KR102573520B1 - 이미지 분석 기반의 균 계수 장치 및 방법 - Google Patents

Abstract

이미지 분석 기반의 균 계수 장치 및 방법이 개시되며, 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 방법은, 타겟 균을 대상으로 촬영된 제1타겟 이미지를 획득하는 단계, 상기 제1타겟 이미지의 색상 채널 중 상기 타겟 균의 유형에 따른 채널을 선택적으로 분리하여 제1분리 이미지를 도출하는 단계, 상기 타겟 균의 가계수 정보를 기초로 하여 상기 제1분리 이미지에 대하여 이진화를 수행하여 제1이진화 이미지를 도출하는 단계, 상기 가계수 정보를 기초로 하여 상기 제1이진화 이미지에 반영된 상기 타겟 균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행하는 단계 및 상기 모폴로지 연산이 수행된 이미지를 이용하여 상기 타겟 균에 대한 제1계수 정보를 산출하는 단계를 포함할 수 있다.

Description

이미지 분석 기반의 균 계수 장치 및 방법{APPARATUS AND METHOD FOR BACTERIAL COUNTING BASED ON IMAGE ANALYSIS}

본원은 이미지 분석 기반의 균 계수 장치 및 방법에 관한 것이다. 예를 들면, 본원은 미생물 검사 과정에서 시험지 내 균을 자동으로 검출 및 계수하는 기법에 관한 것이다.

미생물을 측정하는 방법은 현미경 또는 육안으로 미생물의 수를 카운팅하는 직접 측정법과 화학 성분이나 효소, 대사 물질의 양 등을 측정하는 간접 측정법으로 분류할 수 있다.

직접 측정법은 중 Agar method는 배양액을 희석한 검사 대상 시료를 혼합, 응고시켜 배양 후 발생한 미생물의 집락을 계수하는 기법이며, 직접 측정법 중 건조필름법은 특정 미생물이 배양되도록 제작된 건조필름배지에 검사 대상 시료를 접종하여 배양된 미생물의 집락을 계수하는 방식으로 실험이 상대적으로 간편하고 배지 제작 시간이 소요되지 않는 장점이 있다.

한편, 전문적인 고가의 장비를 필요로 하는 간접 측정법과 비교하여 직접 측정법은 보다 저렴한 Agar 배지 또는 건조필름배지를 이용하기 때문에 식품 검사 실험에 널리 사용되고 있으나 현미경 또는 육안으로 집락된 미생물의 수를 실험자가 카운팅하기 때문에 시간이 많이 소요되고 카운팅 결과에 오차가 발생할 수 있는 문제가 있다.

본원의 배경이 되는 기술은 한국등록특허공보 제10-2453456호에 개시되어 있다.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 황색포도상구균, 일반 세균, 대장균, 대장균군 등 여러 유형의 균을 대상으로 촬영된 이미지 데이터에 대한 분석을 통해 각 균의 특성에 최적화된 방식으로 자동화된 균 개수 검출을 수행할 수 있는 이미지 분석 기반의 균 계수 장치 및 방법을 제공하려는 것을 목적으로 한다.

다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 방법은, 타겟 균을 대상으로 촬영된 제1타겟 이미지를 획득하는 단계, 상기 제1타겟 이미지의 색상 채널 중 상기 타겟 균의 유형에 따른 채널을 선택적으로 분리하여 제1분리 이미지를 도출하는 단계, 상기 타겟 균의 가계수 정보를 기초로 하여 상기 제1분리 이미지에 대하여 이진화를 수행하여 제1이진화 이미지를 도출하는 단계, 상기 가계수 정보를 기초로 하여 상기 제1이진화 이미지에 반영된 상기 타겟 균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행하는 단계 및 상기 모폴로지 연산이 수행된 이미지를 이용하여 상기 타겟 균에 대한 제1계수 정보를 산출하는 단계를 포함할 수 있다.

또한, 상기 타겟 균은 황색포도상구균을 포함할 수 있다.

또한, 상기 제1분리 이미지를 도출하는 단계는, 상기 제1타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리할 수 있다.

또한, 상기 제1이진화 이미지를 도출하는 단계는, 상기 제1분리 이미지에 대하여 적응형 이진화를 수행하되, 상기 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 상기 적응형 이진화를 위한 블록 사이즈 및 문턱값 조절 상수를 상이하게 적용할 수 있다.

또한, 상기 모폴로지 연산을 수행하는 단계는, 상기 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 상기 모폴로지 연산을 위한 커널 사이즈와 수행되는 단위 연산의 유형 및 순서를 상이하게 적용할 수 있다.

또한, 상기 모폴로지 연산을 수행하는 단계는, 상기 가계수 정보가 상기 임계 수준 이상이면, 제1규격으로 상기 커널 사이즈를 적용하고, 상기 단위 연산으로서 팽창 연산 및 열림 연산을 순차적으로 수행할 수 있다.

또한, 상기 모폴로지 연산을 수행하는 단계는, 상기 가계수 정보가 상기 임계 수준 미만이면, 상기 제1규격 또는 상기 제1규격 대비 큰 제2규격으로 상기 커널 사이즈를 선택적으로 적용하고, 상기 단위 연산으로서 제1열림 연산, 팽창 연산 및 제2열림 연산을 순차적으로 수행할 수 있다.

또한, 상기 제1계수 정보를 산출하는 단계는, 상기 모폴로지 연산이 수행된 이미지 내에서 미리 설정된 임계 면적 이상에 해당하는 객체의 수를 카운트할 수 있다.

또한, 상기 임계 면적은 상기 가계수 정보에 기초하여 설정될 수 있다.

또한, 상기 타겟 균은 대장균을 포함할 수 있다.

또한, 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 방법은, 상기 대장균을 대상으로 촬영된 제2타겟 이미지를 획득하는 단계, 상기 제2타겟 이미지를 HSV 색공간 기반의 HSV 채널 이미지로 변환하고, V(Value) 채널을 선택적으로 분리하여 제2분리 이미지를 도출하는 단계, 상기 제2타겟 이미지에 반영된 조명 성분을 제거하기 위한 조명 정규화를 상기 제2분리 이미지에 대하여 적용하는 단계, 상기 조명 정규화가 적용된 상기 제2분리 이미지에 대하여 미리 설정된 임계값 기반의 이진화를 수행하여 제2이진화 이미지를 도출하는 단계 및 상기 제2이진화 이미지를 이용하여 상기 제2타겟 이미지에 포함된 상기 대장균에 대한 제2계수 정보를 산출하는 단계를 포함할 수 있다.

또한, 상기 타겟 균은 대장균군을 포함할 수 있다.

또한, 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 방법은, 상기 대장균군을 대상으로 촬영된 제3타겟 이미지를 획득하는 단계, 상기 제3타겟 이미지를 YCbCr 채널 이미지 및 HSV 색공간 기반의 HSV 채널 이미지로 변환하는 단계, 상기 HSV 채널 이미지의 V 채널을 이용하여 상기 제3타겟 이미지의 상기 기준 영역 외측에 대응하는 노이즈를 제거하기 위한 제1마스크를 생성하는 단계, 상기 YCbCr 채널 이미지의 Cr 채널을 이용하여 상기 제3타겟 이미지의 기준 영역 주변부에 위치하는 상기 대장균군을 필터링하기 위한 제2마스크를 생성하는 단계, 상기 제1마스크, 상기 제2마스크 및 상기 HSV 채널 이미지의 S 채널을 이용하여 이진화를 수행하여 제3이진화 이미지를 도출하는 단계 및 상기 제3이진화 이미지를 이용하여 상기 제3타겟 이미지에 포함된 상기 대장균군에 대한 제3계수 정보를 산출하는 단계를 포함할 수 있다.

또한, 상기 타겟 균은 일반 세균을 포함할 수 있다.

또한, 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 방법은, 상기 일반 세균을 대상으로 촬영된 제4타겟 이미지를 획득하는 단계, 상기 제4타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하여 제4분리 이미지를 도출하는 단계, 상기 제4분리 이미지에 대하여 적응형 이진화를 수행하여 제4이진화 이미지를 도출하는 단계 및 상기 제4이진화 이미지를 이용하여 상기 제4타겟 이미지에 포함된 상기 일반 세균에 대한 제4계수 정보를 산출하는 단계를 포함할 수 있다.

한편, 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 장치는, 타겟 균을 대상으로 촬영된 제1타겟 이미지를 획득하는 이미지 획득부, 상기 제1타겟 이미지의 색상 채널 중 상기 타겟 균의 유형에 따른 채널을 선택적으로 분리하여 제1분리 이미지를 도출하는 채널 변환부, 상기 타겟 균의 가계수 정보를 기초로 하여 상기 제1분리 이미지에 대하여 이진화를 수행하여 제1이진화 이미지를 도출하는 이진화부, 상기 가계수 정보를 기초로 하여 상기 제1이진화 이미지에 반영된 상기 타겟 균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행하는 이미지 가공부 및 상기 모폴로지 연산이 수행된 이미지를 이용하여 상기 타겟 균에 대한 제1계수 정보를 산출하는 계수 수행부를 포함할 수 있다.

또한, 상기 채널 변환부는, 상기 제1타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리할 수 있다.

또한, 상기 이미지 획득부가 상기 대장균을 대상으로 촬영된 제2타겟 이미지를 획득하면, 상기 채널 변환부는, 상기 제2타겟 이미지를 HSV 색공간 기반의 HSV 채널 이미지로 변환하고, V(Value) 채널을 선택적으로 분리하여 제2분리 이미지를 도출할 수 있다.

또한, 상기 이미지 가공부는, 상기 제2타겟 이미지에 반영된 조명 성분을 제거하기 위한 조명 정규화를 상기 제2분리 이미지에 대하여 적용할 수 있다.

또한, 상기 이진화부는, 상기 조명 정규화가 적용된 상기 제2분리 이미지에 대하여 미리 설정된 임계값 기반의 이진화를 수행하여 제2이진화 이미지를 도출할 수 있다.

또한, 상기 계수 수행부는, 상기 제2이진화 이미지를 이용하여 상기 제2타겟 이미지에 포함된 상기 대장균에 대한 제2계수 정보를 산출할 수 있다.

또한, 상기 이미지 획득부가 상기 대장균군을 대상으로 촬영된 제3타겟 이미지를 획득하면, 상기 채널 변환부는, 상기 제3타겟 이미지를 YCbCr 채널 이미지 및 HSV 색공간 기반의 HSV 채널 이미지로 변환할 수 있다.

또한, 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 장치는, 상기 HSV 채널 이미지의 V 채널을 이용하여 상기 제3타겟 이미지의 상기 기준 영역 외측에 대응하는 노이즈를 제거하기 위한 제1마스크를 생성하고, 상기 YCbCr 채널 이미지의 Cr 채널을 이용하여 상기 제3타겟 이미지의 기준 영역 주변부에 위치하는 상기 대장균군을 필터링하기 위한 제2마스크를 생성하는 마스크 생성부를 포함할 수 있다.

또한, 상기 이진화부는, 상기 제1마스크, 상기 제2마스크 및 상기 HSV 채널 이미지의 S 채널을 이용하여 이진화를 수행하여 제3이진화 이미지를 도출할 수 있다.

또한, 상기 계수 수행부는, 상기 제3이진화 이미지를 이용하여 상기 제3타겟 이미지에 포함된 상기 대장균군에 대한 제3계수 정보를 산출할 수 있다.

또한, 상기 이미지 획득부가 상기 일반 세균을 대상으로 촬영된 제4타겟 이미지를 획득하면, 상기 채널 변환부는, 상기 제4타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하여 제4분리 이미지를 도출할 수 있다.

또한, 상기 이진화부는, 상기 제4분리 이미지에 대하여 적응형 이진화를 수행하여 제4이진화 이미지를 도출할 수 있다.

또한, 상기 계수 수행부는, 상기 제4이진화 이미지를 이용하여 상기 제4타겟 이미지에 포함된 상기 일반 세균에 대한 제4계수 정보를 산출할 수 있다.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 황색포도상구균, 일반 세균, 대장균, 대장균군 등 여러 유형의 균을 대상으로 촬영된 이미지 데이터에 대한 분석을 통해 각 균의 특성에 최적화된 방식으로 자동화된 균 개수 검출을 수행할 수 있는 이미지 분석 기반의 균 계수 장치 및 방법을 제공할 수 있다.

전술한 본원의 과제 해결 수단에 의하면, 특정 채널 분리, 조명 정규화 등의 맞춤형 전처리를 균 유형에 따라 적용할 수 있고, 분석자(사용자)의 필요에 따라 파라미터를 수정할 수 있기 때문에 특정 형태의 균 이미지에 과적합 되지 않고 뛰어난 일반화 능력을 가질 수 있어, 다양한 환경에서 촬영되는 균 이미지에 대해 높은 정확도로 균 검출 및 균 계수를 수행할 수 있다.

전술한 본원의 해결 수단에 의하면, 분석하고자 하는 균 이미지 데이터 선택, 분석 영역 설정, 최적 결과 도출을 위한 파라미터 조절 등 균 검출 및 균 계수를 위해 필요한 기능을 간단하게 구현할 수 있어 사용자 편의성이 제고될 수 있다.

다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.

도 1은 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 장치를 포함하는 균 이미지 분석 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 장치의 개략적인 구성도이다.
도 3a 내지 도 3e는 황색포도상구균에 대한 제1타겟 이미지를 이용한 제1계수 정보 산출 프로세스 및 제1계수 정보 산출 과정 사용자 단말을 통해 표출되는 인터페이스를 설명하기 위한 도면이다.
도 4a는 제2타겟 이미지에 대한 밝기값 추출 결과와 조명 정규화 적용 결과를 나타낸 도면이고, 도 4b는 대장균에 대한 제2타겟 이미지를 이용한 제2계수 정보 산출 과정에서 사용자 단말을 통해 표출되는 인터페이스를 예시적으로 나타낸 도면이다.
도 5a 내지 도 5c는 대장균군에 대한 제3타겟 이미지를 이용한 제3계수 정보 산출 프로세스 및 제3계수 정보 산출 과정에서 사용자 단말을 통해 표출되는 인터페이스를 설명하기 위한 도면이다.
도 6은 일반 세균에 대한 에 대한 제4타겟 이미지를 이용한 제4계수 정보 산출 과정에서 사용자 단말을 통해 표출되는 인터페이스를 예시적으로 나타낸 도면이다.
도 7은 본원의 일 실시예에 따른 이미지 분석 기반의 황색포도상구균 계수 방법에 대한 동작 흐름도이다.
도 8은 본원의 일 실시예에 따른 이미지 분석 기반의 대장균 계수 방법에 대한 동작 흐름도이다.
도 9는 본원의 일 실시예에 따른 이미지 분석 기반의 대장균군 계수 방법에 대한 동작 흐름도이다.
도 10은 본원의 일 실시예에 따른 이미지 분석 기반의 일반 세균 계수 방법에 대한 동작 흐름도이다.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.

본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.

본원은 이미지 분석 기반의 균 계수 장치 및 방법에 관한 것이다. 예를 들면, 본원은 미생물 검사 과정에서 시험지 내 균을 자동으로 검출 및 계수하는 기법에 관한 것이다.

도 1은 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 장치를 포함하는 균 이미지 분석 시스템의 개략적인 구성도이다.

도 1을 참조하면, 본원의 일 실시예에 따른 균 이미지 분석 시스템(10)은 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 장치(100)(이하, '계수 장치(100)'라 한다.), 촬영 디바이스(200) 및 사용자 단말(300)을 포함할 수 있다.

계수 장치(100), 촬영 디바이스(200) 및 사용자 단말(300) 상호간은 네트워크(20)를 통해 통신할 수 있다. 네트워크(20)는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(20)의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.

사용자 단말(300)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치일 수 있다. 본원의 실시예에 관한 설명에서, 사용자 단말(300)은 타겟 이미지 및 타겟 이미지에 대하여 분석된 계수 정보를 포함하는 출력 이미지를 표출하고, 타겟 이미지에 대한 분석을 수행하기 위한 각종 사용자 입력(예를 들면, 임계값 설정 입력, 균 유형 선택 입력 등)을 계수 장치(100)로 제공하기 위한 디바이스일 수 있다. 예시적으로 후술하는 도 3a, 도 3c 내지 도 3e, 도 4b, 도 5c, 도 6 등에 도시된 인터페이스는 사용자 단말(300)을 통해 표출되는 것일 수 있다.

또한, 본원의 실시예에 관한 설명에서 촬영 디바이스(200)는 황색포도상구균, 대장균, 대장균군, 일반 세균 등의 균을 대상으로 촬영된 타겟 이미지를 획득하기 위한 장치로서, 구체적으로 촬영 디바이스(200)는 황색포도상구균, 대장균, 대장균군, 일반 세균 등을 포함하는 시험지를 대상으로 타겟 이미지를 촬영하는 디바이스일 수 있다. 예시적으로 촬영 디바이스(200)는 카메라 모듈을 구비하는 스마트 폰 단말, 광학 현미경 장치 등일 수 있으나, 이에만 한정되는 것은 아니다.

또한, 본원의 실시예에 관한 설명에서 데이터베이스(400)는 계수 장치(100)로 입력된 타겟 이미지, 타겟 이미지에 대한 분석을 통해 도출된 계수 정보를 포함하는 출력 이미지 등을 기록(저장)하기 위한 서버 또는 장치일 수 있다.

도 2는 본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 장치의 개략적인 구성도이다.

도 2를 참조하면, 계수 장치(100)는 이미지 획득부(110), 채널 변환부(120), 마스크 생성부(130), 이미지 가공부(140), 이진화부(150) 및 계수 수행부(160)를 포함할 수 있다.

한편, 본원에서 개시하는 계수 장치(100)는 타겟 균을 대상으로 촬영된 타겟 이미지에 대하여 타겟 균의 유형에 따라 색상 채널 중 특정 채널을 선택적으로 분리하는 프로세스, 이진화를 수행하는 프로세스, 이미지 내 반영된 타겟 균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행하는 프로세스, 조명 정규화 프로세스, 타겟 균에 대한 계수 정보를 산출하는 프로세스 등에 대하여 적용되는 세부 속성을 상이하게 적용할 수 있다. 또한, 이와 관련하여 본원에서 개시하는 타겟 균은 황색포도상구균, 대장균, 대장균군, 일반 세균 등의 유형으로 구분되는 것일 수 있으나, 이에만 한정되는 것은 아니며, 본원의 구현예에 따라서 상술한 네 가지 유형의 균 유형 이외의 균을 대상으로 한 이미지 분석 및 이에 따른 계수 동작이 수행되는 것일 수 있다.

이하에서는 도 3a 내지 도 6을 참조하여 계수 장치(100)의 이미지 획득부(110), 채널 변환부(120), 마스크 생성부(130), 이미지 가공부(140), 이진화부(150) 및 계수 수행부(160) 각각이 황색포도상구균, 대장균, 대장균군, 일반 세균 등의 타겟 균의 균 유형에 따른 이미지 데이터로부터 개별 균 특성을 고려한 이미지 프로세싱을 맞춤형으로 수행하여 계수 정보(달리 말해, 이미지 데이터 내에 포함된 균의 개수를 카운팅한 정보)를 도출하는 프로세스를 개별 균 유형에 따라 구분하여 설명하도록 한다.

먼저, 이하에서는 도 3a 내지 도 3e를 참조하여 계수 장치(100)가 황색포도상구균을 포함하는 이미지(제1타겟 이미지)를 이용하여 황색포도상구균에 대한 계수를 수행하는 과정을 설명하도록 한다.

도 3a 내지 도 3e는 황색포도상구균에 대한 제1타겟 이미지를 이용한 제1계수 정보 산출 프로세스 및 제1계수 정보 산출 과정 사용자 단말을 통해 표출되는 인터페이스를 설명하기 위한 도면이다.

도 3a를 참조하면, 이미지 획득부(110)는 황색포도상구균을 대상으로 촬영된 제1타겟 이미지를 획득할 수 있다.

또한, 도 3a를 참조하면, 계수 장치(100)는 입력된 균 이미지 데이터가 표시되는 영역(도 3a의 'a'), 입력된 균 이미지 데이터 중 계수 정보를 도출하기 위한 분석 대상이 되는 국부 영역 이미지를 설정하기 위한 사용자 입력 영역(도 3a의 'b'), 설정된 국부 영역 이미지를 크롭(Crop)하여 표시하는 크롭 이미지 표시 영역(도 3a의 'c')을 포함하는 인터페이스를 사용자 단말(300)을 통해 표출할 수 있다. 한편, 본원의 실시예에 관한 설명에서 '타겟 이미지'는 입력된 원본 이미지로부터 분석 대상이 되는 국부 영역을 특정하는 사용자 입력이 인가된 경우, 해당 사용자 입력에 의해 원본 이미지로부터 분리된 크롭 이미지(달리 말해, 계수 정보 도출을 위한 분석 대상이 되는 영역의 이미지)를 지칭하는 것일 수 있다.

또한, 도 3a의 'd'를 참조하면, 계수 장치(100)는 타겟 이미지가 입력되면, 해당 타겟 이미지에 포함된 균 유형(예를 들면, 일반 세균, 대장균, 대장균군, 황색포도상구균 등)에 대한 선택 입력을 수신하기 위한 사용자 입력을 해당 인터페이스를 통해 제공할 수 있으며, 이와 관련하여 계수 장치(100)는 인터페이스를 통해 입력된 균 유형 선택 입력에 부합하는 이미지 분석 및 계수 알고리즘을 선택적으로 적용하는 것일 수 있다.

또한, 채널 변환부(120)는 제1타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하여 제1분리 이미지를 도출할 수 있다. 이와 관련하여, 채널 변환부(120)는 황색포도상구균의 경우, 균 특성상 자줏빛을 띠고 있어, 균 영역과 배경 영역을 분리하기 용이하고, 각각의 균에 대응되는 객체를 검출하기 적합한 색상 채널에 해당하는 R 채널을 분리하여 제1분리 이미지를 도출할 수 있다.

이와 관련하여 도 3b는 제1타겟 이미지로부터 R 채널을 분리한 제1분리 이미지를 나타낸 도면이다. 구체적으로, 도 3b의 (a)는 황색포도상구균의 시험지 내의 개수가 미리 설정된 임계 수준(예를 들면, 500개 등) 미만인 경우의 제1분리 이미지이고, 도 3b의 (b)는 황색포도상구균의 시험지 내의 개수가 임계 수준 이상인 경우의 제1분리 이미지를 도시한 것이다.

도 3b를 참조하면, 황색포도상구균의 경우 도 3b의 (a)에 도시된 바와 같이 시험지 내의 분포 정도(균의 개수)가 임계 수준 미만에 해당하여, 각각의 개별 균이 상대적으로 떨어진 상태로 분포(낮은 밀도로 분포)할 수 있는 경우, 개별 균의 크기가 상대적으로 커질 수 있는 반면, 도 3b의 (b)에 도시된 바와 같이 시험지 내의 분포 정도(균의 개수)가 임계 수준을 넘게 되면, 각각의 개별 균이 상대적으로 조밀하게 분포하게 되고, 이에 따라 개별 균의 크기가 상대적으로 작게 형성되는 것을 확인할 수 있다.

이렇듯, 황색포도상구균의 시험지 내의 분포 정도(밀도, 개수)에 따라 각각의 황색포도상구균에 대응되는 객체가 제1타겟 이미지 내에 반영되는 형상이 상이할 수 있는 점을 고려하여 본원에서 개시하는 계수 장치(100)는 황색포도상구균을 대상으로 촬영된 타겟 이미지에 반영된 대략적인 균 개수에 대한 정보를 의미하는 가계수 정보를 이용하여 제1계수 정보를 도출하기 위한 이미지 처리 과정 및 계수 방식을 구분하여 적용할 수 있다.

이와 관련하여 도 3c는 가계수 정보에 대한 사용자 입력을 수신하기 위하여 사용자 단말(300)을 통해 표출되는 인터페이스를 예시적으로 나타낸 도면이다. 이와 관련하여, 계수 장치(100)는 사용자가 분석하고자 하는 균 유형이 황색포도상구균에 해당하는 경우, 타겟 이미지의 입력 시 해당 타겟 이미지에 포함된 황색포도상구균의 개수가 미리 설정된 임계 수준(예를 들면, 500개 등) 이상인지 여부를 선택하는 사용자 입력을 수신하기 위한 인터페이스를 제공하고, 해당 인터페이스를 통해 인가된 사용자 입력에 따라 후술하는 바와 같이 가계수 정보에 따라 구분되는 이미지 처리 과정 및 계수 방식을 적용할 수 있다.

구체적으로, 이진화부(150)는 황색포도상구균의 가계수 정보를 기초로 하여 제1분리 이미지에 대하여 적응형 이진화를 수행하여 제1이진화 이미지를 도출할 수 있다.

본원의 일 실시예에 따르면, 이진화부(150)는 황색포도상구균의 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 적응형 이진화를 위한 블록 사이즈 및 문턱값 조절 상수를 상이하게 적용할 수 있다.

한편, 본원의 실시예에 관한 설명에서 이진화는 주어진 임계값(Threshold) 보다 밝은 픽셀들은 모두 흰색으로, 그렇지 않은 픽셀들은 모두 검은색으로 변환하는 이미지 변환 기법이되, '적응형 이진화'는 이미지의 각 픽셀에 대해 개별적인 임계값을 설정하는 방식으로, 각 픽셀에 대한 임계값은 대상 픽셀의 주변 픽셀들을 기반으로 결정되게 된다. 이러한 적응형 이진화에 따르면 이미지 내의 다른 영역에서 서로 다른 임계값이 적용될 수 있어 배경의 밝기가 다양한 이미지에서도 이진화 처리가 잘 수행될 수 있는 이점이 있다.

또한, 적응형 이진화는 블록 사이즈(blocksize) 영역 내의 모든 픽셀에 평균 가중치를 적용하는 평균 기반 방식 및 블록 사이즈 영역 내의 모든 픽셀에 중심점으로부터의 거리에 대한 가우시안 가중치를 적용하는 가우시안 기반 방식으로 구분될 수 있으며, 본원의 일 실시예에 따르면, 이진화부(150)는 제1타겟 이미지로부터 도출된 제1분리 이미지에 대하여 가우시안 기반의 적응형 이진화를 적용할 수 있다.

한편, 이진화부(150)는 황색포도상구균에 대한 가계수 정보를 기초로 하여, 가계수 정보가 임계 수준 미만이면(예를 들면, 제1타겟 이미지에 포함된 균의 개수가 500개 미만인 것으로 사전 설정된 경우 등), 제1크기의 블록 사이즈를 적응형 이진화를 위하여 적용하고, 문턱값 조절 상수의 크기를 제1값 또는 제2값으로 적용하되, 이와 달리 가계수 정보가 임계 수준 이상이면(예를 들면, 제1타겟 이미지에 포함된 균의 개수가 500개 이상인 것으로 사전 설정된 경우 등), 제2크기의 블록 사이즈를 적응형 이진화를 위하여 적용하고, 문턱값 조절 상수의 크기를 제2값 또는 제3값으로 적용할 수 있다.

구체적으로, 블록 사이즈의 제1크기 대비 제2크기가 작게 설정되는 것일 수 있으며, 문턱값 조절 상수의 경우 제1값 대비 제2값이 크고, 제3값은 제1값과 제2값 사이의 크기로 결정될 수 있다. 예시적으로, 제1크기는 467이고, 제2크기는 437이고, 제1값은 37이고, 제2값은 77이고, 제3값은 67일 수 있으나, 이에만 한정되는 것은 아니다.

또한, 이미지 가공부(140)는 황색포도상구균의 가계수 정보를 기초로 하여 이진화부(150)에 의해 생성된 제1이진화 이미지에 반영된 황색포도상구균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행할 수 있다.

한편, 본원의 실시예에 관한 설명에서 모폴로지 연산은 검은색과 흰색으로만 구성된 바이너리(binary) 이미지에 적용되어, 영상 분야에서 노이즈 제거, 구멍 채우기, 끊어진 선 이어 붙이기 등에 쓰이는 형태학적 연산을 지칭할 수 있다. 또한, 이러한 모폴로지 연산에는 형태를 깎아내는 침식 연산과 부풀리는 팽창 연산이 있으며, 이들을 활용한 열림 연산 및 닫힘 연산이 존재하며, 구조화 요소 커널(structuring element kernel)이라는 0과 1로 구성된 커널이 모폴로지 연산을 수행하기 위하여 적용되게 된다.

또한, 모폴로지 연산 중 침식(erosion) 연산은 객체 외곽을 깎아내기 위한 형태학적 연산으로서, 구조화 요소 커널이 입력 영상에서 1로 채워진 영역과 완전히 겹치지 않으면 0으로 변경되며, 결과 이미지의 객체 크기는 감소하고 배경은 확대되는 연산에 해당한다. 또한, 모폴로지 연산 중 팽창 연산은 반대로 객체 외곽을 확대시키는 연산으로서 구조화 요소 커널이 입력 영상에서 1로 채워진 영역과 겹치지 않은 픽셀을 1로 변경하고, 결과 이미지의 객체 크기는 확대되고 배경은 축소되는 연산이다.

또한, 모폴로지 연산 중 '열림(open) 연산'은 침식 연산 후 팽창 연산을 적용하는 형태학적 연산으로서 주변보다 밝은 노이즈를 제거하거나 맞닿아 있는 것처럼 보이는 독립된 개체를 분리하거나 돌출된 모양을 제거하는데 효과적이다.

또한, 모폴로지 연산 중 '닫힘(close) 연산'은 팽창 연산 후 침식 연산을 적용하는 형태학적 연산으로서 주변보다 어두운 노이즈를 제거하거나 끊어져 보이는 개체를 연결하거나 구멍을 메우는 데 효과적이다.

이와 관련하여 이미지 가공부(140)는 황색포도상구균의 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 모폴로지 연산을 위한 커널 사이즈와 수행되는 단위 연산의 유형 및 순서를 상이하게 적용할 수 있다.

구체적으로 이미지 가공부(140)는 황색포도상구균의 가계수 정보가 임계 수준 이상이면, 제1규격으로 커널 사이즈를 적용하고, 단위 연산으로서 팽창 연산 및 열림 연산을 순차적으로 수행할 수 있다.

이와 달리, 이미지 가공부(140)는 황색포도상구균의 가계수 정보가 임계 수준 미만이면, 제1규격 또는 제1규격 대비 큰 제2규격으로 커널 사이즈를 선택적으로 적용하고, 단위 연산으로서 제1열림 연산, 팽창 연산 및 제2열림 연산을 순차적으로 수행할 수 있다.

예시적으로, 커널 사이즈에 대한 제1규격은 3 X 3이고, 제2규격은 7 X 7일 수 있으나, 이에만 한정되는 것은 아니다.

또한, 계수 수행부(160)는 모폴로지 연산이 수행된 이미지를 이용하여 제1타겟 이미지에 포함된 황색포도상구균에 대한 제1계수 정보를 산출할 수 있다.

구체적으로 계수 수행부(160)는 모폴로지 연산이 수행된 이미지 내에서 미리 설정된 임계 면적 이상에 해당하는 객체의 수를 카운트할 수 있다. 한편, 본원의 일 실시예에 따르면, 제1계수 정보 산출을 위한 임계 면적은 가계수 정보에 기초하여 설정될 수 있다. 보다 구체적으로 가계수 정보가 임계 수준 미만인 경우에 적용되는 제1임계 면적은 가계수 정보가 임계 수준 이상인 경우에 적용되는 제2임계 면적 대비 작을 수 있다. 예시적으로 제1임계 면적은 20이고 제2임계 면적은 3으로 설정될 수 있으나, 이에 한정되는 것은 아니다.

이와 관련하여 도 3d에 도시된 사용자 인터페이스를 참조하면, 도 3d의 'a' 영역에 표시된 사용자 입력 도구(예를 들면, 스크롤바(scroll bar) 등)를 통해 계수 정보 산출을 위한 기준이 되는 임계 면적이 조정될 수 있고, 도 3d의 'b' 영역에 표시된 사용자 입력 도구(예를 들면, 텍스트 입력 창 등)를 통해 유효한 균 객체로 카운트기 하기 위한 객체 크기에 대한 범위 정보(최소값 및 최대값)가 설정될 수 있다. 또한, 도 3d의 'c' 영역에는 제1이진화 이미지 내지 모폴로지 연산이 수행된 이미지가 표시될 수 있다.

한편, 객체 크기에 대한 범위 정보와 관련하여, 특히 후술하는 대장균의 경우, 균의 크기가 이미지 데이터 별 편차가 다른 균 유형 대비 상대적으로 크기 때문에 최적화 된 계수를 위하여는 객체 크기에 대한 범위 정보가 정밀하게 설정될 필요가 있다.

또한, 계수 수행부(160)는 입력된 제1타겟 이미지에 대하여 임계 면적 이상에 해당하는 것으로 판단(달리 말해, 황색포도상구균에 해당하는 객체인 것으로 판단)된 각각의 영역을 라벨링한 이미지를 생성할 수 있으며, 라벨링된 이미지(도 3e의 'a')는 도 3e의 출력 영역에 표시될 수 있다. 또한, 도 3e를 참조하면, 제1계수 정보를 표시하기 위한 출력 영역에는 검출 균의 유형 정보 및 검출 균의 카운팅된 개수(라벨 개수)가 표시될 수 있다.

한편, 계수 수행부(160)의 임계 면적 이상의 객체를 카운트 및 라벨링하는 기능은 후술하는 대장균, 대장균군, 일반 세균에 대하여도 각각의 균 유형에 따른 임계 면적 값을 상이하게 설정함으로써 동등하게 적용될 수 있다.

이하에서는 도 4a 및 도 4b를 참조하여 계수 장치(100)가 대장균을 포함하는 이미지(제2타겟 이미지)를 이용하여 대장균에 대한 계수를 수행하는 과정을 설명하도록 한다.

도 4a는 제2타겟 이미지에 대한 밝기값 추출 결과와 조명 정규화 적용 결과를 나타낸 도면이고, 도 4b는 대장균에 대한 제2타겟 이미지를 이용한 제2계수 정보 산출 과정에서 사용자 단말을 통해 표출되는 인터페이스를 예시적으로 나타낸 도면이다.

도 4a 및 도 4b를 참조하면, 이미지 획득부(110)는 대장균을 대상으로 촬영된 제2타겟 이미지를 획득할 수 있다.

또한, 채널 변환부(120)는 제2타겟 이미지를 HSV 색공간 기반의 HSV 채널 이미지로 변환하고, V(Value) 채널을 선택적으로 분리하여 제2분리 이미지를 도출할 수 있다.

또한, 이미지 가공부(140)는 제2타겟 이미지에 반영된 조명 성분을 제거하기 위한 조명 정규화를 제2분리 이미지에 대하여 적용할 수 있다.

달리 말해, 채널 변환부(120) 및 이미지 가공부(140)는 RGB 색공간에 존재하는 제2타겟 이미지를 HSV로 변환하여, HSV 색공간 중 V 채널 이미지(밝기 값만을 가진 이미지)에서 조명 정규화를 진행할 수 있다.

한편, 본원의 실시예에 관한 설명에서 조명 정규화는 입력 영상 내 불균일한 조명 성분을 제거하여 영상 내 조명의 영향을 방지하기 위한 것으로서, 영상의 조명 성분을 추출하는 가우시안 필터가 적용될 수 있으며, 구체적으로 이미지 가공부(140)는 입력된 제2타겟 이미지에 대해 높은 커널 사이즈를 가진 가우시안 필터링을 1차적으로 적용한 후 원본 이미지(제2타겟 이미지)와 조명 성분 이미지를 반전한 영상을 합산하는 방식으로 조명 정규화를 수행할 수 있으며, 이와 관련하여 도 4a의 (a)는 제2타겟 이미지로부터 밝기 성분을 추출한 결과이고, 도 4a의 (b)는 밝기 성분을 이용한 조명 정규화를 적용한 결과를 나타낸다.

또한, 이진화부(150)는 조명 정규화가 적용된 제2분리 이미지에 대하여 미리 설정된 임계값 기반의 이진화를 수행하여 제2이진화 이미지를 도출할 수 있다.

또한, 계수 수행부(160)는 제2이진화 이미지를 이용하여 제2타겟 이미지에 포함된 대장균에 대한 제2계수 정보를 산출할 수 있다.

이하에서는 도 5a 내지 도 5c를 참조하여 계수 장치(100)가 대장균군을 포함하는 이미지(제3타겟 이미지)를 이용하여 대장균군에 대한 계수를 수행하는 과정을 설명하도록 한다.

도 5a 내지 도 5c는 대장균군에 대한 제3타겟 이미지를 이용한 제3계수 정보 산출 프로세스 및 제3계수 정보 산출 과정에서 사용자 단말을 통해 표출되는 인터페이스를 설명하기 위한 도면이다.

이미지 획득부(110)는 대장균군을 대상으로 촬영된 제3타겟 이미지를 획득할 수 있다.

또한, 채널 변환부(120)는 획득한 제3타겟 이미지를 YCbCr 채널 이미지 및 HSV 색공간 기반의 HSV 채널 이미지로 변환할 수 있다. 이와 관련하여 도 5a의 (a)는 제3타겟 이미지로부터 변환된 Cr 채널 이미지이고, 도 5a의 (b)는 제3타겟 이미지로부터 변환된 S 채널 이미지이고, 도 5a의 (c)는 제3타겟 이미지로부터 변환된 V 채널 이미지이다.

또한, 마스크 생성부(130)는 변환된 HSV 채널 이미지의 V 채널을 이용하여 제3타겟 이미지의 기준 영역(예를 들면, 시험지 영역) 외측에 대응하는 노이즈를 제거하기 위한 제1마스크를 생성할 수 있다.

또한, 마스크 생성부(130)는 변환된 YCbCr 채널 이미지의 Cr 채널을 이용하여 제3타겟 이미지의 기준 영역 주변부에 위치하는 대장균군을 필터링하기 위한 제2마스크를 생성할 수 있다. 이와 관련하여, 도 5b의 (a)는 제1마스크를 예시적으로 나타낸 도면이고, 도 5b의 (b)는 제2마스크를 예시적으로 나타낸 도면이다.

또한, 이진화부(150)는 마스크 생성부(130)에 의해 생성된 제1마스크, 제2마스크 및 채널 변환부(120)에 의해 변환된 HSV 채널 이미지의 S 채널을 이용하여 이진화를 수행하여 제3이진화 이미지를 도출할 수 있다. 즉, 계수 장치(100)는 시험지 영역 검출을 위한 제1마스크(V mask), 제2마스크(Cr mask) 및 이진화 처리를 위한 S 채널 이미지의 집합으로 최종 데이터 셋을 가공할 수 있다.

또한, 계수 수행부(160)는 제3이진화 이미지를 이용하여 제3타겟 이미지에 포함된 대장균군에 대한 제3계수 정보를 산출할 수 있다.

이하에서는 도 6을 참조하여 계수 장치(100)가 일반 세균을 포함하는 이미지(제4타겟 이미지)를 이용하여 일반 세균에 대한 계수를 수행하는 과정을 설명하도록 한다.

도 6은 일반 세균에 대한 에 대한 제4타겟 이미지를 이용한 제4계수 정보 산출 과정에서 사용자 단말을 통해 표출되는 인터페이스를 예시적으로 나타낸 도면이다.

도 6을 참조하면, 이미지 획득부(110)는 일반 세균을 대상으로 촬영된 제4타겟 이미지를 획득할 수 있다.

또한, 채널 변환부(120)는 제4타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하여 제4분리 이미지를 도출할 수 있다.

또한, 이진화부(150)는 제4분리 이미지에 대하여 적응형 이진화를 수행하여 제4이진화 이미지를 도출할 수 있다.

또한, 계수 수행부(160)는 제4이진화 이미지를 이용하여 제4타겟 이미지에 포함된 일반 세균에 대한 제4계수 정보를 산출할 수 있다.

한편, 본원의 일 실시예에 따르면, 계수 장치(100)는 일반 세균의 경우, 식품 등에서 발생하는 일반 세균을 분석하여야 하는 경우, 식품에 해당하는 배경 영역에 존재하는 객체와 일반 세균에 대응하는 객체 간의 구별이 어려울 수 있는 점을 고려하여, 일반 세균이 배양되기 전 상태를 촬영한 기준 이미지와 제4타겟 이미지를 상호 비교하는 방식으로 일반 세균의 계수 정확도를 높일 수 있다.

예를 들어, 계수 장치(100)는 일반 세균이 배양되기 전 상태의 기준 이미지에서 일반 세균과 유사한 크기의 객체가 식별될 수 있음을 고려하여, 기준 이미지에 대하여 도출된 기존 계수 정보를 제4타겟 이미지에 대하여 도출된 제4계수 정보로부터 감산하는 후처리를 적용함으로써 일반 세균의 개수가 보다 정밀하게 카운트 되도록 처리할 수 있다.

또 다른 예로 계수 장치(100)는 기준 이미지 내지 기준 이미지에 대하여 소정의 채널 분리, 이진화, 조명 정규화 등의 전처리가 수행된 가공 기준 이미지 성분을, 입력된 제4타겟 이미지 내지 제4타겟 이미지에 대하여 소정의 전처리가 수행된 가공 타겟 이미지의 성분으로부터 감산한 후에 전술한 계수 프로세스를 적용하여 일반 세균의 개수가 보다 정밀하게 카운트 되도록 처리할 수 있다.

이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.

도 7은 본원의 일 실시예에 따른 이미지 분석 기반의 황색포도상구균 계수 방법에 대한 동작 흐름도이다.

도 7에 도시된 이미지 분석 기반의 황색포도상구균 계수 방법은 앞서 설명된 계수 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 계수 장치(100)에 대하여 설명된 내용은 이미지 분석 기반의 황색포도상구균 계수 방법에 대한 설명에도 동일하게 적용될 수 있다.

도 7을 참조하면, 단계 S11에서 이미지 획득부(110)는 황색포도상구균을 대상으로 촬영된 제1타겟 이미지를 획득할 수 있다.

다음으로, 단계 S12에서 채널 변환부(120)는 제1타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하여 제1분리 이미지를 도출할 수 있다.

다음으로, 단계 S13에서 이진화부(150)는 황색포도상구균의 가계수 정보를 기초로 하여 제1분리 이미지에 대하여 적응형 이진화를 수행하여 제1이진화 이미지를 도출할 수 있다.

구체적으로 단계 S13에서 이진화부(150)는 황색포도상구균의 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 적응형 이진화를 위한 블록 사이즈 및 문턱값 조절 상수를 상이하게 적용할 수 있다.

