JP2826736B2 - 粒子の自動識別処理装置 - Google Patents

粒子の自動識別処理装置

Info

Publication number
JP2826736B2
JP2826736B2 JP63206848A JP20684888A JP2826736B2 JP 2826736 B2 JP2826736 B2 JP 2826736B2 JP 63206848 A JP63206848 A JP 63206848A JP 20684888 A JP20684888 A JP 20684888A JP 2826736 B2 JP2826736 B2 JP 2826736B2
Authority
JP
Japan
Prior art keywords
image
particle
density
pixels
feature amounts
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.)
Expired - Lifetime
Application number
JP63206848A
Other languages
English (en)
Other versions
JPH0255953A (ja
Inventor
圭一 井波
修 広田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
TOA IYO DENSHI KK
Original Assignee
TOA IYO DENSHI KK
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by TOA IYO DENSHI KK filed Critical TOA IYO DENSHI KK
Priority to JP63206848A priority Critical patent/JP2826736B2/ja
Publication of JPH0255953A publication Critical patent/JPH0255953A/ja
Application granted granted Critical
Publication of JP2826736B2 publication Critical patent/JP2826736B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

【発明の詳細な説明】 〈産業上の利用分野〉 この発明は、試料中に含まれている粒子の像を撮像
し、識別する装置に関する。
〈従来技術〉 従来、粒子、例えば細胞の検査技術としては、塗抹染
色標本を作成して、これを顕微鏡で観察するものがあ
る。しかし、このような技術では、標本作成に手間がか
かり、しかも検査に熟練を要し、時間もかかるという問
題点があった。また塗抹時に、細胞を破壊するおそれも
あった。これらの問題点を解決するために、電子情報通
信学会論文誌D Vol.J70−D NO.4第827頁から第829頁に
記載されているフロー方式を用いて、細胞を撮像する装
置が考えられた。
〈発明が解決しようとする課題〉 しかし、上記の装置では、細胞の画像を得ることがで
きるだけであり、細胞がどのような細胞であるかの粒子
の種類の識別は、人が行わなければならなかった。
本発明は、上記の各問題点を解決し、粒子の種類を自
動識別することができる粒子の自動識別処理装置を提供
することを目的とする。
〈課題を解決するための手段〉 上記の目的を達成するために、本発明は、粒子を含む
試料液をシース液で囲んで流し偏平な試料流を形成する
フローセルを含む流体系手段と、上記試料流中の粒子の
静止画像を撮像する撮像手段と、撮像された画像に対し
てしきい値を設定し２値化を行うことにより粒子の像を
抽出し、その抽出された粒子の像から粒子ごとにその形
態に関する複数種類の特徴量を求める画像処理手段と、
この画像処理手段によって求められた上記形態に関する
複数種類の特徴量のうち２種類の特徴量を用いて二次元
分布図を形成し、その二次元分布図における分布の違い
に基づき粒子を識別する識別手段と、を備えるものであ
る。
上記複数種類の特徴量としては、粒子像の面積を反映
