CN114067114A - 一种基于藻类细胞形态的面积核分割计数方法 - Google Patents
一种基于藻类细胞形态的面积核分割计数方法 Download PDFInfo
- Publication number
- CN114067114A CN114067114A CN202111341940.3A CN202111341940A CN114067114A CN 114067114 A CN114067114 A CN 114067114A CN 202111341940 A CN202111341940 A CN 202111341940A CN 114067114 A CN114067114 A CN 114067114A
- Authority
- CN
- China
- Prior art keywords
- area
- algae
- region
- cells
- 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.)
- Granted
Links
- 241000195493 Cryptophyta Species 0.000 title claims abstract description 82
- 230000011218 segmentation Effects 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000000203 mixture Substances 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 230000000694 effects Effects 0.000 description 10
- 230000001464 adherent effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 230000029553 photosynthesis Effects 0.000 description 2
- 238000010672 photosynthesis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 241000255789 Bombyx mori Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 244000038651 primary producers Species 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于藻类细胞形态的面积核分割计数方法,涉及图像处理与图像分割技术领域,包括对连通区域进行特征的提取和聚类,将单细胞区域分为一类,根据单细胞区域的面积设计权重面积核,使用权重面积核与藻类细胞匹配,从而将粘连细胞区域分割,过滤噪声区域,达到计数的目的。本发明根据藻类连通区域的形态特征,使用高斯混合模型进行聚类,构造了一种类似藻类形态的权重面积核,该面积核能够很好的将噪点过滤,且在不完整藻类细胞以及粘连细胞的分割方面达到很高的精度,同时采用精准定位的方式,提高了分割处理速度。
Description
技术领域
本发明涉及图像处理与图像分割技术领域,尤其是一种基于藻类细胞形态的面积核分割计数方法。
背景技术
藻类是大自然界中水生植物的一种初级生产者,其光合作用产生的含碳有机物比一些高等植物还高,这导致其光合作用需要消耗大量的物质。加上其超强的生存能力,一旦水质遭到污染,如富营养化时,某些藻类将会大量繁殖,消耗水中大量的氧气和其他物质,同时产生一些有害物质,破坏了水生态的基本平衡,从而导致水中其他水生物的大量死亡,严重时甚至导致水生态的毁灭。为监测水质的变化和预防藻类的大量繁殖,需要对水体中的藻类丰度进行统计。
传统藻类丰度的统计主要是在实验室中依靠专业人员在显微镜下进行辨识统计,该种方法工作量大、效率低、耗时。为此需要建立一种快速,精确统计藻类丰度的系统。
目前藻类细胞显微图像分割方案主要采用分水岭算法。
分水岭分割算法是一种基于拓扑理论的数学形态学的分割方法,它的基本思想是将二维空间图像映射到三维空间,将图像看作测地学上的拓扑地貌,图像中每个像素的灰度值代表该点的海拔高度,每个局部极小值及其影响区域称为集水盆,集水盆之间的边界处形成分水岭。如图1所示,假设目标的灰度值较低,背景的灰度值较高,当从区域2的集水盆开始涨水,在到达水面L1时,根据区域2与区域1的分水岭,能够将区域2和区域1分开,同理可以将区域2和区域3分开。
该技术的具体实施步骤如下:
1、输入藻类显微图像,并对图像进行滤波、转为灰度图等预处理;
2、采用OTSU算法对图像进行分割,将图像转化为二值图;
3、对二值图像进行膨胀操作和闭操作,实现连通区域边缘的平滑和较小孔洞的填充,再采用孔洞填充算法对较大的孔洞进行填充;
4、对孔洞填充后的图像进行开操作和膨胀操作,获得大部分都是背景的区域;
5、对步骤(4)的开操作图像进行距离变换和分割,获得前景区域;
6、背景区域与前景区域相减,获得既有背景区域又有前景区域的未知区域;
7、对前景区域进行标记,获得连通区域,并将连通区域中的未知区域转化为背景区域;
8、对连通区域进行分水岭分割,提取分割后图像连通区域的个数,即为藻类细胞的个数。
上述技术方案无法解决藻类细胞显微图像存在的噪声问题,往往会将噪声识别为藻类细胞,对噪声敏感,容易过分割;对藻类细胞的分割效果也十分有限,尤其是粘连细胞的分割,无法分割粘连紧密的藻类细胞。
发明内容
本发明需要解决的技术问题是提供一种基于藻类细胞形态的面积核分割计数方法,将区域较小的噪点过滤掉,对粘连的藻类细胞进行分割。该方法具有十分好的分割效果,提高了计数的精度,同时采用精准定位的方式,提高了图像处理速度。
为解决上述技术问题,本发明所采用的技术方案是:
一种基于藻类细胞形态的面积核分割计数方法,包括对连通区域进行特征的提取和聚类,并将单细胞区域分为一类,根据单细胞区域的面积设计权重面积核,使用权重面积核与藻类细胞匹配,从而将粘连细胞区域分割,过滤噪声区域,最终完成计数。其中最重要的是权重面积核的构建。
本发明技术方案的进一步改进在于:包括以下步骤:
(1)输入藻类显微图像,并对图像进行预处理,预处理包括直方图均衡化、灰度化和滤波等;
(2)采用OTSU算法对图像进行分割,将图像转化为二值图;
(3)对二值图像进行膨胀操作和闭操作,实现连通区域边缘的平滑和较小孔洞的填充,再采用孔洞填充算法对较大的孔洞进行填充;
(4)根据孔洞填充后的二值图像获取连通区域的位置、面积以及其外接矩形;
(5)将连通区域的面积和其外接矩形的边长作为特征,输入到高斯混合模型中进行聚类;将单细胞区域分为一类,粘连细胞区域和噪声分为一类;
(6)根据聚类结果,获得单细胞区域面积的均值、最大值和最小值,根据这些值设计权重面积核的大小;
(7)由步骤(4)可以获得连通区域的位置,用权重面积核对这些位置进行匹配分割,对分割后的区域进行标记;
(8)统计整个二值图标记的数量,即为藻类细胞的个数。
本发明技术方案的进一步改进在于:上述步骤(5)中包括:
通过对连通区域的形态和面积进行分析,确定某个连通区域是单个藻类细胞,还是多个粘连的藻类细胞,或者是噪声;根据藻类细胞的形态特征设计一个跟藻类细胞面积基本相等的圆形面积核,利用圆的内接正方形来大致代替圆形。
本发明技术方案的进一步改进在于:上述步骤(5)中针对藻类显微图像二值化后,连通区域并完全呈现类圆形,某些藻类细胞可能由于噪声干扰出一些缺口的部分,对正方形的面积核进行权重设计,根据细胞的形态特征分析,细胞的核心在中心,其权重最大,越往边缘其权重越小,计算连通区域与权重面积核匹配部分的数值与完整面积核数值的比值,当比值达到一定程度时,将该匹配区域视为一个藻类细胞。
本发明技术方案的进一步改进在于:上述步骤(6)中包括:
根据藻类显微图像的二值图,统计每个连通区域的面积以及其外接矩形;利用面积特征和边长特征作为高斯混合模型的输入,对连通区域进行聚类,将单细胞区域分离出来;根据聚类结果,统计单细胞的平均面积,同时找出单细胞面积的最大值和最小值,以此设计权重面积分割核的大小。
本发明技术方案的进一步改进在于:上述步骤(7)中包括:
在统计藻类二值图的连通区域的外接矩形时,获得外接矩形的位置,利用设计的权重面积核对这些区域进行匹配,实现粘连细胞的分割。
由于采用了上述技术方案,本发明取得的技术进步是:
本发明将区域较小的噪点过滤掉,而且对粘连的藻类细胞也有十分好的分割效果,提高了计数的精度;
本发明采用精准定位的方式,无需对整个图像进行查询匹配,在保证高精度的同时,提高了处理速度。
附图说明
图1为分水岭示意图;
图2为二值化藻类细胞区域示意图;
图3为面积核设计原理图;
图4为缺口藻类细胞区域示意图;
图5为大小不同的权重面积核示意图;
图6为连通区域特征在三维空间的高斯混合模型聚类结果示意图
图7为高斯混合模型在显微图像聚类的效果图;
图8为本发明的整体流程图;
图9为分水岭分割方案效果图;
图10为本发明分割方案效果图。
具体实施方式
下面结合实施例对本发明做进一步详细说明:
如图1至图10所示,一种基于藻类细胞形态的面积核分割计数方法,本发明的基于形态学自适应权重面积核法,能够很好的解决上述这些问题。本发明先对粘连的藻类细胞进行分割,然后再进行藻类细胞计数,从而实现藻类显微图像的计数目的。首先对粘连细胞进行分割,当藻类细胞粘连在一起时,其面积将会远大于单个细胞,而且其形状将呈现出一种不规则形态,相对于类圆形的单细胞来说,它外接矩形的长与宽相差巨大。由此,可以利用藻类细胞的面积和外接矩形的边长作为特征,对藻类细胞进行分类,一类为粘连细胞,一类为单细胞。然后根据单细胞的平均面积设计权重面积核,该面积核象征着一个藻类细胞单元,利用面积核与藻类细胞进行匹配,当其匹配度满足一定的条件时,便认为该区域是一个藻类细胞,以此分割粘连细胞。最后遍历整个图像的连通区域,便可以确定整个图像具有多少藻类细胞。
①权重面积核设计原理:
当显微图像二值化后,每个藻类细胞可以看作是由一个个像素点组成的连通区域,如图2所示,其中不规则曲线为藻类轮廓。通过对连通区域的形态和面积进行分析,便可以确定某个连通区域是单个藻类细胞,还是多个粘连的藻类细胞,或者是噪声。根据对藻类细胞的形态特征分析,其形态和圆形十分类似,可以设计一个跟藻类细胞面积基本相等的圆形面积核,由于图像是由一个个方形的像素点组成的,无法直接设计出圆形面积核,可以利用圆的内接正方形来大致代替圆形。图3展示了面积核的设计原理,圆形曲线为藻类细胞的近似圆,正方形为该藻类细胞的面积核。
由于藻类显微图像二值化后,连通区域并完全呈现类圆形,某些藻类细胞可能由于噪声干扰出一些缺口,如图4所示。如果继续使用正方形面积核来匹配连通区域,面积核将会错误的将该区域认为是噪声,不加入计数,为此需要对正方形的面积核进行权重设计。根据细胞的轮廓,可以大致认为细胞的核心在中心,所以其权重最大,越往边缘其权重越小,计算连通区域与权重面积核匹配部分的数值与完整面积核数值的比值,当比值达到一定程度时,可以认为该匹配区域是一个藻类细胞。如图5所示,a、b分别为5*5和7*7的权重面积核。
②确定权重面积核大小:
根据藻类显微图像的二值图,统计每个连通区域的面积以及其外接矩形。由于粘连细胞的面积远大于单个细胞,且其形状不规则,导致粘连细胞的外接矩形的长和宽相差巨大。而单细胞的形状类似圆形,其外接矩形的边长相差不多,因此可以利用连通区域的面积和外接矩形的边长作为分辨单细胞和粘连细胞的特征。由于粘连细胞和噪声相对于单细胞较少,大致呈现出高斯分布。以面积为例,粘连细胞面积最大,单细胞次之,噪声面积最小,其数量则是单细胞最多,粘连细胞和噪声较少,且三者之间差距巨大。因此可以利用它们的面积特征和边长特征作为高斯混合模型的输入,对三者进行聚类,从而实现分类。图6显示连通区域特征在三维空间的高斯混合模型聚类结果。图7显示高斯混合模型在显微图像聚类的效果。由图7可知,单细胞单独分为一类,即内部是方形图形的矩形框区域,粘连细胞和噪声分为一类,即内部是圆形图形的矩形框区域。根据聚类结果,统计单细胞的平均面积,同时找出单细胞面积的最大值和最小值,以此设计权重面积分割核的大小。
③藻类细胞快速匹配分割:
在统计藻类二值图的连通区域的外接矩形时,同时可以获得外接矩形的位置,这些位置即为所有藻类细胞所在的区域。利用设计的权重面积核对这些区域进行匹配,可以快速实现粘连细胞的分割。该方法无需对整个二值图进行匹配,实现高精度与高速的并存。
该技术的具体实施步骤如下:
(1)输入藻类显微图像,并对图像进行预处理,预处理包括直方图均衡化、灰度化和滤波等;
(2)采用OTSU算法对图像进行分割,将图像转化为二值图;
(3)对二值图像进行膨胀操作和闭操作,实现连通区域边缘的平滑和较小孔洞的填充,再采用孔洞填充算法对较大的孔洞进行填充;
(4)根据孔洞填充后的二值图像获取连通区域的位置、面积以及其外接矩形;
(5)将连通区域的面积和其外接矩形的边长作为特征,输入到高斯混合模型中进行聚类。将单细胞区域分为一类,粘连细胞区域和噪声分为一类;
(6)根据聚类结果,获得单细胞区域面积的均值、最大值和最小值。根据这些值设计权重面积核的大小;
(7)由步骤(4)可以获得连通区域的位置,用权重面积核对这些位置进行匹配分割,对分割后的区域进行标记;
(8)统计整个二值图标记的数量,即为藻类细胞的个数。
该设计的流程图如图8所示。
原技术方案无法分割粘连较紧的藻类细胞,而且容易误识小的噪声。图9为原技术分割的效果图。而本发明技术方案设计的面积核基本与藻类细胞的大小相似,可以将区域较小的噪点过滤掉,而且对粘连的藻类细胞也有十分好的分割效果。图10为本发明分割的效果图,连通区域内的小点为分割标记点。同时,本技术采用精准定位分割的方式,无需对整个图像进行查询匹配,在保证高精度的同时,处理速度也十分的快速。表1为两种方法分割计数的结果。
表1分割结果
技术方案 | 人工计数 | 分割计数 | 误差值 |
原技术方案 | 150 | 122 | -18.7% |
本发明技术方案 | 150 | 143 | -0.05% |
(误差值计算方法:(A-E)/(E/100)。A表示测量值,E表示正常值)
附录:
灰度图:灰度图与彩色图不同,彩色图中一个像素通常用几个值(如RGB)同时表示,灰度图一个像素只有一个值:即亮度(也叫灰阶)。最常见的是256级灰阶,一个像素用1Byte表示,即0~255,当像素值为0时,表示这是个纯黑点,当像素值为255时,这是一个纯白点。
二值图:在图像中,灰度等级只有两种,也就是说,图像中的任何像素点的灰度值均为0或者255,分别代表黑色和白色。
OTSU:该方法又称作最大类间方差法,有时也称之为大津算法,是一种确定图像分割阈值的算法,由日本学者大津于1979年提出。按照大津法求得的阈值对二值图进行分割后,前景与背景图像的类间方差最大。该种方法计算简单,不受图像亮度和对比度的影响,被认为是图像分割中阈值选取的最佳算法。
连通区域:一般是指图像中具有相同像素值且位置相邻的前景像素点组成的图像区域。
图像膨胀:膨胀类似“领域扩张”,将图像的高亮区域或白色部分进行扩张,其运行结果图比原图的高亮区域更大。
图像腐蚀:腐蚀类似“领域被蚕食”,将图像中的高亮区域或白色部分进行缩减细化,其运行结果图比原图的高亮区域更小。
图像开操作:先对二值图进行腐蚀,然后再对结果图进行膨胀。它使图像的轮廓变得光滑,断开的较窄的狭颈和消除细的突出物。
图像闭操作:同样能够使图像的轮廓变得光滑,但与开操作相反,即先对二值图进行膨胀,然后再对结果图进行腐蚀。它能弥合狭窄的间断和细小的沟壑,消除小的空洞,并填补轮廓线中的裂痕。
Claims (6)
1.一种基于藻类细胞形态的面积核分割计数方法,其特征在于:包括对连通区域进行特征的提取和聚类,并将单细胞区域分为一类,根据单细胞区域的面积设计权重面积核,使用权重面积核与藻类细胞匹配,从而将粘连细胞区域分割,过滤噪声区域,最终完成计数;其中最重要的是权重面积核的构建。
2.根据权利要求1所述的一种基于藻类细胞形态的面积核分割计数方法,其特征在于:包括以下步骤:
(1)输入藻类显微图像,并对图像进行预处理,预处理包括直方图均衡化、灰度化和滤波等;
(2)采用OTSU算法对图像进行分割,将图像转化为二值图;
(3)对二值图像进行膨胀操作和闭操作,实现连通区域边缘的平滑和较小孔洞的填充,再采用孔洞填充算法对较大的孔洞进行填充;
(4)根据孔洞填充后的二值图像获取连通区域的位置、面积以及其外接矩形;
(5)将连通区域的面积和其外接矩形的边长作为特征,输入到高斯混合模型中进行聚类;将单细胞区域分为一类,粘连细胞区域和噪声分为一类;
(6)根据聚类结果,获得单细胞区域面积的均值、最大值和最小值,根据这些值设计权重面积核的大小;
(7)由步骤(4)可以获得连通区域的位置,用权重面积核对这些位置进行匹配分割,对分割后的区域进行标记;
(8)统计整个二值图标记的数量,即为藻类细胞的个数。
3.根据权利要求2所述的一种基于藻类细胞形态的面积核分割计数方法,其特征在于:上述步骤(5)中包括:
通过对连通区域的形态和面积进行分析,确定某个连通区域是单个藻类细胞,还是多个粘连的藻类细胞,或者是噪声;根据藻类细胞的形态特征设计一个跟藻类细胞面积基本相等的圆形面积核,利用圆的内接正方形来大致代替圆形。
4.根据权利要求3所述的一种基于藻类细胞形态的面积核分割计数方法,其特征在于:上述步骤(5)中针对藻类显微图像二值化后,连通区域并完全呈现类圆形,某些藻类细胞可能由于噪声干扰出一些缺口的部分,对正方形的面积核进行权重设计,根据细胞的形态特征分析,细胞的核心在中心,其权重最大,越往边缘其权重越小,计算连通区域与权重面积核匹配部分的数值与完整面积核数值的比值,当比值达到一定程度时,将该匹配区域视为一个藻类细胞。
5.根据权利要求2所述的一种基于藻类细胞形态的面积核分割计数方法,其特征在于:上述步骤(6)中包括:
根据藻类显微图像的二值图,统计每个连通区域的面积以及其外接矩形;利用面积特征和边长特征作为高斯混合模型的输入,对连通区域进行聚类,将单细胞区域分离出来;根据聚类结果,统计单细胞的平均面积,同时找出单细胞面积的最大值和最小值,以此设计权重面积分割核的大小。
6.根据权利要求2所述的一种基于藻类细胞形态的面积核分割计数方法,其特征在于:上述步骤(7)中包括:
在统计藻类二值图的连通区域的外接矩形时,获得外接矩形的位置,利用设计的权重面积核对这些区域进行匹配,实现粘连细胞的分割。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111341940.3A CN114067114B (zh) | 2021-11-12 | 2021-11-12 | 一种基于藻类细胞形态的面积核分割计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111341940.3A CN114067114B (zh) | 2021-11-12 | 2021-11-12 | 一种基于藻类细胞形态的面积核分割计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114067114A true CN114067114A (zh) | 2022-02-18 |
CN114067114B CN114067114B (zh) | 2024-05-03 |
Family
ID=80271932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111341940.3A Active CN114067114B (zh) | 2021-11-12 | 2021-11-12 | 一种基于藻类细胞形态的面积核分割计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067114B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612490A (zh) * | 2022-03-17 | 2022-06-10 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的栅藻类细胞统计方法 |
CN114612333A (zh) * | 2022-03-17 | 2022-06-10 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的微囊藻类细胞统计方法 |
CN114627018A (zh) * | 2022-03-17 | 2022-06-14 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的颤藻类细胞统计方法 |
CN115165710A (zh) * | 2022-09-08 | 2022-10-11 | 珠海圣美生物诊断技术有限公司 | 细胞的快速扫描方法和装置 |
CN117593746A (zh) * | 2024-01-18 | 2024-02-23 | 武汉互创联合科技有限公司 | 基于目标检测的细胞分裂均衡度评估系统及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777122A (zh) * | 2010-03-02 | 2010-07-14 | 中国海洋大学 | 一种角毛藻显微图像细胞目标提取方法 |
CN104794710A (zh) * | 2015-04-13 | 2015-07-22 | 上海泽煜实验设备有限公司 | 一种图像处理方法及装置 |
WO2016091016A1 (zh) * | 2014-12-12 | 2016-06-16 | 山东大学 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
CN106022303A (zh) * | 2016-06-06 | 2016-10-12 | 南昌航空大学 | 基于无透镜全息成像的淡水藻类粗分类与计数方法 |
CN110110667A (zh) * | 2019-05-08 | 2019-08-09 | 广东工业大学 | 一种硅藻图像的处理方法、系统及相关组件 |
CN111583178A (zh) * | 2020-04-02 | 2020-08-25 | 电子科技大学 | 一种在藻类细胞显微图像中分割黏连藻类细胞的方法 |
-
2021
- 2021-11-12 CN CN202111341940.3A patent/CN114067114B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101777122A (zh) * | 2010-03-02 | 2010-07-14 | 中国海洋大学 | 一种角毛藻显微图像细胞目标提取方法 |
WO2016091016A1 (zh) * | 2014-12-12 | 2016-06-16 | 山东大学 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
CN104794710A (zh) * | 2015-04-13 | 2015-07-22 | 上海泽煜实验设备有限公司 | 一种图像处理方法及装置 |
CN106022303A (zh) * | 2016-06-06 | 2016-10-12 | 南昌航空大学 | 基于无透镜全息成像的淡水藻类粗分类与计数方法 |
CN110110667A (zh) * | 2019-05-08 | 2019-08-09 | 广东工业大学 | 一种硅藻图像的处理方法、系统及相关组件 |
CN111583178A (zh) * | 2020-04-02 | 2020-08-25 | 电子科技大学 | 一种在藻类细胞显微图像中分割黏连藻类细胞的方法 |
Non-Patent Citations (1)
Title |
---|
胡洋洋;王鑫;: "基于细胞面积估计的蓝藻细胞计数", 江南大学学报(自然科学版), no. 05, 28 October 2015 (2015-10-28) * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114612490A (zh) * | 2022-03-17 | 2022-06-10 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的栅藻类细胞统计方法 |
CN114612333A (zh) * | 2022-03-17 | 2022-06-10 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的微囊藻类细胞统计方法 |
CN114627018A (zh) * | 2022-03-17 | 2022-06-14 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的颤藻类细胞统计方法 |
CN114612333B (zh) * | 2022-03-17 | 2022-12-02 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的微囊藻类细胞统计方法 |
CN114627018B (zh) * | 2022-03-17 | 2023-01-13 | 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 | 一种基于显微镜图像的颤藻类细胞统计方法 |
CN115165710A (zh) * | 2022-09-08 | 2022-10-11 | 珠海圣美生物诊断技术有限公司 | 细胞的快速扫描方法和装置 |
CN115165710B (zh) * | 2022-09-08 | 2022-11-29 | 珠海圣美生物诊断技术有限公司 | 细胞的快速扫描方法和装置 |
CN117593746A (zh) * | 2024-01-18 | 2024-02-23 | 武汉互创联合科技有限公司 | 基于目标检测的细胞分裂均衡度评估系统及装置 |
CN117593746B (zh) * | 2024-01-18 | 2024-04-19 | 武汉互创联合科技有限公司 | 基于目标检测的细胞分裂均衡度评估系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114067114B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114067114B (zh) | 一种基于藻类细胞形态的面积核分割计数方法 | |
CN106056118B (zh) | 一种用于细胞的识别计数方法 | |
CN109154978B (zh) | 用于检测植物疾病的系统和方法 | |
Tulsani et al. | Segmentation using morphological watershed transformation for counting blood cells | |
CN107169953B (zh) | 基于hog特征的桥梁混凝土表面裂缝检测方法 | |
CN101599120B (zh) | 一种遥感影像建筑物识别方法 | |
CN103632361B (zh) | 一种图像分割方法和系统 | |
CN110120042B (zh) | 一种基于slic超像素和自动阈值分割的农作物图像病虫害区域提取方法 | |
CN111402267B (zh) | 前列腺癌病理图像中上皮细胞核的分割方法、装置和终端 | |
US9239281B2 (en) | Method and device for dividing area of image of particle in urine | |
CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
CN115147414A (zh) | 一种双极型功率晶体管表面击穿缺陷检测方法 | |
CN107154044B (zh) | 一种中餐食物图像的分割方法 | |
CN110309830B (zh) | 基于数学形态学和区域连通性的甲骨文字自动分割方法 | |
CN104657980A (zh) | 一种改进的基于Meanshift的多通道图像分割算法 | |
Abdelkader et al. | A multi-objective invasive weed optimization method for segmentation of distress images | |
CN109584253A (zh) | 油液磨粒图像分割方法 | |
CN115511815A (zh) | 一种基于分水岭的宫颈液基细胞分割方法和系统 | |
CN111968081A (zh) | 鱼群自动计数方法、装置、电子设备及存储介质 | |
CN113570628A (zh) | 一种基于活动轮廓模型的白细胞分割方法 | |
CN113962994B (zh) | 基于图像处理的三连杆上锁销清洁度检测方法 | |
CN107123102A (zh) | 一种贴壁细胞生长融合度自动分析方法 | |
CN110647887A (zh) | 用于煤泥浮选泡沫图像分割中内部标记符的提取方法 | |
CN111210449B (zh) | 一种前列腺癌病理图像中腺体空腔的自动化分割方法 | |
CN102509270A (zh) | 基于标记分水岭算法和核进化聚类的图像分割方法 |
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 |