CN115861098A - 花粉深度图像修正方法 - Google Patents
花粉深度图像修正方法 Download PDFInfo
- Publication number
- CN115861098A CN115861098A CN202211483017.8A CN202211483017A CN115861098A CN 115861098 A CN115861098 A CN 115861098A CN 202211483017 A CN202211483017 A CN 202211483017A CN 115861098 A CN115861098 A CN 115861098A
- Authority
- CN
- China
- Prior art keywords
- pollen
- image
- edge
- point
- pixel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000003702 image correction Methods 0.000 title claims abstract description 13
- 239000012804 pollen sample Substances 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 21
- 230000009191 jumping Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 108010068977 Golgi membrane glycoproteins Proteins 0.000 claims description 2
- 238000003708 edge detection Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 claims 1
- 238000002715 modification method Methods 0.000 claims 1
- 238000002203 pretreatment Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 20
- 239000000523 sample Substances 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010039085 Rhinitis allergic Diseases 0.000 description 1
- 201000010105 allergic rhinitis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
花粉深度图像修正方法,提取花粉图像中的单一花粉样本另存为单幅图像,通过对单幅花粉图像的一系列预处理方法得到细化后的花粉边缘图像。对细化后的边缘图像提取出花粉最长线边缘轮廓L;查找轮廓L的中心点坐标O;查找椭圆轮廓L的长轴短轴信息;根据以上信息通过改进gamma函数和tanh函数对花粉图像进行灰度信息修正,由于花粉中心点是距观察点最近的点,令中心位置灰度值最大,花粉边缘所在位置距观察点最远,灰度值最小。通过对灰度信息修正,使修正后的花粉图像在视觉上具备深度信息,更符合花粉图像三维建模用深度图的要求。
Description
技术领域
本发明属于图像处理技术领域,特别涉及一种花粉深度图像修正方法。
背景技术
花粉诱导的季节性变应性鼻炎是重要的流行病之一,本项目通过研究气传花粉对内蒙古地区过敏性鼻炎患者的影响,通过对花粉样本进行采集、使用扫描电镜获取花粉图像,对花粉图像进行预处理,最后为花粉图像赋深度信息,为后续花粉图像三维形状建模提供方便,帮助相关临床医务人员更好识别花粉种类。
目前对图像深度信息的获取主要通过传统双目立体视觉算法或使用基于深度学习的图像深度估计方法,然而无论是哪种方法,都对图像或样本的数量和质量有较高的要求。由于花粉图像特殊性,同一种类花粉还不具备目前算法所需的大量数据集,这使得传统方法难以实现良好的花粉图像灰度修正效果。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种花粉深度图像修正方法,以在缺乏样本数据的情况下对单幅图像进行良好的灰度修正。
为了实现上述目的,本发明采用的技术方案是:
花粉深度图像修正方法,包括如下步骤:
步骤1,计算单幅花粉图像的最长边缘线,即花粉轮廓边缘L。
步骤2,计算花粉质心坐标,即花粉轮廓的中心点坐标;
步骤3,确定花粉轮廓的长轴与短轴长度;
步骤4,使用gamma函数为花粉图像赋深度信息;
步骤5,使用tanh函数为花粉图像赋深度信息。
与现有技术相比,本发明的有益效果是:
现有技术修正图像灰度往往需要大量数据集基于深度学习进行深度估计,或需要实体样本采用传统双目立体视觉算法,对图像和样本的数量、质量等均要求较高。本发明则实现了在样本数据集较少的情况下,对单幅图像进行灰度修正。
附图说明
图1是本发明的一个试验结果示意图。
图2是计算最长线方向图。
图3是gamma函数表达式图像。
图4是改进gamma函数后函数表达式图像。
图5是花粉坐标点示意图。
图6是基于gamma函数为花粉图像修正深度信息结果图。
图7是基于tanh函数为花粉图像修正深度信息结果图。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
如前所述,传统方法为灰度图像进行深度信息修正,这依赖于大量的样本数据。本发明则在获取花粉图像边缘信息的基础上,使用gamma函数和tanh函数为花粉图像赋深度信息。
具体可参考图1,本发明的方法包括:
步骤1,计算单幅花粉图像的最长边缘线,即花粉轮廓边缘L。
在本发明中,原始的花粉图像可通过扫描电镜获取,也可通过现有数据集获取。在原始的花粉图像中,一幅花粉图像中包含了多个花粉样本。
针对原始的花粉灰度图像,在本发明的一个实施例中,通过图像处理的方法对其进行预处理,以提取出花粉的边缘信息。具体方法可为:首先可通过通过GIMP等工具裁剪出将单个花粉样本并另存为单幅花粉图像。单幅花粉图像的大小为224*224,一张图像中只含有一个花粉样本。然后使用双边滤波器等去除单幅花粉图像中的噪声。再使用Canny算子等方法进行边缘检测;对检测后的花粉边缘图像进行二值化处理。最后使用Zhang的细化算法等方法,对二值化处理后的图像进行细化处理,得到细化后的花粉边缘图像f。其中Zhang的细化算法是已有算法,常用于去除多余像素提取骨架信息。
在本发明的实施例中,细化后的花粉边缘图像f为椭圆形。
计算细化后的花粉边缘图像f中花粉的最长边缘线,即花粉轮廓边缘L,其具体方法可如下:
步骤(1),设定一个以f(x,y)为中心的3×3窗口,将其方向d0设成0,设置p=0,count=0(count存储灰度值为255的边缘像素的个数,第一步没有计算到边缘所以设置为0;p作为后续算法的判定条件),最长线line=0。其中方向d0是3*3窗口以中心像素为原点的x轴正方向,如图2所示。P,count代表计数器。
步骤(2),将细化后的花粉边缘图像f拷贝为预备图像g,将所述窗口中除去中心像素f(x,y)以外的其它像素f(s,t)的集合表示为R,在集合R中,从方向d0开始顺时针方向计算f(k,l)=255且g(k,l)=255的像素个数m(k,l)。其中k,l是3*3领域内的坐标,f(k,l)是花粉边缘图像f在该坐标点上的像素,g(k,l)是预备图像g在该坐标点上的像素。
步骤(3),当m(k,l)=1时,跳转至步骤(7)。否则转至步骤(4)。
步骤(4),获取以f(k,l)为中心的3×3窗口内像素f(s,t)的集合U。
步骤(5),集合U中从方向d0开始顺时针方向计算f(s,t)=255且g(s,t)=255的像素个数m(s,t)。其中s,t代表该窗口内像素值为255的像素点,从d0顺时针方向遍历灰度值为255的像素。f(s,t)是花粉边缘图像f在该坐标点上的像素,g(s,t)是预备图像g在该坐标点上的像素。
步骤(6),当m(s,t)>0时,跳转至步骤(7)。否则跳转至步骤(8)。
步骤(7),用当前像素点(即3*3窗口中像素值为255的像素点)的3*3领域的方向d1更新d0,设置p=1,将位置(k,l)的像素更新成当前像素点的3*3领域中心像素(x,y)。count’=count+1。
步骤(8),当p=1时,跳转至步骤(2)。否则line=count,并结束循环,根据line的长度,获取最长线Max_line,Max_line对应的线即花粉的外部轮廓,由此得到花粉轮廓边缘L。
步骤1为本发明的前期工作,该工作完成后再为图像赋深度信息。
步骤2,计算花粉质心坐标,即花粉轮廓的中心点坐标。
在本发明的实施例中,根据所得花粉轮廓边缘L即检测后的计算花粉质心坐标,计算公式为:
其中:(x0,y0)为所求质心坐标,x1,x2,...,xn为所有像素点横坐标,y1,y2,...,yn为所有像素点纵坐标,n为像素点个数。
步骤3,确定花粉轮廓的长轴与短轴长度。
在本发明的实施例中,根据欧式距离确定花粉轮廓的长轴与短轴长度,计算公式为:
其中:(xi,yi)为当前像素点坐标,将所求的d值做比较,最大值为长轴长度,最小值为短轴长度。
