CN106600608A - 一种人机互动的环境微生物显微图像分割方法 - Google Patents
一种人机互动的环境微生物显微图像分割方法 Download PDFInfo
- Publication number
- CN106600608A CN106600608A CN201611063128.8A CN201611063128A CN106600608A CN 106600608 A CN106600608 A CN 106600608A CN 201611063128 A CN201611063128 A CN 201611063128A CN 106600608 A CN106600608 A CN 106600608A
- Authority
- CN
- China
- Prior art keywords
- edge
- image segmentation
- mask matrix
- environmental microorganism
- matrix
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种人机互动的环境微生物显微图像分割方法。本发明抛弃现有的阈值图像分割方法，使用边缘检测的方法来找到微生物的轮廓位置，再进一步使用形态学操作来连接、填充和平滑这些轮廓，最后得到了高准确度的图像分割结果。本发明适用于各种环境微生物图片的检测。
Description
技术领域
本发明涉图像识别技术领域，尤其涉及一种人机互动的环境微生物显微图像分割方法。
背景技术
现有技术使用阈值(thresholding)的方法对环境微生物显微图片进行图像分割，以获得微生物的形体和位置信息。如图1所示，该方法由左至右共包含三个步骤：
1.使用显微镜与数码相机，采集环境微生物的原始显微图片；
2.将原始的彩色显微图片转换为灰度图片：在转换过程中，只保留原始图片的明暗信息，去除色彩信息；
3.计算灰度图片的平均亮度(平均像素值)A，然后将灰度图中的亮度分为两类：第一类为亮度不小于A的像素A1，第二类为亮度小于A的像素A2。之后，对两类像素重新着色，如图1所示，可以将A1着色为白色，A2着色为黑色；也可以相反，将A1着色成黑色，A2着色为白色。这个二值图(黑白图)即最终的图像分割结。
上述方法只应用阈值对环境微生物显微图片进行图像分割，当图片中的干扰信号(噪点和异常物体)较少时(如图1中第一行的图片)，阈值方法可以得到较好的图像分割结果。但是，一旦图片中的干扰信号过多、过大时(如图1中第二行的图片)，阈值方法将难以区分目标物体与其他物体，导致图像分割效果大幅降低，甚至失败。
发明内容
为解决上述问题，本发明提供了一种人机互动的环境微生物显微图像分割方法，包括如下步骤：
步骤一：预先选定环境微生物显微图像；
步骤二：使用光标选定微生物所在的区域，该区域的图像作为原始待检图像；
步骤三：预先定义水平方向的掩模矩阵A和垂直方向的掩模矩阵B；
步骤四：选定被测图像中的某个像素点，将其像素值作为像素矩阵C的某个元素，像素矩阵C的其他元素为该像素点邻近其他像素点的像素值。
步骤五：对步骤3.2中像素矩阵域进行原始的亮度梯度计算，计算公式为：
步骤六：将原始的亮度梯度与预先给定的阈值进行比较，如果高于这个阈值，则判定对应像素点所在位置为边缘，将其颜色变为边缘区域对应颜色，否则判断不为边缘，将其颜色变为非边缘区域对应颜色；
步骤七：重复执行步骤三至六，利用迭代的方法遍历原始待检图像中的所有像素点，并最终检测出所有的边缘。
步骤八：得出边缘突出显示的检测图像。
进一步的，还包括步骤九：对步骤八获得的边缘突出显示的检测图像进行开操作或者闭操作的形态学处理。
进一步的，步骤三采用Sobel边缘检测技术,掩模矩阵A为掩模矩阵B为
进一步的，步骤三采用Canny边缘检测技术,掩模矩阵A和掩模矩阵B为任意二维高斯矩阵。
进一步的，步骤三采用Prewitt边缘检测技术，掩模矩阵A为掩模矩阵B为
进一步的，步骤三采用Roberts边缘检测技术，掩模矩阵A为掩模矩阵B为
进一步的，步骤三采用用Laplacian of Gaussian边缘检测技术，掩模矩阵A为掩模矩阵B为
进一步的，步骤六中，判定为边缘的像素点变为白色，不为边缘的像素点为黑色。
本发明的有益效果为：
与现有技术相比，本专利加强了环境微生物显微图像分割的精度，结合了人机互动与边缘检测和形态学操作的方法，用人机互动的办法提高了环境微生物显微图片的图像分割区域选择精度，解决了现有的阈值图像分割方法无法有效应对强烈干扰信号的问题，用Sobel边缘检测和多种形态学操作的方法，提高了环境微生物显微图像分割结果最终的准确性和细节表现力。
附图说明
图1为现有技术中环境微生物显微图像分割系统流程及效果示意图。
图2为本申请环境微生物显微图像分割系统流程及效果示意图。
图3为本申请与现有技术的效果对比图。
具体实施方式
本发明的设计构思为：抛弃现有的阈值图像分割方法，使用边缘检测的方法来找到微生物的轮廓位置，再进一步使用形态学操作来连接、填充和平滑这些轮廓，最后得到了高准确度的图像分割结果。
本发明适用于各种环境微生物图片的检测。下面对本发明进行详细说明。
在讲明本发明的各个步骤之前，先对边缘检测基本原理进行介绍。
边缘检测的基础是梯度理论。假设f(x,y)是一张灰度图片中(x,y)位置的亮度(像素值)，则可以定义梯度为
其中，梯度向量的模被定义为
为了简化以上计算，可以用以下公式对梯度进行近似表示
因为公式(3)在亮度发生突变的位置将变为0，所以这一近似表示仍旧保留了公式(1)可导的特性。
以上所述梯度的一个特点是，它可以用来表示亮度发生最大变化的位置(x,y)。进一步，这个变化的发生方向可以用一下角度进行计算
基于以上的梯度理论，人们可以找到图像中不同区域间亮度发生突变的位置，并以此位置作为区域间的边缘。
本发明所述方法包括如下步骤：
步骤一：预先选定环境微生物显微图像。
所述的环境微生物显微图像可以涵盖环境工程实践工作中经常可见的环境微生物形态。
步骤二：使用光标选定微生物所在的区域，作为原始待检图像。
区域形状可以为方形或者圆形或椭圆形或多边形等其他符合使用者习惯的形状。
步骤三：预先定义水平方向的掩模矩阵A和垂直方向的掩模矩阵B。掩模矩阵A、掩模矩阵B分别用于水平方向、垂直方向的过滤，用于找到水平方向、垂直方向的边缘。
步骤四：选定被测图像中的某个像素点，将其像素值作为像素矩阵C的某个元素，像素矩阵C的其他元素为该像素点邻近其他像素点的像素值。一般来说，如果是3*3的矩阵，优选将选定的像素点的值位于矩阵中间位置，如果是2*2的矩阵，则可以选择四个角的任意一个。当然，可以根据实际情况灵活制定排列规则。
步骤三和步骤四中矩阵的排列形式相同，且矩阵的元素数值与采取的方法相同。
步骤三可以采用若干边缘检测技术，每种技术对应的掩模矩阵不同。当步骤三采用Sobel边缘检测技术,掩模矩阵A为掩模矩阵B为
当步骤三采用Prewitt边缘检测技术，掩模矩阵A为掩模矩阵B为
当步骤三采用Roberts边缘检测技术，掩模矩阵A为掩模矩阵B为
当步骤三采用用Laplacian of Gaussian边缘检测技术，掩模矩阵A为掩模矩阵B为
当掩模矩阵A、B为3*3掩模矩阵时，被测像素点位置坐标为(2,2)，像素值为f(2,2)。像素矩阵C可以表示为各个元素为对应坐标位置的像素值。每次计算对应的是f(2,2)位置处的像素。
步骤五：对步骤3.2中像素矩阵域进行原始的亮度梯度计算，计算公式为：
以采用Sobel边缘检测技术为例，
步骤六：将原始的亮度梯度与预先给定的阈值进行比较，如果高于这个阈值，则判定对应像素点所在位置为边缘，将其颜色变为边缘区域对应颜色，否则判断不为边缘，将其颜色变为非边缘区域对应颜色。
根据计算得到的梯度将与一个预先给定的的阈值进行比较，如果高于这个阈值，则判定(x,y)为边缘，并将其值设为1(白色)；否则，(x,y)不是边缘，并将其设为0(黑色)。
步骤七：重复执行步骤三至六，利用迭代的方法遍历原始待检图像中的所有像素点，并最终检测出所有的边缘。
步骤八：得出边缘突出显示的检测图像。
优选的，还包括步骤九：对步骤八获得的边缘突出显示的检测图像进行形态学处理。
步骤九之后还需要使用光标选定目标微生物所在的位置，获得最终图像分割结果。
以下介绍两种重要的形态学处理方法：开操作与闭操作。
1.开操作：在一张图片中，开操可以作用来打开(截断)区域间细小的连接部分，进而起到光滑边缘的效果。开操作主要包括两个步骤：一是腐蚀，它能够通过缩小区域的面积来打开区域间细小的连接部分；二是膨胀，它能将缩小后的区域恢复到原来的大小。
2.闭操作：在一张图中,闭操作可以用来关闭(连接)区域间的裂隙，进一步起到连通不同区域的作用。闭操作包含两个主要的步骤：一是膨胀，它能够通过扩大区域面积的方式将独立的区域连接起来；二是腐蚀，它能够将扩大后的区域恢复到原来的大小。
通过膨胀、腐蚀等形态学处理手段对微生物内部的孔隙进行填充并对微生物轮廓进行光滑处理。
图3展示了本申请与现有技术的效果区别，可以猜到采用本方法能更加有效的避免噪声干扰，获得更好的图像效果。
Claims (9)
1.一种人机互动的环境微生物显微图像分割方法，其特征在于，包括如下步骤：
步骤一：预先选定环境微生物显微图像；
步骤二：使用光标选定微生物所在的区域，该区域内的图像为原始待检图像；
步骤三：预先定义水平方向的掩模矩阵A和垂直方向的掩模矩阵B；
步骤四：选定被测图像中的某个像素点，将其像素值作为像素矩阵C的某个元素，像素矩阵C的其他元素为该像素点邻近其他像素点的像素值。
步骤五：对步骤3.2中像素矩阵域进行原始的亮度梯度计算，计算公式为：
步骤六：将原始的亮度梯度与预先给定的阈值进行比较，如果▽f高于这个阈值，则判定对应像素点所在位置为边缘，将其颜色变为边缘区域对应颜色，否则判断不为边缘，将其颜色变为非边缘区域对应颜色；
步骤七：重复执行步骤三至六，利用迭代的方法遍历原始待检图像中的所有像素点，并最终检测出所有的边缘。
步骤八：得出边缘突出显示的检测图像。
2.如权利要求1所述的人机互动的环境微生物显微图像分割方法，其特征在于，还包括步骤九：对步骤八获得的边缘突出显示的检测图像进行形态学处理。
3.如权利要求1所述的人机互动的环境微生物显微图像分割方法，其特征在于，步骤三采用Sobel边缘检测技术,掩模矩阵A为掩模矩阵B为
4.如权利要求1所述的人机互动的环境微生物显微图像分割方法，其特征在于，步骤三采用Canny边缘检测技术,掩模矩阵A和掩模矩阵B为任意二维高斯矩阵。
5.如权利要求1所述的人机互动的环境微生物显微图像分割方法，其特征在于，步骤三采用Prewitt边缘检测技术，掩模矩阵A为掩模矩阵B为
6.如权利要求1所述的人机互动的环境微生物显微图像分割方法，其特征在于，步骤三采用Roberts边缘检测技术，掩模矩阵A为掩模矩阵B为
7.如权利要求1所述的人机互动的环境微生物显微图像分割方法，其特征在于，步骤三采用Laplacian of Gaussian边缘检测技术，掩模矩阵A为掩模矩阵B为
8.如权利要求1所述的人机互动的环境微生物显微图像分割方法，其特征在于，步骤六中，判定为边缘的像素点变为白色，不为边缘的像素点为黑色。
9.如权利要求2所述的人机互动的环境微生物显微图像分割方法，其特征在于，形态学处理手段为开操作或者闭操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611063128.8A CN106600608A (zh) | 2016-11-28 | 2016-11-28 | 一种人机互动的环境微生物显微图像分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611063128.8A CN106600608A (zh) | 2016-11-28 | 2016-11-28 | 一种人机互动的环境微生物显微图像分割方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106600608A true CN106600608A (zh) | 2017-04-26 |
Family
ID=58593571
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611063128.8A Pending CN106600608A (zh) | 2016-11-28 | 2016-11-28 | 一种人机互动的环境微生物显微图像分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106600608A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103748452A (zh) * | 2011-05-06 | 2014-04-23 | 生物梅里埃公司 | 生物成像方法和系统 |
| CN104992447A (zh) * | 2015-07-24 | 2015-10-21 | 安徽工业大学 | 一种污水运动微生物的图像自动检测方法 |
| CN105447527A (zh) * | 2015-12-31 | 2016-03-30 | 四川木牛流马智能科技有限公司 | 采用图像识别技术将环境微生物进行分类的方法和系统 |
| CN105608472A (zh) * | 2015-12-31 | 2016-05-25 | 四川木牛流马智能科技有限公司 | 一种将环境微生物进行全自动分类的方法和系统 |
-
2016
- 2016-11-28 CN CN201611063128.8A patent/CN106600608A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103748452A (zh) * | 2011-05-06 | 2014-04-23 | 生物梅里埃公司 | 生物成像方法和系统 |
| CN104992447A (zh) * | 2015-07-24 | 2015-10-21 | 安徽工业大学 | 一种污水运动微生物的图像自动检测方法 |
| CN105447527A (zh) * | 2015-12-31 | 2016-03-30 | 四川木牛流马智能科技有限公司 | 采用图像识别技术将环境微生物进行分类的方法和系统 |
| CN105608472A (zh) * | 2015-12-31 | 2016-05-25 | 四川木牛流马智能科技有限公司 | 一种将环境微生物进行全自动分类的方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 杨淑莹: "《高等学校计算机科学与技术教材 VC++图像处理程序设计（第2版）》", 31 January 2015 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104715238B (zh) | 一种基于多特征融合的行人检测方法 | |
| CN109859226B (zh) | 一种图形分割的棋盘格角点亚像素的检测方法 | |
| CN107133973B (zh) | 一种桥梁防撞系统中的船舶检测方法 | |
| CN104766071B (zh) | 一种应用于无人驾驶汽车的交通灯快速检测算法 | |
| CN103996198A (zh) | 复杂自然环境下感兴趣区域的检测方法 | |
| CN105046206B (zh) | 基于视频中运动先验信息的行人检测方法及装置 | |
| CN103955949B (zh) | 基于Mean-shift算法的运动目标检测方法 | |
| CN102930334B (zh) | 视频人体轮廓识别计数器 | |
| CN106204643A (zh) | 基于多特征联合与Mean Shift算法的多目标跟踪方法 | |
| CN106846339A (zh) | 一种图像检测方法和装置 | |
| CN106204594A (zh) | 一种基于视频图像的弥散性运动物体的方向检测方法 | |
| CN103903278A (zh) | 运动目标检测与跟踪系统 | |
| CN105678737B (zh) | 一种基于Radon变换的数字图像角点检测方法 | |
| CN108510491A (zh) | 虚化背景下人体骨骼关键点检测结果的过滤方法 | |
| CN104766344B (zh) | 基于运动边缘提取器的车辆检测方法 | |
| CN102324099A (zh) | 一种面向仿人机器人的台阶边缘检测方法 | |
| CN104156941A (zh) | 一种确定图像上几何轮廓区域的方法及系统 | |
| Zou et al. | Virtual restoration of the colored paintings on weathered beams in the Forbidden City using multiple deep learning algorithms | |
| Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
| CN111695373A (zh) | 斑马线的定位方法、系统、介质及设备 | |
| CN111539980A (zh) | 一种基于可见光的多目标追踪方法 | |
| CN111382658A (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
| CN110930361B (zh) | 一种虚实物体遮挡检测方法 | |
| CN109978916B (zh) | 基于灰度图像特征匹配的Vibe运动目标检测方法 | |
| CN104268509B (zh) | 泥头车车牌检测的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20191030 Address after: No.129, middle Juqiao street, Wuhou District, Chengdu, Sichuan 610000 Applicant after: Sichuan Smart Motion Muniu Intelligent Technology Co., Ltd. Address before: West high tech Zone Fucheng Road in Chengdu city of Sichuan province 610000 399 No. 7 Building 1 unit 11 floor No. 1107 Applicant before: SICHUAN MONIULIUMA INTELLIGENT TECHNOLOGY CO., LTD. |
|
| TA01 | Transfer of patent application right | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170426 |
|
| RJ01 | Rejection of invention patent application after publication |