する特徴量、周囲長を反映する特徴量、円形度を反映す
る特徴量及び粒子像中の各画素から重心までの距離の分
散を反映する特徴量の中から選ばれた特徴量を含むこと
ができる。
〈作用〉 本発明によれば、試料液をフローセルに流し、偏平な
試料流を形成する。試料液に含まれている粒子には、無
理な力は加わらない。また、粒子の大きさにかかわら
ず、粒子のセンターが所定面上に位置するので、撮像装
置で撮像するためにヒントを合わすことができる。この
試料流を撮像装置で撮像し、粒子の静止画像を得る。画
像処理手段によって、この画像から粒子像を抽出し、粒
子像の形態から、各粒子の形態的特徴量、例えば面積、
周囲長、円形度等を求める。これら複数種類の特徴量の
うち２種類を用いて、識別手段が、二次元分布図を形成
し、その分布の違いに基づき粒子を識別する。
〈実施例〉 この実施例は、粒子、例えば細菌のうち球菌（例えば
α連鎖球菌、β連鎖球菌、ナイセリア、白色ぶとう球
菌、４連球菌等）と桿菌（例えば緑膿菌、肺炎桿菌、大
腸菌、チフス菌、枯草菌等）とを識別するのに、この発
明を実施したもので、第２図は、そのために使用する機
器のブロック図である。この装置は、流体系２と、光学
系４と、画像撮像部６と、制御画像処理部８とからな
る。
流体系２は、細菌を流す部分で、シースフローチャン
バー10を有している。このチャンバー10は石英ガラス製
で、上部に細菌の注入口12と、シース液の注入口14とを
有し、下部に細管部15を有している。そして、下部より
吸引ポンプ16によってシース液を吸引すると、第３図に
示すように、シース液が鞘となって細菌を包んで細管部
15を流れる。即ち、細菌は細管部15の中央を流れ、しか
も細菌は同一場所を細流となって流れるので、後述する
撮像のための焦点合せがしやすく、同時通過もない。
光学系４は、光源として窒素パルス光レーザ18を有し
ている。測定対象物である細菌は１μｍ程度と非常に小
さく、高解像度の撮影が必要である。解像限界は光源の
波長に比例するので、短波長が有利である。そこで、こ
の窒素パルス光レーザは、波長が337nmのものを用いて
いる。この窒素パルス光は、図示していない複数の集光
レンズを介してチャンバー10の細管部15に照射され、さ
らに図示しない対物レンズを介して画像撮像部６のCCD
テレビジョンカメラ20に入射される。
画像撮像部６は、上述したCCDテレビジョンカメラ20
を有し、その撮像信号は、A/D変換器22でディジタル撮
像信号に変換され、画像メモリシステム24に記憶され
る。また、必要に応じて画像メモリシステム24に記憶さ
れたディジタル撮像信号は、アナログ撮像信号に変換さ
れて、モニタテレビジョン受像機26に写しだされ、また
ビデオテープレコーダ28に記録される。
制御・画像処理部８は、マイクロコンピュータシステ
ム30を有し、これによって窒素パルス光レーザ18や画像
メモリシステム24の制御を行なうと共に、後述するよう
に画像処理を行なう。この制御・画像処理部８は、他に
画像処理の経過や画像処理結果を写すだすモニタテレビ
ジョン受像機32や、処理結果の記録等のためのフロッピ
ディスク34も有している。
第１図はマイクロコンピュータシステム30で行なわれ
る画像処理を示すフローチャートで、まず画像メモリシ
ステム24からディジタル撮像信号を入力する（ステップ
S1）。この入力されたディジタル撮像信号は、撮像され
ている細菌の辺縁に劣化を生じたり、背景に雑音が生じ
たりしている。これらを放置したままでは正確な２値化
が困難であるので、雑音除去及び辺縁強調を行なう（ス
テップS2、３）。
ステップS2の雑音除去は、原画像の劣化の程度や処理
時間を考慮して、SNN−MEANフィルタ（Symmetric Neare
st Neibor−Mean Filter）を用いて行なっている。即
ち、第４図に示すように画素（X,Y）の濃度値ｇ（X,Y）
は、その周囲の（2n＋１）×（2n＋１）個の画素を、ｇ
（Ｘ＋i,Y＋ｊ）とｇ（Ｘ−i,Y−ｊ）とを１組として、
下式により選ばれた画素の濃度値の平均値として表わし
ている。
|g（X,Y）−ｇ（Ｘ＋i,Y＋ｊ）｜＜|g（X,Y）−ｇ
（Ｘ−i,Y−ｊ）｜のとき、ｇ（Ｘ＋i,Y＋ｊ）を選択す
る。
