CN1581197A - 生殖感染智能识别系统与方法 - Google Patents

Abstract

一种生殖感染智能识别系统与方法，用以对输入到计算机内的生物荧光显微镜图片进行智能识别和判断，以辅助诊断引起就诊者生殖感染的微生物和病毒的感染状况，该系统包括：生物荧光显微镜、工业视频摄像头、图像采集卡和计算机，在计算机内运行的对引起生殖感染的微生物和病毒进行智能识别的程序所执行的步骤包括：获取图片的位图；获取位图矩阵；获取位图矩阵的均值；进行中值滤波；进行拉普拉斯滤波；进行图像分割；进行图像小区域分割；搜索目标；进行目标过滤；得出目标。所述系统与方法，能够自动地、准确地识别各种引起生殖感染的衣原体、支原体、单纯疱疹病毒、白色念珠菌、淋球菌和加特纳菌等微生物和病毒，以及判断检验结果是阴性或阳性。

Description

生殖感染智能识别系统与方法

技术领域

本发明涉及一般的图像数据处理，特别是涉及图像的增强或复原，利用非空间域滤波和使用直方图技术，从数字位像图自动识别原始图形，尤其是涉及对引起生殖感染的微生物和病毒的生物荧光显微镜图片的智能识别系统和方法。

背景技术

现有技术涉及生殖感染的识别和判断，通常用到荧光显微检查技术，即利用一定波长的光使被测样品受到激发，产生不同颜色的荧光，再通过光学显微镜来观察和分辨样品中某些物质及其性质，该技术在生物学和医学领域广泛运用。引起人体生殖感染的致病微生物和病毒，包括细菌、病原体和病毒，当这些微生物和病毒中某些固有物质，如蛋白质、DNA(脱氧核糖核酸)等，或者这些微生物和病毒有外部引进的荧光物质，如荧光标记物、光敏化剂等，在受到外部短波长光的激发时，会发出比激发光波长略长的另一波长的荧光，用荧光生物显微镜观察吸收了荧光物质的微生物和病毒，就能够观察荧光物质在这些微生物和病毒内的分布情况，从而识别和判断这些微生物和病毒的存在以及分布情况。现有技术通常借助计算机来辅助显微检验技术，也就是将显微镜的观察结果通过工业视频摄像头和图像采集卡，或者数码相机等设备传输到计算机内存储，并通过显示器展现给操作者，然而这些微生物和病毒的识别和判断还得依赖操作者的经验：操作者必须具有超过一万张该类生物荧光显微镜图片的观察和判别经验，才能保证检验结果的正确性，这就要求对操作者进行长期的培训并且操作者本身具有多年的实际工作经验。

发明内容

本发明要解决的技术问题在于避免上述现有技术的不足之处，而提出一种对引起生殖感染的微生物和病毒无须依赖操作者经验的、自动化的智能识别系统和方法。

本发明解决上述技术问题采用的技术方案是，设计制造一种生殖感染智能识别系统，用以对输入到计算机内的生物荧光显微镜图片进行智能识别和判断，以辅助诊断引起就诊者生殖感染的微生物和病毒的感染状况，包括：生物荧光显微镜、工业视频摄像头、图像采集卡和计算机，所述计算机内运行的对引起生殖感染的微生物和病毒进行智能识别的程序所执行的步骤包括：获取图片的位图；获取位图矩阵；获取位图矩阵的均值；进行中值滤波；进行拉普拉斯滤波；进行图像分割；进行图像小区域分割；搜索目标；进行目标过滤；得出目标。

本发明解决上述技术问题采用的技术方案还有，提出一种生殖感染智能识别方法，用以对输入到计算机内的生物荧光显微镜图片进行智能识别和判断，以辅助诊断引起就诊者生殖感染的微生物和病毒的感染状况，包括步骤：读取图片的位图；获取位图矩阵；获取位图矩阵的均值；进行中值滤波；进行拉普拉斯滤波；进行图像分割；进行图像小区域分割；搜索目标；进行目标过滤；得出目标数。

同现有技术相比较，采用本发明生殖感染智能识别系统与方法，无须依赖操作者来识别和判断，就可自动地、准确地识别各种引起生殖感染的衣原体、支原体、单纯疱疹病毒、白色念珠菌、淋球菌和加特纳菌等微生物和病毒，以及判断检验结果是阴性或阳性。

