CN110659717B - 一种智能识别染色体数量的方法及系统 - Google Patents

一种智能识别染色体数量的方法及系统 Download PDF

Info

Publication number
CN110659717B
CN110659717B CN201810766168.1A CN201810766168A CN110659717B CN 110659717 B CN110659717 B CN 110659717B CN 201810766168 A CN201810766168 A CN 201810766168A CN 110659717 B CN110659717 B CN 110659717B
Authority
CN
China
Prior art keywords
chromosome
contour
image
data information
chromosomes
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
Application number
CN201810766168.1A
Other languages
English (en)
Other versions
CN110659717A (zh
Inventor
黄桂芳
刘嘉惠
李�权
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.)
CYAGEN BIOSCIENCES (GUANGZHOU) Inc
Original Assignee
CYAGEN BIOSCIENCES (GUANGZHOU) Inc
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 CYAGEN BIOSCIENCES (GUANGZHOU) Inc filed Critical CYAGEN BIOSCIENCES (GUANGZHOU) Inc
Priority to CN201810766168.1A priority Critical patent/CN110659717B/zh
Publication of CN110659717A publication Critical patent/CN110659717A/zh
Application granted granted Critical
Publication of CN110659717B publication Critical patent/CN110659717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
    • G06M11/00—Counting of objects distributed at random, e.g. on a surface
    • 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
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明涉及生物信息领域，具体涉及一种智能识别染色体数量的方法及系统。本发明通过获取图像数据信息；并对获取到的图像数据信息进行判断处理，提取染色体轮廓；再根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；进而统计经分析处理后区域内的染色体数量和保存染色体轮廓；加上按照染色体轮廓信息生成相应的坐标点；最终根据对图像数据信息处理分析情况，生成对应染色体数据信息报告并存储至指定位置，相对传统识别染色体而言，可以节省人力，提高染色体数目判别速度，提供染色体轮廓自动提取、染色体所在位置精准定位和染色体类别精准分类，而且系统可长时间连续工作，提供更高的识别准确度与解放更多人力。