|g（X,Y）−ｇ（Ｘ＋i,Y＋ｊ）｜＞|g（X,Y）−ｇ
（Ｘ−i,Y−ｊ）｜のとき、ｇ（Ｘ−i,Y−ｊ）を選択す
る。
|g（X,Y）−ｇ（Ｘ＋i,Y＋ｊ）｜＝|g（X,Y）−ｇ
（Ｘ−i,Y−ｊ）｜のとき、｛ｇ（Ｘ＋i,Y＋ｊ）＋ｇ
（Ｘ−i,Y−ｊ）｝/2とする。ただし、−ｎ≦（i,j）≦
＋ｎである。例えば、第４図はｎを１とした場合の図
で、濃度値ｇ（X,Y）を10とすると、ｉ＝−2,j＝１のと
き、|g（X,Y）−ｇ（Ｘ−2,Y＋１）｜は|10−8|＝２と
なり、|g（X,Y）−ｇ（Ｘ＋2,Y−１）｜は|10−5|＝５
となり、|g（X,Y）−ｇ（Ｘ−2,Y＋１）｜の方が小さい
ので、ｇ（Ｘ−2,Y＋１）＝８を選択する。ｉ＝−2,j＝
２のとき、|g（X,Y）−ｇ（Ｘ−2,Y＋２）｜は|10−8|
＝２となり、|g（X,Y）−ｇ（Ｘ＋2,Y−２）｜は|10−6
|＝４となり、|g（X,Y）−ｇ（Ｘ−2,Y＋２）｜の方が
小さいので、ｇ（Ｘ−2,Y＋２）＝８を選択する。ｉ＝
−1,j＝１のとき、|g（X,Y）−ｇ（Ｘ−1,Y＋１）｜は|
10−5|＝５となり、|g（X,Y）−ｇ（Ｘ＋1,Y−１）｜は
|10−6|＝４となり、|g（X,Y）−ｇ（Ｘ＋1,Y−１）｜
の方が小さいので、ｇ（Ｘ＋1,Y−１）＝６を選択す
る。ｉ＝−1,j＝２のとき、|g（X,Y）−ｇ（Ｘ−1,Y＋
２）｜は|10−7|＝３となり、|g（X,Y）−ｇ（Ｘ＋1,Y
−２）｜は|10−8|＝２となり、|g（X,Y）−ｇ（Ｘ＋1,
Y−２）｜の方が小さいので、ｇ（Ｘ＋1,Y−２）＝８を
選択する。ｉ＝0,j＝１のとき、|g（X,Y）−ｇ（X,Y＋
１）｜は|10−7|＝３となり、|g（X,Y）−ｇ（X,Y−
１）｜は|10−8|＝２となり、|g（X,Y）−ｇ（X,Y−
１）｜の方が小さいので、ｇ（X,Y−１）＝８を選択す
る。ｉ＝0,j＝２のとき、|g（X,Y）−ｇ（X,Y＋２）｜
は|10−6|＝４となり、|g（X,Y）−ｇ（X,Y−２）｜は|
10−9|＝１となり、|g（X,Y）−ｇ（X,Y−２）｜の方が
小さいので、ｇ（X,Y−２）＝９を選択する。また、ｉ
＝1,j＝０のとき、|g（X,Y）−ｇ（Ｘ＋1,Y）｜は|10−
7|＝３となり、|g（X,Y）−ｇ（Ｘ−1,Y）｜は|10−6|
＝４となり、|g（X,Y）−ｇ（Ｘ＋1,Y）｜の方が小さい
ので、ｇ（Ｘ＋1,Y）＝７を選択する。ｉ＝1,j＝１のと
き、|g（X,Y）−ｇ（Ｘ＋1,Y＋１）｜は|10−6|＝４で
あり、|g（X,Y）−ｇ（Ｘ−1,Y−１）｜は|10−7|＝３
であり、|g（X,Y）−ｇ（Ｘ−1,Y−１）｜の方が小さい
ので、ｇ（Ｘ−1,Y−１）＝７を選択する。ｉ＝1,j＝２
のとき、|g（X,Y）−ｇ（Ｘ＋1,Y＋２）｜は|10−7|＝
３となり、|g（X,Y）−ｇ（Ｘ−1,Y−２）｜は|10−8|
＝２となり、|g（X,Y）−ｇ（Ｘ−1,Y−２）｜の方が小
さいので、ｇ（Ｘ−1,Y−２）＝８を選択する。ｉ＝2,j
＝０のとき、|g（X,Y）−ｇ（Ｘ＋2,Y）｜は|10−6|＝
４となり、|g（X,Y）−ｇ（Ｘ−2,Y）｜は|10−9|＝１
となり、|g（X,Y）−ｇ（Ｘ−2,Y）｜の方が小さいの
で、ｇ（Ｘ−2,Y）＝９を選択する。ｉ＝2,j＝１のと
き、|g（X,Y）−ｇ（Ｘ＋2,Y＋１）｜は|10−7|＝３で
あり、|g（X,Y）−ｇ（Ｘ−2,Y−１）｜は|10−7|＝３
で、等しいので、｛ｇ（Ｘ＋2,Y＋１）＋ｇ（Ｘ−2,Y−
１）｝/2＝７を選択する。ｉ＝2,j＝２のとき、|g（X,
Y）−ｇ（Ｘ＋2,Y＋２）｜は|10−8|＝２となり、|g
（X,Y）−ｇ（Ｘ−2,Y−２）｜は|10−6|＝４となり、|
g（X,Y）−ｇ（Ｘ＋2,Y＋２）｜の方が小さいので、ｇ
（Ｘ＋2,Y＋２）＝８を選択する。そして、これら選択
された濃度値８、８、６、８、８、９、７、７、８、
９、７、８の平均値7.75をｇ（X,Y）とする。このよう
にして、各画素の濃度値を決定して、雑音を除去する。
この場合、対象物（細菌の像）の辺縁を保存したまま、
背景の雑音のみを除去できる。
ステップS3の辺縁強調は、原画像に差分処理を施すこ
とによって行なっている。即ち、或る画像の濃度値をｆ
（i,j）とすると、その差分値ｇ（i,j）は、 ｇ（i,j）＝［（Δｉ）2＋（Δｊ）2］1/2となる。た