다음으로, 단계 S14에서 이미지 가공부(140)는 황색포도상구균의 가계수 정보를 기초로 하여 단계 S13에서 생성된 제1이진화 이미지에 반영된 황색포도상구균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행할 수 있다.

구체적으로 단계 S14에서 이미지 가공부(140)는 황색포도상구균의 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 모폴로지 연산을 위한 커널 사이즈와 수행되는 단위 연산의 유형 및 순서를 상이하게 적용할 수 있다.

본원의 일 실시예에 따르면, 단계 S14에서 이미지 가공부(140)는 황색포도상구균의 가계수 정보가 임계 수준 이상이면, 제1규격으로 커널 사이즈를 적용하고, 단위 연산으로서 팽창 연산 및 열림 연산을 순차적으로 수행할 수 있다.

또한, 본원의 일 실시예에 따르면, 단계 S14에서 이미지 가공부(140)는 황색포도상구균의 가계수 정보가 임계 수준 미만이면, 제1규격 또는 제1규격 대비 큰 제2규격으로 커널 사이즈를 선택적으로 적용하고, 단위 연산으로서 제1열림 연산, 팽창 연산 및 제2열림 연산을 순차적으로 수행할 수 있다.

다음으로, 단계 S15에서 계수 수행부(160)는 단계 S14를 통해 모폴로지 연산이 수행된 이미지를 이용하여 제1타겟 이미지에 포함된 황색포도상구균에 대한 제1계수 정보를 산출할 수 있다.

구체적으로 단계 S15에서 계수 수행부(160)는 모폴로지 연산이 수행된 이미지 내에서 미리 설정된 임계 면적 이상에 해당하는 객체의 수를 카운트하되, 제1계수 정보 산출을 위한 임계 면적은 가계수 정보에 기초하여 설정될 수 있다.

상술한 설명에서, 단계 S11 내지 S15는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.

도 8은 본원의 일 실시예에 따른 이미지 분석 기반의 대장균 계수 방법에 대한 동작 흐름도이다.

도 8에 도시된 이미지 분석 기반의 대장균 계수 방법은 앞서 설명된 계수 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 계수 장치(100)에 대하여 설명된 내용은 이미지 분석 기반의 대장균 계수 방법에 대한 설명에도 동일하게 적용될 수 있다.

도 8을 참조하면, 단계 S21에서 이미지 획득부(110)는 대장균을 대상으로 촬영된 제2타겟 이미지를 획득할 수 있다.

다음으로, 단계 S22에서 채널 변환부(120)는 제2타겟 이미지를 HSV 색공간 기반의 HSV 채널 이미지로 변환하고, V(Value) 채널을 선택적으로 분리하여 제2분리 이미지를 도출할 수 있다.

다음으로, 단계 S23에서 이미지 가공부(140)는 제2타겟 이미지에 반영된 조명 성분을 제거하기 위한 조명 정규화를 제2분리 이미지에 대하여 적용할 수 있다.

다음으로, 단계 S24에서 이진화부(150)는 조명 정규화가 적용된 제2분리 이미지에 대하여 미리 설정된 임계값 기반의 이진화를 수행하여 제2이진화 이미지를 도출할 수 있다.

다음으로, 단계 S25에서 계수 수행부(160)는 제2이진화 이미지를 이용하여 제2타겟 이미지에 포함된 대장균에 대한 제2계수 정보를 산출할 수 있다.

상술한 설명에서, 단계 S21 내지 S25는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.

도 9는 본원의 일 실시예에 따른 이미지 분석 기반의 대장균군 계수 방법에 대한 동작 흐름도이다.

도 9에 도시된 이미지 분석 기반의 대장균군 계수 방법은 앞서 설명된 계수 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 계수 장치(100)에 대하여 설명된 내용은 이미지 분석 기반의 대장균군 계수 방법에 대한 설명에도 동일하게 적용될 수 있다.

도 9를 참조하면, 단계 S31에서 이미지 획득부(110)는 대장균군을 대상으로 촬영된 제3타겟 이미지를 획득할 수 있다.

다음으로, 단계 S32에서 채널 변환부(120)는 획득한 제3타겟 이미지를 YCbCr 채널 이미지 및 HSV 색공간 기반의 HSV 채널 이미지로 변환할 수 있다.

다음으로, 단계 S33에서 마스크 생성부(130)는 변환된 HSV 채널 이미지의 V 채널을 이용하여 제3타겟 이미지의 기준 영역 외측에 대응하는 노이즈를 제거하기 위한 제1마스크를 생성할 수 있다.

다음으로, 단계 S34에서 마스크 생성부(130)는 변환된 YCbCr 채널 이미지의 Cr 채널을 이용하여 제3타겟 이미지의 기준 영역 주변부에 위치하는 대장균군을 필터링하기 위한 제2마스크를 생성할 수 있다.

다음으로, 단계 S35에서 이진화부(150)는 단계 S33을 통해 생성된 제1마스크, 단계 S34를 통해 생성된 제2마스크 및 단계 S32에서 변환된 HSV 채널 이미지의 S 채널을 이용하여 이진화를 수행하여 제3이진화 이미지를 도출할 수 있다.

다음으로, 단계 S36에서 계수 수행부(160)는 제3이진화 이미지를 이용하여 제3타겟 이미지에 포함된 대장균군에 대한 제3계수 정보를 산출할 수 있다.

상술한 설명에서, 단계 S31 내지 S36은 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.

도 10은 본원의 일 실시예에 따른 이미지 분석 기반의 일반 세균 계수 방법에 대한 동작 흐름도이다.

도 10에 도시된 이미지 분석 기반의 일반 세균 계수 방법은 앞서 설명된 계수 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 계수 장치(100)에 대하여 설명된 내용은 이미지 분석 기반의 일반 세균 계수 방법에 대한 설명에도 동일하게 적용될 수 있다.

도 10을 참조하면, 단계 S41에서 이미지 획득부(110)는 일반 세균을 대상으로 촬영된 제4타겟 이미지를 획득할 수 있다.

다음으로, 단계 S42에서 채널 변환부(120)는 제4타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하여 제4분리 이미지를 도출할 수 있다.

다음으로, 단계 S43에서 이진화부(150)는 제4분리 이미지에 대하여 적응형 이진화를 수행하여 제4이진화 이미지를 도출할 수 있다.

다음으로, 단계 S44에서 계수 수행부(160)는 제4이진화 이미지를 이용하여 제4타겟 이미지에 포함된 일반 세균에 대한 제4계수 정보를 산출할 수 있다.

상술한 설명에서, 단계 S41 내지 S44는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.

본원의 일 실시예에 따른 이미지 분석 기반의 균 계수 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

또한, 전술한 이미지 분석 기반의 균 계수 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.

10: 균 이미지 분석 시스템
100: 이미지 분석 기반의 균 계수 장치
110: 이미지 획득부
120: 채널 변환부
130: 마스크 생성부
140: 이미지 가공부
150: 이진화부
160: 계수 수행부
200: 촬영 디바이스
300: 사용자 단말
20: 네트워크

Claims (10)

1. 이미지 분석 기반의 균 계수 방법에 있어서,
   타겟 균을 대상으로 촬영된 제1타겟 이미지를 획득하는 단계;
   상기 제1타겟 이미지의 색상 채널 중 상기 타겟 균의 유형에 따른 채널을 선택적으로 분리하여 제1분리 이미지를 도출하는 단계;
   상기 타겟 균의 가계수 정보를 기초로 하여 상기 제1분리 이미지에 대하여 이진화를 수행하여 제1이진화 이미지를 도출하는 단계;
   상기 가계수 정보를 기초로 하여 상기 제1이진화 이미지에 반영된 상기 타겟 균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행하는 단계; 및
   상기 모폴로지 연산이 수행된 이미지를 이용하여 상기 타겟 균에 대한 제1계수 정보를 산출하는 단계,
   를 포함하고,
   상기 제1계수 정보를 산출하는 단계는,
   상기 모폴로지 연산이 수행된 이미지 내에서 미리 설정된 임계 면적 이상에 해당하는 객체의 수를 카운트하는 것이되,
   상기 임계 면적은 상기 가계수 정보에 기초하여 설정되되, 상기 가계수 정보가 임계 수준 미만인 경우 적용되는 제1임계 면적이 상기 가계수 정보가 상기 임계 수준 이상인 경우 적용되는 제2임계 면적 대비 작게 설정되는 것을 특징으로 하는, 계수 방법.
2. 제1항에 있어서,
   상기 타겟 균은 황색포도상구균을 포함하고,
   상기 제1분리 이미지를 도출하는 단계는,
   상기 제1타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하는 것인, 계수 방법.
3. 제1항에 있어서,
   상기 제1이진화 이미지를 도출하는 단계는,
   상기 제1분리 이미지에 대하여 적응형 이진화를 수행하되, 상기 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 상기 적응형 이진화를 위한 블록 사이즈 및 문턱값 조절 상수를 상이하게 적용하는 것을 특징으로 하는, 계수 방법.
4. 제1항에 있어서,
   상기 모폴로지 연산을 수행하는 단계는,
   상기 가계수 정보가 미리 설정된 임계 수준 이상인지 여부에 따라 상기 모폴로지 연산을 위한 커널 사이즈와 수행되는 단위 연산의 유형 및 순서를 상이하게 적용하는 것을 특징으로 하는, 계수 방법.
5. 제4항에 있어서,
   상기 모폴로지 연산을 수행하는 단계는,
   상기 가계수 정보가 상기 임계 수준 이상이면, 제1규격으로 상기 커널 사이즈를 적용하고, 상기 단위 연산으로서 팽창 연산 및 열림 연산을 순차적으로 수행하는 것이고,
   상기 가계수 정보가 상기 임계 수준 미만이면, 상기 제1규격 또는 상기 제1규격 대비 큰 제2규격으로 상기 커널 사이즈를 선택적으로 적용하고, 상기 단위 연산으로서 제1열림 연산, 팽창 연산 및 제2열림 연산을 순차적으로 수행하는 것인, 계수 방법.
6. 삭제
7. 제1항에 있어서,
   상기 타겟 균은 대장균을 포함하고,
   상기 대장균을 대상으로 촬영된 제2타겟 이미지를 획득하는 단계;
   상기 제2타겟 이미지를 HSV 색공간 기반의 HSV 채널 이미지로 변환하고, V(Value) 채널을 선택적으로 분리하여 제2분리 이미지를 도출하는 단계;
   상기 제2타겟 이미지에 반영된 조명 성분을 제거하기 위한 조명 정규화를 상기 제2분리 이미지에 대하여 적용하는 단계;
   상기 조명 정규화가 적용된 상기 제2분리 이미지에 대하여 미리 설정된 임계값 기반의 이진화를 수행하여 제2이진화 이미지를 도출하는 단계; 및
   상기 제2이진화 이미지를 이용하여 상기 제2타겟 이미지에 포함된 상기 대장균에 대한 제2계수 정보를 산출하는 단계,
   를 더 포함하는 것인, 계수 방법.
8. 제1항에 있어서,
   상기 타겟 균은 대장균군을 포함하고,
   상기 대장균군을 대상으로 촬영된 제3타겟 이미지를 획득하는 단계;
   상기 제3타겟 이미지를 YCbCr 채널 이미지 및 HSV 색공간 기반의 HSV 채널 이미지로 변환하는 단계;
   상기 HSV 채널 이미지의 V 채널을 이용하여 상기 제3타겟 이미지의 기준 영역 외측에 대응하는 노이즈를 제거하기 위한 제1마스크를 생성하는 단계;
   상기 YCbCr 채널 이미지의 Cr 채널을 이용하여 상기 제3타겟 이미지의 상기 기준 영역 주변부에 위치하는 상기 대장균군을 필터링하기 위한 제2마스크를 생성하는 단계;
   상기 제1마스크, 상기 제2마스크 및 상기 HSV 채널 이미지의 S 채널을 이용하여 이진화를 수행하여 제3이진화 이미지를 도출하는 단계; 및
   상기 제3이진화 이미지를 이용하여 상기 제3타겟 이미지에 포함된 상기 대장균군에 대한 제3계수 정보를 산출하는 단계,
   를 더 포함하는 것인, 계수 방법.
9. 제1항에 있어서,
   상기 타겟 균은 일반 세균을 포함하고,
   상기 일반 세균을 대상으로 촬영된 제4타겟 이미지를 획득하는 단계;
   상기 제4타겟 이미지의 색상 채널 중 R(Red) 채널을 선택적으로 분리하여 제4분리 이미지를 도출하는 단계;
   상기 제4분리 이미지에 대하여 적응형 이진화를 수행하여 제4이진화 이미지를 도출하는 단계; 및
   상기 제4이진화 이미지를 이용하여 상기 제4타겟 이미지에 포함된 상기 일반 세균에 대한 제4계수 정보를 산출하는 단계,
   를 더 포함하는 것인, 계수 방법.
10. 이미지 분석 기반의 균 계수 장치에 있어서,
    타겟 균을 대상으로 촬영된 제1타겟 이미지를 획득하는 이미지 획득부;
    상기 제1타겟 이미지의 색상 채널 중 상기 타겟 균의 유형에 따른 채널을 선택적으로 분리하여 제1분리 이미지를 도출하는 채널 변환부;
    상기 타겟 균의 가계수 정보를 기초로 하여 상기 제1분리 이미지에 대하여 이진화를 수행하여 제1이진화 이미지를 도출하는 이진화부;
    상기 가계수 정보를 기초로 하여 상기 제1이진화 이미지에 반영된 상기 타겟 균 각각의 형태학적 특성을 개선하기 위한 모폴로지 연산을 수행하는 이미지 가공부; 및
    상기 모폴로지 연산이 수행된 이미지를 이용하여 상기 타겟 균에 대한 제1계수 정보를 산출하는 계수 수행부,
    를 포함하고,
    상기 계수 수행부는,
    상기 모폴로지 연산이 수행된 이미지 내에서 미리 설정된 임계 면적 이상에 해당하는 객체의 수를 카운트하는 것이되,
    상기 임계 면적은 상기 가계수 정보에 기초하여 설정되되, 상기 가계수 정보가 임계 수준 미만인 경우 적용되는 제1임계 면적이 상기 가계수 정보가 상기 임계 수준 이상인 경우 적용되는 제2임계 면적 대비 작게 설정되는 것을 특징으로 하는, 계수 장치.

Images