CN108846312A - 一种细菌有效活动区域的识别方法、装置及终端设备 - Google Patents
一种细菌有效活动区域的识别方法、装置及终端设备 Download PDFInfo
- Publication number
- CN108846312A CN108846312A CN201810424656.4A CN201810424656A CN108846312A CN 108846312 A CN108846312 A CN 108846312A CN 201810424656 A CN201810424656 A CN 201810424656A CN 108846312 A CN108846312 A CN 108846312A
- Authority
- CN
- China
- Prior art keywords
- mask image
- image
- mask
- action
- bacterium
- 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.)
- Granted
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
- G06V20/693—Acquisition
-
- 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
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)
Abstract
本发明适用于图像识别技术领域,提供了一种细菌有效活动区域的识别方法、装置及终端设备,所述方法包括:通过对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景;根据第一掩码图像,得到封闭腺腔掩码图像;根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像;将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域,实现了对有效活动区域的识别,从而既提高了有效活动区域识别的准确性又提高了有效活动区域的识别效率。
Description
技术领域
本发明属于图像识别技术领域,尤其涉及一种细菌有效活动区域的识别方法、装置及终端设备。
背景技术
自1983年发现幽门螺杆菌(Helicobacter Pylori,简称HP)以来,研究已经证明幽门螺杆菌可导致胃溃疡、胃炎、胃癌和十二指肠溃疡等疾病。胃病患者胃粘膜的幽门螺杆菌检出率高达59%~77%,对幽门螺杆菌感染情况的精确诊断,将有助于治疗由其引起的各种肠胃疾病。
检测幽门螺杆菌首先需要识别幽门螺杆菌的有效活动区域,传统的幽门螺杆菌细菌有效活动区域的识别方法通常需要经验丰富的医生进行识别,但是医生的数量和精力都有限,且人工识别的方法识别准确性较低。
发明内容
有鉴于此,本发明实施例提供了一种细菌有效活动区域的识别方法、装置及终端设备,以解决现有技术中有效活动区域识别的准确性低,识别效率低的问题。
本发明实施例的第一方面提供了一种细菌有效活动区域的识别方法,包括:
对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景;
根据第一掩码图像,得到封闭腺腔掩码图像;
根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像;
将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域。
本发明实施例的第二方面提供了一种细菌有效活动区域的识别装置,包括:
第一掩码图像生成模块,用于对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景;
封闭腺腔掩码图像生成模块,用于根据第一掩码图像,得到封闭腺腔掩码图像;
轮廓线掩码图像生成模块,用于根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像;
有效活动区域确定模块,用于将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景;根据第一掩码图像,得到封闭腺腔掩码图像;根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像;将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域,实现了对有效活动区域的识别,从而既提高了有效活动区域识别的准确性又提高了有效活动区域的识别效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种细菌有效活动区域的识别方法的实现流程示意图;
图2是本发明实施例提供的图1中S101的具体实现流程示意图;
