CN107545557A - 粪便图像中的虫卵检测方法和装置 - Google Patents
粪便图像中的虫卵检测方法和装置 Download PDFInfo
- Publication number
- CN107545557A CN107545557A CN201610462639.0A CN201610462639A CN107545557A CN 107545557 A CN107545557 A CN 107545557A CN 201610462639 A CN201610462639 A CN 201610462639A CN 107545557 A CN107545557 A CN 107545557A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- primary election
- gray level
- ovum
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000000605 extraction Methods 0.000 claims abstract description 60
- 238000003708 edge detection Methods 0.000 claims abstract description 23
- 102000002322 Egg Proteins Human genes 0.000 claims description 129
- 210000004681 ovum Anatomy 0.000 claims description 129
- 108010000912 Egg Proteins Proteins 0.000 claims description 127
- 238000001514 detection method Methods 0.000 claims description 40
- 238000005260 corrosion Methods 0.000 claims description 37
- 230000007797 corrosion Effects 0.000 claims description 37
- 238000006243 chemical reaction Methods 0.000 claims description 30
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 230000003321 amplification Effects 0.000 claims description 13
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 13
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 description 15
- 239000012535 impurity Substances 0.000 description 14
- 230000003628 erosive effect Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000010339 dilation Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000002550 fecal effect Effects 0.000 description 2
- 238000000386 microscopy Methods 0.000 description 2
- 244000045947 parasite Species 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 235000013162 Cocos nucifera Nutrition 0.000 description 1
- 244000060011 Cocos nucifera Species 0.000 description 1
- 241001085205 Prenanthella exigua Species 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009189 diving Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035040 seed growth Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种图像中潜在目标的分割方法及装置,该方法通过获取的粪便图像的处理后的灰度图像,在灰度图像上利用边缘检测方法得到边缘信息,并根据边缘信息提取到初选目标,以实现对潜在目标的初步提取。进一步的,在初步提取的初选目标的基础上,将粪便的灰度图像二值化,并进一步的对二值图像进行填充、腐蚀和膨胀处理,从初选目标中分割提取得到潜在目标,从而实现准确的从图像中分割潜在目标以实现潜在目标的精确提取。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种粪便图像中的虫卵检测方法和装置。
背景技术
随着图像处理技术的发展,显微医学图像处理广泛应用于血球分类、细胞诊断、染色体型分析等医学领域。显微医学图像处理技术有利于减轻医务人员繁重的劳动,为医务人员提供可靠的诊断依据,大大提高医务人员的工作效率。
基于图像的寄生虫虫卵识别是显微医学图像处理技术中的一个重要领域,通过粪便镜检检测粪便样本中寄生虫虫卵数量和虫卵类型。粪便镜检常用的手段为自动镜检,自动镜检是指利用显微镜图像,自动从显微镜图像中分割虫卵,计算虫卵的数量。
