專利名稱：一種菌落自動計數(shù)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于環(huán)保領(lǐng)域中污染源自動監(jiān)控技術(shù)領(lǐng)域，尤其涉及ー種菌落計數(shù)檢測方法。
背景技術(shù)：
隨著計算機(jī)視覺技術(shù)的快速發(fā)展，基于圖像處理與視覺分析技術(shù)的顆粒物圖像自動分析系統(tǒng)由于其能自動、快速、客觀地統(tǒng)計圖像中包含的顆粒數(shù)目并提取顆粒的各種特征參數(shù)，受到了國內(nèi)外學(xué)者的普遍關(guān)注⑴。作為自動分析系統(tǒng)核心的計數(shù)算法問題也成為了國內(nèi)外圖像分割領(lǐng)域研究的一大熱點。對于算法有很多研究，其中基于小波理論的圖象分析一直是研究的熱點。采用基于小波理論的圖象分析法可以精確的實現(xiàn)菌種的自動分類，但是由于小波分析法運算量復(fù)雜，限制圖像處理的速度[2]。分水嶺算法是近幾年新興的ー種數(shù)學(xué)形態(tài)學(xué)分割方法，在圖形處理方面受到了廣泛的應(yīng)用。針對菌落圖像特點，可以利 用距離變換和分水嶺算法來分割粘連菌落[3]。但是應(yīng)用分水嶺分割算法仍然存在對噪聲敏感、處理低對比度圖像易丟失重要信息以及合并國都分割的區(qū)域時需要大量的計算處理時間長等缺點⑷。而對于菌落檢測來說，實時實地的快速的檢測是一個發(fā)展趨勢，這樣就要求研究一直行之有效的快速算法。相關(guān)文獻(xiàn)[I]劉相濱，類圓性顆粒分割技術(shù)研究[博士學(xué)位論文]，湖南，湖南大學(xué)，2006[2]王積分趙增華舒炎泰天津大學(xué)學(xué)報第35卷第2期2002 03 151-154[3]周瑩莉，曾立波，劉均堂等，基于圖像處理的菌落自動計數(shù)方法及其實現(xiàn)，數(shù)據(jù)采集與處理，2003，18 (4) =460-464.[4]Kim Jong-Bae, Kim Hang-Joon. Multiresolution-based watersheds forefficient image segmentation[J]. Pattern Recognition Letters, 2003, 24 :473-488.

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)的上述不足，提出ー種算法簡單，速度快且能夠精確計的菌落自動計數(shù)方法。本發(fā)明利用動態(tài)視頻監(jiān)控的辦法來提高菌落監(jiān)測圖像的質(zhì)量并運用霍夫變換對于邊緣進(jìn)行處理，針對嵌入式自動分析系統(tǒng)對算法限制，通過對圖像的多次膨脹腐蝕處理，減小了因初始點設(shè)置不同引入的誤差，實現(xiàn)了精確計數(shù)，計數(shù)誤差可控制在3%以內(nèi)。