JP2018077112A - Particle diameter analysis method and particle diameter analysis program - Google Patents
Particle diameter analysis method and particle diameter analysis program Download PDFInfo
- Publication number
- JP2018077112A JP2018077112A JP2016218662A JP2016218662A JP2018077112A JP 2018077112 A JP2018077112 A JP 2018077112A JP 2016218662 A JP2016218662 A JP 2016218662A JP 2016218662 A JP2016218662 A JP 2016218662A JP 2018077112 A JP2018077112 A JP 2018077112A
- Authority
- JP
- Japan
- Prior art keywords
- particle
- image data
- image
- particles
- procedure
- 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.)
- Pending
Links
- 239000002245 particle Substances 0.000 title claims abstract description 268
- 238000004458 analytical method Methods 0.000 title abstract description 4
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 239000002356 single layer Substances 0.000 claims abstract description 9
- 238000000034 method Methods 0.000 claims description 78
- 238000003921 particle size analysis Methods 0.000 claims description 42
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005429 filling process Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 239000000084 colloidal system Substances 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000003086 colorant Substances 0.000 description 2
- 239000000839 emulsion Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 241000282341 Mustela putorius furo Species 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000006059 cover glass Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000003094 microcapsule Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Abstract
Description
本発明は、粒子集合体の粒径解析を行う方法およびプログラムに関するものである。 The present invention relates to a method and program for performing particle size analysis of particle aggregates.
例えば、バイオテクノロジーや薬品製造等の分野では、微小液滴（エマルジョン）が極微小反応容器やマイクロカプセルの形成材等として広く用いられており、微小液滴の製造には通常マイクロ流体チップが使用され、マイクロ流体チップによれば、液滴を高速かつ大量に調製することができる（例えば、特許文献１、２参照）。 For example, in the fields of biotechnology and pharmaceutical manufacturing, microdroplets (emulsions) are widely used as materials for forming microreaction vessels and microcapsules, and microfluidic chips are usually used for the production of microdroplets. According to the microfluidic chip, it is possible to prepare a large amount of droplets at high speed (see, for example, Patent Documents 1 and 2).
ところで、製造された液滴の集合体については、粒径解析を行う必要があるが、従来技術においては、この粒径解析は、顕微鏡を使用して専ら手作業でなされていた。
しかしながら、対象となる液滴集合体中の液滴数は膨大であるため、手作業での粒径解析には多大な時間と労力を要していた。
By the way, although it is necessary to perform particle size analysis on the aggregate of the produced droplets, in the prior art, this particle size analysis has been performed exclusively manually using a microscope.
However, since the number of droplets in the target droplet aggregate is enormous, manual particle size analysis requires a great deal of time and effort.
また、紛体製造の分野等においても粒径解析がなされるが、この場合にも、液滴製造の場合と同様の問題があった。 In addition, particle size analysis is also performed in the field of powder production and the like, but in this case, there is a problem similar to that in the case of droplet production.
したがって、本発明の課題は、粒子の集合体の粒径解析を簡単にかつ高速で行えるようにすることにある。 Accordingly, an object of the present invention is to enable easy and high-speed particle size analysis of particle aggregates.
上記課題を解決するため、第１発明によれば、単層の状態で密集した粒子の集合体が撮影された画像データを画像処理することによって、前記粒子の集合体の粒径解析を行う方法であって、（１）前記画像データのキャリブレーションを行うステップと、（２）前記画像データをグレースケール変換するステップと、（３）前記画像データを、フィルタ処理することによって、前記画像データを構成する画像領域間の境界を強調するステップと、（４）前記画像データを二値化するステップと、（５）前記粒子の基準形状を特徴づける形状因子の所定の閾値に基づき、前記基準形状に一致しない前記画像領域を前記画像データから除去して前記画像データ中に粒子画像のみを残すステップと、（６）前記粒子画像のそれぞれを膨張処理するステップと、（７）前記粒子画像のそれぞれにおいて、前記粒子の基準形状を検出し、前記検出の結果に基づき当該粒子の中心の位置座標および粒子サイズを検出するステップと、（８）前記粒子サイズから算出した粒子半径を平均することによって、平均粒子半径を算出するステップと、（９）前記ステップ（７）で得られた前記粒子の前記中心の位置座標および前記粒子サイズのデータセットに基づき、各一対の前記粒子の中心間距離を前記平均粒子半径と比較し、前記中心間距離が前記平均粒子半径よりも小さい場合は、当該一対の粒子のうちの一方の粒子のデータを前記データセットから除去するステップと、（１０）前記データセットに基づいて粒径解析を行うステップ
を順次実行することを特徴とする方法が提供される。
ここで、「粒子サイズ」とは、粒子の基準形状に応じて予め適当に定義された粒子の粒径を意味するものとする。以下同様。
In order to solve the above-mentioned problem, according to the first invention, a method for performing particle size analysis of the aggregate of particles by performing image processing on image data obtained by capturing an aggregate of dense particles in a single layer state (1) calibrating the image data; (2) grayscale converting the image data; and (3) filtering the image data, thereby converting the image data. Emphasizing boundaries between image regions constituting; (4) binarizing the image data; and (5) based on a predetermined threshold of a shape factor that characterizes the reference shape of the particles. Removing the image region that does not match the image data from the image data and leaving only the particle image in the image data; and (6) a step of expanding each of the particle images. (7) detecting a reference shape of the particle in each of the particle images, and detecting a position coordinate and a particle size of the center of the particle based on the detection result; and (8) the particle. Calculating the average particle radius by averaging the particle radius calculated from the size, and (9) based on the position coordinates of the center of the particle and the particle size data set obtained in the step (7). The distance between the centers of each pair of particles is compared with the average particle radius, and if the distance between the centers is smaller than the average particle radius, the data of one particle of the pair of particles is stored in the data set. And (10) performing a particle size analysis based on the data set sequentially.
Here, “particle size” means the particle size of a particle that is appropriately defined in advance according to the reference shape of the particle. The same applies below.
第１発明の好ましい実施例によれば、前記ステップ（４）の実行後であって前記ステップ（５）の実行前に、（ａ）所定の面積値よりも小さい前記画像領域を前記画像データから除去するステップを実行する。
第１発明の別の好ましい実施例によれば、前記ステップ（４）の実行後であって前記ステップ（ａ）の実行前に、（ｂ）前記画像領域のそれぞれについて穴埋め処理をするステップと、（ｃ）前記画像データの縁によって分断された前記画像領域を前記画像データから除去するステップを順次実行する。
第１発明の好ましい実施例によれば、前記ステップ（５）の実行後であって前記ステップ（６）の実行前に、（ｄ）前記粒子画像のそれぞれを凸包処理するステップと、（ｅ）前記形状因子の前記閾値よりもレベルが高い前記形状因子の第２の閾値に基づき、前記基準形状に一致しない前記粒子画像を前記画像データから除去するステップを順次実行する。
According to a preferred embodiment of the first invention, after the execution of the step (4) and before the execution of the step (5), (a) the image area smaller than a predetermined area value is extracted from the image data. Perform the steps to remove.