步骤4,使用gamma函数为花粉图像赋深度信息。
在本发明的实施例中,使用gamma函数为花粉图像赋深度信息时,设花粉中心坐标所在位置最近,灰度值最大;轮廓边缘所在位置最远,灰度值最小;设所有位于轮廓上的边缘点到中心点的距离等长且长度为1;则花粉除边缘外的内部像素到中心点距离服从Gamma曲线。原Gamma函数表达式为y=xγ,函数曲线如图3所示。原函数曲线由中心点向边缘处递增,为适应花粉图像深度信息修正,使灰度值由中心点向边缘点递减,改进函数令y=(1-x)γ令函数曲线由中心点向边缘点递减,如图4所示,使得花粉中心点最近,亮度修正范围越大。
使用Gamma函数修正花粉图像深度信息,计算公式如下:
y=α(1-x)γ
y为修正后像素的灰度值,x为当前像素的灰度值,为防止修正后中心像素有灰度值溢出,α取值0.5-0.9。γ控制中心亮度范围,通过实验对比,γ取值0.5-0.7。
上述计算公式中,修正后像素的灰度值y具体计算步骤如下:
步骤(1),计算边缘点q到质心坐标的距离,计算公式如下:
其中(xq,yq)代表q的坐标,(xo,yo)代表中心点坐标,如图5所示。
步骤(2),计算oq与短轴之间的夹角θ,计算出夹角角度后,凡是在相同夹角上的点,都受到边缘点q的影响,计算步骤如下:
步骤(3),根据夹角θ计算oq上所有点的坐标,计算步骤如下
xo每向右移动一个单位长度得x0+1,假设oq轴上p点横坐标为x0+1,如图5所示,已知op距离横轴角度θ和p点横坐标xp,通过计算(xp-xo)*tanθ可得出对应像素点纵坐标,即可得出(xp,yq)点坐标信息。得出p点坐标后,使用步骤(1)中公式可得当前像素点p距离中心点O的距离。通过计算op/oq得比例关系,所得结果对应gamma校正步骤4中y=α(1-x)γ的x值计算所得结果y值替换p像素点的灰度值。经过本步骤后,灰度值修正效果如图6所示。
通过gamma校正对花粉图像进行灰度修正,如图6所示花粉图像中心部分距观察者距离最近,灰度值明显提高;边缘部分距观察者距离最远灰度值最小;花粉图像其他位置的灰度值由中心向边缘位置递减。通过gamma使修正后的图像具备深度信息。
步骤5,使用tanh函数为花粉图像赋深度信息。
在本发明的实施例中,根据步骤4所得坐标信息,改进tanh函数为花粉图像赋深度值,具体计算公式如下
其中α控制附加深度信息的灰度变化范围,β控制灰度值变化剧烈程度,α、β取值为实验所得最优结果,根据不同花粉图像α取值范围(30,50),β取值范围(0,1)。经过本步骤后,最终的灰度值修正效果如图7所示。
改进tanh函数对花粉图像进行灰度修正,如图7所示花粉图像灰度值由中心位置向边缘位置递减,其中中心部分距观察者距离最近,灰度值最大;边缘部分距观察者距离最远灰度值最小,可以看出修正后的图像具备深度信息。
在本发明的实验中,其修正过程的效果参考图1,其中(a)为经裁剪的花粉原图,显然较为模糊。(b)示出了花粉轮廓的最长线,即其花粉轮廓边缘L。(c)示出了去除背景的花粉原图,(d)示出了在花粉轮廓最长线图中标定的中心点,(e)示出了经过gamma校正得到的深度图,(f)示出了利用本发明方法的最终修正结果,可以看出经过修正后的花粉图像中心部分灰度值最大,边缘部分灰度值最小,图像整体具备深度信息,为后续花粉图像的三维重建提供方便。
Claims (8)
1.花粉深度图像修正方法,其特征在于,包括如下步骤:
步骤1,计算单幅花粉图像的最长边缘线,即花粉轮廓边缘L;
步骤2,计算花粉质心坐标,即花粉轮廓的中心点坐标;
步骤3,确定花粉轮廓的长轴与短轴长度;
步骤4,使用gamma函数为花粉图像赋深度信息;
步骤5,使用tanh函数为花粉图像赋深度信息。
2.根据权利要求1所述花粉深度图像修正方法,其特征在于,所述步骤1,通过扫描电镜获取花粉图像,其中一幅花粉图像中包含多个花粉样本,通过GIMP裁剪出将单个花粉样本并另存为单幅花粉图像;对所述单幅花粉图像去除噪声,然后进行边缘检测,对检测后的边缘图像进行二值化处理,并进行细化得到细化后的花粉边缘图像f,所述细化后的花粉边缘图像f为椭圆形,计算细化后的花粉边缘图像f中花粉的最长边缘线,即花粉轮廓边缘L;
3.根据权利要求1所述花粉深度图像修正方法,其特征在于,所述步骤1,计算花粉轮廓边缘L的步骤如下:
步骤(1),设定一个以f(x,y)为中心的3×3窗口,将其方向d0设成0,设置p=0,count=0,最长线line=0;
步骤(2),将细化后的花粉边缘图像f拷贝为预备图像g,将所述窗口中除去中心像素f(x,y)以外的其它像素f(s,t)的集合表示为R,在集合R中,从方向d0开始顺时针方向计算f(k,l)=255且g(k,l)=255的像素个数m(k,l);其中k,l是3*3窗口内的坐标,f(k,l)是花粉边缘图像f在该坐标点上的像素,g(k,l)是预备图像g在该坐标点上的像素;
步骤(3),当m(k,l)=1时,跳转至步骤(7);否则转至步骤(4);
步骤(4),获取以f(k,l)为中心的3×3窗口中像素f(s,t)的集合U;
步骤(5),集合U中从方向d0开始顺时针方向计算f(s,t)=255且g(s,t)=255的像素个数m(s,t);其中s,t代表该窗口内像素值为255的像素点,f(s,t)是花粉边缘图像f在该坐标点上的像素,g(s,t)是预备图像g在该坐标点上的像素;
步骤(6),当m(s,t)>0时,跳转至步骤(7);否则跳转至步骤(8);
步骤(7),用当前像素点的3*3窗口的方向d1更新d0,设置p=1,将位置(k,l)的像素更新成当前像素点的3*3领域中心像素(x,y);count’=count+1;
步骤(8),当p=1时,跳转至步骤(2);否则line=count,并结束循环,根据line的长度,获取最长线Max_line,Max_line对应的线即花粉的外部轮廓,由此得到花粉轮廓边缘L。
6.根据权利要求1所述花粉深度图像修正方法,其特征在于,所述步骤4,设花粉中心坐标所在位置最近,灰度值最大;轮廓边缘所在位置最远,灰度值最小;设所有位于轮廓上的边缘点到中心点的距离等长且长度为1;则花粉除边缘外的内部像素到中心点距离服从Gamma曲线,使用Gamma函数修正花粉图像深度信息,计算公式如下:
y=α(1-x)γ
y为修正后像素的灰度值,x为当前像素的灰度值,α取值0.5-0.9,γ控制中心亮度范围,γ取值0.5-0.7。
7.根据权利要求6所述花粉深度图像修正方法,其特征在于,修正后像素的灰度值的具体计算步骤如下:
步骤(1),计算边缘点q到质心坐标的距离,计算公式如下:
其中(xq,yq)代表q的坐标,(xo,yo)代表中心点坐标;
步骤(2),计算oq与短轴之间的夹角θ,计算出夹角角度后,凡是在相同夹角上的点,都受到边缘点q的影响,计算步骤如下:
步骤(3),根据夹角θ计算oq上所有点的坐标,计算步骤如下
xo每向右移动一个单位长度得x0+1,假设oq轴上p点横坐标为x0+1,如图5所示已知op距离横轴角度θ和p点横坐标xp,通过计算(xp-xo)*tanθ可得出对应像素点纵坐标,即可得出(xp,yp)点坐标信息。得出p点坐标后,使用步骤(1)中公式可得当前像素点p距离中心点O的距离。通过计算op/oq得比例关系,所得结果对应gamma校正步骤4中y=α(1-x)γ的x值计算所得结果y值替换p像素点的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211483017.8A CN115861098B (zh) | 2022-11-24 | 2022-11-24 | 花粉深度图像修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211483017.8A CN115861098B (zh) | 2022-11-24 | 2022-11-24 | 花粉深度图像修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115861098A true CN115861098A (zh) | 2023-03-28 |
CN115861098B CN115861098B (zh) | 2024-05-28 |
Family
ID=85665955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211483017.8A Active CN115861098B (zh) | 2022-11-24 | 2022-11-24 | 花粉深度图像修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115861098B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014063373A1 (zh) * | 2012-10-23 | 2014-05-01 | 青岛海信信芯科技有限公司 | 深度图提取、判断视频场景切换及深度图边缘优化方法 |
CN109360236A (zh) * | 2018-10-26 | 2019-02-19 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
CN110208124A (zh) * | 2019-05-30 | 2019-09-06 | 新疆大学 | 基于磨粒磨损机理的机械磨损系统的开发方法 |