本發(fā)明的技術(shù)方案如下一種菌落自動計數(shù)方法，包括下列步驟I)通過對目標(biāo)物進(jìn)行動態(tài)視頻的檢測，判斷培養(yǎng)皿是否就位；2)對培養(yǎng)皿進(jìn)行多次掃描拍攝取得多組原始目標(biāo)圖像；3)對原始目標(biāo)圖像進(jìn)行灰度化處理，將彩色圖像的R、G、B分量轉(zhuǎn)化為灰度值表征每個像素點構(gòu)成的圖像；4)依次進(jìn)行中值濾波、高斯平滑濾波的預(yù)處理，去除噪聲；5)通過對圖像的灰度分布進(jìn)行分析，選用適合的局部閾值分割法對去除了噪聲的圖像進(jìn)行ニ值化；6)去除培養(yǎng)皿邊緣確定菌落圖像范圍；7)選用十字形四鄰域腐蝕模板，使用多次膨脹和腐蝕結(jié)合起來的迭代腐蝕方法對菌落圖像中的較大菌落進(jìn)行極限分割；8)采用遞歸標(biāo)記的方法對連通域進(jìn)行標(biāo)記，不同的連通域被賦予不同的標(biāo)號值，最大標(biāo)號值就是該圖像中連通域的數(shù)目，從而得到菌落的數(shù)目。作為優(yōu)選實施方式，第I)步中，首先，采集第一幅圖像并保存，此后每隔一定的幀數(shù)采集一幅圖像，并與第一幅圖像對比，做平滑濾波取均方圖得方差，若方差很小即為沒有待檢測培養(yǎng)皿進(jìn)入，刪除該圖像繼續(xù)采集；若方差較大時，保留該圖像作為對比圖像，此后每采集所得圖像均與該對比圖像進(jìn)行對比，經(jīng)過多次平滑后若所得方差小于閾值時判定有待檢測培養(yǎng)皿進(jìn)入系統(tǒng)且為樣本就位；經(jīng)過第5)步對圖像進(jìn)行ニ值化處理后，再進(jìn)行一次形態(tài)學(xué)圖像處理中的關(guān)閉操作，填補(bǔ)對于個別面積較大的菌落由于ニ值化引入的孔洞，之后再執(zhí)行第6)步；第7)步中，使用梯度算子進(jìn)行圖像處理得到候選邊緣點，再根據(jù)培養(yǎng)皿為圓形的邊緣形狀，采用霍夫變換的方法進(jìn)行培養(yǎng)皿邊緣檢測，從而去除培養(yǎng)皿邊緣確定菌落圖像范圍；第8)步的迭代腐蝕方法為先使用腐蝕模板反復(fù)腐蝕目標(biāo)圖片，毎次腐蝕操作以后均進(jìn)行一次條件膨脹操作，用膨脹后的圖像減去腐蝕得到的圖像即可得到一個種子點，反復(fù)腐蝕操作以后直到圖片變?yōu)榭占Y(jié)束算法，并保留目標(biāo)消失之前最后的結(jié)果，該結(jié)果也為ー個種子點；然后，將該種子點和多次腐蝕膨脹過程中所得的所有種子點做并集，得到的所有目標(biāo)種子點，即是分離的菌落，此時完成對菌落圖像中的較大菌落進(jìn)行的極限分割。腐蝕算法具有算法簡單、效果直觀和運算速度快等優(yōu)點，能夠為大量的圖像處理提供了ー種一致的有效方法。而以前提出的對圖像只進(jìn)行簡單的腐蝕操作將重疊細(xì)菌分離為單個細(xì)菌的方法，圖像處理試驗效果與腐蝕和膨脹操作的初始點關(guān)系很大，初始點選擇的不同最終結(jié)果會有所差異。本發(fā)明通過對圖像的多次膨脹腐蝕處理，減小了因初始點設(shè)置不同引入的誤差，實現(xiàn)了菌落的快速分割和精確計數(shù)。


圖I本發(fā)明算法的流程框圖。圖2本發(fā)明采用的高斯濾波器。圖3本發(fā)明邊緣檢測的霍夫變換意圖。 圖4本發(fā)明邊緣檢測的霍夫變換意圖。圖5本發(fā)明使用的膨脹腐蝕的十字形四鄰域腐蝕模板。圖6進(jìn)行“關(guān)閉”操作的ニ值圖像的效果圖，(a)為未進(jìn)行“關(guān)閉”操作的ニ值圖像，(b)為進(jìn)行“關(guān)閉”操作后ニ值圖像。圖7為舉例說明的迭代腐蝕過程示意圖。(a)為ー副ニ值圖像，(b)為腐蝕模板，(C)為第一次腐蝕結(jié)果，(d)為第一次膨脹結(jié)果，(e)為第二次腐蝕結(jié)果，(f)為第二次膨脹結(jié)果。圖8為菌落迭代腐蝕分割效果圖，(a)為未分割前菌落灰度圖，(b)為迭代腐蝕分割以后的菌落灰度圖。
具體實施例方式參見圖1，本發(fā)明包括四個主要步驟圖像動態(tài)穩(wěn)定性檢測、圖像的預(yù)處理、培養(yǎng)皿邊界區(qū)域定位和迭代腐蝕方法對菌 落進(jìn)行極限分割并計數(shù)。具體方案如下I)圖像采集I、使用CXD攝像頭對檢測域進(jìn)行檢測區(qū)域?qū)嵤﹦討B(tài)的攝像監(jiān)控。首先，采集第一幅圖像并保存，此后每10幀采集一幅圖像，并與第一幅圖像對比，做平滑濾波取均方圖得方差。若方差很小即為沒有待檢測培養(yǎng)皿進(jìn)入，刪除該圖像繼續(xù)采集；若方差較大時即為有待檢測培養(yǎng)皿進(jìn)入檢測區(qū)，保留該圖像作為對比圖像，此后每采集所得圖像均與該對比圖像進(jìn)行對比，10次平滑所得方差小于閾值時判定有待檢測培養(yǎng)皿進(jìn)入系統(tǒng)且為樣本就位。2、監(jiān)測出培養(yǎng)皿進(jìn)入系統(tǒng)且穩(wěn)定后，C⑶攝像頭進(jìn)行多次拍照，取得多組原始目標(biāo)圖像。3、對拍照所得圖像進(jìn)行灰度化即把彩色圖像的R、G、B分量轉(zhuǎn)化為灰度值表征每個像素點構(gòu)成的圖像，轉(zhuǎn)化公式如下Gray (x, y) = O. 299*R(x, y) +0. 587*G(x, y) +0. 114*B(x, y) (I)2)圖像處理I、利用中值濾波方式濾除CCD攝像頭產(chǎn)生的隨機(jī)局部亮點。中值濾波是采用一個含有奇數(shù)個點的滑動窗ロ，用窗ロ中各點的灰度值的中值來代替窗ロ中心點像素的灰度值。2、采用高斯平滑的方式對圖像進(jìn)行平滑濾波，去除圖像頻域分析中的高頻部分的噪聲。高斯濾波的方法是用奇數(shù)點的滑動窗ロ在圖像上進(jìn)行滑動，將與窗ロ中心點對應(yīng)的圖像像素點的灰度用窗口內(nèi)各個點對應(yīng)圖像像素點灰度值的加權(quán)平均值代替。3、首先要對圖像的灰度分布進(jìn)行分析，對目標(biāo)區(qū)域圖像做灰度直方圖分布，由于圖像的灰度直方圖分布的雙峰趨勢很不明顯，因此在設(shè)計中采用局部閾值的方法對圖像進(jìn)行ニ值化。對圖像選取ー個介于gmin和gmax的閾值T，閾值T的確定一般利用公式T = T((x,y),f(x, y),q(x,y)) (2)式中(X，y)表示像素點在圖像中的坐標(biāo)，f (X，y)是像素點(x，y)處的灰度值；q(x, y)是該點鄰域的某種局部性質(zhì)。而局部閾值方法中閾值是根據(jù)f (X，y)和q(x，y)選取的，所得的閾值是與圖像的某個局部區(qū)域相關(guān)的，對不同的區(qū)域使用不同的閾值。選擇適當(dāng)?shù)拈撝?，并通過該閾值把圖像中的像素按其灰度值分為兩類
,I— /“…パ==.—
, 丄 —J ** ,ハヽ
g；x.v =ぺ …· (3)
I、* ； I: K ； A : I3)圖像分割及計數(shù)
I、采用霍夫變換的方法進(jìn)行培養(yǎng)皿邊緣檢測，從而去除培養(yǎng)皿邊緣確定菌落圖像范圍。霍夫變換可以利用圖像的全局特性將目標(biāo)邊緣像素連接起來組成目標(biāo)區(qū)域的封閉邊界，或者直接對圖像中已知形狀的目標(biāo)進(jìn)行檢測。由于培養(yǎng)皿邊緣檢測屬于形狀已知的邊緣檢測，且曲線形狀簡單，所以采用比較適合的霍夫變換的方法進(jìn)行檢測。對于培養(yǎng)皿的邊緣，通常為標(biāo)準(zhǔn)的圓形，圓的一般方程為(χ-a)2+ (y-b)2 = r2 (6)式中有3個參數(shù)a，b，r。顯然，在參數(shù)空間中，公式(6)表示的是ー個三維圓錐面。它表示的物理意義是，圖像空間中的圓對應(yīng)著參數(shù)空間中的ー個點，而圖像空間的ー個點(X，y)對應(yīng)著參數(shù)空間中的一個三維直立圓錐，該點約束了通過該點一族圓的參數(shù)(a，b, r),如圖3所示。 對于圖像空間中的ー個圓，它的半徑是固定不變的，圓周上的各個點組成的集合在參數(shù)空間中就表現(xiàn)為r相等，而a，b不等的各個圓錐的集合。如圖4所示。顯然，圖像空間中圓上的點映射到參數(shù)空間中的一族圓錐的交點正好對應(yīng)于圓的圓心坐標(biāo)和圓的半徑。對參數(shù)空間適當(dāng)量化，構(gòu)造ー個三維的累加數(shù)組A (a，b，r)，對圖像空間所存在的圓邊界形狀檢測時，先計算圖像每點強(qiáng)度的梯度信息，然后根據(jù)適當(dāng)閾值求出邊緣，再計算與邊緣上的每一點像素距離為r的所有點(a，b)，同時A累加A (a, b, r) = A (a, b, r) +1 (7)改變r值(可以根據(jù)先驗知識確定其變化范圍，減少計算量)再重復(fù)上述過程，當(dāng)對全部邊緣點變換完成后，所有累加數(shù)組的值進(jìn)行檢驗，其峰值的坐標(biāo)就對應(yīng)著圖像空間中圓的圓心和半徑。2、選用十字形四鄰域模板(如圖5所示)，使用多次膨脹和腐蝕結(jié)合起來的迭代腐蝕方法對菌落圖像中的較大菌落進(jìn)極限分割。迭代腐蝕算法是ー種形態(tài)學(xué)圖像處理的方法。形態(tài)學(xué)圖像處理得基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素，去度量和提取圖像中的對應(yīng)形狀，以達(dá)到對圖像分析和識別的目的。迭代腐蝕是ー種聚類快速分割算法，它把膨脹和腐蝕結(jié)合起來對圖像進(jìn)分割。該算法用到了條件膨脹和極限腐蝕的概念條件膨脹是一種受限膨脹的概念，它的限制條件X通常為ー個限定集合，膨脹的效果被限制在該集合內(nèi)，條件膨脹可表示為ニ = f ニ :■ - : (8)極限腐蝕是指反復(fù)腐蝕一個目標(biāo)直到它消失，并保留目標(biāo)消失之前最后的結(jié)果，該結(jié)果也被稱為目標(biāo)的種子。令fk= f「kb，其中b表示腐蝕模板，k表示腐蝕次數(shù)。目標(biāo)最終的種子點gk是fk中的元素，若I > □，則gk在も中消失。迭代腐蝕的第一步是(9)極限腐蝕的第二步是從f的腐蝕中減去上述膨脹結(jié)果gk = fk-Uk (10)如果圖像中有多個目標(biāo)，可求他們各自gk的并集就得到了最終腐蝕了的目標(biāo)集合f O也就是說，最終腐蝕圖像是g = Uk = ijmgk (11)
式中m代表腐蝕的次數(shù)。由于菌落形狀并不可能是標(biāo)準(zhǔn)的凸集，所以在迭代腐蝕結(jié)束后，得到的結(jié)果圖像不僅包括被完全腐蝕掉的菌落種子點，還可能包括從較大菌落上腐蝕下來的“碎片”。這些“碎片”的存在會導(dǎo)致同一菌落被重復(fù)計數(shù)從而影響計數(shù)精度。為了消除這些“碎片”，在一次腐蝕結(jié)束后，對腐蝕結(jié)果進(jìn)行多次條件膨脹，從而盡可能的“粘連”碎片，膨脹條件為該次腐蝕前的ニ值圖像，該次迭代腐蝕的結(jié)果可表示為gs =.,:へ :..: :.,(12)式中表示進(jìn)行多次膨脹，膨脹模板為b。3、菌落計數(shù)的過程就是對圖像分割得到的種子點圖像進(jìn)行計數(shù)的過程，這個問題 可以轉(zhuǎn)化為對ニ值圖像上的連通域進(jìn)行標(biāo)記的問題。連通域標(biāo)記就是用不同的標(biāo)號把不同的連通域標(biāo)記出來，而同一連通域中的像素?fù)碛邢嗤臉?biāo)號。本發(fā)明采用遞歸標(biāo)記的方法對連通域進(jìn)行標(biāo)記。遞歸標(biāo)記方法利用了遞歸調(diào)用方法，原理是按照從上到下、從左至右的順序?qū)D像進(jìn)行掃描，如果未被標(biāo)記的發(fā)現(xiàn)目標(biāo)點，則進(jìn)行深度優(yōu)先的遍歷直至找出完整的連通域并對賦予同一標(biāo)號值。算法結(jié)束后，不同的連通域被賦予不同的標(biāo)號值，最大標(biāo)號值就是該圖像中連通域的數(shù)目。該算法首先把ニ值圖像中的非零像素值定義為-1，尋找聯(lián)通與的過程也就變成了尋找“-I”像素值的過程，找到的像素被賦予ー個新的標(biāo)號并調(diào)用search方法在鄰域中尋找值為“-I”的像素，并對這些像素遞歸的調(diào)用search方法。我們用B代表原始的ニ值圖像，LB表示標(biāo)記后的圖像，則該方法的偽代碼可表示為搜索結(jié)束后，同一連通域的特征點都被保存在同一個數(shù)組中。這些特征點分別是該連通域中最左、最右、最上、最下的四點。通過這些特征點可以計算出每個連通域的幾何中心，并標(biāo)記在原圖像上。下面是對本發(fā)明ー個實施實例的菌落檢測方法說明I)使用CCD攝像頭采集第一幅圖像并保存，此后每10幀采集一幅圖像，并與第一幅圖像對比，做平滑濾波取均方圖得方差。若方差小于5%即為沒有待檢測培養(yǎng)皿進(jìn)入，刪除該圖像繼續(xù)采集；若方差大于50%時即為有待檢測培養(yǎng)皿進(jìn)入檢測區(qū)，保留該圖像作為對比圖像，此后每采集所得圖像均與該對比圖像進(jìn)行對比，10次平滑所得方差小于閾值(5% )時判定有待檢測培養(yǎng)皿進(jìn)入系統(tǒng)且為樣本就位。2)系統(tǒng)穩(wěn)定后，CCD攝像頭進(jìn)行多次拍照，保存多組采集圖像作為原始目標(biāo)圖像。3)利用公式原始目標(biāo)圖像進(jìn)行灰度化后得到灰度圖像。Gray (x, y) = O. 299*R(x, y)+0. 587*G(x, y)+0. 114*B(x, y)4)編譯中值濾波函數(shù)為 medianBlur (const Mat&src, Mat& dst, int ksize), src和dst分別表示原圖像和濾波后圖像,ksize表示中值濾波器尺寸，我們選擇ksize = 3表示濾波器尺寸為3*3。對圖像進(jìn)行中值濾波。5)編譯高斯濾波函數(shù) GaussianBlur (const Mat& src, Mat& dst, Size ksize,double sigmaX, double sigmaY = 0, int borderType = B0RDER_DEFAULT)src和dst分別表示原圖像和高斯濾波后的圖像；ksiZe表示濾波器尺寸，這里我們選擇如圖2所示的5*5高斯濾波模板對圖像進(jìn)行高斯平滑濾波。6)由于圖像中光強(qiáng)分布不勻且并沒有表現(xiàn)出明顯的分布規(guī)律，使用公式T =T((x, y), f (x, y), q(x, y))選取適當(dāng)?shù)拈撝礣,然后利用公式
,-ニ，· ,.T1
、i * mmJ " **':， '' "
CV" — ; — I D 爿ブ I- ■- - I進(jìn)行局部閾值的方法對圖像進(jìn)行ニ值化。用較大的窗ロ模板計算窗口內(nèi)像素灰度值的均值(mean),并在此基礎(chǔ)上加上一個合適的偏移(offset)作 為該窗口中心像素的閾值(T = mean+offset)。再對局部閾值后的ニ值圖像上進(jìn)行了一次形態(tài)學(xué)圖像處理中的關(guān)閉操作，填補(bǔ)對于個別面積較大的菌落，出現(xiàn)ー些細(xì)小的“縫隙”和“孔洞”(效果如圖6所示)O7)在閾值處理后，使用霍夫變換原理檢測培養(yǎng)皿邊緣(檢測效果如下圖所示)并去除該邊緣，由于培養(yǎng)皿外區(qū)域的像素值都為0，而培養(yǎng)皿內(nèi)部像素值相對較高，一歩到位地去除培養(yǎng)皿邊緣。8)在算法中選用圖5中十字形四鄰域模板。由公式(9)到(12)所示過程對圖像進(jìn)行改進(jìn)的迭代腐蝕處理。下面由三次迭代腐蝕來簡要的描述本發(fā)明采用的多次腐蝕迭代算法(如圖7所示)如圖(a)所示的ニ值圖像被圖(b)所示的模板進(jìn)行腐蝕。第一次腐蝕使得兩個區(qū)域收縮并分離，結(jié)果見圖(C)。圖(d)為圖(C)用模板(b)進(jìn)行膨脹的結(jié)果。第二次腐蝕由圖(C)得到圖(e)，對圖(e)進(jìn)行膨脹得到圖(f)。第三次腐蝕得到空集，算法結(jié)束。用圖(a)減去圖(e)得到第一個種子點，用圖(C)減去圖(f)得到第二個種子點，圖(e)為第三個種子點。最終的結(jié)果為這三個種子點的并集。9)利用遞歸標(biāo)記方法用B代表原始的ニ值圖像，LB表標(biāo)記后的圖像，把ニ值圖像中的非零像素值定義為-1，尋找聯(lián)通與的過程也就變成了尋找“-I”像素值的過程，找到的像素被賦予ー個新的標(biāo)號并調(diào)用search方法在鄰域中尋找值為“_1”的像素，并對這些像素遞歸的調(diào)用search方法。搜索結(jié)束后，同一連通域的特征點都被保存在同一個數(shù)組中，完成菌落的計數(shù)。
權(quán)利要求
1.一種菌落自動計數(shù)方法，包括下列步驟 1)通過對目標(biāo)物進(jìn)行動態(tài)視頻的檢測，判斷培養(yǎng)皿是否就位； 2)對培養(yǎng)皿進(jìn)行多次掃描拍攝取得多組原始目標(biāo)圖像； 3)對原始目標(biāo)圖像進(jìn)行灰度化處理，將彩色圖像的R、G、B分量轉(zhuǎn)化為灰度值表征每個像素點構(gòu)成的圖像； 4)依次進(jìn)行中值濾波、高斯平滑濾波的預(yù)處理，去除噪聲； 5)通過對圖像的灰度分布進(jìn)行分析，選用適合的局部閾值分割法對去除了噪聲的圖像進(jìn)行二值化； 6)去除培養(yǎng)皿邊緣確定菌落圖像范圍； 7)選用十字形四鄰域腐蝕模板，使用多次膨脹和腐蝕結(jié)合起來的迭代腐蝕方法對菌落圖像中的較大菌落進(jìn)行極限分割； 8)采用遞歸標(biāo)記的方法對連通域進(jìn)行標(biāo)記，不同的連通域被賦予不同的標(biāo)號值，最大標(biāo)號值就是該圖像中連通域的數(shù)目，從而得到菌落的數(shù)目。
2.根據(jù)權(quán)利要求I所述的菌落自動計數(shù)方法，其特征在于，第I)步中，首先，采集第一幅圖像并保存，此后每隔一定的幀數(shù)采集一幅圖像，并與第一幅圖像對比，做平滑濾波取均方圖得方差，若方差很小即為沒有待檢測培養(yǎng)皿進(jìn)入，刪除該圖像繼續(xù)采集；若方差較大時，保留該圖像作為對比圖像，此后每采集所得圖像均與該對比圖像進(jìn)行對比，經(jīng)過多次平滑后若所得方差小于閾值時判定有待檢測培養(yǎng)皿進(jìn)入系統(tǒng)且為樣本就位。
3.根據(jù)權(quán)利要求I所述的菌落自動計數(shù)方法，其特征在于，經(jīng)過第5)步對圖像進(jìn)行二值化處理后，再進(jìn)行一次形態(tài)學(xué)圖像處理中的關(guān)閉操作，填補(bǔ)對于個別面積較大的菌落由于二值化弓IA的孔洞，之后再執(zhí)行第6 )步。
4.根據(jù)權(quán)利要求I所述的菌落自動計數(shù)方法，其特征在于，第7)步中，使用梯度算子進(jìn)行圖像處理得到候選邊緣點，再根據(jù)培養(yǎng)皿為圓形的邊緣形狀，采用霍夫變換的方法進(jìn)行培養(yǎng)皿邊緣檢測，從而去除培養(yǎng)皿邊緣確定菌落圖像范圍。
5.根據(jù)權(quán)利要求I所述的菌落自動計數(shù)方法，其特征在于，第8)步的迭代腐蝕方法為先使用腐蝕模板反復(fù)腐蝕目標(biāo)圖片，每次腐蝕操作以后均進(jìn)行一次條件膨脹操作，用膨脹后的圖像減去腐蝕得到的圖像即可得到一個種子點，反復(fù)腐蝕操作以后直到圖片變?yōu)榭占Y(jié)束算法，并保留目標(biāo)消失之前最后的結(jié)果，該結(jié)果也為一個種子點；然后，將該種子點和多次腐蝕膨脹過程中所得的所有種子點做并集，得到的所有目標(biāo)種子點，即是分離的菌落，此時完成對菌落圖像中的較大菌落進(jìn)行的極限分割。
全文摘要
本發(fā)明屬于環(huán)保領(lǐng)域中污染源自動監(jiān)控技術(shù)領(lǐng)域，涉及一種菌落自動計數(shù)方法，包括通過對目標(biāo)物進(jìn)行動態(tài)視頻的檢測，判斷培養(yǎng)皿是否就位；對培養(yǎng)皿進(jìn)行多次掃描拍攝取得多組原始目標(biāo)圖像；對原始目標(biāo)圖像進(jìn)行灰度化處理，將彩色圖像的R、G、B分量轉(zhuǎn)化為灰度值表征每個像素點構(gòu)成的圖像；預(yù)處理；二值化；去除培養(yǎng)皿邊緣確定菌落圖像范圍；使用多次膨脹和腐蝕結(jié)合起來的迭代腐蝕方法對菌落圖像中的較大菌落進(jìn)行極限分割；進(jìn)行菌落計數(shù)。本發(fā)明算法簡單，速度快且能夠精確計數(shù)。
文檔編號C12Q1/06GK102676633SQ20121005995
公開日2012年9月19日 申請日期2012年3月8日 優(yōu)先權(quán)日2012年3月8日
發(fā)明者于旭耀, 余輝, 張力新, 李金航, 鄭曉悅, 齊丹 申請人:天津大學(xué)