Description

一种智能识别染色体数量的方法及系统
技术领域
本发明涉及生物信息领域，具体涉及一种智能识别染色体数量的的系统及方法。
背景技术
在生物信息领域中，对染色体数目的判别，现阶段主要是依靠人工数数标注，一般都是采用人工识别，如此一来，将耗费大量的时间以及人力，且工作人员长时间工作容易疲劳，会出现一定的误判，无法长时间连续的进行识别工作，从而导致工作效率较低，此外，还需要对工作人员进行先验的知识培训。
在传统的识别技术中，目前已有的一些染色体识别方式，大多采用传统的图像处理算法，例如分水岭算法进行分割或采用连通域提取，识别的染色体清晰无杂点，对接连重叠的染色体识别效果不佳。并且传统图像算法泛化能力较弱，容易受到各种环境因素的干扰，随着环境因素的改变使得识别的正确率降低。
发明内容
针对以上耗时长、工作效率和识别正确率低下以及容易受到外界干扰的问题缺陷，本发明提供一种智能识别染色体数量的系统及方法，使对染色体数目识别省时省力，而且可长时间连续工作，提供更高的识别准确度与解放更多人力。
本发明具体通过以下技术方案实现：
一种智能识别染色体数量的方法，所述方法具体包括如下步骤：
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
进一步地，所述图像数据信息为图像显示所有物体轮廓信息。
进一步地，所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；
所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
进一步地，所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
进一步地，于步骤S20之中，还包括如下步骤：
步骤S21，将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
步骤S22，根据二值化处理后的图像，进行像素第二次转换；
步骤S23，针对第二次转换后的图像，进行去除噪声点；
步骤S24，通过图像形态学变换算法，处理图像染色体目标边界；
步骤S25，提取染色体轮廓数据信息。
进一步地，于步骤S21像素二值化处理之中，设置有第一灰度阀值，将灰度值大于或等于第一灰度阈值的像素置为白色，将小于第一灰度阈值的像素置为黑色。
进一步地，于所述步骤S20之后，还设置有染色体第二灰度阀值，用于将图像目标物体的灰度变化范围信息与染色体第二灰度阀值进行对比判断；
于步骤S20之后，还包括如下步骤：
步骤S201，将图像目标物体的灰度变化范围信息与染色体第二灰度阀值进行对比判断；
若图像目标物体的灰度变化范围信息大于染色体第二灰度阀值，则判定图像目标物体为杂点；
步骤S202，针对杂点，进行空白填充并去除杂点。
进一步地，于所述步骤S30之中，还设置有范围阀值；
于步骤S30之中，还包括如下步骤：
步骤S31，根据含有染色体轮廓的图像进行求质点，并对相应的质点进行聚类分析形成对应的簇单元；
步骤S32，计算簇单元外接多边形，再求所述外接多边形的面积；
步骤S33，将簇单元的外接多边形的面积和范围阀值进行对比判定；若所述的外接多边形的面积未超出范围阀值，则判定相对应的簇单元为非检测区域；
步骤S34，抹去非检测区域内含有染色体轮廓。
进一步地，于所述步骤S40之中，还设置有染色体外接长宽比阀值；
于步骤S40之中，还包括如下步骤：
步骤S41，获取检测区域内所有染色体轮廓外接长宽比；
步骤S42，将外接长宽比与染色体外接长宽比阀值进行对比判断；
若外接长宽比小于或等于染色体外接长宽比阀值，则判定为单染色体轮廓；若外接长宽比大于染色体外接长宽比阀值，则判定为多条染色体轮廓；
所述保存染色体轮廓为按照数组进行保存。
进一步地，于步骤S50之中，还包括如下步骤：
步骤S51，对检测区域内所有染色体轮廓求外接矩阵，将外接矩阵左上角的点作为染色体轮廓坐标点；
步骤S52，按照染色体轮廓坐标点，对染色体的轮廓进行轮廓标识。
为达到上述目的，本发明还提供一种智能识别染色体数量的系统，所述系统包括：
获取单元，用于获取图像数据信息；
染色体轮廓提取单元，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
划分及再分析处理单元，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
统计单元，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
坐标点形成单元，按照染色体轮廓信息生成相应的坐标点；
信息报告生成和存储单元，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
进一步地，所述染色体轮廓提取单元包括：
二值化处理模块，用于将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
像素第二次转换模块，用于根据二值化处理模块处理后的图像，进行像素第二次转换；
去除噪声点模块，针对像素第二次转换模块第二次转换后的图像，进行去除噪声点；
染色体边界处理模块，用于通过图像形态学变换算法，处理经去除噪声点模块处理后的图像染色体目标边界；
染色体轮廓提取模块，用于提取染色体轮廓数据信息；
所述染色体轮廓提取单元，设置有第一灰度阀值模块，用于判定灰度值的大或小，将灰度值大于或等于第一灰度阈值的像素则置为白色，将小于第一灰度阈值的像素则置为黑色。
进一步地，所述系统还包括第二灰度阀值判定模块，用于将图像目标物体的灰度变化范围信息与染色体第二灰度阀值进行对比判断；
杂点去除模块，用于针对杂点，进行空白填充并去除杂点。
进一步地，所述划分及再分析处理单元包括：
簇形成模块，用于根据含有染色体轮廓的图像进行求质点，并对相应的质点进行聚类分析形成对应的簇单元；
范围计算模块，用于计算簇单元外接多边形，再求所述外接多边形的面积；
范围阀值判定模块，用于将簇单元的外接多边形的面积和范围阀值进行对比判定；若所述的外接多边形的面积未超出范围阀值，则判定相对应的簇单元为非检测区域；
抹去模块，用于抹去非检测区域内含有染色体轮廓。
进一步地，所述统计单元包括：
外接长宽比获取模块，用于获取检测区域内所有染色体轮廓外接长宽比；
外接长宽比阀值判定模块，用于将外接长宽比与染色体外接长宽比阀值进行对比判断；
若外接长宽比小于或等于染色体外接长宽比阀值，则判定为单染色体轮廓；若外接长宽比大于染色体外接长宽比阀值，则判定为多条染色体轮廓。
进一步地，所述坐标点形成单元包括：
外接矩阵获取模块，用于对检测区域内所有染色体轮廓求外接矩阵，将外接矩阵左上角的点作为染色体轮廓坐标点；
轮廓形状标识模块，用于按照染色体轮廓坐标点，对染色体的轮廓进行轮廓标识。
为实现上述目的，本发明还提供一种智能识别染色体数量的平台，包括处理器、智能识别平台、存储器以及智能识别染色体数量的智能识别平台控制程序；
其中在所述处理器执行所述平台控制程序，所述智能识别染色体数量的智能识别平台控制程序被存储在所述存储器中，所述智能识别染色体数量的智能识别平台控制程序，实现所述的智能识别染色体数量方法的步骤。