だし、Δi,Δｊは、 Δｉ＝［ｆ（ｉ＋1,j＋１）＋2f（ｉ＋1,j）＋ｆ（ｉ＋
1,j−１）］−［ｆ（ｉ−1,j＋１）＋2f（ｉ−1,j）＋
ｆ（ｉ−1,j−１）］ Δｊ＝［ｆ（ｉ−1,j＋１）＋2f（i,j＋１）＋ｆ（ｉ＋
1,j＋１）］−［ｆ（ｉ−1,j−１）＋2f（i,j−１）＋
ｆ（ｉ＋1,j−１）］ である。これはゾーベル（Sobel）の処理として公知の
ものである。
ステップS2で雑音除去された画像と、ステップS3で辺
縁強調された画像との濃度和を取ることによって、原画
像から雑音を除去し、かつ辺縁を強調した画像を得る。
このように修正した画像を２値化するために、しきい
値を設定する（ステップS4）。この設定は、分散比を評
価関数とする自動しきい値選定法による。即ち、級間分
散σB 2と級内分散σW 2との比F0（＝σB 2／σW 2）が最大
となる濃度値をしきい値とするものである。ただし、級
間分散σB 2と級内分散σW 2とは、 である。ここで、Ｎは階級の総数、nkはｋ番目の階級の
画素の数、▲▼は階級ｋの画素の濃度値の平均値、
xklは階級ｋのｌ番目の画素の濃度の値、は全画素の
濃度値の平均値である。例えば、濃度１の画素が１個、
濃度２の画素が３個、濃度３の画素が２個、濃度４の画
素が１個、濃度５の画素が４個、濃度６の画素が６個、
濃度７の画素が５個、濃度８の画素が３個からなる画像
（全画素数25）を考えたとき、全画素の濃度値の平均値
は5.28である。ここでは、２値化するのであるからＮ
は２である。
濃度１をしきい値とする（濃度１以下の階級と１より
大きい階級に分ける）と、第１の階級の画素の濃度値の
平均値▲▼は１で、第２の階級の画素の濃度値の平
均値▲▼は5.46である。ゆえに級間分散は、｛１(1
-5.28)2＋24(5.46-5.28)2｝/25＝0.76、級内分散は、１
(1-1)2/25＋｛３(2-5.46)2＋２(3-5.46)2＋１(4-5.46)2
＋４(5-5.46)2＋６(6-5.46)2＋５(7-5.46)2＋３(8-5.4
6)2｝/25＝3.36となり、評価関数の値は、0.76/3.36＝
0.23となる。濃度２をしきい値とすると、第１の階級の
画素の濃度値の平均値▲▼は1.75で、第２の階級の
画素の濃度値の平均値▲▼は5.95である。ゆえに級
間分散は、｛４(1.75-5.28)2＋21(5.95-5.28)2｝/25＝
2.37、級内分散は、｛１(1-1.75)2＋３(2-1.75)2｝/25
＋｛２(3-5.95)2＋１(4-5.95)2＋４(5-5.95)2＋６(6-5.
95)2＋５(7-5.95)2＋３(8-5.95)2｝/25＝1.75となり、
評価関数の値は、2.37/1.75＝1.36となる。
同様にして求めた各しきい値における級間分散、級内
分散及び評価関数の値を次に示す。
この表から明らかなように、しきい値４のときに評価
関数の値が最大となるので、この濃度４をしきい値とし
て用いる。
このようにして設定したしきい値によって２値化を行
なうと、通常は明瞭に２値化が行なわれるが、場合によ
っては明瞭に２値化できないこともある。第５図
（ａ）、（ｂ）は明瞭に２値化できたときの濃度ヒスト
グラムと評価関数の値であり、第６図（ａ）、（ｂ）は
明瞭に２値化できなかったときの濃度ヒストグラムと評
価関数の値である。明瞭に２値化できるときは、評価関
数の値はと奇麗な山を形成し、しきい値は分散比の最大
値の濃度値を取るが、細菌の濃度値が背景の濃度値に接
近している場合には、評価関数は山の途中に丘が出現し
ている。このために、明瞭に２値化できないと考えられ
る。
そこで、ステップS4でしきい値を決定した後、そのし
きい値が適当であるか判断し（ステップS5）、適当でな
い場合には、しきい値の最適化を行なう（ステップS
6）。そのため、各評価関数の値を平滑化した後、差分
値を求める。なお、平滑化したのは、第５図（ｂ）や第
６図（ｂ）では滑らかに描いたが、実際には評価関数は
ジグザグしたものとなり、これが差分値を求める場合
に、悪影響を及ぼすので、それを除去するためである。
このようにして求めた差分値を第７図に示す。同図にお
いて、ａの谷は自動しきい値法によって決定したしきい