According to another preferred embodiment of the first invention, after the execution of the step (4) and before the execution of the step (a), (b) performing a filling process for each of the image regions; (C) The step of removing from the image data the image area divided by the edge of the image data is sequentially executed.
According to a preferred embodiment of the first invention, after the execution of the step (5) and before the execution of the step (6), (d) a step of convex hull processing for each of the particle images; ) Sequentially removing the particle images that do not match the reference shape from the image data based on a second threshold value of the shape factor that is higher than the threshold value of the shape factor;
第１発明のさらに別の好ましい実施例によれば、前記ステップ（５）で前記粒子画像の個数をカウントしておき、前記ステップ（１０）において、前記粒径解析で得られた粒子数を前記粒子画像の個数と比較することによって、前記粒子の多重カウントの有無をチェックする。
第１発明のさらに別の好ましい実施例によれば、前記粒子の基準形状が円であり、前記形状因子がヘイウッド円形因子である。
According to still another preferred embodiment of the first invention, the number of the particle images is counted in the step (5), and the number of particles obtained by the particle size analysis is calculated in the step (10). The presence or absence of multiple counts of the particles is checked by comparing with the number of particle images.
According to still another preferred embodiment of the first invention, the reference shape of the particles is a circle, and the shape factor is a Haywood circular factor.
上記課題を解決するため、また、第２発明によれば、コンピュータに、（１）単層の状態で密集した粒子の集合体が撮影された画像データを読み込む手順と、（２）前記画像データのキャリブレーションを行う手順と、（３）前記画像データをグレースケール変換する手順と、（４）前記画像データを、フィルタ処理することによって、前記画像データを構成する画像領域間の境界を強調する手順と、（５）前記画像データを二値化する手順と、（６）粒子の基準形状を特徴づける形状因子の所定の閾値に基づき、前記基準形状に一致しない前記画像領域を前記画像データから除去して前記画像データ中に粒子画像のみを残す手順と、（７）前記粒子画像のそれぞれを膨張処理する手順と、（８）前記粒子画像のそれぞれにおいて、前記粒子の基準形状を検出し、前記検出の結果に基づき、当該粒子の中心の位置座標および粒子サイズを検出する手順と、（９）前記粒子サイズから算出した粒子半径を平均することによって、平均粒子半径を算出する手順と、（１０）前記手順（７）で得られた前記粒子の前記中心の位置座標および前記粒子サイズのデータセットに基づき、各一対の前記粒子の中心間距離を前記平均粒子半径と比較し、前記中心間距離が前記平均粒子半径よりも小さい場合は、当該一対の粒子のうちの一方の粒子のデータを前記データセットから除去する手順と、（１１）前記データセットに基づいて粒径解析を行う手順を順次実行させることを特徴とする粒径解析プログラムが提供される。 In order to solve the above-mentioned problems, and according to the second invention, (1) a procedure for reading image data in which a collection of particles densely packed in a single layer is photographed, and (2) the image data (3) A procedure for performing gray scale conversion on the image data, and (4) emphasizing boundaries between image regions constituting the image data by filtering the image data. And (5) a procedure for binarizing the image data; and (6) based on a predetermined threshold value of a shape factor characterizing the reference shape of the particles, the image region that does not match the reference shape is extracted from the image data. A procedure for removing and leaving only the particle image in the image data; (7) a procedure for expanding each of the particle images; and (8) the particles in each of the particle images. A step of detecting a reference shape and detecting a position coordinate and a particle size of the center of the particle based on the result of the detection; and (9) averaging the particle radius calculated from the particle size to obtain an average particle radius. (10) Based on the position coordinates of the center of the particle and the data set of the particle size obtained in the step (7), the distance between the centers of each pair of the particles is set as the average particle radius. In comparison, when the center-to-center distance is smaller than the average particle radius, a procedure for removing data of one particle of the pair of particles from the data set; and (11) a grain based on the data set A particle size analysis program characterized by sequentially executing a procedure for performing a diameter analysis is provided.
第２発明の好ましい実施例によれば、前記コンピュータに、前記手順（５）の実行後であって前記手順（６）の実行前に、（ａ）所定の面積値よりも小さい前記画像領域を前記画像データから除去する手順を実行させる。
第２発明の別の好ましい実施例によれば、前記コンピュータに、前記手順（５）の実行後であって前記手順（ａ）の実行前に、（ｂ）前記画像領域のそれぞれについて穴埋め処理をする手順と、（ｃ）前記画像データの縁によって分断された前記画像領域を前記画像データから除去する手順を順次実行させる。
第２の発明のさらに別の好ましい実施例によれば、前記コンピュータに、前記手順（６）の実行後であって前記手順（７）の実行前に、（ｄ）前記粒子画像のそれぞれを凸包処理する手順と、（ｅ）前記形状因子の所定の閾値よりも高いレベルの前記形状因子の所定の閾値に基づき、前記基準形状に一致しない前記粒子画像を前記画像データから除去する手順を順次実行させる。
According to a preferred embodiment of the second invention, after the execution of the procedure (5) and before the execution of the procedure (6), (a) the image area smaller than a predetermined area value is stored in the computer. A procedure for removal from the image data is executed.
According to another preferred embodiment of the second invention, the computer is subjected to a filling process for each of the image regions after the execution of the procedure (5) and before the execution of the procedure (a). And (c) a procedure for removing the image area divided by the edge of the image data from the image data.
According to still another preferred embodiment of the second invention, (d) each of the particle images is projected to the computer after the execution of the procedure (6) and before the execution of the procedure (7). A procedure of enveloping, and (e) a step of removing from the image data the particle image that does not match the reference shape based on a predetermined threshold of the shape factor that is higher than the predetermined threshold of the shape factor. Let it run.
第２発明のさらに別の好ましい実施例によれば、前記コンピュータに、前記ステップ（６）で前記粒子画像の個数をカウントさせ、前記ステップ（１１）において、前記粒径解析で得られた粒子数を前記粒子画像の個数と比較することによって、前記粒子の多重カウントの有無をチェックさせる。
第２発明のさらに別の好ましい実施例によれば、前記粒子の基準形状が円であり、前記形状因子がヘイウッド円形因子である。
According to still another preferred embodiment of the second invention, the computer is caused to count the number of the particle images in the step (6), and the number of particles obtained by the particle size analysis in the step (11). Is compared with the number of the particle images to check for the presence of multiple counting of the particles.
According to still another preferred embodiment of the second invention, the reference shape of the particles is a circle and the shape factor is a Haywood circular factor.
本発明によれば、単層の状態で密集した粒子の集合体を撮影した画像データについて、画像データを複数の画像領域に分割するための前処理（グレースケール変換、フィルタ処理および二値化）をした後、粒子の基準形状を特徴づける形状因子の所定の閾値に基づき、基準形状に一致しない画像領域を除去して画像データ中に粒子画像のみを残す。 According to the present invention, preprocessing (grayscale conversion, filter processing, and binarization) for dividing image data into a plurality of image regions with respect to image data obtained by capturing a cluster of dense particles in a single layer state Then, based on a predetermined threshold value of a shape factor that characterizes the reference shape of the particles, an image region that does not match the reference shape is removed, leaving only the particle image in the image data.
この場合、閾値を高くすると、粒子の基準形状との一致度の高い粒子画像を画像データ中に残せる一方、あまり高い閾値を設定すると、残すべき粒子画像を基準形状に一致しないとして除去してしまうおそれがある。そのため、閾値は、粒径解析の精度を維持するための一定程度のレベルに設定しなければならない。 In this case, if the threshold value is increased, a particle image having a high degree of coincidence with the reference shape of the particles can be left in the image data. On the other hand, if the threshold value is set too high, the particle image to be left is removed as not matching the reference shape. There is a fear. Therefore, the threshold must be set to a certain level for maintaining the accuracy of particle size analysis.
次いで、粒子画像のそれぞれを膨張処理し、膨張処理した粒子画像のそれぞれにおいて、粒子の基準形状を検出し、その検出結果に基づき粒子の中心の位置座標および粒子サイズを検出し、さらには、平均粒子半径を算出する。
この場合、粒子画像と基準形状の間には常に一定程度のズレが発生しているので、１つの粒子画像中に複数の基準形状が検出されるおそれがある。
Next, each of the particle images is expanded, and in each of the expanded particle images, the reference shape of the particles is detected, the position coordinates and the particle size of the center of the particle are detected based on the detection result, and further, the average Calculate the particle radius.
In this case, since a certain degree of deviation always occurs between the particle image and the reference shape, a plurality of reference shapes may be detected in one particle image.
そこで、本発明によれば、さらに、得られた粒子の中心の位置座標および粒子サイズのデータセットに基づき、各一対の粒子の中心間距離を平均粒子半径と比較し、中心間距離が平均粒子半径よりも小さい場合は、当該一対の粒子のうちの一方の粒子のデータをデータセットから除去する。 Therefore, according to the present invention, the distance between the centers of each pair of particles is compared with the average particle radius based on the obtained position coordinate of the center of the particles and the particle size data set, and the distance between the centers is the average particle. If it is smaller than the radius, the data of one of the pair of particles is removed from the data set.
それによって、粒子画像における粒子の基準形状の検出時に発生し得る多重検出エラーを防止することができ、この多重検出エラー防止のための処理によって、上記閾値を一定程度のレベルとして粒径解析の精度を維持することが保証される。
そして、本発明によれば、粒子の集合体の粒径解析を簡単にかつ高速で行うことができる。
As a result, multiple detection errors that can occur during detection of the reference shape of particles in a particle image can be prevented, and the accuracy of particle size analysis can be achieved by setting the threshold value to a certain level by processing for preventing multiple detection errors. Is guaranteed to maintain.
And according to this invention, the particle size analysis of the aggregate | assembly of particle | grains can be performed easily and at high speed.
以下、添付図面を参照しつつ、本発明の構成を好ましい実施例に基づいて説明する。
図１は、本発明による粒径解析法のフロー図である。
本発明による粒径解析法は、単層の状態で密集した粒子の集合体が撮影された画像データを画像処理することによって、当該粒子の集合体の粒径解析を行うものである。
Hereinafter, the configuration of the present invention will be described based on preferred embodiments with reference to the accompanying drawings.
FIG. 1 is a flow diagram of a particle size analysis method according to the present invention.
The particle size analysis method according to the present invention performs particle size analysis of an aggregate of particles by performing image processing on image data obtained by capturing an aggregate of particles that are densely packed in a single layer state.
図１を参照して、まず、本発明によれば、画像データのキャリブレーションを行う（図１のＳ１）。それによって、画像データに基づいて測定した長さ、面積および中心位置等の測定値を指定した単位で算出できるようになる。 Referring to FIG. 1, first, according to the present invention, calibration of image data is performed (S1 in FIG. 1). As a result, measurement values such as length, area, and center position measured based on the image data can be calculated in designated units.
次に、画像データをグレースケール変換する（図１のＳ２）。勿論、画像データがモノクロ画像データである場合は、このステップＳ２を実行する必要はない。 Next, the image data is subjected to gray scale conversion (S2 in FIG. 1). Of course, when the image data is monochrome image data, it is not necessary to execute step S2.
次いで、画像データを、フィルタ処理することによって、画像データを構成する画像領域間の境界を強調した（図１のＳ３）後、画像データを二値化する（図１のＳ４）。
なお、ステップＳ３で使用するフィルタは通常の画像処理で用いるフィルタであり、ステップＳ３で使用するフィルタの種類やフィルタの組み合わせは、画像の品質や各粒子の写り具合等を考慮して、予め適当に決定する。また、二値化は適当に選択した２色によって行えばよく、例えば白色と黒色による二値化でもよいし、例えば黒色と赤色による二値化でもよい。
Next, the image data is filtered to emphasize the boundary between image areas constituting the image data (S3 in FIG. 1), and then the image data is binarized (S4 in FIG. 1).
Note that the filter used in step S3 is a filter used in normal image processing, and the type and combination of filters used in step S3 are appropriate in advance in consideration of the quality of the image, the appearance of each particle, and the like. To decide. Further, binarization may be performed by appropriately selected two colors, for example, binarization by white and black, or binarization by black and red, for example.
本発明によれば、さらに、粒子の基準形状を特徴づける形状因子の所定の閾値に基づき、基準形状に一致しない画像領域を画像データから除去して画像データ中に粒子画像のみを残す（図１のＳ５）。
この場合、閾値を高くすると、粒子の基準形状との一致度の高い粒子画像を画像データ中に残せる一方、あまり高い閾値を設定すると、残すべき粒子画像を基準形状に一致しないとして除去してしまうおそれがある。そのため、閾値は、粒径解析の精度を維持するための一定程度のレベルに設定しなければならない。
Further, according to the present invention, based on a predetermined threshold value of a shape factor that characterizes the reference shape of particles, an image region that does not match the reference shape is removed from the image data, leaving only the particle image in the image data (FIG. 1). S5).
In this case, if the threshold value is increased, a particle image having a high degree of coincidence with the reference shape of the particles can be left in the image data. On the other hand, if the threshold value is set too high, the particle image to be left is removed as not matching the reference shape. There is a fear. Therefore, the threshold must be set to a certain level for maintaining the accuracy of particle size analysis.
なお、画像の品質や各粒子の写り具合等によっては、ステップＳ４で得られた画像データを直接用いると、ステップＳ５の処理がうまく行えない場合がある。
このような場合には、ステップＳ４の実行後であってステップＳ５の実行前に、
（ａ）所定の面積値よりも小さい画像領域を画像データから除去するステップ
を実行し、また必要に応じて、ステップＳ４の実行後であってステップ（ａ）の実行前に、
（ｂ）画像領域のそれぞれについて穴埋め処理をして、画像データの二値化により発生した小さな画素の欠陥（穴）を埋めるステップと、
（ｃ）画像データの縁によって分断された画像領域を画像データから除去するステップ
を順次実行することが好ましい。
Depending on the quality of the image, how each particle is reflected, etc., if the image data obtained in step S4 is used directly, the process in step S5 may not be performed properly.
In such a case, after execution of step S4 and before execution of step S5,
(A) performing a step of removing an image area smaller than a predetermined area value from the image data, and if necessary, after execution of step S4 and before execution of step (a),
(B) filling a small pixel defect (hole) generated by binarization of image data by performing hole filling processing for each of the image regions;
(C) It is preferable to sequentially execute the steps of removing the image area divided by the edge of the image data from the image data.
