NL8902042A - Systeem en werkwijze voor digitale analyse van beelden toegepast op stratigrafische data. - Google Patents
Systeem en werkwijze voor digitale analyse van beelden toegepast op stratigrafische data. Download PDFInfo
- Publication number
- NL8902042A NL8902042A NL8902042A NL8902042A NL8902042A NL 8902042 A NL8902042 A NL 8902042A NL 8902042 A NL8902042 A NL 8902042A NL 8902042 A NL8902042 A NL 8902042A NL 8902042 A NL8902042 A NL 8902042A
- Authority
- NL
- Netherlands
- Prior art keywords
- image
- digitized
- components
- images
- statistical distributions
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 49
- 238000010252 digital analysis Methods 0.000 title description 2
- 238000012545 processing Methods 0.000 claims description 24
- 238000009826 distribution Methods 0.000 claims description 23
- 230000000877 morphologic effect Effects 0.000 claims description 19
- 238000012512 characterization method Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 11
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 5
- 239000011707 mineral Substances 0.000 claims description 5
- 239000005416 organic matter Substances 0.000 claims description 5
- 239000011148 porous material Substances 0.000 claims description 5
- 239000004575 stone Substances 0.000 claims description 4
- 238000011496 digital image analysis Methods 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000001000 micrograph Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 238000002360 preparation method Methods 0.000 claims description 2
- 238000011002 quantification Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 2
- 238000009825 accumulation Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 claims 1
- 239000002245 particle Substances 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000004445 quantitative analysis Methods 0.000 description 8
- 230000009466 transformation Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 241000270666 Testudines Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000011192 particle characterization Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06V20/695—Preprocessing, e.g. image segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0061—Investigating dispersion of solids in solids, e.g. petrography
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Dispersion Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
Systeem en werkwijze voor digitale analyse van beelden toegepast opstratigrafische data._
Beschrijving
ï ACHTERGROND VAN DE UITVINDING
De onderhavige uitvinding heeft betrekking op digitale beeldver-werkingssystemen en processen voor kwalitatieve deeltjeskarakteriseringen, meer in het bijzonder op een systeem en een proces voor automati¬sche karakterisering van palynologische en sedimentologische monsters> gebaseerd op algoritmen voor het uitvoeren van technieken voor beeld¬verbetering, connectiviteit en morfologische analyse, welke werkzaamzijn op de voorwerpen of patronen in een invoerbeeld verkregen doormiddel van een TV camera.
Texturele beschrijving van deeltjes van organische materie op ba¬sis van afmeting en vorm werd voorheen verricht door rechtstreekse me¬ting van ieder deeltje onder gebruikmaing van een visuele schaal metbehulp van een kijkinrichting, meestal een microscoop, voor kwalitatie¬ve data, en door vergelijking met visuele tabellen voor kwalitatievedata.
Bepaling van porie-afmetingen en analyse van rotsmineralen wordttraditioneel verricht ofwel door het tellen van oppervlakte-eenheden(puntentelling) met behulp van een mechanische inrichting of door mid¬del van handmatige planimetrie van een geprojecteerd beeld.
Deze meetwerkwijzen hebben het nadeel dat zij in hoge mate onder¬hevig zijn aan het oordeel van de bedieningspersoon en ook bijzondertijdrovend zijn.
Vroege technieken voor de kwantitatieve karakterisering van orga¬nische resten werden voor het eerst in de literatuur vermeld door M.A.Lorente in een artikel getiteld LAPYNOLOGY AND PALYNOFACIES OF THEUPPER TERTIARY IN VENEZUELA. Het artikel behandelde enkele basisbegrip¬pen voor het overtalen van de ruwe gegevens omtrent geobserveerde orga¬nische massadeeljes zoals verkregen door middel van een QUANTIMET in¬richting naar geologisch zinvolle parameters.
De octrooiliteratuur wordt gekenmerkt door verscheidene octrooienop het gebied van deeltjesanalyse.
US octrooi nr. 4.229.797 beschrijft een werkwijze en een systeemvoor de beeldverwerking van volledige beelden, in het bijzonder voorautomatische meting van textuur en kleur door middel van een electroni-sche inrichting, door middel van welke bepaalde parameters worden ver¬kregen door middel van, in feite, electronische aftrekking van een oorspronkelijk eerste beeld van een "afgevlakt" (plaatselijk gemiddeld)tweede beeld teneinde plaatselijke maxima te verkrijgen, welke puntenverder worden gebruikt voor het berekenen van eerste, tweede en derdemomenten van objecten als parameters die vergeleken kunnen worden mettabellen of met van te voren vastgestelde standaardpatronen van textuurdie bekende classificaties weergeven van medische objecten.
US octrooiaanvrage nr. 2.029,570-A beschrijft een werkwijze en in¬richting voor beeldanalyse en automatische classificatie van een veldvan objecten dat gebruik maakt van interactie met een bedieningspersoonvoor het selecteren van een beeldintensiteit-drempelwaarde voor hetonderscheiden van een verzameling van objecten in het beeldveld, diedoor de bedieningspersoon worden beschouwd als behorende tot eenbepaalde klasse van objecten, uit het totaal van alle dergelijke objec¬ten. Automatische meting en opslag van de drempelwaarde en andere bere¬kende parameters die de geselecteerde objecten beschrijven staan de in¬richting toe later objecten in andere beelden te classificeren als be¬horende tot een eerder beschreven klasse. Deze gepubliceerde octrooi¬aanvrage verwijst in het bijzonder naar een QUANTIMET beeldanalyse-inrichting bedoeld om gebruikt te worden voor het meten van totaleporositeit en voor het kwantificeren van de vorm, van de verdeling naarafmeting en van de connectiviteit van de poriën voor het kwantifice¬ren van korrelvorm in grondsoorten en sedimenten. Deze uitvinding heefthet nadeel dat zij een inrichting van grote complexiteit en derhalvehoge kosten vereist, welke een vaste opstelling behoeft en derhalveniet flexibel is. Bovendien steunt zij op het oordeel van een bedie¬ningspersoon voor het calibreren van het classificatiesysteem. Verderenadelen van de genoemde complexiteit zijn de resulterende hoge kostenen de betrekkelijke onmogelijkheid van transport naar afgelegen werkge¬bieden van de geologische wetenschappen.
US octrooinr. 4.700.289 beschrijft een aftaster voor de verwerkingvan microscoopbeelden voor het localiseren, meten en herkennen vanlevende cellen die groeien in weefselcultuurflacons. Het hoofddoel vande uitvinding is het localiseren, identificeren en vólgen van bewegendecellen in een dynamische omgeving. De beschreven techniek is beperkttot het bepalen van de aanwezigheid en van de positie van een cel intwee dimensies binnen het beeldveld. Metingen van beelddichtheid wordengebruikt voor het identificeren van cellen uit brokstukken en andereniet-essentiële objecten. Met betrekking tot vorm of contour wordengeen parameters afgeleid.
