CN110033462A - 基于多层次距离变换的粘连目标分割算法 - Google Patents

基于多层次距离变换的粘连目标分割算法 Download PDF

Info

Publication number
CN110033462A
CN110033462A CN201910274893.1A CN201910274893A CN110033462A CN 110033462 A CN110033462 A CN 110033462A CN 201910274893 A CN201910274893 A CN 201910274893A CN 110033462 A CN110033462 A CN 110033462A
Authority
CN
China
Prior art keywords
image
range conversion
target
row
algorithm based
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
Application number
CN201910274893.1A
Other languages
English (en)
Inventor
李子印
孔繁圣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Original Assignee
China Jiliang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Jiliang University filed Critical China Jiliang University
Priority to CN201910274893.1A priority Critical patent/CN110033462A/zh
Publication of CN110033462A publication Critical patent/CN110033462A/zh
Pending legal-status Critical Current

Links

Classifications

    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20152—Watershed segmentation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种图像分割方法，其分割方法包括：(1)最原始图像进行光照校正、二值化处理；(2)对二值图像经行距离变换、归一化处理；(3)对归一化后图像每个连通域大小进行筛选，对大于一个单体目标大小的区域再次进行距离变换、归一化处理，直至没有大于一个单体目标的区域；(4)以距离变换、归一化后的图像为种子，经行分水岭计数；(5)对分割后的图像分块上色，再以二值图为蒙版，对分割后图像经行过滤。

Description

基于多层次距离变换的粘连目标分割算法
技术领域
本发明涉及图像处理领域，是利用多层次的距离变换进行图像分割的算法。
计数背景
利用图像处理计算对粘连目标进行分割计数能够减少所需的劳动力，提升工作效率，提高计数精度。利用图像处理技术对目标进行分割计数主要包括图像采集，图像预处理，图像分割，分析输出结果等。其中，图像的预处理与分割算法在其中起着最重要的作用。他们直接影响着分割计数的准确性。但传统的距离变换算法在某些情况下不能很好适应被分割的目标，造成分割的错误。常见的的有分割不彻底，分割算法没有将粘连目标分割开；以及分割过度，将单个目标分割成多个目标。
本发明通过合理的预处理手段，配合多层次的距离变换算法，以不同阈值加以限定，大大提高了算法分割的精度以及稳定性。最后再用分水岭算法，实现了粘连目标的分割。
发明内容
本发明提出了一种基于多层次距离变换的粘连目标分割算法，其步骤如下：
(1)首先，获取待分割的图像，在对图像经行光照校正，这一步是针对真实环境下，光照不均匀，而对其做的修正。
(2)对图像进行双边滤波处理，在这里使用双边滤波的原因是双边滤波能很好的去除图像噪点的情况下，保持图像中目标的边缘，使边缘更加清晰锐利。
(3)对图像进行二值化处理。
(4)再对二值图进行距离变换，对变换后的数据进行归一化处理，得到部分目标分离的图像。
距离变换是计算每一个点的最近背景的距离，在二值图像上一般为非零点到最近零点的距离。
距离变换：
D(p)＝Min(d(p，q))
D(p)为距离变换后的图像。p是目标上的像素点，q是背景上的像素点，d()是p与q上像素点的欧式距离。
归一化是对每一个像素经行距离变换后的值经行归一计算，能使距离变换计算出的距离通过图像呈现出来。而在多次计算中，每次也可取不同的参数值。
(5)遍历归一化图像中的每一个连通域，通过连通域的像素阈值判断，连通域内是否为单体目标。若是单体目标，则将次联通域加入标记图像中，若不是单体目标，则将其加入下一级待处理图像中，在对其进行距离变换计算。
用于连通域大小进行筛选的参数是通过目标在图像上的像素数量计算而来的。参数F：
其中，S为单体目标像素个数，r为归一化阈值参数，k为迭代次数。上面三个公式分别针对圆形、椭圆、矩形目标，F1(k)中的R为圆形目标的半径，F2(k)中的a、b分别是椭圆目标的长短轴，F3(k)中的a、b分别为矩形目标的长宽。
(6)重复(5)直至没有连通域被加入到下一级待处理图像中。这样，就得到了了全部由单体目标组成的标记图像。
(7)以标记图中的标记为参考，进行分水岭分割，得到分割图像。
(8)将前面步骤得到的二值图作为蒙版，取分割图像。就得到修正后的分割图。此图为最终分割图像。
附图说明
图1算法流程图。
图2蚕茧试验原图像。
图3蚕茧分割最终图。
具体实施方法
具体实施方法一：
(1)首先，获取待分割的图像，在对图像经行光照校正，这一步是针对真实环境下，光照不均匀，而对其做的修正。
(2)对图像进行双边滤波处理，在这里使用双边滤波的原因是双边滤波能很好的去除图像噪点的情况下，保持图像中目标的边缘，使边缘更加清晰锐利。
(3)对图像进行二值化处理。
(4)再对二值图进行距离变换，对变换后的数据进行归一化处理，得到部分目标分离的图像。
(5)遍历归一化图像中的每一个连通域，通过连通域的像素阈值判断，连通域内是否为单体目标。若是单体目标，则将次联通域加入标记图像中，若不是单体目标，则将其加入下一级待处理图像中，在对其进行距离变换计算。
用于连通域大小进行筛选的参数是通过目标在图像上的像素数量计算而来的。计算参数F：
其中，S为单体目标像素个数，r为归一化阈值参数，k为迭代次数。F2(k)中的a、b分别是椭圆目标的长短轴。
(6)重复(5)直至没有连通域被加入到下一级待处理图像中。这样，就得到了了全部由单体目标组成的标记图像。
(7)以标记图中的标记为参考，进行分水岭分割，得到分割图像。
(8)将前面步骤得到的二值图作为蒙版，取分割图像。就得到修正后的分割图。此图为最终分割图像。
以粘连蚕茧的分割为试验，应用此算法。把实际数量与分割后的计数数量为对比。试验共经行674次。计数准确度达到了99.977％。其中达到了100％计数准确度的测试占了总测试次数的97.181％。分割算法取得了良好的效果。

Claims (4)

1.一种基于多层次距离变换的粘连目标分割算法，其主要方法包括：
(1)最原始图像进行光照校正、二值化处理；
(2)对二值图像经行距离变换、归一化处理；
(3)对归一化后图像每个连通域大小进行筛选，对大于一个单体目标大小的区域再次进行距离变换、归一化处理，直至没有大于一个单体目标的区域；
(4)以距离变换、归一化后的图像为种子，经行分水岭计数；
(5)对分割后的图像分块上色，再以二值图为蒙版，对分割后图像经行过滤。
2.根据权利要求1所述的一种基于多层次距离变换的粘连目标分割算法，其特征在于：对图像进行光照校正需要利用环境光线生成光照蒙版，叠加到原始图像中。
3.根据权利要求1所述的一种基于多层次距离变换的粘连目标分割算法，其特征在于：距离变换是计算每一个点的最近背景的距离，在二值图像上一般为非零点到最近零点的距离。
距离变换：
D(p)＝Min(d(p，q))
D(p)为距离变换后的图像。p是目标上的像素点，q是背景上的像素点，d()是p与q上像素点的欧式距离。
归一化是对每一个像素经行距离变换后的值经行归一计算，能使距离变换计算出的距离通过图像呈现出来。而在多次计算中，每次也可取不同的参数值。
4.根据权利要求1所述的一种基于多层次距离变换的粘连目标分割算法，其特征在于：用于连通域大小进行筛选的参数是通过目标在图像上的像素数量计算而来的。参数F：
其中，S为单体目标像素个数，r为归一化阈值参数，k为迭代次数。上面三个公式分别针对圆形、椭圆、矩形目标，F1(k)中的R为圆形目标的半径，F2(k)中的a、b分别是椭圆目标的长短轴，F3(k)中的a、b分别为矩形目标的长宽。
CN201910274893.1A 2019-04-08 2019-04-08 基于多层次距离变换的粘连目标分割算法 Pending CN110033462A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910274893.1A CN110033462A (zh) 2019-04-08 2019-04-08 基于多层次距离变换的粘连目标分割算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910274893.1A CN110033462A (zh) 2019-04-08 2019-04-08 基于多层次距离变换的粘连目标分割算法

Publications (1)

Publication Number Publication Date
CN110033462A true CN110033462A (zh) 2019-07-19

Family

ID=67237554

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910274893.1A Pending CN110033462A (zh) 2019-04-08 2019-04-08 基于多层次距离变换的粘连目标分割算法

Country Status (1)