値に基づく谷であり、これよりも高い濃度で、ｂ、ｃ、
ｄの谷が形成されている。そこで、これらｂ、ｃ、ｄを
しきい値の候補として、これら候補のしきい値によって
２値化を行ない（ステップS7）、その場合の面積の変化
率を調べ、変化率が最も小さいときのしきい値を最適の
しきい値と決定した。即ち、まず、しきい値ｂから若干
しきい値を前後に動かして、２値化を行ない、そのとき
１とされた画素数（面積）を数え、しきい値ｂのときに
１とされた画素数（面積）も数え、その面積の変化率を
求める。他のしきい値に対しても同様にして面積の変化
率を求める。そして、しきい値ｂ、ｃ、ｄのうち、面積
の変化率が最も小さいものを最適しきい値とする。これ
は、しきい値が最適であれば、例えば第６図（ａ）に示
すようにヒストグラムの谷の部分にそのしきい値がある
ので、前後にしきい値を動かして２値化を行なっても１
となる画素の数はさして変化しないのに対し、最適のし
きい値でないと、同図（ａ）に示すようにしきい値を前
後に移動させると、面積の変化率が大きくなるからであ
る。
このようにして２値化を行なって抽出した細菌の辺縁
は、第８図（ａ）、（ｂ）に示すように凹凸が激しいの
で、縮退及び拡張を行ない、辺縁の修正を行なう（ステ
ップS8）。第８図（ａ）において実線で示したのが細菌
の２値化画像であり、これを８連結を基準として縮退す
る。即ち、各画素に対し、上下、左右、右上、右下、左
上、左下の８つの隣接する画素が全て細菌の像の部分で
ある画素は残し、他の画素は削除する。削除した状態を
ハッチングで示す。この状態から各画素を上記の８方向
に拡張する。この状態を１点鎖線で示す。これによっ
て、凹凸が取れた像が得られる。第８図（ｂ）は、上
下、左右の４連結を基準として縮退及び拡張を行なった
場合を示す。ハッチングで示したのが、縮退した状態、
１点鎖線で示したのが、縮退したものを拡張した状態で
ある。ステップS8では、この他に細菌の２値化画像の中
心等に穴が存在する場合、穴埋めも行なう。
このような処理を行なった細菌の画像に対し、面積
Ａ、周囲長Ｌ、円形度Ｒ、距離分散Ｖを求める。面積Ａ
は細菌の画素数の総和である。従って、例えば第９図の
場合、面積は64である。周囲長Ｌは、細菌の像の上下ま
たは左右に隣接する画素間の距離を１、斜め方向に隣接
する画素間の距離を 細菌の像の周囲の距離の総和である。第９図の場合、 円形度Ｒは４π×A/L2である。距離分散Ｖは、Ｖ＝Σ
（Ｄ（i,j）−）2/Aである。Ｄ（i,j）は細菌の像の
画素（i,j）から重心までのユークリッド距離、は平
均距離である。
これら特徴量を用いて、識別を行なう（ステップS1
0）。この識別の詳細なフローチャートを第10図に示
す。まず、球菌単体のものと長桿菌単体のみを識別する
（ステップS11、12）。この識別は第11図乃至第15図に
示す面積−周囲長２次元分布、面積−距離分散２次元分
布、面積−円形度２次元分布、周囲長−円形度２次元分
布、距離分散−周囲長２次元分布に基づいて行なう。例
えば第11図の面積−周囲長２次元分布を用いた場合、面
積（画素数）100または周囲長45を設定面とし、これよ
り小さいものを球体単体と識別でき、面積500を設定面
とし、これ以上のものを長桿菌単体と識別できる。また
第12図の面積−距離分散２次元分布を用いた場合、面積
100でかつ距離分散6.0を設定面とし、これより小さいも
のを球菌単体と識別できる。また第13図の面積−円形度
２次元分布では、円形度88％以下のものを球体単体と識
別でき、面積450以上のものを長桿菌と識別できる。ま
た第14図の周囲長−円形度２次元分布を用いた場合、周
囲長40以下のものを球菌単体と識別できる。また、第15
図の距離分散−周囲長の２次元分布を用いた場合、距離
分散4.5以下を球菌単体と識別でき、距離分散35.0以上
を長桿菌単体と識別できる。
球菌単体及び長桿菌単体以外のもの（球菌の集合体及
び短桿菌）は、このままでは識別不能であるので、距離
変換を行ない（ステップS13）、骨格抽出を行なう（ス
テップS14）。
ステップ13の距離変換を並列処理による濃度重みつき
距離変換で行なう場合、大きさＭ×Ｎの濃淡画像をｆ
（i,j）とする（第16図（ａ）参照、ただし、０の部分
は省略してある）。但し、ｆ（i,j）≧０、ｉ∈Ni＝
｛１、２、・・・・・Ｍ｝、ｊ∈Nj＝｛１、２、・・・
・・Ｎ｝である。また、画素の連結数は４連結とする。
初期画像g0（i,j）を全てのｉ∈Ni、ｊ∈Njに対して次
のように定める。
但し、Ｃは充分大きな正の整数（第16図（ｂ）では30）
とする。画像の系列：gk（i,j）（Ｋ＝０、１、２・・
・・・）。
第16図（ｃ）にg1+1（i,j）、g2+1（i,j）、g3+1（i,
j）を示す。全てのｉ∈Ni、ｊ∈Njに対してgk+1（i,j）
＝gk（i,j）になると処理を終了する。このときのg
k（i,j）がｆ（i,j）の濃度重み付け距離画像である。
この最大濃度を抽出することによりステップS14の骨格
抽出を行なう。このようにして抽出した骨格にラベル付
を行ない（ステップS15）、それぞれの骨格を複数回に
亙って拡張し、対象物を復元する（ステップS16）。第1
7図（ａ）は距離変換した状態を示し、同図（ｂ）は骨
格を抽出した状態を示す。同図（ｃ）は抽出した骨格を
拡張した状態を示し、左斜めのハッチングは第１回目の
拡張部分、右斜めのハッチングは第２回目の拡張部分、
点を付した部分は第３回目の拡張部分を示す。なお、こ
の拡張は４連結を基準に行なっている。
このようにして拡張を行なったものに上記と同様に周
囲長、面積、円形度、距離分散等の特徴量を求め（ステ
ップS17）、短桿菌か球菌かを第13図乃至第15図を基に
識別している。
〈発明の効果〉 以上のように、特許請求の範囲第１項記載の発明によ
れば、画像処理手段によって粒子ごとにその形態に関す
る複数の特徴量を求め、各特徴量のうち２つで規定され
る二次元分布図を形成し、その分布の違いに基づき粒子
を識別手段が識別するので、単に１つの特徴量によって
粒子を識別する場合と比較して、正確に試料流中の粒子
を自動識別することができる。また、抽出される特徴量
が粒子の形態をよく反映した粒子の形態に関するもので
あるので、粒子が外形に特徴を有するものである場合
に、高精度に識別することができる。
特許請求の範囲第２項記載の発明によれば、好適に粒
子識別を実施することができる。
【図面の簡単な説明】
第１図はこの発明による粒子の自動識別処理装置の１実
施例のフローチャート、第２図は同実施例に使用する機
器のブロック図、第３図は同実施例に使用する機器のチ
ャンバーの部分拡大縦断面図、第４図は第１図のステッ
プS2の雑音除去の説明図、第５図（ａ）は同実施例の撮
像信号の濃度のヒストグラムの１例を示す図、第５図
（ｂ）は第５図（ｃ）のヒストグラムの評価関数と濃度
との関係を示す図、第６図（ａ）は同実施例の撮像信号
のヒストグラムの他の例を示す図、第６図（ｂ）は第６
図（ａ）のヒストグラムの評価関数と濃度との関係を示
す図、第７図は第６図（ｂ）の評価関数の差分値を示す
図、第８図（ａ）、（ｂ）は第１図のステップS8の辺縁
の強調及び穴埋めの前提として行なわれる縮退及び拡張
の説明図、第９図は第１図のステップS9の面積、周囲長
の求め方の説明図、第10図は第１図のステップS10の識
別の詳細なフローチャート、第11図は細菌の面積−周囲
長２次元分布図、第12図は細菌の面積−距離分散の２次
元分布図、第13図は細菌の面積−円形度の２次元分布
図、第14図は細菌の周囲長−円形度の２次元分布図、第
15図は細菌の距離分散−周囲長の２次元分布図、第16図
（ａ）乃至（ｅ）は第10図のステップS13の距離変換の
説明図、第17図（ａ）乃至（ｃ）は第10図のステップS1
4、16の骨格抽出及び拡張の説明図である。 20……CCDテレビジョンカメラ、24……画像メモリシス
テム、30……マイクロコンピュータシステム。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭63−94156（ＪＰ，Ａ) 特開 昭61−71337（ＪＰ，Ａ) 特開 昭59−184841（ＪＰ，Ａ) 特開 昭60−52741（ＪＰ，Ａ) 特開 昭62−79330（ＪＰ，Ａ) 特開 昭61−17043（ＪＰ，Ａ) 実開 昭61−161744（ＪＰ，Ｕ) (58)調査した分野(Int.Cl.6，ＤＢ名) G01N 15/02 G01N 15/14

Claims (2)

    (57)【特許請求の範囲】
  1. 【請求項１】粒子を含む試料液をシース液で囲んで流し
    偏平な試料流を形成するフローセルを含む流体系手段
    と、 上記試料流中の粒子の静止画像を撮像する撮像手段と、 撮像された画像に対してしきい値を設定し２値化を行う
    ことにより粒子の像を抽出し、その抽出された粒子の像
    から粒子ごとにその形態に関する複数種類の特徴量を求
    める画像処理手段と、 この画像処理手段によって求められた上記形態に関する
    複数種類の特徴量のうち２種類の特徴量を用いて二次元
    分布図を形成し、その二次元分布図における分布の違い
    に基づき粒子を識別する識別手段と、 を備えることを特徴とする粒子の自動識別装置。
  2. 【請求項２】上記複数種類の特徴量が、粒子像の面積を
    反映する特徴量、周囲長を反映する特徴量、円形度を反
    映する特徴量及び粒子像中の各画素から重心までの距離
    の分散を反映する特徴量の中から選ばれた特徴量を含む
    ことを特徴とする特許請求の範囲第１項記載の粒子の自
    動識別装置。
JP63206848A 1988-08-19 1988-08-19 粒子の自動識別処理装置 Expired - Lifetime JP2826736B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP63206848A JP2826736B2 (ja) 1988-08-19 1988-08-19 粒子の自動識別処理装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP63206848A JP2826736B2 (ja) 1988-08-19 1988-08-19 粒子の自動識別処理装置

Publications (2)

Publication Number Publication Date
JPH0255953A JPH0255953A (ja) 1990-02-26
JP2826736B2 true JP2826736B2 (ja) 1998-11-18

Family

ID=16530056

Family Applications (1)

Application Number Title Priority Date Filing Date
JP63206848A Expired - Lifetime JP2826736B2 (ja) 1988-08-19 1988-08-19 粒子の自動識別処理装置

Country Status (1)

Country Link
JP (1) JP2826736B2 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1994026870A1 (en) * 1993-05-14 1994-11-24 Minnesota Mining And Manufacturing Company Method for rapid quantification of microorganism growth
JP3411112B2 (ja) * 1994-11-04 2003-05-26 シスメックス株式会社 粒子画像分析装置
US5694478A (en) * 1994-12-15 1997-12-02 Minnesota Mining And Manufacturing Company Method and apparatus for detecting and identifying microbial colonies
US6251624B1 (en) 1999-03-12 2001-06-26 Akzo Nobel N.V. Apparatus and method for detecting, quantifying and characterizing microorganisms
JP2006194788A (ja) * 2005-01-14 2006-07-27 Sysmex Corp 粒子画像処理方法と装置およびそのプログラム
JP4869843B2 (ja) 2006-09-06 2012-02-08 オリンパス株式会社 細胞画像処理装置および細胞画像処理方法
JP5127606B2 (ja) * 2008-07-08 2013-01-23 シスメックス株式会社 細菌分析装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61161744U (ja) * 1985-03-29 1986-10-07
JPH073419B2 (ja) * 1986-10-07 1995-01-18 東亜医用電子株式会社 流体中の細胞分析方法および装置

Also Published As

Publication number Publication date
JPH0255953A (ja) 1990-02-26

Similar Documents

Publication Publication Date Title
JP3822242B2 (ja) スライド及び試料の調製品質を評価するための方法及び装置
Crocker et al. Methods of digital video microscopy for colloidal studies
US6529612B1 (en) Method for acquiring, storing and analyzing crystal images
Brugal et al. A double scanning microphotometer for image analysis: hardware, software and biomedical applications.
Sieracki et al. Evaluation of automated threshold selection methods for accurately sizing microscopic fluorescent cells by image analysis
US5083014A (en) Automatic focal-point adjustment method in flow imaging cytometer
US20020196964A1 (en) Robust stain detection and quantification for histological specimens based on a physical model for stain absorption
JPH10506484A (ja) 生物学分析系自己校正装置
CN103534628A (zh) 显微镜成像中的快速自动聚焦
JP2001512824A (ja) 悪性細胞および悪性関連の変化を有する細胞を自動的に検出するシステムおよび方法
JP2826736B2 (ja) 粒子の自動識別処理装置
JPH10506462A (ja) 自動化された細胞学的スコアリングのために不適切な状態を検出するための方法および装置
US4667335A (en) Method of determining the diagnostic significance of the content of a volume of biological sample containing particles
US4519087A (en) Method of determining the diagnostic significance of the content of a volume of biological sample containing particles
US7352900B2 (en) Apparatus and method for processing particle images and program product for same
KR910005632B1 (ko) 미생물을 포함한 혼합액중의 사상성 미생물의 농도 측정장치
JOHNSON et al. Metaphase spread detection and focus using closed circuit television
JPH08145871A (ja) 粒子画像の領域分割方法及び装置
Allen et al. Automatic recognition of light microscope pollen images
Wheeless Jr et al. Imaging systems for correlation of false alarms in flow.
JPS5830049B2 (ja) 網赤血球自動計測装置
JP2743509B2 (ja) フロック計測装置の２値化閾値決定方法
TW200825947A (en) Microscopic image analysis method and system of microfluidic cells
JPH1048120A (ja) 粒子分析装置
JP3851395B2 (ja) 光学部材検査装置及び光学部材検査方法