JP4747031B2 - Method for detecting parameter value for image analysis processing, program for detecting parameter value for image processing, and method for counting target object using parameter value detected by them - Google Patents
Method for detecting parameter value for image analysis processing, program for detecting parameter value for image processing, and method for counting target object using parameter value detected by them Download PDFInfo
- Publication number
- JP4747031B2 JP4747031B2 JP2006136847A JP2006136847A JP4747031B2 JP 4747031 B2 JP4747031 B2 JP 4747031B2 JP 2006136847 A JP2006136847 A JP 2006136847A JP 2006136847 A JP2006136847 A JP 2006136847A JP 4747031 B2 JP4747031 B2 JP 4747031B2
- Authority
- JP
- Japan
- Prior art keywords
- parameter value
- image
- value
- counting
- image analysis
- 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 - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
Description
本発明は、画像解析処理による計数対象物の計数方法において、適切な画像解析処理のパラメータ値を検出することができる画像解析処理のパラメータ値の検出方法、及び画像処理のパラメータ値の検出プログラム、並びにそれらによって検出されたパラメータ値を用いた計数対象物の計数方法に関する。 The present invention relates to a counting method of a counting object by image analysis processing, a parameter value detection method of image analysis processing capable of detecting an appropriate parameter value of image analysis processing, and a program for detecting parameter values of image processing, In addition, the present invention relates to a counting object counting method using parameter values detected by them.
アスベスト（石綿）は、耐熱性や抗張力などの優れた物性を持ち、安価であるため、１９６０年頃をピークとして建設材料などに大量に使用されたが、アスベストは、アスベスト肺、肺癌、中皮腫などの疾病を引き起こすことが明らかになっている。このため、平成１６年から、アスベスト含有率が１重量％を超える製品の製造・使用等が禁止されているが、それ以前に立てられた建築物の老朽化や解体に伴いアスベストが大気中に飛散する懸念が高まっている。また、今後、２０２０年をピークとして、毎年１００万トン（１億ｍ２）以上石綿含有建築材料が廃棄物として発生するとの予測がなされている。 Asbestos (asbestos) has excellent physical properties such as heat resistance and tensile strength, and is inexpensive. Therefore, asbestos has been used in large quantities as a construction material after peaking around 1960. It has been revealed that it causes diseases such as. For this reason, the manufacture and use of products whose asbestos content exceeds 1% by weight has been prohibited since 2004, but asbestos has been in the atmosphere due to the aging and dismantling of buildings built before that time. There are growing concerns about scattering. In addition, it is predicted that asbestos-containing building materials will be generated as waste every year with a peak of 2020 in the future, more than 1 million tons (100 million m 2 ).
このため、近年、建築物の解体現場などにおいて、大気中のアスベスト濃度を測定することが義務付けられている。従来、大気中のアスベスト濃度は、大気をろ過したフィルタ上を顕微鏡で観察し、肉眼で繊維数を計数することで大気中繊維数濃度を求める方法がとられているが、この方法では、測定者の目を酷使する手間のかかる測定法であるうえに、観察者の熟練度により計数の精度が左右されるなど問題点も多い。そこで、目視計数の手間を減らすべく、顕微鏡画像をコンピュータに取り込み、画像解析処理により繊維数を自動計数する装置が開発されている（特許文献１参照）。例えば、旭化成エンジニアリング（株）の画像解析ソフト「Ａ像くん」を用いることによって行なうことができる。 For this reason, in recent years, it has been obliged to measure the concentration of asbestos in the atmosphere, such as at the site of building demolition. Conventionally, asbestos concentration in the atmosphere has been measured by observing the air filtered filter with a microscope and counting the number of fibers with the naked eye. In addition to the time-consuming measurement method that overuses the eyes of the observer, there are many problems such as the accuracy of counting being affected by the skill of the observer. Therefore, in order to reduce the labor of visual counting, an apparatus has been developed that captures a microscope image into a computer and automatically counts the number of fibers by image analysis processing (see Patent Document 1). For example, the image analysis software “A Image-kun” manufactured by Asahi Kasei Engineering Co., Ltd. can be used.
