（计算机应用技术专业论文）储粮微生物的显微图像特征提取和识别技术分析.pdf

首都师范大学硕士毕业论文 储粮微生物的显微图像特征提取和识别技术分析 摘要 我国是粮食大国，仅国家粮库就储藏有上千亿公斤。由于粮食上带有种类繁多的微生 物，加之粮食中含有许多营养物质是微生物良好的天然培养基，所以一旦条件合适，粮食 中的微生物就会活动，不仅会影响粮食的安全储藏、导致粮食品质劣变，而且还可能产生 毒素污染，严重影响人类食用的安全性。因此，开发一个科学实用、准确方便的储粮微生 物识别检测系统是很有必要的。 本文在现有数字图像处理和模式识别理论的基础一l ，着重研究了储粮微生物的显微图 像特征提取和识别。主要工作和成果如下： 根据显微图像噪声多、光照不均匀等特点，探讨了多种图像预处理算法改善图像质量， 并结合不同的分割要求进行组合，为后续形态特征提取打下基础；由于微生物形态千差万 别，在形态分析时提出了基于均衡化的柔性形态边缘检测算法，在抑嗓的同时通过并行运 算提高了图像处理速度；对图像识别技术做了广泛、深入的调查，研究分析了传统特征提 取的方法，针对形态特征明显的微生物提出了基于形状不变矩和多分类器的识别方法，利 用形状不变矩以目标边缘曲线为计算目标的优势大大提高了运算速度，同时结合不变矩的 平移、绅缩、旋转均不变的性质达到了良好的识别效果；对于形态特征不明确，目标重叠 严重的微生物图像，提出了基于纹理特征和模糊理论的识别方法，以图像中微生物自然生 长、相互交叠形成的纹理计算其灰度共生矩阵得到特征向量，结合模糊理论良好的分类效 果，达到了微生物识别的目的。 全文给出了解决储粮微生物显微图像的自动化识别检测的技术途径和实现方案，为进 一步的研究打下了基础。 关键词：储粮微生物形状不变矩模糊分类 第u i 贞 首都师范大学硕士毕业论文储粮微生物的显微图像特征提取和识别技术分析 a b s t r a c t c h i n ai st h el a r g e s tc o u n t r yo fg r a i np r o d u c t i o na n d s t o r a g ei nt h ew o r l d ，o n l yt h es t o r e dg r a i ni n n a t i o n a lg r a i nd e p o ti sa b o v e1 0 0b i l l i o nk i l o g r a m s b e c a u s eg r a i nh a sav a r i e t yo f m i c r o b ea n d m a n yn u t r i e n t si ng r a i na r eg o o dn a t u r a ln u t r i e n tm e d i u mf o rm i c r o b e ，o n c es u i t a b l ec o n d i t i o n s c o m i n g ，t h em i c r o b ea c t i v i t i e sw i l ln o to n l ya f f e c tf o o ds t o r a g es e c u r i t ya n dr e s u l ti nb a dq u a l i t y o fg r a i n ，b u ta l s ob r i n gp o t e n f i a i l yt o x i cp o l l u t i o ns e r i o u s l yt oa f f e c th u m a n c o n s u m p t i o ns a f e t y a sar e s u i t ，d e v e l o p i n gak i n do fs c i e n t i f i c ，p r e c i s i o na n ds i m p l ed e t e c t i o nt e c h n o l o g yf o r s t o r e d g r a i nm i c r o b ei sv e r yn e c e s s a r ya n di m p e r i o u s t h i st h e s i si sb a s e do ne x i s t i n gd i g i t a li m a g ep r o c e s s i n ga n dp a t t e r nr e c o g n i t i o nt h e o r ya n d f o c u s e so nt h ec h a r a c t e r i s t i c se x t r a c t i o na n dr e c o g n i t i o no fs t o r e d g r a i nm i c r o b e t h em a i nw o r k o f t h i st h e s i s1 i e so n ： a c c o r d i n ga sm i c r o s c o p i ci m a g ei sn o i s ya n du n e v e ni l l u m i n a t i o