一种藻类显微图像轮廓的提取方法技术

一种藻类显微图像轮廓的提取方法，涉及一种图像处理与图像分割的方法，尤其是涉及一种是通过藻类特有的细胞外围轮廓特征将其从玻片背景环境中提取出来的方法，以利于后续对其鉴定与分析。提供一种藻类显微图像轮廓的提取方法，为藻类自动识别系统提供一种有效的轮廓提取手段。获取藻类显微图像，对藻类显微图像进行灰度化处理，获得藻类显微图像的累积灰度直方图；设定藻类图像的暗轮廓区域和亮轮廓区域；获取同时与暗轮廓区域和亮轮廓区域相邻的重叠区域；去除杂质及噪点标记，修复轮廓毛刺和缺刻，获得最终藻体细胞外围轮廓。

【技术实现步骤摘要】

本专利技术涉及一种图像处理与图像分割的方法，尤其是涉及一种是通过藻类特有的细胞外 围轮廓特征将其从玻片背景环境中提取出来的方法，以利于后续对其鉴定与分析。
技术介绍
藻类是一类广泛分布于各类生境的单细胞生物，对生态系统的平衡起着至关重要的作用， 它是地球海洋初级生产力的主要组成部分。除此之外，藻类在许多领域都有广泛的应用，如 水质检测( Prygiel J, Coste M, Bukowska J. Review of the major diatom-based techniques for the quality assessment of continental surface waters. In: Use of algae for monitoring rivers, Prygiel J，Coste M， Bukowska J.(eds), Agence de l'Eau Artois-Picardie，Douai,France. 1998:224-238; Kelly MG quality assessment by algal monitoring. In: The handbook of environmentalmonitoring, F. Burden, I.Mckelvie, A.Guenther and U.Fo:rstner (eds),McGraw-Hill, New York)、养 殖、石油勘探、纳米技术( Ryan WD， Richard Q Star Trek replicators and diatom nanotechnology . Trends in Biotechnol, 2003, 21:325-328)和赤潮预报等，这些应用都离不开 对藻类的鉴定工作。目前，藻类的鉴定和定量分析大都是在显微镜下靠人工完成的，需要有较高的分类专业 技术水平，既耗时又费力。国内外都在寻找一种快速识别方法，以满足在藻类鉴定上的需求。藻类图像自动识别的一个不可逾越的环节是藻体的轮廓提取。然而传统的图像处理方法 无法对藻类图像做有效的处理，首先显微图像的噪声点较多，传统的检测边缘的模板，如 Prewitt边缘检测器、Roberts边缘检测器和Sobel边缘检测器，受噪声影响大；而灰度阈值分 割又受显微图像光源的影响很大，显微图像常见的照明光源的方向性问题也容易产生光照不 平衡的效果，使该方法的分割成功率也无法满足要求。此外大型杂质如水泡的存在使得分割 后续处理步骤无法实现智能化。
技术实现思路
本专利技术的目的在于针对上述现有技术所存在的不足，提供一种藻类显微图像轮廓的提取 方法，为藻类自动识别系统提供一种有效的轮廓提取手段。本专利技术是通过以下技术方案实现的，首先获取藻体显微图片，对其进行灰度化处理，分别获得暗轮廓的候选区域及亮轮廓的候选区域，再获得暗轮廓与亮轮廓互相相邻并重叠的区 域，经过简单的后续处理，最终得到藻体细胞外围轮廓。 本专利技术包括以下步骤1) 获取藻类显微图像，对藻类显微图像进行灰度化处理，获得藻类显微图像的累积灰度 直方2) 设定藻类图像的暗轮廓区域和亮轮廓区域；3) 获取同时与暗轮廓区域和亮轮廓区域相邻的重叠区域；4) 去除杂质及噪点标记，修复轮廓毛刺和缺刻，获得最终藻体细胞外围轮廓。 所述设定暗轮廓区域和亮轮廓区域可采用以下方法获取待处理图片的灰度直方图，然后设定一个细胞外围轮廓区域的面积值；从所述灰度直方图的暗区开始向亮区累计，将累计 面积达到所设定的一个细胞外围轮廓区域的面积值的所有灰度的区域标记为暗轮廓；同样， 从所述灰度直方图的亮区开始向暗区累计，将累计面积达到所设定的一个细胞外围轮廓区域 的面积值的所有灰度的区域标记为亮轮廓。在实际操作过程中，可以将灰度直方图进行归一化处理，同时暗轮廓及亮轮廓设定的依 据不是细胞外围轮廓区域的面积而是细胞外围轮廓区域的面积对图片面积的比值。由于轮廓重叠标记过程可以消除大部分虚假边缘，因此比值可以适当设高。藻类显微图像具有如下特点，由于藻体高度与玻片存在落差，由此产生光线折射的特殊 效果，使得藻体的细胞边缘外围有一圈明显的暗轮廓和亮轮廓，而且二者是相邻的。由于藻 体轮廓同时存在暗轮廓和亮轮廓，而其他杂质边缘不存在该特点。与己有技术相比，本专利技术具有以下特点1) 无论杂质面积是否与藻体接近，由于其不存在暗轮廓与亮轮廓同时存在的特点，都能 有效去除杂质影响。2) 可以有效去除光照不平衡及不同批次的照片光照度不同的影响，通过累积灰度直方图 两侧的像素数量(面积)，获取划分暗区域候选区及亮区域候选区的判定方式，不受灰度绝对 值的影响。附图说明图l为本专利技术实施例的流程图。图2为本专利技术实施例对一幅硅藻显微图像的识别图。其中(a)为原始图像，(b)为该图 的灰度直方图，(c)为暗轮廓图像，(d)为亮轮廓图像，(e)为叠加轮廓图，(f)为分割后 处理图；横坐标为灰度范围，纵坐标为象素数；A为暗轮廓，B为亮轮廓。具体实施例方式下面结合实施例对本专利技术的技术方案作进一步的描述。 图1给出本专利技术实施例的流程图。1) 对藻类显微图像进行灰度化处理。通过人工进行显微镜玻片观察，并手动拍摄硅藻显 微单藻图片，并对其进行灰度化处理(参见图2a)。2) 获取灰度直方图。创建该图的灰度直方图(参见图2b)。3) 设定藻类图像的暗区域及亮区域。设定一个属于轮廓区域的面积占整体图像面积的比 例，最好是1/20。从灰度直方图的暗区开始，寻找累积面积达总面积的1/20的灰度值(参 见图2b)，将藻类图像中具有小于该值的所有灰度的像素定义为暗轮廓(参见图2c);从灰度 直方图的亮区开始，寻找累积面积达总面积的的1/20的灰度值(参见图2b)，将藻类图像中 具有大于该值的所有灰度的像素定义为亮轮廓(参见图2d)。4) 获取同时与暗区域和亮区域相邻的重叠区域。采用数学形态学的膨胀法得到暗轮廓外 延图及亮轮廓外延图，通过相应两张外延图点乘得到叠加轮廓图(参见图2e)。5) 消除毛刺，噪点等。进行分割后处理统计所有轮廓区域的周长值，保留值落于置信 范围内的区域，得到只含有目标轮廓区域的图像。再通过数学形态学的开运算和闭运算，进 行平滑处理并去除区域内孔洞，得到最终的轮廓区域图(参见图2f)。6) 结束。权利要求1.，其特征在于包括以下步骤1)获取藻类显微图像，对藻类显微图像进行灰度化处理，获得藻类显微图像的累积灰度直方图；2)设定藻类图像的暗轮廓区域和亮轮廓区域；3)获取同时与暗轮廓区域和亮轮廓区域相邻的重叠区域；4)去除杂质及噪点标记，修复轮廓毛刺和缺刻，获得最终藻体细胞外围轮廓。2. 如权利要求1所述的，其特征在于所述设定暗轮廓 区域和亮轮廓区域的具体方法为获取待处理图片的灰度直方图，然后设定一个细胞外围轮 廓区域的面积值；从所述灰度直方图的暗区开始向亮区累计，将累计面积达到所设定的一个 细胞外围轮廓区域的面积值的所有灰度的区域标记为暗轮廓；同样，从所述灰度直方图的亮 区开始向暗区累计，将累计面积达到所设定的一个细胞外围轮廓区域的面积值的所有灰度的 区域标记为亮轮廓。全文摘要，涉及一种图像处理与图像分割的方法，尤其是涉及一种是通过藻类特有的细胞外围轮廓特征将其从玻片本文档来自技高网...

【技术保护点】
一种藻类显微图像轮廓的提取方法，其特征在于包括以下步骤：　１）获取藻类显微图像，对藻类显微图像进行灰度化处理，获得藻类显微图像的累积灰度直方图；　２）设定藻类图像的暗轮廓区域和亮轮廓区域；　３）获取同时与暗轮廓区域和亮轮廓区域相 邻的重叠区域；　４）去除杂质及噪点标记，修复轮廓毛刺和缺刻，获得最终藻体细胞外围轮廓。

【技术特征摘要】

【专利技术属性】
技术研发人员：高亚辉，杨晨辉，骆巧琪，高华，罗金辉，陈长平，梁君荣，
申请(专利权)人：厦门大学，
类型：发明
国别省市：92[中国|厦门]