In het algemeen zijn deze systemen niet geschikt voor gebruik bij de kwantitatieve karakterisering van organische materieconcentraten envan petrografische dunne secties of gepolijste steenfragmenten die ge¬vonden worden in monsters uit oliereservoirs.
Derhalve is het een doel van de onderhavige uitvinding te voorzieni in een systeem en werkwijze voor gebruik bij de kwantitatieve karakte¬risering van organische materieconcentraten en van petrografische dunnesecties of gepolijste fragmenten van steen die worden gevonden in mon¬sters uit oliereservoirs.
Het is een verder doel van de onderhavige uitvinding te voorzieni in een systeem en werkwijze zoals boven beschreven dat morfologischedata verkrijgt over monsters onder gebruikmaking van digitale beeld-analy setechni eken.
Deze en andere doeleinden en voordelen van de onderhavige uitvin¬ding zullen verder worden verduidelijkt door de volgende beschrijvingen tekeningen in welke dezelfde referentiecijfers soortgelijke elemen¬ten aanduiden.
SAMENVATTING VAN DE UITVINDING
De onderhavige uitvinding betreft een systeem en een werkwijzevoor digitale beeldanalyse voor het bereiken van morfologische karakte¬risering van beeldcomponenten. Het systeem en de werkwijze maken ge¬bruik van een kwantitatieve analyse van twee-dimensionale grijsschaal-beelden, met nadruk óp de meting van de morfologische eigenschappen enstatistische verdelingen van deeltjes die aanwezig zijn in de beelden.
Het systeem volgens de onderhavige uitvinding omvat in het alge¬meen een middel voor het digitaliseren en opslaan van beelden die wor¬den geregostreerd door een TV camera. De informatie-inhoud van de digi¬tale weergave van de beelden omvat een patroon van 512 bij 480 beeld¬elementen met een resolutie van 128 grijsniveaus. Het systeem omvatbovendien middelen voor het weergeven van de grijsniveaubeelden op eenmonitor met hoge resolutie.
Het systeem omvat bovendien middelen voor het verbeteren van hetgedigitaliseerde beeld, middelen voor het verwerken van het verbeterdegedigitaliseerde beeld, middelen voor het omzetten van onbewerkte twee¬dimensionale gedigitaliseerde data in statistische verdelingen die desamenstellende componenten van het monster weergeven, en middelen voorhet grafisch weergeven van een uitvoer die de statistische verdelingenomvat, De uitvoer omvat bij voorkeur statistische grafieken en para¬meters die gebruikt kunnen worden om de monsterbeelden te karakterise¬ren. De beeldverbeteringsmiddelen omvatten bij voorkeur middelen voorhet redigeren van de beelden teneinde ongewenste gedeelten te elimine- ren. In een voorkeursuitvoering wordt de bewerking van het verbeterdegedigitaliseerde beeld en de omzetting van de onbewerkte data verrichtdoor een microprocessor voor algemene doeleinden die van te voren ge¬programmeerd is voor het verrichten van een gewenste groep van opera¬ties en die een interface heeft met een bedieningspersoon-instructeur.
Het proces volgens de onderhavige uitvinding omvat het verrichtenvan grijsniveau-transformaties van de gedigitaliseerde beelden teneindegewenste eigenschappen van de objecten die in de beelden aanwezig zijnte benadrukken. De plaats van een gebied dat de belangstelling heeft endat in aanmerking komt voor bewerking kan door de gebruiker geselec¬teerd worden, Een binaire kwantisering onder gebruikmaking van drempel-technieken vindt plaats alvorens ruimtelijke operaties op de data wor¬den verricht. Een contour-volgend algoritme gebaseerd op een 8-connec-tiviteitsconcept wordt toegepast op de objecten binnen het beeldgebieddat de belangstelling heeft en voor ieder object worden ij-de momentenberekend. Op basis van deze informatie worden morfologische metingenzoals excentriciteit, oppervlakte, omtrek en oriëntatie verrricht.
Een beter begrip van de principes en details van de onderhavigeuitvinding zal duidelijk worden uit de volgende beschrijving en teke¬ningen.
KORTE BESCHRIJVING VAN DE TEKENINGEN
Figuur 1 en 2 zijn schematische illustraties van het systeem vol¬gens de onderhavige uitvinding.
Figuur 3 illustreert de processtappen van een contour-volgendalgoritme dat bekend is als het Turtle algoritme; en figuren 4 tot 7 illustreren een gedeelte van de uitvoer die doorhet systeem en het proces volgens de onderhavige uitvinding wordenopgewekt.
GEDETAILLEERDE BESCHRIJVING VAN DE VOORKEURSUITVOERING
De gedetailleerde werking van het geïntegreerde systeem zal inhet volgende worden beschreven onder verwijzing naar de figuren.
De onderhavige uitvinding betreft een systeem en een werkwijzevoor de kwantitatieve analyse van twee-dimensionale grijsschaalbeeldenen, meer in het bijzonder, de metingen van de morfologische eigenschap¬pen en statistische verdelingen van deeltjes die aanwezig zijn in debeelden door het definiëren van eigenschappen van de beelden als eenfunctie van van tevoren vastgestelde grijscodes.
In het algemeen bestaan de werkwijze en het geïntegreerde sys¬teem volgens de onderhavige uitvinding zoals getoond in de figuren 1 en2 uit het registreren van een serie beelden door middel van een TV
camera 10. De beelden kunnen een serie foto's 12 of monsters zijn diegemeten dienen te worden of beelden afkomstig van de lens van eenmicroscoop 14. De camera 10 is bij voorkeur een monochromatische video¬camera zoals een RS-170 videocamera omdat een dergelijke camera eenhogere ruimtelijke resolutie heeft dan een kleurenvideocamera. Doorgebruik te maken van een dergelijke camera is het mogelijk een digitaleweergave op te wekken van de beelden waarvan de informatie-inhoud eenpatroon omvat van 512 bij 480 beeldelementen met een resolutie van 128grijsniveaus.
De camera 10 kan uitgerust zijn met een instelbaar lenssysteem eneen apertuurdiafragma, beide niet getekend, teneinde op de juiste wijzescherp te stellen en de hoeveelheid van het ontvangen licht in te stel¬len. Bruikbare instelbare lenssystemen en apertuurdiafragma's voor hetbereiken van deze doeleinden zijn bij de stand van de techniek bekenden maken geen deel uit van de onderhavige uitvinding.
Een electronische digi taliseringsinrichting 16 ontvangt de video¬signalen van de beeld(en) opgevangen door de camera 10 en vertaalt debeelden in een vorm die machinaal te lezen is. De digi taliseringsin-richting 16 kan iedere volgens de stand van de techniek bekende ge¬schikte inrichting omvatten die geëigende schakelingen heeft voor hetomzetten van ieder beeld in een digitale matrix die twee dimensiesweergeeft in cartesiaanse coördinaten en waarden bevat die metingendoor de camera weergeven van relatieve lichtintensiteiten binnen zijnbeeldveld. De gedigitaliseerde beeld(en) kunnen worden overgedragen aanhet geheugen 18 van een microprocessor 20. Een eerste videoweergave-monitor met hoge resolutie 22 zoals een KSB verbonden met de digitali-seringsinrichting 16 kan worden gebruikt om de beelden, die worden ont¬vangen uit de camera 10 of die zijn opgeslagen in het geheugen van dedigitaliseringsinrichting en/of het geheugen van de microprocessor 20,weer te geven.
De microprocessor 20 kan iedere geschikte computer omvatten diebekend is bij de stand der techniek en kan worden voorzien vangeëigende modules of kaarten en/of geschikte programmatuur voor hetverrichten van een verscheidenheid van functies en operaties. De micro¬processor kan bijvoorbeeld een tafel computer zijn zoals een IBM-PC/ATmet een 512 KB RAM, een 20 MB harde schijf, een bijbehorende kleuren-monitor 26, en een digi taliserings- en een frame-opnemerkaart 16. Demicroprocessor 20 kan een muis-interface 24 en/of een lichtpen-inter-face 28 hebben om de taak van beeldbewerking eenvoudiger te maken. Demicroprocessor 20 wordt gebruikt voor het opwekken van een aantal afge- lei de beelden, die ieder een weergave bevatten van het opgevangen beelddoor middel van interpretatie van de schaduwen en/of lichtintensiteitenen door het gebruik van mathematische en/of logische operaties zoalstransformaties, vergelijkingen, optellingen, aftrekkingen, korrelaties,en/of vermenigvuldigingen.
Alvorens het systeem gebruikt wordt voor het verrichten van kwan¬titatieve analyse van het beeld of de beelden, is het noodzakelijk hetsysteem te kalibreren teneinde de overeenkomst vast te stellen tussenmetingen in pixels (dat wil zeggen, beeldelementen) en de feitelijkewaarden ontleend aan de werkelijkheid. In een voorkeursuitvoering wordtkalibratie bereikt door het meten van de lengte van een uiterst nauw¬keurige referentie, zowel horizontaal als verticaal. Meetwerkzaamhedenkunnen vervolgens worden verricht door het veranderen van de dimensiesvan het gebied dat de belangstelling heeft tot het exact de referentiedekt. In een voorkeursbenadering wordt kalibratie verricht voor iederevergrotingsmaatstaf van de microscoop 14.
De microprocessor 20 kan voorzien zijn van geschikte programmatuurvoor het uitvoeren van de bovengenoemde kalibratietechniek. Eenmaal ge¬kalibreerd bestaat er een nauwkeurig bekende lineaire relatie tussen dewerkelijke scheiding van twee punten op elk van twee normalecartesiaanse coördinatie-assen in een werkelijk objectbeeld, en eenberekende scheiding van beelden van dezelfde twee punten in het gedigi¬taliseerde beeld. Informatie die ontvangen wordt door de microprocessor20 over het kalibratieproces kan worden opgeslagen en gebruikt voor hetnormaliseren van de kwantitatieve analyse van een verzameling van bijelkaar behorende beelden en de systeeminstallatie. Het kalibratieprocesmaakt ook berekeningen mogelijk en staat het gebruik toe van verschil¬lende cameralenssystemen evenals bijstellingen voor te verwachten ver¬anderingen in de loop der tijd wat betreft de plaatsing van de cameraen de afmeting en de vorm van zijn beeldveld.
Nadat de stappen van de initiële installatie en kalibratie zijnvoltooid kan een te onderzoeken monster worden onderzocht. Het teonderzoeken monster kan bijvoorbeeld geplaatst worden onder demicroscoop 14. De microscoop en/of camera worden vervolgens scherpgesteld tot een duidelijk gedefinieerd beeld wordt waargenomen op demonitor met hoge resolutie 22. Repetitieve analoge beelden van hetmonster worden geproduceerd door het monster in essentie continu met decamera waar te nemen. De herhalingsfrequentie van een videocamera be¬draagt in het algemeen dertig keer per seconde.
Nadat het beeld dat opgevangen is door de camera 10 gedigitali- seerd is door de digitaliseringsinrichting 16 en opgeslagen in hetmicroprocessorgeheugen 18 en/of weergegeven op de videomonitor 22,selecteert de bedieningspersoon een uit verscheidene beschikbare ver-werkingsstrategieën teneinde een kwantitatieve analyse te verrichtenvan de deeltjes die in het beeld worden onderscheiden. De beschikbarestrategieën omvatten: (1) het besturen van het niveau van intensiteiten contrast van het grijsschaalbeeld; (2) het selecteren van het drem¬pelniveau; (3) beeldfiltering; (4) redigeren van het drempel beeld; en(5) het verwerken voor kwantitatieve analyse. Het volgende stroomschemaillustreert een menugestuurde programma-interface voor het uitvoerenvan de diverse stappen in de bovengenoemde strategieën.
ADIE hoofdmenu I. Omgevi ngsmenu A. Systeem initialiseren B. Systeem kalibreren C. Werkgebied II. Taakmenu A. Nieuwe taak B. Bestand lezen C. Menu palinologie 1. Menu beeldbewerking
Ui tvoerdrempelGrijsschaal-instellenDeeltjes wissenDeeltjes scheidenNieuw beeld opnemen 2. Menu beeldverwerkingMenu beeldredigeren
Ui tvoerdrempelGrijsschaal-i nstel1 enDeeltjes wissenDeeltjes scheidenNieuw beeld opnemenBeelden verwerkenBestand lezenBestand bewarenNieuwe taak
Menu grafische weergave
Granulometrische distributieHistogrammen van gebieden
Relatieve langwerpigheidRelatieve onregelmatigheid 3. Teller-menu paninologieMacerale selectie
Menu beeldredigerenUitvoerdrempelGri j sschaal-instel1 enDeeltjes wissenDeeltjes scheidenNieuw beeld opnemenBeeldverwerkenBestand lezenBestand bewarenNieuwe taak 4. Menu grafische weergaveGranulometrische distributieHistogrammen van gebiedenRelatieve langwerpigheidRelatieve onregelmatigheid D. Menu sedimentologie 1. Menu beeldredigerenUitvoerdrempel
Gri j sschaal-i nstel1 enDeeltjes wissenDeeltjes scheidenNieuw beeld opnemen 2. Menu karakteriserenMenu porieverwerkingBeelden verwerkenMenu beeldredigeren
UitvoerdrempelGri j sschaal-i nstel1 enDeeltjes wissenDeeltjes scheidenNieuw beeld opnemenBestand lezenBestand bewarenNi euwe taak
Menu grafische weergave
Granulometri sche di stributi e
Histogrammen van gebiedenRelatieve langwerpigheidRelatieve onregelmatigheidOriëntatie
Menu deeljtesverwerkingMenu beeldredigerenUitgangsdrempelGri j sschaal-instellenDeeltjes wissenDeeltjes scheidenNieuw beeld opnemenBestand lezenBestand bewarenNieuwe taak
Menu grafische weergave
Granulometri sche di stri butieHistogrammen van gebiedenRelatieve langwerpigheidRelatieve onregelmatigheidOriëntatie 3. Teller-menu sedimentologieMenu minera!entellerMineralenselectieMenu beeldredigerenUitgangsdrempelGri j sschaal-i nsteilenDeeltjes wissenDeeltjes scheidenNieuw beeld opnemenBeeld verwerkenBestand lezenBestand bewarenNieuwe taak
Classificeren van mineralen
Afhankelijk van de strategie die door de bedieningspersoon wordtgekozen verricht de microprocessor 20 de reeks mathematische en/of lo¬gische operaties die nodig zijn voor het uitvoeren van de geselecteerdestrategie, bijvoorbeeld, het registreren van een beeld, het selecterenvan de punt-tot-punt transformatie bij de invoer van de digitalise- ringsinrichting, het selecteren van het centrale grijsniveau en debandbreedte van een banddoorlaat- of bandafsnij-filtering van hetgrijsniveaubeeld, of in het geval van bewerkingsoperaties, het ver¬strekken van mogelijkheden aan de bedieningspersoon voor het uitvoerenvan de gewenste operaties door middel van een handbediende inrichtingen het rechtstreeks zichtbaar maken van de resultaten op de monitor 22of 26. De handbediende inrichting kan een conventionele muisvormigeaanwijzer 24 omvatten en/of een lichtpen 28. Het is eveneens mogelijkhet systeem te programmeren voor het uitvoeren van de beschikbare stra¬tegieën onder handbediening. In deze werkstand wordt een toetsenbord30 gebruikt teneinde instructies te verstrekken voor het verrichten vande geselecteerde operaties.
Het besturen van het niveau van helderheid en contrast van eenbeeld kan worden gerealiseerd door het modificeren van de punt-tot-punttransformatie die plaatsvindt bij de ingang van de digitaliseringsin-richting 16. Door het selecteren van een lineaire transformatie van eennegatieve helling, kan bijvoorbeeld een geïnverteerd beeld wordenverkregen. Dit is bijzonder nuttig bij de kwantitatieve studie vanleegten en de bepaling van porositeit in de monsterbeelden gebaseerd opdezelfde algoritmen. Een van de voordelen van de onderhavige uitvindingis dat de resultaten van deze operaties continu kunnen worden waargeno¬men door de bedieningspersoon.
Teneinde karakterisering en/of identificatie van de objecten in debeelden mogelijk te maken kunnen bepaalde drempelniveaus worden inge¬steld. De selectie van een drempelniveau kan handmatig verricht wordendoor de bedieningspersoon en is wenselijk omdat dit de mogelijkheidgeeft de optimale binaire weergave van een gedigitaliseerd monsterbeeldvast te stellen met minimale beïnvloeding door ruis en met maximaledefinitie van doel objecten. De kwantitatieve analyse kan vervolgensworden uitgevoerd op het van drempels voorziene beeld. Indien gewenstkunnen geselecteerde drempelwaarden door de bedieningspersoon wordengeactualiseerd. Verder kan het bereik van ingangs- en uitgangsgrijs-niveaus van een beeld gemodificeerd worden door middel van door hard¬ware ondersteunde ingangs- en uitgangs-opzoektabellen.
Beeldredigeren maakt eliminering mogelijk van niet gewenstesporen, vlekken, en objecten in het gebied dat de belangstelling heeft,zodat deze niet worden opgenomen in kwantitatieve analyses, en derge¬lijke, die op basis van het gedigitaliseerde beeld worden verricht. Hetbeeldredigeren (editing) heeft blok- en lijnfuncties voor het het uit¬voeren van globale respectievelijk gedetailleerde operaties. Beeldredi- gering maakt het eveneens mogelijk aan het beeld extra kenmerken toe tevoegen en kenmerken te wissen. Bijvoorbeeld, ontbrekende componentenkunnen aan het beeld worden toegevoegd. Zoals eerder uiteengezet kanbeeldredigering worden uitgevoerd onder gebruikmaking van de muisvormi-ge aanwijzer 24 en/of de lichtpen 28.
In bepaalde gevallen kan het handig zijn globale modificaties vanhet beeld uit te voeren door middel van een filter 23 en conventionelefilterbesturingsmiddelen 21. De filteroperaties kunnen worden gebruiktom uitsluitend die objecten te selecteren waarvan de grijsniveaus zichbinnen een vastgesteld grijsniveaubereik bevinden. De bedieningspersoonkan bijvoorbeeld het grijsniveau in het centrum van een bepaald bereikselecteren door middel van de muis-aanwijsinrichting 24. Door het ge¬bruik van de besturingstoetsen op de microprocessor 20 kan de bedie¬ningspersoon de geselecteerde filteroperatie activeren c.q. deactive-ren, de parameters van het filter veranderen, en banddoorlaat- of band-afsnij-functies selecteren.
Nadat alle modificaties van het monsterbeeld zijn uitgevoerd, kande bedieningspersoon vervolgens de verwerkingsroutines in werking stel¬len die tot doel hebben de morfologische parameters te verkrijgen diezullen dienen als basis voor de kwantitatieve analyse en de statisti¬sche karakterisering van het monsterbeeld. De verwerking wordt bijvoorkeur uitgevoerd binnen een beeldgebied dat de belangstelling heeft.Gedurende de verwerking wordt het gebied dat de belangstelling heeftafgetast volgens een lijn-voor-lijn methode teneinde clusters te loca-liseren van pixels met een grijsniveau lager dan een drempelniveau datgeselecteerd is door de bedieningspersoon. Deze clusters corresponderenmet objecten waarvan de morfologische eigenschappen vastgesteld zullenworden door de digitale verwerkingsalgoritmen. Deze objecten kunnenworden aangeduid als "doelobjecten".
Zodra een doel object wordt gelocaliseerd, kunnen de grenspixelshiervan worden gevolgd door een contourvolgend algoritme dat bekend isals het Turtle algoritme, gebaseerd op het 8-connectiviteitsconceptwaarbij in een twee-dimensionale rechthoekige pixelmatrix, twee pixelsacht-verbonden zijn indien zij zijn verbonden door een vlak of eenhoek.
Figuur 3 illustreert de verwerkingsstappen van dit algoritme. Instap 1 wordt het doel object in horizontale richting binnengegaan. Zoalsgetoond in tabel 1 wordt dit geclassificeerd als een type 2 facetover-gang. In stap 2 wordt het doelobject verlaten of in verticale richtinggeêxiteerd op een wijze welke geclassificeerd wordt als een type 5 overgang. Dit wordt gevolgd door een horizontaal binnengaan van hetdoelobject (type 4). Interne en externe facetten van het doelobjectworden doorlopen van stap 1 tot stap 8 waarbij het contourvolgend algo¬ritme de grens van het doelobject volgt.
De grenzen van de doel objecten worden "gemarkeerd" onder gebruik¬making van een van te voren geselecteerde binaire systeemcode die nietdeel uitmaakt van een bereik van grijsniveaucodes die opgewekt wordendoor de beeld-di gitali seringsinrichting. Het markeren van de grens-pixels stelt het zoek-algoritme in staat reeds verwerkte doel objectenover te slaan. Het contourvolgend algoritme is zodanig ontworpen dathet "zwakke" verbindingen van doel objecten overslaat. Van twee doel-objeeten kan men zeggen dat ze zwak verbonden zijn als de objecten8-verbonden zijn door slechts een pixel in de diagonale richting. Ineen meer algemene context kan een erosie-operatie, een proces doormiddel van waarvan de omtrek van een deeltje dat aanwezig is geleide¬lijk wordt verkleind, worden uitgevoerd teneinde sterke verbindingen(dat wil zeggen 8-verbonden door eén of meer pixels) te breken.
Iedere pixel in een beeld wordt bij voorkeur geïdentificeerddoor cartesiaanse coördinaten met betrekking tot een referentiepunt,dat zich in het algemeen bevindt in een van de hoeken of in het centrumvan het gedigitaliseerde beeldvlak. In een voorkeursuitvoering wordthet gedigitaliseerde beeld weergegeven als een twee-dimensionale arrayvan rechthoekige pixels en, derhalve, heeft elke pixel vier facetten,dat wil zeggen, twee horizontale en twee verticale facetten. Iederdoelobject is een cluster van binnen- en grenspixels. Grenspixels wor¬den gekenmerkt door het feit dat ze interne en externe facetten hebben.Een intern facet komt overeen met een gezamenlijk facet dat twee pixelsverbindt die tot hetzelfde object behoren. Een extern facet komt over¬een met de grenslijn tussen een grenspixel van een doelobject en zijnomgeving. Interne en externe facetten worden doorlopen waarneer hetcontourvolgend algoritme de grens van het doelobject volgt. Slechtsexterne facetkruisingen dragen bij aan de berekening van de momentenvan de doel objecten welke kan worden uitgevoerd onder gebruikmaking vaneen cumulatief proces.
Zoals in het voorgaande uiteengezet worden externe facetkruisingengekenmerkt door de richting en de bewegingszin terwijl de overgangplaatsvindt. Bovendien houdt het oversteken van een extern facet in datmen het doelobject achterlaat en de omgeving binnengaat, of dat men vanuit de omgeving het doelobject binnengaat. Derhalve kunnen acht typenvan externe facetovergangen worden omschreven, zoals getoond in tabel 1.
TABEL 1
TYPEN EXTERNE FACET-OVERGANGEN
Type Richting Bewegingszin Relatie met _doel object_ 1 horizontaal rechts uitgaand 2 horizontaal rechts inkomend 3 horizontaal links uitgaand 4 horizontaal links inkomend 5 verticaal omhoog uitgaand 6 verticaal omhoog inkomend 7 verticaal omlaag uitgaand 8 verticaal omlaag inkomend
Het contourvolgend algoritme wekt de coördinaten op van de pixels die de grens van het doel object definiëren. Op basis van dezeinformatie en de kennis van het type externe facetovergang, kunnen devolgende grootheden worden berekend door middel van een cumulatiefproces: SOMX : som van de x-coördinaten SOMY : som van de y-coördinaten SOMXY: som van de xy-kruisprodukten (x-coörd*y-coörd) S0MX2: som van de kwadraten van de x-coördinaten S0MY2: som van de kwadraten van de y-coördinaten waarbij de operaties plaatsvinden voor alle pixels die behoren bij het doel object.
Indien Npxs het aantal van de pixels weergeeft dat behoort tot hetdoel object, kunnen de volgende mathematische vergelijkingen worden ge¬bruikt teneinde de momenten M[i,j] van het doelobject op te wekken,waarbij i=Q tot 2 en j=0 tot 2: M[0,1] : SOMY/Npxs (1) M[1,0] : SOMX/Npxs (2) M[0,2] : S0MY2-(S0MY)2/Npxs (3) M[2,0] : S0MX2-($0MX)2/Npxs (4) M[l,l] : SOMXY-(S0MX*S0MY)/Npxs (5)
Terwijl het contourvolgend algoritme de grenslijn volgt, wordt ookde omtrek van het doel object berekend door een eenvoudig cumulatiefproces. Andere morfologische eigenschappen van de doel objecten die kun¬nen worden afgeleid uit de momenten zijn: 5 helling = 0,5* boogtangent(2*M[l,l]/(M[2,0]-M[0,2])) (6) langwerpigheid = (Mp[2,0]/Mp[0,2])1^2 (7) waarin Mp[2,0] = M[0,2]*(sinus(helling))2+ = M[2,0]*(cosinus(helling) )2 + 2*(sinus(helling))*(cosinus(helling)) 3 en Mp[0,2] = M[2,0]*(sinus(helling))2+ M[0,2]*(cosinus(heiling))2+ 2*(sinus(helling))*(cosinus(helling))oppervlak = Npxs (8) onregelmatigheid = omtrek/cirkelomtrek (9) 5 waarin cirkelomtrek de omtrek van een cirkel is met in essentie het¬zelfde oppervlak als het doel object.
De afmetingen van de beeldcomponenten kunnen worden geclassifi¬ceerd door middel van phi-diameterverdelingen waarin phi=-log2 (deel-tjesdiameter).
3 De morfologische eigenschappen van de doel objecten die aanwezig zijn in het te onderzoeken gebied van het gedigitaliseerde beeld kunnenzich bevinden in een bestandensysteem. De resultaten van de analysesvan de verschillende beelden kunnen gecombineerd worden zodat zinvollestatistische metingen kunnen worden verkregen uit een verzameling van; monsters. In de voorkeursuitvoering worden de resultaten van de statis¬tische analyse in grafische vorm weergegeven als functies van verdelingen cumulatie. Bovendien kunnen statistische parameters die speciaalontworpen zijn voor de toepassing worden berekend en over de grafischeweergaven worden geprojecteerd. De figuren 4 tot 7 illustreren enkele) van deze resultaten.
Figuur 7 is van bijzonder belang omdat het toont hoe men een hel¬ling van de componenten kan verkrijgen door middel van halfcirkelvormi¬ge projecties van de oriëntatie van de componenten.
De grafische uitvoer alsmede alle afgeleide beelden kunnen wordeni weergegeven op de monitor 26 en/of een printer die niet getoond wordt.De grafische uitvoer van de statistische verdelingen die opgewekt wor¬den door het systeem kan rechtstreeks worden gebruikt bij: (1) de mor¬fologische karakterisering van organische materie die in de monstersaanwezig is; (2) de morfologische karakterisering van mineraaïmonstersdie aanwezig zijn in petrografische dunne secties (preparaten); (3) de interpretatie van de morfologische karakterisering en kwantificeringvan lege (porie) ruimten in de monsterbeelden door het selecteren vaneen negatieve hellingslijntransformatie; en (4) de automatische classi¬ficatie van stenen door middel van een percentuele minerale samenstel¬ling waarbij de classificatie wordt gebaseerd op algemeen gebruikelijkepetrografi sche standaardclassificaties.
Het is bovendien mogelijk de bovengenoemde informatie te verwerkenals een cumulatieve areaaltelling waarbij het totale oppervlak vansoortgelijke groepen van beeldcomponenten wordt geaccumuleerd en hetpercentage wordt berekend ten opzichte van het totale oppervlak van derest van de groep. Technieken voor de uitvoering hiervan worden ver¬klaard in het eerder genoemde artikel van Lorente dat hierbij bij dezedoor verwijzing is inbegrepen.
Het wordt als vanzelfsprekend aangenomen dat de uitvinding nietbeperkt is tot de illustraties en verklaringen die in deze tekst wordenbeschreven en getoond en die beogen een illustratie te zijn van devoorkeursuitvoeringen van de uitvinding, en die onderhevig zijn aanmodificatie van vorm, afmeting, opstelling van onderdelen, en detailsvan de werking. De uitvinding beoogt al dergelijke modificaties envariaties te omvatten die binnen de geest en de reikwijdte van deuitvinding vallen zoals gedefinieerd in de conclusies.
Claims (26)
1. Systeem voor digitale beeldanalyse voor het bereiken van morfo¬logische karakterisering van beeldcomponenten dat omvat: middelen voor het opnemen van een beeld van een monster dat geana¬lyseerd dient te worden; middelen voor het digitaliseren van het ontvangen beeld in een di¬gitale matrix die twee dimensies weergeeft; middelen voor het verbeteren van het gedigitaliseerde beeld; middelen voor het verwerken van het verbeterde gedigitaliseerdebeeld; middelen voor het omvormen van onbewerkte twee-dimensionale gedi¬gitaliseerde data tot statistische verdelingen die de componenten weer¬geven van het monster; en middelen voor het grafisch weergegeven van een uitvoer die de sta¬tistische verdelingen omvat.
2. Systeem volgens conclusie 1 waarin de beeldopneemmiddelen eenvideocamera omvatten en het digi taliseringsmiddel een electronische di¬gital iseringseenheid omvat.
3. Systeem volgens conclusie 2 waarin de middelen voor het verbe¬teren van het gedigitaliseerde beeld een mui sinrichting omvatten en eenmicroprocessor die van te voren geprogrammeerde programmatuur heeft.
4. Systeem volgens conclusie 3 waarin de microprocessor ten minsteeen deel omvat van de middelen voor het verwerken van het verbeterdebeeld en de microprocessor mathematische en logische operaties verrichtop het verbeterde beeld teneinde verdere meetresultaten af te leidendie betrekking hebben op de beeldcomponenten voor het bepalen van destatistische verdelingen die gebruikt worden voor het karakteriserenvan het monster.
5. Systeem volgens conclusie 4 dat bovendien omvat dat de micro¬processor geprogrammeerd is voor het uitvoeren van de mathematische enlogische operaties en waarbij de verwerkingsmiddelen bovendien middelenomvatten voor het handmatig invoeren van operationele instructies voorde microprocessor.
6. Systeem volgens conclusie 2 verder omvattend een eerste video-monitor voor het weergeven van ontvangen en verbeterde beelden.
7. Systeem volgens conclusie 1 verder omvattend middelen voor hetmodificeren van ieder beeld door middel van beeldredigering.
8. Systeem volgens conclusie 7 waarbij de modificeringsmiddeleneen muisvormige aanwijzer omvatten voor het verwijderen en voor het toevoegen van ontbrekende componenten aan het beeld.
9. Systeem volgens conclusie 8 waarbij de verbetenngs-, modifice-rings- en omvormingsmiddelen een microprocessor omvatten en handmatigeinteractiemiddelen voor operationele instructie van de microprocessor.
10. Systeem volgens conclusie 1 waarin het op te nemen beeld tenminste een exemplaar van een beeld van een microscoop omvat en een fotouit een serie van foto's.
11. Werkwijze voor digitale beeldanalyse voor het bereiken vanmorfologische karakterisering van beeldcomponenten dat omvat: het opnemen van een oorspronkelijk beeld van ten minste eeneen microscoopbeeld of een foto; het electronisch digitaliseren van het beeld tot een digitalematrix die twee dimensies weergeeft; het overbrengen van het gedigitaliseerde beeld naar een video-monitor; het modificeren van het gedigitaliseerde beeld; het verwerken van twee dimensionale data verkregen uit het gedigi¬taliseerde beeld tot statistische verdelingen; het interpreteren van het gedigitaliseerde beeld; en het opwekken van een grafische uitvoer van de statistische verde¬lingen.
12. Werkwijze volgens conclusie 11 waarbij de stap van de beeldop-name het continu bekijken omvat van beelden van de microscoop of vaneen aantal foto's met een videocamera.
13. Werkwijze volgens conclusie 12 waarbij de stap van het modifi¬ceren het verbeteren van het gedigitaliseerde beeld omvat door het ver¬wijderen van niet gewenste ruis en het toevoegen van ontbrekende compo¬nenten.
14. Werkwijze volgens conclusie 13 waarbij de stap van het modifi¬ceren verder het modificeren omvat van een grijsniveau-bereik voor in¬voer en uitvoer van het beeld door middel van in hardware uitgevoerdeinvoer- en uitvoeropzoektabellen.
15. Werkwijze volgens conclusie 13 waarbij de stap van het modifi¬ceren verder het selecteren omvat van een beperkte groep grijsniveausen het filteren van het beeld onder gebruikmaking van genoemde geselec¬teerde groep grijsniveaus.
16. Werkwijze volgens conclusie 11 waarbij de stap van het verwer¬ken het afleiden omvat van verdere gedigitaliseerde beelden door ten minste een mathematische en logische operatie te verrichten voorhet definiëren van de grenzen van de componenten van het beeld. i/. webwijze voigens conclusie j.o waarDij ae stap van net inter¬preteren het verkrijgen omvat van morfologische parameters met inbegripvan ten minste een parameter betreffende het gebied, omtrek, relatievelangwerpigheid, onregelmatigheid en hellingsgraad van iedere beeldcom-ponent onder gebruikmaking van momentane opwekki ng van een doel object.
18. Werkwijze volgens conclusie 16 waarbij de stap van het verwer¬ken verder het definiëren omvat van de grenzen van de beeldcomponen-ten onder gebruikmaking van 8-connectiviteit-criteria.
19. Werkwijze volgens conclusie 12 dat verder omvat het voorzienin een weergavemonitor en een opslaggeheugen, waarbij ieder gedigitali¬seerd beeld in het geheugen wordt opgeslagen en waarbij een gewenstverbeterd gedigitaliseerd beeld wordt weergegeven op de monitor.