然而,大便图像的情况复杂,常常出现虫卵与杂质粘连的现象,导致虫卵分割结果中有虫卵与杂质粘连的情况。采用传统的分割方法常常不能准确将杂质与虫卵分割,从而影响虫卵识别的准确性。
发明内容
基于此,有必要提供一种能够实现准确的从粪便图像中检测出虫卵的粪便图像中的虫卵检测方法和装置。
一种粪便图像中的虫卵检测方法,包括:
获取待检测粪便图像的处理后的灰度图像;
采用边缘检测算法,获取所述处理后的灰度图像中的边缘信息;
根据所述边缘信息提取所述处理后的灰度图像中的初选目标;
对所述灰度图像进行二值化处理,得到二值图像;
填充所述二值图像中的初选目标,得到填充后的二值图像;
腐蚀所述填充后的二值图像中的初选目标,得到腐蚀后的二值图像;
膨胀所述腐蚀后的二值图像中的初选目标得到潜在虫卵目标。
一种粪便图像中的虫卵检测装置,包括:
获取模块,用于获取待检测粪便图像的处理后的灰度图像;
边缘检测模块,用于采用边缘检测算法,获取所述处理后的灰度图像中的边缘信息;
初选目标提取模块,用于根据所述边缘信息提取所述处理后的灰度图像中的初选目标;
二值化模块,用于对所述灰度图像进行二值化处理,得到二值图像;
填充模块,用于填充所述二值图像中的初选目标,得到填充后的二值图像;
腐蚀模块,用于腐蚀所述填充后的二值图像中的初选目标,得到腐蚀后的二值图像;
膨胀模块,用于膨胀所述腐蚀后的二值图像中的初选目标得到潜在虫卵目标。
上述的粪便图像中的虫卵检测方法,通过对粪便图像的处理后的灰度图像,采用边缘检测算法,获取处理后的灰度图像中的边缘信息;根据边缘信息提取处理后的灰度图像中的初选目标;对灰度图像进行二值化处理,得到二值图像;对二值图像进行填充、腐蚀和膨胀处理,得到潜在虫卵目标。该方法通过获取的粪便图像的处理后的灰度图像,在灰度图像上利用边缘检测方法得到边缘信息,并根据边缘信息提取到初选目标,以实现对潜在目标的初步提取。进一步的,在初步提取的初选目标的基础上,将粪便的灰度图像二值化,并进一步的对二值图像进行填充、腐蚀和膨胀处理,从初选目标中分割提取得到潜在目标,从而实现准确的从图像中分割潜在目标以实现潜在目标的精确提取。
附图说明
图1为一种实施例的粪便图像中的虫卵检测方法的流程图;
图2为另一实施例的粪便图像中的虫卵检测方法的流程图;
图3为又一实施例的粪便图像中的虫卵检测方法的流程图;
图4为再一实施例的粪便图像中的虫卵检测方法的流程图;
图5为一种实施例的粪便图像;
图6为从图5所示的粪便图像提取的一个区域图像;
图7为图6所示的区域图像的二值图像;
图8为图7所示的二值图像的腐蚀后的二值图像;
图9为图8所示的腐蚀后的二值图像膨胀后图像;
图10为图5所示的粪便图像采用粪便图像中的虫卵检测方法提取的虫卵目标;
图11为一种实施例的粪便图像中的虫卵检测装置的功能模块示意图;
图12为另一实施例的粪便图像中的虫卵检测装置的功能模块示意图;
图13为又一实施例的粪便图像中的虫卵检测装置的功能模块示意图。
具体实施方式
为了使本发明的目的、技术方案以及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不限定本发明。
在一个实施例中,如图1所示,提供一种粪便图像中的虫卵检测方法。本实施例以能够实现对粪便图像虫卵进行检测的终端为例进行说明,该终端包括但不限于计算机。该终端上运行有应用程序,能够通过该应用程序来实现该粪便图像中的虫卵检测方法。该方法包括以下步骤:
S102:获取待检测粪便图像的处理后的灰度图像。
灰度图像是指每个像素只有亮度信息的图像。这类图像通常显示为从最暗黑色到最亮的白色的灰度。在一种实施方式中,可以先将待检测粪便图像的彩色图像进行灰度化处理后,再利用本实施例中的粪便图像中的虫卵检测方法进行检测。
S104:采用边缘检测算法,获取处理后的灰度图像中的边缘信息。
边缘检测是指检测处理后的灰度图像中亮度变化明显的点,这些点通常为边缘点。本实施方式中的边缘检测算法可采用Canny算子、Prewitt算子、Lrisch算子和Gauss-Laplacian算子的任意一种。通过采用边缘检测算法,获取处理后的灰度图像中的边缘信息。本实施例中所指的边缘信息是指利用边缘检测算法,在处理后的灰度图像中存在的物质的边缘数据信息。存在的物质包括潜在目标和其它杂质。
S106:根据边缘信息提取处理后的灰度图像中的初选目标。
在一种实施方式中,采用轮廓跟踪的方法,根据边缘信息通过顺序找出边缘点跟踪边界以形成闭合的轮廓,提取初选目标。
在另一种实施方式中,采用区域生长算法,根据边缘检测边缘点作为种子,种子沿八邻域或四邻域进行扩展生长,种子生长的最终结果即为初选目标。
S108:对灰度图像进行二值化处理,得到二值图像。
二值化处理是指将图像上的像素点的灰度值设置为0或255,整个图像只有黑和白的视觉效果,将灰度图像进行二值化处理后得到二值图像。二值化后的图像只有黑和白两种颜色,初选目标呈白色,背景呈黑色。
S110:填充二值图像中的初选目标,得到填充后的二值图像。
填充是指对初选目标的轮廓内因灰度化和二值化产生的孔洞进行填充。通过填充二值图像中的初选目标,得到填充后的二值图像。
S112:腐蚀填充后的二值图像中的初选目标,得到腐蚀后的二值图像。
腐蚀填充后的二值图像是指采用腐蚀算子,对填充后的二值图像进行腐蚀,腐蚀计算能够消除细小物体,在纤细处分离物体和平滑较大物体边界。因此,通过腐蚀计算能够消除与潜在目标粘接的其它细小的杂质,或者,将其它较大的杂质与潜大目标分离。并且,经填充后的初选目标的轮廓完整,因而在腐蚀后,不会将潜在目标腐蚀为多个小目标。
S114:膨胀腐蚀后的二值图像中的初选目标得到潜在虫卵目标。
膨胀是指采用膨胀算子对腐蚀后的二值图像进行膨胀,使腐蚀后的二值图像中的初选目标膨胀。由于在分离与潜在目标的粘接物时,将目标进行了腐蚀,腐蚀之后的目标面积减小,因此,需要采用膨胀算子使目标膨胀,从而得到潜在目标。