为实现上述目的，本发明还提供一种计算机可读取存储介质，所述计算机可读取存储介质存储有智能识别染色体数量的智能识别平台控制程序，所述智能识别染色体数量的智能识别平台控制程序，实现所述的智能识别染色体数量方法的步骤。
与现有技术相比，本发明具有以下有益效果：
本发明通过智能识别染色体数量方法，
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
及相应地系统单元：
获取单元，用于获取图像数据信息；
染色体轮廓提取单元，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
划分及再分析处理单元，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
统计单元，统计经分析处理后区域内并经再处理的染色体数量和保存染色体轮廓；
坐标点形成单元，按照染色体轮廓信息生成相应的坐标点；
信息报告生成和存储单元，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
可以处理包含有杂点的染色体图像或图片、照片(识别的染色体图片、照片，包含杂点，出现染色体间接连、重叠，并且染色体形态多样，如圆状、条状、细长状)，同时也能检测染色体区域和干扰染色体区域，并截取染色体区域，而且能够识别单染色体和接连重叠的染色体，并分别统计相应染色体的数目，更进一步地，可以提供染色体数目识别结果可视化，并且可以对每条染色体使用不同颜色显示轮廓，较佳地，在本发明中，可批量识别含有杂点的染色体图像或图片、照片，并且可实现对染色体的自动分割识别，描述出染色体轮廓以及所在位置，可对设置后的染色体进行自动分类，确定染色体类型。
通过本发明通过一种智能识别染色体数量的方法各个步骤，及系统的各功能单元与功能模块，相对传统人工识别染色体而言，可以节省人力，提高染色体数目判别速度，提供染色体轮廓自动提取，提供染色体所在位置精准定位，提供染色体类别精准分类，而且系统可长时间连续工作，提供更高的识别准确度与解放更多人力。
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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种智能识别染色体数量的方法架构流程示意图；
图2为本发明一种智能识别染色体数量的方法之第二优选实施例架构流程示意图；
图3为本发明一种智能识别染色体数量的方法之第三优选实施例架构流程示意图；
图4为本发明一种智能识别染色体数量的方法之第四优选实施例架构流程示意图；
图5为本发明一种智能识别染色体数量的方法之第五优选实施例架构流程示意图；
图6为本发明一种智能识别染色体数量的方法之第六优选实施例架构流程示意图；
图7为本发明一种智能识别染色体数量的系统架构示意图；
图8为本发明一种智能识别染色体数量的系统之模块架构示意图；
图9为本发明一种智能识别染色体数量的方法及系统实施例提供的终端的架构示意图；
附图标记说明：
3-终端；31-存储器；32-处理器；33-通信总线；34-显示屏幕；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为便于更好的理解本发明的目的、技术方案和优点更加清楚，下面结合附图和具体的实施方式对本发明作进一步说明，本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。
本发明亦可通过其它不同的具体实例加以施行或应用，本说明书中的各项细节亦可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。
需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。其次，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时，应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
优选地，本发明的智能识别染色体数量方法应用在一个或者多个终端或者服务器中。所述终端是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述终端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。所述终端可以与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
本发明为实现染色体数量智能识别，提供的一种智能识别染色体数量的方法及系统。
如图1所示，是本发明实施例提供的智能识别染色体数量的方法的流程图。
在本实施例中，所述智能识别染色体数量的方法，可以应用于具备显示功能的终端或者固定终端中，所述终端并不限定于个人电脑、智能手机、平板电脑、安装有摄像头的台式机或一体机等。
所述智能识别染色体数量的方法也可以应用于由终端和通过网络与所述终端进行连接的服务器所构成的硬件环境中。网络包括但不限于：广域网、城域网或局域网。本发明实施例的智能识别染色体数量的方法可以由服务器来执行，也可以由终端来执行，还可以是由服务器和终端共同执行。
例如，对于需要进行智能识别染色体数量的终端，可以直接在终端上集成本发明的方法所提供的智能识别染色体数量功能，或者安装用于实现本发明的方法的客户端。再如，本发明所提供的方法还可以软件开发工具包(Software Development Kit，SDK)的形式运行在服务器等设备上，以SDK的形式提供智能识别染色体数量功能的接口，终端或其他设备通过所提供的接口即可实现智能识别染色体数量的功能。
如图1所示，本发明提供了一种智能识别染色体数量的方法，所述方法具体包括如下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
此外，相应的染色体数据信息可以生产相对应的报告并存储至指定位置。
较佳地，本发明实施例中，所述图像数据信息为图像显示所有物体轮廓信息，即图像上所呈现所有物体目标的轮廓数据信息，比如包含杂点轮廓。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
如图2所示，为本发明第二优选实施例，一种智能识别染色体数量的方法，于步骤S20之中，还包括如下步骤：
步骤S21，将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
步骤S22，根据二值化处理后的图像，进行像素第二次转换；
步骤S23，针对第二次转换后的图像，进行去除噪声点；
步骤S24，通过图像形态学变换算法，处理图像染色体目标边界；
步骤S25，提取染色体轮廓数据信息。
也就是说，本发明第二优选实施例，具体包括如下步骤：
步骤S10，获取图像数据信息；
步骤S21，将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
步骤S22，根据二值化处理后的图像，进行像素第二次转换；
也就是说，于步骤S21像素二值化处理之中，设置有第一灰度阀值，将灰度值大于或等于第一灰度阈值的像素置为白色，将小于第一灰度阈值的像素置为黑色。