20. Werkwijze volgens conclusie 11 waarbij de stap van het inter¬preteren omvat: het omvormen van verwerkte data tot statistische verdelingen; het classificeren van de afmetingen van beeldcomponenten door mid¬del van phi diameterverdelingen; het karakteriseren van relatieve langwerpigheid van de beeldcompo¬nenten door middel van momenten van de statistische verdelingen beho¬rend bij iedere component die wordt bemonsterd; het karakteriseren van de onregelmatigheid van iedere componentdoor het vergelijken van metingen van zijn omtrek met de omtrek van eencirkel van in essentie gelijke oppervlakten; en het verkrijgen van een hellingskarakteristiek van de componentendoor middel van halfronde projecties van de oriëntatie van de compo¬nenten.
21. Werkwijze volgens conclusie 11 dat bovendien omvat het verwer¬ken als een cumulatieve areaal teil er waarbij het totale oppervlak vansoortgelijke groepen van beeldcomponenten wordt geaccumuleerd en even¬eens het percentage wordt berekend ten opzichte van het totale opper¬vlak van de rest van de groep.
22. Werkwijze volgens conclusie 20 dat verder omvat het continuverwerken van verscheidene gedigitaliseerde beelden en het accumulerenvan verwerkte data uit verscheidene gedigitaliseerde beelden.
23. Werkwijze volgens conclusie 11 dat verder omvat het recht¬streeks gebruiken van de opgewekte grafische uitvoer van de statis¬tische verdelingen bij de morfologische karakterisering van monster-beelden.
24. Werkwijze volgens conclusie 11 dat verder omvat het recht¬streeks gebruiken van de opgewekte grafische uitvoer van statistische verdelingen bij de morfologische karakterisering van monsters die aan¬wezig zijn in organische materie.
25. Werkwijze volgens conclusie 11 dat verder omvat het recht¬streeks gebruiken van de opgewekte grafische uitvoer van de statis¬tische verdelingen bij de morfologische karakterisering van mineralemonsters die aanwezig zijn in petrografische dunne secties of prepara¬ten.
26. Werkwijze volgens conclusie 11 dat verder omvat het recht¬streeks gebruiken van de opgewekte grafische uitvoer van de statis¬tische verdelingen bij de interpretatie van de morfologische karakteri¬sering en de kwantificatie van lege ruimte (poriën) in de monster-beelden.
27. Werkwijze volgens conclusie 21 dat verder omvat het automa¬tisch classificeren van stenen op basis van percentuele minerale samen¬stelling.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US23172488 | 1988-08-12 | ||
| US07/231,724 US4918739A (en) | 1988-08-12 | 1988-08-12 | Process and system for digital analysis of images applied to stratigraphic data |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| NL8902042A true NL8902042A (nl) | 1990-03-01 |
Family
ID=22870414
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| NL8902042A NL8902042A (nl) | 1988-08-12 | 1989-08-10 | Systeem en werkwijze voor digitale analyse van beelden toegepast op stratigrafische data. |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US4918739A (nl) |
| AU (1) | AU599851B2 (nl) |
| DE (1) | DE3921257A1 (nl) |
| FR (1) | FR2635392A1 (nl) |
| GB (1) | GB2221754B (nl) |
| NL (1) | NL8902042A (nl) |
| NO (1) | NO892453L (nl) |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5073857A (en) * | 1989-06-01 | 1991-12-17 | Accuron Corporation | Method and apparatus for cell analysis |
| US5194949A (en) * | 1990-01-16 | 1993-03-16 | Research Development Foundation | Video densitometer |
| US5420628A (en) * | 1990-01-16 | 1995-05-30 | Research Development Foundation | Video densitometer with determination of color composition |
| US5204912A (en) * | 1990-02-26 | 1993-04-20 | Gerber Systems Corporation | Defect verification and marking system for use with printed circuit boards |
| US5303310A (en) * | 1991-08-30 | 1994-04-12 | Imc Fertilizer, Inc. | Method and apparatus for image analysis of composite ores |
| JPH05164687A (ja) * | 1991-12-18 | 1993-06-29 | Hamamatsu Photonics Kk | レシオイメージング装置 |
| JP2940317B2 (ja) * | 1992-06-24 | 1999-08-25 | 三菱電機株式会社 | 画像処理装置 |
| FI96058C (fi) * | 1992-12-07 | 1996-04-25 | Valtion Teknillinen | Menetelmä ja laitteisto väliaineessa olevien hiukkasten analysoimiseksi ja väliaineeseen kosketuksissa olevien mekaanisten kontaktien kulumistilanteen jatkuvatoimiseksi määrittämiseksi |
| US5654762A (en) * | 1995-05-01 | 1997-08-05 | Tektronix, Inc. | Block matching for picture motion estimation using gray codes |
| US6108446A (en) * | 1997-02-18 | 2000-08-22 | Hoshen; Joseph | Method and apparatus for extracting cluster shape features from digital images |
| FR2772138B1 (fr) * | 1997-12-10 | 1999-12-31 | Inst Francais Du Petrole | Methode statistique multivariable pour caracteriser des images que l'on a formees d'un milieu complexe tel que le sous-sol |
| GB0017769D0 (en) * | 2000-07-19 | 2000-09-06 | Wybrow Brian R A | Sound system |
| EP1184659A1 (en) * | 2000-09-01 | 2002-03-06 | ZAMBON GROUP S.p.A. | Method and apparatus for the automatic detection and recognition of pollens |
| US7392287B2 (en) * | 2001-03-27 | 2008-06-24 | Hemisphere Ii Investment Lp | Method and apparatus for sharing information using a handheld device |
| GB0202266D0 (en) * | 2002-01-31 | 2002-03-20 | Univ Aberdeen | A method and device to ascertain physical characteristics of porous media |
| US7020307B2 (en) * | 2002-02-15 | 2006-03-28 | Inco Limited | Rock fragmentation analysis system |
| US20060143671A1 (en) * | 2004-12-23 | 2006-06-29 | Ens John E | Digital process analysis and control camera system |
| JP5339147B2 (ja) * | 2009-08-03 | 2013-11-13 | 株式会社Ｉｈｉ | 粒度の異なるテクスチャ領域の分割方法 |
| RU2536658C2 (ru) * | 2012-04-11 | 2014-12-27 | Анатолий Андреевич Бедарев | Способ получения цифровых изображений поверхности пористого тела с яркостным разделением объектов и фона и устройство для его реализации |
| DE102018217535A1 (de) * | 2018-10-12 | 2020-04-16 | Conti Temic Microelectronic Gmbh | Verfahren zum Verarbeiten von Daten |
Family Cites Families (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3999047A (en) * | 1972-09-05 | 1976-12-21 | Green James E | Method and apparatus utilizing color algebra for analyzing scene regions |
| JPS5723295B2 (nl) * | 1973-12-28 | 1982-05-18 | ||
| US4199748A (en) * | 1976-11-01 | 1980-04-22 | Rush-Presbyterian-St. Luke's Medical Center | Automated method and apparatus for classification of cells with application to the diagnosis of anemia |
| US4307376A (en) * | 1976-12-09 | 1981-12-22 | Geometric Data Corporation | Pattern recognition system for generating hematology profile |
| DE2903625A1 (de) * | 1978-02-03 | 1979-08-09 | Rush Presbyterian St Luke | Vorrichtung zur automatischen blutanalyse |
| US4229797A (en) * | 1978-09-06 | 1980-10-21 | National Biomedical Research Foundation | Method and system for whole picture image processing |
| GB2029570A (en) * | 1978-09-08 | 1980-03-19 | Cambridge Scientific Instr Ltd | Improvements in and relating to image analysis system |
| US4453266A (en) * | 1980-04-21 | 1984-06-05 | Rush-Presbyterian-St. Luke's Medical Center | Method and apparatus for measuring mean cell volume of red blood cells |
| IL63781A (en) * | 1980-09-19 | 1985-03-31 | Trw Inc | System for defect analysis in manufactured parts such as turbine blades |
| FR2513779B1 (fr) * | 1981-09-25 | 1986-07-25 | Sopelem | Dispositif automatique d'analyse statistique d'un objet |
| US4513438A (en) * | 1982-04-15 | 1985-04-23 | Coulter Electronics, Inc. | Automated microscopy system and method for locating and re-locating objects in an image |
| US4503555A (en) * | 1982-04-21 | 1985-03-05 | University Of California | Semi-automatic optical scanning apparatus utilizing line integration |
| JPS58221578A (ja) * | 1982-06-18 | 1983-12-23 | Toshiba Corp | 画像情報表示制御装置 |
| US4592089A (en) * | 1983-08-15 | 1986-05-27 | Bio Image Corporation | Electrophoretogram analytical image processing system |
| JPS61500077A (ja) * | 1983-08-17 | 1986-01-16 | エアリツク ロバ−ト | 貯留岩の細孔集合の分析方法 |
| FR2555754A1 (fr) * | 1983-11-28 | 1985-05-31 | Inter Inf | Procede et dispositif d'analyse automatique d'echantillons biologiques |
| US4700298A (en) * | 1984-09-14 | 1987-10-13 | Branko Palcic | Dynamic microscope image processing scanner |
| FR2586104B1 (fr) * | 1985-08-07 | 1987-12-04 | Armines | Procede et dispositif de detection des particules contrastees dans une image |
| FR2586120B1 (fr) * | 1985-08-07 | 1987-12-04 | Armines | Procede et dispositif de transformation sequentielle d'image |
| US4741043B1 (en) * | 1985-11-04 | 1994-08-09 | Cell Analysis Systems Inc | Method of and apparatus for image analyses of biological specimens |
| US5016283A (en) * | 1985-11-04 | 1991-05-14 | Cell Analysis Systems, Inc. | Methods and apparatus for immunoploidy analysis |
| JPH0652263B2 (ja) * | 1985-12-10 | 1994-07-06 | 株式会社日立製作所 | 細胞分析装置 |
| US4868883A (en) * | 1985-12-30 | 1989-09-19 | Exxon Production Research Company | Analysis of thin section images |
| US4791675A (en) * | 1985-12-31 | 1988-12-13 | Schlumberger Systems And Services, Inc. | VSP Connectivity pattern recognition system |
| DE3827313A1 (de) * | 1987-08-14 | 1989-02-23 | Int Remote Imaging Systems Inc | Digitales verarbeitungssystem, insbesondere videobildprozessor |
-
1988
- 1988-08-12 US US07/231,724 patent/US4918739A/en not_active Expired - Lifetime
-
1989
- 1989-01-06 AU AU27775/89A patent/AU599851B2/en not_active Ceased
- 1989-06-13 NO NO89892453A patent/NO892453L/no unknown
- 1989-06-29 DE DE3921257A patent/DE3921257A1/de not_active Withdrawn
- 1989-07-06 GB GB8915524A patent/GB2221754B/en not_active Expired - Lifetime
- 1989-07-18 FR FR8909609A patent/FR2635392A1/fr not_active Withdrawn
- 1989-08-10 NL NL8902042A patent/NL8902042A/nl not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| US4918739A (en) | 1990-04-17 |
| DE3921257A1 (de) | 1990-02-15 |
| AU599851B2 (en) | 1990-07-26 |
| GB2221754A (en) | 1990-02-14 |
| NO892453L (no) | 1990-02-13 |
| NO892453D0 (no) | 1989-06-13 |
| FR2635392A1 (fr) | 1990-02-16 |
| GB8915524D0 (en) | 1989-08-23 |
| GB2221754B (en) | 1993-02-24 |
| AU2777589A (en) | 1990-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| NL8902042A (nl) | Systeem en werkwijze voor digitale analyse van beelden toegepast op stratigrafische data. | |
| Oberholzer et al. | Methods in quantitative image analysis | |
| US7058233B2 (en) | Systems and methods for constructing an image having an extended depth of field | |
| Rodenacker et al. | A feature set for cytometry on digitized microscopic images | |
| CN102959355B (zh) | 点群数据处理装置、点群数据处理系统、点群数据处理方法及点群数据处理程序 | |
| US5848177A (en) | Method and system for detection of biological materials using fractal dimensions | |
| Richner et al. | Root image analysis and interpretation | |
| JPH10318904A (ja) | 粒子画像分析装置およびその分析用プログラムを記録した記録媒体 | |
| JPH08504522A (ja) | 境界ピクセル・パラメータの規則正しいシーケンスを用いた物体を識別するための方法及び装置 | |
| EP0681722B1 (en) | Methods for determining the exterior points of an object in a background | |
| Hryciw et al. | Development of computer vision technique for in situ soil characterization | |
| NL8902196A (nl) | Geautomatiseerde werkwijze voor het identificeren van mineralen en het karakteriseren van gesteenten. | |
| Kozakiewicz | Image analysis algorithm for detection and measurement of Martian sand grains | |
| CN115917593A (zh) | 用于对样品的数字图像进行质量控制的计算机实现的方法 | |
| Thurley et al. | Identifying, visualizing, and comparing regions in irregularly spaced 3D surface data | |
| CN110211112A (zh) | 一种基于过滤选择性搜索的铸缺陷检测方法 | |
| WO2019181072A1 (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
| Marschallinger | A method for three-dimensional reconstruction of macroscopic features in geological materials | |
| HUE029105T2 (en) | System and method for estimating target size | |
| Griffith et al. | The use of laser scanning for visualization and quantification of abrasion on water-submerged bone | |
| De Meester et al. | Towards a quantitative grading of bladder tumors | |
| Seyedin et al. | Designing and programming an efficient software for sizing and counting various particles using image processing technique | |
| Bons et al. | Image analysis of microstructures in natural and experimental samples | |
| Kokoulin et al. | Image Processing Methods in Analysis of Component Composition and Distribution of Dust Emissions for Environmental Quality Management | |
| JPH0378886A (ja) | 多目的画像データの応用デジタル解析装置及びその方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A1A | A request for search or an international-type search has been filed | ||
| BB | A search report has been drawn up | ||
| BV | The patent application has lapsed |