图3是本发明实施例提供的图2中S205的具体实现流程示意图;
图4是本发明实施例提供的一种细菌有效活动区域的识别装置的结构示意图;
图5是本发明实施例提供的图4中第一掩码图像生成模块的结构示意图;
图6是本发明实施例提供的图5中第一掩码图像获取单元的结构示意图;
图7是本发明实施例提供的有效活动区域的识别过程的图像示例图;
图8是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例1:
图1示出了本发明的一个实施例提供的一种细菌有效活动区域的识别方法的实现流程,本实施例的流程执行主体可以是终端设备,其过程详述如下:
在S101中,对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景。
在本实施例中,本实施例所处理的细菌通常为在组织腺腔内活动的细菌。
作为一个具体的实施例,以幽门螺杆菌的全片数字图像作为原始图像,对细菌的原始图像进行二值化处理,生成第一掩码图像,第一掩码图像的所有像素值只有0和1,在本实施例中,以像素值为1的像素点为背景,以像素值为0的像素点为前景;或者,以像素值为1的像素点为前景,以像素值为0的像素点为背景。
在S102中,根据第一掩码图像,得到封闭腺腔掩码图像。
在S103中,根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像。
在本实施例中,通过图像形态学方法,得到轮廓线掩码图像,其中,图像形态学主要用于从第一掩码图像中提取对表达和描绘区域形状有意义的图像分量,使后续的识别工作能够抓住目标对象最为本质的形状特征,如边界和连通区域等。图像形态学方法包括腐蚀、膨胀、细化、灰度开运算和灰度闭运算等,轮廓线掩码图像为有效活动区域的轮廓线的掩码图像,其中轮廓线为至少一个像素点宽度的有效活动区域的边界区域。以幽门螺杆菌为例,轮廓线掩码图像反应的是幽门螺杆菌的组织边缘部分。
在S104中,将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域。
在本实施例中,分别将封闭腺腔掩码图像中的各个像素点的掩码与轮廓线掩码图像中对应位置的像素点的掩码相加,得到相加后合并的掩码图像,即为第二掩码图像。第二掩码图像能够清晰的显示出有效活动区域,根据第二掩码图像,能够确定原始图像中有效活动区域的位置,此处确定原始图像中有效区域位置的方法包括:
在原始图像中标注有效活动区域的准确位置;或通过文件保存原始图像中有效活动区域的位置信息。
从上述实施例可知,本发明实施例通过对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景;根据第一掩码图像,得到封闭腺腔掩码图像;根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像;将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域,实现了对有效活动区域的识别,从而既提高了有效活动区域识别的准确性又提高了有效活动区域的识别效率。
如图2所示,在本发明的一个实施例中,图2示出了图1中步骤S101的具体实现流程,详述如下:
在S201中,获取细菌的原始图像。
在S202中,按照预设倍数对原始图像进行缩放,得到原始图像的缩略图。
在本实施例中,当获取到原始图像后,首先需要对原始图像进行缩放,预设倍数可以为3倍,或者其他倍数,在此不做具体限定,通过缩放原始图像,得到原始图像的缩略图。
在S203中,将缩略图的颜色空间从RGB颜色空间转换为YUV颜色空间,并获取YUV颜色空间中的U通道图像。
在本实施例中,为了便于提取缩略图中的有效活动区域,将缩略图从RGB颜色空间转化为YUV颜色空间,YUV颜色空间中的“Y”表示明亮度(Luminance,光亮度),也就是灰阶值;而“U”和“V”表示的则是色度(Chrominance,色度),作用是描述影像色彩及饱和度,用于指定像素的颜色。
在本实施例中,取YUV颜色空间中的U通道图像,也就是色度通道图像进行后续图像处理。
在S204中,根据最大类间方差方法,对U通道图像进行二值化处理,得到第三掩码图像。
在本实施例中,根据最大类间方差方法,得到第三掩码图像,其中,最大类间方差方法是一种确定图像二值化分割阈值的算法,其通过预设一个最佳分割阈值,将U通道图像中像素值大于最佳分割阈值的像素点的像素值设置为1,像素值小于最佳分割阈值的像素点的像素值设置为0。从而完成缩略图的二值化,得到第三掩码图像。
在S205中,对第三掩码图像进行取反处理,得到第一掩码图像。
在本实施例中,将第三掩码图像中的像素点进行取反处理,将原值为1的像素点的值置为0,将原值为0的像素点的值置为1。
如图7所示,图7示出了本实施例由原始图像转换为第二掩码图像的具体示例图。其中,图7a)为原始图像的缩略图;图7b)为经过二值化处理的第三掩码图像,图7b)中值为1的像素点称为前景,值为0的像素点称为背景;图7c)为对第三掩码图像进行取反操作的第一掩码图像。图中值为1的像素点称为前景,值为0的像素点称为背景。