しかしながら、画像解析処理により繊維数を自動計数する場合に、画像解析処理の濃度、コントラスト、色相、彩度、明度、カラーバランス又はこれらの勾配値など各種パラメータを適切な値に設定する必要があり、各種パラメータの値が適切でないと、誤差が生じるという問題がある。例えば、画像解析処理による繊維数の自動計数は、一定以上の濃度勾配を検出しそれを繊維のエッジとして判定することによって、繊維を認識しているが、濃度勾配を検出する閾値をどのように設定するかによって、繊維のエッジとして判定する基準が異なる。濃度勾配を検出する閾値が小さすぎる場合、色が薄い、すなわち背景と繊維部分における濃度勾配の低い繊維（径の小さい繊維は薄く観察される）まで検出できるが、この場合、計数すべきでない画像内のノイズなども検出しまい、また単一繊維中の細かな濃度勾配にも反応して、１本の繊維を複数本として検出しまう場合がある。一方、閾値が大きすぎると、コントラストが明確な繊維の形状を誤ることなく検出でき、画像内の細かなノイズも無視して解析が行なわれるが、この場合、コントラストが不明確な繊維を検出しないという問題がある。したがって、画像解析処理において、各種パラメータを適切な値に設定することは、極めて重要であるが、適切なパラメータ値を設定するためには、試行錯誤によって、実測計数値との誤差が少ない値を検出する必要がある。 However, when the number of fibers is automatically counted by image analysis processing, it is necessary to set various parameters such as density, contrast, hue, saturation, lightness, color balance, and gradient values of the image analysis processing to appropriate values. If the values of various parameters are not appropriate, there is a problem that errors occur. For example, the automatic counting of the number of fibers by image analysis processing recognizes fibers by detecting a concentration gradient of a certain level or more and determining it as an edge of the fiber. The criterion for determining the edge of the fiber differs depending on whether it is set. If the threshold value for detecting the density gradient is too small, it is possible to detect even light fibers, that is, fibers with a low density gradient in the background and fiber parts (fibers with a small diameter are observed thin), but in this case, images that should not be counted In some cases, a single fiber is detected as a plurality of fibers in response to a fine concentration gradient in a single fiber. On the other hand, if the threshold is too large, it is possible to detect the shape of a fiber with a clear contrast without error, and the analysis is performed ignoring fine noise in the image, but in this case, a fiber with an unclear contrast is not detected. There is a problem. Therefore, in image analysis processing, it is extremely important to set various parameters to appropriate values, but in order to set appropriate parameter values, values that have a small error from the measured count value by trial and error are used. It needs to be detected.
そこで、本発明は、画像解析処理による計数対象物の計数方法において、適切な画像解析処理のパラメータ値を容易に検出することができる画像解析処理のパラメータ値の検出方法、及び画像処理のパラメータ値の検出プログラム、並びにそれらによって検出されたパラメータ値を用いた計数対象物の計数方法を提供することを目的とする。 Therefore, the present invention provides a method for detecting a parameter value for an image analysis process that can easily detect an appropriate parameter value for the image analysis process, and a parameter value for the image process in the counting method of the counting object by the image analysis process. It is an object of the present invention to provide a counting program for counting objects using parameter values detected by these detection programs.
以上の目的を達成するため、本発明は、画像解析処理による計数対象物の計数方法における画像解析処理の適切なパラメータ値を検出するパラメータ値の検出方法であって、実測計数された計数対象物の実測計数値と、前記パラメータ値を変化させて、変化されたパラメータ値毎の前記画像解析処理によって計数された複数の計数対象物の画像処理計数値と、前記画像解析処理によって計数された計数対象物のうち、前記実測計数された計数対象物の数である正解計数値とが入力されると、入力された実測計数値、画像処理計数値及び正確計数値を数７乃至９に当てはめて、変化されたパラメータ毎の検出率、正解率及び誤差率を算出する工程と、算出された検出率及び正解率が所定の値以上であり、かつ誤差率が０±所定の範囲である場合のパラメータ値を検出する工程と、を備えたことを特徴とし、また、本発明は、画像解析処理による計数対象物の計数方法における画像解析処理の適切なパラメータ値を検出するパラメータ値の検出プログラムであって、実測計数された計数対象物の実測計数値と、前記パラメータ値を変化させて、変化されたパラメータ値毎の前記画像解析処理によって計数された複数の計数対象物の画像処理計数値と、前記画像解析処理によって計数された計数対象物のうち、前記実測計数された計数対象物の数である正解計数値とが入力されると、入力された実測計数値、画像処理計数値及び正確計数値を数４乃至６に当てはめて、変化されたパラメータ毎の検出率、正解率及び誤差率を算出するステップと、算出された検出率及び正解率が所定の値以上であり、かつ誤差率が０±所定の範囲である場合のパラメータ値を検出するステップと、をコンピュータに実行させるためのパラメータ値検出プログラムである。 In order to achieve the above object, the present invention provides a parameter value detection method for detecting an appropriate parameter value for image analysis processing in a counting target object counting method by image analysis processing, wherein The actual measurement count value, the parameter value is changed, the image processing count value of a plurality of counting objects counted by the image analysis processing for each changed parameter value, and the count counted by the image analysis processing When the correct count value, which is the number of the actually measured counting objects among the objects, is input, the input actual count value, image processing count value, and accurate count value are applied to Formulas 7 to 9 to change A step of calculating a detection rate, a correct answer rate, and an error rate for each parameter, and the calculated detection rate and correct answer rate are not less than a predetermined value and the error rate is 0 ± predetermined range. And a parameter value detection program for detecting an appropriate parameter value for image analysis processing in a counting object counting method by image analysis processing. And the actual measurement count value of the counting object actually measured and the image processing count value of the plurality of counting objects counted by the image analysis processing for each changed parameter value by changing the parameter value When the correct count value, which is the number of the counting objects actually measured among the counting objects counted by the image analysis process, is input, the actually measured count value, the image processing count value, and the accurate count value are input. And calculating the detection rate, accuracy rate, and error rate for each changed parameter, and the calculated detection rate and accuracy rate are equal to or greater than a predetermined value. And a parameter value detection program for causing a computer to execute a parameter value detection step when the error rate is 0 ± predetermined range.
また、本発明は、前記パラメータ値の検出方法によって検出されたパラメータ値、又は前記パラメータ値の検出プログラムによって検出されたパラメータ値を設定して、画像解析処理による計数対象物の計数を行なう計数対象物の計数方法である。 The present invention also provides a counting object for setting the parameter value detected by the parameter value detection method or the parameter value detected by the parameter value detection program and counting the counting object by image analysis processing. This is a method for counting objects.
本発明において、実測計数された計数対象物の実測計数値とは、肉眼によって顕微鏡画像の計数対象物が計数された値のことをいい、画像解析処理によって計数された計数対象物の画像処理計数値とは、画像解析処理によって顕微鏡画像の計数対象物が計数された値のことをいう。 In the present invention, the actually measured count value of the counting object actually measured means a value obtained by counting the counting object of the microscopic image with the naked eye, and the image processing meter of the counting object counted by the image analysis processing. The numerical value is a value obtained by counting the counting object of the microscope image by the image analysis process.
画像解析処理によって計数された計数対象物の画像処理計数値が、実測計数値と一致していたとしても、画像解析処理によって計数された計数対象物のうち、実測計数されていない計数対象物が含んでいないとは、限らないので、画像解析処理による計数処理の正確さは、単純に画像処理計数値と実測計数値の差からは、求めることができない。本発明においては、画像解析処理によって計数された計数対象物のうち、実測計数された計数対象物の数である正解計数値を用いることによって、画像解析処理による計数処理の正確さを評価しているのである。 Even if the image processing count value of the counting object counted by the image analysis processing is coincident with the actual measurement count value, among the counting objects counted by the image analysis processing, there are counting objects that are not actually counted. Since it does not necessarily contain, the accuracy of the counting process by the image analysis process cannot be obtained simply from the difference between the image processing count value and the actually measured count value. In the present invention, among the counting objects counted by the image analysis process, the accuracy of the counting process by the image analysis process is evaluated by using the correct count value that is the number of the counting objects actually counted. is there.
本発明において、計数対象物としては、アスベスト繊維、花粉、真菌、ディーゼル排出粒子などの浮遊物質や細胞などがある。 In the present invention, the counting objects include suspended substances such as asbestos fibers, pollen, fungi, diesel exhaust particles and cells.
画像解析処理に用いられるパラメータ値としては、様々なものがあり、例えば、濃度、コントラスト、色相、彩度、明度及びカラーバランス並びにこれらの勾配値など画像パラメータがある。また、その他に、計数対象物の面積、周囲長、形状係数及びアスペクト比など計数対象物の形状のパラメータがある。 There are various parameter values used for the image analysis processing, for example, image parameters such as density, contrast, hue, saturation, brightness and color balance, and gradient values thereof. In addition, there are parameters of the shape of the counting object such as the area, circumference, shape factor, and aspect ratio of the counting object.
以上のように、本発明によれば、画像解析処理による計数対象物の計数方法において、適切な画像解析処理のパラメータ値を容易に検出することができる画像解析処理のパラメータ値の検出方法、及び画像処理のパラメータ値の検出プログラム、並びにそれらによって検出されたパラメータ値を用いた計数対象物の計数方法を提供することができる。 As described above, according to the present invention, in the counting object counting method based on the image analysis process, a parameter value detection method for the image analysis process that can easily detect an appropriate parameter value for the image analysis process, and It is possible to provide a parameter value detection program for image processing, and a counting object counting method using the parameter values detected by them.