具体地，首先对含有染色体图像进行清洗，通过轮廓提取，并检测图像中所有物体。由于提取轮廓需要使用二值图(图像像素只有两个取值，图像为黑白图)，并且目标所有物体为白色，背景为黑色。因此做如下处理：将图像转换为灰色图像，对灰色图像进行像素二值化处理，在本实施例中，设置有第一灰度阀值，将图像灰度值高于第一灰度阀值的像素全部置为255(即白色)，低于第一灰度阀值的像素置为0(即黑色)，此时图像中染色体为黑色，背景为白色，染色体与背景完全分开。
步骤S23，针对第二次转换后的图像，进行去除噪声点；
具体地，在进行像素第二次转换时，即目标像素转换，是通过用像素值255减去像素灰度值，使白色像素转为黑色像素，黑色像素转为白色像素，此时，则染色体为白色，背景为黑色。然后对图像进行去除噪声点，去除噪声点通常使用高斯模糊，但不限于高斯，其他算法也是可以，比如中值滤波、平均滤波等。
步骤S24，通过图像形态学变换算法，处理图像染色体目标边界；
具体地，在对图像进行去除噪声点后，再使用腐蚀膨胀算法对图像进行处理，使染色体边界更加分明。
步骤S25，提取染色体轮廓数据信息。
具体地，在对染色体边界更加分明处理后，最后进行轮廓提取，即提取出染色体的轮廓。
即本发明的步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓。
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
此外，相应的染色体数据信息可以生产相对应的报告并存储至指定位置。
较佳地，本实施例中，所述图像数据信息为图像显示所有物体轮廓信息。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
如图3所示，为本发明第三优选实施例，较佳地，在本实施例中，于所述步骤S20之后，还还设置有染色体第二灰度阀值，用于将图像目标物体的面积数据信息与染色体第二灰度阀值进行对比判断；
也就是说，一种智能识别染色体数量的方法，于步骤S20之后，还包括如下步骤：
步骤S201，将图像目标物体的灰度变化范围信息与染色体第二灰度阀值进行对比判断；
若图像目标物体的灰度变化信息大于染色体第二灰度阀值，则判定图像目标物体为杂点；
步骤S202，针对杂点，进行空白填充并去除杂点。
具体地，于步骤S20之中提取的染色体轮廓有可能包含有杂点，所以需要根据杂点的面积比染色体面积大这一特性，设置染色体最大灰度变化范围，即第二灰度阀值，若某一轮廓所包围的像素的灰度值的变化范围超过设置的第二灰度阀值，即判断该轮廓包围的区域为杂点，并使用内轮廓填充空白除去杂点。
也就是说，于步骤S20之后，还有具体操作：首先提取黑白图的白色部分的轮廓，把轮廓的位置，在灰色图上描出来，其操作结果就是一个一个的轮廓，圈住的是灰色图，然后把每一个轮廓的灰度范围计算出来，每一个范围和第二灰度阀值比较，若超过的就认为是杂点，若不超过的就认为是染色体，判定为杂点后，就填充白色并抹去；如此操作主要依据是：所述杂点灰度不一致，有渐变层次，而染色体一般颜色比较统一。
本发明第三优选实施例，具体包括如下步骤：
步骤S10，获取图像数据信息；
步骤S21，将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
步骤S22，根据二值化处理后的图像，进行像素第二次转换；
步骤S23，针对第二次转换后的图像，进行去除噪声点；
步骤S24，通过图像形态学变换算法，处理图像染色体目标边界；
步骤S25，提取染色体轮廓数据信息。
即本发明步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S201，将图像目标物体的灰度变化范围信息与染色体第二灰度阀值进行对比判断；
具体地，若图像目标物体的灰度变化范围信息大于染色体第二灰度阀值，则判定图像目标物体为杂点；
步骤S202，针对杂点，进行空白填充并去除杂点。
也就是说，于步骤S20之中提取的染色体轮廓有可能包含有杂点，所以需要根据杂点的灰度变化范围比染色体灰度变化范围大这一特性，设置染色体最大灰度变化范围，即第二灰度阀值，若某一轮廓所包围的像素的灰度值的变化范围超过设置的第二灰度阀值，即判断该轮廓包围的区域为杂点，并使用内轮廓填充空白除去杂点。
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
较佳地，本实施例中，所述图像数据信息为图像显示所有物体轮廓信息。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
如图4所示，为本发明第四优选实施例，较佳地，在本实施例方法中，于步骤S30之中，还设置有范围阀值；
本实施例中，一种智能识别染色体数量的方法，于步骤S30之中，还包括如下步骤：
步骤S31，根据含有染色体轮廓的图像进行求质点，并对相应的质点进行聚类分析形成对应的簇单元；
步骤S32，计算簇单元外接多边形，再求所述外接多边形的面积；
步骤S33，将簇单元的外接多边形的面积和范围阀值进行对比判定；若所述的外接多边形的面积未超出范围阀值，则判定相对应的簇单元为非检测区域；
步骤S34，抹去非检测区域内含有染色体轮廓。
也就是说，经过步骤S20及步骤S20之后相关步骤的处理和过滤后，提取到的染色体轮廓排除了杂点，但并非剩下的染色体轮廓都是要对数量数数或统计的染色体，比如很可能有些少量聚集的染色体并不是需要对数量数数或统计的染色体，因为一般需要对数量数数或统计的染色体都比较集中。
所以，经过步骤S20及步骤S20之后相关步骤的处理和过滤后，接下来处理的目地是提取要对数量数数或统计的染色体区域，即根据含有染色体轮廓数据信息的图像进行区域划分与再分析处理。首先，根据图像内所提取到的染色体的每一个轮廓进行求质点，对所有质点进行聚类分析，即对相应的质点进行聚类分析形成对应的簇单元，每次可以聚成若干类，比如每次聚成2类，首先从所有质点中任意选择两个质点作为初始聚类中心点，依次计算每一个质点到者两个聚类中心点的距离，将质点归类到距离近的一类，并计算该类所有质点的平均中心点，作为该新类的中心点。聚类完成后，对每个簇单元求外接多边形，再求所述外接多边形的面积。并将各簇单元的面积与范围阈值做比较，不符合范围阈值的，则将该簇单元判定为非检测区域，使用内轮廓填充空白抹去不需对数量数数或统计的染色体。满足范围阈值的簇单元为检测区域，该区域中包含的染色体都是需要对数量数数或统计的染色体，不需对数量数数或统计的染色体已经全部抹去。
具体地，本发明第四优选实施例，具体包括如下步骤：
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S31，根据含有染色体轮廓的图像进行求质点，并对相应的质点进行聚类分析形成对应的簇单元；
步骤S32，计算簇单元外接多边形，再求所述外接多边形的面积；
步骤S33，将簇单元的外接多边形的面积和范围阀值进行对比判定；若所述的外接多边形的面积未超出范围阀值，则判定相对应的簇单元为非检测区域；
步骤S34，抹去非检测区域内含有染色体轮廓。
即本发明的步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
较佳地，本实施例中，所述图像数据信息为图像显示所有物体轮廓信息。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
如图5所示，为本发明第五优选实施例，较佳地，在本实施例方法中，于步骤S40之中，还设置有染色体外接长宽比阀值；
也就是说，一种智能识别染色体数量的方法，于步骤S40之中，还包括如下步骤：
步骤S41，获取检测区域内所有染色体轮廓外接长宽比；
步骤S42，将外接长宽比与染色体外接长宽比阀值进行对比判断；
若外接长宽比小于或等于染色体外接长宽比阀值，则判定为单染色体轮廓；若外接长宽比大于染色体外接长宽比阀值，则判定为多条染色体轮廓；
所述保存染色体轮廓为按照数组进行保存。
也就是说，在分析染色体区域中每个轮廓的外接长宽比时，单染色体轮廓在参数范围(即外接长宽比阀值)内判断为一条，外接长宽比超出参数范围(即外接长宽比阀值)判断为多条，最后分别统计单染色体数目和接连、重叠的染色体数目并生成文本描述。并用两个数组保存所有判断为单染色体的轮廓，和判断为多染色体的轮廓。
具体地，本发明第五优选实施例，具体包括如下步骤：
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S41，获取检测区域内所有染色体轮廓外接长宽比；
步骤S42，将外接长宽比与染色体外接长宽比阀值进行对比判断；
若外接长宽比小于或等于染色体外接长宽比阀值，则判定为单染色体轮廓；若外接长宽比大于染色体外接长宽比阀值，则判定为多条染色体轮廓；
所述保存染色体轮廓为按照数组进行保存。
即本发明的步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
较佳地，本实施例中，所述图像数据信息为图像显示所有物体轮廓信息。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
如图6所示，为本发明第六优选实施例，一种智能识别染色体数量的方法，于步骤S50之中，还包括如下步骤：
步骤S51，对检测区域内所有染色体轮廓求外接矩阵，将外接矩阵左上角的点作为染色体轮廓坐标点；
步骤S52，按照染色体轮廓坐标点，对染色体的轮廓进行轮廓标识。
也就是说，于步骤S50之中，求出每一个轮廓的外接矩阵，矩阵左上角的点作为该轮廓的坐标点，分别使用两个数组保存坐标点，供下一步可视化界面显示。
所述求外接矩阵包括求外接矩形、外接圆以及外接多边形，将外接矩形的左上角以及外接圆与外接多边形的中心点作为染色体轮廓的坐标点。
在本实例中，提供可视化界面，是对经过以上步骤筛选后、外接长宽比比对后，得到包含单条染色体的轮廓和包含多条染色体的轮廓，及每个染色体轮廓对应的坐标点。
此外，在原始图像上，可以使用绘制染色体轮廓接口在原始图像上，针对染色体画上不同色彩的轮廓，颜色随机选择。比如，对单条染色体的轮廓，使用绘制文字接口在原始图像上画上文字(例如标号)，轮廓按数组保存坐标点对应的顺序依次给定标号，标号由1依次递增。对包含多条染色体的轮廓，使用绘制文字接口在原始图像上画上文字(例如星号，特殊字符)以提示轮廓可能为连接、重叠染色体的轮廓，需再确认。
在本实例中，可以提供批量图片(即同时处理多张图片)判别数目功能，并将图像数据信息处理统计结果以文本形式保存到指定文件中。
具体地，本发明第六优选实施例，具体包括如下步骤：
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S51，对检测区域内所有染色体轮廓求外接矩阵，将外接矩阵左上角的点作为染色体轮廓坐标点；
步骤S52，按照染色体轮廓坐标点，对染色体的轮廓进行轮廓标识。
也就是说，于步骤S50之中，求出每一个轮廓的外接矩阵，矩阵左上角的点作为该轮廓的坐标点，分别使用两个数组保存坐标点，供下一步可视化界面显示。
所述求外接矩阵包括求外接矩形、外接圆以及外接多边形，将外接矩形的左上角以及外接圆与外接多边形的中心点作为染色体轮廓的坐标点。
在本实例中，提供可视化界面，是对经过以上步骤筛选后、外接长宽比比对后，得到包含单条染色体的轮廓和包含多条染色体的轮廓，及每个染色体轮廓对应的坐标点。
具体地，在原始图像上，可以使用绘制染色体轮廓接口在原始图像上，针对染色体画上不同色彩的轮廓，颜色随机选择。比如，对单条染色体的轮廓，使用绘制文字接口在原始图像上画上文字(例如标号)，轮廓按数组保存坐标点对应的顺序依次给定标号，标号由1依次递增。对包含多条染色体的轮廓，使用绘制文字接口在原始图像上画上文字(例如星号，特殊字符)以提示轮廓可能为连接、重叠染色体的轮廓，需再确认。
即本发明的步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析结果，生成对应染色体数据信息报告并存储至指定位置。
较佳地，本实施例中，所述图像数据信息为图像显示所有物体轮廓信息。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
本发明方案，还可以用于其他识别统计，比如:血清糖蛋白、细胞核、金属零件(螺丝、螺母、铁钉、纽扣、钢珠)、易拉罐等。
如图7所示，本发明提供了一种智能识别染色体数量的系统，所述系统具体包括：
获取单元，用于获取图像数据信息；
染色体轮廓提取单元，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
划分及再分析处理单元，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
统计单元，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
坐标点形成单元，按照染色体轮廓信息生成相应的坐标点；
信息报告生成和存储单元，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
具体地，所述图像数据信息为图像显示所有物体轮廓信息。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
较佳地，如图8所示，所述染色体轮廓提取单元包括：
二值化处理模块，用于将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
像素第二次转换模块，用于根据二值化处理模块处理后的图像，进行像素第二次转换；
去除噪声点模块，针对像素第二次转换模块第二次转换后的图像，进行去除噪声点；
染色体边界处理模块，用于通过图像形态学变换算法，处理经去除噪声点模块处理后的图像染色体目标边界；
染色体轮廓提取模块，用于提取染色体轮廓数据信息；
所述染色体轮廓提取单元，设置有第一灰度阀值模块，用于判定灰度值的大或小，将灰度值大于或等于第一灰度阈值的像素则置为白色，将小于第一灰度阈值的像素则置为黑色。
更进一步地，所述系统还包括第二灰度阀值判定模块，用于将图像目标物体的灰度变化范围信息与染色体第二灰度阀值进行对比判断；
杂点去除模块，用于针对杂点，进行空白填充并去除杂点。
具体地，在本发明实施例中，如图8所示，所述划分及再分析处理单元包括：
簇形成模块，用于根据含有染色体轮廓的图像进行求质点，并对相应的质点进行聚类分析形成对应的簇单元；
范围计算模块，用于计算簇单元外接多边形，再求所述外接多边形的面积；
范围阀值判定模块，用于将簇单元的外接多边形的面积和范围阀值进行对比判定；若所述的外接多边形的面积未超出范围阀值，则判定相对应的簇单元为非检测区域；
抹去模块，用于抹去非检测区域内含有染色体轮廓。
具体地，如图8所示，所述统计单元包括：
外接长宽比获取模块，用于获取检测区域内所有染色体轮廓外接长宽比；
外接长宽比阀值判定模块，用于将外接长宽比与染色体外接长宽比阀值进行对比判断；
若外接长宽比小于或等于染色体外接长宽比阀值，则判定为单染色体轮廓；若外接长宽比大于染色体外接长宽比阀值，则判定为多条染色体轮廓。
较佳地，如图8所示，所述坐标点形成单元包括：
外接矩阵获取模块，用于对检测区域内所有染色体轮廓求外接矩阵，将外接矩阵左上角的点作为染色体轮廓坐标点；
所述求外接矩阵包括求外接矩形、外接圆以及外接多边形，将外接矩形的左上角以及外接圆与外接多边形的中心点作为染色体轮廓的坐标点。
轮廓形状标识模块，用于按照染色体轮廓坐标点，对染色体的轮廓进行轮廓标识。
如图9所示，为本发明实施例提供的终端的结构示意图。在本发明较佳实施例中，所述终端3包括存储器31、至少一个处理器32、至少一条通信总线33及显示屏幕34。
本领域技术人员应该了解，图9示出的终端的结构并不构成本发明实施例的限定，既可以是总线型结构，也可以是星形结构，所述终端3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述终端3包括一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器、嵌入式设备等。所述终端3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述终端3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本发明，也应包含在本发明的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31用于存储程序代码和各种数据，例如安装在所述终端3中的智能识别染色体数量系统，并在终端3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述终端3的控制核心(Control Unit)，利用各种接口和线路连接整个终端3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行终端3的各种功能和处理数据，例如执行智能识别染色体数量的功能。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31、所述至少一个处理器32以及所述显示屏幕34等之间的连接通信。
在一些实施例中，所述显示屏幕34可用于显示由观看者输入的信息或提供给观看者的信息以及终端3的各种图形观看者接口，这些图形观看者接口可以由图形、文本、图标、视频和其任意组合来构成。所述显示屏幕34可包括显示面板，可选的，可以采用液晶显示屏幕(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。
所述显示屏幕34还可以包括触摸面板。如果所述显示屏幕34包括触摸面板，所述显示屏幕34可以被实现为触摸屏，以接收来自观看者的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。上述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与上述触摸或滑动操作相关的持续时间和压力。所述显示面板与所述触摸面板可以作为两个独立的部件来实现输入和输入功能，但是在某些实施例中，可以将所述显示面板与所述触摸面板进行集成而实现输入和输出功能。
尽管未示出，所述终端3还可以包括给各个部件供电的电源(比如电池)，优选的，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述终端3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，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，终端，或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
在进一步的实施例中，结合图9，所述至少一个处理器32可执行所述终端3的操作装置以及安装的各类应用程序(如所述的智能识别染色体数量发系统)、程序代码等，例如，上述的各个模块。
所述存储器31中存储有程序代码，且所述至少一个处理器32可调用所述存储器31中存储的程序代码以执行相关的功能。例如，系统中所述的各个模块是存储在所述存储器31中的程序代码，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到智能识别染色体数量的目的。
在本发明的一个实施例中，所述存储器31存储多个指令，所述多个指令被所述至少一个处理器32所执行以实现智能识别染色体数量的方法。
在本发明的一个实施例中，所述处理器32对所述多个指令的执行包括：
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
较佳地，本发明实施例中，所述图像数据信息为图像显示所有物体轮廓信息。
所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
所述按照轮廓生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
具体地，所述至少一个处理器32对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。
本发明通过一种智能识别染色体数量的方法各个步骤，及系统的各功能单元与功能模块，可以处理包含有杂点的染色体图像或图片、照片(识别的染色体图片、照片，包含杂点，出现染色体间接连、重叠，并且染色体形态多样，如圆状、条状、细长状)，同时也能检测染色体区域和干扰染色体区域，并截取染色体区域，而且能够识别单染色体和接连重叠的染色体，并分别统计相应染色体的数目，更进一步地，可以提供染色体数目识别结果可视化，并且可以对每条染色体使用不同颜色显示轮廓，较佳地，在本发明中，可批量识别含有杂点的染色体图像或图片、照片，并且可实现对染色体的自动分割识别，描述出染色体轮廓以及所在位置，可对设置后的染色体进行自动分类，确定染色体类型。
通过本发明通过一种智能识别染色体数量的方法各个步骤，及系统的各功能单元与功能模块，相对传统人工识别染色体而言，可以节省人力，提高染色体数目判别速度，提供染色体轮廓自动提取，提供染色体所在位置精准定位，提供染色体类别精准分类，而且系统可长时间连续工作，提供更高的识别准确度与解放更多人力。
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本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)

1.一种智能识别染色体数量的方法，其特征在于，所述方法具体包括如下步骤：
步骤S10，获取图像数据信息；
步骤S20，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
步骤S30，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；所述步骤S30之中，还设置有范围阀值；并还包括如下步骤：
步骤S31，将含有染色体的每一个轮廓的图像进行求质点，并对相应的质点进行聚类分析形成对应的簇单元；
步骤S32，计算簇单元外接多边形，再求所述外接多边形的面积；
步骤S33，将簇单元的外接多边形的面积和范围阀值进行对比判定；若所述外接多边形的面积未超出范围阀值，则判定相对应的簇单元为非检测区域；
步骤S34，抹去非检测区域内含有染色体的轮廓；
步骤S40，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
步骤S50，按照染色体轮廓信息生成相应的坐标点；
步骤S60，根据对图像数据信息处理分析情况，生成对应染色体数据信息。
2.根据权利要求1所述的一种智能识别染色体数量的方法，其特征在于，所述图像数据信息为图像显示所有物体轮廓信息。
3.根据权利要求1所述的一种智能识别染色体数量的方法，其特征在于，所述染色体轮廓包括单条染色体的轮廓和多条染色体的轮廓；
所述单条染色体的轮廓和多条染色体的轮廓形状的决定因素为染色体呈现造型。
4.根据权利要求1所述的一种智能识别染色体数量的方法，其特征在于，所述按照染色体轮廓信息生成相应的坐标点为通过数组进行保存，并且含有有顺序的标号；
所述有顺序的标号为依次递增的自然数。
5.根据权利要求1所述的一种智能识别染色体数量的方法，其特征在于，于步骤S20之中，还包括如下步骤：
步骤S21，将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
步骤S22，根据二值化处理后的图像，进行像素第二次转换，所述像素第二次转换为目标像素转换，通过用像素值255减去像素灰度值，使白色像素转为黑色像素， 黑色像素转为白色像素；
步骤S23，针对第二次转换后的图像，进行去除噪声点；
步骤S24，通过图像形态学变换算法，处理图像染色体目标边界；
步骤S25，提取染色体轮廓数据信息。
6.根据权利要求5所述的一种智能识别染色体数量的方法，其特征在于，于步骤S21像素二值化处理之中，设置有第一灰度阀值，将灰度值大于或等于第一灰度阀值的像素置为白色，将小于第一灰度阈值的像素置为黑色。
7.根据权利要求1所述的一种智能识别染色体数量的方法，其特征在于，
于步骤S20之后，还包括如下步骤：
步骤S201，将图像目标物体轮廓的灰度范围与染色体第二灰度阀值进行对比判断；
若图像目标物体轮廓的灰度范围大于染色体第二灰度阀值，则判定图像目标物体为杂点；
步骤S202，针对杂点，进行空白填充并去除杂点。
8.根据权利要求1所述的一种智能识别染色体数量的方法，其特征在于，于所述步骤S40之中，还设置有染色体外接长宽比阀值；
于步骤S40之中，还包括如下步骤：
步骤S41，获取检测区域内所有染色体轮廓外接长宽比；
步骤S42，将外接长宽比与染色体外接长宽比阀值进行对比判断；
若外接长宽比小于或等于染色体外接长宽比阀值，则判定为单染色体轮廓；若外接长宽比大于染色体外接长宽比阀值，则判定为多条染色体轮廓；
所述保存染色体轮廓为按照数组进行保存。
9.根据权利要求1所述的一种智能识别染色体数量的方法，其特征在于，于步骤S50之中，还包括如下步骤：
步骤S51，对检测区域内所有染色体轮廓求外接矩阵，将外接矩阵左上角的点作为染色体轮廓坐标点；
步骤S52，按照染色体轮廓坐标点，对染色体的轮廓进行轮廓标识。
10.一种智能识别染色体数量的系统，其特征在于，所述系统包括：
获取单元，用于获取图像数据信息；
染色体轮廓提取单元，对获取到的图像数据信息进行判断处理，提取染色体轮廓；
划分及再分析处理单元，根据含有染色体轮廓数据信息的图像进行区域划分及各区域外接多边形的面积分析处理；
统计单元，统计经分析处理后区域内的染色体数量和保存染色体轮廓；
坐标点形成单元，按照染色体轮廓信息生成相应的坐标点；
信息报告生成和存储单元，根据对图像数据信息处理分析情况，生成对应染色体数据信息；
所述划分及再分析处理单元包括：
簇形成模块，用于将含有染色体的每一个轮廓的图像进行求质点，并对相应的质点进行聚类分析形成对应的簇单元；
范围计算模块，用于计算簇单元外接多边形，再求所述外接多边形的面积；
范围阀值判定模块，用于将簇单元的外接多边形的面积和范围阀值进行对比判定；若所述外接多边形的面积未超出范围阀值，则判定相对应的簇单元为非检测区域；
抹去模块，用于抹去非检测区域内含有染色体的轮廓。
11.根据权利要求10所述的一种智能识别染色体数量的系统，其特征在于，所述染色体轮廓提取单元包括：
二值化处理模块，用于将原始图像进行第一次转换为灰色图像，对灰色图像进行像素二值化处理；
像素第二次转换模块，用于根据二值化处理模块处理后的图像，进行像素第二次转换；
去除噪声点模块，针对像素第二次转换模块第二次转换后的图像，进行去除噪声点；
染色体边界处理模块，用于通过图像形态学变换算法，处理经去除噪声点模块处理后的图像染色体目标边界；
染色体轮廓提取模块，用于提取染色体轮廓数据信息；
所述染色体轮廓提取单元，设置有第一灰度阀值模块，用于判定灰度值的大或小，将灰度值大于或等于第一灰度阀值的像素则置为白色，将小于第一灰度阈值的像素则置为黑色。
12.根据权利要求10所述的一种智能识别染色体数量的系统，其特征在于，所述系统还包括
杂点去除模块，用于针对杂点，进行空白填充并去除杂点。
13.根据权利要求10所述的一种智能识别染色体数量的系统，其特征在于，所述统计单元包括：
外接长宽比获取模块，用于获取检测区域内所有染色体轮廓外接长宽比；
外接长宽比阀值判定模块，用于将外接长宽比与染色体外接长宽比阀值进行对比判断；
若外接长宽比小于或等于染色体外接长宽比阀值，则判定为单染色体轮廓；若外接长宽比大于染色体外接长宽比阀值，则判定为多条染色体轮廓。
14.根据权利要求10所述的一种智能识别染色体数量的系统，其特征在于，所述坐标点形成单元包括：
外接矩阵获取模块，用于对检测区域内所有染色体轮廓求外接矩阵，将外接矩阵左上角的点作为染色体轮廓坐标点；
轮廓形状标识模块，用于按照染色体轮廓坐标点，对染色体的轮廓进行轮廓标识。
15.一种智能识别染色体数量的装置，其特征在于，所述装置包括：
处理器、智能识别平台、存储器以及智能识别染色体数量的智能识别平台控制程序；
其中在所述处理器执行所述装置控制程序，所述智能识别染色体数量的智能识别平台控制程序被存储在所述存储器中，所述智能识别染色体数量的智能识别平台控制程序，实现如权利要求1至9中任一项所述的智能识别染色体数量方法的步骤。
16.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质存储有智能识别染色体数量的智能识别平台控制程序，所述智能识别染色体数量的智能识别平台控制程序，实现如权利要求1至9中任一项所述的智能识别染色体数量方法的步骤。
CN201810766168.1A 2018-07-12 2018-07-12 一种智能识别染色体数量的方法及系统 Active CN110659717B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810766168.1A CN110659717B (zh) 2018-07-12 2018-07-12 一种智能识别染色体数量的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810766168.1A CN110659717B (zh) 2018-07-12 2018-07-12 一种智能识别染色体数量的方法及系统

Publications (2)

Publication Number Publication Date
CN110659717A CN110659717A (zh) 2020-01-07
CN110659717B true CN110659717B (zh) 2023-07-04

Family

ID=69028425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810766168.1A Active CN110659717B (zh) 2018-07-12 2018-07-12 一种智能识别染色体数量的方法及系统

Country Status (1)

Country Link
CN (1) CN110659717B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111986183B (zh) * 2020-08-25 2023-07-04 中国科学院长春光学精密机械与物理研究所 一种染色体散型图像自动分割识别系统及装置
CN115529833A (zh) * 2021-04-27 2022-12-27 京东方科技集团股份有限公司 一种媒体监播的方法、装置、系统
CN113176263A (zh) * 2021-05-06 2021-07-27 云南省农业科学院粮食作物研究所 利用高倍显微镜辅助鉴定玉米单倍体幼苗植株的方法
CN113470028A (zh) * 2021-09-03 2021-10-01 深圳市瑞图生物技术有限公司 染色体核型图像质量评估方法、染色体分析仪和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414358A (zh) * 2008-11-18 2009-04-22 广东威创视讯科技股份有限公司 一种基于定向搜索的染色体轮廓检测和提取方法
CN104700422A (zh) * 2015-03-27 2015-06-10 深圳市美侨医疗科技有限公司 一种尿沉渣图像中粘结红白细胞的自动分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5028337B2 (ja) * 2008-05-30 2012-09-19 キヤノン株式会社 画像処理装置、画像処理方法、プログラム、及び記憶媒体

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101414358A (zh) * 2008-11-18 2009-04-22 广东威创视讯科技股份有限公司 一种基于定向搜索的染色体轮廓检测和提取方法
CN104700422A (zh) * 2015-03-27 2015-06-10 深圳市美侨医疗科技有限公司 一种尿沉渣图像中粘结红白细胞的自动分割方法

Also Published As

Publication number Publication date
CN110659717A (zh) 2020-01-07

Similar Documents

Publication Publication Date Title
CN110659717B (zh) 一种智能识别染色体数量的方法及系统
US11157737B2 (en) Cultivated land recognition method in satellite image and computing device
JP2014059875A (ja) 画像内のロゴの存在を検出する装置、及び方法
CN111695609A (zh) 目标物损伤程度判定方法、装置、电子设备及存储介质
CN113409296A (zh) 一种卷绕电芯的抽芯检测方法、电子设备及存储介质
CN111950523A (zh) 基于航拍的船只检测优化方法、装置、电子设备及介质
CN116311132A (zh) 一种减速带识别方法、装置、设备及存储介质
CN114241358A (zh) 基于数字孪生变电站的设备状态展示方法、装置和设备
CN110910414B (zh) 图像轮廓生成方法、图像标注方法、电子装置及存储介质
CN116168351A (zh) 电力设备巡检方法及装置
CN115294060A (zh) 电器设备的外观缺陷检测方法、装置、电子设备及介质
CN114387522A (zh) 一种工作现场的智能预警方法、装置、设备及介质
CN113630594B (zh) 一种显示面板坏点检测系统
CN105354575A (zh) 一种海天线检测中图像二值化阈值确定方法
CN117351462A (zh) 施工作业检测模型训练方法、装置、设备及存储介质
CN117372415A (zh) 喉镜图像识别方法、装置、计算机设备及存储介质
CN117522773A (zh) 产品检测方法、电子设备及存储介质
CN117274361A (zh) 一种物料表面积测量方法、装置、电子设备以及介质
CN115760854A (zh) 基于深度学习的电力设备缺陷检测方法、装置及电子设备
CN112991308B (zh) 一种图像质量的确定方法、装置、电子设备和介质
CN112183556B (zh) 一种基于空间聚类与分水岭变换的港口矿堆轮廓提取方法
CN114037700A (zh) 面板缺陷检测方法、装置、电子设备及存储介质
CN116503407B (zh) 图像中异物区域的检测方法、装置及电子设备
CN116822205B (zh) 一种多维环网柜故障快速预警方法
CN116823924B (zh) 缺陷区域面积的确定方法、装置、电子设备以及存储介质

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