CN111242062B - 一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统 - Google Patents
一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统 Download PDFInfo
- Publication number
- CN111242062B CN111242062B CN202010052448.3A CN202010052448A CN111242062B CN 111242062 B CN111242062 B CN 111242062B CN 202010052448 A CN202010052448 A CN 202010052448A CN 111242062 B CN111242062 B CN 111242062B
- Authority
- CN
- China
- Prior art keywords
- zebra fish
- image
- juvenile
- region
- determining
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统。该方法包括:获取斑马鱼幼鱼局部图像;对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像;根据所述处理后的斑马鱼幼鱼局部图像,确定吸持区域;根据所述吸持区域,确定感兴趣区域;将所述感兴趣区域进行转换,得到HSV通道图像;根据所述HSV通道图像进行提取,得到亮度通道;根据所述亮度通道,确定二值化阈值;根据所述二值化阈值对所述感兴趣区域进行二值化处理,得到分界线,所述分界线为幼鱼表皮。本发明能够迅速精确地确定斑马鱼幼鱼表皮位置。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统。
背景技术
近几十年,生命科学领域取得了迅猛的发展。世界上很多国家(如欧洲诸国,美国,日本,中国等)都在不断加大对生命科学方向的支持。如今,生命科学成为21世纪最重要的自然及应用科学,也是比例最大的学科。显微操作则是生命科学领域中实验验证的重要手段。显微操作是指对微小物体的整体或部分进行的操作和处理。它处理问题的尺度一般在几微米到几百微米之间,如染色体(<10μm)切割、细胞(10~50μm)注射、微机电系统(MEMS)零部件(10~100μm)装配、光纤(<125μm)对接、微电子集成电路制造和显微外科手术等等。由于操作对象微小,许多常规条件下人们所认知的规律和定理此时都变得不可预知。因此,显微操作具有很多常规尺度操作不具备的特点,如尺度效应、操作精度、显微视觉反馈以及显微操作的针对性等。
斑马鱼幼鱼是目前作重要的有脊椎模式生物之一。所谓模式生物,是指易于饲养、繁殖,具有与人类或希望研究的对象接近的特性,可以用于帮助科研人员观察、揭示一些生物现象或问题的一类生物。斑马鱼幼鱼具有几点非常重要的特性,如繁殖能力强、与人类基因相似度高(超过70%)、生长速度快、体外生长、从胚胎到幼鱼时期身体透明(这便于对其处在不同发育阶段的器官进行观察)等。
对于目前的斑马鱼幼鱼显微注射,仍需人工完成。在吸持幼鱼时,需要人手动不断调节吸持泵以达到最佳吸持效果,即稳定吸持幼鱼而又不伤害到幼鱼。而目前,通过人工达到此吸持效果存在耗时长且误差大的困难。
发明内容
本发明的目的是提供一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统,能够迅速精确地确定斑马鱼幼鱼表皮位置,从而实现最佳吸持效果。
为实现上述目的,本发明提供了如下方案:
一种斑马鱼幼鱼表皮位置检测的图像处理方法,包括:
获取斑马鱼幼鱼局部图像;
对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像;
根据所述处理后的斑马鱼幼鱼局部图像,确定吸持区域;
根据所述吸持区域,确定感兴趣区域;
将所述感兴趣区域进行转换,得到HSV通道图像;
根据所述HSV通道图像进行提取,得到亮度通道;
根据所述亮度通道,确定二值化阈值;
根据所述二值化阈值对所述感兴趣区域进行二值化处理,得到分界线,所述分界线为幼鱼表皮。
可选的,所述对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像,具体包括:
对所述斑马鱼幼鱼局部图像进行高斯滤波,得到处理后的斑马鱼幼鱼局部图像。
可选的,所述根据所述处理后的斑马鱼幼鱼局部图像确定吸持区域,具体包括:
根据所述处理后的斑马鱼幼鱼局部图像采用模板匹配方法,确定吸持区域。
可选的,所述将所述感兴趣区域进行转换,得到HSV通道图像,具体包括:
将所述感兴趣区域采用OpenCV函数进行转换,得到HSV通道图像。
可选的,所述根据所述亮度通道,确定二值化阈值,具体包括:
计算所述亮度通道的平均值、极大值和极小值;
根据所述平均值、所述极大值和所述极小值采用公式thresh=p·mean+q·min+r·max,确定二值化阈值;
其中,p、q、r为分别为具体参数,mean为平均值,min为极小值,max为极大值,thresh为二值化阈值。
一种斑马鱼幼鱼表皮位置检测的图像处理系统,包括:
获取模块,用于获取斑马鱼幼鱼局部图像;
预处理模块,用于对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像;
吸持区域确定模块,用于根据所述处理后的斑马鱼幼鱼局部图像,确定吸持区域;
感兴趣区域确定模块,用于根据所述吸持区域,确定感兴趣区域;
转换模块,用于将所述感兴趣区域进行转换,得到HSV通道图像;
提取模块,用于根据所述HSV通道图像进行提取,得到亮度通道;
二值化阈值确定模块,用于根据所述亮度通道,确定二值化阈值;
二值化处理模块,用于根据所述二值化阈值对所述感兴趣区域进行二值化处理,得到分界线,所述分界线为幼鱼表皮。
可选的,所述预处理模块,具体包括:
高斯滤波单元,用于对所述斑马鱼幼鱼局部图像进行高斯滤波,得到处理后的斑马鱼幼鱼局部图像。
可选的,所述吸持区域确定模块,具体包括:
吸持区域确定单元,用于根据所述处理后的斑马鱼幼鱼局部图像采用模板匹配方法,确定吸持区域。
可选的,所述转换模块,具体包括:
转换单元,用于将所述感兴趣区域采用OpenCV函数进行转换,得到HSV通道图像。
可选的,所述二值化阈值确定模块,具体包括:
计算单元,用于计算所述亮度通道的平均值、极大值和极小值;
二值化阈值确定单元,用于根据所述平均值、所述极大值和所述极小值采用公式thresh=p·mean+q·min+r·max,确定二值化阈值;
其中,p、q、r为分别为具体参数,mean为平均值,min为极小值,max为极大值,thresh为二值化阈值。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统。通过获取斑马鱼幼鱼局部图像;对斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像;根据处理后的斑马鱼幼鱼局部图像,确定吸持区域;根据吸持区域,确定感兴趣区域;将感兴趣区域进行转换,得到HSV通道图像;根据HSV通道图像进行提取,得到亮度通道;根据亮度通道,确定二值化阈值;根据二值化阈值对感兴趣区域进行二值化处理,得到分界线,分界线为幼鱼表皮,通过上述方法仅需对斑马鱼幼鱼局部图像处理,便能够迅速精确地确定斑马鱼幼鱼表皮位置,实现最佳吸持效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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为本发明斑马鱼幼鱼表皮位置检测的图像处理方法流程图;
图2为本发明斑马鱼幼鱼局部图像示意图;
图3为本发明分界线示意图;
图4为本发明斑马鱼幼鱼表皮位置检测的图像处理系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统,能够迅速精确地确定斑马鱼幼鱼表皮位置,从而实现最佳吸持效果。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明斑马鱼幼鱼表皮位置检测的图像处理方法流程图。如图1所示,一种斑马鱼幼鱼表皮位置检测的图像处理方法包括:
步骤101:获取斑马鱼幼鱼局部图像,通过显微镜和摄像头获取斑马鱼幼鱼局部图像;通过机械臂将斑马鱼幼鱼移动到特定位置,然后通过显微镜放大后得到斑马鱼幼鱼局部图像,参见图2,图2为本发明斑马鱼幼鱼局部图像示意图。
步骤102:对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像,具体包括:
对所述斑马鱼幼鱼局部图像进行高斯滤波,得到处理后的斑马鱼幼鱼局部图像。
步骤103:根据所述处理后的斑马鱼幼鱼局部图像,确定吸持区域,具体包括:
根据所述处理后的斑马鱼幼鱼局部图像采用模板匹配方法,确定吸持区域。
模板匹配的工作方式跟直方图的反向投影基本一样,大致过程是这样的:通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。
假设有一张100x100的输入图像,有一张10x10的模板图像,查找的过程是这样的:
(1)从输入图像的左上角(0,0)开始,切割一块(0,0)至(10,10)的临时图像。
(2)用临时图像和模板图像进行对比,对比结果记为c。
(3)对比结果c,就是结果图像(0,0)处的像素值。
(4)切割输入图像从(0,1)至(10,11)的临时图像,对比并记录到结果图像。
(5)重复(1)~(4)步直到输入图像的右下角。
步骤104:根据所述吸持区域,确定感兴趣区域,通过试验在模板匹配到的区域附近选择合适大小的感兴趣区域ROI,感兴趣区域ROI应包括针尖部分及幼鱼被吸住的位置。
步骤105:将所述感兴趣区域进行转换,得到HSV通道图像,具体包括:
将所述感兴趣区域采用OpenCV函数进行转换,得到HSV通道图像,H-色相,S-饱和度,V-亮度。采用函数cv::cvtColor(src,dst,CV_BGR2HSV),将感兴趣区域转换为HSV通道图像。
步骤106:根据所述HSV通道图像进行提取,得到亮度通道,将所述HSV通道图像通过函数cv::split(src,channels)分离HSV通道,并得到V通道。
