（计算机应用技术专业论文）类圆性颗粒图像分割技术研究.pdf

博士学位论文 摘要 类圆性颗粒图像的处理与分析在工农业生产、医疗卫生等领域均有广泛韵应 用。将这些物质颗粒从图像中分割出来，统计其数目并提取各单个物质颗粒的特 征参数( 如面积、周长、直径、中心矩、颜色等) ，可以对其品质进行分析。例如， 确定菌落数量是农业、食品、医药卫生分析中进行质量检测的一项基本而重要的 工作，水中的菌落计数是评价水受污染程度的一项重要质量指标。早先，这些工 作主要由人工观测来完成，工序繁杂、耗时长、效率低，而且带有一定的主观性， 误差大，重现性不好。采用图像处理与分析的方法能够将操作人员从这一繁重的 工作中解脱出来，并大大提高计数与分析的精度，从面得到广泛的应用，成为近 年来国内外的一大研究热点。 图像分割是颗粒图像处理与分析过程中的关键环节。分割结果的好坏直接影 响计数的精度与后续的处理。然而图像分割技术也是图像信息工程的一大经典 难题，尽管众多国内外学者对此进行了广泛、深入的研究，提出了不少应用算法， 但仍没有一种方法对所有测试图像分割效果均为最佳。特别是在颗粒图像分析中， 颗粒尺寸可能大小不一、形态各异，并且往往产生聚堆现象，分割的难度更大。 为此，本文在分析现有技术的基础上，针对现有算法的不足，以菌落细胞图像为 实验对象，深入分析聚堆目标颗粒的形态特征，研究类圆性颗粒图像的自动分割 技术，以提高分割的精度和速度。 论文主要从两方面来研究提高分割效率：一方面是从分离算法设计出发，研 究颗粒图像中聚堆颗粒的分离算法；另一方面是从系统实现出发，研究实现一个 可以灵活地进行算法序列重组的颗粒图像分割计数系统。 论文首先介绍了有关颗粒图像处理与分析过程中涉及到的一些基础知识，如 二值图像、邻域像素、连通、阈值分割、边界跟踪、标号等。然后重点介绍了边 界跟踪算法，详细分析了其算法过程及效率。在此基础上，提出了基于边界跟踪 的快速标号算法、聚堆目标分离算法、快速真实欧氏距离变换算法及在聚堆目标 分离中的应用。最后介绍了一个图像处理与分析框架系统的构建及菌落细胞图像 分割、计数与分析系统的实现。 基于边界跟踪的快速标号算法。仅需一遍扫描可完成任意复杂区域的标号， 并可得到各物体区域的有关参数，实验结果表明比目前流行的基于行传播的线扫 描标号算法效率提高了约1 0 。此外，如果对实心区域进行标号，该算法速度将 更快；加以扩展j 可用于灰度图像标号及基于种子点的快速填充。 基于边界跟踪的聚堆目标分离算法。算法对聚堆目标区域的边界进行逐层 跟踪，根据跟踪过程中跟踪“虫”对边界线分段的情况来判断分离的进行。实验 结果表明该算法比纯粹的数学形态学腐蚀操作更能体现等距性，能更好的保持边 界的凹凸性，克服了对凹陷性明显及具有梯度边缘线的要求，使算法对菌落聚堆 细胞进行分离的成功率要高于现有算法1 0 以上。 基于边界跟踪的快速二维欧氏距离交换算法。算法对目标区域边界进行逐 层跟踪。每跟踪到一个边界像素点，即根据其邻域像素所传递的最短距离信息来 计算与最近背景像素间的欧氏距离，并利用一个链表结构来完成对已经过距离变 换的像素点的距离更新，以解决距离传递的路径可能改变的问题。实验结果表明， 该算法能够得到真实的欧氏距离，并且算法时间不到3 x 3 倒角近似欧氏距离变换 算法的2 倍，比基于桶排序的欧氏距离变换算法快几十至上千倍。在此基础上， 利用距离变换结果对聚堆目标进行分离，获得了更好的分离效果。 菌落细胞图像计数与分析系统。采用软件工程开发方法，构建了一个图像 处理与分析框架系统，包含丰富的图像处理与分析算法函数，并提供宏录制及自 定义表达式功能，从而具有灵活的算法重组能力。在此基础上，实现了一个菌落 细胞图像计数与分析系统，提出了分类宏、计数宏的概念及其对应关系的定义， 使得系统能够对所处理的图像进行分类并选用事先定义好的、合适的算法序列进 行处理，从而获得满意的计数结果。 关键词：颗粒图像；类圆性；算法；分割；分离；聚堆；欧氏距离变换 i i 博士学位论文 a b s t r a c t t h ep r o c e s s i n ga n da n a l y s i so fc i r c l e - l i k ep a r t i c l ei m a g eh a saw i d ea p p l i c a t i o ni n i n d u s t r y , a g r i c u l t u r e ，a n dm e d i c a lt r e a t m e n t ，s u c ha st h eg r a i n ，r o c k , c o l o n y , b l o o dc e l l ， b u b b l e ，b a r , a n de t c a f t e rt h e s ep a r t i c l e sb e i n gs e g m e n t e df r o mt h eb a c k g r o u n d ，w ec a n c o u n tt h en u m b e r , e x t r a c tt h e i rf e a t u r e s ( e g a r e a , p e r i m e t e r , d i a m e t e r , c o l o re t c ) ，a n d t h e nw ec a r la n a l y z ei t sq u a l i t y f o re x a m p l e , c o l o n yc o u n t i n gi sab a s i ca n di m p o r t a n t j o bf o rq u a l i t yi n s p e c t i o ni na g r i c u l t u r e ，f o o d , a n dm e d i c a lt r e a t m e n ta n a l y s i s t h e n u m b e ro fc o l o n i e si sa ni m p o r t a n tq u a l i t yp a r a m e t e ri ne v a l u a t i n gt h ew a t e rp o l l u t i o n i ne a r l i e r , i ti s i n s p e c t e dm a i n l yb yo p e r a t o ra n dt h ep r o c e s si sc o m p l i c a t e d , t i m e - c o n s u m i n g ，a n dl o w e f f i c i e n c y m o r e o v e r , t h er e s u l tt e n d st os u b j e c t i v e ，锄r d i s t i n c t i v e ，a n db a dr e c u r r i n g i m a g ep r o c e s s i n ga n da n a l y s i sc a nf r e eo p e r a t o rf r o mt h e l a b o r e dw o r k ，a n de a r li m p r o v et h ec o u n t i n ga n da n a l y s i sa c c u r a c yh i g h l y a sar e s u l t ，i t i sw i d e l y a p p l i e da n db e c o m e s ar e s e a r c hh o t s p o ti nr e c e n ty e a r s s e g m e n t a t i o ni sak e ys t e pd u r i n gt h ep a r t i c l ei m a g ep r o c e s s i n g t h es e g m e n t a t i o n r e s u l th a sd i r e c ti n f l u e n c eo nt h ec o u n t i n ga c c u r a c ya n dt h ef o l l o w i n gp r o c e s s i n g h o w e v e r , s e 罂 n e n t a t i o ni sa l s oac l a s s i cp r o b l e mi ni m a g ei n f o r m a t i o ne n g i n e e r i n g t h o u g hn u m e r o u sd o m e s t i ca n di n t e r n a t i o n a ls c h o l a r sh a v ee x t e n s i v el u c u b r a t e di n t o t h i ss u b j e c ta n dh a v ep r e s e n t e dm a n ya p p l i c a b l ea l g o r i t h m s t h e r ei ss t i l ln os u c ha n a l g o r i t h mt h a tc a nb ea p p l i e dt oa n yt e s ti m a g ea n dg e tt h eb e s tr e s u l t e s p e c i a l l yi n p a r t i c l ei m a g e s ，v a r i o u si ns i z ea n dm o d a l i t y , a n dt e n dt oc l u s t e ri n t oe a c ho t h e r , t h e p a r t i c l e si sm o r ed i f f i c u l tt ob es e g m e n t e d f o rt h i s ，b a s e do nt h ea n a l y s i so ft h e p r e s e n t e ds e g m e n t a t i o na l g o r i t h m s ，t h i sd i s s e r t a t i o ns t u d i e sn e ws e g m e n t a t i o na l g o r i t h m t oi m p r o v et h ea c c u r a c ya n ds p e e dw i t ht h ec o l o n yi m a g e 够e x p e r i m e n t o b j e c t ， t h i sd i s s e r t a t i o ns t u d i e sm a i n l yo nt w os p o t s o n ei so nt h es e p a r a t i o na l g o r i t h mt o s e p a r a t et h ec l u s t e r i n gp a r t i c l e si np a r t i c l ei m a g e s ；t h eo t h e ro n ei so nt h es y s t e m i m p l e m e n t a t i o nt od e v e l o pap a r t i c l ei m a g es e g m e n t a t i o na n dc o u n t i n gs y s t e mw i t h f l e x i b l e c o m b i n a b i l i t y o f a l g o r i t h ms e q u e n c e f i r s t l y , t h i sd i s s e r t a t i o ni n l r o d u c e ss o m eb a s i cc o n c e p t s a b o u tp a r t i c l ei m a g e p r o c e s s i n ga n da n a l y s i s ，s u c ha sb i n a r yi m a g e ，a d j a c e n c y , c o n n e c t i v i t y , t h r e s h o l d i n g s e g m e n t a t i o n , b o u n d a r yt r a c i n g ，l a b e l i n g ，a n de t c t h e n ，t h eb o u n d a r y - t r a c i n ga l g o r i t h m i sd e s c r i b e di nd e t a i l sa n di t se f f i c i e n c yi sa n a l y z e d o nt h i s ，s e v e r a ln e w a l g o r i t h m sa r e p r e s e n t e d ，f a s tl a b e l i n g ，s e p a r a t i n ga n de u c l i d e a nd i s t a n c et r a n s f o r m a t i o na l g o r i t h m s i 差璺丝塑婪里堡坌型垫查塑塞 b a s e do nb o u n d a r yt r a c i n g a tl a s t ，a ni m a g ep r o c e s s i n ga n da n a l y s i sf r a m es y s t e mi s i n t r o d u c e da n dac o l o n yi m a g es e g m e n t i n g ，c o u n t i n gs y s t e mi si m p l e m e n t e d f a s tl a b e l i n ga l g o r i t h mb a s e do nb o u n d a r yt r a c i n g i tc a l ll a b e l a n yc o m p l i c a t e d r e g i o nb ys c a n n i n go n l yo n c ea n dc o m p u t ef e a t u r e sa b o u tt h eo b j e c ta tt h es a n l et i m e t h ee x p e r i m e n ts h o w st h a ti tc a ni m p r o v et h ee f f i c i e n c y1 0 h i g h e rt h a nt h ep o p u l a r l i n es c a n n i n gl a b e l i n ga l g o r i t h mb a s e do nr o wp r o p a g a t i o n a n dm o r e , i tw i l lb eq u i c k e r f o rn o - h o l er e g i o n i f e x t e n d i n g ，i tc a nb eu s e df o rg r a yi m a g el a b e l i n ga n d s e e d f i l l i n g c l u s t e r i n go b j e c ts e p a r a t i o na l g o r i t h mb a s e do nb o u n d a r yt r a c i n g t h eo u t e r b o u n d a r yo fc l u s t e r i n gr e g i o ni st r a c e da n dd e l e t e dl a y e rb yl a y e ra n dj u d g m e n ti sm a d e t od e t e r m i n ew h e t h e rt h ec l u s t e rs h o u l db es e p a r a t e db yt h ec u e o f t h e b u g t r a c i n gt h e b o u n d a r y t h ee x p e r i m e n ts h o w st h a ti tc a ne m b o d ym o l er e a li s o m e t r yt h a ne r o s i o n o p e r a t i o n , r e t a i nt h ec o n c a v e - c o n v e xo f t h eb o u n d a r y , a n do v e r c o m et h er e q u i r eo fa c u t e a n g l ea n dl o wd e n s i t ye d g ea tt h ep o i n t sw h e r eo b j e c t sc o n n e c t e d s oi t ss u c c e s sr a t i ot o s e p a r a t et h ec o l o n yc l u s t e ri s1 0 h i g h e rt h a nt h ee x i s t i n gs e p a r a t i n ga l g o r i t h m s f a s t2 - de u c l i d e a nd i s t a n c et r a n s f o r m b e g i n n i n gw i t ht h em o s to u t e rl a y e r , t h e a l g o r i t h mt r a c k st h eb o u n d a r yo ft h eo b j e c tl a y e rb yl a y e r f o re v e r yb o u n d a r yp i x e l b e i n gt r a c k e d , t h ee u c l i d e a nd i s t a n c et ot h en e a r e s tb a c k g r o u n dp i x e li sc o m p u t e db y t h es h o r t e s td i s t a n c ei n f o r m a t i o np r o p a g a t e df r o mi t sn e i g h b o r s al i s t i sd e s i g n e dt o s t o r en e c e s s a r yi n f o r m a t i o nf o ru p d a t i n gt h ed i s t a n c eo ft h ep i x e l st h a th a v e b e e n t r a n s f o r m e dt os o l v et h e p r o b l e mt h a tt h ed i s t a n c e - p r o p a g a t i n gp a t hm a y b ec h a n g e d i n c o n t r a s tw i t he x i s t i n gf a s ta l g o r i t h m s ，t h i sa l g o r i t h mc a np r o d u c ep e r f e c te u c l i d e a n d i s t a n c em a p si nat i m el i n e a r l yp r o p o r t i o n a lt ot h en u m b e ro f p i x e l so f t h ei m a g e t h e c o m p u t a t i o n a lc o s ti st w i c el e s st h a nt h a to f3 3c h a m f e rd i s t a n c et r a n s f o r m a n dt e n s a n dt h o u s a n d so f t h ee u c l i d e a nd i s t a n c et r a n s f o r ma l g o r i t h m sb a s e do nb u c k e t - s o r t i n g c o l o n yc o u n t i n ga n da n a l y s i ss y s t e md e v e l o p i n g w i t hs o f t w a r ee n g i n e e f i n g d e v e l o p i n gm e t h o d s ，a ni m a g ep r o c e s s i n ga n da n a l y s i sf r a m es y s t e mi sc o n s t r u c t e d w h i c hc o v e r sr i c hi m a g ep r o c e s s i n ga n da n a l y s i sa l g o r i t h m sa n do f f e r sm a c r or e c o r d i n g a n du s e r - d e f i n e de x p r e s s i o n s oi th a st h ea b i l i t yt oc o m b i n ea l g o r i t h ms e q u e n c e f l e x i b l y b a s e do nt h i s , ac o l o n yc o u n t i n ga n da n a l y s i ss y s t e m i s d e v e l o p e d c l a s s i f i c a t i o nm a c r oa n dp r o c e s s i n gm a c r oa r ed e s i g n e dt oe n a b l et h es y s t e mc l a s s i f y t h ec o l o n yi m a g eb yc l a s s i f i c a t i o nm a c f of i r s t a n dt h e nc a l lc o r r e s p o n d i n gp r o c e s s i n g m a c r op r e - d e f i n e dt op r o c e s st h ei m a g et og e tt h es a t i s f i e dc o u n t i n gr e s u l t k e yw o r d s ：p a r t i c l ei m a g e ；c i r c l e - l i k e ；a l g o r i t h m ；s e g m e n t a t i o n ；s e p a r a t i o n ； c l u s t e r i n g ( t o u c h i n ga n do v e r l a p p i n g ) ； e u c l i d e a nd i s t a n c et r a n s f o r m 博士学位论文 插图索引 图1 1 颗粒图像自动处理与分析一般过程2 图1 2 一幅存在聚堆现象的菌落细胞图像1 0 图1 3图1 2 所示菌落细胞图像的动态阈值分割结果1 0 图1 _ 3 一聚堆细胞及其标号矩阵l l 图1 4 另一聚堆细胞及其标号矩阵l l 图2 1 像素的邻域1 6 图2 2 邻域像素的方向码1 6 图2 3 像素间的连接1 7 圈2 48 连通边界跟踪示意图2 l 图2 5 线扫描法8 连通区域标号2 3 图2 6 水平扫描线扫描物体区域的情况2 5 图2 7 基于8 连通边界跟踪的标号算法标号示例2 7 图3 ，l8 一连通边界跟踪结果2 9 图3 2 分离段示意图3 0 图3 3 分离段距离计算示意图3 1 图3 4 部分聚堆细胞分离结果图3 3 图4 1 一维距离变换( 倒角算法) 3 6 图4 2 二维距离变换( 倒角算法) 时所用的模板对一 3 7 图4 3 边过程3 8 图4 4 边过程的值3 9 图4 5 每个桶的单链表结点的结构4 0 图4 6 存放扩展像素已排序的桶4 0 图4 7 4 与d 邻域像素距离变换关系4 3 图4 8 最短距离信息传递延迟导致的变换错误4 4 图4 9 距离传递路径中断示例4 5 图4 1 0 分别采用真实欧氏距离和倒角近似欧 氏距离获得聚堆目标核的情况5 0 图4 1 l 距离变换结果中局部极大值并非与目标核一一对应5 l 图4 1 2 应用真实欧氏距离变换结果进行分割5 2 图5 1 框架系统中定义的几个主要的类5 5 图5 2 宏的组织结构示意图5 8 v 娄璺丝塑丝里堡坌型垫苎旦塑 图5 3 类c m a c r o s e t 的定义5 9 图5 4 类c m a c r o 的定义6 0 图5 5 类c m a c r o f u n 的定义6 0 图5 6 宏定义窗口界面6 1 图5 7 表达式定义窗口界面6 2 图5 8 菌落细胞图像计数与分析系统软件流程6 3 图5 9 自动计数处理流程“ 图5 1 0 图像类的定义6 5 图5 1 l 各类分离算法菜单6 7 图5 1 2 剔除条件定义窗口界面6 8 图5 1 3 表格形式显示各目标物体的特征参数6 8 图5 1 4 系统从文件中读取菌落细胞图像进行计数与分析的一个示例6 9 图5 1 5 系统在线连续采集菌落细胞图像进行计数分析的运行界面7 0 图5 1 6 数码相机拍摄参数设置7 1 图5 1 7 菌落细胞图像分割示例7 3 博士学位论文 附表索引 表2 1 8 连通边界跟踪算法时间分析表2 2 表2 2 基于边界跟踪的8 - 连通区域标号算法分析2 8 襄3 1 各算法对聚堆缅胞分离结果比较3 2 表4 1 实验图像数据4 8 表4 2 三种算法比较与分析4 8 表4 3 本文算法分析骢 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其 他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果 由本人承担。 作者签名： 玉1 前日泻、 日期：砌i 年1 6 月g 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查 阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关 数据摩进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位 论文。 本学位论文属于 】、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“4 ”) 作者签名：玉1 硎滂、 导师签名：弦禾亍 日期：) 呻6 年6 月易日 日期：细6 年月6 日 博士学位论文 1 1 选题背景及研究意义 第1 章绪论 在工农业生产、医疗卫生等应用领域，经常需要对某些类圆性颗粒物质进行 品质检测，例如大米颗粒、岩石颗粒、细菌细胞、血细胞、气泡、棒材等等。这 些物质成像后，基本上都满足凸集特性，并且接近匿形，通称为颗粒图像。通过 统计这些物质样品内所含的颗粒数目并提取各单个物质颗粒的特征参数( 如面积、 周长、直径、中心矩、颜色等) ，可以对其品质或特性进行分析，然后再根据分析 结果作进一步的处理。例如医学上的临床化验，包括血液涂片。尿液沉渣。病理 切片和其他含细胞的标本检查，病理学家可以根据训练有素的眼睛，按照有关标 准，如核的形状，细胞浆的量和颜色，细胞浆颗粒的大小和颜色，整个细胞形状、 稀薄与细胞间的接触等，对其显微成像图像进行观察和检验。又如，稻米的品质 是稻米作为商品在流通过程中所必须具有的基本特征，大米品质检测项耳分为内 部品质和外观品质，在外观品质检测中，需要对大米的垩白度、垩白粒率、黄粒 米和粒型等项目进行检测。 早前，这些工作主要依靠人工的肉艰观察来完成，这种检测方法存在着一系 列的问题： 1 专业性强 很多的应用场合要求工作人员具备较为丰富的专业知识和观察经验，普通人 员是无法胜任这份工作的。特别是医学上的细胞图像检测，工作人员需要根据医 学知识以及临床经验对细胞的形态进行分析，对可能的病变进行判断。 2 工作镶重、乏味 在很多应用中，需要检测的样本量通常比较大，有的样本图像中包含的颗粒 数也很多。例如菌落细胞图像，有时一幅菌落细胞图像中包含的细胞数多达几百， 甚至上千，即使工作人员仅仅完成计数这一项工作，其工作量之大也可想而知， 更别说对细胞的特征进行测量、分析。长时间进行这样的工作，枯燥、乏味，工 作人员容易疲劳而引起误判。 3 主观性强 对于包含颗粒较多的样本图像，即使是同一工作人员，在不同的时候观察同 一个样本图像，也可能得到不同的观察结果。 类踊性颗粒图像分割技术研究 4 速度慢，工作效率低 这在医学上可能会延误病人的诊断治疗。 5 精度低 对于包含细胞数较多的菌落细胞图像，实际上很多情况下是采用估算的方法 来完成计数。工作人员首先将图像区域划分为几个均匀的子区域，然后仅对其中 的个或某几个子区域进行计数，最后得到一个估算结果。 对于上述存在的问题，如果不能得到妥善解决，那么，不论是在哪一个应用 领域，都有可能导致严重的事故或经济损失。因此，必须改进检测手段，减轻工 作人员的工作量，提高检测的精度和时效性。 随着计算机视觉技术的发展，基于图像处理与视觉分析的各种颗粒图像自动 分析系统，由于能够自动、快速、客观地统计图像中包含的颗粒数目并提取颗粒 的各种特征参数，极大地减轻了工作量、提高了分析精度，从两得到了广泛的应 用，成为近年来国内外的一大研究热点【卜1 6 】。例如在大米的品质检测中，凌云、 王一鸣等设计了套基于机器视觉的大米外观品质参数检测装置，实现了对垩白 度、垩白粒率、黄粒米和粒型参数的检测 5 - 8 。在生物医学方面，周莹莉等针对 菌落( c o l o n y ) 图像特点，提出用最大类间方差法对采集的菌落图像进行二值化， 用距离变换和分水岭算法分割粘连菌落，然后进行计数，分析菌落种类、形态和 大小，代替传统的人工计数【9 】；gc o r k i d i 等研制了一个菌落图像自动分析系统， 能够对粘连、不均匀的菌群图像进行分割、统计、分析t 伸j ；尤育赛等对重叠的红 细胞图像进行研究分析，提高自动分割的精度 1 1 , 12 。在工业生产方面，由于棒材 端面为圆形，宋强等据此对棒材端面图像进行分析，实现棒材的自动计数”】。 颗粒图像自动处理与分析的一般过程妇图1 1 所示，包括图像采集、预处理、 图像分割、特征提取、特征统计分析、结果输出等几个环节。其中图像分割是关 键的个环节，分割结果的好坏直接影响后续的特征提取与统计分析处理，理想 的分割结果是能够将图像中的所有目标从背景中分割出来并分割为一个个的单个 目标。 瞳圈一厂习一，眄圈，网，卜圃卜习 采集ll 处理l1 分割1l 提取j1 分析11 输出j 图1 1 颗粒图像自动处理与分析一般过程 图像分割技术是计算机视觉和人工智能领域中一项意义重要而又颇为艰巨的 研究工作，属图像信息工程的一大经典难题，长期以来一直是困扰和制约模式识 别发展的瓶颈问题和技术难点。众多国内外学者对此进行了广泛、深入的研究， 博士学位论文 推出了不少应用算法，但仍没有一种方法对所有测试图像分割效果均为最佳 【1 4 一 。特别是在颗粒图像分析中，对于需要进行分割的不同种类颗粒图像，颗粒 可能尺寸大小不一、形态各异，不可能采用相同的算法进行分割。此外，图像中 的颗粒往往会产生聚堆现象，即粘连、重叠在一起，为了提高分析结果的精度， 必须设计有效的分割算法将它们自动分离为单个颗粒。尽管国内外学者已经提出 了很多有效的分离算法，但仍存在着不足。因此，本文以菌落细胞图像为实验对 象，针对现有算法的不足，深入分析聚堆目标颗粒的形态特征，从两方面来研究 类圆性颗粒图像的自动分割技术，一方面研究提出具有更好分割效果的的类圆性 颗粒图像自动分割算法，另一方面研究实现一个具有灵活的算法模块重组性的颗 粒图像自动分析系统，能够根据图像的具体情况，采用不同的算法序列进行分割， 以此来提高分割的精度和速度。 1 2 颗粒图像分害b 研究现状 将粘连、重叠在一起的颗粒目标分割成单个颗粒是一种特殊意义下的分割， 很多文献将这种分割称为分离( s p l i t t i n g ，s e p a r a t i n g ) ，在下文中，分离就特指这 种分割。 近年来，国内外学者已就如何对颗粒图像进行有效、自动的分割开展了广泛 而深入的研究，取得了一定的研究成果，提出了一系列有效的分割算法。 较早将牯连在一起的物体目标进行分离的职究应用主要是在医学上。例如， 染色体分类在细胞生长测试中是一个经常遇到的、并且很重要的问题，国际上从 6 0 年代末7 0 年代初就开展了染色体的自动分析与识别的研究1 1 ”。将粘连在一起 的染色体分开对于染色体的分类非常重要，为了能够对缺少灰度一致性或其它相 关信息的粘连染色体实现自动分离，很多学者提出了不同的自动分离算法。l i a n g j i t ”1 应用凹点分析及粘连染色体边缘搜索的方法实现粘连染色体的分离。g a d y a g a m l 2 0 】等利用关于物体的一些低级特性和扩展属性实现分离，算法不需依赖于 分离路径的存在。在这同时，在医学的其它应用领域也开展了广泛的研究， j e a n p h i l i p p e t2 1 1 等应用数学形态学方法对癌细胞进行自动识别，包括计数及特征 参数的提取与分析、癌细胞的分类等。d w ia n o r a g a n i n g r u m t 2 2 2 3 等应用中值滤波 及数学形态学、区域生长等算法相结合的方法实现对细胞图像的自动分割。k i m k y u n g s u l 2 5 等应用数学形态学的形状分析法对血细胞图像进行分析，实现对血细 胞的自动分类。 随着图像处理与分析技术的进一步发展，其应用越来越广泛，c a s a s e n td a v i d 和t a l u k d e r a s h i t l 2 缸”1 等将其应用于农业生产中的农产品检测。文献【2 6 对传送带 上的阿月浑子果实核( p i s t a c h i on u t ) 所拍摄的图像进行分析，采用数学形态学的 分水岭算法实现粘连、重叠果实核的分离，来检测其质量。文献【3 0 】首先通过高 _ 3 一 类圆性颗粒图像分普q 技术研究 斯滤波检测出聚堆果实核的核心位置，然后应用分水岭算法将其分离。文献 3 1 对分离后的单个果实核提取特征，然后根据特征对果实核进行分类，以判定果实 核的质量。l e e n 。k i a ts o h 3 2 】提出了一种限制生长的概念( r e s t r i c t e dg r o w i n g c o n c e p t ，r g c ) ，用于将粘连在一起的物体分割开来。所谓限制生长的概念就是 分两步进行操作：第一步对物体区域进行收缩( s h r i n k i n g ) 使得粘连物体分开； 第二步在保持物体原尺寸大小及形状的基础上对物体区域进行生长( g r o w i n g ) ， 使它们单个物体区域恢复到原尺寸大小及形状，在恢复过程中，确保不让其重新 粘连在一起，从而实现分割。在分割过程中，原图像被作为一个掩模图像用于限 制生长。 在国内，从9 0 年代开始也逐步开展了染色体、细胞等图像的自动分析研究工 作。杨晓敏【1 等建立了人体白细胞自动分类方法与实现系统，张斌1 等研究建立 人类染色体的图像分析与识别系统。 近几年来，国内对颗粒图像的应用研究逐渐增多，并取得了一定的研究成果。 凌云【8 】等为解决谷物外观品质检测过程中获取图像的籽粒粘连问题，提出了一种 基于先验知识的流域分割算法：算法首先设定合理的区域面积闽值4 加标记并去 除图像中的单个籽粒区域，结果记为必；然后，设定有效腐蚀次数局* ，对粘连 籽粒区域进行流域分割，结果记为尬：最后，取与版的并集，作为分割结果。 尤育赛【- 1 2 1 等提出一种分离重叠的圆形颗粒图像的方法：首先采用粒度测量获取 图像中圆形颗粒的半径信息，计算重叠区域外轮廓的链码序列。然后利用半径和 轮廓链码来估算各个单独颗粒的中心区域以及重叠区域中颗粒的数目，接着从各 个颗粒中心区域出发逐渐膨胀，在对应不同颗粒的区域开始接触的位置设置分离 点，从而达到分离重叠颗粒的目的。康晓泉 3 4 1 等提出了条件颗粒分割方法，即在 数学形态学开运算过程中，对标定区域瘸蚀后，不再做膨胀运算，就直接在保形 的基础上，对不同粒度的物体进行分割，而对于同粒度接触的物体，则先通过腐 蚀后，再做一次特殊条件颗粒分割来得到小粒度( 条带) 部分，再进行复原就是 目标物体的接触部位，即分离点。陆振晔【” 等对基于数学形态学方法的重叠细胞 分离方法进行了比较分析研究。 把粘连、重叠在一起的目标分割成单个目标，关键在于如何快速、准确地找 到分离点。所谓分离点，就是最终用来进行聚堆目标区域分割的一个点对，连接 点对的一条曲线段可以把该区域比较合理地一分为二( s p l i t ) ，这条曲线段通常称 为分离线。 般来说，要将聚在一起的目标颗粒自动分离，所找到的分离线及待分离的 聚堆目标颗粒需要满足以下部分或全部条件： ( 1 ) 分离线的起点是凹陷区域的最内陷的一个边界点。 ( 2 ) 分离线的另一端点是聚堆区域边界上的另个最内陷的凹点。 髂学位论文 ( 3 ) 分离线的路径长度是相对最短的。 ( 4 ) 聚堆区域中待分离的目标颗粒满足凸集特性及类圆性。 其中，条件( 4 ) 是最根本的，如果这个条件不满足，将很难实施自动分离。 通过分析发现，大多数类圆性颗粒图像中发生聚堆的目标颗粒区域满足以下 两个假设： ( 1 ) 聚堆的目标颗粒在连接处往往形成凹陷。 和，或者 ( 2 ) 聚堆的目标颗粒一般在连接处具有相对较小的光学密度，从而形成灰度 突变边缘线。 从上述文献介绍及大量文献资料的查阅情况来看，用于聚堆目标颗粒分割的 算法基本上都是依据这两个假设进行的，现有的分割算法主要有综合凹点分析与 边缘检测的分割算法和基于数学形态学的分割算法两大类。下面对它们作一些总 结介绍与分析。 1 2 1 综合凹点分析与边缘检测的分割算法 综合凹点分析与边缘检测的分割算法来自以下事实：类圆性的粘连、重叠目 标颗粒由于在三维空问中深度的不同可能会导致其在二维图像上的投影不同，从 而具有灰度差异，表现在粘连处存在灰度局部最小、梯度差边缘线，因此可以结 合凹点的分析来检测这条边缘线，从而将其分离。 在关于聚堆目标颗粒区域的两个假设的基础上，综合凹点分析与边缘检测的 分割算法思想很简单，分为三个步骤： ( 1 ) 首先找出聚堆目标区域边界上所有的凹点。 ( 2 ) 然后对凹点进行配对得到分离点。配对的原则是分离点对间的直线距离 局部最小、并且分处中轴的两侧。 ( 3 ) 分离点确定后就可根据灰度值最小路径或边缘信息搜索分离线，完成聚 堆目标的分割。 例如在文献