本实施例中,能够在多杂质情况复杂的图像中,通过边缘检测进行初步提取,再对初步提取的初选目标进行填充、腐蚀和膨胀处理完成虫卵的精细分割,不仅成功分割出了虫卵,且其他无效的目标较少,去粘连效果非常理想,适用于虫卵分割。
本实施例的粪便图像中的虫卵检测方法,通过对粪便图像的处理后的灰度图像;采用边缘检测算法,获取处理后的灰度图像中的边缘信息;根据边缘信息提取处理后的灰度图像中的初选目标;对灰度图像进行二值化处理,得到二值图像;对二值图像进行填充、腐蚀和膨胀处理,得到潜在虫卵目标。该方法通过获取的粪便图像的处理后的灰度图像,在灰度图像上利用边缘检测方法得到边缘信息,并根据边缘信息提取到初选目标,以实现对潜在目标的初步提取。进一步的,在初步提取的初选目标的基础上,将粪便的灰度图像二值化,并进一步的对二值图像进行填充、腐蚀和膨胀处理,从初选目标中精细化分割提取得到潜在目标,从而实现准确的从图像中分割潜在目标以实现潜在目标的精确提取。
在另一实施例中,如图2所示,在步骤S114之后,还包括:
S116:提取潜在虫卵目标的轮廓得到潜在虫卵目标的轮廓信息。
提取潜在虫卵目标的轮廓的方法与提取初选目标的方法相同,可采用轮廓跟踪的方法或者区域生长算法,从而得到潜在虫卵目标的轮廓信息。
S118:根据轮廓信息计算潜在虫卵目标的形态学特征参数。
形态学特征参数是指潜在虫卵目标的面积、离心率和椭圆硬度等参数,形态学特征参数的计算方法可采用现有的计算方法实现,在此不再赘述。
S120:根据形态学特征确定潜在虫卵目标是否为虫卵。
形态学特征参数用于确定潜在虫卵目标是否为虫卵。具体的,形态学特征参数与对应的阈值进行比较,根据比较结果确定潜在虫卵目标是否为虫卵。例如,潜在目标的虫卵面积是否在300个像素和560个像素之间,椭圆硬度参数是否在1.0和1.02之间,离心率是否在0.75和0.94之间。若全部为是,则确定潜在目标为虫卵。若否,则潜在目标不为虫卵。在其它的实施方式中,也可以采用向量机分类器或者神经网络,根据潜在虫卵目标的形态学特征对潜在虫卵目标自动分类。
本实施例中的粪便图像中的虫卵检测方法,通过对潜在虫卵的目标的形态学特征识别潜在虫卵。并且,通过对精细化提取的虫卵目标的轮廓进行提取,能够获得较为精确的潜在虫卵目标的轮廓信息,从而获得准确的潜在虫卵目标的形态学特征参数,提高虫卵特征识别的准确度。
在另一种实施例中,步骤S108包括:采用自适应阈值对灰度图像进行二值化处理,得到二值图像。
自适应阈值是一种改进了的阈值技术,其中阈值本身是一个变量,每个像素点的自适应阈值T(x,y)都不同,通过计算像素点周围的一定区域的加权平均,将像素点与计算的自适应阈值进行比较,若大于,则将像素点赋值为0,否则,赋值为255。为了尽可能得到封闭图像,固定调整自适应阈值,减去一个常数来得到阈值T(x,y)-A,这样自适应阈值效果比较好,尽可能得到封闭图像,自动找到图像目标的封闭轮廓,从而便于后续填充初选目标。
在其它的实施方式中,也可以使用固定阈值对灰度图像进行二值化处理得到二值图像。固定阈值二值化所采用阈值是固定的,将像素点的灰度值依次与固定阈值进行比较,若大于,则将像素点赋值为0,否则,赋值为255,但不能自适应二值化,因此存在图像目标轮廓断裂或者过分分割风险。
在一个实施例中,如图3所示,在步骤S106之后,还包括步骤S107:在灰度图像中提取初选目标所在的预设区域得到区域图像。
预设区域是指在初选目标的边界,向对应方向扩散预设个像素点得到的区域。例如,在初选目标的上、下、左和右边界,分别扩散四个像素点得到区域图像。因此,区域图像包括初选目标和初选目标所在的背景。可以理解的是,区域图像的数量与初选目标的数量相同。在灰度图像中有多个初选目标的情况下,提取得到对应数量的区域图像。
对应的,步骤S108包括:对区域图像进行二值化处理,得到二值图像。
应当理解的是,对于原图像中提取到多个初选目标对应的区域图像的情况,需要对每个区域图像进行二值化处理,得到每个区域图像对应的二值图像。应当理解的是,本实施例中,对于原图像中提取到多个初选目标对应的区域图像的情况,后续的填充、腐蚀和膨胀的处理是对每个区域图像对应的二值图像进行处理,从而提取得到每个区域图像的潜在虫卵目标。
本实施例中,在初步提取得到初选目标之后,分别提取每个初选目标所在的区域区域,通过在每个初选目标所在的区域图像上分别进行精细化分割,而不是在原图像的基础上进行目标分割,大大减小了需要处理的图片尺寸,能够提高潜在虫卵分割检测的处理速度。
在另一实施例中,请继续参阅图3,在步骤S112之后,还包括步骤S113:提取腐蚀后的二值图像中最大的目标。
经腐蚀后的二值图像,可能存在与多个潜在目标粘接物,由于粘接物面积较大,未被完全腐蚀。但经腐蚀后,与潜在目标分离,因此,可能被腐蚀后的二值图像中包括潜在目标和其它杂质的小目标。由于粪便图像中,虫卵较其它杂质面积大,因而潜在目标为腐蚀后的二值图像中最大的目标。最大的目标,可通过目标的面积和周长等特征计算获得。
相应的,步骤S114包括:膨胀腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
本实施例中,通过提取腐蚀后的二值图像中最大的目标,并仅对二值图像中最大的目标进行膨胀,能够剔除未被完全腐蚀的目标粘接物,减少计算量,提高处理速度。
在另一实施例中,在S106:根据边缘信息提取处理后的灰度图像中的初选目标的步骤之后,在S108对灰度图像进行二值化处理,得到二值图像的步骤之前,还包括步骤:剔除灰图图像中不满足预设条件的初选目标。
在一种实施方式中,预设条件为初选目标的面积小于设定阈值。剔除灰图图像中不满足预设条件的初选目标的步骤包括以下步骤(1)至步骤(3)
(1)、填充初选目标,并计算填充后的初选目标的面积。
在根据边缘信息提取灰度图像中的初选目标后,有大量的初选目标的边缘是断裂的,为计算初选目标的面积,需要填充初选目标,使初选目标完整。具体的,采用区域填充算法,例如,对每一个初选目标做简单的水平和垂直填充算法得到完整的初选目标,再计算初选目标的面积。