步骤107:根据所述亮度通道,确定二值化阈值,具体包括:
计算所述亮度通道的平均值、极大值和极小值。
根据所述平均值、所述极大值和所述极小值采用公式thresh=p·mean+q·min+r·max,确定二值化阈值。
其中,p、q、r为分别为具体参数,mean为平均值,min为极小值,max为极大值,thresh为二值化阈值。
步骤108:根据所述二值化阈值对所述感兴趣区域进行二值化处理,得到分界线,所述分界线为幼鱼表皮。
在使用二值化阈值thresh之后的结果如图3所示,图像中间部分最左边的明暗交界处被认为是检测到的幼鱼表皮,其在图3中的坐标可以获得。图3为本发明分界线示意图。
由于实验环境光照条件不断变化,如白天和夜晚、晴天和阴天的光照条件均不相同,对图像检测带来了很大麻烦。但是,本发明通过选取小部分区域即斑马鱼幼鱼局部图像进行研究,并且在阈值选择上采用了动态阈值的办法,使得方法整体鲁棒性较强。而且,幼鱼待处理的图像较小,处理速度较快,检测效率高。本发明的检测虽然存在一定误差,但是在允许范围内,不会影响最终结果,而且相对现有人工方式,减小了误差。
图4为本发明斑马鱼幼鱼表皮位置检测的图像处理系统结构图。如图4所示,一种斑马鱼幼鱼表皮位置检测的图像处理系统包括:
获取模块201,用于获取斑马鱼幼鱼局部图像。
预处理模块202,用于对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像。
吸持区域确定模块203,用于根据所述处理后的斑马鱼幼鱼局部图像,确定吸持区域。
感兴趣区域确定模块204,用于根据所述吸持区域,确定感兴趣区域。
转换模块205,用于将所述感兴趣区域进行转换,得到HSV通道图像。
提取模块206,用于根据所述HSV通道图像进行提取,得到亮度通道。
二值化阈值确定模块207,用于根据所述亮度通道,确定二值化阈值。
二值化处理模块208,用于根据所述二值化阈值对所述感兴趣区域进行二值化处理,得到分界线,所述分界线为幼鱼表皮。
所述预处理模块202,具体包括:
高斯滤波单元,用于对所述斑马鱼幼鱼局部图像进行高斯滤波,得到处理后的斑马鱼幼鱼局部图像。
所述吸持区域确定模块203,具体包括:
吸持区域确定单元,用于根据所述处理后的斑马鱼幼鱼局部图像采用模板匹配方法,确定吸持区域。
所述转换模块205,具体包括:
转换单元,用于将所述感兴趣区域采用OpenCV函数进行转换,得到HSV通道图像。
所述二值化阈值确定模块207,具体包括:
计算单元,用于计算所述亮度通道的平均值、极大值和极小值。
二值化阈值确定单元,用于根据所述平均值、所述极大值和所述极小值采用公式thresh=p·mean+q·min+r·max,确定二值化阈值。
其中,p、q、r为分别为具体参数,mean为平均值,min为极小值,max为极大值,thresh为二值化阈值。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种斑马鱼幼鱼表皮位置检测的图像处理方法,其特征在于,包括:
获取斑马鱼幼鱼局部图像;
对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像;
根据所述处理后的斑马鱼幼鱼局部图像,采用模板匹配方法在输入图像上滑动图像块对实际的图像块和输入图像进行匹配,确定吸持区域;
根据所述吸持区域,确定感兴趣区域;
将所述感兴趣区域进行转换,得到HSV通道图像;
根据所述HSV通道图像进行提取,得到亮度通道;
根据所述亮度通道,确定二值化阈值,所述根据所述亮度通道,确定二值化阈值,具体包括:
计算所述亮度通道的平均值、极大值和极小值;
根据所述平均值、所述极大值和所述极小值采用公式thresh=p·mean+q·min+r·max,确定二值化阈值;
其中,p、q、r为分别为具体参数,mean为平均值,min为极小值,max为极大值,thresh为二值化阈值;
根据所述二值化阈值对所述感兴趣区域进行二值化处理,得到分界线,所述分界线为幼鱼表皮。
2.根据权利要求1所述的斑马鱼幼鱼表皮位置检测的图像处理方法,其特征在于,所述对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像,具体包括:
对所述斑马鱼幼鱼局部图像进行高斯滤波,得到处理后的斑马鱼幼鱼局部图像。
3.根据权利要求1所述的斑马鱼幼鱼表皮位置检测的图像处理方法,其特征在于,所述将所述感兴趣区域进行转换,得到HSV通道图像,具体包括:
将所述感兴趣区域采用OpenCV函数进行转换,得到HSV通道图像。
4.一种斑马鱼幼鱼表皮位置检测的图像处理系统,其特征在于,包括:
获取模块,用于获取斑马鱼幼鱼局部图像;
预处理模块,用于对所述斑马鱼幼鱼局部图像进行预处理,得到处理后的斑马鱼幼鱼局部图像;
吸持区域确定模块,所述吸持区域确定模块,具体包括:
吸持区域确定单元,用于根据所述处理后的斑马鱼幼鱼局部图像,采用模板匹配方法在输入图像上滑动图像块对实际的图像块和输入图像进行匹配,确定吸持区域;
感兴趣区域确定模块,用于根据所述吸持区域,确定感兴趣区域;
转换模块,用于将所述感兴趣区域进行转换,得到HSV通道图像;
提取模块,用于根据所述HSV通道图像进行提取,得到亮度通道;
二值化阈值确定模块,所述二值化阈值确定模块,具体包括:
计算单元,用于计算所述亮度通道的平均值、极大值和极小值;
二值化阈值确定单元,用于根据所述平均值、所述极大值和所述极小值采用公式thresh=p·mean+q·min+r·max,确定二值化阈值;
其中,p、q、r为分别为具体参数,mean为平均值,min为极小值,max为极大值,thresh为二值化阈值;
二值化处理模块,用于根据所述二值化阈值对所述感兴趣区域进行二值化处理,得到分界线,所述分界线为幼鱼表皮。
5.根据权利要求4所述的斑马鱼幼鱼表皮位置检测的图像处理系统,其特征在于,所述预处理模块,具体包括:
高斯滤波单元,用于对所述斑马鱼幼鱼局部图像进行高斯滤波,得到处理后的斑马鱼幼鱼局部图像。
6.根据权利要求4所述的斑马鱼幼鱼表皮位置检测的图像处理系统,其特征在于,所述转换模块,具体包括:
转换单元,用于将所述感兴趣区域采用OpenCV函数进行转换,得到HSV通道图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052448.3A CN111242062B (zh) | 2020-01-17 | 2020-01-17 | 一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010052448.3A CN111242062B (zh) | 2020-01-17 | 2020-01-17 | 一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111242062A CN111242062A (zh) | 2020-06-05 |
CN111242062B true CN111242062B (zh) | 2023-05-09 |
Family
ID=70876207
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010052448.3A Active CN111242062B (zh) | 2020-01-17 | 2020-01-17 | 一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242062B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112378837B (zh) * | 2020-09-15 | 2021-12-28 | 深圳市华中生物药械有限公司 | 一种宫颈脱落细胞检测方法及相关装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5617484A (en) * | 1992-09-25 | 1997-04-01 | Olympus Optical Co., Ltd. | Image binarizing apparatus |
JPH10188198A (ja) * | 1996-12-19 | 1998-07-21 | Honda Motor Co Ltd | 車両の白線検出装置 |
JP2003215048A (ja) * | 2002-01-25 | 2003-07-30 | Murata Mfg Co Ltd | 欠陥部分検出方法 |
CN101443897A (zh) * | 2006-05-16 | 2009-05-27 | 东京毅力科创株式会社 | 图像二值化方法、图像处理装置及计算机程序 |
JP2009116419A (ja) * | 2007-11-02 | 2009-05-28 | Nidec Tosok Corp | 輪郭検出方法及び輪郭検出装置 |
CN106951895A (zh) * | 2016-01-07 | 2017-07-14 | 富士通株式会社 | 确定图像中的感兴趣区域的轮廓的方法和系统 |
CN109712158A (zh) * | 2018-11-23 | 2019-05-03 | 山东航天电子技术研究所 | 一种基于目标背景像元统计约束的红外小目标捕获方法 |
CN109993752A (zh) * | 2019-03-11 | 2019-07-09 | 杭州雄迈信息技术有限公司 | 一种二值化图像生成方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7336390B2 (en) * | 2003-04-29 | 2008-02-26 | Pfu Limited | Method and apparatus for reducing multi-bit image data |
-
2020
- 2020-01-17 CN CN202010052448.3A patent/CN111242062B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5617484A (en) * | 1992-09-25 | 1997-04-01 | Olympus Optical Co., Ltd. | Image binarizing apparatus |
JPH10188198A (ja) * | 1996-12-19 | 1998-07-21 | Honda Motor Co Ltd | 車両の白線検出装置 |
JP2003215048A (ja) * | 2002-01-25 | 2003-07-30 | Murata Mfg Co Ltd | 欠陥部分検出方法 |
CN101443897A (zh) * | 2006-05-16 | 2009-05-27 | 东京毅力科创株式会社 | 图像二值化方法、图像处理装置及计算机程序 |
JP2009116419A (ja) * | 2007-11-02 | 2009-05-28 | Nidec Tosok Corp | 輪郭検出方法及び輪郭検出装置 |
CN106951895A (zh) * | 2016-01-07 | 2017-07-14 | 富士通株式会社 | 确定图像中的感兴趣区域的轮廓的方法和系统 |
CN109712158A (zh) * | 2018-11-23 | 2019-05-03 | 山东航天电子技术研究所 | 一种基于目标背景像元统计约束的红外小目标捕获方法 |
CN109993752A (zh) * | 2019-03-11 | 2019-07-09 | 杭州雄迈信息技术有限公司 | 一种二值化图像生成方法 |
Non-Patent Citations (2)
Title |
---|
基于霍夫变换的OSTU改进算法在路面裂缝检测中的研究;李媛媛;黄泉源;侯智新;;电子设计工程;第24卷(第05期);全文 * |
高速公路场景图像的二值化及交通标志定位检测方法;初秀民 等;中国公路学报;第19卷(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111242062A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090906B (zh) | 一种基于区域提名的宫颈图像处理方法及装置 | |
CN111462076B (zh) | 一种全切片数字病理图像模糊区域检测方法及系统 | |
Nasir et al. | Unsupervised colour segmentation of white blood cell for acute leukaemia images | |
US11586028B2 (en) | Mobile phone-based miniature microscopic image acquisition device and image stitching and recognition methods | |
JP6791245B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN103955937A (zh) | 基于数字图像处理微藻自动计数方法 | |
CN108564114A (zh) | 一种基于机器学习的人体粪便白细胞自动识别方法 | |
CN107122597B (zh) | 一种角膜受损智能诊断系统 | |
CN109523512B (zh) | 一种基于多图谱标签融合的医学图像自动分割方法 | |
CN113781455B (zh) | 宫颈细胞图像异常检测方法、装置、设备及介质 | |
CN111242062B (zh) | 一种斑马鱼幼鱼表皮位置检测的图像处理方法及系统 | |
CN108961242A (zh) | 一种荧光染色图像ctc智能识别方法 | |
CN110929762A (zh) | 一种基于深度学习的肢体语言检测与行为分析方法及系统 | |
CN103900499B (zh) | 基于计算机视觉技术的卷烟包装警语区域面积测定方法 | |
CN112750118B (zh) | 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 | |
CN109584211A (zh) | 一种动物卵母细胞极体的视觉自动检测方法 | |
CN112464802B (zh) | 一种玻片样本信息的自动识别方法、装置和计算机设备 | |
CN110806407A (zh) | 一种基于Labview的二维材料扫描和视觉处理系统及其方法 | |
CN101555515A (zh) | 基于轮廓标记图的硅藻特征描述及其分类方法 | |
WO2021184950A1 (zh) | 一种汉画像石体育图像采集比对装置 | |
CN116258686A (zh) | 基于图像卷积特征捕捉的结肠息肉分型检测模型建立方法 | |
CN109117767A (zh) | 一种基于区域生长的限速标志分类方法 | |
CN113313073A (zh) | 一种对显微操作生物样本吸持控制方法及系统 | |
CN102155919A (zh) | 霍夫变换细胞检测装置 | |
Liu et al. | Microscopic image analysis and recognition on pathological cells |
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 |