附图说明

图1为本发明生殖感染智能识别方法实施步骤示意图。

图2为本发明生殖感染智能识别系统构成示意图。

图3为所述实施例一的图象分割步骤流程图。

图4为所述实施例一的第一、第二次搜索目标步骤流程图。

图5为所述实施例一的第三次搜索目标步骤流程图。

图6为所述实施例一的图象分割步骤中标记为目标子步骤流程图。

图7为所述实施例二的精确搜索目标步骤流程图。

图8为所述实施例三的图象分割步骤流程图。

图9为所述实施例四的图象分割步骤流程图。

图10为所述实施例五的获得极值点步骤流程图。

图11为所述实施例五的获得极值点步骤中计算权值子步骤流程图。

图12为所述系统软件主程序流程图。

图13A、13B为所述系统软件图像采集模块流程图。

图14A、14B为所述系统软件图库管理模块流程图。

图15A、15B为所述系统软件智能识别模块流程图。

图16为所述系统软件电子病历模块流程图。

图17为所述系统软件病历详细模块流程图。

图18为所述系统软件检验报告单模块流程图。

图19为所述系统软件健康档案卡模块流程图。

图20A、20B为所述系统软件系统维护模块流程图。

图21A、21B为所述系统软件的智能识别界面图。

图22A、22B为所述系统软件的智能识别中病人样本图片放大界面图。

图23A、23B为所述系统软件的电子病历信息界面图。

图24为所述系统软件的检验报告单界面图。

图25为所述系统软件的健康档案卡界面图。

具体实施方式

以下结合附图所示之各最佳实施例作进一步详述。

本发明生殖感染智能识别系统，用以对输入到计算机内的生物荧光显微镜图片进行智能识别和判断，以辅助诊断引起就诊者生殖感染的微生物和病毒的感染状况，如图2所示，包括：生物荧光显微镜210、荧光光源灯290、稳压电源291、摄像接筒211、工业视频摄像头220、键盘与鼠标230、计算机240、打印机250、显示器260、图像采集卡270和电脑数字摄像头280。当采用数码相机替代其中的工业视频摄像头220，可以省略图像采集卡270。

其中，生物荧光显微镜210用来观察病人标本和为系统提供光信号，物镜以荧光为佳，放大倍数最大值应达100倍，荧光光源灯的电源采用稳压电源291提供直流电源，以免对摄像头和信号线造成干扰。摄像接筒211用来连接显微镜210和工业视频摄像头或数码相机220，帮助成像，一般有1倍和0.5倍左右两种，由生物显微镜的制造商提供。摄像头220把来自生物显微镜的光信号转换为电信号，而图像采集卡270把来自工业视频摄像头220的模拟信号转换为数字信号。电脑数字摄像头280用于拍摄病人病变部位图片和病人头像。

本发明生殖感染智能识别系统的工作过程包括：对病人标本荧光试剂染色；用荧光生物显微镜210观察染色后的病人标本；通过拍摄装置拍摄显微图片，将光信号转换成电信号传输给图像采集卡270；通过图像采集卡270将模拟信号转换为数字信号后送计算机240处理；计算机240一方面将数字信号转换为数字图像通过显示器260显现出来，另一方面通过智能识别软件对获得的数字图像进行处理和模糊识别，并输出识别结果；再由系统软件将智能识别结果和参考图片自动输出到检验报告单，电子病历和育龄妇女生殖健康登记表；最后，系统软件制作、保存、并通过打印机250打印检验报告单、病人电子病历和登记表。本发明系统还可以拍摄病人病变部位和病人头像，以及输入病人和/或育龄妇女的各种信息。

本发明系统的软件，如图12所示，包括有：图像采集、图库管理、智能识别、电子病历、病历详细、检验报告单、健康档案卡和系统维护等功能模块；另外，还包括医学知识功能模块。

图像采集模块，用于对生物显微镜上的受检病人标本的光学图像进行采集，输入并存放到计算机内，该模块的内部结构，如图13A所示，包括：用户选择采集类型，判断管理员权限等流程。

图库管理模块，用于对计算机内存储的图片进行管理，要实现查看检验报告、加入图片、选择图片、浏览图片、删除图片和查看病历等功能，都要引发对图片的操作，该模块的内部结构，如图14A和14B所示。

智能识别模块，用于对计算机内存储的图片进行处理，分析、识别和判断，并最终产生检验结果，该模块的内部结构，如图15A所示，包括：选择图片、开始识别、结果画面、识别标准、识别界面等子功能模块，而开始识别之后，又如图15B所示，包括调用识别函数，对所选图片进行识别，返回识别结果数量并将识别后的图片予以保存。而识别函数内所执行的步骤，如图1所示，包括：获取图片的位图110；获取位图矩阵120；获取位图矩阵的均值130；进行中值滤波140；进行拉普拉斯滤波150；进行图像分割160；进行图像小区域分割170；搜索目标180；进行目标过滤190；得出目标数191。

智能识别界面的空白表单，如图21A所示；而显示识别结果的界面，如图21B所示，显示页面的上部有：标准菌株图、典型阳性图、典型阴性图和病人标本图，并且在右下部的检测结果详细资料窗口中显示出检验类别和识别到的目标个数。图22A为放大了的识别前的病人标本图，整个图片是十分模糊，而图22B为进行识别后的病人标本图，图中边界发亮包围的部分就是被识别出来的目标。

电子病历模块，用以显示病历基本信息，如图23A所示，并对这些信息进行管理，该模块的内部结构，如图16所示，包括：查阅“医学知识”以获取帮助，添加病历和检索病历等子功能模块。查阅“医学知识”可以引发对医学知识功能模块的调用，而该模块的内部结构，如图13B所示，包括：医学知识流程。图23B所示为系统提供有关医学知识的情况。

病历详细模块，用以提供病人多次就诊的记录情况，该模块的内部结构，如图17所示，包括：每次就诊的详细资料管理等子功能模块。

检验报告单模块，用以填写、显示、打印报告单内容以及对报告单进行管理，该模块的内部结构，如图18所示，包括：对报告单的打印、撤消、保存、添加、检索等子功能模块。检验报告单的显示界面，如图24所示。

健康档案卡模块，用以对被调查者的健康状况，信息进行管理，该模块的内部结构，如图19所示，包括：添加、取消、检索等子功能模块。育龄妇女健康档案卡的显示界面如图25所示。

系统维护模块，如图20A所示，包括：系统设置、用户管理、数据备份、数据恢复和数据导入导出等子功能模块，而数据导入导出子功能模块的结构，如图20B所示。

本发明生殖感染智能识别系统与方法，无须依赖操作者来识别和判断，就能够自动、准确地识别各种引起生殖感染的，如衣原体、支原体、单纯疱疹病毒、白色念珠菌、淋球菌和加特纳菌等微生物和病毒，以及判断检验结果是阴性或阳性。

以下通过几个具体实施例予以进一步详细说明：

实施例一：

把本发明系统与方法运用于衣原体生殖感染的智能识别，对检验样品的生物荧光显微镜图片进行智能识别的步骤包括：读取位图；获取绿值、红值、蓝值和饱和度矩阵；获取绿值、红值、蓝值和饱和度均值；对绿值进行第一次中值滤波，滤波参数为：5、5、2、2；对绿值进行拉普拉斯滤波，滤波参数为：5*5；对绿值进行第二次中值滤波，滤波参数为：3、3、1、1；进行图像分割；进行目标过滤；得出初步的目标个数；重新获得绿值；获取绿值的阈值；对绿值进行中值滤波，滤波参数为：5、5、2、2；对绿值进行拉普拉斯滤波，滤波参数为：5*5；设置分割参数；进行图像分割；对当前绿值矩阵进行备份；进行第一次的搜索目标；调入备份的绿值矩阵；进行第二次的搜索目标，再进行第三次的搜索目标；最后得到所识别的目标个数。

其中的进行图像分割步骤，如图3所示，又包括根据读取的位图以及获得的分割参数，进行图像的二值化和标记为目标等子步骤，而该标记为目标子步骤，如图6所示，本身还包括根据读取的二值化图像以及入口点坐标进行的一系列判断过程。

其中的进行第一次的搜索目标和进行第二次的搜索目标步骤，如图4所示，又包括根据调入的目标矩阵，一个一个地进行目标处理等子步骤。

而其中的进行第三次的搜索目标步骤，如图5所示，则包括根据重新获得的绿值、红值和灰度矩阵，进行获得红值、绿值均值等子步骤，并最终输出识别目标个数。

采用本发明生殖感染智能识别系统与方法，对衣原体进行智能识别，正确率超过90％，能够满足实际应用的需要，却无须依赖专业人员的知识与经验。

实施例二：

把本发明系统与方法运用于支原体生殖感染的智能识别，对检验样品的生物荧光显微镜图片进行智能识别的步骤包括：读取位图；获取绿值矩阵；获取绿值均值；获取绿值的阈值；对绿值进行中值滤波，滤波参数为：5、5、2、2；对绿值进行拉普拉斯滤波，滤波参数为：5*5；设置分割参数；进行图像分割；然后一个一个地搜索目标，当所有目标均搜索过了，结束搜索；再进行精确搜索；进行目标过滤；最后得到所识别的目标个数。

其中的搜索目标步骤包括：获取目标绿值均值；获取目标绿值的阈值；外接矩形外扩7个像素得到新矩阵；对新矩阵进行图像分割等子步骤。

其中的进行图像分割步骤，如图3所示，又包括根据读取的位图以及获得的分割参数，进行图像的二值化和标记为目标等子步骤，而该标记为目标子步骤，如图6所示，本身还包括根据读取的二值化图像以及入口点坐标进行的一系列判断过程。

而其中的进行精确搜索，如图7所示，则包括根据重新获得的绿值、红值和灰度矩阵，进行获得红值、绿值均值等子步骤，并输出识别目标个数。

采用本发明生殖感染智能识别系统与方法，对支原体进行智能识别，正确率超过90％，能够满足实际应用的需要，却无须依赖专业人员的知识与经验。

实施例三：

把本发明系统与方法运用于单纯疱疹病毒生殖感染的智能识别，对检验样品的生物荧光显微镜图片进行智能识别的步骤包括：读取位图；获取灰度、绿值和亮度矩阵；获取灰度、绿值和亮度均值；对绿值进行两次中值滤波，滤波参数均为：19、19、9、9；对灰度进行第一次中值滤波，滤波参数为：19、19、9、9；对灰度进行拉普拉斯滤波，滤波参数为：5*5；对灰度进行第二次中值滤波，滤波参数为：7、7、3、3；进行图像分割；对目标进行累加；最后得到所识别的目标个数。

其中的进行图像分割步骤，如图8所示，又包括根据读取的位图，获得饱和度阈值和标记为目标等子步骤，而该标记为目标子步骤，如图6所示，本身还包括根据读取的二值化图像以及入口点坐标进行的一系列判断过程。

采用本发明生殖感染智能识别系统与方法，对单纯疱疹病毒进行智能识别，正确率超过90％，能够满足实际应用的需要，却无须依赖专业人员的知识与经验。

实施例四：

把本发明系统与方法运用于白色念珠菌生殖感染的智能识别，对检验样品的生物荧光显微镜图片进行智能识别的步骤包括：读取位图；获取灰度、绿值和饱和度矩阵；获取灰度直方图；对绿值进行两次中值滤波，滤波参数均为：11、11、5、5；对灰度进行第一次中值滤波，滤波参数为：11、11、5、5；对灰度进行拉普拉斯滤波，滤波参数为：5*5；对灰度进行第二次中值滤波，滤波参数为：3、3、1、1；获取绿值、亮度和饱和度直方图；获得分析参数；进行图像分割；进行目标累加；最后得到所识别的目标个数。

其中的进行图像分割步骤，如图9所示，又包括根据读取的位图，进行图像分类，并分别根据O型、1型和2型目标进行相应的处理，而这些处理过程中包括二值化绿值图和标记为目标等子步骤，而该标记为目标子步骤，如图6所示，本身还包括根据读取的二值化图像以及入口点坐标进行的一系列判断过程。

采用本发明生殖感染智能识别系统与方法，对白色念珠菌进行智能识别，正确率超过90％，能够满足实际应用的需要，却无须依赖专业人员的知识与经验。

实施例五：

把本发明系统与方法运用于淋球菌生殖感染的智能识别，对检验样品的生物荧光显微镜图片进行智能识别的步骤包括：读取位图；获取红值、绿值、蓝值和饱和度矩阵；获取红值、绿值、蓝值和饱和度均值；对绿值进行第一次中值滤波，滤波参数均为：5、5、2、2；对绿值进行拉普拉斯滤波，滤波参数为：5*5；对绿值进行第二次中值滤波，滤波参数为：3、3、1、1；设置图像分割参数；进行图像分割；重新获得全图绿值矩阵；对绿值进行第三次中值滤波，滤波参数为：3、3、1、1；设置小区域一次分割及过滤参数；进行小区域一次分割；进行目标第一次过滤；重新获得全图绿值矩阵；对绿值进行第四次中值滤波，滤波参数均为：5、5、2、2；设置图像重新分割参数；进行全图重新分割；删除重叠目标；依次进行目标的第二、三、四和第五次过滤；获得灰度极值点；判断灰度极值点的数目，如果为零，则在获取绿值极值点后，进行目标的第六、七、八次过滤；否则，直接进行目标的第六、七、八次过滤；增加目标计数；最后得到所识别的目标个数。

其中的进行图像分割步骤和进行小区域一次分割步骤，如图3所示，又包括根据读取的位图以及获得的分割参数，进行图像的二值化和标记为目标等子步骤，而该标记为目标子步骤，如图6所示，本身还包括根据读取的二值化图像以及入口点坐标进行的一系列判断过程。

其中的获取灰度极值点步骤和获取绿值极值点步骤，如图10所示，又包括根据读取的目标，获取目标外接矩形内各点，并进行相应判断的一系列子步骤，而这些子步骤中包括有：对当前点的权值进行计算，该计算过程，如图11所示，又包括对周围点的搜索和有关判断等子步骤。

采用本发明生殖感染智能识别系统和方法，对淋球菌进行智能识别，正确率超过90％，能够满足实际应用的需要，却无须依赖专业人员的知识与经验。

实施例六：

把本发明系统与方法运用于加特纳菌生殖感染的智能识别，对检验样品的生物荧光显微镜图片进行智能识别的步骤包括：读取位图；获取红值、绿值和饱和度矩阵；获取红值、绿值和饱和度均值；对绿值进行中值滤波，滤波参数均为：9、9、4、4；对绿值进行拉普拉斯滤波，滤波参数为：5*5；设置图像分割参数；进行图像分割；删除重叠目标；判断是否满足小区域分割条件，是则进行：重新获得全图的绿值矩阵、对绿值进行中值滤波，滤波参数为：3、3、1、1；设置绿值分割阈值；进行小区域一次分割；进行目标第一次过滤，重新获得全图绿值矩阵；否则直接进行：重新获得全图绿值矩阵；对绿值进行中值滤波，滤波参数均为：5、5、2、2；负像全图绿值矩阵；设置二次分割参数；进行小区域二次分割；进行目标的第二、三次过滤；获得极值点；进行目标的第四次过滤；增加目标计数；最后得到所识别的目标个数。

其中的进行图像分割步骤、进行小区域一次分割步骤和进行小区域二次分割步骤，如图3所示，又包括根据读取的位图以及获得的分割参数，进行图像的二值化和标记为目标等子步骤，而该标记为目标子步骤，如图6所示，本身还包括根据读取的二值化图像以及入口点坐标进行的一系列判断过程。

其中的获取极值点步骤，如图10所示，又包括根据读取的目标，获取目标外接矩形内各点，并进行相应判断的一系列子步骤，而这些子步骤中包括有：对当前点的权值进行计算，该计算过程，如图11所示，又包括对周围点的搜索和有关判断等子步骤。

采用本发明生殖感染智能识别系统与方法，对加特纳菌进行智能识别，正确率超过90％，能够满足实际应用的需要，却无须依赖专业人员的知识与经验。

Claims (10)

1、一种生殖感染智能识别系统，用以对输入到计算机内的生物荧光显微镜图片进行智能识别和判断，以辅助诊断引起就诊者生殖感染的微生物和病毒的感染状况，包括：生物荧光显微镜、工业视频摄像头、图像采集卡和计算机，其特征在于，在所述计算机内运行的对引起生殖感染的微生物和病毒进行智能识别的程序所执行的步骤包括：获取图片的位图；获取位图矩阵；获取位图矩阵的均值；进行中值滤波；进行拉普拉斯滤波；进行图像分割；进行图像小区域分割；搜索目标；进行目标过滤；得出目标。

2、如权利要求1所述的生殖感染智能识别系统，其特征在于，所述在计算机内运行的程序包括的功能模块有：图像采集、图库管理、智能识别、电子病历、详细病历、检验报告单、生殖健康档案卡和系统维护。

3、如权利要求1或2所述的生殖感染智能识别系统，其特征在于：能够智能识别引起生殖感染的微生物和病毒包括：衣原体、支原体、单纯疱疹病毒、白色念珠菌、淋球菌和加特纳菌。

4、一种生殖感染智能识别方法，用以对输入到计算机内的生物荧光显微镜图片进行智能识别和判断，以辅助诊断引起就诊者生殖感染的微生物和病毒的感染状况，其特征在于，包括步骤：读取图片的位图；获取位图矩阵；获取位图矩阵的均值；进行中值滤波；进行拉普拉斯滤波；进行图像分割；进行图像小区域分割；搜索目标；进行目标过滤；得出目标数。

5、如权利要求4所述的生殖感染智能识别方法，其特征在于：能够智能识别引起生殖感染的衣原体，包括步骤：读取图片的位图；获取绿值、红值、蓝值和饱和度矩阵；获取绿值、红值、蓝值和饱和度均值；对绿值进行第一次中值滤波；对绿值进行拉普拉斯滤波；对绿值进行第二次中值滤波；进行图像分割；进行目标过滤；得出初步的目标个数；重新获得绿值；获取绿值的阈值；对绿值进行中值滤波；对绿值进行拉普拉斯滤波；设置分割参数；进行图像分割；对当前绿值矩阵进行备份；进行第一次的搜索目标；调入备份的绿值矩阵；进行第二次的搜索目标，再进行第三次的搜索目标；得出目标数。

6、如权利要求4所述的生殖感染智能识别方法，其特征在于：能够智能识别引起生殖感染的支原体，包括步骤：读取图片的位图；获取绿值矩阵；获取绿值均值；获取绿值的阈值；对绿值进行中值滤波；对绿值进行拉普拉斯滤波；设置分割参数；进行图像分割；然后一个一个地搜索目标，直到所有目标均搜索过了，结束搜索，而每个目标的搜索包括子步骤：获取目标绿值均值；获取目标绿值的阈值；外接矩形外扩7个像素得到新矩阵；对新矩阵进行图像分割；再进行精确搜索；进行目标过滤；得出目标数。

7、如权利要求4所述的生殖感染智能识别方法，其特征在于：能够智能识别引起生殖感染的单纯疱疹病毒，包括步骤：读取图片的位图；获取灰度、绿值和亮度矩阵；获取灰度、绿值和亮度均值；对绿值进行两次中值滤波；对灰度进行第一次中值滤波；对灰度进行拉普拉斯滤波；对灰度进行第二次中值滤波；进行图像分割；对目标进行累加；得出目标数。

8、如权利要求4所述的生殖感染智能识别方法，其特征在于：能够智能识别引起生殖感染的白色念珠菌，包括步骤：读取图片的位图；获取灰度、绿值和饱和度矩阵；获取灰度直方图；对绿值进行两次中值滤波；对灰度进行第一次中值滤波；对灰度进行拉普拉斯滤波；对灰度进行第二次中值滤波；获取绿值、亮度和饱和度直方图；获得分析参数；进行图像分割；对目标进行累加；得出目标数。

9、如权利要求4所述的生殖感染智能识别方法，其特征在于：能够智能识别引起生殖感染的淋球菌，包括步骤：读取图片的位图；获取红值、绿值、蓝值和饱和度矩阵；获取红值、绿值、蓝值和饱和度均值；对绿值进行第一次中值滤波；对绿值进行拉普拉斯滤波；对绿值进行第二次中值滤波；设置图像分割参数；进行图像分割；重新获得绿值矩阵；对绿值进行第三次中值滤波；设置小区域分割及过滤参数；进行小区域分割；进行目标第一次过滤；重新获得全图绿值矩阵；对绿值进行第四次中值滤波；设置图像重新分割参数；重新进行全图分割；删除重叠目标；依次进行目标的第二、三、四和第五次过滤；获得灰度极值点；判断灰度极值点的数目，如果为零，则在获取绿值极值点后，进行目标的第六、七、八次过滤，否则直接进行目标的第六、七、八次过滤；增加目标计数；得出目标数。

10、如权利要求4所述的生殖感染智能识别方法，其特征在于：能够智能识别引起生殖感染的加特纳菌，包括步骤：读取图片的位图；获取红值、绿值和饱和度矩阵；获取红值、绿值和饱和度均值；对绿值进行中值滤波；对绿值进行拉普拉斯滤波；设置图像分割参数；进行图像分割；删除重叠目标；判断是否满足小区域分割条件，是则进行：重新获得全图的绿值矩阵；对绿值进行中值滤波；设置绿值分割阈值；进行小区域一次分割；进行目标第一次过滤，重新获得全图绿值矩阵；否则直接进行：重新获得全图绿值矩阵；对绿值进行中值滤波；负像全图绿值矩阵；设置二次分割参数；进行小区域二次分割；进行目标的第二、三次过滤；获得极值点；进行目标的第四次过滤；增加目标计数；得出目标数。

Images