次に、本発明に係る画像解析処理のパラメータ値の検出プログラムの実施例について、説明する。図１は、本実施例に係る検出プログラムが搭載されたコンピュータのブロック図である。本実施例に係る検出プログラム１０は、画像解析処理のパラメータ値として、濃度勾配の適切な閾値を検出するプログラムである。本実施例に係る検出プログラム１０は、図１に示すように入力された正解計数値及び実測計数値から検出率を各濃度勾配の閾値毎算出する検出率算出部１２と、入力された正解計数値及び画像処理計数値から正解率を各濃度勾配の閾値毎算出する正解率算出部１４と、入力された画像処理計数値及び実測計数値から誤差率を各濃度勾配の閾値毎算出する誤差率算出部１６と、検出率算出部１２によって算出された検出率及び正解率算出部１４によって算出された正解率が０．８以上で、かつ誤差率算出部１６によって算出された誤差率が−０．１〜＋０．１である濃度勾配の閾値の範囲を検出する濃度勾配閾値検出部１８と、を備えている。
Next, an embodiment of a parameter value detection program for image analysis processing according to the present invention will be described. FIG. 1 is a block diagram of a computer on which a detection program according to the present embodiment is installed. The
検出率算出部１２は、上記数７に基づいて検出率を算出し、正解率算出部１４は、上記数８に基づいて正解率を算出し、誤差率算出部１６は、上記数９に基づいて誤差率を算出する。
The detection
本実施例に係る検出プログラム１０が搭載されたコンピュータは、検出プログラム１０が格納されたハードディスク２０と、メモリ２２、ＣＰＵ２４、ディスプレイなど表示部２６並びにキーボード及びマウスなど入力部２８などから構成されている。
A computer on which the
次に、本実施例に係る画像解析処理のパラメータ値の検出プログラムの動作について、図２に示すフローチャートに基づいて説明する。先ず、各濃度勾配の閾値毎の実測計数値、画像処理計数値及び正解計数値が入力されると、検出率算出部１２、正解率算出部１４及び誤差率算出部１６は、各濃度勾配の閾値毎の検出率、正解率及び誤差率を算出する（Ｓ１００）。次に、濃度勾配閾値検出部１８は、算出された各濃度勾配の閾値毎の検出率、正解率及び誤差率のうち、検出率及び正解率が０．８以上で、かつ誤差率が−０．１〜＋０．１である濃度勾配の閾値の範囲を検出する（Ｓ１０２）。
Next, the operation of the parameter value detection program for image analysis processing according to the present embodiment will be described based on the flowchart shown in FIG. First, when the measured count value, the image processing count value, and the correct count value for each threshold value of each density gradient are input, the detection
本実施例に係る検出プログラムとして、濃度勾配の適切な閾値を検出するものについて説明したが、これに限定されず、画像解析処理に用いられる他のパラメータ値であっても良く、例えば画像解析処理のパラメータとして、コントラスト、色相、彩度、明度、カラーバランス又はこれらの勾配値などを検出するものであっても良い。また、本実施例に係る検出プログラムにおいては、検出率及び正解率が０．８以上で、かつ誤差率が−０．１〜＋０．１であるパラメータである濃度勾配の閾値の範囲を検出するように構成したが、これに限定されない。 The detection program according to the present embodiment has been described with respect to detecting an appropriate threshold value of the concentration gradient. However, the present invention is not limited to this, and other parameter values used for image analysis processing may be used. As such parameters, contrast, hue, saturation, brightness, color balance, or gradient values thereof may be detected. Further, in the detection program according to the present embodiment, the range of the threshold value of the density gradient which is a parameter having a detection rate and a correct answer rate of 0.8 or more and an error rate of −0.1 to +0.1 is detected. However, the present invention is not limited to this.
次に、本実施例に係る画像解析処理のパラメータ値の検出プログラムを用いて、実際にアスベストの計数測定の画像解析処理に適切な濃度勾配の閾値を検出した。計数対象物の計数測定は、旭化成エンジニアリング（株）の画像解析ソフト「Ａ像くん」を用いた。先ず、上記画像解析ソフトを用いたアスベスト繊維の画像解析処理について、説明する。画像解析処理は、位相差分散顕微鏡を用いてアスベストの分散染色画像を撮影し、その画像を画像処理ソフトに取り込み、以下の前処理を行なった後、画像の濃度レベル変換→分散色の抽出→抽出による切断等の修復→雑音消去→画像演算→針状物解析→表計算処理を順に行なう。 Next, the threshold value of the density gradient suitable for the image analysis process of the asbestos count measurement was actually detected by using the parameter analysis program for the image analysis process according to the present embodiment. Image analysis software “A image kun” of Asahi Kasei Engineering Co., Ltd. was used for counting measurement of the counting object. First, image analysis processing of asbestos fibers using the image analysis software will be described. In the image analysis process, an asbestos dispersion-stained image is taken using a phase-contrast dispersion microscope, the image is taken into image processing software, and after the following preprocessing, the image density level conversion → dispersion color extraction → Repair such as cutting by extraction → noise elimination → image calculation → needle analysis → spreadsheet processing.
画像の濃度レベル変換
最初に画像の濃度レベル変換を行なう。画像の濃度レベル変換を行なう目的は、（１）特徴抽出の制度向上、簡易化のための前処理として、ヒストグラム（濃度階調）変換によるコントラスト強調を行なうこと（画像の持つ濃度幅を広げることにより、明暗の差がはっきりした画像に変換する）、及び（２）異なった照明条件で撮影された複数の画像の濃度値を正規化（濃度分布がある一定の平均値と標準偏差をもつよう濃度変換）することにより、次のステップの「分散色の抽出」において抽出色の相互比較を可能とすること（背景色などを揃えることで、撮影時の照明条件などの影響を排除し、画像内において色の表現である（Ｒ、Ｇ、Ｂ）値を統一させる）である。画像の濃度レベル変換は、分散染色の画像のヒストグラムを観察し、それぞれの平均値や標準偏差の傾向を調べることによって、どのような形のヒストグラムに正規化するかを検討し、平均値ｍ、標準偏差σのヒストグラムを平均値ｍ0、標準偏差σ0に変換するために、入力濃度ｘin（０〜２５５の範囲）を数１０に当てはめることによって、出力濃度ｘoutに変換する。
Image density level conversion First, image density level conversion is performed. The purpose of image density level conversion is as follows: (1) Contrast enhancement by histogram (density gradation) conversion as a pre-processing for improving and simplifying the feature extraction system (widening the density range of images) (2) Normalize density values of multiple images taken under different lighting conditions (concentration distribution has a certain average value and standard deviation) By performing density conversion, it is possible to compare the extracted colors in the next step of “dispersed color extraction” (by aligning the background color, etc., eliminating the influence of lighting conditions, etc. during shooting) (R, G, and B values are unified). In the density level conversion of the image, by observing the histogram of the image of disperse staining and examining the tendency of the average value and standard deviation of each image, it is examined what type of histogram to normalize, the average value m, In order to convert the histogram of the standard deviation σ into the average value m 0 and the standard deviation σ 0 , the input density x in (range of 0 to 255) is applied to
分散色の抽出
次に、分散色の抽出を行なう目的は、アスベストが示す分散色と同色である画像部分のみを抽出するため、分散色の抽出を行なう。なお、それに先立ち、どのような色成分の抽出を行なうかの検討を行なう（分散色の代表的な（Ｒ、Ｇ、Ｂ）値を求める。その色からどの程度の色のずれを許容すればうまくアスベスト繊維の抽出を行なえるかを検討）。分散色の抽出は、以下の操作によって行なわれる。すなわち、アスベスト分散色のサンプルを多く観察し、抽出したい色がどのような範囲に分散しているかを調べる。分散色の基準色（Ｒｓ、Ｇｓ、Ｂｓ）を求め、色空間距離Ｄ（基準色からのずれ度合い）を数１１に当てはめて算出して、Ｄの値に関して、閾値を設定する。これらにより、基準色・色閾値の設定を行い、閾値より大きな値をもつ画素は抽出せず消去（背景と同色に）することで、目的色の画素のみの抽出（二値画像化）を行なう。
Extraction of dispersed color Next, the purpose of extracting the dispersed color is to extract only the image portion having the same color as the dispersed color indicated by asbestos. Prior to this, what kind of color component is to be extracted is examined (representative (R, G, B) values of dispersed colors are obtained. What color deviation is allowed from that color? Study whether the extraction of asbestos fibers can be performed well). The dispersion color is extracted by the following operation. That is, many samples of asbestos dispersed colors are observed, and the range in which the color to be extracted is dispersed is examined. A reference color (Rs, Gs, Bs) of the dispersed color is obtained, calculated by applying the color space distance D (degree of deviation from the reference color) to Equation 11, and a threshold is set for the value of D. Thus, the reference color / color threshold value is set, and pixels having a value larger than the threshold value are not extracted but deleted (same color as the background), so that only the target color pixel is extracted (binary image formation). .
抽出による切断等の修復
次に、色抽出の際に、抽出色条件を満たさなかったことで断片化・穴が発生した画像の修復を行なうため、抽出による切断等の修復を行う。抽出による切断等の修復は、先ず二値化画像の膨張、収縮の操作を同数ずつ（膨張数回、収縮数回の順）で行なう（膨張によって繋がった部分は、収縮を行なっても保持されることを利用）。それぞれ、連結数として４連結・８連結の選択が可能であり、操作を何回行なえば元の画像の情報を正確に反映できるかの検討を行なう（できるだけ少ない回数にとどめられるように、色抽出のサイドからも検討を行なう）。次に、色抽出の際に穴が生じてしまった画像については、穴埋めを行なう。
Restoration such as cutting by extraction Next, in the case of color extraction, repair such as cutting by extraction is performed in order to repair an image in which fragmentation or a hole has occurred because the extraction color condition is not satisfied. For restoration such as cutting by extraction, first, the binarized image is expanded and contracted by the same number (in the order of several expansions and several contractions) (the parts connected by expansion are retained even after contraction). Can be used). The number of connections can be selected from 4 connections and 8 connections, and the number of operations is examined to determine how accurately the information of the original image can be reflected (color extraction so that the number of connections can be kept as low as possible) (Study also from the side). Next, for an image in which a hole has been generated during color extraction, the hole is filled.
雑音消去
次に、明らかに繊維でないと判断できる球状粒子や微小粒子・ノイズなどを除去することで針状物解析の際の誤抽出を最小限に抑えるため、雑音消去を行なう。雑音処理は、指定値以上の真円度（Roundness、周囲長２／４π×面積）を持つ図形を除去し、指定値以下の面積をもつ図形を除去する。
Noise elimination Next, noise elimination is performed to minimize erroneous extraction during needle-like analysis by removing spherical particles, fine particles and noise that can be clearly judged not to be fibers. In the noise processing, a figure having a roundness (Roundness, peripheral length 2 / 4π × area) equal to or greater than a specified value is removed, and a figure having an area equal to or less than the specified value is removed.
二値化画像と元画像の演算
次に、エッジ抽出をするために、二値画像ではなく濃度勾配のある画像に変換することを目的として、二値化画像と元画像の演算を行なう。二値化画像と元画像の演算は、元画像のＲ／Ｇ／Ｂ成分と演算（加算／減算／乗算／除算／ＡＮＤ／ＯＲ）を行い、どの組合せが針状物解析に最も適しているかを検討することによって行なわれる。
Calculation of binarized image and original image Next, for the purpose of edge extraction, the binarized image and the original image are calculated for the purpose of converting to an image having a density gradient instead of a binary image. Computation of the binarized image and the original image is performed with the R / G / B component of the original image (addition / subtraction / multiplication / division / AND / OR), and which combination is most suitable for needle-shaped object analysis. Is done by considering.
針状物解析
次に、画像から繊維状粒子を抽出し、形状計測を行なうため、針状物解析を行なう。針状物解析は、有効最小長さ・有効最大幅・エッジ追跡角度・針状物の明暗・濃度勾配の閾値などを設定して、エッジの検出→エッジの追跡→領域分割・針状粒子のラベリング・形状計測を行なうことによって行なわれる。
Needle-like analysis Next, in order to extract fibrous particles from the image and measure the shape, needle-like analysis is performed. Needle analysis is performed by setting effective minimum length, effective maximum width, edge tracking angle, needle brightness, density gradient threshold, etc., and edge detection → edge tracking → area segmentation / needle particle This is done by performing labeling and shape measurement.
表計算処理
次に、針状物解析でラベリングされた粒子の形状条件から、アスベストの条件に合致するものを抽出し、個数カウントや長さ別ヒストグラム作成を行なうため、表計算処理を行う。表計算処理は、画像解析ソフトで得られた針状解析結果をエクセルで読み込み、オートフィルタ・個数カウント・分析ツール（ヒストグラム）等を利用して、アスベスト繊維の計数と形状情報の整理を行なうことによって行なわれる。
Table Calculation Processing Next, a table calculation processing is performed in order to extract particles that meet the asbestos conditions from the particle shape conditions labeled in the needle-like object analysis, and to create a count by number and a histogram by length. The spreadsheet process reads the acicular analysis results obtained with the image analysis software in Excel and uses an autofilter, number count, analysis tool (histogram), etc. to count the asbestos fibers and organize the shape information. Done.
以上のように、画像解析処理によってアスベスト繊維の計数測定を行なうことができるが、その前提として、本実施例に係る検出プログラムを用いることによって、濃度勾配の閾値を決定する。先ず、本実施例に係る検出プログラムに入力される実測計数値、画像処理計数値及び正解計数値を測定する。 As described above, asbestos fibers can be counted by image analysis processing. As a premise thereof, the threshold value of the concentration gradient is determined by using the detection program according to the present embodiment. First, an actually measured count value, an image processing count value, and a correct answer count value input to the detection program according to the present embodiment are measured.
実測計数値の計測
実測計数値の測定は、アスベストが浮遊した大気をろ過したフィルタの顕微鏡写真を撮影し、その顕微鏡写真から肉眼でアスベスト繊維数を計数することによって行なった。
Measurement of the actual count value The actual count value was measured by taking a micrograph of a filter obtained by filtering the air in which asbestos was suspended and counting the number of asbestos fibers with the naked eye from the micrograph.
画像処理計数値の計測
次に、濃度勾配の閾値を変化させて、変化された濃度勾配の閾値毎の前記画像解析処理によって計測された複数のアスベストの画像処理計数値を測定した。画像処理計数値の測定は、濃度勾配の閾値（０から２５５）を４０、７０、８０、９０、１００、１１０、１２０、１４０、１６０及び２００に変化させて、１１段階の濃度勾配の閾値それぞれについて、前記前処理を行なった画像に対して、画像解析ソフトを用いて、アスベスト繊維を計数することによって行なった。
Measurement of image processing count value Next, the threshold value of the density gradient was changed, and the image processing count value of a plurality of asbestos measured by the image analysis processing for each changed threshold value of the density gradient was measured. The image processing count value is measured by changing the density gradient threshold (0 to 255) to 40, 70, 80, 90, 100, 110, 120, 140, 160 and 200, respectively. For the image subjected to the pre-processing, asbestos fibers were counted using image analysis software.
正解計数値の計測
次に、前記画像解析処理によって計数された計数対象物のうち、前記実測計数された計数対象物の数である正解計数値を測定した。正解計数値の測定は、画像解析ソフトを用いてアスベスト繊維の計数測定を行なった際、計数された針状繊維それぞれには、ラベリング（ＩＤ）が付され、各ラベリング毎に繊維長やアスペクト比など出力されるので、画像解析ソフトによってアスベスト繊維として計数された繊維のうち、肉眼によって計数されなかった繊維数を計数し、画像処理計数値からその計数値の差を算出することによって行った。
Measurement of correct count value Next, among the count objects counted by the image analysis processing, the correct count value which is the number of the actually counted count objects was measured. The correct count value is measured when the asbestos fibers are counted using image analysis software. Each counted needle fiber is labeled (ID), and the fiber length and aspect ratio for each labeling. Therefore, among the fibers counted as asbestos fibers by the image analysis software, the number of fibers not counted by the naked eye was counted, and the difference between the counted values was calculated from the image processing count value.
濃度勾配の閾値の検出
次に、上記計測された実測計数値、並びに濃度勾配の閾値毎の画像処理計数値及び正解計数値それぞれを入力部２８によって、入力すると検出プログラム１０が稼動して、それぞれの濃度勾配の閾値毎に検出率、正解率及び誤差率が算出される。算出された各濃度勾配の閾値毎の検出率、正解率及び誤差率のうち、検出率及び正解率が０．８以上で、かつ誤差率が−０．１〜＋０．１である濃度勾配の閾値の範囲は、７０〜９０であることが湾出された。
Detection of the threshold value of the density gradient Next, when the measured actual count value and the image processing count value and the correct answer count value for each density gradient threshold value are input by the
このように設定された濃度勾配の閾値は、測定条件が同じであれば、繰り返し利用することができるので、測定条件ごとの濃度勾配の閾値を予め検出することによって、その濃度勾配の閾値を上記画像処理ソフトに設定することによって、画像処理によるアスベスト繊維の測定を行なうことができる。 The concentration gradient threshold value set in this way can be used repeatedly as long as the measurement conditions are the same. Therefore, by detecting the concentration gradient threshold value for each measurement condition in advance, the concentration gradient threshold value can be set as described above. By setting the image processing software, asbestos fibers can be measured by image processing.
Claims (3)
実測計数された計数対象物の実測計数値と、前記パラメータ値を変化させて、変化されたパラメータ値毎の前記画像解析処理によって計数された複数の計数対象物の画像処理計数値と、前記画像解析処理によって計数された計数対象物のうち、前記実測計数された計数対象物の数である正解計数値とが入力されると、入力された実測計数値、画像処理計数値及び正確計数値を数１乃至３に当てはめて、変化されたパラメータ毎の検出率、正解率及び誤差率を算出する工程と、
算出された検出率及び正解率が所定の値以上であり、かつ誤差率が０±所定の範囲である場合のパラメータ値を検出する工程と、を備えたことを特徴とするパラメータ値の検出方法。
The actually measured count value of the counting object actually measured, the image processing count value of the plurality of counting objects counted by the image analysis processing for each changed parameter value, and the image Of the counting objects counted by the analysis process, when a correct answer value that is the number of the counting objects actually measured is inputted, the inputted actual measurement value, image processing count value, and accurate count value are expressed by Equation 1. To calculating the detection rate, accuracy rate, and error rate for each changed parameter by applying to 3 to 3.
Detecting the parameter value when the calculated detection rate and the correct answer rate are equal to or greater than a predetermined value and the error rate is 0 ± predetermined range. .
実測計数された計数対象物の実測計数値と、前記パラメータ値を変化させて、変化されたパラメータ値毎の前記画像解析処理によって計数された複数の計数対象物の画像処理計数値と、前記画像解析処理によって計数された計数対象物のうち、前記実測計数された計数対象物の数である正解計数値とが入力されると、入力された実測計数値、画像処理計数値及び正確計数値を数４乃至６に当てはめて、変化されたパラメータ毎の検出率、正解率及び誤差率を算出するステップと、
算出された検出率及び正解率が所定の値以上であり、かつ誤差率が０±所定の範囲である場合のパラメータ値を検出するステップと、をコンピュータに実行させるためのパラメータ値検出プログラム。
The actually measured count value of the counting object actually measured, the image processing count value of the plurality of counting objects counted by the image analysis processing for each changed parameter value, and the image Of the counting objects counted by the analysis process, when a correct answer value that is the number of the counting objects actually measured is input, the input actual measurement value, image processing count value, and accurate count value are expressed as To calculating a detection rate, a correct answer rate, and an error rate for each changed parameter by applying to 6 to 6.
A parameter value detection program for causing a computer to execute a step of detecting a parameter value when the calculated detection rate and accuracy rate are equal to or greater than a predetermined value and the error rate is 0 ± predetermined range.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006136847A JP4747031B2 (en) | 2006-05-16 | 2006-05-16 | Method for detecting parameter value for image analysis processing, program for detecting parameter value for image processing, and method for counting target object using parameter value detected by them |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006136847A JP4747031B2 (en) | 2006-05-16 | 2006-05-16 | Method for detecting parameter value for image analysis processing, program for detecting parameter value for image processing, and method for counting target object using parameter value detected by them |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2007310491A JP2007310491A (en) | 2007-11-29 |
| JP4747031B2 true JP4747031B2 (en) | 2011-08-10 |
Family
ID=38843309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006136847A Expired - Fee Related JP4747031B2 (en) | 2006-05-16 | 2006-05-16 | Method for detecting parameter value for image analysis processing, program for detecting parameter value for image processing, and method for counting target object using parameter value detected by them |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4747031B2 (en) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5097668B2 (en) * | 2008-09-30 | 2012-12-12 | 株式会社インテック | Asbestos detection device |
| JP6408054B2 (en) * | 2017-03-22 | 2018-10-17 | 株式会社東芝 | Information processing apparatus, method, and program |
| JP7314711B2 (en) * | 2018-09-03 | 2023-07-26 | 東洋製罐グループホールディングス株式会社 | Image processing system and image processing program |
| WO2021100163A1 (en) * | 2019-11-21 | 2021-05-27 | 日本電気株式会社 | Parameter determination device, parameter determination method, and recording medium |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2981434B2 (en) * | 1997-01-27 | 1999-11-22 | 株式会社日立製作所 | Pattern defect detection method and apparatus |
| JP3635072B2 (en) * | 2002-04-30 | 2005-03-30 | 信越半導体株式会社 | Crystal defect automatic inspection device and automatic inspection method |
-
2006
- 2006-05-16 JP JP2006136847A patent/JP4747031B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2007310491A (en) | 2007-11-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Blackburn et al. | Rapid determination of bacterial abundance, biovolume, morphology, and growth by neural network-based image analysis | |
| Ji et al. | Vision-based measurements of deformations and cracks for RC structure tests | |
| Schmugge et al. | Crack segmentation by leveraging multiple frames of varying illumination | |
| CN105547602B (en) | A kind of telemeasurement method of subway tunnel section of jurisdiction percolating water | |
| JP3581149B2 (en) | Method and apparatus for identifying an object using a regular sequence of boundary pixel parameters | |
| Pan et al. | Segmentation of pores in wood microscopic images based on mathematical morphology with a variable structuring element | |
| Gunkel et al. | Micro crack detection with Dijkstra’s shortest path algorithm | |
| JP4355832B2 (en) | Comet assay analysis method, comet assay image analysis apparatus, and comet assay analysis apparatus | |
| JP4747031B2 (en) | Method for detecting parameter value for image analysis processing, program for detecting parameter value for image processing, and method for counting target object using parameter value detected by them | |
| JP2010210318A (en) | Measuring device of dust, and estimation method of generation source | |
| CN103411875A (en) | Quantitative measurement method for surface corrosion rate of film coated steel plate | |
| CN103674968A (en) | Method and device for evaluating machine vision original-value detection of exterior corrosion appearance characteristics of material | |
| CN115597494B (en) | Precision detection method and system for prefabricated part preformed hole based on point cloud | |
| CN106991325A (en) | The means of defence and device of a kind of software vulnerability | |
| CN106442122B (en) | Steel material drop hammer test fracture toughness section method for detecting percentage based on image segmentation and identification | |
| CN111860176B (en) | Non-metal inclusion full-view-field quantitative statistical distribution characterization method | |
| JP2003035528A (en) | System and method for evaluating damage degree of structure by crack image measurement | |
| CN117392452A (en) | Wall crack detection system and method based on image analysis | |
| Poornima et al. | Detection of dengue fever with platelets count using image processing techniques | |
| WO2020130786A1 (en) | A method of analyzing visual inspection image of a substrate for corrosion determination | |
| CN106770298B (en) | A kind of device and method based on carbon content in spark density measure steel | |
| CN109711736B (en) | Method and device for screening watershed water environment risk substances | |
| Bhamidipati et al. | Automatic classification and accurate size measurement of blank mask defects | |
| CN105528657A (en) | Building earthquake damage prediction method based on Beidou and vector machine | |
| US20180293427A1 (en) | Automatic Calculation for Ploidy Classification |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090416 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110405 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110426 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110516 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140520 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| LAPS | Cancellation because of no payment of annual fees |