(2)、判断初选目标的面积是否小于设定阈值。
(3)、当初选目标的面积小于设定阈值时,在处理后的灰度图像上剔除对应的初选目标。
在本实施方式中,由于粪便图像中虫卵目标相较于其它细胞的面积较大,通过面积计算筛选剔除非虫卵目标,能够减少初选目标的数量。因此,通过对初选目标进行填充后计算初选目标的面积,当初选目标的面积小于设定阈值时,在灰度图像中剔除对应的初选目标,从而能够通过面积计算初步对潜在目标的数量进行筛选,经筛选后,减少了初选目标的数量,进一步的,有利于提高虫卵分割检测的效率。
在又一实施例中,步骤S102包括以下步骤(1)和步骤(3)
(1)、获取待检测粪便图像。
获取待检测粪便图像的方式为利用CCD相机拍摄的图像,例如,拍摄的显示镜放大后的粪便样本得到的图像。本实施例的粪便图像中的虫卵检测方法可用于粪便分析仪中。
(2)、将待检测粪便图像进行灰度化处理,得到灰度图像。
图像的灰度化是指将原来的彩色图像转化为灰度图像,具体的方法为根据原彩色图像中的像素点的R、G、B分量计算灰度值,具体的灰度化的方法可采用单分量法、加权平均法或最大值法的任意一种。
(3)、将灰度图像缩小至预设大小,得到处理后的灰度图像
缩小图像至预设大小是指缩小图像面积至预设面积的大小。粪便图像中虫卵含量比例较少,通常为了尽量检测出虫卵,会采用大视野的采样,因此,图像的分辨率比较大,达到了2400×1800。而且,在粪便图像中,虫卵目标大,图像缩小后仍较清晰,能够提取到边缘信息。将灰度图像缩小至预设大小的图像,能够提高后续边缘检测的处理速度。在具体的实施方式中,图像缩小程度可由用户凭经验根据拍摄图片的大小设定,例如,在一种实施方式中,将图像缩小至原面积的1/16,得到处理后的灰度图像。后续采用边缘检测算法,获取缩小后的灰度图像的边缘信息。
在其它的实施方式中,也可以先将粪便图像先进行灰度化处理,再进行缩小处理。
对应的,在S106根据边缘信息提取处理后的灰度图像中的初选目标的步骤之后,还包括步骤:将初选目标放大至初始大小得到放大后初选目标;根据放大后初选目标在灰度图像中提取对应的初选目标,得到灰度图像中的初选目标。
初始大小是指缩小前的灰度图像的面积大小,在本实施方式中,为提高边缘检测的速度,在边缘检测之前,已将原图像缩小至预设大小。为避免提取的区域图像面积过小,不便于后续对初选目标的精细分割,需要在提取到边缘信息,获取初选目标的坐标后,将提取的初选目标放大至原始大小,获取初选目标在原始的灰度图像的坐标,从而在缩小前的原图像中获取对应的初选目标,得到灰度图像中的初选目标,从而避免后续处理的二值图像过小,不便于精细化提到虫卵目标。
本实施例中,通过预先在缩小的灰度图像中提取初选目标,提高边缘检测的速度。再将初选目标放大至初始大小,根据放大后初选目标在原始的灰度图像中提取对应的初选目标,即在缩小处理前的灰度图像中提取对应的初选目标,得到灰度图像中的初选目标。应当理解的是,对应的对灰度图像进行二值化步骤,是对提取了初选目标的缩小前的灰度图像进行二值化。
在一实施例中,如图4所示,提供一种粪便图像中的虫卵检测方法,通过在CPU为Pentum双核主频为2.7GHz,2G RAM,Windows XP作系统的计算机上,采用VC++6.0进行粪便图像的虫卵检测,具体包括以下步骤:
S302:获取待检测粪便图像。
一种实施例的粪便图像如图5所示。
S304:将待检测粪便图像进行灰度化处理,得到灰度图像。
S306:将灰度图像缩小至预设大小,得到处理后的灰度图像。
S308:采用边缘检测算法,获取处理后的灰度图像中的边缘信息。
S310:根据边缘信息提取处理后的灰度图像中的初选目标。
S312:填充初选目标,并计算填充后的初选目标的面积。
S314:判断初选目标的面积是否小于设定阈值。
若是,则执行步骤S316:在处理后的灰度图像中剔除对应的初选目标。
S318:将初选目标放大至初始大小得到放大后初选目标。
S320:根据放大后初选目标在灰度图像中提取对应的初选目标,得到灰度图像中的初选目标。
应当理解的是,本实施例中的灰度图像是指缩小处理前的灰度图像。
S322:在灰度图像中提取初选目标所在的预设区域得到区域图像。
应当理解的是,本实施例中,在灰度图像中提取初选目标所在的预设区域的区域图像是指,在缩小处理前的灰度图像中提取初选目标所在的预设区域得到区域图像。对图5所示的粪便图像处理后提取初选目标,得到的区域图像如图6所示。
S324:对区域图像进行二值化处理,得到二值图像。
对如图6所示的区域图像进行二值化,得到的二值图像如图7所示。二值化后,初选目标为呈白色,背景为黑色。在该二值图像中,虫卵为面积最大的目标,在虫卵周围有杂质粘接。
S326:填充二值图像中的初选目标,得到填充后的二值图像。
S328:腐蚀填充后的二值图像中的初选目标,得到腐蚀后的二值图像。
对图7所示的二值图像腐蚀得到的腐蚀后的二值图像如图8所示,经腐蚀后,与虫卵粘接的杂质消除,且腐蚀后的虫卵变小。
S330:提取腐蚀后的二值图像中最大的目标。
S332:膨胀腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
膨胀图8所示二值图像的目标得到的潜在目标如图9所示。对图5所示的粪便图像分割得到的潜在虫卵目标如图10所示。
S334:提取潜在虫卵目标的轮廓得到潜在虫卵目标的轮廓信息。
S336:根据轮廓信息计算潜在虫卵目标的形态学特征参数。
S338:根据形态学特征确定潜在虫卵目标是否为虫卵。
若是,则执行步骤S340:存储虫卵。
S342:判断是否已检测所有的二值图像。
若是,则结束检测流程,若否,则返回执行步骤S326以在下一个区域图像对应的二值图像中精细化分割虫卵目标。
本实施例中,各步骤的处理方法与前面实施例中的处理方法相同,在此不再赘述。
通过本实施例的粪便图像中虫卵检测方法,能够在多杂质情况复杂的图像中,通过边缘检测进行初步提取,再采用填充、腐蚀和膨胀处理进行虫卵的精细分割,不仅成功分割出了虫卵,且其他无效的目标较少,故有较好的分割效果。因此,本发明在粪便图像中的虫卵检测方法去粘连效果非常理想。
在一个实施例中,如图11所示,提供一种粪便图像中的虫卵检测装置,包括:
获取模块102,用于获取待检测粪便图像的处理后的灰度图像。
边缘检测模块104,用于采用边缘检测算法,获取处理后的灰度图像中的边缘信息。
初选目标提取模块106,用于根据边缘信息提取处理后的灰度图像中的初选目标。
二值化模块108,用于对灰度图像进行二值化处理,得到二值图像。
填充模块110,用于填充二值图像中的初选目标,得到填充后的二值图像。
腐蚀模块112,用于腐蚀填充后的二值图像中的初选目标,得到腐蚀后的二值图像。
膨胀模块114,用于膨胀腐蚀后的二值图像中的初选目标得到潜在虫卵目标。
本实施例中,能够在多杂质情况复杂的图像中,通过边缘检测进行初步提取,再初初步提取的初选目标进行填充、腐蚀和膨胀处理虫卵的精细分割,不仅成功分割出了虫卵,且其他无效的目标较少,去粘连效果非常理想,适用于虫卵分割。
本实施例的粪便图像中的虫卵检测装置,通过对粪便图像的处理后的灰度图像;采用边缘检测算法,获取处理后的灰度图像中的边缘信息;根据边缘信息提取处理后的灰度图像中的初选目标;对灰度图像进行二值化处理,得到二值图像;对二值图像进行填充、腐蚀和膨胀处理,得到潜在虫卵目标。该装置通过获取的粪便图像的处理后的灰度图像,在灰度图像上利用边缘检测方法得到边缘信息,并根据边缘信息提取到初选目标,以实现对潜在目标的初步提取。进一步的,在初步提取的初选目标的基础上,将粪便的灰度图像二值化,并进一步的对二值图像进行填充、腐蚀和膨胀处理,从初选目标中精细化分割提取得到潜在目标,从而实现准确的从图像中分割潜在目标以实现潜在目标的精确提取。
在一个实施例中,如图12所示,粪便图像中的虫卵检测装置,还包括:轮廓提取模块116、特征参数计算模块118和虫卵确定模块120。
轮廓提取模块116,用于提取潜在虫卵目标的轮廓得到潜在虫卵目标的轮廓信息;
特征参数计算模块118,用于根据轮廓信息计算潜在虫卵目标的形态学特征参数;
虫卵确定模块120,用于根据形态学特征确定潜在虫卵目标是否为虫卵。
在一个实施例中,二值化模块108,用于采用自适应阈值对灰度图像进行二值化处理,得到二值图像。
在一个实施例中,粪便图像中的虫卵检测装置,还包括:区域图像处理模块122,用于在灰度图像中提取初选目标所在的预设区域得到区域图像;
二值化模块108,用于对区域图像进行二值化处理,得到二值图像。
在一个实施例中,粪便图像中的虫卵检测装置,还包括:提取模块124,用于提取腐蚀后的二值图像中最大的目标;
膨胀模块114,用于膨胀腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
在一个实施例中,粪便图像中的虫卵检测装置,还包括:初选目标处理模块126和剔除模块127。
初选目标处理模块126,用于填充初选目标,并计算填充后的初选目标的面积。
剔除模块127,用于当初选目标的面积小于设定阈值时,剔除灰度图像中对应的初选目标。
在一个实施例中,获取模块102包括图像获取模块1021、灰度化模块1022和缩小处理模块1023。
图像获取模块1021,用于获取待检测粪便图像;
灰度化模块1022,用于将待检测粪便图像进行灰度化处理,得到灰度图像;
缩小处理模块1023,用于将灰度图像缩小至预设大小,得到处理后的灰度图像;
粪便图像中的虫卵检测装置,还包括放大模块128和目标提取模块130。
放大模块128,用于将初选目标放大至初始大小得到放大后初选目标;
目标提取模块130,用于根据放大后初选目标在灰度图像中提取对应的初选目标,得到灰度图像中的初选目标。
在一个实施例中,如图13所示,一种粪便图像中的虫卵检测装置,包括:
获取模块302,用于获取待检测粪便图像的处理后的灰度图像。其中,获取模块302包括图像模块3021、灰度处理模块3022和图片处理模块3023。
图像模块3021,用于获取待检测粪便图像。
灰度处理模块3022,用于将待检测粪便图像进行灰度化处理,得到灰度图像。
图片处理模块3023,用于将灰度图像缩小至预设大小,得到处理后的灰度图像。
粪便图像中的虫卵检测装置,还包括:
边缘检测模块304,用于采用边缘检测算法,获取处理后的灰度图像中的边缘信息。
初选目标提取模块306,用于根据边缘信息提取处理后的灰度图像中的初选目标。
填充处理模块308,用于填充初选目标,并计算填充后的初选目标的面积。
筛选模块310,用于当初选目标的面积小于设定阈值时,剔除灰度图像中对应的初选目标。
放大处理模块312,用于将初选目标放大至初始大小得到放大后初选目标。
目标获取模块314,用于根据放大后初选目标在灰度图像中提取对应的初选目标,得到灰度图像中的初选目标。
区域图像模块316,用于在灰度图像中提取初选目标所在的预设区域得到区域图像。
二值化模块318,用于对区域图像进行二值化处理,得到二值图像。
填充模块320,用于填充二值图像中的初选目标,得到填充后的二值图像。
腐蚀模块322,用于腐蚀填充后的二值图像中的初选目标,得到腐蚀后的二值图像。
最大目标提取模块324,用于提取腐蚀后的二值图像中最大的目标。
膨胀模块326,用于膨胀腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
通过本实施例的粪便图像中虫卵检测装置,能够在多杂质情况复杂的图像中,通过边缘检测进行初步提取,再采用填充、腐蚀和膨胀处理进行虫卵的精细分割,不仅成功分割出了虫卵,且其他无效的目标较少,故有较好的分割效果。因此,本发明在粪便图像中的虫卵检测方法去粘连效果非常理想。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (16)