从上述实施例可知,通过获取缩略图YUV颜色空间的U通道图像,能够清晰的通过各个像素点的色度进行分类,从而使图像二值化的结果更加精确,得到更为精确的第一掩码图像。
如图3所示,在本发明的一个实施例中,图3示出了图2中步骤S205的具体实现流程,详述如下:
在S301中,对第三掩码图像进行取反处理。
在S302中,将经过取反处理的第三掩码图像中连通域面积小于第一预设阈值的前景设置为背景,得到第一掩码图像。
在本实施例中,通过对第三掩码图像进行取反,并利用图像形态学方法,将取反处理后的第三掩码图像中的连通域面积小于第一预设阈值的前景设置为背景,从而得到第一掩码图像。其中连通域表示像素值相同的像素点组成的区域,连通域面积由连通域的像素点个数确定。第一预设阈值可以根据缩略图的缩放倍数确定。当缩放倍数为3倍时,第一预设阈值可以取值为16;当缩放倍数为4倍时,第一预设阈值的取值为4,以此类推。例如,当缩放倍数为3倍,第三掩码图像中连通域的像素点个数小于16时,将该连通域的掩码进行取反处理,从而实现该连通域从前景到背景的转换。
从上述实施例可知,通过对第三掩码图像进行取反并将连通域面积小于第一预设阈值的前景置为背景,从而得到更加准确地第一掩码图像。
在本发明的一个实施例中,图1中步骤S102的具体实现流程,详述如下:
在S401中,将第一掩码图像的前景中面积最大的连通域置为背景,得到封闭腺腔掩码图像。
在本实施例中,如图7所示,图7d)为封闭腺腔掩码图像的示例图,图7d)中值为1的像素点为前景,值为0的像素点为背景。
在本发明的一个实施例中,图1中步骤S103的具体实现流程,详述如下:
在S501中,对第一掩码图像的掩码进行取反处理。
在S502中,将经过取反处理的第一掩码图像中前景内的所有封闭的背景设置为前景,得到第四掩码图像。
在本实施例中,利用图像形态学方法,对第一掩码图像进行取反处理,并将取反处理后的第一掩码图像中前景内所有封闭的背景区域进行取反处理,从而设置为前景,得到的第四掩码图像如图7e)所示。
在S503中,对第四掩码图像按照预设像素点个数进行连通操作,得到第五掩码图像。
在本实施例中,预设像素点个数可以为2个,也可以为其他任意个数。第五掩码图像的示例图如图7f)所示。
在S504中,将第五掩码图像中连通域面积小于第二预设阈值的前景设置为背景,得到第六掩码图像,如图7g)所示。
在本实施例中,第二预设阈值的取值公式为:
t=200*25-m;
其中,t表示第二预设阈值,m为缩略图的缩放倍数。
在S505中,根据形态学膨胀方法扩大第六掩码图像中前景的像素点数量,得到第七掩码图像。
在本实施例中,形态学膨胀方法用于将与有效活动区域接触的所有背景点合并到前景中,添补前景中的空洞。为了提取有效活动区域的边界,根据形态学膨胀方法扩大第六掩码图像中前景的数量,得到第七掩码图像,如图7h)所示。
在本实施例中,形态学膨胀方法的迭代次数c的计算公式为:
c=6*25-m;
其中,m为缩略图的缩放倍数。
在S506中,获取第七掩码图像中前景和第五掩码图像中前景的掩码交集,将第七掩码图像中掩码交集的区域置为背景,得到轮廓线掩码图像。
在本实施例中,轮廓线掩码图像的示例图如图7i)所示。
在本实施例中,将第七掩码图像中前景与第五掩码图像中前景的掩码交集部分进行取反处理,从而使第七掩码图像中掩码交集的区域转换为背景,得到轮廓线掩码图像。
从上述实施例可知,通过利用图像形态学方法,对第一掩码图像进行一系列处理,从而得到更加精确的轮廓线掩码图像。
在本实施例中,如图7j)所示,将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域。
从上述实施例可知,传统的幽门螺杆菌病理学方法需要经验丰富的医生进行检测,医生的数量和精力都有限,难以实现大规模推广和普及。在日常工作中,医生的诊断结论存不可重复的现象,诊断过程难以回溯;在高倍显微镜下去寻找微小的幽门螺杆菌,需要耗费大量时间和精力,容易造成漏检的现象。在本实施例中,通过对幽门螺杆菌有效活动区域的识别,得到幽门螺杆菌的有效活动区域,能够进一步对幽门螺杆菌的有效活动区域进行精确识别,从而提高了细菌检测的准确性,且本发明实施例中有效活动区域的识别均为计算机完成,具有高可重复性,进一步提高了细菌检测工作的效率。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例2:
如图4所示,本发明的一个实施例提供的细菌有效活动区域的识别装置1000,用于执行图1所对应的实施例中的方法步骤,其包括:
第一掩码图像生成模块1100,用于对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景;
封闭腺腔掩码图像生成模块1200,用于根据第一掩码图像,得到封闭腺腔掩码图像;