Country Link
CN (1) CN110033462A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807747A (zh) * 2019-10-31 2020-02-18 北京华宇信息技术有限公司 一种基于前景蒙版的文档图像降噪方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103413290A (zh) * 2013-05-25 2013-11-27 北京工业大学 多特征与多层次结合的矿石粒度图像分割方法
CN103914843A (zh) * 2014-04-04 2014-07-09 上海交通大学 基于分水岭算法和形态学标记的图像分割方法
CN105335982A (zh) * 2015-11-02 2016-02-17 江苏大学 一种粘连菌落的分割方法
US9418420B2 (en) * 2012-09-13 2016-08-16 The Regents Of The University Of California System and method for automated detection of lung nodules in medical images
CN108596891A (zh) * 2018-04-23 2018-09-28 中国计量大学 一种面向多种类混合蚕茧的计数方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9418420B2 (en) * 2012-09-13 2016-08-16 The Regents Of The University Of California System and method for automated detection of lung nodules in medical images
CN103413290A (zh) * 2013-05-25 2013-11-27 北京工业大学 多特征与多层次结合的矿石粒度图像分割方法
CN103914843A (zh) * 2014-04-04 2014-07-09 上海交通大学 基于分水岭算法和形态学标记的图像分割方法
CN105335982A (zh) * 2015-11-02 2016-02-17 江苏大学 一种粘连菌落的分割方法
CN108596891A (zh) * 2018-04-23 2018-09-28 中国计量大学 一种面向多种类混合蚕茧的计数方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KONG FANSHENG ET AL.: "Based on image pixel gray value feature extraction of PHM research", 《PROCEEDINGS OF 2014 IEEE CHINESE GUIDANCE, NAVIGATION AND CONTROL CONFERENCE》 *
王刚: "基于机器视觉的玉米千粒重快速检测仪的研制", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807747A (zh) * 2019-10-31 2020-02-18 北京华宇信息技术有限公司 一种基于前景蒙版的文档图像降噪方法
CN110807747B (zh) * 2019-10-31 2021-03-30 北京华宇信息技术有限公司 一种基于前景蒙版的文档图像降噪方法

Similar Documents

Publication Publication Date Title
CN107292310B (zh) 一种圆形指针式表盘视觉定位及自动读数方法
CN103164692B (zh) 一种基于计算机视觉的特种车辆仪表自动识别系统及方法
CN102324032B (zh) 一种基于极坐标系下灰度共生矩阵的纹理特征提取方法
CN103218832B (zh) 基于图像中全局颜色对比度和空域分布的视觉显著性算法
CN103984939B (zh) 一种样本有形成分分类方法及系统
CN108171127A (zh) 一种基于深度学习的发票自动识别方法
CN109903282B (zh) 一种细胞计数方法、系统、装置和存储介质
CN109490838A (zh) 一种面向数据库残缺的雷达辐射源识别方法
CN105912739B (zh) 一种相似图片检索系统及其方法
CN115393657B (zh) 基于图像处理的金属管材生产异常识别方法
CN115115627B (zh) 基于数据处理的土壤盐碱地监测方法
CN105320970A (zh) 一种马铃薯病害诊断装置、诊断系统及诊断方法
CN109359604B (zh) 面向巡检机器人的阴影干扰下仪表识别方法
CN114648511A (zh) 一种大肠杆菌轮廓的精确提取及识别方法
CN112883987A (zh) 基于遥感光谱特征的目标提取方法及系统及装置及介质
CN109409182A (zh) 基于图像处理的胚胎自动识别方法
CN110033462A (zh) 基于多层次距离变换的粘连目标分割算法
CN107909073A (zh) 多维局部二值模式和机器学习手写乐谱谱线删除方法
CN105426926B (zh) 一种对amoled进行检测分类的方法及装置
CN110533102A (zh) 基于模糊推理的单类分类方法以及分类器
Williams et al. Leaf only SAM: a segment anything pipeline for zero-shot automated leaf segmentation
CN110569764B (zh) 一种基于卷积神经网络的手机型号识别方法
Khamael et al. Using adapted JSEG algorithm with fuzzy C mean for segmentation and counting of white blood cell and nucleus images
CN104239411B (zh) 一种基于颜色、位置聚类和角点检测的栅格状雷达的检测方法
CN109376619B (zh) 一种细胞检测方法

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190719

WD01 Invention patent application deemed withdrawn after publication