1.一种粪便图像中的虫卵检测方法,包括:
获取待检测粪便图像的处理后的灰度图像;
采用边缘检测算法,获取所述处理后的灰度图像中的边缘信息;
根据所述边缘信息提取所述处理后的灰度图像中的初选目标;
对所述灰度图像进行二值化处理,得到二值图像;
填充所述二值图像中的初选目标,得到填充后的二值图像;
腐蚀所述填充后的二值图像中的初选目标,得到腐蚀后的二值图像;
膨胀所述腐蚀后的二值图像中的初选目标得到潜在虫卵目标。
2.根据权利要求1所述的粪便图像中的虫卵检测方法,其特征在于,所述对所述灰度图像进行二值化处理,得到二值图像的步骤包括:采用自适应阈值对所述灰度图像进行二值化处理,得到二值图像。
3.根据权利要求1所述的粪便图像中的虫卵检测方法,其特征在于,在所述根据所述边缘信息提取所述处理后的灰度图像中的初选目标的步骤之后,还包括:在所述灰度图像中提取所述初选目标所在的预设区域得到区域图像;
所述对所述灰度图像进行二值化处理,得到二值图像的步骤包括:对所述区域图像进行二值化处理,得到二值图像。
4.根据权利要求3所述的粪便图像中的虫卵检测方法,其特征在于,在所述腐蚀所述填充后的二值图像中的初选目标,得到腐蚀后的二值图像的步骤之后,还包括:提取所述腐蚀后的二值图像中最大的目标;
所述膨胀所述腐蚀后的二值图像中的初选目标得到潜在虫卵目标的步骤包括:膨胀所述腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
5.根据权利要求1所述的粪便图像中的虫卵检测方法,其特征在于,在所述根据所述边缘信息提取所述处理后的灰度图像中的初选目标的步骤之后,在所述对所述灰度图像进行二值化处理,得到二值图像的步骤之前,还包括:
填充所述初选目标,并计算填充后的所述初选目标的面积;
当所述初选目标的面积小于设定阈值时,剔除所述灰度图像中对应的初选目标。
6.根据权利要求1所述的粪便图像中的虫卵检测方法,其特征在于,所述获取待检测粪便图像的处理后的灰度图像的步骤包括:获取待检测粪便图像;将所述待检测粪便图像进行灰度化处理,得到灰度图像;将所述灰度图像缩小至预设大小,得到处理后的灰度图像;
在所述根据所述边缘信息提取所述处理后的灰度图像中的初选目标的步骤之后,在所述对所述灰度图像进行二值化处理,得到二值图像的步骤之前,还包括:
将所述初选目标放大至初始大小得到放大后初选目标;
根据所述放大后初选目标在所述灰度图像中提取对应的初选目标,得到所述灰度图像中的初选目标。
7.根据权利要求1所述的粪便图像中的虫卵检测方法,其特征在于,
所述获取待检测粪便图像的处理后的灰度图像的步骤包括:获取待检测粪便图像;将所述待检测粪便图像进行灰度化处理,得到灰度图像;将所述灰度图像缩小至预设大小,得到处理后的灰度图像;
在所述根据所述边缘信息提取所述处理后的灰度图像中的初选目标的步骤之后,在所述对所述灰度图像进行二值化处理,得到二值图像的步骤之前,还包括:
填充所述初选目标,并计算填充后的所述初选目标的面积;
当所述初选目标的面积小于设定阈值时,剔除所述灰度图像中对应的初选目标;
在所述剔除所述灰度图像中对应的初选目标的步骤之后,还包括:
将所述初选目标放大至初始大小得到放大后初选目标;
根据所述放大后初选目标在所述灰度图像中提取对应的初选目标,得到所述灰度图像中的初选目标;
在所述灰度图像中提取所述初选目标所在的预设区域得到区域图像;
所述对所述灰度图像进行二值化处理,得到二值图像的步骤包括:对所述区域图像进行二值化处理,得到二值图像;
在所述腐蚀所述填充后的二值图像中的初选目标,得到腐蚀后的二值图像的步骤之后,还包括:提取所述腐蚀后的二值图像中最大的目标;
所述膨胀所述腐蚀后的二值图像中的初选目标得到潜在虫卵目标的步骤包括:膨胀所述腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
8.根据权利要求1至7任一项所述的粪便图像中的虫卵检测方法,其特征在于,在所述膨胀所述腐蚀后的二值图像中的初选目标得到潜在虫卵目标的步骤之后,还包括:
提取所述潜在虫卵目标的轮廓得到所述潜在虫卵目标的轮廓信息;
根据所述轮廓信息计算所述潜在虫卵目标的形态学特征参数;
根据所述形态学特征确定所述潜在虫卵目标是否为虫卵。
9.一种粪便图像中的虫卵检测装置,包括:
获取模块,用于获取待检测粪便图像的处理后的灰度图像;
边缘检测模块,用于采用边缘检测算法,获取所述处理后的灰度图像中的边缘信息;
初选目标提取模块,用于根据所述边缘信息提取所述处理后的灰度图像中的初选目标;
二值化模块,用于对所述灰度图像进行二值化处理,得到二值图像;
填充模块,用于填充所述二值图像中的初选目标,得到填充后的二值图像;
腐蚀模块,用于腐蚀所述填充后的二值图像中的初选目标,得到腐蚀后的二值图像;
膨胀模块,用于膨胀所述腐蚀后的二值图像中的初选目标得到潜在虫卵目标。
10.根据权利要求9所述的粪便图像中的虫卵检测装置,其特征在于,所述二值化模块,用于采用自适应阈值对所述灰度图像进行二值化处理,得到二值图像。
11.根据权利要求9所述的粪便图像中的虫卵检测装置,其特征在于,还包括:区域图像处理模块,用于在所述灰度图像中提取所述初选目标所在的预设区域得到区域图像;
所述二值化模块,用于对所述区域图像进行二值化处理,得到二值图像。
12.根据权利要求11所述的粪便图像中的虫卵检测装置,其特征在于,还包括:提取模块,用于提取所述腐蚀后的二值图像中最大的目标;
所述膨胀模块,用于膨胀所述腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
13.根据权利要求9所述的粪便图像中的虫卵检测装置,其特征在于,还包括:
初选目标处理模块,用于填充所述初选目标,并计算填充后的所述初选目标的面积;
剔除模块,用于当所述初选目标的面积小于设定阈值时,剔除所述灰度图像中对应的初选目标。
14.根据权利要求9所述的粪便图像中的虫卵检测装置,其特征在于,所述获取模块包括图像获取模块、灰度化模块和缩小处理模块:
所述图像获取模块,用于获取待检测粪便图像;
所述灰度化模块,用于将所述待检测粪便图像进行灰度化处理,得到灰度图像;
所述缩小处理模块,用于将所述灰度图像缩小至预设大小,得到处理后的灰度图像;
所述粪便图像中的虫卵检测装置,还包括:
放大模块,用于将所述初选目标放大至初始大小得到放大后初选目标;
目标提取模块,用于根据所述放大后初选目标在所述灰度图像中提取对应的初选目标,得到所述灰度图像中的初选目标。
15.根据权利要求9所述的粪便图像中的虫卵检测装置,其特征在于,所述获取模块包括图像模块、灰度处理模块和图片处理模块;所述粪便图像中的虫卵检测装置还包括填充处理模块、筛选模块、放大处理模块、目标获取模块、区域图像模块和最大目标提取模块;
所述图像模块,用于获取待检测粪便图像;
所述灰度处理模块,用于将所述待检测粪便图像进行灰度化处理,得到灰度图像;
所述图片处理模块,用于将所述灰度图像缩小至预设大小,得到处理后的灰度图像;
所述填充处理模块,用于填充所述初选目标,并计算填充后的所述初选目标的面积;
所述筛选模块,用于当所述初选目标的面积小于设定阈值时,剔除所述灰度图像中对应的初选目标;
所述放大处理模块,用于将所述初选目标放大至初始大小得到放大后初选目标;
所述目标获取模块,用于根据所述放大后初选目标在所述灰度图像中提取对应的初选目标,得到所述灰度图像中的初选目标;
所述区域图像模块,用于在所述灰度图像中提取所述初选目标所在的预设区域得到区域图像;
所述二值化模块,用于对所述区域图像进行二值化处理,得到二值图像;
所述最大目标提取模块,用于提取所述腐蚀后的二值图像中最大的目标;
所述膨胀模块,用于膨胀所述腐蚀后的二值图像中最大的目标得到潜在虫卵目标。
16.根据权利要求9至15任一项所述的粪便图像中的虫卵检测装置,其特征在于,还包括:
轮廓提取模块,用于提取所述潜在虫卵目标的轮廓得到所述潜在虫卵目标的轮廓信息;
特征参数计算模块,用于根据所述轮廓信息计算所述潜在虫卵目标的形态学特征参数;
虫卵确定模块,用于根据所述形态学特征确定所述潜在虫卵目标是否为虫卵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610462639.0A CN107545557A (zh) | 2016-06-23 | 2016-06-23 | 粪便图像中的虫卵检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610462639.0A CN107545557A (zh) | 2016-06-23 | 2016-06-23 | 粪便图像中的虫卵检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107545557A true CN107545557A (zh) | 2018-01-05 |
Family
ID=60960671
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610462639.0A Pending CN107545557A (zh) | 2016-06-23 | 2016-06-23 | 粪便图像中的虫卵检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107545557A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108305270A (zh) * | 2018-03-19 | 2018-07-20 | 河南工业大学 | 一种基于手机拍照的仓储粮虫计数系统及方法 |
CN110807426A (zh) * | 2019-11-05 | 2020-02-18 | 北京罗玛壹科技有限公司 | 一种基于深度学习的寄生虫检测系统及方法 |
CN110874821A (zh) * | 2018-08-31 | 2020-03-10 | 赛司医疗科技(北京)有限公司 | 一种自动过滤精液中非精子成分的图像处理方法 |
CN111462143A (zh) * | 2020-03-22 | 2020-07-28 | 华中科技大学 | 一种基于分水岭算法的虫体识别计数方法和系统 |
CN112819745A (zh) * | 2019-10-31 | 2021-05-18 | 合肥美亚光电技术股份有限公司 | 坚果籽仁中心虫蚀缺陷检测方法及装置 |
CN115205194A (zh) * | 2022-04-20 | 2022-10-18 | 浙江托普云农科技股份有限公司 | 基于图像处理的粘虫板覆盖率检测方法、系统及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799898A (zh) * | 2012-06-28 | 2012-11-28 | 浙江大学 | 大背景下高分辨率遥感影像目标识别高效处理方法 |
CN104484876A (zh) * | 2014-12-05 | 2015-04-01 | 中国海洋大学 | 基于自动阈值分割的水产品寄生虫紫外荧光成像检测方法 |
CN104700420A (zh) * | 2015-03-26 | 2015-06-10 | 爱威科技股份有限公司 | 基于Hough变换的椭圆检测方法、系统和虫卵识别方法 |
CN104700112A (zh) * | 2015-02-02 | 2015-06-10 | 电子科技大学 | 一种基于形态特征的粪便中寄生虫虫卵检测方法 |
-
2016
- 2016-06-23 CN CN201610462639.0A patent/CN107545557A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102799898A (zh) * | 2012-06-28 | 2012-11-28 | 浙江大学 | 大背景下高分辨率遥感影像目标识别高效处理方法 |
CN104484876A (zh) * | 2014-12-05 | 2015-04-01 | 中国海洋大学 | 基于自动阈值分割的水产品寄生虫紫外荧光成像检测方法 |
CN104700112A (zh) * | 2015-02-02 | 2015-06-10 | 电子科技大学 | 一种基于形态特征的粪便中寄生虫虫卵检测方法 |
CN104700420A (zh) * | 2015-03-26 | 2015-06-10 | 爱威科技股份有限公司 | 基于Hough变换的椭圆检测方法、系统和虫卵识别方法 |
Non-Patent Citations (2)
Title |
---|
刘娣琴: "基于MATLAB的虫卵识别方法研究", 《中国动物传染病学报》 * |
赵小川: "MATLAB图像处理能力提高与应用案例", 《北京航空航天大学出版社》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108305270A (zh) * | 2018-03-19 | 2018-07-20 | 河南工业大学 | 一种基于手机拍照的仓储粮虫计数系统及方法 |
CN110874821A (zh) * | 2018-08-31 | 2020-03-10 | 赛司医疗科技(北京)有限公司 | 一种自动过滤精液中非精子成分的图像处理方法 |
CN112819745A (zh) * | 2019-10-31 | 2021-05-18 | 合肥美亚光电技术股份有限公司 | 坚果籽仁中心虫蚀缺陷检测方法及装置 |
CN110807426A (zh) * | 2019-11-05 | 2020-02-18 | 北京罗玛壹科技有限公司 | 一种基于深度学习的寄生虫检测系统及方法 |
CN110807426B (zh) * | 2019-11-05 | 2023-11-21 | 苏州华文海智能科技有限公司 | 一种基于深度学习的寄生虫检测系统及方法 |
CN111462143A (zh) * | 2020-03-22 | 2020-07-28 | 华中科技大学 | 一种基于分水岭算法的虫体识别计数方法和系统 |
CN115205194A (zh) * | 2022-04-20 | 2022-10-18 | 浙江托普云农科技股份有限公司 | 基于图像处理的粘虫板覆盖率检测方法、系统及装置 |
CN115205194B (zh) * | 2022-04-20 | 2024-07-16 | 浙江托普云农科技股份有限公司 | 基于图像处理的粘虫板覆盖率检测方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242791B (zh) | 一种针对破损植物叶片的批量修复方法 | |
CN107545557A (zh) | 粪便图像中的虫卵检测方法和装置 | |
CN114937055B (zh) | 基于人工智能的图像自适应分割方法与系统 | |
CN108629775B (zh) | 一种热态高速线材表面图像处理方法 | |
CN110389127B (zh) | 一种金属陶瓷零件识别及表面缺陷检测系统和方法 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN112419250A (zh) | 路面裂缝数字图像提取、裂缝修补及裂缝参数计算方法 | |
CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN110400318B (zh) | 一种免疫组化病理图像cd4阳性细胞核分割方法及系统 | |
CN104794502A (zh) | 一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法 | |
CN104697476A (zh) | 粗糙度光切轮廓曲线的自动检测方法及装置 | |
CN107545572A (zh) | 图像中目标的处理方法和装置 | |
CN112614062A (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN111539980B (zh) | 一种基于可见光的多目标追踪方法 | |
Jing et al. | Pavement crack distress detection based on image analysis | |
CN116542976A (zh) | 一种模切件缺陷的视觉检测系统 | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
CN114037691A (zh) | 一种基于图像处理的碳纤维板裂纹检测方法 | |
CN110807763A (zh) | 一种陶瓦表面鼓包检测方法及系统 | |
CN113657335A (zh) | 基于hsv颜色空间的矿相识别方法 | |
CN116485764A (zh) | 一种结构表面缺陷识别方法、系统、终端及介质 | |
CN103177244B (zh) | 水下显微图像中快速检测目标生物的方法 | |
EP3293672A1 (en) | Particle boundary identification | |
CN108805854B (zh) | 一种复杂环境下药片快速计数与完整性检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180105 |