こうして、ステップ（ａ）を実行すること、あるいはステップ（ｂ）、（ｃ）、（ａ）を順次実行することで、粒子画像の対象となる画像領域以外の画像領域の大部分が画像データから除去され、それによって、ステップＳ５の処理を的確に行うことができる。 Thus, by executing step (a) or sequentially executing steps (b), (c), and (a), most of the image area other than the image area that is the target of the particle image is obtained from the image data. Thus, the process of step S5 can be performed accurately.
また、必要に応じて、ステップＳ５の実行後に、
（ｄ）各粒子画像に凸包処理を行って各粒子画像の輪郭をより円滑にし、
そして、
（ｅ）ステップＳ５で用いた形状因子の閾値よりも高いレベルの形状因子の閾値を用いることによって、ステップＳ５で残った画像（粒子画像）のうち基準形状に一致しない画像（粒子画像）を画像データから除去すること、が好ましい。
ステップ（ｄ）〜（ｅ）を実行することによって、より的確に粒子画像のみを画像データ中に残すことができる。
If necessary, after execution of step S5,
(D) performing convex hull processing on each particle image to make the contour of each particle image smoother,
And
(E) By using a shape factor threshold level higher than the shape factor threshold value used in step S5, an image (particle image) that does not match the reference shape among the remaining images (particle images) in step S5 is imaged. Removal from the data is preferred.
By executing steps (d) to (e), it is possible to leave only the particle image in the image data more accurately.
このように形状因子の閾値に基づく粒子画像の選別を凸包処理を挟んで２段階に分けて行う場合には、最初の選別時の閾値のレベルは、選別処理を１段階しか行わない場合の閾値のレベルよりも低く設定することが好ましい。 As described above, when the selection of the particle image based on the threshold value of the shape factor is performed in two stages with the convex hull process in between, the threshold level at the time of the first selection is the case where the selection process is performed only in one stage. It is preferable to set it lower than the threshold level.
本発明によれば、その後、粒子画像のそれぞれを膨張処理する（図１のＳ６）。膨張処理を行うことで、画像データの二値化によって縮小された粒子画像が元のサイズまで戻される。
次いで、粒子画像のそれぞれにおいて、粒子の基準形状を検出し、検出の結果に基づき当該粒子の中心の位置座標および粒子サイズを検出する（図１のＳ７）。
ここで、「粒子サイズ」とは、粒子の基準形状に応じて予め適当に定義された粒子の粒径を意味し、例えば、粒子の基準形状が円の場合は、粒子サイズは粒子の直径であり、粒子の基準形状が正多角形の場合は、粒子サイズは粒子の対角線である。また、例えば、粒子サイズとして、ヘイウッド径、フェレー径、マーチン径またはクルムバイン径を採用することもできる。
According to the present invention, each of the particle images is then expanded (S6 in FIG. 1). By performing the expansion process, the particle image reduced by the binarization of the image data is returned to the original size.
Next, in each of the particle images, the reference shape of the particle is detected, and the position coordinates and the particle size of the center of the particle are detected based on the detection result (S7 in FIG. 1).
Here, “particle size” means the particle size of the particle appropriately defined in advance according to the reference shape of the particle. For example, when the reference shape of the particle is a circle, the particle size is the diameter of the particle. Yes, when the reference shape of the particle is a regular polygon, the particle size is the diagonal of the particle. In addition, for example, a Haywood diameter, a Ferret diameter, a Martin diameter, or a Cumbine diameter can be employed as the particle size.
ところで、粒子画像と基準形状の間には常に一定程度のズレが発生しており、そのため、基準形状との一致度が低い粒子画像の場合、粒子画像中に複数の基準形状が検出されるおそれがある。 By the way, there is always a certain degree of deviation between the particle image and the reference shape. Therefore, in the case of a particle image having a low degree of coincidence with the reference shape, a plurality of reference shapes may be detected in the particle image. There is.
そこで、本発明によれば、さらに、粒子サイズから算出した粒子半径を平均することによって、平均粒子半径を算出し（図１のＳ８）、次いで、ステップＳ７で得られた粒子の中心の位置座標および粒子サイズのデータセットに基づき、各一対の粒子の中心間距離を平均粒子半径と比較し、中心間距離が平均粒子半径よりも小さい場合は、当該一対の粒子のうちの一方の粒子のデータをデータセットから除去する（図１のＳ９）。 Therefore, according to the present invention, the average particle radius is further calculated by averaging the particle radius calculated from the particle size (S8 in FIG. 1), and then the position coordinates of the center of the particle obtained in step S7. And the particle size data set, the distance between the centers of each pair of particles is compared with the average particle radius, and if the distance between the centers is smaller than the average particle radius, the data of one of the pair of particles Are removed from the data set (S9 in FIG. 1).
以下、このステップＳ９を図面を参照しつつ具体的に説明する。
今、ステップＳ７において、例えば、図３Ａに示すように、１５個の粒子、すなわち、１５個の粒子の中心の位置座標（ｘ座標、ｙ座標）および粒子サイズのデータからなるデータセットが検出されると、ステップＳ９では、まず、図３Ｂに示すように、第１の粒子のデータと第２〜第１５の粒子のデータのそれぞれとが比較される。
Hereinafter, step S9 will be specifically described with reference to the drawings.
Now, in step S7, for example, as shown in FIG. 3A, a data set including 15 particles, that is, position coordinates (x coordinates, y coordinates) of the centers of the 15 particles and particle size data is detected. Then, in step S9, first, as shown in FIG. 3B, the first particle data and the second to fifteenth particle data are compared.
そして、例えば、第１の粒子のデータと第８の粒子のデータとの比較、および第１の粒子のデータと第１１の粒子のデータとの比較において、粒子の中心間距離が平均粒子半径よりも小さければ、データセットから第８および第１１の粒子のデータが除去される。 For example, in the comparison between the data of the first particle and the data of the eighth particle and the comparison of the data of the first particle and the data of the eleventh particle, the distance between the centers of the particles is larger than the average particle radius. If not, the eighth and eleventh particle data are removed from the data set.
次に、図３Ｃに示すように、第２の粒子のデータと残りの粒子のそれぞれのデータとの比較が同様にして行われ、次いで、次の粒子のデータと当該次の粒子以外の粒子のそれぞれのデータとの比較が同様にして行われ、最後に、図４Ａに示すように、第１５の粒子のデータと残りの粒子のそれぞれのデータとの比較が同様にして行われる。
なお、図３Ｃに示した状況から図４Ａに示した状況に至るまでに、図３Ｃの粒子のデータセットからさらに第５の粒子のデータが上と同様にして除去されていることに留意されたい。
Next, as shown in FIG. 3C, the comparison between the second particle data and the remaining particle data is performed in the same manner, and then the next particle data and the particles other than the next particle are compared. Comparison with the respective data is performed in the same manner, and finally, as shown in FIG. 4A, comparison between the data of the fifteenth particle and the respective data of the remaining particles is performed in the same manner.