n t h i st h e s i sd i s c u s s e dav a r i e t y o fi m a g ep r e p r o c e s s i n ga l g o r i t h m st oi m p r o v ei m a g eq u a l i t y , a n dc o m b i n ea l g o r i t h m st om e e t t l l ed i f f e r e n ti m a g ep a r t i t i o nr e q u i r e m e n t s ，w h i c hm a k et h ef o u n d a t i o nf o rf o l l o w u pf e a t u r e e x t r a c t i o n b e e a u s cs t o r e d - g r a i nm i c r o b e sp a a e r n sa r ed i f f e r e n t 。t h i st h e s i sp r o p o s e st h ee d g e d e t e c t i o nb yh i s t o g r a me q u a l i z a t i o na n ds o f tm a t h e m a t i c a lm o r p h o l o g yt or e d u c en o i s ea n d e n h a n c ei m a g e - p r o c e s s i n gs p e e db yp a r a l l e lc o m p u t a t i o n t h i st h e s i sn o to n l ym i k e se x t e n s i v e a n dd e e pr e s e a r c hi ni m a g er e c o g n i t i o n b u ta i s or e s e a r c ha n da n a l y s i so ft r a d i t i o n a lm e t h o d so f f e a t u r ee x t r a c t i o n , a n dt h e np r o p o s e st h em e t h o db a s e d0 nm o m e n ti n v a r i a n ta n dm u l t i p l e c l a s s i f i e r sf o rt h em i c r o b ew h i c hp a r e m sa r ea p p a r e n t i na d d i t i o n 也em e t h o db a s e do n v e n a t i o nf e a t u r ea n df u z z yt h e o r y , f o rt h em i c r o b ew h i c hp a r e r n sa r cn o ta p p a r e n ta n do b j e c t o v e r l a ps e r i o u s l y , w h i c hc a ns a t i s f i e d t h e s t o r e d g r a i nm i c r o b e sr e c o g n i t i o nb y 笋a y c o - o c c u l t e n c cm a t r i xo f m i c r o b ea n df i t z z ye l a s s i f i e rt h e o r y t h i sr e s e a r c hh a so f f e r e dt h et h e o r e t i c a lf o u n d a t i o na n dt e c h n i c a ls u p p o r tf o rt h es t o r e d - g r a i n m i c r o b ea u t o m a t e di d e n t i f i c a t i o na n dd e t e c t i o ns y s t e m ，a n dl a i dt h eg r o u n d w o r kf o rf l l i 也e r r e s e a r c h k e yw o r d s ：s t o r e d - g r a i nm i c r o b e ，s h a p em o m e n tl n v a r l a n t , f u z z yc l a s s i f i e r 鸽i v 贞 首都师范大学硕士毕业论文 储粮微生物的最微图像特征提取和识别技术分析 第一章绪论 1 1 研究背景和意义【m 1 众所周知我国是粮食生产、储藏及消费大国，在科技兴农的指弓1 下2 0 0 5 年中国粮食产 量预计达到4 8 4 亿吨。但是我国粮食产后损失巨大，资源浪费严重，资料显示由于霉变、 虫害和保管技术不到位等原因，我国粮食产后损失率高达8 - - 1 8 ，其中国库储粮损失率 达o 2 左右，若使储量损失率降到0 1 5 ，每年可挽回损失约2 5 亿元。我国每年用于粮 食储备方面的补贴费用就有数百亿元，但仍有不少粮食因管理决策不善等原因而遭受损 失，科学保粮技术已成为我国粮食储藏中不可或缺的保粮手段，其中储粮害虫和微生物的 危害不容忽视。传统的检测方法是扦插取样，然后迸行感观评价、微生物检测、仪器分析 等，这样通常检测时间长，不能定量而且需要复杂的测试仪器。随着计算机应用技术的发 展，人们都希望通过图像处理和模式识别能替代或提高人类的视觉功能，为此研究检测储 粮中有害微生物、害虫的数日和种类，控制储粮质量情况变化，日益得到了入们的重视。 其中对储粮害虫的识别检测研究较为突出：国外美国z a y a s 等1 9 9 8 年用多光谱分析和模式 识别技术相结合，检测研究了小麦仓中甲虫等成虫，结果表明残缺粮粒、草籽、害虫的姿 态等因素对检钡4 结果有重大影响。英国的erd a v i e s 研究了粮食中害虫和损伤谷物的图像 识别技术。我国郑州大学研究了储粮害虫的图像识别和检测技术，把光学显微成像和图像 识别技术结合，实现检测储粮情况和有害生物。 储粮微生物是寄附在粮食和粮食食品上的微生物的统称，包括了微生物中的一些主要 类群：细菌类中的真细菌和放线菌，真菌类中的霉菌，酵母菌和病原真菌等。它们经常寄 附在粮食及其制品的表面和内部。粮食微生物在环境适宜的条件下，可以分解粮食中的有 机物质，使之变质、霉腐，有的还可以产生具有强烈的毒性和致癌性的毒素。目前对于储 粮微生物的防治主要是控制生态条件，制菌防霉，对粮仓环境要求高并且效果都不是很理 想。随着图像识别技术在医疗诊断、遥感、气象、工业控制、农业生产、材料检测等领域 _ 的成功厦用，在生物和农业领域的应用也在加强，主要是结合粮食和有害生物的颜色、形 态、纹理等特征，运用图像处理、模式识别等技术，检测粮食中有害生物、粮食的外观质 量等。但是由于微生物自身形态的复杂和显微图像处理技术的难度使人们对于储粮微生物 的研究还是比较薄弱，其主要难点在于对粮食微生物的识别。 本文研究结合北京市教育委员会科技项目一一储粮微生物的显微图像识别和可视化 第1 面 首都师范大学硕士毕业论文储粮微生物的显微图像特征提取和识另4 技术分析 检测系统研究( 编号：k m 2 0 0 5 1 0 0 2 8 0 1 5 ) ，利培图像识别技术结合显微图像的特点，通过 研究显微图像预处理的方法改善采集图像的质量来满足测量要求；然后根据储粮中有害微 生物和害虫的形态、颜色等特征，确定应用图像处理技术提取和测量的内容，结合最新的 特征提取算法获取有效特征参数，为目标分类打下基础；最后选择合适的分类器提高识别 精度，对有害微生物的数目和种类进行识别分类，最终实现利用显微图像处理技术进行快 速检测储粮质量。由于采用计算机自动完成数据的测量和分析，大大缩短检测周期提商检 测质量。用计算机视觉代替人眼，即通过处理一定时期的菌落显微图像辅以专家知识，以 实现菌种的自动分类与识别，无疑能极大地提高生产效益，彻底改变人工检测的陈旧方式。 同时也为建立储粮微生物的识别和可视化检测系统打下理论基础，还可以扩展应用于其他 需要显微图像识别检测的情况，如工业菌类的识别等。可见研究储粮微生物的识别和检测 不仅具有重要的学术价值，而且有着广阔的应用前景，创造可观的社会经济效益。 1 2 研究现状 1 2 1 储粮微生物鉴定和防治方法 分类学是生物学中最古老的分支学科之一，然而。就其观念的更新及其研究方法的进 步来看，它又是- 1 7 新的学科。近2 个世纪以来，微生物分类一直以形态学特征为主，但 近几十年来，随着生理生化特性，血清学反应，酶学和遗传变异特点，尤其是分子生物学 技术作为新的分类手段不断被引入微生物分类中，给微生物分类鉴定带来了突破性的进 展，使分类鉴定工作从一般表型特征的鉴定，深化为遗传型特性的鉴定。 微生物鉴定一般分为细菌鉴定和真菌鉴定。其中，细菌鉴定方面依据包括克拉本里尼 科夫细菌和放线菌的鉴定，普雷沃细菌分类学，伯杰氏细菌鉴定手册；真菌鉴定方面依据 主要是真菌鉴定手册。按照所采用的方法技术又可分为：常规鉴定技术包括染色与显微技 术，生理生化，血清学，动植物实验等：分子生物学鉴定技术包括核酸探针技术，p c r ； 结合免疫学的包括免疫荧光、放射免疫、酶联免疫、免疫电镜、免疫微载体、生物传感器、 单克隆抗体；还有其它方法如碳源利用、电阻抗、脂肪酸利用等口1 。 粮食防霉的基本途径： 1 提高粮食质量，增强抗霉能力。切实保证粮食的干燥，纯净，完整，无虫，无病 第2 贞 首都师范大学硕士毕业论文储粮微生物的显微图像特征提取和识别技术分析 增强粮食的抗霉能力是的防霉基础。 2 改善储粮环境，防止霉菌扩大污染。保持粮仓，器材，仓库环境的清洁卫生，不 同质的粮分开储存，从而防止微生物的传布感染。 3 控制生态条件，制菌防霉。 1 ) 控制湿度和水分干燥防霉 粮仓内的相对湿度保持在6 5 一7 0 以下，使粮食保持在与此温度相平衡的 安全水分界限之内，谷类粮食水分在1 3 一1 5 以下，豆类水分在1 2 一1 4 以下，油类水分在8 一1 0 以下。 2 1 控制温度低温防霉 可以利用自然低温，在适当时机进行粮食冷冻，或冷风降温，而后隔热密闭保 管。或者人i n 冷，进行低温冷冻储藏。一般所说“低温储藏”的温湿度界限 为温度在1 0 1 5 以下，相平衡的相对湿度为7 0 一7 5 ，基本上可以做到防 霉。 3 1 控制粮食气体成分缺样防霉 实践证明，通过生物脱氧，或机械脱氧，使粮堆氧气浓度控制在2 以下，或二 氧化碳浓度增加到4 0 一5 0 以上，对粮食微生物特别是多种储藏真菌是有抑 制作用的。 4 1 化学药剂处理化学防霉 到目前为止，许多用于粮粮食上的杀菌剂和抑菌削都不是很理想的。但一些杀 虫熏蒸剂，都有较强的杀菌力。例如，现在多用的磷化氮，就有很好的防霉效 果。由于化学药剂对粮食品质和使用安全都有一定的负作用，一般不宜多采用。 1 2 2图像识别理论及在农业方面研究现状 图像识别就是对经过图像处理后的图像进行特征提取，如提取目标的边缘、线和轮廓 等进行图像分割，然后根据图像的几何和纹理等特征利用模式匹配、判别函数、决定树等 第3 页 首都师范大学硕士毕业论文 锗粮微生物的显锾图像特征提取和识别技术分析 识别理论对图像进行分类，并对图像进行结构上的分析。一般来说，图像识别技术大体经 历了三个主要阶段，即：文字识别、图像处理和识别、物体识别。文字识别开始于1 9 5 0 年前后，首先是识别字母、符号和数字，后来发展到文字识别，从印刷字体到手写文字， 并研制了相应的文字识别设备。从1 9 6 5 年开始，人们开始图像处理和识别的研究，最初 主要利用成像技术、光学技术等，后来人们把计算机技术结合进来获得了巨大的成功。物 体是别以图像处理和识别为基础，是对三维世界的感知认识，属于计算机视觉范畴，再结 合了人工智能科学、信息科学和计算机科学之后，成为图像识别研究的有一重要方向。 国内农业生产中图像识别和检测的应用举例： 国内外瓜果品质的无损检测技术：目前，国外对利用机器视觉进行果实品质自动 识别研究的对象非常广泛，如对苹果和西红柿的大小、形状、颜色及表面损伤与 缺陷进行分级等等。t a y l o r 等( 1 9 8 4 ) 首先报道了分别利用线扫描和模拟摄像机检测 苹果损伤的试验，结论为利用数字图像技术检测苹果损伤至少可以达到人工分级 的精度，而且线扫描摄像机在实际生产中应用前景似乎要更广阔一些1 4 l 。r e h k u g l e l 和t h r o o p ( 1 9 8 6 ) 研究了利用机器视觉进行苹果表面碰压伤检测并依据美国苹果标 准进行了分组，研制成功了利用机器视觉进行缺陷检测和分级的苹果处理设备， 经实验取得较好效果【5 1 。在国内，应用计算机视觉技术进行水果品质的无损检测研 究取得了一定成果。杨秀坤等( 1 9 9 7 ) 提出了应用计算机视觉技术检测苹果表亟缺陷 的方法。陈晓光等( 1 9 9 7 ) 设计了用于综合评价苹果果型的计算机视觉系统m 。国 内的一些研究者，应用人工神经网络技术，检测苹果表面缺陷和颜色，评价苹果 果型等。可以预见，将人工智能技术和图像处理技术相结合，是今后应用计算机 视觉技术进行水果品质评价的重要发展方向。 黄花梨果形的机器视觉识别方法研究：黄花梨的果形是分级的重要特征之一。利 用机器视觉采集黄花梨图像，研究了不规则果品的形状描述方法，提出在黄花梨 的分级过程中采用傅立叶变换与傅立叶反变换对来描述果形，开发了基于人工神 经网络的果形识别软件罔。研究发现该博立叶描述子的前1 6 个谐波的变化特性足 以代表梨体的主要形状，采用傅立时描述子与人工神经网络相结合的方法进行果 形识别的精确率可达9 0 。而且只要有合适的训练对，该方法也可以用来对其它 水果进行外形识别。 机器视觉测量大米留胚率的研究：利用计算杌视觉系统，研究大米胚芽的自动识 别方法在分析大米的表面积及轮廓线的二次微分曲线基础上，利用大米微分模 篇4 叮 首都师范大学硕士毕业论文 储粮微生物的显微图像特征提取和识别技术分析 型识别群体胚芽米的留胚率1 9 i 。 国内外机器视觉技术在谷物识别与分缴中的研究进展：机器视觉在大米、小麦、 玉米以及其他谷物的识别和分级的研究中都取得很大进展。例如根据应力裂纹、 形态、染色后颜色特征等，应用神经网络、高速滤波等技术来进行识别和分类 1 0 1 4 1 。 用于烤烟烟叶质量检测：用h l s 颜色模型对大量烟叶样本进行颜色分析，可得到 各类样本颜色特征值的分布情况。采用轮廓跟踪算法对烟叶的整体图像外型轮廓 进行提取，采用链码表示法进行描述。通过烟叶对光的透过特性对叶片结构和身 份特征进行综合提取和描述，结合模糊统计技术确定分级 15 i 。 显微图像是指将组织、细胞制成染色切片或涂片在显微镜下所看到的图像。人工的处 理显微图像不仅费时费力，而且采集数据的精度较低，数据不易保存和跟踪处理。电子显 微图像的采集分析主要是通过高倍显微镜获取原始图像，然后由图像采集系统( 主要包括 c c d 数码相机和图像采集卡) 把图像数据传入计算机，然后进行图像处理和识别。显微图 像处理技术主要是去除图像由于获取时光源或试剂等原因产生的大量干扰信息，对图像进 行噪声过滤和增强从而满足识别的需要。 目前显微图像处理技术在生物医学领域应用较多，例如对癌细胞的图像识别，单个活 细胞的图像分析，微生物特征的图像分析等。东北林业大学利用显微图像处理技术对木材 横切面进行细胞轮廓形态、细胞几何尺寸、组织比量等进行测定分析1 1 6 】。河海大学土木工 程学院和南京理工大学结合建立了水稻花粉颗粒显微图像采集与分析系统，并初步应用于 农业生物学研究。还有天滓大学根据赤潮生物显微图像特点，对赤潮藻等生物的自动识 别也进行了研究。 本课题在综合现有研究成果和研究方法的基础上，利用“计算机微观视觉”和“显微 图像处理”应用于储粮中有害微生物的分析检测。针对储粮微生物的自身形态特征，提出 或改进显微图像识别的算法，如如何进行更适合于显微图像的边缘检渊问题；根据微生物 的颜色、形态多样性，如何提取有效的特征值问题；怎样利用优秀的分类算法，从而达到 快速有效的识别和检测要求。 1 3 论文内容和组织结构 本论文以储粮微生物为对象，通过研究图像处理和模式识别技术来实现储粮微生物的 检测和识别，重点放在采用先进的图像分割算法进行显微图像的预处理和储粮微生物的特 征值选取，为准确分类打下基础。本文共分为七章。 第5 页 酋都师范大学硕士毕业论文储粮微生物的显微图像特征提取和识别技术分析 第一章绪论介绍了储粮微生物检测的意义，及国内外图像识别技术在农业方面 的应用，提出了深入研究储粮微生物识别的必要性。 第二章图像预处理介绍了图像预处理的相关内容，主要包括图像增强和图像分 割的传统算法，以及数学形态学的介绍。提出了基于均衡化的柔性数学形态学的边缘检测 算法，与传统算法对比进行了实验数据分析。 第三章特征描述介绍了基本的特征类型，详细阐述了储粮微生物显微图像的形 态学、形状和纹理特征，并列出了相关实验数据。 第四章特征分类介绍了常见的分类器设计，详细阐述了实验采用的基于b a y e s 的多分类器和模糊理论的分类器。 第五章储粮微生物图像分析实验及结果建立了针对不同特征提取方案的两种 识别实验方法：基于形状不变矩和多分类器的识剃方法和基于纹理特征和模糊理论的识别 方法。 第六章储粮微生物图像处理系统设计介绍了整个系统的软硬件设计思想和功 能。 第七章结论和展望对全文工作进行总结，并对下一步的研究工作进行展望。 第6 页 首都师范大学硕士毕业论文 储粮微生物的显微图像特征提取和识别技术分析 第二章图像预处理 在模式空间里，针对具体的研究对象，往往需要进行适当的预处理。数字图像的预处 理主要包括复原处理、增强处理、去噪处理、图像分割和二值化处理等。首先是从图中检 测出感兴趣的物体；其次是消除或减少在模式采集中的噪声及其它干扰，提高信噪比；再 然后是消除或减少图像模糊( 包括运动模糊) 及几何失真，提高清晰度；还可以转变模式 的结构，例如把非线性的模式转变成线性的模式。由于显微图像的复杂性以及采样过程中 存在外界干扰，都会影响图像处理效果，因此必须要对图像进行必要的预处理，以平滑并 消除噪声增强目标与背景的差别，消除由于光源不均匀引起的照度场变化等。 2 1图像增强 图像增强的目的是对图像进行加工，以得到对具体应用来说视觉效果更“好”的图像。 对于本项目的主要应用是图像平滑，即消除噪声，噪声并不限于人眼所能看的见的失真和 变形，有些噪声只有在进行图像处理时才可以发现。图像的常见噪声主要有加性噪声、乘 性噪声和量化噪声等。图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑 不当，就会使图像本身的细节如边界轮廓、线条等变得模糊不清，如何既平滑掉噪声有尽 量保持图像细节，是图像平滑主要研究的任务。 一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时 所要提取的微生物边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保 持边缘信息，是重点研究的内容。为了去除噪声，有必要对图像进行平滑，可以采用低通 滤波的方法去除高频干扰。图像平滑包括空域法和频域法两大类。空域法，直接在图像所 在的空间进行处理，也就是在像素组成的空侧里直接对像素进行操作：频域法，在图像的 变换域对图像进行间接处理。其中空域法还可分为诱组：一是基于像素的，也就是每次处 理是对每个像素进行，比如直方图法；二是基于模板的，也就是每次图像处理是对小的子 图像( 模板) 进行，比如中值滤波【l ”。 2 1 1 直方图法 图像灰度统计直方图是一个一维离散的函数： p ( s k ) = n ( k = o ，1 ，2 l 1 ) 第7 页 式2 1 1 首都师范大学硕上毕业论文储粮微生物的最微图像特征提取和识别技术分析 该式表示在第k 个灰度级上的像素个数”。占全部像素总数n 的比例，p ( s 。) 则给出了对 s 。出现概率的一个估计。因此该直方图函数实际是图像的各灰度级的分布情况的反映，换 句话说也就是给出了该幅图像所有灰度值的撼体描述。通过该函数可以清楚地了解到图像 对应的动态范围情况，可以了解到图像灰度的主要集中范围。因此可以通过图像增强程序 的干预来改变直方图的灰度分布状况，使灰度均匀地或是按预期目标分布于整个灰度范围 空间，从而达到增强图像对比度的效果。这种方法是基于数理统计和概率论的，比直接在 空间域对原始图像采取对比度增强效果要好得多。在实际应用中直方图的变换主要有均衡 变换和规定变换两种，而后者又可根据灰度级映射规则的不同分单映射规则和组映射规则 两种。 1 直方图均衡化 直方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区 间变成在全部狄度范围内的均匀分布。具体方法是： 1 ) 给出原始图像的所有灰度级s 。，k = o ，i ，2 l 一1 。 2 ) 统计原始图像各灰度级的像素数n 。 3 ) 计算原始图像的直方图。 4 ) 计算原始图像的累积直方图： 5 ) 取整计算：= i n t ( n 一1 k + k n 】 6 ) 确定映射关系寸f 。 7 ) 统计新直方图各灰度级的像素数。 8 ) 计算新的直方图：p i ( t 。) = n 2 直方图规定化 直方图均衡化处理方法优点主要在于能自动增强整幅图像的对比度，但具体的增强效 果也因此不易控制，只能得到全局均衡化处理的直方图。在实际应用往要根据不同的要求 得到特定形状的直方图分布以有选择的对某灰度范围进行局部的对比度增强，此时可以采 用对直方图的规定化处理，通过选择合适的规定化函数取得期望的效果。 第8 负 卜2o | l k ，pp 。 i l nn 。 = o 脚 = 首都师范大学硕士毕业论文 储粮微生物的显微图像特征提取和识别技术分析 i ) 对原始图像的直方图进行灰度均衡化 k t k = 肼仅) = 以b ) k = 0 ，1 ，2 ”m l 2 ) 规定所需要的直方图，并计算能使规定的直方图均衡化的变换 码：脚心) ：圭成也) j = o ，l ，2 n l = 0 3 ) 将第一步所得的变换翻转过来，也就是将原始图像对应映射到规定的直方图，将 所有的n o 。) 对应到儿0 ，) 去。对应规则可选用单映射规则( s i n g l em a p p i n g1 a w ， s m l ) 或组映射规则( g r o u pm a p p i n gl a w ，g m l ) 。s m l 要求首先寻找能满足 i 圭p ，g ，卜圭n o ，j 最小的l 【和i ，然后把以o ，) 映射到风o ，j 中去。g m l 的约定 1 i = 0j f oi 如下：设有一个整数函数，( f ) ，忙o ，1 ，2 n i 满足 0 j ( o ) - - s ，( f ) 0 、r 1 ) m 一1 。 确定能使下式达到最小的，( f ) ：l 窆n o ，卜杰成o 】l = o ，i ，2 n l ，如果l ：o ， i j - 0 j - o 则将i 从0 到，( o ) 的n b ) 对应到仇- ，) 去；如果，1 ，则将i 从，( f 一1 ) + 1 到，o ) 的见g ，) 对应到以) 去”。 如图2 1 所示为球状微生物放大1 0 0 0 倍后的显微图像的直方图法对比分析结果。通过 对比可以发现原始图像直方图所占据的灰度值范围比较窄，而且集中在低灰度值一边，通 过直方图均衡化方法增加了图像灰度动态范围，增强了对比度。但是直方图均衡化得到的 结果在一些较暗区域有些细节仍不太清楚，规定化函数对同一幅图像进行变换后，所得结 果比均衡化更亮，对应于均衡化图像中较暗区域的一些细节更清晰了。 第9 贞 首都师范大学硕士毕业论文储粮微生物的显微图像特征提取和识别技术分析 ( a ) 图像原始灰度图 ( c ) 规定化后图像 ( b ) 均衡化后图像 ( d ) 原始灰度图直方图( e ) 均衡化后直方图 图2 1 微生物直方图法对比分析结果 2 1 2 中值滤波 中值滤波是一种最常用的空域滤波器，属于非线性滤波。标准中值滤波的基本原理是 把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。中值的定义如 下： 一组数工。，x ：，工。把n 个数按值的大小顺序排列： 石。z ，：蔓x 。，y = m e d x 。，x ：，) 称为序列的中值。把一个点的特定长度或形状的 首都师范人学硕士毕业论文 储粮微生物的显微图像特征提取和识别技术分析 邻域称作窗口。对于二维中值滤波，可利用某种形式的二维窗口，如：方形、圆形、十字 形等。设k ，( f ，j ) ，2 表示数字图像各点的灰度值，滤波窗口为a 的二维中值滤波可定义 为：y f = 吩d k j = m e d x ( 。肌，) ( ) 爿( f ，) ，2 中值滤波器的主要功能就是让与周围像素灰度值的差比较打的像素改取与周围像素 接近的值，从而可以消除孤立的噪声点，在衰减噪声的同时不会使图像的边缘模糊。中值 滤波器取噪声效果依赖于两个要素：邻域的空间范围( 窗口大小) ，中值计算中所涉及的 像素数。般来说，小于中值滤波器面积一半的亮或暗的物体基本上会被滤掉，而较大的 物体则几乎会原封不动地保存下来。因此，中值滤波器的窗1 2 1 大小必须根据具体目标来进 行调整。最简单的模板是n x n 的方形，计算是用到n 2 个像素点，但是它会使图像中的边 缘变的模糊 1 ”。在实际应用中，我们对中值滤波进行了改进如下： 匿圆赛 ( a )( b )( c ) 图2 2 中值滤波窗口模板 图2 2 中的( a ) 为简单的3 x 3 窗口模板，图( b ) 和图( c ) 的含义是在图像中取5 5 的区域， 包含点( i j ) 的五边形和六边形各四个，计算这九个区域的标准差和灰度的平均值，取标 准差最小区域的灰度平均值作为点( i j ) 的灰度。显然通过后两种窗口模板的选择对边缘 的保存性更好。 ( a ) 图像原始灰度图( b ) 中值滤波后图像 图2 3 中值滤波对比图 图2 3 是采用3 3 窗口模板的中值滤波结果对比图，因为篇幅有限，图像进行了缩小， 但是仍然可以看出中值滤波后的图像能够把图像中小于窗口模板的杂质细节和噪声给过 滤掉，这对于处理微生物图像是非常重要的，因为微生物在培养和图像获取时往往会受到 第1 l 砸 酋都师范大学硕上毕业论文储粮微生物的显微图像特征提取和识别技术分析 干扰经过显微镜放大后，微小的杂质也能够影响整个识别过程，因此非常需要中值滤波 器来进行预处理，使得以后的特征提取误差概率减小。 2 2 数学形态学 数学形态学诞生于1 9 6 4 年，由当时法国巴黎矿业学院的m a t h e r o n 和s c r r a 两人共同 奠定了其理论基础。数学形态学是一种应用于图像处理和模式识别的领域的新的方法，基 本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析 和识别的目的。用于描述数学形态学的语言是集合论，因此它可以用一个统一而强大的工 具来处理图像处理中所遇到的问题。利用数学形态学对物体几何结构的分析过程就是主客 体相处逼近的过程。利用数学形态学的几个基本概念和运算，将结构元灵活地组合分解， 应用形态变换达到分析的目的。 数学形态学方法比其他空域或频域图像处理和分析方法具有一些明显的优势。如：在 图像恢复处理中，基于数学形态学的形状滤波器可借助于先验的几何特征信息，利用形态 学算子有效地滤除噪声，又可以保留图像中的原有信息；另外，数学形态学算法易于用并 行处理方法有效地实现，而且硬件实现容易；基于数学形态学的边缘信息提取处理优于基 于微分运算的边缘提取算法，它不想微分算法对噪声拿那样敏感，同时，提取的边缘也比 较平滑，利用数学形态学方法提取的图像骨架也比较连续，断点少。 集合论是数学形态学的基础，首先对集合论的一些基本概念作一总结性的概括介绍。 集合( 集) ：具有某种性质的确定的有区别的事物的全体( 它本身也是一个事物) 。常 用大写字母如：a ，b 表示。如果某种事物不存在，就称这种事物的全体是空集。规定任 何空集都只是同一个集，记为妒。在以下的介绍中设a 、b 、c 等均是欧集里的空间e “空 间的集合。 元素：构成集合的每个事物。常用小写字母如a ，b 表示。任何事物都不是中的元 素。 子集：当且仅当集合a 的元素都属予集合b 时，称a 为b 的子集。 并集：由a 和b 的所有元素组成的集合称为a 和b 的并集。 交集：由a 和b 的公共元素组成的集合称为a 和b 的交集。 补集：a 的补集，记为a 。，定义为： a c = 扛l x 硭a 式2 2 1 鹅1 2 页 首都师范大学硕上毕业论文 储粮微生物的显微图像特托提取和识别技术分析 位移：a 用x = ( x l ，x 2 ) 位移，记为( a ) x ，定义为： ( a ) x ：i s = + z ，4 4j 映象：a 的映象( 也称映射) ，记为a ，定义为： 五： x l j = 一盯，口a 差集：两个集合a 和b 的差，记为a b ，定义为： a b ：k i j 一，x 盛曰= = ac 3 b 。 2 2 1 二值形态学 式2 2 2 式2 2 3 式2 2 4 数学形态学的基础是二值形态学，基本变换包括膨胀、腐蚀、开启、闭合。设二值图 像集合为a ，结构元素集合为b 。 1 膨胀 a ，b 为z2 中的集合，庐为空集，a 被b 的膨胀，记为a 0b ，定义为： a o b ：1 【( 曰) 。n 吲声 该式表明的膨胀过程是b 首先做关于原点的映射，然后平移x ， a 被b 的膨胀过程是占所有x 频以后至少有一个非零公共元素。集合b 在膨胀操作中通常 被称为结构元素。 d 辩 团蚪 露_ 日 f f 端 a ：j 嚣 图2 4 膨胀运算演示图 图2 4 中a 表示一个简单的集合，b 表示一个结构元素及其“映射”。因为元素b 关 于原点对称，所以结构元素b 及其映射台相同。c 中的阴影表示作为参考的原始集合，实 线示出若雪的原点平移至x 点超过此界限，则与a 的交集为空，这样实线内所有点构成 了a 被b 的膨胀。 2 腐蚀 第1 3 贞 首都师范大学硕士毕业论文 储粮微生物的丝微图像特征提取和识别技术分析 a ，b 为z2 中的集合，a 被b 腐蚀，汜为a - 一b ，其定义为a b ：扛i ( 曰) ；a 也就 是蜕a 被b 腐蚀的结果为所有使b 被x 平移后包含于a 点的集合。 + ”。 d 辩 日艄 盘 0 。，、。+ “i o ：搬4 li d灞d零 移8 图2 5 腐蚀运算演示图 集合a 在c 用阴影表示作为参考。实线表示若b 的原点平移至x 点超过此界限，则a 不能完全包含b 。在这个实线边界内的点构成了a 被b 的腐蚀。 3 开运算和闭运算 开运算一般能平滑图像的轮廓，削弱狭窄的部分，去掉细的突出。闭运算也是平滑图 像的轮廓，与开运算相反，它一般能融合窄的缺口和细长的弯口，去捧小洞，填补轮廓上 的缝隙。 设a 是原始图像，b 是结构元素图像，则集合a 被结构元素b 作开运算，记为a o b ， 其定义为：a 。b = ( a b ) o b 。就是a 被b 腐蚀后的结果再被b 膨胀。 设a 是原始图像，b 是结构元素图像，则集合a 被结构元素b 作闭运算，记为a b ， 其定义为：a b = ( a o b ) 一b 。就是a 被b 膨胀后的结果再被b 腐蚀。 关于开运算和闭运算的几何解释，把圆盘形结构元素b 看作一个( 平面的) 滚动球， a o b 的边界为b 在a 内滚动所能达到的最远处的b 的边界所构成，a e b 的边界为b 在a 外滚动所能达到的最远处的b 的边界所构成。 首都师范人学硕士毕业论文 储粮微生物的显微酗像特征提取和识别技术分析 2 2 2 灰度形态学 l lr 】 l l 三 黧骥i 瑟图 豳圆圈图 霜霞露 蕊l 篦筐燮_ | _ _ 雪习i 鐾坠1 睦兰! 堂| _ ：_ n 型! 鍪b 图2 6 开、闭运算演示图 由于现实中处理的图像大多为灰度图像，就需要将二值形态学理论推广到灰度形态 学，因此将图像的函数空间从二维平面推广到三维空间，函数的值域由【o ，l 】推广到y o ， 2 5 5 1 。灰度图像的形态学处理运用的是结构函数，设f 伍，y ) 是输入图像，b ( i j ) 是结构元素， 它可被看作是一个子图像函数，f 和b 是对坐标为( x ，y ) 像素灰度值的函数。 欢度膨胀定义为： ( f o b x x ，y ) = m a x f ( x i ，y 一，) + 6 ( f ，_ ，l ( x f ) 一，) d f , o ，j ) d b 式2 2 5 其中dr 和d 6 分别是f 和b 的定义域，限制( x - i ) 和( y - j ) 在f 的定义域之内，类似于在二值 膨胀定义中要求两个运算集至少有一个( 非零) 元素相交。 膨胀的计算是在由结构元素确定的领域中选取f + b 的最大值，所以对灰度图像的膨胀 操作的效果是：如果结构元素的值都为正的，这输出图像会比输入图像亮度增加；根据输入图像中暗 第j 5 页 首都师范大学硕士毕业论文 储粮微生物的显微图像特征提取和识别技术分析 细节的灰度值以及它们的形状相对于结构元素的关系，他们在膨胀中或被消减或被除掉。 灰度腐蚀定义为： ( 声b x x ，y ) = m i n f ( x + i ，y + ) 一b ( i ，】( x + f l o + ，) d ，( i ，) d b 式2 2 6 其巾dr 和d 6 分别是f 和b 的定义域，这里限制( x + i ) 和( y 勺) 在f 的定义域之内，类似 于在二值腐蚀定义中要求结构元素完全包括在被腐蚀集合中。 腐蚀的计算是在由结构元素确定的领域中选取仙的最小值，所以对灰度图像的腐蚀 操作的效果是：如果结构元素的值都为正的，这输出图像会比输入图像亮度减少；如果输 入图中亮细节的尺寸比结构元素小，则其影响会被减弱，减弱的程度取决于这些亮细节周 围的灰度值和结构元素的形状和幅值。 灰度开启就是先对图像进行腐蚀，然后膨胀其结果，可以把比结构元素小的突刺滤掉， 切断细长搭接而起到分离作用，消除了尺寸较小的亮细节。 灰度闭合就是先对图像进行膨胀，然后腐蚀其结果，可以把比结构元素小的缺口或孔 填充上，搭接短的间断而起到连通作用，消除了尺寸较小的暗细节口“9 1 。 2 2 3 柔性形态学【”1 柔性形态学将“顺序统计”的思想注入标准数学形态学，两者的根本区别就是用排序 加权统计方法代替了标准形态学中最小、最大运算。结构元素分为两部分：核心( 或硬核) 和柔性边缘，通常柔性边缘像素的权重赋值为l 而硬核像素的权重赋值为1 或k ，如果为 l 那么就等同为标准形态学的结构元素的定义。由于核心的像素会重复k 次运算结果，所 以参数k 也被称为核心序号或重复参数。 1 定义 基本柔性形态变换包括膨胀、腐蚀、开和闭等运算，在柔性形态变换的定义中有一个 很重要的基本概念重复集( m u l t i s e t ) ：重复集中包含的元素可以重复。元素f ( a ) 重复k 次 被表示为f k f ( a ) _ f ( a ) ，f ( a ) ，f ( a ) ) ( k 次) 其中k 为正整数，且1 k m i n c a r d ( b ) 2 c a r d ( b a ) ) 其中c a r d ( b ) 代表集合b 的基数( c a r d i n a l i t y ) ；a b 。【1 3 设f 表示灰度图像，f ( m ，n ) 表示图像f 在( i n ，n ) 点的灰度。设集合a ，b 为定义在 z 2 卜的凸集，且使a b ，b 被分为“硬核”a 和“柔性边缘”b a 两个子集，这里“” 代表集合差。a 、b 均为结构元素。 柔性形态腐蚀： 钨1 6 砸 首都师范大学硕上毕业论文 储粮微生物的显微图像特征提取和识别技术分析 囝 b ，a ，七】b ) = ( 渺f ( a 】疗a ， u f ( b 】b ( b a ) 。) ) 中第k 个小的值。 式2 2 7 柔性形态膨胀： f o 【b ，a ，庀k ) = ( 呐f ( a 淞a ， u f ( b 】b ( b a ) 。) ) 中第k 个大的