轮廓线掩码图像生成模块1300,用于根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像;
有效活动区域确定模块1400,用于将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域。
从上述实施例可知,本发明实施例通过对细菌的原始图像进行二值化处理,生成第一掩码图像;第一掩码图像包括前景和背景;根据第一掩码图像,得到封闭腺腔掩码图像;根据第一掩码图像及图像形态学方法,得到轮廓线掩码图像;将封闭腺腔掩码图像和轮廓线掩码图像进行合并,生成第二掩码图像,并根据第二掩码图像确定有效活动区域,实现了对有效活动区域的识别,从而既提高了有效活动区域识别的准确性又提高了有效活动区域的识别效率。
如图5所示,在本发明的一个实施例中,图4所对应的实施例中的第一掩码图像生成模块1100还包括用于执行图2所对应的实施例中的方法步骤的结构,其包括:
原始图像获取单元1110,用于获取细菌的原始图像;
缩略图获取单元1120,用于按照预设倍数对原始图像进行缩放,得到原始图像的缩略图;
U通道图像获取单元1130,用于将缩略图的颜色空间从RGB颜色空间转换为YUV颜色空间,并获取YUV颜色空间中的U通道图像;
第三掩码图像获取单元1140,用于根据最大类间方差方法,对U通道图像进行二值化处理,得到第三掩码图像;
第一掩码图像获取单元1150,用于对第三掩码图像进行取反处理,得到第一掩码图像。
从上述实施例可知,通过获取缩略图YUV颜色空间的U通道图像,能够清晰的通过各个像素点的色度进行分类,从而使图像二值化的结果更加精确,得到更为精确的第一掩码图像。
如图6所示,在本发明的一个实施例中,图5所对应的实施例中的第一掩码图像获取单元1150还包括用于执行图3所对应的实施例中的方法步骤的结构,其包括:
第三掩码图像取反子单元1151,用于对第三掩码图像进行取反处理;
第一掩码图像获取子单元1152,用于将经过取反处理的第三掩码图像中连通域面积小于第一预设阈值的前景设置为背景,得到第一掩码图像。
从上述实施例可知,通过对第三掩码图像进行取反并将连通域面积小于第一预设阈值的前景置为背景,从而得到更加准确地第一掩码图像。
在本发明的一个实施例中,图4所对应的实施例中的封闭腺腔掩码图像生成模块还用于将第一掩码图像的前景中面积最大的连通域置为背景,得到封闭腺腔掩码图像。
在本发明的一个实施例中,图4所对应的实施例中的轮廓线掩码图像生成模块还包括:
取反处理单元,用于对第一掩码图像的掩码进行取反处理;
第四掩码图像获取单元,用于将经过取反处理的第一掩码图像中前景内的所有封闭的背景设置为前景,得到第四掩码图像;
第五掩码图像获取单元,用于对第四掩码图像按照预设像素点个数进行连通操作,得到第五掩码图像;
第六掩码图像获取单元,用于将第五掩码图像中连通域面积小于第二预设阈值的前景设置为背景,得到第六掩码图像;
第七掩码图像获取单元,用于根据形态学膨胀方法扩大第六掩码图像中前景的像素点数量,得到第七掩码图像;
轮廓线掩码图像获取单元,用于获取第七掩码图像中前景和第五掩码图像中前景的掩码交集,将第七掩码图像中掩码交集的区域置为背景,得到轮廓线掩码图像。
从上述实施例可知,通过利用图像形态学方法,对第一掩码图像进行一系列处理,从而得到更加精确的轮廓线掩码图像。
在一个实施例中,细菌有效活动区域的识别装置1000还包括其他功能模块/单元,用于实现实施例1中各实施例中的方法步骤。
实施例3:
本发明实施例还提供了一种终端设备8,包括存储器81、处理器80以及存储在存储器81中并可在处理器80上运行的计算机程序,处理器80执行计算机程序时实现如实施例1中所述的各实施例中的步骤,例如图1所示的步骤S101至步骤S104。或者,所述处理器80执行所述计算机程序时实现如实施例2中所述的各装置实施例中的各模块的功能,例如图4所示的模块1100至1400的功能。
所述终端设备8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备8可包括,但不仅限于,处理器80、存储器81。例如所述终端设备8还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器80也可以是任何常规的处理器80等。
所述存储器81可以是所述终端设备8的内部存储单元,例如终端设备8的硬盘或内存。所述存储器81也可以是所述终端设备8的外部存储设备,例如所述终端设备8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括终端设备8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述终端设备8所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
实施例4:
