CN104091170A - 基于机器视觉的霉菌自动辨别方法 - Google Patents

Abstract

该发明公开了一种基于机器视觉的霉菌自动辨别方法，属于图像处理技术领域，特别是针对图像中霉菌的自动辨别方法。通过对样本溶液的放大图像进行二值化处理，利用霉菌图像的面积大小，说在最小矩形框的长宽比例，凹点个数等外形特征进行逐层筛选，最后进行与标准霉菌模版匹配，最终识别出霉菌，从而具有精度高、速度快、稳定性好、便于操作的效果。

Description

基于机器视觉的霉菌自动辨别方法

技术领域

本发明属于图像处理技术领域，特别是针对图像中霉菌的自动辨别方法。

背景技术

霉菌的检测在食品微生物检测领域存在广泛应用。目前，普遍采用的食品卫生检验方法，主要是通过依靠培养的方法来确定食品是否污染，检测时间通常超过48h，而且检测的结果需通过工作人员观察的方式，目视计算数量，不仅存在人为误差，也要消耗培养基，使得检测的成本较高，而且操作复杂存在误差。利用显微图像可以实现霉菌的快速检测，避免了传统检测中的速度慢，成本高，劳动强度大的缺点。

发明内容

本发明的目的是针对现有技术的不足之处设计了一种基于机器视觉的霉菌自动辨别方法，从而达到在对霉菌的检测过程中操作简单、速度快、准确率高的目的。

本发明的技术方案是一种基于机器视觉的霉菌自动辨别方法，该方法包括：

步骤1：使用显微镜采集样本溶液的图像；

步骤2：将步骤1得到的显微图像变换为灰度图像；

步骤3：将步骤2得到的灰度图像根据设定的灰度阈值将图像进行二值化处理得到二值图像；

步骤4：对步骤3得到的二值图像进行形态学闭运算，使断开的边缘连接，得到连接边缘后的二值图像。

步骤5：将步骤4得到的二值图像中白色连通区域进行标定，记录各标定连通区域的位置坐标；

步骤6：将步骤5中标定的连通区域进行筛选，利用连通区域面积条件进行筛选,保留面积大小适中的连通区域，然后用一个面积尽可能小的凸多边形围绕保留的连通区域，利用连通区域与凸多边形面积比例条件再进行筛选，保留面积比例适当的连通区域；

步骤7：根据步骤6保留连通区域的位置坐标，裁剪步骤4的二值图像，得到若干剪裁二值图像；

步骤8：利用剪裁二值图的长宽尺寸、面积大小、连通区域所占面积百分比进行筛选，保留符合条件的剪裁二值图；

步骤9：寻找步骤8保留的剪裁二值图中连通区域的凹点，根据凹点个数筛选符合条件的剪裁二值图；

步骤10：对步骤9得到的二值图像与不同大小的圆形模版进行匹配，计算出该剪裁二值图中能与模版匹配的圆形个数，保留个数符合条件的剪裁二值图；

步骤11：统计保留下来的剪裁二值图数目，即为检测到的霉菌数量。

其中步骤1使用显微镜采集样本溶液放大40倍后的显微图像。

步骤3的具体步骤为：

步骤3-1：设定二值化处理过程中灰度阈值为对灰度图像使用最大类间方差法得到的灰度阈值；

步骤3-2：将灰度图像各像素点灰度值与灰度阈值比较，若大于阈值则对该点灰度赋值0，若小于阈值则对该点灰度赋值255，得到二值图像。

步骤6的具体步骤为：

步骤6-1：计算连通区域面积，经过面积筛选保留面积在40～400之间的连通区域；

步骤6-2：用一个面积尽可能小的凸多边形围绕步骤5-1保留的连通区域，计算连通区域与其对应的凸多边形面积的比例，保留比例小于0.8的连通区域。

步骤8的具体步骤为：

步骤8-1：计算剪裁二值图的长、宽，保留边长在10～45之间的剪裁二值图；

步骤8-2：计算剩余剪裁二值图的面积，保留面积在140～1080之间的剪裁二值图；

步骤8-3：计算剩余剪裁二值图中连通区域所占像素比例，保留比例小于50％的剪裁二值图。

步骤9的具体步骤为：

步骤9-1：对剩余剪裁二值图中连通区域外轮廓进行边缘追踪，得到边缘各点坐标；

步骤9-2：对边缘采用Harris角点检测法，检测出所有角点；

步骤9-3：计算角点的凸凹性，将角点作为3*3矩形的中心，当白色像素个数大于5时，将该角点记为凹点；

步骤9-4：统计凹点个数，保留凹点数量在1～10之间的剪裁二值图。

步骤10的具体步骤为：

步骤10-1：将不同大小的圆形模版，在剪裁二值图中滑动,遍历整张剪裁二值图，在每次滑动过程中与模版覆盖的剪裁二值图的区域进行匹配，若该区域有80％的像素与模版相匹配，则将此时模版的圆心位置对应剪裁二值图的坐标记录下来，当用不同大小的模版，遍历完整张剪裁二值图后，得到很多圆心坐标；

步骤10-2：将步骤10-1得到的若干圆心坐标进行聚类，将相聚5个像素以内的圆心聚为一类，并重新计算其聚类圆心，然后统计剪裁二值图圆心个数，保留圆心个数大于1的剪裁二值图。

本发明一种针对食物微生物霉菌的自动辨别方法，通过对样本溶液的纤维图像进行二值化处理，利用霉菌的外形特征进行逐层筛选，最终识别出霉菌，从而具有精度高、速度快、稳定性好、便于操作的效果。该检测方法不仅在食品领域，在其他霉菌检测的方面都有应用。

附图说明

图1是本发明的基于机器视觉的食物微生物霉菌自动识别方法的流程图。

具体实施方式

下面结合附图，对本发明一种基于机器视觉的霉菌自动辨别方法进行详细说明：

步骤1：使用显微镜采集样本溶液的图像；

步骤2：将步骤1得到的显微图像变换为灰度图像；

步骤3：将步骤2得到的灰度图像根据设定的灰度阈值将图像进行二值化处理得到二值图像；

步骤3-1：设定二值化处理过程中灰度阈值为对灰度图像使用最大类间方差法得到的灰度阈值；

步骤3-2：将灰度图像各像素点灰度值与灰度阈值比较，若大于阈值则对该点灰度赋值0，若小于阈值则对该点灰度赋值255，得到二值图像。

步骤4：对步骤3得到的二值图像进行形态学闭运算，即先膨胀后腐蚀，使断开的边缘连接，得到连接边缘后二值图像。

步骤5：将步骤4得到的二值图像中白色连通区域进行标定，记录各标定连通区域的位置坐标；

步骤6：将步骤5中标定的连通区域进行筛选，利用连通区域面积条件进行筛选,保留面积大小适中的连通区域，然后用一个面积尽可能小的凸多边形围绕保留的连通区域，利用连通区域与凸多边形面积比例条件再进行筛选，保留面积比例适当的连通区域；

步骤6-1：计算连通区域面积，经过面积筛选保留面积在40～400之间的连通区域；

步骤6-2：用一个面积尽可能小的凸多边形围绕步骤5-1保留的连通区域，计算连通区域与其对应的凸多边形面积的比例，保留比例小于0.8的连通区域。

步骤7：根据步骤6保留连通区域的位置坐标，裁剪步骤4的二值图像，得到若干裁剪二值图像；

步骤8：利用剪裁二值图的长宽尺寸、面积大小、连通区域所占面积百分比进行筛选，保留符合条件的剪裁二值图；

步骤8-1：计算剪裁二值图的长、宽，保留边长在10～45之间的剪裁二值图；

步骤8-2：计算剩余剪裁二值图的面积，保留面积在140～1080之间的剪裁二值图；

步骤8-3：计算剩余剪裁二值图中连通区域所占像素比例，保留比例小于50％的剪裁二值图。

步骤9：寻找步骤8保留的剪裁二值图中连通区域的凹点，根据凹点个数筛选符合条件的剪裁二值图；

步骤9-1：对剩余剪裁二值图中连通区域外轮廓进行边缘追踪，得到边缘各点坐标；

步骤9-2：对边缘采用Harris角点检测法，检测出所有角点；

步骤9-3：计算角点的凸凹性，将角点作为3*3矩形的中心，当白色像素个数大于5时，将该角点记为凹点；

步骤9-4：统计凹点个数，保留凹点数量在1～10之间的剪裁二值图。

步骤10：对步骤9得到的二值图像与不同大小的圆形模版进行匹配，计算出该剪裁二值图中能与模版匹配的圆形个数，保留个数符合条件的剪裁二值图；

步骤10-1：将不同大小的圆形模版，在剪裁二值图中滑动,遍历整张剪裁二值图，在每次滑动过程中与模版覆盖的剪裁二值图的区域进行匹配，若该区域有80％的像素与模版相匹配，则将此时模版的圆心位置对应剪裁二值图的坐标记录下来，当用不同大小的模版，遍历完整张剪裁二值图后，得到很多圆心坐标；

步骤10-2：将步骤10-1得到的若干圆心坐标进行聚类，将相聚5个像素以内的圆心聚为一类，并重新计算其聚类圆心，然后统计剪裁二值图圆心个数，保留圆心个数大于1的剪裁二值图。

步骤11：统计保留下来的剪裁二值图数目，即为检测到的霉菌数量。

Claims (7)

1.基于机器视觉的霉菌自动辨别方法,该方法包括:

步骤1：使用显微镜采集样本溶液的图像；

步骤2：将步骤1得到的显微图像变换为灰度图像；

步骤3：将步骤2得到的灰度图像根据设定的灰度阈值将图像进行二值化处理得到二值图像；

步骤4：对步骤3得到的二值图像进行形态学闭运算，使断开的边缘连接，得到连接边缘后的二值图像。

步骤5：将步骤4得到的二值图像中白色连通区域进行标定，记录各标定连通区域的位置坐标；

步骤6：将步骤5中标定的连通区域进行筛选，利用连通区域面积条件进行筛选,保留面积大小适中的连通区域，然后用一个面积尽可能小的凸多边形围绕保留的连通区域，利用连通区域与凸多边形面积比例条件再进行筛选，保留面积比例适当的连通区域；

步骤7：根据步骤6保留连通区域的位置坐标，裁剪步骤4的二值图像，得到若干剪裁二值图像；

步骤8：利用剪裁二值图的长宽尺寸、面积大小、连通区域所占面积百分比进行筛选，保留符合条件的剪裁二值图；

步骤9：寻找步骤8保留的剪裁二值图中连通区域的凹点，根据凹点个数筛选符合条件的剪裁二值图；

步骤10：对步骤9得到的二值图像与不同大小的圆形模版进行匹配，计算出该剪裁二值图中能与模版匹配的圆形个数，保留个数符合条件的剪裁二值图；

步骤11：统计保留下来的剪裁二值图数目，即为检测到的霉菌数量。

2.如权利要求1所述的基于机器视觉的霉菌自动辨别方法,其特征在于步骤1使用显微镜采集样本溶液放大40倍后的显微图像。

3.如权利要求1所述的基于机器视觉的霉菌自动辨别方法,其特征在于步骤3的具体步骤为：

步骤3-1：设定二值化处理过程中灰度阈值为对灰度图像使用最大类间方差法得到的灰度阈值；

步骤3-2：将灰度图像各像素点灰度值与灰度阈值比较，若大于阈值则对该点灰度赋值0，若小于阈值则对该点灰度赋值255，得到二值图像。

4.如权利要求1所述的基于机器视觉的霉菌自动辨别方法,其特征在于步骤6的具体步骤为：

步骤6-1：计算连通区域面积，经过面积筛选保留面积在40～400之间的连通区域；

步骤6-2：用一个面积尽可能小的凸多边形围绕步骤5-1保留的连通区域，计算连通区域与其对应的凸多边形面积的比例，保留比例小于0.8的连通区域。

5.如权利要求1所述的基于机器视觉的霉菌自动辨别方法,其特征在于步骤8的具体步骤为：

步骤8-1：计算剪裁二值图的长、宽，保留边长在10～45之间的剪裁二值图；

步骤8-2：计算剩余剪裁二值图的面积，保留面积在140～1080之间的剪裁二值图；

步骤8-3：计算剩余剪裁二值图中连通区域所占像素比例，保留比例小于50％的剪裁二值图。

6.如权利要求1所述的基于机器视觉的霉菌自动辨别方法,其特征在于步骤9的具体步骤为：

步骤9-1：对剩余剪裁二值图中连通区域外轮廓进行边缘追踪，得到边缘各点坐标；

步骤9-2：对边缘采用Harris角点检测法，检测出所有角点；

步骤9-3：计算角点的凸凹性，将角点作为3*3矩形的中心，当白色像素个数大于5时，将该角点记为凹点；

步骤9-4：统计凹点个数，保留凹点数量在1～10之间的剪裁二值图。

7.如权利要求1所述的基于机器视觉的霉菌自动辨别方法,其特征在于步骤10的具体步骤为：

步骤10-1：将不同大小的圆形模版，在剪裁二值图中滑动,遍历整张剪裁二值图，在每次滑动过程中与模版覆盖的剪裁二值图的区域进行匹配，若该区域有80％的像素与模版相匹配，则将此时模版的圆心位置对应剪裁二值图的坐标记录下来，当用不同大小的模版，遍历完整张剪裁二值图后，得到很多圆心坐标；

步骤10-2：将步骤10-1得到的若干圆心坐标进行聚类，将相聚5个像素以内的圆心聚为一类，并重新计算其聚类圆心，然后统计剪裁二值图圆心个数，保留圆心个数大于1的剪裁二值图。