Note that from the situation shown in FIG. 3C to the situation shown in FIG. 4A, the fifth particle data has been removed from the particle data set of FIG. 3C in the same manner as above. .
そして、例えば、第１５の粒子のデータと第１３の粒子のデータの比較の結果に基づき、第１３の粒子のデータがデータセットから除去され、最終的に、図４Ｂに示すように、１１個の粒子のデータが残される。 Then, for example, based on the result of the comparison between the data of the 15th particle and the data of the 13th particle, the data of the 13th particle is removed from the data set, and finally, as shown in FIG. Particle data is left behind.
こうして、膨張処理後の粒子画像における粒子の基準形状の検出時に発生し得る多重検出エラーを回避できる、この多重検出エラー防止のための処理によって、上記閾値を一定程度のレベルとして粒径解析の精度を維持することが保証される。 In this way, multiple detection errors that can occur when detecting the reference shape of particles in the particle image after expansion processing can be avoided. By this processing for preventing multiple detection errors, the threshold value is set to a certain level, and the accuracy of particle size analysis is reduced. Is guaranteed to maintain.
その後、データセットに基づいて粒径解析を行う（図１のＳ１０）。
この場合、ステップＳ５で粒子画像の個数をカウントしておき、このステップＳ１０において、粒径解析で得られた粒子数を粒子画像の個数と比較することによって、粒子の多重カウントの有無をチェックすることができる。
こうして、本発明によれば、粒子の集合体の粒径解析を簡単にかつ高速で行うことができる。
Thereafter, particle size analysis is performed based on the data set (S10 in FIG. 1).
In this case, the number of particle images is counted in step S5, and in this step S10, the number of particles obtained by particle size analysis is compared with the number of particle images, thereby checking the presence or absence of multiple counting of particles. be able to.
Thus, according to the present invention, the particle size analysis of the aggregate of particles can be performed easily and at high speed.
また、本発明による粒径解析法をコンピュータプログラム化し、当該プログラムをコンピュータに読み込ませて実行させることによって、粒径解析を高速かつ自動的に行うことができる。 Also, by making the particle size analysis method according to the present invention into a computer program, and causing the computer to read and execute the program, the particle size analysis can be performed at high speed and automatically.
図２は、本発明による粒径解析プログラムのフロー図である。
図２を参照して、本発明によれば、コンピュータに、単層の状態で密集した粒子の集合体が撮影された画像データを読み込ませた後、画像データのキャリブレーションを行わせ、画像データをグレースケール変換させる（図２のＰ１〜Ｐ３）。なお、画像データがモノクロ画像データの場合は、コンピュータに手順Ｐ３をスキップさせる。
FIG. 2 is a flowchart of a particle size analysis program according to the present invention.
Referring to FIG. 2, according to the present invention, a computer is caused to read image data obtained by capturing a collection of particles that are densely packed in a single layer state, and then calibrate the image data to obtain image data. Are converted to gray scale (P1 to P3 in FIG. 2). If the image data is monochrome image data, the computer is made to skip step P3.
次いで、コンピュータに、画像データを、フィルタ処理させることによって、画像データを構成する画像領域間の境界を強調させた（図２のＰ４）後、画像データを二値化させる（図２のＰ５）。
本発明によれば、さらに、コンピュータに、粒子の基準形状を特徴づける形状因子の所定の閾値に基づき、基準形状に一致しない画像領域を画像データから除去させて画像データ中に粒子画像のみを残させる（図２のＰ６）。
Next, the image data is filtered by the computer to emphasize the boundary between the image areas constituting the image data (P4 in FIG. 2), and then binarize the image data (P5 in FIG. 2). .
Further, according to the present invention, based on a predetermined threshold value of a shape factor that characterizes the reference shape of particles, the computer removes an image area that does not match the reference shape from the image data, leaving only the particle image in the image data. (P6 in FIG. 2).
なお、画像の品質や各粒子の写り具合等によっては、手順Ｐ５で得られた画像データを直接用いると、手順Ｐ６の処理がうまく実行できない場合がある。
かかる場合には、コンピュータに、手順Ｐ５の実行後であって手順Ｐ６の実行前に、
（ａ）所定の面積値よりも小さい画像領域を画像データから除去する手順
を実行させ、また必要に応じて、手順Ｐ５の実行後であって手順（ａ）の実行前に、
（ｂ）画像領域のそれぞれについて穴埋め処理をする手順と、
（ｃ）画像データの縁によって分断された画像領域を画像データから除去する手順
を順次実行させる。
Note that, depending on the quality of the image, how each particle is reflected, and the like, if the image data obtained in the procedure P5 is used directly, the processing in the procedure P6 may not be executed successfully.
In such a case, after the execution of the procedure P5 and before the execution of the procedure P6, the computer
(A) A procedure for removing an image region smaller than a predetermined area value from the image data is executed, and if necessary, after the execution of the procedure P5 and before the execution of the procedure (a),
(B) a procedure for performing hole filling processing for each of the image regions;
(C) The procedure for removing the image area divided by the edge of the image data from the image data is sequentially executed.
こうして、コンピュータに手順（ａ）を実行させること、あるいは手順（ｂ）、（ｃ）（ａ）を順次実行させることで、粒子画像の対象となる画像領域以外の画像領域の大部分を画像データから除去させ、それによって、手順Ｐ６の処理を的確に行わせることができる。 In this way, by causing the computer to execute the procedure (a) or sequentially execute the procedures (b), (c), and (a), most of the image area other than the image area that is the target of the particle image is image data. Thus, the process of step P6 can be performed accurately.
また、必要に応じて、コンピュータに、手順Ｐ６の実行後に、
（ｄ）各粒子画像に凸包処理を行って各粒子画像の輪郭をより円滑にする手順と、
（ｅ）手順Ｐ６で用いた形状因子の閾値よりも高いレベルの形状因子の閾値を用いることによって、手順Ｐ６残った画像（粒子画像）のうち基準形状に一致しない画像（粒子画像）を画像データから除去する手順
を順次実行させることが好ましい。
コンピュータに手順（ｄ）〜（ｅ）を実行させることによって、より的確に粒子画像のみを画像データ中に残させることができる。
In addition, if necessary, after the execution of step P6, the computer
(D) a procedure for performing a convex hull process on each particle image to make the contour of each particle image smoother;
(E) By using a shape factor threshold value that is higher than the shape factor threshold value used in procedure P6, an image (particle image) that does not match the reference shape among the remaining images (particle images) in procedure P6 is image data. It is preferable that the procedure of removing from is sequentially performed.
By causing the computer to execute steps (d) to (e), only the particle image can be left in the image data more accurately.
本発明によれば、その後、コンピュータに、粒子画像のそれぞれを膨張処理させ（図２のＰ７）、粒子画像のそれぞれにおいて、粒子の基準形状を検出させ、その検出結果に基づいて当該粒子の中心の位置座標および粒子サイズを検出させる（図２のＰ８）。 According to the present invention, after that, each of the particle images is subjected to an expansion process (P7 in FIG. 2), the reference shape of the particles is detected in each of the particle images, and the center of the particle is determined based on the detection result. The position coordinates and the particle size are detected (P8 in FIG. 2).
さらに、コンピュータに、粒子サイズから算出した粒子半径を平均することによって、平均粒子半径を算出させ（図２のＰ９）、次いで、手順（７）で得られた粒子の中心の位置座標および粒子サイズのデータセットに基づき、各一対の粒子の中心間距離を平均粒子半径と比較させ、中心間距離が平均粒子半径よりも小さい場合は、当該一対の粒子のうちの一方の粒子のデータをデータセットから除去させ（図２のＰ１０）、その後、データセットに基づいて粒径解析を行わせる（図２のＰ１１）。 Furthermore, the average particle radius is calculated by averaging the particle radius calculated from the particle size (P9 in FIG. 2), and then the position coordinates and the particle size of the center of the particle obtained in step (7) are obtained. Based on the data set, the distance between the centers of each pair of particles is compared with the average particle radius, and if the distance between the centers is smaller than the average particle radius, the data set of one particle of the pair of particles (P10 in FIG. 2), and then particle size analysis is performed based on the data set (P11 in FIG. 2).
この場合、コンピュータに、手順Ｐ６で粒子画像の個数をカウントさせておき、手順Ｐ１１において、粒径解析で得られた粒子数を粒子画像の個数と比較することによって、粒子の多重カウントの有無をチェックさせることができる。 In this case, the computer counts the number of particle images in step P6, and in step P11, the number of particles obtained by the particle size analysis is compared with the number of particle images, thereby determining the presence or absence of multiple counting of particles. It can be checked.
（実験）
次に、本発明の作用効果を検証すべく実験を行った。
実験では、プログラム言語ＬａｂＶｉｅｗを使用して作成した本発明のプログラムをコンピュータに読み込ませた。そして、このコンピュータを動作させて、マイクロ流体チップを用いて製造した微小液滴（エマルジョン）の集合体の粒径解析を行った。
(Experiment)
Next, an experiment was conducted to verify the effects of the present invention.
In the experiment, the program of the present invention created using the program language LabView was read into a computer. Then, by operating this computer, the particle size analysis of the aggregate of the fine droplets (emulsion) produced using the microfluidic chip was performed.
まず、マイクロ流体チップの貯蔵槽からピペットによって採取した微小液滴を適量、スライドグラス上に滴下し、その上からカバーグラスで覆って、微小液滴を単層の状態で密集させた。
そして、このスライドグラスを顕微鏡にセットして微小液滴の集合体を撮影することによって画像データ（カラー画像データ）を取得した。この撮影した画像データを図５に示した。
First, an appropriate amount of micro droplets collected from a microfluidic chip storage tank by a pipette was dropped on a slide glass, and the micro droplets were covered with a cover glass from the top, and the micro droplets were concentrated in a single layer state.
Image data (color image data) was obtained by setting the slide glass on a microscope and photographing an aggregate of minute droplets. The photographed image data is shown in FIG.
次に、画像データのキャリブレーションを行い、画像データをグレースケール変換した（得られた画像データを図６Ａに示す）後、フィルタ処理（ローパスフィルタを使用）した（得られた画像データを図６Ｂに示す）。 Next, after calibrating the image data and converting the image data to gray scale (the obtained image data is shown in FIG. 6A), the image data is subjected to filter processing (using a low-pass filter) (the obtained image data is shown in FIG. 6B). To show).
次いで、画像データを二値化した。この実験では、赤色および黒色によって二値化した。得られた画像データを図７Ａに示した（カラー図面が使用不可のため、便宜上、図７Ａはモノクロ図面としている）。
その後、画像データの各画像領域の穴埋め処理を行い（得られた画像データを図７Ｂに示す）、画像データの縁によって分断された画像領域を画像データから除去し（得られた画像データを図８Ａに示す）、さらに、所定の面積値よりも小さい画像領域を画像データから除去した（画像データを図８Ｂに示す）。
Next, the image data was binarized. In this experiment, binarization was performed with red and black. The obtained image data is shown in FIG. 7A (for convenience, FIG. 7A is a monochrome drawing because a color drawing cannot be used).
After that, hole filling processing is performed on each image area of the image data (the obtained image data is shown in FIG. 7B), and the image area divided by the edge of the image data is removed from the image data (the obtained image data is shown in FIG. 7). In addition, an image area smaller than a predetermined area value was removed from the image data (image data is shown in FIG. 8B).
さらに、微小液滴の基準形状は円であるから、微小液滴の基準形状（基準円）を特徴づける形状因子としてヘイウッド円形因子を用い、ヘイウッド円形因子の予め決定した閾値に基づき、基準円に一致しない画像領域を画像データから除去して画像データ中に微小液滴の画像のみを残した（得られた画像データを図９Ａに示す）。 Furthermore, since the reference shape of the microdroplet is a circle, the Haywood circular factor is used as a shape factor characterizing the reference shape (reference circle) of the microdroplet, and the reference circle is determined based on a predetermined threshold of the Haywood circular factor. The unmatched image region was removed from the image data, leaving only the microdroplet image in the image data (the resulting image data is shown in FIG. 9A).
次いで、微小液滴の画像のそれぞれを凸包処理した（得られた画像データを図９Ｂに示す）後、ヘイウッド円形因子の前の閾値よりも高いレベルの閾値に基づき、基準円に一致しない画像（粒子画像）を画像データから除去した（得られた画像データを図１０Ａに示す）。そして、得られた画像データについて、粒子液滴の画像の個数をカウントした。 Next, after convex hull processing of each of the microdroplet images (the obtained image data is shown in FIG. 9B), an image that does not match the reference circle based on a threshold level higher than the previous threshold value of the Haywood circular factor (Particle image) was removed from the image data (the obtained image data is shown in FIG. 10A). The number of particle droplet images was counted for the obtained image data.
さらに、微小液滴の画像のそれぞれを膨張処理した後、画像データの黒色および赤色をそれぞれを黒色および白色に色変換した（得られた画像データを図１０Ｂに示す）。
その後、微小液滴の画像のそれぞれにおいて、基準円（微小液滴の基準形状）を検出し（図１１参照）、その検出結果に基づき当該微小液滴の中心の位置座標および粒子サイズ（粒径）を検出した。
Further, after each of the microdroplet images was subjected to expansion processing, the black and red colors of the image data were converted into black and white, respectively (the obtained image data is shown in FIG. 10B).
Thereafter, a reference circle (reference shape of the microdroplet) is detected in each of the microdroplet images (see FIG. 11), and based on the detection result, the position coordinates of the center of the microdroplet and the particle size (particle size). ) Was detected.
次いで、粒子サイズから算出した粒子半径を平均することによって、平均粒子半径を算出し、さらに、上記検出結果に基づく微小液滴の中心の位置座標および粒子サイズのデータセットに基づき、各一対の微小液滴の中心間距離を平均粒子半径と比較し、中心間距離が平均粒子半径よりも小さい場合は、当該一対の微小液滴のうちの一方の微小液滴のデータをデータセットから除去した。それによって、例えば、図１２に示すような微小液滴の二重検出（１つの微小液滴の画像中に２つの基準円Ｃ１、Ｃ２を検出する）を回避した。 Next, the average particle radius is calculated by averaging the particle radius calculated from the particle size, and each pair of microscopic particles is based on the position coordinates of the center of the microdroplet and the particle size data set based on the detection result. The center-to-center distance of the droplets was compared with the average particle radius, and if the center-to-center distance was smaller than the average particle radius, the data for one of the pair of micro-droplets was removed from the data set. Thereby, for example, double detection of micro droplets (detecting two reference circles C1 and C2 in one micro droplet image) as shown in FIG. 12 is avoided.
その後、データセットに基づいて粒径解析を行った。そして、この粒径解析で検出した微小液滴の個数を、膨張処理前に得ていた微小液滴の画像の個数と比較し、両者が一致することを確認した。 Thereafter, particle size analysis was performed based on the data set. Then, the number of microdroplets detected by the particle size analysis was compared with the number of microdroplet images obtained before the expansion process, and it was confirmed that they coincided.
Ｃ１ 検出した第１の基準円
Ｃ２ 検出した第２の基準円
C1 Detected first reference circle C2 Detected second reference circle
Claims (12)
（１）前記画像データのキャリブレーションを行うステップと、
（２）前記画像データをグレースケール変換するステップと、
（３）前記画像データを、フィルタ処理することによって、前記画像データを構成する画像領域間の境界を強調するステップと、
（４）前記画像データを二値化するステップと、
（５）前記粒子の基準形状を特徴づける形状因子の所定の閾値に基づき、前記基準形状に一致しない前記画像領域を前記画像データから除去して前記画像データ中に粒子画像のみを残すステップと、
（６）前記粒子画像のそれぞれを膨張処理するステップと、
（７）前記粒子画像のそれぞれにおいて、前記粒子の基準形状を検出し、前記検出の結果に基づき当該粒子の中心の位置座標および粒子サイズを検出するステップと、
（８）前記粒子サイズから算出した粒子半径を平均することによって、平均粒子半径を算出するステップと、
（９）前記ステップ（７）で得られた前記粒子の前記中心の位置座標および前記粒子サイズのデータセットに基づき、各一対の前記粒子の中心間距離を前記平均粒子半径と比較し、前記中心間距離が前記平均粒子半径よりも小さい場合は、当該一対の粒子のうちの一方の粒子のデータを前記データセットから除去するステップと、
（１０）前記データセットに基づいて粒径解析を行うステップ
を順次実行することを特徴とする方法。 A method for performing particle size analysis of the aggregate of particles by performing image processing on image data obtained by capturing a cluster of dense particles in a single layer state,
(1) a step of calibrating the image data;
(2) converting the image data to gray scale;
(3) emphasizing boundaries between image areas constituting the image data by filtering the image data;
(4) binarizing the image data;
(5) based on a predetermined threshold of a shape factor characterizing the reference shape of the particles, removing the image region that does not match the reference shape from the image data, leaving only a particle image in the image data;
(6) expanding each of the particle images;
(7) detecting a reference shape of the particle in each of the particle images, and detecting a position coordinate and a particle size of the center of the particle based on the detection result;
(8) calculating an average particle radius by averaging the particle radius calculated from the particle size;
(9) Based on the position coordinates of the center of the particle obtained in the step (7) and the data set of the particle size, the distance between the centers of each pair of the particles is compared with the average particle radius, and the center If the distance between is less than the average particle radius, removing data from one of the pair of particles from the data set; and
(10) A method of sequentially executing a particle size analysis step based on the data set.
（ａ）所定の面積値よりも小さい前記画像領域を前記画像データから除去するステップ
を実行することを特徴とする請求項１に記載の方法。 After execution of step (4) and before execution of step (5),
The method according to claim 1, further comprising: (a) removing the image area smaller than a predetermined area value from the image data.
（ｂ）前記画像領域のそれぞれについて穴埋め処理をするステップと、
（ｃ）前記画像データの縁によって分断された前記画像領域を前記画像データから除去するステップ
を順次実行することを特徴とする請求項２に記載の方法。 After execution of step (4) and before execution of step (a),
(B) performing a filling process for each of the image regions;
3. The method according to claim 2, wherein the step of (c) sequentially removing the image area divided by the edge of the image data from the image data is performed.
（ｄ）前記粒子画像のそれぞれを凸包処理するステップと、
（ｅ）前記形状因子の前記閾値よりもレベルが高い前記形状因子の第２の閾値に基づき、前記基準形状に一致しない前記粒子画像を前記画像データから除去するステップ
を順次実行することを特徴とする請求項１〜請求項３のいずれかに記載の方法。 After execution of step (5) and before execution of step (6),
(D) performing a convex hull process on each of the particle images;
(E) based on a second threshold value of the shape factor having a level higher than the threshold value of the shape factor, and sequentially executing the step of removing the particle image that does not match the reference shape from the image data. The method according to any one of claims 1 to 3.
（１）単層の状態で密集した粒子の集合体が撮影された画像データを読み込む手順と、
（２）前記画像データのキャリブレーションを行う手順と、
（３）前記画像データをグレースケール変換する手順と、
（４）前記画像データを、フィルタ処理することによって、前記画像データを構成する画像領域間の境界を強調する手順と、
（５）前記画像データを二値化する手順と、
（６）粒子の基準形状を特徴づける形状因子の所定の閾値に基づき、前記基準形状に一致しない前記画像領域を前記画像データから除去して前記画像データ中に粒子画像のみを残す手順と、
（７）前記粒子画像のそれぞれを膨張処理する手順と、
（８）前記粒子画像のそれぞれにおいて、前記粒子の基準形状を検出し、前記検出の結果に基づき当該粒子の中心の位置座標および粒子サイズを検出する手順と、
（９）前記粒子サイズから算出した粒子半径を平均することによって、平均粒子半径を算出する手順と、
（１０）前記手順（７）で得られた前記粒子の前記中心の位置座標および前記粒子サイズのデータセットに基づき、各一対の前記粒子の中心間距離を前記平均粒子半径と比較し、前記中心間距離が前記平均粒子半径よりも小さい場合は、当該一対の粒子のうちの一方の粒子のデータを前記データセットから除去する手順と、
（１１）前記データセットに基づいて粒径解析を行う手順
を順次実行させることを特徴とする粒径解析プログラム。 On the computer,
(1) A procedure for reading image data in which an aggregate of particles that are densely packed in a single layer is photographed,
(2) a procedure for calibrating the image data;
(3) a procedure for converting the image data to grayscale;
(4) A procedure for emphasizing a boundary between image areas constituting the image data by filtering the image data;
(5) a procedure for binarizing the image data;
(6) based on a predetermined threshold of a shape factor that characterizes the reference shape of the particles, removing the image region that does not match the reference shape from the image data and leaving only the particle image in the image data;
(7) a procedure for expanding each of the particle images;
(8) In each of the particle images, a procedure for detecting a reference shape of the particle and detecting a position coordinate and a particle size of the center of the particle based on the detection result;
(9) a procedure for calculating an average particle radius by averaging the particle radius calculated from the particle size;
(10) Based on the position coordinate of the center of the particle obtained in the step (7) and the data set of the particle size, the distance between the centers of each pair of the particles is compared with the average particle radius, and the center If the distance between the particles is smaller than the average particle radius, removing the data of one of the pair of particles from the data set;
(11) A particle size analysis program for sequentially executing a procedure for performing particle size analysis based on the data set.
（ａ）所定の面積値よりも小さい前記画像領域を前記画像データから除去する手順
を実行させることを特徴とする請求項７に記載の粒径解析プログラム。 After the execution of the procedure (5) and before the execution of the procedure (6),
(A) The particle size analysis program according to claim 7, wherein a procedure for removing the image area smaller than a predetermined area value from the image data is executed.
（ｂ）前記画像領域のそれぞれについて穴埋め処理をする手順と、
（ｃ）前記画像データの縁によって分断された前記画像領域を前記画像データから除去する手順
を順次実行させることを特徴とする請求項８に記載の粒径解析プログラム。 After the execution of the procedure (5) and before the execution of the procedure (a),
(B) a procedure for performing hole filling processing for each of the image regions;
(C) The particle size analysis program according to claim 8, wherein a procedure for sequentially removing the image region divided by the edge of the image data from the image data is executed.
（ｄ）前記粒子画像のそれぞれを凸包処理する手順と、
（ｅ）前記形状因子の所定の閾値よりも高いレベルの前記形状因子の所定の閾値に基づき、前記基準形状に一致しない前記粒子画像を前記画像データから除去する手順
を順次実行させることを特徴とする請求項７〜請求項９のいずれかに記載の粒径解析プログラム。 After the execution of the procedure (6) and before the execution of the procedure (7),
(D) a procedure for convex hull processing of each of the particle images;
(E) based on a predetermined threshold value of the shape factor that is higher than the predetermined threshold value of the shape factor, sequentially performing a procedure of removing the particle image that does not match the reference shape from the image data. The particle size analysis program according to any one of claims 7 to 9.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016218662A JP2018077112A (en) | 2016-11-09 | 2016-11-09 | Particle diameter analysis method and particle diameter analysis program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016218662A JP2018077112A (en) | 2016-11-09 | 2016-11-09 | Particle diameter analysis method and particle diameter analysis program |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2018077112A true JP2018077112A (en) | 2018-05-17 |
Family
ID=62148999
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016218662A Pending JP2018077112A (en) | 2016-11-09 | 2016-11-09 | Particle diameter analysis method and particle diameter analysis program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2018077112A (en) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019130856A1 (en) * | 2017-12-28 | 2019-07-04 | 株式会社堀場製作所 | Particle image display device, particle image display program, particle image display method, and particle measurement system |
| CN110308172A (en) * | 2019-07-19 | 2019-10-08 | 清远市清新区谷城矿业开发投资有限公司 | A kind of aggregate analyzing detecting method |
| JP2020003429A (en) * | 2018-06-29 | 2020-01-09 | キヤノン株式会社 | Particle measuring method, particle measuring device, and nucleic acid concentration measuring system |
| CN111462145A (en) * | 2020-04-01 | 2020-07-28 | 重庆大学 | Active contour image segmentation method based on double-weight symbol pressure function |
| CN111707587A (en) * | 2020-06-04 | 2020-09-25 | 核工业北京地质研究院 | Particle size statistical method |
| JP2021105938A (en) * | 2019-12-27 | 2021-07-26 | Ｊｆｅミネラル株式会社 | Particle shape analysis method and apparatus |
-
2016
- 2016-11-09 JP JP2016218662A patent/JP2018077112A/en active Pending
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019130856A1 (en) * | 2017-12-28 | 2019-07-04 | 株式会社堀場製作所 | Particle image display device, particle image display program, particle image display method, and particle measurement system |
| JP2020003429A (en) * | 2018-06-29 | 2020-01-09 | キヤノン株式会社 | Particle measuring method, particle measuring device, and nucleic acid concentration measuring system |
| JP7164978B2 (en) | 2018-06-29 | 2022-11-02 | キヤノン株式会社 | Particle measurement method, particle measurement device and nucleic acid concentration measurement system |
| CN110308172A (en) * | 2019-07-19 | 2019-10-08 | 清远市清新区谷城矿业开发投资有限公司 | A kind of aggregate analyzing detecting method |
| CN110308172B (en) * | 2019-07-19 | 2022-07-12 | 清远市清新区谷城矿业开发投资有限公司 | Aggregate analysis and detection method |
| JP2021105938A (en) * | 2019-12-27 | 2021-07-26 | Ｊｆｅミネラル株式会社 | Particle shape analysis method and apparatus |
| JP7282670B2 (en) | 2019-12-27 | 2023-05-29 | Ｊｆｅミネラル株式会社 | Particle shape analysis method and apparatus |
| CN111462145A (en) * | 2020-04-01 | 2020-07-28 | 重庆大学 | Active contour image segmentation method based on double-weight symbol pressure function |
| CN111462145B (en) * | 2020-04-01 | 2023-04-07 | 重庆大学 | Active contour image segmentation method based on double-weight symbol pressure function |
| CN111707587A (en) * | 2020-06-04 | 2020-09-25 | 核工业北京地质研究院 | Particle size statistical method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2018077112A (en) | Particle diameter analysis method and particle diameter analysis program | |
| US10115035B2 (en) | Vision system and analytical method for planar surface segmentation | |
| EP1703465B1 (en) | Color-based inspection of printed circuit boards | |
| JP4824987B2 (en) | Pattern matching apparatus and semiconductor inspection system using the same | |
| CN110490839B (en) | Method and device for detecting damaged area in expressway and computer equipment | |
| KR102073468B1 (en) | System and method for scoring color candidate poses against a color image in a vision system | |
| US20170330315A1 (en) | Information processing apparatus, method for processing information, discriminator generating apparatus, method for generating discriminator, and program | |
| JP5533091B2 (en) | Method for identifying data point distribution region on coordinate plane and identification program thereof | |
| US20120213425A1 (en) | Combining feature boundaries | |
| CN105718931B (en) | System and method for determining clutter in acquired images | |
| JP2014021973A (en) | Image processor | |
| KR20130065717A (en) | Image processing apparatus and computer program | |
| CN113160161B (en) | Method and device for detecting defects at edge of target | |
| US20150055754A1 (en) | X-ray inspection method and x-ray inspection device | |
| JP5533196B2 (en) | Method for identifying data point distribution region on coordinate plane and identification program thereof | |
| JP5123244B2 (en) | Shape defect inspection device, shape modeling device, and shape defect inspection program | |
| JP4529728B2 (en) | Method and apparatus for inspecting foreign matter in container | |
| US20220215521A1 (en) | Transmission image-based non-destructive inspecting method, method of providing non-destructive inspection function, and device therefor | |
| Tyge et al. | Characterizing digital light processing (DLP) 3D printed primitives | |
| CN113609984A (en) | Pointer instrument reading identification method and device and electronic equipment | |
| JP2019194549A (en) | Inspection method for tire mold side plate | |
| CN111783648A (en) | Method and device for extracting guardrail in road point cloud | |
| JP2018092566A (en) | Particle diameter analysis method and particle diameter analysis program | |
| KR20230115891A (en) | Defect observation method, apparatus, and program | |
| CN109359632A (en) | Highway sideline detection method and device |