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器80执行时实现如实施例1中所述的各实施例中的步骤,例如图1所示的步骤S101至步骤S104。或者,所述计算机程序被处理器80执行时实现如实施例2中所述的各装置实施例中的各模块的功能,例如图4所示的模块1100至1400的功能。
所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器80执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例系统中的模块或单元可以根据实际需要进行合并、划分和删减。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种细菌有效活动区域的识别方法,其特征在于,包括:
对细菌的原始图像进行二值化处理,生成第一掩码图像,所述第一掩码图像包括前景和背景;
根据所述第一掩码图像,得到封闭腺腔掩码图像;
根据所述第一掩码图像及图像形态学方法,得到轮廓线掩码图像;
将所述封闭腺腔掩码图像和所述轮廓线掩码图像进行合并,生成第二掩码图像,并根据所述第二掩码图像确定有效活动区域。
2.如权利要求1所述的一种细菌有效活动区域的识别方法,其特征在于,所述对细菌的原始图像进行二值化处理,生成第一掩码图像,包括:
获取所述细菌的原始图像;
按照预设倍数对所述原始图像进行缩放,得到所述原始图像的缩略图;
将所述缩略图的颜色空间从RGB颜色空间转换为YUV颜色空间,并获取YUV颜色空间中的U通道图像;
根据最大类间方差方法,对所述U通道图像进行二值化处理,得到所述第三掩码图像;
对所述第三掩码图像进行取反处理,得到第一掩码图像。
3.如权利要求2所述的一种细菌有效活动区域的识别方法,其特征在于,所述对所述第三掩码图像进行取反处理,得到第一掩码图像,包括:
对所述第三掩码图像进行取反处理;
将经过取反处理的第三掩码图像中连通域面积小于第一预设阈值的前景设置为背景,得到所述第一掩码图像。
4.如权利要求1所述的一种细菌有效活动区域的识别方法,其特征在于,所述根据所述第一掩码图像,得到封闭腺腔掩码图像,包括:
将所述第一掩码图像的前景中面积最大的连通域设置为背景,得到所述封闭腺腔掩码图像。
5.如权利要求1至4任一项所述的一种细菌有效活动区域的识别方法,其特征在于,所述根据所述第一掩码图像及图像形态学方法,得到轮廓线掩码图像,包括:
对所述第一掩码图像的掩码进行取反处理;
将经过取反处理的第一掩码图像中前景内的所有封闭的背景设置为前景,得到第四掩码图像;
对所述第四掩码图像按照预设像素点个数进行连通操作,得到第五掩码图像;
将所述第五掩码图像中连通域面积小于第二预设阈值的前景设置为背景,得到第六掩码图像;
根据形态学膨胀方法扩大所述第六掩码图像中前景的像素点数量,得到第七掩码图像;
获取所述第七掩码图像中前景和所述第五掩码图像中前景的掩码交集,将所述第七掩码图像中所述掩码交集的区域设置为背景,得到所述轮廓线掩码图像。
6.一种细菌有效活动区域的识别装置,其特征在于,包括:
第一掩码图像生成模块,用于对细菌的原始图像进行二值化处理,生成第一掩码图像;所述第一掩码图像包括前景和背景;
封闭腺腔掩码图像生成模块,用于根据所述第一掩码图像,得到封闭腺腔掩码图像;
轮廓线掩码图像生成模块,用于根据所述第一掩码图像及图像形态学方法,得到轮廓线掩码图像;
有效活动区域确定模块,用于将所述封闭腺腔掩码图像和所述轮廓线掩码图像进行合并,生成第二掩码图像,并根据所述第二掩码图像确定有效活动区域。
7.如权利要求6所述的一种细菌有效活动区域的识别装置,其特征在于,所述第一掩码图像生成模块包括:
原始图像获取单元,用于获取所述细菌的原始图像;
缩略图获取单元,用于按照预设倍数对所述原始图像进行缩放,得到所述原始图像的缩略图;
U通道图像获取单元,用于将所述缩略图的颜色空间从RGB颜色空间转换为YUV颜色空间,并获取YUV颜色空间中的U通道图像;
第三掩码图像获取单元,用于根据最大类间方差方法,对所述U通道图像进行二值化处理,得到所述第三掩码图像;
第一掩码图像获取单元,用于对所述第三掩码图像进行取反处理,得到第一掩码图像。
8.如权利要求6所述的一种细菌有效活动区域的识别装置,其特征在于,所述第一掩码图像获取单元包括:
第三掩码图像取反子单元,用于对所述第三掩码图像进行取反处理;
第一掩码图像获取子单元,用于将经过取反处理的第三掩码图像中连通域面积小于第一预设阈值的前景设置为背景,得到所述第一掩码图像。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810424656.4A CN108846312B (zh) | 2018-05-07 | 2018-05-07 | 一种细菌有效活动区域的识别方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810424656.4A CN108846312B (zh) | 2018-05-07 | 2018-05-07 | 一种细菌有效活动区域的识别方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108846312A true CN108846312A (zh) | 2018-11-20 |
CN108846312B CN108846312B (zh) | 2021-03-12 |
Family
ID=64212668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810424656.4A Active CN108846312B (zh) | 2018-05-07 | 2018-05-07 | 一种细菌有效活动区域的识别方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108846312B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948544A (zh) * | 2019-03-20 | 2019-06-28 | 南京师范大学 | 一种目标菌落自动定位与识别方法 |
CN113111796A (zh) * | 2021-04-19 | 2021-07-13 | 山东仕达思生物产业有限公司 | 一种芽生孢子的自动细化标注类别的检测识别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213599A1 (en) * | 2014-01-25 | 2015-07-30 | Pangea Diagnostics Ltd. | Automated histological diagnosis of bacterial infection using image analysis |
CN104846054A (zh) * | 2015-05-22 | 2015-08-19 | 电子科技大学 | 一种基于形态学特征的白带中霉菌的自动检测方法 |
CN106127212A (zh) * | 2016-06-23 | 2016-11-16 | 3M创新有限公司 | 化学测试卡的自动读取方法和系统 |
CN106295588A (zh) * | 2016-08-17 | 2017-01-04 | 电子科技大学 | 一种白带显微图像中白细胞的自动识别方法 |
CN107480662A (zh) * | 2017-10-11 | 2017-12-15 | 青岛华晶生物技术有限公司 | 一种霉菌图像识别方法及其装置 |
CN107705414A (zh) * | 2017-09-05 | 2018-02-16 | 深圳怡化电脑股份有限公司 | 一种纸币的识别方法、装置、终端设备和存储介质 |
-
2018
- 2018-05-07 CN CN201810424656.4A patent/CN108846312B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213599A1 (en) * | 2014-01-25 | 2015-07-30 | Pangea Diagnostics Ltd. | Automated histological diagnosis of bacterial infection using image analysis |
CN104846054A (zh) * | 2015-05-22 | 2015-08-19 | 电子科技大学 | 一种基于形态学特征的白带中霉菌的自动检测方法 |
CN106127212A (zh) * | 2016-06-23 | 2016-11-16 | 3M创新有限公司 | 化学测试卡的自动读取方法和系统 |
CN106295588A (zh) * | 2016-08-17 | 2017-01-04 | 电子科技大学 | 一种白带显微图像中白细胞的自动识别方法 |
CN107705414A (zh) * | 2017-09-05 | 2018-02-16 | 深圳怡化电脑股份有限公司 | 一种纸币的识别方法、装置、终端设备和存储介质 |
CN107480662A (zh) * | 2017-10-11 | 2017-12-15 | 青岛华晶生物技术有限公司 | 一种霉菌图像识别方法及其装置 |
Non-Patent Citations (2)
Title |
---|
HONG-WEI SHI,YAO-WU SHI,YONG-GUANG YIN: "Study on method of bacteria image recognition", 《2011 4TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING》 * |
吴胜益: "细菌识别技术及其应用", 《中国公共安全(学术版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948544A (zh) * | 2019-03-20 | 2019-06-28 | 南京师范大学 | 一种目标菌落自动定位与识别方法 |
CN113111796A (zh) * | 2021-04-19 | 2021-07-13 | 山东仕达思生物产业有限公司 | 一种芽生孢子的自动细化标注类别的检测识别方法 |
CN113111796B (zh) * | 2021-04-19 | 2022-06-24 | 山东仕达思生物产业有限公司 | 一种芽生孢子的自动细化标注类别的检测识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108846312B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dong et al. | Inception v3 based cervical cell classification combined with artificially extracted features | |
CN111145209B (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
CN111652845B (zh) | 异常细胞自动标注方法、装置、电子设备及存储介质 | |
CN109558806B (zh) | 高分遥感图像变化的检测方法 | |
CN108121991B (zh) | 一种基于边缘候选区域提取的深度学习舰船目标检测方法 | |
CN108830149B (zh) | 一种目标细菌的检测方法及终端设备 | |
CN103020585B (zh) | 一种免疫组织阳性细胞和阴性细胞识别方法 | |
CN110766708B (zh) | 基于轮廓相似度的图像比较方法 | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
Li et al. | Hybrid supervision learning for pathology whole slide image classification | |
CN104484652A (zh) | 一种指纹识别方法 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN114581646A (zh) | 文本识别方法、装置、电子设备及存储介质 | |
CN108846312A (zh) | 一种细菌有效活动区域的识别方法、装置及终端设备 | |
CN117727046A (zh) | 新型山洪前端仪器仪表读数自动识别方法及系统 | |
CN111161300B (zh) | 一种基于改进大津法的Niblack的图像分割方法 | |
CN113284066B (zh) | 遥感影像自动云检测方法和装置 | |
CN108877030B (zh) | 图像处理方法、装置、终端和计算机可读存储介质 | |
CN110473212A (zh) | 一种融合显著性和超像素的电镜硅藻图像分割方法及装置 | |
CN116385435B (zh) | 基于图像分割的制药胶囊计数方法 | |
CN107729863B (zh) | 人体指静脉识别方法 | |
KR20210129850A (ko) | 조직 병리학 분류를 위한 다중 인스턴스 학습 방법 | |
Akther et al. | Detection of Vehicle's Number Plate at Nighttime using Iterative Threshold Segmentation (ITS) Algorithm | |
CN111554384A (zh) | 基于先验感知和多任务学习的腺癌病理图像分析方法 | |
Peng et al. | Automatic tongue crack extraction for real-time diagnosis |
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 | ||
CB03 | Change of inventor or designer information |
Inventor after: Li Chao Inventor after: Che Shuanlong Inventor after: Chen Longsen Inventor after: Luo Pifu Inventor before: Li Chao Inventor before: Chen Longsen Inventor before: Luo Pifu Inventor before: Che Shuanlong |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |