CN105335982A - 一种粘连菌落的分割方法 - Google Patents

Abstract

本发明提供了一种粘连菌落的分割方法，该方法包括以下步骤：采集系列间隔h小时的菌落图像；将最后采集的菌落图像进行菌落和背景的分割，得到菌落区域，并标记菌落区域的边界；根据菌落区域的边界，依次提取在菌落图像中与菌落区域位置相同的图像区域，并将提取到的图像区域进行菌落和背景的分割，分别得到在每个菌落图像中的菌落区域；分别计算菌落区域各自包含的连通区域数，建立向量，生成连通区域矩阵数J；最后通过观察对比不同时期图像的连通区域数，分别计算得出菌落区域的菌落数，实现粘连区域内菌落的精确计数。

Description

一种粘连菌落的分割方法

技术领域

本发明属于菌落自动检测领域，尤其涉及一种粘连菌落的分割方法。

背景技术

食品微生物检验主要包括致病菌、菌落总数和大肠杆菌总数的检验，是防止微生物危害人体健康的重要手段。其中，菌落总数是指食品检样经过处理，在一定条件下培养后所得1mL(或1g)检样中的菌落总数，根据所得的菌落总数可了解检样中微生物的含量。

目前，菌落计数的方法主要有直接计数法、平皿计数法和计算机图像自动计数法。直接计数法是利用血球计数板等在显微镜下直接数出细菌数量，但是该方法不能鉴别死菌和活菌且准确率低。平皿计数法是检测菌落总数的国家标准检验法(参考文献见：GB/T4789.2-2010食品卫生微生物学检验菌落总数测定[S])，是判断其他计数方法准确性的标准方法，该方法对于平皿中的单菌落计数较准确，但由于培养皿中菌落疏密不均匀地排列，常出现菌落粘连现象，依靠人工观察粘连菌落并计数具有一定的主观性且计数不准确，整体来说该方法操作繁琐、耗时长、误差大、效率低。随着计算机图像技术的发展，许多研究者提出了几种利用计数目标培养基图像中菌落与背景间颜色差异来自动分割计数的方法，其主要是利用各种算法(如距离变换、分水岭算法及迭代腐蚀法)强制分割粘连区域内的菌落(参考文献见：余辉，李金航，张力新，于旭耀，郑晓悦，齐丹.一种菌落自动计数方法[P].天津：CN102676633A，2012-09-19。)，虽然该方法提高了菌落计数的速度，尤其是培养皿中单菌落的计数，克服了人工计数法对粘连区域内菌落计数具有的主观性。但由于粘连菌落中菌落与菌落之间的灰度(颜色)差异很小，而各种算法是根据菌落与菌落之间灰度差异进行分割的，因此计算机图像自动计数法对粘连菌落的精确分割也无能为力，且需要研究人员具有较高的图像处理能力。另外，针对有杂质颗粒的培养基时，仅仅通过图像处理不能消除杂质颗粒对菌落计数的影响。

因此，精确分割粘连区域并计算粘连区域内菌落数量能确保食品、农产品中菌落总数检测更加精确，有利于保障食品、农产品等的质量安全。

发明内容

本发明的目的是为了解决现有技术中的不足，提出了一种操作简单且精度高的粘连菌落分割方法。粘连菌落是由2个或2个以上最初互不粘连且距离较近的单菌落自我繁殖、壮大，最后粘连形成的。因此，本发明首先定位计数培养皿图像中粘连菌落的位置，然后向前寻找与粘连菌落位置相同的区域内菌落还未粘连时期的图像，最后通过观察对比不同时期图像的连通区域数，实现粘连区域内菌落的精确计数。

本发明的技术方案是：一种粘连菌落的分割方法，其特征在于，包括以下步骤:

S1、采集菌落的图像，菌落在培养皿中培养，菌落的培养周期为kh小时，间隔h小时通过摄像装置采集菌落的图像，得到培养0小时、h小时、……、(k-1)h小时、kh小时对应的菌落图像k+1幅，分别为I₀、I_h、……、I_(k-1)h、I_kh，其中k为大于零的整数；

S2、将所述步骤S1采集得到的所述菌落图像I_kh进行菌落和背景的分割，得到n个菌落区域，分别为Q_kh,1、Q_kh,2、……、Q_kh,n-1、Q_kh,n，并标记图像I_kh中n个菌落区域的边界；

S3、根据n个菌落区域在所述菌落图像I_kh上的边界，依次提取在k+1幅所述菌落图像中与所述菌落区域位置相同的图像区域，得到(k+1)n个图像区域，并将提取到的(k+1)n个图像区域进行菌落和背景的分割，分别得到(k+1)n个菌落区域；

S4、分别计算所述步骤S3中得到的(k+1)n个菌落区域各自包含的连通区域数，建立向量S1、S2、……、S(n-1)、Sn，生成连通区域数矩阵J；

S5、根据所述步骤S4中的到的连通区域数，分别计算得出菌落区域的菌落数以及培养皿中的菌落总数。

上述方案中，所述步骤S1中所述摄像装置为CCD摄像头，所述CCD摄像头与计算机连接，将采集的图像传送到计算机；图像采集过程中所述CCD摄像头与所述培养皿的相对位置保持不变，所述CCD摄像头分辨率和光照都保持一致。

上述方案中，所述步骤S2具体为：

(1)对采集得到的所述菌落图像I_kh的彩色图像利用库函数rgb2gray实现图像的灰度化，得到灰度图像；

(2)编译中值滤波函数medfilt2对所有所述灰度图像进行预处理，中值滤波器尺寸为3*3；

(3)使用Otsu阈值分割法，得出所述菌落图像I_kh中n个菌落区域；

(4)利用轮廓标记法确定所述菌落图像I_kh中n个菌落区域对应的边界。

上述方案中，所述步骤S4中生成连通区域数矩阵J的具体步骤为：

根据所述边界在所述菌落图像的菌落区域对应的连通区域数，建立向量；最后得出的不同培养时间不同区域的连通区域数矩阵J。

上述方案中，所述步骤S5的具体步骤为：

(1)分别提取向量S1、S2、……、S(n-1)、Sn的最大值Max_i和最小值Min_i；

根据公式：

N_i＝|Max_i-Min_i|i＝1,2,……，n-1,n

得到的菌落数N_i代表了菌落区域Q_kh,i的菌落数；

(2)根据以下公式：

$M=\underset{i=1}{\overset{n}{\Σ}}{N}_{i}i=1,2,......,n-1,n$

得出培养皿中的菌落总数M。

本发明与现有技术相比具有以下有益效果：

与现有的直接计数法相比，本发明是利用平皿计数法，并对获取的图像进行计算机图像处理来实现待检样中的活菌自动计数，能够实时跟踪了解待检样中活菌数量的动态变化。

与现有的平皿计数法相比，本发明是基于图像自动处理方法来实现菌落的自动计数，且能够对粘连菌落进行准确分割，对粘连区域内菌落进行准确计数，实现了菌落计数的自动化、智能化。

与现有的图像处理自动计数法相比，本发明通过对比不同培养时期菌落图像中与粘连区域同一位置的连通区域数，实现了与现有的粘连菌落分割方法相比更加精确的分割，达到了更加精确计数的目的。故本发明实现了计数的精确性和快速性，且能够实现自动跟踪检测微生物数量。

附图说明

图1中(a)为图像I_7h的第1、2、3个菌落区域；

图1中(b)为3个菌落区域对应的边界；

图2中(1)为培养7h小时的3个菌落区域生长示意图；

图2中(2)为培养6h小时的3个菌落区域生长示意图；

图2中(3)为培养5h小时的3个菌落区域生长示意图；

图2中(4)为培养4h小时的3个菌落区域生长示意图；

图2中(5)为培养3h小时的3个菌落区域生长示意图；

图2中(6)为培养2h小时的3个菌落区域生长示意图；

图2中(7)为培养h小时的3个菌落区域生长示意图；

图2中(8)为培养0小时的3个菌落区域生长示意图。

具体实施方式

下面结合附图具体实施方式对本发明作进一步详细说明，但本发明的保护范围并不限于此。

本发明首先采集间隔h小时的菌落生长图像，利用最后采集的菌落图像确定粘连菌落的位置，通过MATLAB图像处理软件进行图像的处理，提取不同培养时期图像中与粘连菌落位置相同的区域，通过观察不同图像中与粘连菌落位置相同的区域的连通区域数变化情况，实现粘连菌落的分割与计数。

一种粘连菌落的分割方法，包括以下具体步骤：

S1、采集菌落的图像，菌落在培养皿中培养，菌落的培养周期为kh小时，间隔h小时通过摄像装置采集菌落的图像，得到培养0小时、h小时、……、(k-1)h小时、kh小时对应的菌落图像，分别为I₀、I_h、……、I_(k-1)h、I_kh，其中k为大于零的整数；

优选地，所述摄像装置为CCD摄像头，所述CCD摄像头与计算机连接，将采集的图像传送到计算机，图像采集过程中所述CCD摄像头与所述培养皿的相对位置保持不变，所述CCD摄像头分辨率和光照都保持一致。

S2、将所述步骤S1采集得到的所述菌落图像I_kh进行菌落和背景的分割，得到n个菌落区域，分别为Q_kh,1、Q_kh,2、……、Q_kh,n-1、Q_kh,n，并标记图像I_kh中n个区域的边界，分别为R₁、R₂、……、R_n-1、R_n；具体步骤为：

(1)对采集得到的所述菌落图像I_kh的彩色图像利用库函数rgb2gray实现图像的灰度化，得到灰度图像；

(2)编译中值滤波函数medfilt2对所有所述灰度图像进行预处理，中值滤波器尺寸为3*3；

(3)使用Otsu阈值分割法，得出所述菌落图像I_kh中n个菌落区域；

(4)利用轮廓标记法确定所述菌落图像I_kh中n个菌落区域对应的边界。

S3、根据n个菌落区域在所述菌落图像I_kh上的边界R₁、R₂、……、R_n-1、R_n，依次提取在k+1幅所述菌落图像I₀、I_h、……、I_(k-1)h、I_kh中与所述菌落区域Q_kh,1、Q_kh,2、……、Q_kh,n-1、Q_kh,n位置相同的图像区域，得到(k+1)n个图像区域，并将提取到的(k+1)n个图像区域进行菌落和背景的分割，分别得到在I_kh中的n个菌落区域Q_kh,1、Q_kh,2、……、Q_kh,n-1、Q_kh,n，在I_(k-1)h中的n个菌落区域Q_(k-1)h,1、Q_(k-1)h,2、……、Q_(k-1)h,n-1、Q_(k-1)h,n，……，在I_h中的n个菌落区域Q_h,1、Q_h,2、……、Q_h,n-1、Q_h,n和在I₀中的n个菌落区域Q_0,1、Q_0,2、……、Q_0,n-1、Q_0,n。

S4、分别计算所述步骤S3中得到的(k+1)n个菌落区域各自包含的连通区域数，建立向量S1、S2、……、S(n-1)、Sn，生成连通区域数矩阵J；具体步骤为：

根据所述边界R₁在所述菌落图像I_kh、I_(k-1)h、……、I_h、I₀的菌落区域Q_kh,1、Q_(k-1)h,1、……、Q_h,1、Q_0,1对应的连通区域数X_kh,1、X_(k-1)h,1、……、X_h,1、X_0,1，建立向量S1＝[X_kh,1X_(k-1)h,1……X_h,1X_0,1]；

根据所述边界R₂在所述菌落图像I_kh、I_(k-1)h、……、I_h、I₀的菌落区域Q_kh,2、Q_(k-1)h,2、……、Q_h,2、Q_0,2对应的连通区域数X_kh,2、X_(k-1)h,2、……X_h,2、X_0,2，建立向量S2＝[X_kh,2X_(k-1)h,2……X_h,2X_0,2]；

……

根据所述边界R_n-1在所述菌落图像I_kh、I_(k-1)h、……、I_h、I₀的菌落区域Q_kh,n-1、Q_(k-1)h,n-1、……、Q_h,n-1、Q_0,n-1对应的连通区域数X_kh,n-1、X_(k-1)h,n-1、……X_h,n-1、X_0,n-1，建立向量S(n-1)＝[X_kh,n-1X_(k-1)h,n-1……X_h,n-1X_0,n-1]；

根据所述边界R_n在所述菌落图像I_kh、I_(k-1)h、……、I_h、I₀的菌落区域Q_kh,n、Q_(k-1)h,n、……、Q_h,n、Q_0,n对应的连通区域数X_kh,n、X_(k-1)h,n、……、X_h,n、X_0,n，建立向量Sn＝[X_kh,nX_(k-1)h,n……X_h,nX_0,n]；

最后得出的不同培养时间不同区域的连通区域数矩阵 $J=\left[\begin{array}{c}{X}_{kh,1}{X}_{\left(k-1\right)h,1}\mathrm{......}{X}_{h,1}{X}_{0,1}\\ X_{kh,2}{X}_{\left(k-1\right)h,2}\mathrm{......}{X}_{h,2}{X}_{0,2}\\ \mathrm{......}\\ X_{kh,n-1}{X}_{\left(k-1\right)h,n-1}\mathrm{......}{X}_{h,n-1}{X}_{0,n-1}\\ X_{kh,n}X{\left(k-1\right)}_{h,n}\mathrm{......}{X}_{h,n}{X}_{0,n}\end{array}\right].$

S5、根据所述步骤S4中的到的连通区域数，分别计算得出菌落区域的菌落数以及培养皿中的菌落总数，具体步骤为：

(1)分别提取向量S1、S2、……、S(n-1)、Sn的最大值Max_i和最小值Min_i；

根据公式：

N_i＝|Max_i-Min_i|i＝1,2,……，n-1,n

得到的菌落数N_i代表了菌落区域Q_kh,i的菌落数；

(2)根据以下公式：

$M=\underset{i=1}{\overset{n}{\Σ}}{N}_{i}i=1,2,......,n-1,n$

得出培养皿中的菌落总数M。

根据以上分析可将菌落分割及其计数分为以下四3种具体情况：

情况1：若菌落图像I_kh～I₀中相同位置区域内的连通区域数由1增加至z，然后减少至0，则该区域包括z个菌落。

情况2：若菌落图像I_kh～I₀中相同位置区域内的连通区域数由1增加至z，然后减少至p，则该粘连区域包括z-p个菌落。

情况3：若菌落图像I_kh～I₀中相同位置区域内的连通区域数为1，且一直不变，则该区域包括0个菌落。

图1和图2所示为本发明所述的粘连菌落的分割方法的一种实施方式，所述粘连菌落的分割方法包括以下步骤：

1、采集菌落的图像，菌落在培养皿中培养，菌落的培养周期为7h小时，间隔h小时通过CCD摄像头采集菌落的图像，得到培养0小时、h小时、……、6h小时、7h小时对应的菌落图像，分别为I₀、I_h、I_2h、I_3h、I_4h、I_5h、I_6h、I_7h。每次采集时相关参数保持一致，如所述CCD摄像头与培养皿的相对位置不变，所述CCD摄像头分辨率、光照等都必须保持不变。

2、将步骤1采集得到的菌落图像I_7h进行菌落和背景的分割，得到3个菌落区域，分别为Q_7h,1、Q_7h,2、Q_7h,3，并利用轮廓标记法确定菌落图像I_7h中的菌落区域边界R₁、R₂、R₃，如图1所示。具体步骤为：

(1)对采集得到的菌落图像I_7h的彩色图像利用库函数rgb2gray可实现图像的灰度化，得到灰度化图像。

(2)编译中值滤波函数medfilt2对所有灰度图像进行预处理，中值滤波器尺寸为3*3。

(3)使用Otsu阈值分割法选用适当的阈值T，得出菌落图像中3个菌落区域Q_7h,1、Q_7h,2、Q_7h,3，如图1中(a)所示的第1、2、3个菌落区域。

(4)利用轮廓标记法确定菌落图像I_7h中3个菌落区域对应的边界，图1中(b)所示为菌落图像I_7h中3个连通区域对应的边界R₁、R₂、R₃。

3、根据步骤2中的到的3个菌落区域在图像I_7h上的边界R₁、R₂、R₃，依次提取在8幅菌落图像I₀、I_h、I_2h、I_3h、I_4h、I_5h、I_6h、I_7h中与菌落区域Q_7h,1、Q_7h,2、Q_7h,3位置相同的图像区域，得到24个图像区域，并将提取到的24个图像区域进行菌落和背景的分割，得到在I_7h中的3个菌落区域Q_7h,1、Q_7h,2、Q_7h,3，如图2中的(1)所示包含菌落培养7h小时的3个菌落区域；得到在I_6h中的3个菌落区域Q_6h,1、Q_6h,2、Q_6h,3，如图2中的(2)所示包含菌落培养6h小时的3个菌落区域；得到在I_5h中的3个菌落区域Q_5h,1、Q_5h,2、Q_5h,3，如图2中的(3)所示包含菌落培养5h小时的3个菌落区域；得到在I_4h中的3个菌落区域Q_4h,1、Q_4h,2、Q_4h,3，如图2中的(4)所示包含菌落培养4h小时的3个菌落区域；得到在I_3h中的3个菌落区域Q_3h,1、Q_3h,2、Q_3h,3，如图2中的(5)所示包含菌落培养3h小时的3个菌落区域；得到在I_2h中的3个菌落区域Q_2h,1、Q_2h,2、Q_2h,3，如图2中的(6)所示包含菌落培养2h小时的3个菌落区域；得到在I_h中的3个菌落区域(Q_h,1、Q_h,2、Q_h,3)，如图2中的(7)所示包含菌落培养h小时的3个菌落区域；得到在I₀中的3个菌落区域(Q_0,1、Q_0,2、Q_0,3)，如图2中的(8)所示包含菌落培养0小时的3个菌落区域。

4、分别计算步骤3中得到的24个菌落区域各自包含的连通区域数，得到连通区域数矩阵J(3×8)。

生成连通区域数矩阵J的具体过程为：I_7h图像中菌落区域Q_7h,1的连通区域数1为矩阵J的第1行第1列元素，菌落区域Q_6h,1、Q_5h,1、Q_4h,1、Q_3h,1、Q_2h,1、Q_1h,1、Q_0,1对应的连通区域数1分别为第1行第2、3、4、5、6、7、8列的元素，故连通区域数矩阵J的第1行为S1＝[11111111]。

菌落区域Q_7h,2、Q_6h,2、Q_5h,2、Q_4h,2、Q_3h,2、Q_2h,2、Q_1h,2的连通区数1分别为J矩阵第2行第1、2、3、4、5、6、7列的元素，区域Q_0,2菌落数0为第2行第8列的元素，连通区域数矩阵J的第2行为S2＝[11111110]。

菌落区域Q_7h,3的连通区域数1为第3行第1列的元素，菌落区域Q_6h,3的连通区域数1为第3行第2列的元素，区域Q_5h,3的连通区域数1为第3行第3列的元素，区域Q_4h,3的连通区域数3为第3行第4列的元素，区域Q_3h,3的连通区域数2为第3行第5列的元素，区域Q_2h,3的连通区域数1为第3行第6列的元素，区域Q_h,3的连通区域数0为第3行第7列的元素，区域Q_0,3的连通区域数0为第3行第8列的元素，故连通区域数矩阵J的第三行为S3＝[11132100]。

因此，最后得出的不同培养时间不同区域的连通区域数矩阵J为

$J=\left[\begin{array}{cccccccc}1& 1& 1& 1& 1& 1& 1& 1\\ 1& 1& 1& 1& 1& 1& 1& 0\\ 1& 1& 1& 3& 2& 1& 0& 0\end{array}\right]$

连通区域矩阵J的第1行各元素分别代表8幅图像中区域Q_7h,1、Q_6h,1、Q_5h,1、Q_4h,1、Q_3h,1、Q_2h,1、Q_h,1、Q_0,1的连通区域数，第2行各元素分别代表8幅图像中区域Q_7h,2、Q_6h,2、Q_5h,2、Q_4h,2、Q_3h,2、Q_2h,2、Q_h,2、Q_0,2的连通区域数，第3行各元素分别代表8幅图像中区域Q_7h,3、Q_6h,3、Q_5h,3、Q_4h,3、Q_3h,3、Q_2h,3、Q_h,3、Q_0,3的连通区域数。

5、(1)编程提取连通区域数矩阵J每行的最大值Max_i和最小值Min_i得到矩阵A

$A=\left[\begin{array}{cc}1& 1\\ 1& 0\\ 3& 0\end{array}\right]$

(2)利用公式

N(i,1)＝A(i,1)-A(i,2)i＝1,2,3

计算菌落区域Q_kh,i的菌落数，具体的操作过程为A矩阵的第1列 $\left[\begin{array}{c}1\\ 1\\ 3\end{array}\right]$ 减去第2列 $\left[\begin{array}{c}1\\ 0\\ 0\end{array}\right]$ 得到菌落数矩阵 $N=\left[\begin{array}{c}0\\ 1\\ 3\end{array}\right],$ 菌落数矩阵N元素N(i,1)代表菌落区域Q_kh,i的菌落数，即菌落区域Q_7h,1的菌落数为0，菌落区域Q_7h,2的菌落数为1，菌落区域Q_7h,3的菌落数为3。

(3)利用公式

$M=\underset{i=1}{\overset{n}{\Σ}}{N}_{i}i=1,2,3$

得出培养皿中的总菌落数为M＝0+1+3＝4。

每个菌落区域的具体计数情况为：

菌落区域Q_7h,1、Q_6h,1、Q_5h,1、Q_4h,1、Q_3h,1、Q_2h,1、Q_h,1、Q_0,1中连通区域数由1增加至1，然后减少至1，则粘连区域Q_7h,1包括0个菌落，可见Q_7h,1为平皿中的杂质颗粒，不是菌落；

菌落区域Q_7h,2、Q_6h,2、Q_5h,2、Q_4h,2、Q_3h,2、Q_2h,1、Q_h,1、Q_0,1中连通区域数由1增加至1，然后减至0，则粘连区域Q_7h,2包括1个菌落，区域Q_7h,2为单独的菌落，不是粘连菌落；

菌落区域Q_7h,3、Q_6h,3、Q_5h,3、Q_4h,3、Q_3h,3、Q_2h,3、Q_h,3、Q_0,3中连通区域数由1增加至3，然后减至0，则粘连区域Q_7h,3包括3个菌落，通过本发明准确地分割了粘连区域Q_7h,3。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。

Claims (5)

1.一种粘连菌落的分割方法，其特征在于，包括以下步骤:

S1、采集菌落的图像，菌落在培养皿中培养，菌落的培养周期为kh小时，间隔h小时通过摄像装置采集菌落的图像，得到培养0小时、h小时、……、(k-1)h小时、kh小时对应的菌落图像k+1幅，分别为I₀、I_h、……、I_(k-1)h、I_kh，其中k为大于零的整数；

S2、将所述步骤S1采集得到的所述菌落图像I_kh进行菌落和背景的分割，得到n个菌落区域，分别为Q_kh,1、Q_kh,2、……、Q_kh,n-1、Q_kh,n，并标记图像I_kh中n个菌落区域的边界；

S3、根据n个菌落区域在所述菌落图像I_kh上的边界，依次提取在k+1幅所述菌落图像中与所述菌落区域位置相同的图像区域，得到(k+1)n个图像区域，并将提取到的(k+1)n个图像区域进行菌落和背景的分割，分别得到(k+1)n个菌落区域；

S4、分别计算所述步骤S3中得到的(k+1)n个菌落区域各自包含的连通区域数，建立向量S1、S2、……、S(n-1)、Sn，生成连通区域数矩阵J；

S5、根据所述步骤S4中的到的连通区域数，分别计算得出菌落区域的菌落数以及培养皿中的菌落总数。

2.根据权利要求1所述的粘连菌落的分割方法，其特征在于，所述步骤S1中所述摄像装置为CCD摄像头，所述CCD摄像头与计算机连接，将采集的图像传送到计算机；图像采集过程中所述CCD摄像头与所述培养皿的相对位置保持不变，所述CCD摄像头分辨率和光照都保持一致。

3.根据权利要求1所述的粘连菌落的分割方法，其特征在于，所述步骤S2具体为：

(1)对采集得到的所述菌落图像I_kh的彩色图像利用库函数rgb2gray实现图像的灰度化，得到灰度图像；

(2)编译中值滤波函数medfilt2对所有所述灰度图像进行预处理，中值滤波器尺寸为3*3；

(3)使用Otsu阈值分割法，得出所述菌落图像I_kh中n个菌落区域；

(4)利用轮廓标记法确定所述菌落图像I_kh中n个菌落区域对应的边界。

4.根据权利要求1所述的粘连菌落的分割方法，其特征在于，所述步骤S4中生成连通区域数矩阵J的具体步骤为：

根据所述边界在所述菌落图像的菌落区域对应的连通区域数，建立向量；最后得出的不同培养时间不同区域的连通区域数矩阵J。

5.根据权利要求1所述的粘连菌落的分割方法，其特征在于，所述步骤S5的具体步骤为：

(1)分别提取向量S1、S2、……、S(n-1)、Sn的最大值Max_i和最小值Min_i；

根据公式：

N_i＝|Max_i-Min_i|i＝1,2,……，n-1,n

得到的菌落数N_i代表了菌落区域Q_kh,i的菌落数；

(2)根据以下公式：

$M=\underset{i=1}{\overset{n}{\Σ}}{N}_i,i=1,2,......,n-1,n$

得出培养皿中的菌落总数M。