-
2022
- 2022-11-24 CN CN202211483017.8A patent/CN115861098B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014063373A1 (zh) * | 2012-10-23 | 2014-05-01 | 青岛海信信芯科技有限公司 | 深度图提取、判断视频场景切换及深度图边缘优化方法 |
CN109360236A (zh) * | 2018-10-26 | 2019-02-19 | 郑州轻工业学院 | 一种向日葵花盘尺寸测量方法 |
CN110208124A (zh) * | 2019-05-30 | 2019-09-06 | 新疆大学 | 基于磨粒磨损机理的机械磨损系统的开发方法 |
Non-Patent Citations (3)
Title |
---|
XINYUE ZHANG 等: "Pollen Image Depth Information Correction", 2023 8TH INTERNATIONAL CONFERENCE ON COMPUTATIONAL INTELLIGENCE AND APPLICATIONS (ICCIA), 25 June 2023 (2023-06-25) * |
杨险峰;蔡少虬;杨学友;: "基于亚像素边缘的椭圆中心检测方法研究", 光学仪器, no. 06, 15 December 2014 (2014-12-15) * |
林晓敏;桂婷;胡同森;: "基于重心的一种灰度图像边缘检测算法", 计算机系统应用, no. 12, 15 December 2010 (2010-12-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN115861098B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH03206572A (ja) | 階調変換自動化装置 | |
CN108257099B (zh) | 一种基于视觉对比度分辨率的自适应红外图像增强方法 | |
CN108734108B (zh) | 一种基于ssd网络的裂纹舌识别方法 | |
CN108171697B (zh) | 一种基于簇的wmh自动提取系统 | |
CN109087310B (zh) | 睑板腺纹理区域的分割方法、系统、存储介质及智能终端 | |
WO2020038312A1 (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
CN112634256B (zh) | 圆检测及拟合方法、装置、电子设备和存储介质 | |
CN110736747A (zh) | 一种细胞液基涂片镜下定位的方法及系统 | |
CN1702684A (zh) | 高噪声图像特征点自动提取方法 | |
CN114757950B (zh) | 超声图像处理方法、装置以及计算机可读存储介质 | |
CN108830874A (zh) | 一种数字病理全切片图像空白区域自动分割方法 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN110930425B (zh) | 基于邻域向量内积局部对比度图像增强的损伤目标检测方法 | |
CN112435235A (zh) | 一种基于图像分析的籽棉含杂率检测方法 | |
CN114972272A (zh) | 一种基于Grad-CAM的新冠肺炎病灶分割方法 | |
CN114463310A (zh) | 一种dr图像增强方法及装置 | |
CN107729863B (zh) | 人体指静脉识别方法 | |
CN113012127A (zh) | 基于胸部医学影像的心胸比测量方法 | |
CN115861098A (zh) | 花粉深度图像修正方法 | |
CN111145155A (zh) | 一种睑板腺腺体的识别方法 | |
CN108447066B (zh) | 胆道图像分割方法、终端、存储介质 | |
CN115187592A (zh) | 一种适用于核磁共振图像的图像分割方法 | |
CN107563992B (zh) | 一种乳房皮肤线的检测方法和装置 | |
CN112069923A (zh) | 3d人脸点云重建方法及系统 | |
CN116503481B (zh) | 基于图像视觉引导的自动泊车位姿检测系统 |
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 |