CN105420107A - 一种基于菌落形态特征的菌落自动筛选方法 - Google Patents

Abstract

本发明公开了一种基于菌落形态特征的菌落自动筛选方法，其步骤为：(1).输入菌落图像；(2).建立菌落图像像素坐标系同世界空间坐标系的转换模型；(3).对上述获取后的菌落图像进行预处理，获取预处理后的菌落图像；(4).对上述处理后的菌落图像进行图像二值化处理，得到二值菌落图像，对二值菌落图像按照连通原则分割图像，分割后得到二值菌落区域；(5).计算二值菌落区域的形态特征；(6).对上述步骤(5)中获取的菌落进行筛选。该方法根据菌落个体的形态特征对菌落进行筛选，并与优良菌落形态特征样本库进行比较，以保证菌落的筛选准确率，因此具有很高的普遍性，同时通过在菌落挑选仪上的大量菌落筛选实验，证明了本发明的方法对菌落筛选的准确性与精密度。

Description

一种基于菌落形态特征的菌落自动筛选方法

技术领域

本发明涉及一种生物医学图像处理领域，具体涉及一种基于菌落形态特征的菌落自动筛选方法。

背景技术

菌落培养是农业、食品、医药卫生分析中进行质量检测以及抗生素类药品制作中一项基本的工作，而菌落筛选与统计又是其中最重要的一个环节。通过菌落筛选可以为制药挑选出优质高产菌种。菌落筛选工作的经验表明，菌落的优劣与其生物学特性有一定关系，而菌落形态正是重要的生物学特征之一。以往菌落筛选与统计的工作大都是工作人员通过肉眼对培养皿的观察，得到大概的菌落大小、形状和颜色，进而对菌落进行分类、筛选和统计。这种做法对工作人员的专业性要求高、工作繁琐、具有较强的主观性、误差大、重现性不好。此外，一般菌落筛选所用试验样品量往往比较大，传统的人工筛选的方法周期长、效率低、工序繁杂，需要一种更为有效的筛选方法。

现有方式大多采用全局阈值法作为菌落识别筛选方式，依然存在图像处理时间长、对培养基颜色近似的菌落识别率低、误筛选率较大的缺点。

发明内容

本发明的目的在于针对现在菌落筛选技术存在的不足，提供一种基于菌落形态特征的菌落自动筛选方法，该方法能克服人工观察的主观性，不仅提高菌落筛选效率，还能提高菌落筛选的准确率，具有广泛的应用前景。

为达到上述目的，本发明采用下述技术方案：

一种基于菌落形态特征的菌落自动筛选方法，其步骤为：

(1).输入菌落图像；

(2).建立菌落图像像素坐标系同世界空间坐标系的转换模型；

(3).对上述获取后的菌落图像进行预处理，获取预处理后的菌落图像；

(4).对上述处理后的菌落图像进行图像二值化处理，得到二值菌落图像，对二值菌落图像按照连通原则分割图像，分割后得到二值菌落区域；

(5).计算二值菌落区域的形态特征；

(6).对上述步骤(5)中获取的菌落进行筛选。

上述步骤(3)中所述预处理包括：对菌落图像进行图像灰度化、图像缩放、图像滤波、图像锐化。

上述步骤(5)中所述的计算二值菌落区域的形态特征，具体是：分别计算二值菌落区域的面积、二值菌落区域的周长、二值菌落区域的最大长径、二值菌落区域的最小短径、二值菌落区域的形状特征参数，其中，

所述的计算二值菌落区域的面积，记为S，其计算式为：

$S=\underset{i=1}{\overset{n}{\Σ}}f(x,y)---\left(1\right)$

式(1)中， $f(x,y)=\left\{\begin{array}{cc}1& g(x,y)>r\\ 0& g(x,y)\≤r\end{array}\right.,$ g(x,y)为坐标(x,y)的梯度值，r为设定的分割阈值；

所述的计算二值菌落区域的周长，记为L，其计算公式为：

$L=\underset{i=0}{\overset{n}{\Σ}}\[1+\frac{\sqrt{2}-1}{2}(1-{\left(-1\right)}^{a_i})\]---\left(2\right)$

式(2)中，

所述的计算二值菌落区域的最大长径，记为D_max，其计算式为：

$D_{max}=\sqrt{{(x_a-x_b)}^2+{(y_a-y_b)}^2}---\left(3\right)$

式(3)中，(x_a,y_a)、(x_b,y_b)分别为二值菌落区域的最大长径两端端点的坐标；

所述的计算二值菌落区域的最小短径，记为D_min，其计算式为：

$D_{\min }=\frac{\[(x_a-x_b)\·(y_i-y_a)-(y_a-y_b)\·x_i-x_a\]}{\sqrt{{(x_a-x_b)}^2+{(y_a-y_b)}^2}}---\left(4\right)$

式(4)中，(x_a,y_a)、(x_b,y_b)分别为二值菌落区域的最大长径两端端点的坐标，(x_i,y_i)为二值菌落边缘上第i个点的坐标；

所述的计算二值菌落的区域的形状特征具体是分别定义二值菌落的区域偏心率、二值菌落的区域矩形度、二值菌落的区域形状参数，其中，

所述的二值菌落的区域偏心率为椭圆的焦距与主轴长度间距离之比，记为e，其表达式为：

e＝c/a(5)

式(5)中，a为二值菌落的区域半长径，a＝D_max/2，c为二值菌落的区域焦距，其计算公式如下：

$c=\sqrt{{(D_{\max }/2)}^2-{(D_{\min }/2)}^2}---\left(6\right)$

式(6)中，D_max为二值菌落的区域长径，D_min为二值菌落的区域短径；

所述的定义二值菌落的区域矩形度，记为R，其表达式为：

R＝S/(D_max·D_min)(7)

式(7)中，S为二值菌落的区域面积，D_max为二值菌落的区域长径，D_min为二值菌落的区域短径；

所述的二值菌落的区域形状参数，记为C₂，其表达式为：

C₂＝L²/4πS(8)

式(8)中，S为二值菌落的区域面积，L为二值菌落的区域周长。

上述步骤(6)中对上述步骤(5)中获取的菌落进行筛选，具体包括：

(6-1).预先建立优良菌落形态特征样本库，设定样本库中的优良菌落形态特征参数为优良菌落样本参数；

(6-2).将上述步骤(5)中获取的菌落特征参数与上述示范样本库中优良菌落参数相比较，当上述步骤(5)中获取的菌落特征参数与预选设定的示范样本库中菌落参数匹配一致时，则认定该菌落为优良菌落，筛选出优良菌落。

本发明方法与现有技术相比，具有如下显而易见的突出实质性特点和显著优点：

本发明的一种基于菌落形态特征的菌落自动筛选方法，该方法根据菌落个体的形态特征对菌落进行筛选，并与优良菌落形态特征样本库进行比较，以保证菌落的筛选准确率，因此具有很高的普遍性，同时通过在菌落挑选仪上的大量菌落筛选实验，证明了本发明的方法对菌落筛选的准确性与精密度。因此在生物医学图像处理和生物制药领域中，均有广泛的应用前景。

附图说明

图1为本发明的一种基于菌落形态特征的菌落自动筛选方法的流程图；

具体实施方式

下面结合附图对本发明实施方式做进一步地详细描述。

如图1所示，本发明的一种基于菌落形态特征的菌落自动筛选方法，其具体步骤如下：

(1).输入菌落图像

使用高分辨率摄像头采集菌落图像，采集的菌落图像为彩色数字图像，图像中的每个像素点用R、G、B三个颜色分量来表征；

(2).建立菌落图像像素坐标系同世界空间坐标系的转换模型；

(3).对上述获取后的菌落图像进行预处理，获取预处理后的菌落图像，具体包括：对菌落图像进行图像灰度化处理、图像缩放、图像滤波、图像锐化；

(4).对上述处理后的菌落图像进行图像二值化处理，得到二值菌落图像，对二值菌落图像按照连通原则分割图像，分割后得到二值菌落区域；

(5).计算二值菌落区域的形态特征，具体为分别计算二值菌落区域的面积、二值菌落区域的周长、二值菌落区域的最大长径、二值菌落区域的最小短径、二值菌落区域的形状特征参数，其具体如下：

所述的计算二值菌落区域的面积，记为S，其计算式为：

$S=\underset{i=1}{\overset{n}{\Σ}}f(x,y)---\left(1\right)$

式(1)中， $f(x,y)=\left\{\begin{array}{cc}1& g(x,y)>r\\ 0& g(x,y)\≤r\end{array}\right.,$ g(x,y)为坐标(x,y)的梯度值，r为设定的分割阈值；

所述的计算二值菌落区域的周长，记为L，其计算公式为：

$L=\underset{i=0}{\overset{n}{\Σ}}\[1+\frac{\sqrt{2}-1}{2}(1-{\left(-1\right)}^{a_i})\]---\left(2\right)$

式(2)中，

所述的计算二值菌落区域的最大长径，记为D_max，其计算式为：

$D_{max}=\sqrt{{(x_a-x_b)}^2+{(y_a-y_b)}^2}---\left(3\right)$

式(3)中，(x_a,y_a)、(x_b,y_b)分别为二值菌落区域的最大长径两端端点的坐标；

所述的计算二值菌落区域的最小短径，记为D_min，其计算式为：

$D_{\min }=\frac{\[(x_a-x_b)\·(y_i-y_a)-(y_a-y_b)\·x_i-x_a\]}{\sqrt{{(x_a-x_b)}^2+{(y_a-y_b)}^2}}---\left(4\right)$

式(4)中，(x_a,y_a)、(x_b,y_b)分别为二值菌落区域的最大长径两端端点的坐标，(x_i,y_i)为二值菌落边缘上第i个点的坐标；

所述的计算二值菌落的区域的形状特征参数，具体是分别定义二值菌落的区域偏心率、二值菌落的区域矩形度、二值菌落的区域形状参数，其中，

所述的计算二值菌落的区域的形状特征参数，其具体是，分别定义二值菌落的区域偏心率、二值菌落的区域矩形度、二值菌落的区域形状参数，其中：所述的二值菌落的区域偏心率定义为椭圆的焦距与主轴长度间距离之比，记为e，其表达式为：

e＝c/a(5)

式(5)中，a为二值菌落的区域半长径，其计算式为：a＝D_max/2；c为二值菌落的区域焦距，其计算公式如下：

$c=\sqrt{{(D_{max}/2)}^2-{(D_{min}/2)}^2}---\left(6\right)$

式(6)中，D_max为二值菌落的区域长径，D_min为二值菌落的区域短径；

所述的定义二值菌落的区域矩形度定义为二值菌落的区域面积与二值菌落的区域长径与二值菌落的区域短径相乘积之比，记为R，其表达式为：

R＝S/(D_max·D_min)(7)

式(7)中，S为二值菌落的区域面积，D_max为二值菌落的区域长径，D_min为二值菌落的区域短径；

所述的二值菌落的区域形状参数定义为二值菌落的区域面积与二值菌落的区域周长之比，记为记为C₂，其计算式如下：

C₂＝L²/4πS(8)

式(8)中，S为二值菌落的区域面积，L为二值菌落的区域周长；

(6).对上述步骤(5)中获取的菌落进行筛选，具体包括：

(6-1).预先建立优良菌落形态特征样本库，设定样本库中的优良菌落形态特征参数为优良菌落样本参数；

(6-2).将上述步骤(5)中获取的菌落特征参数与上述示范样本库中优良菌落参数相比较，当上述步骤(5)中获取的菌落特征参数与预选设定的示范样本库中菌落参数匹配一致时，则认定该菌落为优良菌落，筛选出优良菌落。

本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于上述的实施例。

Claims (4)

1.一种基于菌落形态特征的菌落自动筛选方法，其特征在于，该方法具体步骤为：

(1).输入菌落图像；

(2).建立菌落图像像素坐标系同世界空间坐标系的转换模型；

(3).对上述获取后的菌落图像进行预处理，获取预处理后的菌落图像；

(4).对上述处理后的菌落图像进行图像二值化处理，得到二值菌落图像，对二值菌落图像按照连通原则分割图像，分割后得到二值菌落区域；

(5).计算二值菌落区域的形态特征；

(6).对上述步骤(5)中获取的菌落进行筛选。

2.根据权利要求1所述的一种基于菌落形态特征的菌落自动筛选方法，其特征在于，上述步骤(3)中所述预处理包括：对菌落图像进行图像灰度化、图像缩放、图像滤波、图像锐化。

3.根据权利要求1所述的一种基于菌落形态特征的菌落自动筛选方法，其特征在于，上述步骤(5)中所述的计算二值菌落区域的形态特征，具体是：

分别计算二值菌落区域的面积、二值菌落区域的周长、二值菌落区域的最大长径、二值菌落区域的最小短径、二值菌落区域的形状特征参数，其中，

所述的计算二值菌落区域的面积，记为S，其计算式为：

$S=\underset{i=1}{\overset{n}{\Σ}}f(x,y)---\left(1\right)$

式(1)中， $f(x,y)=\left\{\begin{array}{cc}1& g(x,y)>r\\ 0& g(x,y)\≤r\end{array}\right.,$ g(x,y)为坐标(x,y)的梯度值，r为设定的分割阈值；

所述的计算二值菌落区域的周长，记为L，其计算公式为：

$L=\underset{i=0}{\overset{n}{\Σ}}\[1+\frac{\sqrt{2}-1}{2}(1-{(-1)}^{a_i})\]---\left(2\right)$

式(2)中，

所述的计算二值菌落区域的最大长径，记为D_max，其计算式为：

$D_{max}=\sqrt{{(x_a-x_b)}^2+{(y_a-y_b)}^2}---\left(3\right)$

式(3)中，(x_a,y_a)、(x_b,y_b)分别为最大长径两端端点的坐标；

所述的计算二值菌落区域的最小短径，记为D_min，其计算式为：

$D_{\min }=\frac{\[(x_a-x_b)\·(y_i-y_a)-(y_a-y_b)\·x_i-x_a\]}{\sqrt{{(x_a-x_b)}^2+{(y_a-y_b)}^2}}---\left(4\right)$

式(4)中，(x_a,y_a)、(x_b,y_b)分别为二值菌落区域的最大长径两端端点的坐标，(x_i,y_i)为二值菌落边缘上第i个点的坐标；

所述的计算二值菌落的区域的形状特征具体是分别定义二值菌落的区域偏心率、二值菌落的区域矩形度、二值菌落的区域形状参数，其中，

所述的二值菌落的区域偏心率为椭圆的焦距与主轴长度间距离之比，记为e，其表达式为：

e＝c/a(5)

式(5)中，a为二值菌落的区域半长径，其计算式为：a＝D_max/2，c为二值菌落的区域焦距，其计算公式如下：

$c=\sqrt{{(D_{\max }/2)}^2-{(D_{min}/2)}^2}---\left(6\right)$

式(6)中，D_max为二值菌落的区域长径，D_min为二值菌落的区域短径；

所述的定义二值菌落的区域矩形度，记为R，其表达式为：

R＝S/(D_max·D_min)(7)

式(7)中，S为二值菌落的区域面积，D_max为二值菌落的区域长径，D_min为二值菌落的区域短径；

所述的二值菌落的区域形状参数，记为C₂，其表达式为：

C₂＝L²/4πS(8)

式(8)中，S为二值菌落的区域面积，L为二值菌落的区域周长。

4.根据权利要求1所述的一种基于菌落形态特征的菌落自动筛选方法，其特征在于，上述步骤(6)中对上述步骤(5)中获取的菌落进行筛选，具体包括：

(6-1).预先建立优良菌落形态特征样本库，设定样本库中的优良菌落形态特征参数为优良菌落样本参数；

(6-2).将上述步骤(5)中获取的菌落特征参数与上述示范样本库中优良菌落参数相比较，当上述步骤(5)中获取的菌落特征参数与预选设定的示范样本库中菌落参数匹配一致时，则认定该菌落为优良菌落，筛选出优良菌落。