CN108961250A - 一种目标物统计方法、装置、终端以及存储介质 - Google Patents
一种目标物统计方法、装置、终端以及存储介质 Download PDFInfo
- Publication number
- CN108961250A CN108961250A CN201810805242.6A CN201810805242A CN108961250A CN 108961250 A CN108961250 A CN 108961250A CN 201810805242 A CN201810805242 A CN 201810805242A CN 108961250 A CN108961250 A CN 108961250A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- gray level
- target area
- processed
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/10064—Fluorescence image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种目标物统计方法、装置、终端以及存储介质。该方法包括:获取目标图像的灰度图像;所述目标图像包括至少一个荧光色的目标物;确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域;根据所述目标区域的数量确定所述目标物的数量。本实施例可以确定出灰度图像中像素灰度值在预设荧光值范围内的目标区域,这些目标区域就是目标物在灰度图像中所占用的区域,这样,根据这些目标区域就可以统计目标物的个数,因此,无需手工对目标物计数,实现了目标物的自动计数,提高了计数的准确率,减少了用户的劳动量。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种目标物统计方法、装置、终端以及存储介质。
背景技术
脑是动物体内最复杂的器官,它由数目庞大、形态及功能各异的神经元和其他细胞组成,主导着情感、节律、认知、记忆、想象和意识等活动。
随着神经染色技术的发展,人们通常需要研究不同的分子表达水平、细胞数目以及荧光信号强度等在不同脑区的分布情况,并对其进行量化和比较,从而了解大脑的组成结构和细胞的分布特性。对已有脑片图像进行精确区域划分的效果非常关键,其直接影响着细胞或信号在不同脑区分布强度的统计结果,进而可能影响整体的研究结论。脑片图像细胞计数通常由实验人员手工完成,劳动强度大,耗费时间多,且计数标准因人而异。
发明内容
本发明提供一种目标物统计方法、装置、终端以及存储介质,以实现自动目标物计数的效果。
第一方面,本发明实施例提供了一种目标物统计方法,包括:
获取目标图像的灰度图像;所述目标图像包括至少一个荧光色的目标物;
确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域;
根据所述目标区域的数量确定所述目标物的数量。
可选的,所述根据所述目标区域的数量确定所述目标物的数量,包括:
将对应不同预设荧光值范围的目标区域划分为不同组;
统计每组中目标区域个数作为该预设荧光值范围对应的荧光色目标物个数。
可选的,所述确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域之后,所述方法还包括:
根据目标区域内像素点的坐标,确定所述目标区域的中心点位置;
根据所述中心点位置和预设半径值在所述灰度图像中绘制圆,所述圆边作为所述目标区域的标记。
可选的,所述根据目标区域内像素点的坐标,确定所述目标区域的中心点位置,包括:
平滑所述目标区域的轮廓;
根据平滑后新轮廓内的像素点的坐标,确定新轮廓内区域的中心点位置作为所述目标区域的中心点位置。
可选的,所述获取目标图像的灰度图像之前,所述方法还包括:
获取待处理图像;
在所述待处理图像上绘制预设轮廓,所述预设轮廓内的图像作为所述目标图像。
可选的,所述获取目标图像的灰度图像,包括:
获取待处理图像的灰度图像;
将所述待处理图像的灰度图像与对应的掩膜图相乘,得到所述目标图像的灰度图像,所述掩膜图为与所述待处理图像大小形状一致的图像上绘制预设轮廓的图像,且预设轮廓内的像素灰度值为255,预设轮廓外的像素灰度值为0。
可选的,所述获取目标图像的灰度图像之前,所述方法还包括:
获取待处理图像,所述待处理图像划分为若干网格;
获取用户的图像选择操作,所述图像选择操作包括被选中网格信息;
响应所述图像选择操作,提取被选中网格的图像作为所述目标图像。
可选的,所述待处理图像为脑切片图像,所述网格线为脑图谱线。
第二方面,本发明实施例还提供了一种目标物统计装置,包括:
获取模块,用于获取目标图像的灰度图像;所述目标图像包括至少一个荧光色的目标物;
第一确定模块,用于确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域;
第二确定模块,用于根据所述目标区域的数量确定所述目标物的数量。
第三方面,本发明实施例还提供了一种终端,所述终端包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述目标物统计方法。
第四方面,本发明实施例还提供了一种计算机可读的存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述目标物统计方法。
本发明可以确定出灰度图像中像素灰度值在预设荧光值范围内的目标区域,这些目标区域就是目标物在灰度图像中所占用的区域,这样,根据这些目标区域就可以统计目标物的个数,因此,无需手工对目标物计数,实现了目标物的自动计数,提高了计数的准确率,减少了用户的劳动量。
附图说明
图1是本发明实施例一中的一种目标物统计方法的流程图;
图2是本发明实施例一中的一种目标物统计方法的流程图;
图3是本发明实施例一中的一种目标物统计方法的流程图;
图4是本发明实施例一中的一种目标物统计方法的流程图;
图5是本发明实施例一中的一种目标物统计方法的流程图;
图6是本发明实施例一中的一种目标物统计方法的流程图;
图7是本发明实施例二中的一种目标物统计方法的流程图;
图8是本发明实施例二中的标记后的待处理图像;
图9是本发明实施例三中的一种目标物统计装置的结构示意图;
图10是本发明实施例三中的一种目标物统计装置的结构示意图;
图11是本发明实施例三中的一种目标物统计装置的结构示意图;
图12是本发明实施例三中的一种目标物统计装置的结构示意图;
图13是本发明实施例三中的一种目标物统计装置的结构示意图;
图14是本发明实施例三中的一种目标物统计装置的结构示意图;
图15是本发明实施例三中的一种目标物统计装置的结构示意图;
图16是本发明实施例四中的一种终端的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种目标物统计方法的流程图,本实施例可适用于细胞计数的情况,该方法可以由目标物统计装置来执行,如图1所示,具体包括如下步骤:
步骤110、获取目标图像的灰度图像。
目标图像包括至少一个荧光色的目标物。目标物可以是被荧光剂染色的细胞、细菌、病毒等这类微生物,该荧光色就是荧光剂的颜色。例如,目标物是染上荧光黄色的细胞,从目标图像中看,就是目标物是一个荧光黄色的小点。
本实施例中灰度图像,是通过将目标图像中像素的RGB值转化为相应像素灰度值,这些灰度值组成的新的图像,这里具体获取灰度值的方式有很多种,例如,浮点算法:Gray=R*0.3+G*0.59+B*0.11;整数方法:Gray=(R*30+G*59+B*11)/100平均值法:Gray=(R+G+B)/3;仅取绿色:Gray=G。其中,上述Gray是第一灰度图像的像素的灰度值,RGB值分别表征该目标图像的像素的红值、绿值和蓝值。
步骤120、确定灰度图像中像素灰度值在预设荧光值范围内的目标区域。
这里,荧光色的亮度高于其他非荧光色,目标物身上的亮度就远高于没有被染色的其他物体,目标物所在区域的像素灰度值就远高于其他区域。但是不同荧光色所对应的预设荧光值范围是不同的,因此,对于多种荧光色的情况,需要根据预设荧光值范围对目标区间进行区分。
具体的,遍历第一灰度图像中每个像素;判断每个像素灰度值在哪个预设荧光值范围,将相邻的且灰度值在同一预设荧光值范围的像素归纳在一起,由于像素是相邻的,那么这些归纳在一起的像素就组成目标区域。这里的目标区域的图像显示的内容是目标物。
值得说明的是,如果本实施例所有的目标物都是一种荧光色,那么可以设置一个预设荧光值,只要像素灰度值都高于该值的目标区间个数就是该目标物的个数。本实施例根据染色的深浅、颜色不同,预设荧光值范围也稍微改变,该预设荧光值范围是用户自己测试得到的。
步骤130、根据目标区域的数量确定目标物的数量。
因此,如果荧光色仅有一种颜色,那么,目标区域的总数量就等于目标物的数量;如果荧光色有至少两个颜色,即存在两个预设荧光值范围,那么,需要按荧光色的颜色来分别统计不同荧光色目标物个数。当目标物是细胞,那么每个细胞只能被一种荧光色染色。
值得说明的是,本实施例还可以根据目标区域在目标图像上标记出相应的区域,便于用户查看目标物。本实施例对标记方式不作限定。
本实施例可以确定出灰度图像中像素灰度值在预设荧光值范围内的目标区域,这些目标区域就是目标物在灰度图像中所占用的区域,这样,根据这些目标区域就可以统计目标物的个数,因此,无需手工对目标物计数,实现了目标物的自动计数,提高了计数的准确率,减少了用户的劳动量。
在上述技术方案的基础上,如图2所示,步骤130可以包括:
将对应不同预设荧光值范围的目标区域划分为不同组;统计每组中目标区域个数作为该预设荧光值范围对应的荧光色目标物个数。
示例的,假设目标物包括荧光黄的A和荧光绿的B;在灰度图像中根据荧光黄的预设荧光值区间提取到的第一组目标区域,根据荧光绿的预设荧光值区间提取到第二组目标区域,第一组目标区域的个数作为A的个数,第二组目标区域的个数为B的个数,这里,如果目标物的名字被提前输入到装置内,那么可以同时显示目标物的名字和个数;或者以荧光色来显示个数,以便于将荧光色与目标物相对应。
在上述技术方案的基础上,目标区域包括第一区域,步骤102之后,如图3所示,所述方法还可以包括:
步骤140、根据目标区域内像素点的坐标,确定目标区域的中心点位置。
这里,在MATLAB中可以通过regionprops函数计算中心点位置。
步骤150、根据中心点位置和预设半径值在灰度图像中绘制圆,圆边作为目标区域的标记。
同样,确定该中心位置在目标图像上的位置,以该位置为圆心,预设半径值为半径在目标图像上绘制圆,该圆用于标记目标区间中的目标物。
本实施例中,灰度图像都不在前台显示,仅仅在后台运算中使用,而目标图像、标记后的目标图像这类彩色图像可以进行前台显示。
本实施例可以将不同荧光色的目标物用同一种色的圆圈住,但是这样从目标图像或灰度图像中无法直观的进行分类。因此,可以按照之前的分组,为每一组目标区域设置一个区别于其他组的颜色。
假设本实施例中已标记的目标图像可以缩放,如果标记也跟着进行缩放,那么,当该图像缩小到一定比例后,那么,标记和目标物都会消失不见,用户就无法确定目标物的大体位置,因此,本实施例的标记将不随着目标图像的缩放而改变。具体的,当装置接收到缩放指令时,仅仅控制目标图缩放,而标记的半径是固定的,根据缩放后目标区域的中心点位置作为圆的中心的位置,然后以该固定的半径绘制圆。
在上述技术方案的基础上,步骤140,根据目标区域内像素点的坐标,确定目标区域的中心点位置,可以包括:
步骤141、平滑目标区域的轮廓。
本实施例中平滑轮廓的方位可以包括:可以对该目标区域进行开运算。具体的,对目标区域先进行腐蚀然后进行膨胀,这样,就可以去除轮廓上的不规则凸起或凹陷,使得轮廓平滑,且平滑前后轮廓面积不变。
步骤142、根据平滑后新轮廓内的像素点的坐标,确定新轮廓内区域的中心点位置作为目标区域的中心点位置。
本实施例可以提供两种目标图像的灰度图像的获取方法,分别为如下两种:第一种是先获取目标图像,再获取灰度图像;第二种是直接获取灰度图像。
对于第一种,步骤110,即获取目标图像的灰度图像之前,如图4所示,该方法还可以包括:
步骤160、获取待处理图像。
为了减少数据处理数量,待处理图像可以是已经进行一次压缩的图像。具体的,装置还可以使用降采样的方法对原图进行压缩,得到待处理图像,待处理图像在保证图像精度的情况下,使得降采样系数最大。
步骤170、在待处理图像上绘制预设轮廓,预设轮廓内的图像作为目标图像。
预设轮廓可以用户通过鼠标在屏幕上选择的一个封闭范围。
对于第二种,步骤110,即获取目标图像的灰度图像,如图5所示,可以包括:
步骤111、获取待处理图像的灰度图像。
待处理图像的灰度图像的获取方法与目标图像的灰度图像的获取方法相同。
步骤112、将待处理图像的灰度图像与对应的掩膜图相乘,得到目标图像的灰度图像。
掩膜图为与待处理图像大小形状一致的图像上绘制预设轮廓的图像,圈选轨迹包围的图像是感兴趣的部分,因此,将圈选轨迹包围的像素的灰度值设置为255,将未被圈选轨迹包围的像素设置为0。这里掩膜图的获取可以通过createMask函数实现。0是黑色,255是白色。
掩膜图和第二灰度图像相乘是指将相同位置的像素相乘之后,不感兴趣的部分变为黑色,感兴趣图像的灰度值保留。
在上述技术方案的基础上,在步骤101,即获获取目标图像的灰度图像之前,如图6所示,方法还包括:
步骤160’、获取待处理图像,待处理图像划分为若干网格。
值得说明的是,在步骤160’之前,需要显示待处理图像。
步骤170’、获取用户的图像选择操作。
图像选择操作包括被选中网格信息。例如,图标选择操作可以是点击操作,点击操作作用在哪个网格,选择哪个网格的图像作为目标图像。
步骤180’、响应图像选择操作,提取被选中网格的图像作为目标图像。
在上述技术方案的基础上,网格的网格线是脑图谱,背景图像是脑切片图。
由于脑图谱中存在虚线,那么,需要执行以下步骤:
从待处理图像中提取脑图谱,通过图像膨胀的方法将虚线连通,然后连通的脑图谱映射回待处理图像。
本实施例中,通过实验可知,在原始图像G通道中脑图谱轮廓最为清晰,因此,从待处理图像中提取脑图谱可以包括:在待处理图像的G通道提取出的脑图谱。
这里,网格和待处理图像的匹配工作可以是由用户手动或装置自动匹配出脑切片和脑图谱的效果最好的图像来实现。
对于目标图像是待处理图像的一部分这种情况,最终圆圈还是要标记在待处理图像上,因此,本实施例还包括:获取目标图像上预设点的第一坐标;获取该预设点在待处理图像上的第二坐标;根据两个坐标关系,确定出各个目标区域的质心在待处理图像上的新坐标,从而将该新坐标为圆心,预设长为半径绘制圆标记在待处理图像上。
实施例二
图7为本发明实施例一提供的一种目标物统计方法的流程图,本实施例可适用于细胞计数的情况,该方法可以由终端来执行,假设目标物是被染了荧光黄的目标细胞,原始图像是被脑图谱分割的脑切片图,本发明以应用于MATLAB环境下为例进行示例性说明,该方法具体包括如下步骤:
步骤201、获取原图。
通过imread函数进行读取原图。
步骤202、通过降采样的方式压缩原图。
步骤203、在压缩后原图的G通道提取出的脑图谱。
可以对压缩后原图包括两个图层,脑图谱图层和脑切片图层,本实施例提取在脑图谱图层G通道的脑图谱,具体的,脑图谱图层按照矩阵运算将三色通道分离,从中获取出G通道的脑图谱。这里,本实施例可以使用bwareaopen函数删除G通道的脑图谱中面积小于预设值的对象,从而消除由绿色荧光细胞带来的误差。优选的预设值是20。
步骤204、对G通道的脑图谱进行图像膨胀。
本实施例中定义大小为4的结构像素,使用形膨胀运算函数imdilate对G通道的脑图谱进行图像膨胀,使得脑图谱上的虚线连通。
步骤205、将已连通的脑图谱映射回原始图像,得到待处理图像。
本实施例将已连通的脑图谱的图层代替原图层。本实施例用于显示的函数是imshow函数。
步骤206、获取用户的图像选择操作。
步骤207、响应图像选择操作,提取被选中网格的图像作为目标图像。
将已连通的脑图谱进行逻辑非运算,显示由已连通的脑图谱分割的各个区域,使用regionprops函数求得所有各个区域内点集的坐标。定义图像句柄,使用imshow函数显示压缩图像,并根据该图像句柄使用set函数设置鼠标回调函数。当使用鼠标单击压缩后待处理图像内的位置进入鼠标回调函数,首先使用get函数获取鼠标单击时的位置坐标,并根据该坐标定位到图谱中的位置,确定单击的是哪个区域。
步骤208、获取目标图像的灰度图像。
步骤209、获取预设像素在目标图像的灰度图像中第一坐标,在待处理图像的第二坐标。
步骤210、确定目标图像的灰度图像中像素灰度值在预设荧光值范围内的目标区域。
步骤211、根据目标区域内像素点的坐标,确定目标区域的中心点位置。
步骤212、确定中心位置在待处理图像的位置。
使用regionprops函数计算经过上述处理后的图像的连通区域的质心,并根据预设像素的第一坐标和第二坐标计算出在压缩后原始图像中目标细胞的质心位置。在该质心位置对细胞进行标记。
步骤213、根据该位置和预设半径,在待处理图像上绘制作为标记的圆。
步骤214、统计并显示目标区间的个数作为目标细胞的个数。
图8是用于显示标记后的待处理图像的窗口,图中的圆即为作为标记的圆,图中每个区域都被提前编号,标记后的待处理图像是在窗口中显示的,因此,可以将目标细胞的个数和区域编号显示在窗口的标题栏,这里的显示可以通过title函数实现。
值得说明的是,如果标记或统计多个区域的目标细胞,可以预先为多个区域编号,这样可以在显示时,将该哪个区域的编号与哪个区域的目标细胞相对应。
本实施例的方法与人工计数的准确度相比,细胞计数的准确度可以达到90%以上,满足细胞计数精度要求,且计数速度要远快于人工计数,统一性与标准性均超越人工计数,达到了应用要求。
实施例三
本发明实施例所提供的一种目标物统计装置可执行本发明任意实施例所提供的目标物统计方法,具备执行方法相应的功能模块和有益效果。
图9为本发明实施例三提供的一种目标物统计装置的结构示意图,如图8所示,该目标物统计装置可以包括:
获取模块301,用于获取目标图像的灰度图像。
第一确定模块302,用于确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域。
第二确定模块303,用于根据所述目标区域的数量确定所述目标物的数量。
本实施例可以确定出灰度图像中像素灰度值在预设荧光值范围内的目标区域,这些目标区域就是目标物在灰度图像中所占用的区域,这样,根据这些目标区域就可以统计目标物的个数,因此,无需手工对目标物计数,实现了目标物的自动计数,提高了计数的准确率,减少了用户的劳动量
可选的,如图10所示,第二确定模块303可以包括:
分类子模块3031,用于将对应不同预设荧光值范围的目标区域划分为不同组;
统计子模块3032,用于统计每组中目标区域个数作为该预设荧光值范围对应的荧光色目标物个数。
本发明由于以荧光染色的目标物的亮度高,相应的目标物所在目标区域的各个像素的灰度值也高于其他区域,这样,统计这些目标区域的个数就可以统计目标物的个数,因此,无需手工对目标物计数,实现了目标物的自动计数,提高了计数的准确率,减少了用户的劳动量。
可选的,如图11所示,所述装置还包括:
第三确定模块304,用于根据目标区域内像素点的坐标,确定所述目标区域的中心点位置;
第一绘制模块305,用于根据所述中心点位置和预设半径值在所述灰度图像中绘制圆,所述圆边作为所述目标区域的标记。
可选的,如图12所示,第三确定模块304包括:
平滑子模块3041,用于平滑所述目标区域的轮廓;
确定子模块3042,用于根据平滑后新轮廓内的像素点的坐标,确定新轮廓内区域的中心点位置作为所述目标区域的中心点位置。
可选的,如图13所示,所述装置还包括:
图像获取模块306,用于获取待处理图像;
第二绘制模块307,用于在所述待处理图像上绘制预设轮廓,所述预设轮廓内的图像作为所述目标图像。
可选的,如图14所示,获取模块301包括:
获取子模块3011,用于获取待处理图像的灰度图像;
计算子模块3012,用于将所述待处理图像的灰度图像与对应的掩膜图相乘,得到所述目标图像的灰度图像,所述掩膜图为与所述待处理图像大小形状一致的图像上绘制预设轮廓的图像,且预设轮廓内的像素灰度值为255,预设轮廓外的像素灰度值为0。
可选的,如图15所示,装置还包括:
所述图像获取模块306,还用于获取待处理图像,所述待处理图像划分为若干网格;
操作获取模块308,用于获取用户的图像选择操作,所述图像选择操作包括被选中网格信息;
提取模块309,用于响应所述图像选择操作,提取被选中网格的图像作为所述目标图像。
可选的,所述待处理图像为脑切片图像,所述网格线为脑图谱线。
实施例四
图16为本发明实施例四提供的一种终端的结构示意图,如图16所示,该终端包括处理器40、存储器41、输入装置42和输出装置43;终端中处理器40的数量可以是一个或多个,图16中以一个处理器40为例;终端中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接,图16中以通过总线连接为例。
存储器41作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的目标物统计方法对应的程序指令/模块(例如,主题更新装置中的获取模块301、第一确定模块302和第二确定模块303)。处理器40通过运行存储在存储器41中的软件程序、指令以及模块,从而执行设备/终端/服务器的各种功能应用以及数据处理,即实现上述的目标物统计方法。
存储器41可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器41可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器41可进一步包括相对于处理器40远程设置的存储器,这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置42可用于接收输入的目标图像,以及产生与终端的用户设置以及功能控制有关的操作或指令。输出装置43可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种目标物统计方法,该方法包括:
获取目标图像的灰度图像;所述目标图像包括至少一个荧光色的目标物;
确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域;
根据所述目标区域的数量确定所述目标物的数量。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的目标物统计方法中的相关操作.
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种目标物统计方法,其特征在于,包括:
获取目标图像的灰度图像;所述目标图像包括至少一个荧光色的目标物;
确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域;
根据所述目标区域的数量确定所述目标物的数量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标区域的数量确定所述目标物的数量,包括:
将对应不同预设荧光值范围的目标区域划分为不同组;
统计每组中目标区域个数作为该预设荧光值范围对应的荧光色目标物个数。
3.根据权利要求1所述的方法,其特征在于,所述确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域之后,所述方法还包括:
根据目标区域内像素点的坐标,确定所述目标区域的中心点位置;
根据所述中心点位置和预设半径值在所述灰度图像中绘制圆,所述圆边作为所述目标区域的标记。
4.根据权利要求3所述的方法,其特征在于,所述根据目标区域内像素点的坐标,确定所述目标区域的中心点位置,包括:
平滑所述目标区域的轮廓;
根据平滑后新轮廓内的像素点的坐标,确定新轮廓内区域的中心点位置作为所述目标区域的中心点位置。
5.根据权利要求1所述的方法,其特征在于,所述获取目标图像的灰度图像之前,所述方法还包括:
获取待处理图像;
在所述待处理图像上绘制预设轮廓,所述预设轮廓内的图像作为所述目标图像。
6.根据权利要求1所述的方法,其特征在于,所述获取目标图像的灰度图像,包括:
获取待处理图像的灰度图像;
将所述待处理图像的灰度图像与对应的掩膜图相乘,得到所述目标图像的灰度图像,所述掩膜图为与所述待处理图像大小形状一致的图像上绘制预设轮廓的图像,且预设轮廓内的像素灰度值为255,预设轮廓外的像素灰度值为0。
7.根据权利要求1所述的方法,其特征在于,所述获取目标图像的灰度图像之前,所述方法还包括:
获取待处理图像,所述待处理图像划分为若干网格;
获取用户的图像选择操作,所述图像选择操作包括被选中网格信息;
响应所述图像选择操作,提取被选中网格的图像作为所述目标图像。
8.根据权利要求7所述的方法,其特征在于,所述待处理图像为脑切片图像,所述网格线为脑图谱线。
9.一种目标物统计装置,其特征在于,包括:
获取模块,用于获取目标图像的灰度图像;所述目标图像包括至少一个荧光色的目标物;
第一确定模块,用于确定所述灰度图像中像素灰度值在预设荧光值范围内的目标区域;
第二确定模块,用于根据所述目标区域的数量确定所述目标物的数量。
10.一种设备/终端/服务器,其特征在于,所述设备/终端/服务器包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的目标物统计方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的目标物统计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810805242.6A CN108961250B (zh) | 2018-07-20 | 2018-07-20 | 一种目标物统计方法、装置、终端以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810805242.6A CN108961250B (zh) | 2018-07-20 | 2018-07-20 | 一种目标物统计方法、装置、终端以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108961250A true CN108961250A (zh) | 2018-12-07 |
CN108961250B CN108961250B (zh) | 2023-02-07 |
Family
ID=64497776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810805242.6A Active CN108961250B (zh) | 2018-07-20 | 2018-07-20 | 一种目标物统计方法、装置、终端以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108961250B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706206A (zh) * | 2019-09-11 | 2020-01-17 | 深圳先进技术研究院 | 荧光细胞计数方法、装置、终端设备及存储介质 |
CN111080701A (zh) * | 2019-12-13 | 2020-04-28 | 深圳市丰巢科技有限公司 | 智能柜物体检测方法、装置、服务器及存储介质 |
CN111583255A (zh) * | 2020-05-19 | 2020-08-25 | 东莞市瑞图新智科技有限公司 | 面向多领域的高适应性识别计数方法 |
CN113693724A (zh) * | 2021-08-19 | 2021-11-26 | 南京诺源医疗器械有限公司 | 适用于荧光影像导航手术的照射方法、装置及存储介质 |
CN116129331A (zh) * | 2023-04-12 | 2023-05-16 | 成都航空职业技术学院 | 一种回转体零件表面通孔个数统计方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060257013A1 (en) * | 2002-05-14 | 2006-11-16 | Peter Ramm | System and methods for rapid and automated screening of cells |
CN101008991A (zh) * | 2006-01-23 | 2007-08-01 | 陈奎发 | 扫描细胞计数方法 |
US20080137937A1 (en) * | 2006-11-16 | 2008-06-12 | Definiens Ag | Automatic image analysis and quantification for fluorescence in situ hybridization |
US20090196482A1 (en) * | 2008-02-05 | 2009-08-06 | Olympus Corporation | Apparatus, a method and software for analyzing a cell image |
CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
CN102945505A (zh) * | 2012-11-17 | 2013-02-27 | 中国水产科学研究院渔业机械仪器研究所 | 一种小球藻自动计数方法 |
CN103561626A (zh) * | 2011-06-03 | 2014-02-05 | 奥林巴斯株式会社 | 荧光观察装置和荧光观察方法 |
CN106190945A (zh) * | 2015-05-05 | 2016-12-07 | 深圳华大基因研究院 | 自动识别稀有细胞的方法及系统 |
CN106780435A (zh) * | 2016-11-18 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种物体计数方法及装置 |
CN107367456A (zh) * | 2017-07-20 | 2017-11-21 | 上海睿钰生物科技有限公司 | 一种免洗涤图像类流式荧光检测方法和系统 |
-
2018
- 2018-07-20 CN CN201810805242.6A patent/CN108961250B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060257013A1 (en) * | 2002-05-14 | 2006-11-16 | Peter Ramm | System and methods for rapid and automated screening of cells |
CN101008991A (zh) * | 2006-01-23 | 2007-08-01 | 陈奎发 | 扫描细胞计数方法 |
US20080137937A1 (en) * | 2006-11-16 | 2008-06-12 | Definiens Ag | Automatic image analysis and quantification for fluorescence in situ hybridization |
US20090196482A1 (en) * | 2008-02-05 | 2009-08-06 | Olympus Corporation | Apparatus, a method and software for analyzing a cell image |
CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
CN103561626A (zh) * | 2011-06-03 | 2014-02-05 | 奥林巴斯株式会社 | 荧光观察装置和荧光观察方法 |
CN102945505A (zh) * | 2012-11-17 | 2013-02-27 | 中国水产科学研究院渔业机械仪器研究所 | 一种小球藻自动计数方法 |
CN106190945A (zh) * | 2015-05-05 | 2016-12-07 | 深圳华大基因研究院 | 自动识别稀有细胞的方法及系统 |
CN106780435A (zh) * | 2016-11-18 | 2017-05-31 | 郑州云海信息技术有限公司 | 一种物体计数方法及装置 |
CN107367456A (zh) * | 2017-07-20 | 2017-11-21 | 上海睿钰生物科技有限公司 | 一种免洗涤图像类流式荧光检测方法和系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110706206A (zh) * | 2019-09-11 | 2020-01-17 | 深圳先进技术研究院 | 荧光细胞计数方法、装置、终端设备及存储介质 |
CN111080701A (zh) * | 2019-12-13 | 2020-04-28 | 深圳市丰巢科技有限公司 | 智能柜物体检测方法、装置、服务器及存储介质 |
CN111583255A (zh) * | 2020-05-19 | 2020-08-25 | 东莞市瑞图新智科技有限公司 | 面向多领域的高适应性识别计数方法 |
CN111583255B (zh) * | 2020-05-19 | 2023-06-13 | 东莞市瑞图新智科技有限公司 | 面向多领域的高适应性识别计数方法 |
CN113693724A (zh) * | 2021-08-19 | 2021-11-26 | 南京诺源医疗器械有限公司 | 适用于荧光影像导航手术的照射方法、装置及存储介质 |
CN116129331A (zh) * | 2023-04-12 | 2023-05-16 | 成都航空职业技术学院 | 一种回转体零件表面通孔个数统计方法及装置 |
CN116129331B (zh) * | 2023-04-12 | 2023-07-04 | 成都航空职业技术学院 | 一种回转体零件表面通孔个数统计方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108961250B (zh) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108961250A (zh) | 一种目标物统计方法、装置、终端以及存储介质 | |
CN104966085B (zh) | 一种基于多显著特征融合的遥感图像感兴趣区域检测方法 | |
CN108206917B (zh) | 图像处理的方法及装置、存储介质、电子装置 | |
CN105122306B (zh) | 区域分割方法以及检查装置 | |
CN106384117B (zh) | 一种车辆颜色识别方法及装置 | |
CN108388905B (zh) | 一种基于卷积神经网络和邻域上下文的光源估计方法 | |
DE102014115124A1 (de) | Gesichtserkennung | |
CN103914699A (zh) | 一种基于色彩空间的自动唇彩的图像增强的方法 | |
CN104636759A (zh) | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐系统 | |
CN104000593B (zh) | 一种测试皮肤的方法 | |
CN103578098B (zh) | 在商品图片中提取商品主体的方法和装置 | |
CN109472193A (zh) | 人脸检测方法及装置 | |
CN106651887A (zh) | 一种基于卷积神经网络的图像像素分类方法 | |
CN110967339A (zh) | 一种玉米果穗性状分析的方法及装置、玉米性状分析设备 | |
CN113128335B (zh) | 微体古生物化石图像检测、分类及发现方法、系统及应用 | |
CN107274373A (zh) | 直播中打码方法及装置 | |
CN107506738A (zh) | 特征提取方法、图像识别方法、装置及电子设备 | |
CN111882559B (zh) | Ecg信号的获取方法及装置、存储介质、电子装置 | |
CN112489142A (zh) | 一种颜色识别方法、装置、设备及存储介质 | |
CN105404682B (zh) | 一种基于数字图像内容的图书检索方法 | |
CN114372931A (zh) | 一种目标对象虚化方法、装置、存储介质及电子设备 | |
CN105872516A (zh) | 获取立体片源视差参数的方法及装置 | |
CN109658360B (zh) | 图像处理的方法、装置、电子设备和计算机存储介质 | |
CN104050455B (zh) | 一种肤色检测方法及系统 | |
DE112019004112T5 (de) | System und verfahren zur analyse mikroskopischer bilddaten und zur erzeugung eines annotierten datensatzes zum training der klassifikatoren |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |