代表方法是Niblack方法。
其它图像二值化方法也有很多，如专利CN00808969和专利 CN1694119提及和公开的方法。然而，流式细胞显微图像对比度相对较低和局部区域可能不清晰，当前二值化方法很难对绝大多数流式细胞显微图像计算出准确的二值图像。
发明内容
针对现有技术对流式细胞显微图像二值化的不足，本发明的目的是提供一种基于累加直方图的图像二值化方法，该方法能对流式细胞显微图像提供较好的二值化效果。
本发明的技术方案是：一种流式细胞显微图像二值化方法，包括以下步骤：
       （1）、计算待处理图像的灰度分布直方图；
       （2）、计算待处理图像的灰度累加直方图并归一化；
       （3）、在累加直方图横轴上选取一个区间[                                                
Figure 501796DEST_PATH_IMAGE001
,
Figure 675288DEST_PATH_IMAGE002
]，计算此区间内累加直方图中（
Figure 377315DEST_PATH_IMAGE001
, 
Figure 282954DEST_PATH_IMAGE003
）、（
Figure 379086DEST_PATH_IMAGE002
 ，
Figure 277641DEST_PATH_IMAGE004
）两点形成直线l的斜率和截距
Figure 219369DEST_PATH_IMAGE006
，其中
Figure 491212DEST_PATH_IMAGE003
、
Figure 678611DEST_PATH_IMAGE004
分别是像素灰度值、对应的累加值，区间[
Figure 169001DEST_PATH_IMAGE001
,
Figure 222408DEST_PATH_IMAGE002
]的选择尽可能包含图像灰度分布所在的区间，如256级灰度图像，可以选择区间[0,255]；
       （4）、在累加直方图横轴上选取一个区间[
Figure 747674DEST_PATH_IMAGE007
,
Figure 166017DEST_PATH_IMAGE008
]（[
Figure 458458DEST_PATH_IMAGE007
,
Figure 502506DEST_PATH_IMAGE008
]
Figure 134476DEST_PATH_IMAGE009
[
Figure 474453DEST_PATH_IMAGE001
,
Figure 519769DEST_PATH_IMAGE002
]），计算区间[,]内累加直方图中各点（x, y）到直线l的距离并排序，距离最大的点的横坐标值即为阈值；区间[
Figure 676447DEST_PATH_IMAGE007
,
Figure 881163DEST_PATH_IMAGE008
]为区间[
Figure 783127DEST_PATH_IMAGE001
,
Figure 186427DEST_PATH_IMAGE002
]子集，应包含累加直方图中累加值变化明显的区域；
（5）、根据阈值对图像二值化。
本发明一种实施方式是在步骤（1）中，设图像灰度级为M，统计图像中像素灰度值为i（i=0,1,2…M-1）的像素总数，记为Hist[i]，得到M级灰度分布直方图Hist[M]。
本发明一种实施方式是在步骤（2）中，由步骤（1）计算得来的M级灰度分布直方图Hist[M]，计算累加直方图AccumulatHist[M], AccumulatHist[0] = Hist[0]/(height*width)，AccumulatHist[i] = AccumulatHist [i-1] +Hist[i]/(height*width) （i=1,2…M-1），其中，i为像素灰度值，AccumulatHist[i]为像素灰度值小于等于i的像素总数的归一化值，其取值区间为[0,1]，height为图像高度，width为图像宽度。
本发明一种实施方式是在步骤（3）中，根据步骤（2）计算获得的累加直方图，在平面直角坐标系中得到M个点坐标（i, AccumulatHist[i]）（i=0,1,2…M-1），横轴分量i表示像素灰度值，纵轴分量AccumulatHist[i]表示像素灰度值小于等于i的像素总数的归一化值；根据累加直方图的特点，AccumulatHist[i]在区间[0,1]内是单调递增的，在M个点中取其中从
Figure 383053DEST_PATH_IMAGE001
开始的连续的（
Figure 324333DEST_PATH_IMAGE002
-+1）个点，可知其中的极小和极大值点分别为（
Figure 522413DEST_PATH_IMAGE001
 ，
Figure 952258DEST_PATH_IMAGE003
）和（
Figure 616719DEST_PATH_IMAGE002
 ，
Figure 95105DEST_PATH_IMAGE004
），计算两点连线l的斜率
Figure 738576DEST_PATH_IMAGE005
和截距
Figure 260693DEST_PATH_IMAGE006
，其中=（-
Figure 504090DEST_PATH_IMAGE003
）/（
Figure 695643DEST_PATH_IMAGE002
-
Figure 911861DEST_PATH_IMAGE001
），
Figure 732049DEST_PATH_IMAGE006
=
Figure 271484DEST_PATH_IMAGE003
-
Figure 214032DEST_PATH_IMAGE005
*
Figure 589650DEST_PATH_IMAGE001
。
本发明一种实施方式是在步骤（4）中，在累加直方图横轴上选取一个区间[
Figure 10267DEST_PATH_IMAGE007
,
Figure 171252DEST_PATH_IMAGE008
]（[
Figure 19122DEST_PATH_IMAGE007
,
Figure 882036DEST_PATH_IMAGE008
]
Figure 293295DEST_PATH_IMAGE009
[
Figure 620371DEST_PATH_IMAGE001
,
Figure 842405DEST_PATH_IMAGE002
]），计算区间[
Figure 254932DEST_PATH_IMAGE007
,
Figure 708697DEST_PATH_IMAGE008
]内累加直方图中各点（,
Figure 283214DEST_PATH_IMAGE011
）到直线l的距离
Figure 369988DEST_PATH_IMAGE012
（i=0,1,…
Figure 936099DEST_PATH_IMAGE008
-
Figure 909871DEST_PATH_IMAGE007
），其中
Figure 536024DEST_PATH_IMAGE012
=（
Figure 611559DEST_PATH_IMAGE005
*
Figure 715781DEST_PATH_IMAGE010
+
Figure 809639DEST_PATH_IMAGE011
+
Figure 793644DEST_PATH_IMAGE006
）/；选取
Figure 513656DEST_PATH_IMAGE012
中的最大值，此时对应的i值即可作为待处理图像阈值对图像进行二值化。
本发明的效果在于：采用本发明的图像二值化方法，能取得较好的图像二值化效果，尤其对流式细胞显微图像二值化效果较好，方便后续对图像的处理。
附图说明
图1是待处理细胞灰度图像；
图2是待处理图像的灰度统计直方图；
图3是待处理图像的灰度累加直方图；
图4是在累加直方图基础上的计算示意图；
图5是采用本发明方法的二值化结果图；
图6是采用Otsu方法的二值化结果图。
具体实施方式
包括以下步骤：
（1）、计算待处理图像的灰度分布直方图；
图1所示为待处理的灰度等级为256级细胞显微图像，图2为待处理图像灰度统计直方图，由图2可知图像像素灰度值分布较为集中；设图像灰度级为M，统计图像中像素灰度值为i（i=0,1,2…M-1）的像素总数，记为Hist[i]，得到M级灰度分布直方图Hist[M]；
（2）、计算待处理图像的灰度累加直方图并归一化：
由步骤（1）计算得来的M级灰度分布直方图Hist[M]，计算累加直方图AccumulatHist[M], AccumulatHist[0] = Hist[0]/(height*width)，AccumulatHist[i] = AccumulatHist [i-1] +Hist[i]/(height*width) （i=1,2…M-1），其中，i为像素灰度值，AccumulatHist[i]为像素灰度值小于等于i的像素总数的归一化值，其取值区间为[0,1]，height为图像高度，width为图像宽度；图3所示为待处理图像灰度累加直方图，横坐标为像素灰度值，纵坐标为像素灰度值小于等于横坐标值的像素总数归一化值；
（3）、在累加直方图横轴上选取一个区间[
Figure 524337DEST_PATH_IMAGE001
,
Figure 177779DEST_PATH_IMAGE002
]，计算此区间内累加直方图中（
Figure 273911DEST_PATH_IMAGE001
, 
Figure 657619DEST_PATH_IMAGE003
）、（ ，
Figure 114194DEST_PATH_IMAGE004
）两点形成直线l的斜率
Figure 635305DEST_PATH_IMAGE005
和截距
Figure 885021DEST_PATH_IMAGE006
，其中、
Figure 868468DEST_PATH_IMAGE004
分别是像素灰度值
Figure 876876DEST_PATH_IMAGE001
、
Figure 117233DEST_PATH_IMAGE002
对应的累加值。区间[
Figure 957013DEST_PATH_IMAGE001
,
Figure 375356DEST_PATH_IMAGE002
]的选择尽可能包含图像灰度分布所在的区间，如256级灰度图像，可以选择区间[0,255]；
根据步骤（2）计算获得的累加直方图，在平面直角坐标系中得到M个点坐标（i, AccumulatHist[i]）（i=0,1,2…M-1），横轴分量i表示像素灰度值，纵轴分量AccumulatHist[i]表示像素灰度值小于等于i的像素总数的归一化值；根据累加直方图的特点，AccumulatHist[i]在区间[0,1]内是单调递增的，在M个点中取其中从开始的连续的（
Figure 204521DEST_PATH_IMAGE002
-
Figure 836491DEST_PATH_IMAGE001
+1）个点，可知其中的极小和极大值点分别为（
Figure 488052DEST_PATH_IMAGE001
 ，
Figure 720319DEST_PATH_IMAGE003
）和（
Figure 115528DEST_PATH_IMAGE002
 ，），计算两点连线l的斜率
Figure 378462DEST_PATH_IMAGE005
和截距
Figure 645495DEST_PATH_IMAGE006
，其中=（
Figure 185378DEST_PATH_IMAGE004
-
Figure 631271DEST_PATH_IMAGE003
）/（
Figure 120022DEST_PATH_IMAGE002
-
Figure 60296DEST_PATH_IMAGE001
），
Figure 269167DEST_PATH_IMAGE006
=
Figure 433432DEST_PATH_IMAGE003
-
Figure 612741DEST_PATH_IMAGE005
*；
（4）、在累加直方图横轴上选取一个区间[
Figure 718286DEST_PATH_IMAGE007
,
Figure 319031DEST_PATH_IMAGE008
]（[
Figure 720057DEST_PATH_IMAGE007
,
Figure 64451DEST_PATH_IMAGE008
]
Figure 250843DEST_PATH_IMAGE009
[
Figure 694594DEST_PATH_IMAGE001
,
Figure 910812DEST_PATH_IMAGE002
]），计算区间[
Figure 980268DEST_PATH_IMAGE007
,
Figure 332752DEST_PATH_IMAGE008
]内累加直方图中各点（x, y）到直线l的距离并排序，距离最大的点的横坐标值即为阈值。区间[,
Figure 385339DEST_PATH_IMAGE008
]为区间[
Figure 762880DEST_PATH_IMAGE001
,
Figure 969871DEST_PATH_IMAGE002
]子集，应包含累加直方图中累加值变化明显的区域；
在累加直方图横轴上选取一个区间[
Figure 21003DEST_PATH_IMAGE007
,
Figure 946234DEST_PATH_IMAGE008
]（[,]
Figure 906603DEST_PATH_IMAGE009
[
Figure 741966DEST_PATH_IMAGE001
,
Figure 769964DEST_PATH_IMAGE002
]），计算区间[,
Figure 344482DEST_PATH_IMAGE008
]内累加直方图中各点（
Figure 431256DEST_PATH_IMAGE010
,
Figure 997366DEST_PATH_IMAGE011
）到直线l的距离
Figure 971139DEST_PATH_IMAGE012
（i=0,1,…
Figure 597292DEST_PATH_IMAGE008
-
Figure 404318DEST_PATH_IMAGE007
），其中
Figure 774119DEST_PATH_IMAGE012
=（*
Figure 665032DEST_PATH_IMAGE010
+
Figure 460818DEST_PATH_IMAGE011
+）/
Figure 317096DEST_PATH_IMAGE013
；选取
Figure 973467DEST_PATH_IMAGE012
中的最大值，此时对应的i值即可作为待处理图像阈值对图像进行二值化；
（5）、根据阈值对图像二值化。
如图4，本实施例中，取[0,255]区间（0, Hist[0]）和(255, Hist[255])两个极值点，其中Hist[0]=0，Hist[255]=1，连接两极值点成直线l， 经上述计算斜率
Figure 69599DEST_PATH_IMAGE005
值为0.00392，截距
Figure 718887DEST_PATH_IMAGE006
值为0。取[0,255]子区间[100,235],计算点（
Figure 849654DEST_PATH_IMAGE010
,AccumulatHist [
Figure 175462DEST_PATH_IMAGE010
]）（i=100,101,…235）到直线l的距离
Figure 493311DEST_PATH_IMAGE012
，选取最大的
Figure 946289DEST_PATH_IMAGE012
对应的i值作为图像二值化阈值。经计算本实例中
Figure 931562DEST_PATH_IMAGE012
最大值为0.1426，对应的i值为204，所以待处理灰度图像二值化阈值为204。
图5为采用本发明方法对源图像进行二值化的结果，其中白色部分为细胞区域，黑色部分为背景区域；图6为采用Otsu方法的二值化结果。不难看出，Otsu方法没有正确获取细胞的二值图像，丢失了很多细胞图像区域。采用本发明方法计算得到的二值图像达到了很好了二值化效果，可以满足实际应用的需求。

Claims (5)

1.一种流式细胞显微图像二值化方法，其特征在于包括以下步骤：
    （1）、计算待处理图像的灰度分布直方图；
    （2）、计算待处理图像的灰度累加直方图并归一化；
    （3）、在累加直方图横轴上选取一个区间[                                               
Figure 2012101299844100001DEST_PATH_IMAGE002
,
Figure 2012101299844100001DEST_PATH_IMAGE004
]，计算此区间内累加直方图中
（
Figure 826831DEST_PATH_IMAGE002
 , 
Figure 2012101299844100001DEST_PATH_IMAGE006
）、（
Figure 569659DEST_PATH_IMAGE004
 ，
Figure 2012101299844100001DEST_PATH_IMAGE008
）两点形成直线l的斜率
Figure 2012101299844100001DEST_PATH_IMAGE010
和截距
Figure 2012101299844100001DEST_PATH_IMAGE012
，其中
Figure 249164DEST_PATH_IMAGE006
、
Figure 88944DEST_PATH_IMAGE008
分别是像素灰度值
Figure 756555DEST_PATH_IMAGE002
、对应的累加值，区间[
Figure 843777DEST_PATH_IMAGE002
,]的选择尽可能包含图像灰度分布所在的区间，如256级灰度图像，可以选择区间[0,255]；
    （4）、在累加直方图横轴上选取一个区间[,]（[
Figure 140689DEST_PATH_IMAGE014
,
Figure 858110DEST_PATH_IMAGE016
]
Figure 2012101299844100001DEST_PATH_IMAGE018
[
Figure 440270DEST_PATH_IMAGE002
,]），计算区间[
Figure 14788DEST_PATH_IMAGE014
,
Figure 281821DEST_PATH_IMAGE016
]内累加直方图中各点（x, y）到直线l的距离并排序，距离最大的点的横坐标值即为阈值；区间[
Figure 480721DEST_PATH_IMAGE014
,
Figure 838015DEST_PATH_IMAGE016
]为区间[
Figure 831379DEST_PATH_IMAGE002
,
Figure 523392DEST_PATH_IMAGE004
]子集，应包含累加直方图中累加值变化明显的区域；
    （5）、根据阈值对图像二值化。
2.如权利要求1所述的一种流式细胞显微图像二值化方法，其特征在于：步骤（1）中，设图像灰度级为M，统计图像中像素灰度值为i（i=0,1,2…M-1）的像素总数，记为Hist[i]，得到M级灰度分布直方图Hist[M]。
3.如权利要求1所述的一种流式细胞显微图像二值化方法，其特征在于：步骤（2）中，由步骤（1）计算得来的M级灰度分布直方图Hist[M]，计算累加直方图AccumulatHist[M], AccumulatHist[0] = Hist[0]/(height*width)，AccumulatHist[i] = AccumulatHist [i-1] +Hist[i]/(height*width) （i=1,2…M-1），其中，i为像素灰度值，AccumulatHist[i]为像素灰度值小于等于i的像素总数的归一化值，其取值区间为[0,1]，height为图像高度，width为图像宽度。
4.如权利要求1所述的一种流式细胞显微图像二值化方法，其特征在于：步骤（3）中，根据步骤（2）计算获得的累加直方图，在平面直角坐标系中得到M个点坐标（i, AccumulatHist[i]）（i=0,1,2…M-1），横轴分量i表示像素灰度值，纵轴分量AccumulatHist[i]表示像素灰度值小于等于i的像素总数的归一化值；根据累加直方图的特点，AccumulatHist[i]在区间[0,1]内是单调递增的，在M个点中取其中从
Figure 650616DEST_PATH_IMAGE002
开始的连续的（
Figure 865347DEST_PATH_IMAGE004
-
Figure 29612DEST_PATH_IMAGE002
+1）个点，可知其中的极小和极大值点分别为（
Figure 271237DEST_PATH_IMAGE002
 ，
Figure 749623DEST_PATH_IMAGE006
）和（
Figure 127515DEST_PATH_IMAGE004
 ，
Figure 915211DEST_PATH_IMAGE008
），计算两点连线l的斜率
Figure 378554DEST_PATH_IMAGE010
和截距
Figure 660630DEST_PATH_IMAGE012
，其中
Figure 893029DEST_PATH_IMAGE010
=（
Figure 353091DEST_PATH_IMAGE008
-）/（
Figure 186235DEST_PATH_IMAGE004
-
Figure 476402DEST_PATH_IMAGE002
），
Figure 418950DEST_PATH_IMAGE012
= 
Figure 43835DEST_PATH_IMAGE006
-
Figure 730032DEST_PATH_IMAGE010
*
Figure 874705DEST_PATH_IMAGE002
。
5.如权利要求1所述的一种流式细胞显微图像二值化方法，其特征是：步骤（4）中，在累加直方图横轴上选取一个区间[
Figure 988155DEST_PATH_IMAGE014
,
Figure 913385DEST_PATH_IMAGE016
]（[
Figure 823179DEST_PATH_IMAGE014
,
Figure 150255DEST_PATH_IMAGE016
]
Figure 106710DEST_PATH_IMAGE018
[
Figure 519237DEST_PATH_IMAGE002
,
Figure 734186DEST_PATH_IMAGE004
]），计算区间[
Figure 915769DEST_PATH_IMAGE014
,
Figure 308704DEST_PATH_IMAGE016
]内累加直方图中各点（
Figure 2012101299844100001DEST_PATH_IMAGE020
, 
Figure 2012101299844100001DEST_PATH_IMAGE022
）到直线l的距离
Figure 2012101299844100001DEST_PATH_IMAGE024
（i=0,1,…
Figure 631363DEST_PATH_IMAGE016
-
Figure 135157DEST_PATH_IMAGE014
），其中
Figure 436825DEST_PATH_IMAGE024
=（*+
Figure 678954DEST_PATH_IMAGE022
+
Figure 835129DEST_PATH_IMAGE012
）/
Figure 2012101299844100001DEST_PATH_IMAGE026
；选取
Figure 311810DEST_PATH_IMAGE024
中的最大值，此时对应的i值即可作为待处理图像阈值对图像进行二值化。
CN201210129984.4A 2012-04-28 2012-04-28 一种流式细胞显微图像二值化方法 Active CN102663390B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210129984.4A CN102663390B (zh) 2012-04-28 2012-04-28 一种流式细胞显微图像二值化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210129984.4A CN102663390B (zh) 2012-04-28 2012-04-28 一种流式细胞显微图像二值化方法

Publications (2)

Publication Number Publication Date
CN102663390A true CN102663390A (zh) 2012-09-12
CN102663390B CN102663390B (zh) 2014-04-30

Family

ID=46772874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210129984.4A Active CN102663390B (zh) 2012-04-28 2012-04-28 一种流式细胞显微图像二值化方法

Country Status (1)

Country Link
CN (1) CN102663390B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886779A (zh) * 2017-02-15 2017-06-23 厦门大学 一种荧光显微图像二值化的自适应阈值方法
CN112507991A (zh) * 2021-02-04 2021-03-16 季华实验室 流式细胞仪数据的设门方法、系统、存储介质及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030133623A1 (en) * 2002-01-16 2003-07-17 Eastman Kodak Company Automatic image quality evaluation and correction technique for digitized and thresholded document images
CN1622589A (zh) * 2003-11-26 2005-06-01 松下电器产业株式会社 图像处理方法以及图像处理装置
CN101236607A (zh) * 2008-03-03 2008-08-06 哈尔滨工程大学 一种用于灰度图像快速多阈值分割的方法
CN101527829A (zh) * 2008-03-07 2009-09-09 华为技术有限公司 视频数据处理方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030133623A1 (en) * 2002-01-16 2003-07-17 Eastman Kodak Company Automatic image quality evaluation and correction technique for digitized and thresholded document images
CN1622589A (zh) * 2003-11-26 2005-06-01 松下电器产业株式会社 图像处理方法以及图像处理装置
CN101236607A (zh) * 2008-03-03 2008-08-06 哈尔滨工程大学 一种用于灰度图像快速多阈值分割的方法
CN101527829A (zh) * 2008-03-07 2009-09-09 华为技术有限公司 视频数据处理方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106886779A (zh) * 2017-02-15 2017-06-23 厦门大学 一种荧光显微图像二值化的自适应阈值方法
CN106886779B (zh) * 2017-02-15 2019-06-14 厦门大学 一种荧光显微图像二值化的自适应阈值方法
CN112507991A (zh) * 2021-02-04 2021-03-16 季华实验室 流式细胞仪数据的设门方法、系统、存储介质及电子设备
CN112507991B (zh) * 2021-02-04 2021-06-04 季华实验室 流式细胞仪数据的设门方法、系统、存储介质及电子设备

Also Published As

Publication number Publication date
CN102663390B (zh) 2014-04-30

Similar Documents

Publication Publication Date Title
CN104331876B (zh) 直线检测、图像处理的方法及相关装置
CN102722871B (zh) 一种快速有效的图像增强方法
CN102509095B (zh) 一种车牌图像的预处理方法
CN105374015A (zh) 基于局部对比度和笔画宽度估计的低质量文档图像二值化方法
CN102156868A (zh) 图像二值化方法和装置
CN106157329B (zh) 一种自适应目标跟踪方法及装置
CN104680500A (zh) 一种基于直方图均衡化的图像增强算法
CN102289668A (zh) 基于像素邻域特征的自适应文字图像的二值化处理方法
CN107895151A (zh) 一种强光照条件下基于机器视觉的车道线检测方法
CN114820773A (zh) 基于计算机视觉的筒仓运输车辆车厢位置检测方法
KR20150146045A (ko) 영상 내 안개 제거 장치 및 그 방법
CN113538491B (zh) 一种基于自适应阈值的边缘识别方法、系统及存储介质
CN107392095A (zh) 一种基于掩码图像的红外弱小目标检测算法
CN116630813B (zh) 一种公路路面施工质量智能检测系统
CN103020921A (zh) 基于局部统计信息的单幅图像去雾方法
CN104537342A (zh) 一种结合山脊边界检测及霍夫变换的快速车道线检测方法
CN108564538A (zh) 一种基于环境光差异的图像去雾霾方法及系统
CN104408727B (zh) 一种图像边缘污点检测方法及系统
CN102663390A (zh) 一种流式细胞显微图像二值化方法
US9571744B2 (en) Video processing method and apparatus
CN106127765A (zh) 基于自适应窗口和平滑阈值法的图像二值化系统
CN103514588B (zh) 图像增强方法和系统
CN104657969B (zh) 一种图像底纹去除方法及系统
CN107025633B (zh) 一种图像处理方法及装置
CN104361566A (zh) 一种优化暗部区域的图像处理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 130012 Changchun province high tech Zone, the River Street, No. 95, No.

Patentee after: Medical Polytron Technologies Inc

Address before: 130012 Changchun province high tech Zone, the River Street, No. 95, No.

Patentee before: Changchun Dirui Medical Technology Co., Ltd.

CP01 Change in the name or title of a patent holder