CN109308738B - 基于优化Delaunay三角剖分的植物微观组织重建方法 - Google Patents
基于优化Delaunay三角剖分的植物微观组织重建方法 Download PDFInfo
- Publication number
- CN109308738B CN109308738B CN201810831573.7A CN201810831573A CN109308738B CN 109308738 B CN109308738 B CN 109308738B CN 201810831573 A CN201810831573 A CN 201810831573A CN 109308738 B CN109308738 B CN 109308738B
- Authority
- CN
- China
- Prior art keywords
- points
- delaunay triangulation
- tissue
- plant
- binary image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于建立多孔结构仿真模型领域,涉及基于优化的Delaunay三角剖分的植物微观组织重建方法。该方法包括:获取对植物微观组织切片显微图片,对显微图片进行预处理,获取其二值图片;提取二值图片中细胞单元的质心点和组织最外轮廓点,将它们加入Delaunay三角剖分的点集中;对二值图片进行Delaunay三角剖分,并利用虚拟分割技术对Delaunay三角剖分进行优化;使用距离权重镶嵌算法对二值图片进行重建,得到植物微观组织的精确重建结构。本发明能在植物组织结构相当复杂的情况下完成对组织结构边界的精确重建,并且重建耗时少,重建结构简单,利于之后的有限元仿真模型的建立,提高了仿真的准确性和高效性。
Description
技术领域
本发明涉及建立多孔结构仿真模型领域,尤其涉及一种针对植物多孔组织结构的植物微观组织重建方法。
背景技术
植物仿真力学模型的建立对于仿真研究植物的多尺度结构的力学性能来说具有至关重要的作用。仿真力学模型的精确性和高效性对于结构力学仿真的结果准确与否起着直接决定作用。现有的常用植物仿真力学模型的建立方法有:通过CT扫描可以精确重建其三维结构,但该方法建立的三维模型过于复杂不利于仿真。基于Delaunay三角化的Voronoi法是重建植物非规则多孔结构的经典方法,该方法先对植物组织二值图片进行Delaunay三角剖分,再建立与该Delaunay三角剖分图成对偶图的Voronoi图。该方法建立模型的过程简单,但所重建的力学模型的准确性较低,尤其是当相邻细胞单元面积相差很大或长条及凹边细胞较多时,该方法几乎不能重建出和原植物组织结构几何特征相似的重建模型。而且Voronoi法不能重建出模型的最外边界,因而不能重建具有明显边界的植物结构。
发明内容
针对上述现有方法的缺点和不足,本发明的目的在于:提供一种针对相邻细胞单元面积相差很大或长条及凹边细胞较多的植物组织模型的精确重建方法,并且针对具有明显边界的植物结构提供高精度的边界重建,从而得到一种适用范围更广的高精度重建方法。
为实现上述目的,本发明采用的技术方案为:一种基于优化Delaunay三角剖分的植物微观组织重建方法,包括如下步骤:
(1)获取对植物微观组织切片显微图像,对显微图片进行预处理,获取其二值图片;
(2)提取二值图片中细胞单元的质心点和组织最外轮廓点,将它们加入Delaunay三角剖分的点集中;
(3)对二值图片进行Delaunay三角剖分,并利用虚拟分割技术对Delaunay三角剖分进行优化;
(4)使用距离权重镶嵌算法对二值图片进行重建,得到植物微观组织的精确重建结构。
本发明的原理是:首先获得植物组织切片的二值化图片,其次利用虚拟分割技术对Delaunay三角剖分进行优化,在MATLAB中利用优化的Delaunay三角剖分对图片进行三角分割;基于Delaunay三角剖分的点集使用添加了精准轮廓的距离权重镶嵌算法对二值图片进行重建,最终得到植物微观组织的精确重建结构。
本发明的优点在于:
(1)本发明方法能在植物组织结构相当复杂的情况下完成对组织结构的精确重建,针对传统算法难以重建的相邻细胞单元面积相差很大或长条及凹边细胞较多的植物组织模型,以及具有有限最外边界的组织图片,可以得到相当高精度的重建结构,具有更大的适用范围。
(2)本方法重建耗时少,重建的结构也足够简单,利于之后的有限元仿真模型的建立,提高了仿真的准确性和高效性。
附图说明
图1为本发明植物微观组织重建方法流程图;
图2为一种植物组织切片的显微图片及其预处理后的二值图,其中:(a)为显微图片,(b)为预处理后的二值图;
图3为获取组织最外轮廓像素点的示意图,其中:(a)为二值图,(b)为截面大连通区域图,(c)为提取的最外轮廓;
图4为虚拟分割法优化Delaunay三角剖分及基于优化后三角剖分的重建结果图,其中:(a)为植物细胞结构示意图,(b)为将细胞质心点用长轴方向的四个虚拟质心点取代的示意图,(c)为优化后的Delaunay三角剖分图,(d)为采用优化后的三角剖分图对细胞结构的重建结果图;
图5为传统的Delaunay三角剖分及基于此三角剖分的重建结果图,其中:(a)为植物细胞结构示意图,(b)为传统的三角剖分图,(c)为采用传统三角剖分图对细胞结构的重建结果图;
图6为距离权重镶嵌算法的原理图;
图7为采用基于虚拟分割法优化Delaunay三角剖分的距离权重镶嵌算法重建组织切片显微图后的重建结果。
具体实施方式
下面结合具体实例对本发明作进一步具体详细描述,但本发明的实施方式并不限定于此。
本实施例中,基于优化的Delaunay三角剖分的植物微观组织重建方法,如图1所示,包括如下步骤:
(1)获取对植物微观组织切片显微图片,对显微图片进行预处理,获取其二值图片,具体为:
对植物微观组织进行切片处理,并通过SEM获取其显微图像;
对显微图片进行预处理:对显微图片进行阈值分割处理,得到二值图片,并在图像处理软件中对二值图片进行适当手动修复,获取可进行组织重建的二值图片。
图2为一种植物组织切片的显微图片及其预处理后的二值图。植物显微图片无法直接用于重建算法,先对显微图片进行阈值分割处理,如图2中的(a)所示,再在图像处理软件中对处理后的图片进行适当手动修复,获取可用于重建算法的二值图片,如图2中的(b)所示。
(2)提取二值图片中细胞单元的质心点和组织最外轮廓点,将它们加入Delaunay三角剖分的点集中,具体为:
读入二值图片,提取图片中代表细胞的各连通区域的质心点坐标;
对二值图片进行闭运算处理,并通过腐蚀运算和填补空洞运算,将整个组织截面变为一个大连通区域,获取这个大连通区域的轮廓点;
对轮廓点根据组织最外圈细胞数量选取其中的保留轮廓特征的一些重要轮廓点,将质心点和轮廓点都放入Delaunay三角剖分的点集当中。
(3)对二值图片进行Delaunay三角剖分,并利用虚拟分割技术对Delaunay三角剖分进行优化,具体为:
选取Delaunay三角剖分的点集中其所属细胞形状长宽比过大或内凹特征明显的质心点;
对所选取的质心点进行虚拟分割操作,即将其用沿与其所在细胞区域具有相同标准二阶中心矩的椭圆的长轴方向的四个新质心点取代,由于新的质心点与长轴两端细胞质心之间距离缩到很短,根据Delaunay三角剖分以最接近的三点形成三角形的生成条件,新质心点会与长轴两端细胞质心位于同一剖分三角形,用这四个新质心点替换原始质心点,加入到Delaunay三角剖分的点集中,则实际的Delaunay三角剖分图就变为图4中的(c)。
基于生成的Delaunay三角剖分的点集对二值图片进行Delaunay三角剖分,获取优化的三角剖分图。
图3为获取组织最外轮廓像素点的示意图。步骤(2)中二值图中代表各细胞区域的连通区域的质心点可在MATLAB中使用‘regionprops’函数获取,而其组织的最外轮廓点不能直接获得,在MATLAB中运用闭运算处理如图3中的(a)所示的二值图片,并通过适当腐蚀运算和填补空洞运算,将整个组织截面变为一个大连通区域,如图3中的(b)所示,再使用“bwboundaries”函数提取得到组织最外轮廓点的坐标,如图3中的(c)所示。为简化算法运算量,可在轮廓点中选取部分点作为特征点,将这些点与细胞单元的质心点一起加入Delaunay三角剖分的点集中。
图4为虚拟分割法优化Delaunay三角剖分及基于优化后三角剖分的重建结果图,并与图5未经优化的重建结果作对比。如图4所示,为了本发明方法能准确重建传统方法难以良好重建的长条形和内凹形细胞结构,将细胞质心点用长轴方向的四个虚拟质心点取代,如图4的(b)所示,用这些虚拟质心代替原始质心加入Delaunay三角剖分点集中,并在Delaunay三角剖分后,将虚拟质心点替换回原始细胞质心点,则可得到利于之后重建算法的优化的Delaunay三角剖分图,如图4中的(c)所示。图4中的(d)、图5中的(c)分别为采用优化后的三角剖分图和未经优化的三角剖分图,对细胞结构的重建结果,对比可观察到这一优化的明显效果。
(4)使用距离权重镶嵌算法对二值图片进行重建,得到植物微观组织的精确重建结构,具体为:
基于Delaunay三角剖分图进行操作,通过在各个Delaunay三角中分别确定唯一的分割点,并将各分割点与其所在Delaunay三角相邻的三个Delaunay三角形中的分割点相连接,完成对二值图像的结构重建,其中分割点的确定是通过使用与细胞面积相等的圆的半径作为权重因子确定分割点的。
图6为距离权重镶嵌算法的原理图,设A1A2A3为连接三个相邻细胞质心所得到的Delaunay三角形,A1,A2,A3是三个相邻细胞的质心,P为需要确定的距离权重镶嵌算法的分割点。A1P,A2P,A3P三条线将三角形分为三部分,可通过权重因子分配三个子三角形面积,由于子三角形的底边均已知,因而需要确定的实际为P到三个底边的距离。用r1,r2,r3表示A1,A2,A3所在细胞的等面积圆半径,S1,S2,S3为A1,A2,A3所在细胞的面积。则有:
距离权重因子为:
Zij=ri+rj(i≠j&i,j=1,2,3) (2)
子三角形AiAjP的面积为:
其中S为Delaunay三角形A1A2A3的面积,S的值可以通过海伦公式求得。根据上述公式以及A1,A2,A3三点的坐标,可以确定出位于三角形A1A2A3内的分割点P的唯一坐标值。通过连接与A1A2A3相邻的三个Delaunay三角形中的分割点实现距离权重镶嵌算法。
图7为采用基于虚拟分割法优化Delaunay三角剖分的距离权重镶嵌算法重建组织切片显微图后的重建结果,它是在重建的线条图填充细胞单元后得到的二值图。
以上内容是几何具体的植物组织切片对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于以上说明。本领域一般技术人员在不脱离本发明构思的前提下,还可以做出若干同等替代或变型,如本发明构思的基础上应用其它计算机语言或工具(非MATLAB),编制程序,实现多孔结构模型的重建,或将本发明用于非植物组织的其它多孔结构的建模中,都应当视为属于本发明的保护范围。其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.基于优化Delaunay三角剖分的植物微观组织重建方法,其特征在于,包括如下步骤:
步骤1:获取对植物微观组织切片显微图片,对显微图片进行预处理,获取其二值图片;
步骤2:提取二值图片中细胞单元的质心点和组织最外轮廓点,将它们加入Delaunay三角剖分的点集中;
步骤3:对二值图片进行Delaunay三角剖分,并利用虚拟分割技术对Delaunay三角剖分进行优化;
步骤4:使用距离权重镶嵌算法对二值图片进行重建,得到植物微观组织的精确重建结构;
所述步骤3包括:
选取Delaunay三角剖分的点集中其所属细胞形状长宽比过大或内凹特征明显的质心点;
对所选取的质心点进行虚拟分割操作,即将其用沿与其所在细胞区域具有相同标准二阶中心矩的椭圆的长轴方向的四个新质心点取代,用这四个新质心点替换原始质心点,加入到Delaunay三角剖分的点集中;
基于生成的Delaunay三角剖分的点集对二值图片进行Delaunay三角剖分,获取优化的Delaunay三角剖分图;
所述步骤4包括:
基于优化的Delaunay三角剖分图进行操作,通过在各个Delaunay三角中分别确定唯一的分割点,并将各分割点与其所在Delaunay三角相邻的三个Delaunay三角形中的分割点相连接,完成对二值图像的结构重建;通过使用与细胞面积相等的圆的半径作为权重因子确定唯一的分割点。
2.根据权利要求1所述的植物微观组织重建方法,其特征在于,步骤1包括:
对植物微观组织进行切片处理,并通过SEM获取其显微图片;
对显微图片进行预处理:对显微图片进行阈值分割处理,得到二值图片,并对二值图片进行手动修复,获取可进行组织重建的二值图片。
3.根据权利要求1所述的植物微观组织重建方法,其特征在于,步骤2包括:
读入二值图片,提取二值图片中代表细胞的各连通区域的质心点坐标;
对二值图片进行闭运算处理,并通过腐蚀运算和填补空洞运算,将整个组织截面变为一个大连通区域,获取这个大连通区域的轮廓点;
对轮廓点根据组织最外圈细胞数量选取其中的保留轮廓特征的重要轮廓点,将质心点和轮廓点都放入Delaunay三角剖分的点集当中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810831573.7A CN109308738B (zh) | 2018-07-26 | 2018-07-26 | 基于优化Delaunay三角剖分的植物微观组织重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810831573.7A CN109308738B (zh) | 2018-07-26 | 2018-07-26 | 基于优化Delaunay三角剖分的植物微观组织重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109308738A CN109308738A (zh) | 2019-02-05 |
CN109308738B true CN109308738B (zh) | 2020-09-22 |
Family
ID=65225966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810831573.7A Active CN109308738B (zh) | 2018-07-26 | 2018-07-26 | 基于优化Delaunay三角剖分的植物微观组织重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109308738B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164870A (zh) * | 2013-04-15 | 2013-06-19 | 王曦 | 一种由生物体点云构建网格面的方法 |
CN103279980A (zh) * | 2013-05-08 | 2013-09-04 | 西安理工大学 | 基于点云数据的树叶建模方法 |
CN104063902A (zh) * | 2014-06-22 | 2014-09-24 | 湘潭大学 | 一种基于材料真实微观组织结构的有限元建模方法 |
CN104167020A (zh) * | 2014-08-19 | 2014-11-26 | 电子科技大学 | 基于约束Delaunay三角网的空间倒转曲面重建方法 |
CN107240141A (zh) * | 2017-05-19 | 2017-10-10 | 华南理工大学 | 一种基于图像处理的纸张纤维素纤维二维结构重建方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2858166C (en) * | 2011-12-05 | 2020-10-20 | Commonwealth Scientific And Industrial Research Organisation | Method and system for characterising plant phenotype |
CN104915986B (zh) * | 2015-06-26 | 2018-04-17 | 北京航空航天大学 | 一种实体三维模型自动建模方法 |
CN107767456A (zh) * | 2017-09-22 | 2018-03-06 | 福州大学 | 一种基于rgb‑d相机的物体三维重建方法 |
-
2018
- 2018-07-26 CN CN201810831573.7A patent/CN109308738B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103164870A (zh) * | 2013-04-15 | 2013-06-19 | 王曦 | 一种由生物体点云构建网格面的方法 |
CN103279980A (zh) * | 2013-05-08 | 2013-09-04 | 西安理工大学 | 基于点云数据的树叶建模方法 |
CN104063902A (zh) * | 2014-06-22 | 2014-09-24 | 湘潭大学 | 一种基于材料真实微观组织结构的有限元建模方法 |
CN104167020A (zh) * | 2014-08-19 | 2014-11-26 | 电子科技大学 | 基于约束Delaunay三角网的空间倒转曲面重建方法 |
CN107240141A (zh) * | 2017-05-19 | 2017-10-10 | 华南理工大学 | 一种基于图像处理的纸张纤维素纤维二维结构重建方法 |
Non-Patent Citations (7)
Title |
---|
"Experimental determination of Philodendron melinonii and Arabidopsis thaliana tissue microstructure and geometric modeling via finite-edge centroidal Voronoi tessellation";Tanvir R. Faisal et al.;《PHYSICAL REVIEW E》;20121231;第1-10页 * |
"Structure, morphology and mechanical properties of Rhectophyllum camerunense (RC) plant-fiber. Part I: Statistical description and image-based reconstruction of the cross-section";Richard Ntenga et al.;《Computational Materials Science》;20111231;第1442-1449页 * |
"The structure–mechanical relationship of palm vascular tissue";Ningling Wang et al.;《J. Mech. Behav. Biomed. Mater.》;20141231;第1-11页 * |
"一种基于图像的植物器官重建";李云峰 等;《计算机工程与应用》;20060228;第218-221页 * |
"基于三角剖分与质心原理的三维插值方法对比";朱佩婕;《科教导刊》;20161231(第34期);第31-32页 * |
"植物叶脉组织的数字化建模与静动力学分析";刘旺玉 等;《中国农业大学学报》;20160316;第21卷(第3期);第119-124页 * |
"王棕组织多尺度结构力学建模方法及仿王棕结构设计研究";汪宁陵;《中国博士学位论文全文数据库基础科学辑》;20170215(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109308738A (zh) | 2019-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109409437B (zh) | 一种点云分割方法、装置、计算机可读存储介质及终端 | |
CN103310481B (zh) | 一种基于模糊熵迭代的点云精简方法 | |
CN109934855A (zh) | 一种基于点云的带电作业场景电力部件三维重建方法 | |
CN105654483B (zh) | 三维点云全自动配准方法 | |
CN109118574A (zh) | 一种基于三维特征提取的快速逆向建模方法 | |
CN105931291B (zh) | 一种数字化完整牙颌建模方法 | |
CN105303616B (zh) | 基于单张照片的浮雕建模方法 | |
CN102903145B (zh) | 植物群体形态结构三维重建方法 | |
CN109658431B (zh) | 基于区域生长的岩体点云平面提取方法 | |
CN108764089B (zh) | 基于深度相机的人体背部脊柱中线识别方法 | |
CN106091923A (zh) | 基于三维激光扫描技术的工业螺栓圆孔的中心点快速测定方法 | |
CN103871102A (zh) | 一种基于高程点和道路轮廓面的道路三维精细建模方法 | |
CN105389444B (zh) | 一种个性化种植牙的龈缘曲线设计方法 | |
CN109816664A (zh) | 一种三维点云分割方法及装置 | |
CN112102494B (zh) | 骨架线引导的树状点云表面重建方法及装置 | |
CN109408909B (zh) | 一种三维粗糙表面微凸体拟合方法 | |
CN105118093A (zh) | 义齿离散数据的参数曲面重建方法 | |
CN109308738B (zh) | 基于优化Delaunay三角剖分的植物微观组织重建方法 | |
CN101131729A (zh) | 一种从头肩的三维扫描原始数据中自动提取脸部区域的方法 | |
CN111696192A (zh) | 基于人工神经网络的去除牙齿三维数字模型的表面气泡的方法 | |
CN107240114B (zh) | 一种基于点距离函数形状约束的半自动医学图像分割方法 | |
Sun et al. | Leaf vein and contour extraction from point cloud data | |
CN102930596A (zh) | 一种藤蔓类植物的三维模型建立方法 | |
CN107016658B (zh) | 基于回溯双向波前法的青铜器点云孔洞修补方法 | |
CN103164870A (zh) | 一种由生物体点云构建网格面的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |