基于水平集及GVF Snake精确定位的菌落图像分割方法

摘要

本发明涉及一种基于水平集及GVF Snake精确定位的菌落图像分割方法，根据菌落图像灰度变化快慢，区域灰度变化相似特性，采用基于图像灰度等高线及灰度变化加速度进行图像分割，即采用基于图像灰度等高线及按区域顺序合并来进行图像初分割，进而基于菌落的边界扫描和边界线连接确定菌落初步轮廓，再用GVF Snake算法对菌落轮廓进行精确地定位，然后对菌落中的孔洞进行充填和对菌落边界进行拟合，得到最终图像分割结果。本发明所提出的一种基于水平集及GVF Snake精确定位的菌落图像分割方法，不同于常规的直接利用相邻像素间灰度值的相似性进行图像分割的方法，有效的解决了菌落图像分割困难的问题。

说明书

技术领域

本发明涉及图像处理，特别是一种基于水平集及GVF Snake精确定位的菌落图像分割方法。

背景技术

传统评判水和食物质量的传统和标准的方法是将试样均匀分布地散放在一标准的玻璃盘内，放入一定温度的冷藏室内，放置一定时间后，将玻璃盘进行人工计数细菌群的个数及分析其它有关参数。而人工计数及分析方法存在以下几方面的不利因数：(1)计数的局限性：如在一直径为九厘米的玻璃盘内，细菌群的数目超过一百时，人工计数的准确性将大大降低，一般都是取二分之一到三十二分之一盘来计数，然后进行整盘的细菌群数目估算；(2)无法对细菌群参数进行定量地分析，如形状尺才表面颜色等；(3)由于细菌群是随时间而变化的，无法隔天甚至隔时复查；(4) 沉长和重复性的计数影响计数员的视力；(5)刺痹的气味影响操作员的身体健康；(6)计数速度也有待提高；(7)计数的不稳定性：例如对同盘细菌群的计数，不同的计数员往往给出不同的计数结果。

为了克服以上不足，提高计数的精度，增强定量分析的能力和提高自动化程度，近年来出现的最佳方法之一是基于图像分析的方法。如北美和欧洲一些国家相继地基于计算机图像的技术，研究和发展了计算机图像计数分析系统，但该类系统仍未被广泛应用。当然有其各种各样的原因，但其主要原因还是系统本身的稳定性和精度问题。

发明内容

本发明的目的在于提供一种基于图像灰度等高线、区域膨胀、一阶微分边界扫描及GVF Snake算法对菌落轮廓进行精确定位的图像分割方法，以解决菌落图像分割困难的问题。

为实现上述目的，本发明的技术方案是：一种基于水平集及GVF Snake精确定位的菌落图像分割方法，其特征在于，按照如下步骤实现：

S1：采集并输入菌落图像，通过高斯算子对该菌落图像进行平滑滤波操作，获取平滑图像；

采用大津法对该平滑图像进行阈值分割，获得第一阈值T1，并获取由该第一阈值T1确定的第一等高线和第一区域；

S2：统计所述平滑图像的灰度直方图，检测出该灰度直方图种主波峰的左谷点灰度值，并在该灰度值与所述第一阈值T1的差值区域中，采用大津法进行阈值分割，获得第二阈值T2，并获取由该第二阈值T2确定的第二等高线和第二区域；

S3：用一阶微分边界扫描或山脊边界扫描算法获取菌落边界；

S4：对所述第一等高线向所述第二等高线方向进行加速度判定操作，对所述第一区域向所述第二区域进行扩展操作；将扩展操作后处于所述第一区域与所述第二区域交集区域中，且与所述第一区域对应的菌落目标种子点进行合并，扩大种子区域；继续对所述第一区域向所述第二区域进行扩展操作，进一步扩大所述种子区域；

S5：对所述菌落边界进行细线化操作和端点检测操作，并根据该菌落边界中端点的方向及端点之间的距离对应连接端点，以使菌落边界闭合，消除该菌落边界中存在的断点和空隙；

S6：以所述步骤S5所得的菌落边界作为约束条件，对所述种子区域进行膨胀操作，再通过GVF Snake算法对该菌落边界进行精确地定位；

S7：对所述步骤S6中完成菌落边界精确定位后的菌落图像中的孔洞进行充填，并用二次曲线对菌落边界进行拟合操作，得到最终图像分割结果。

进一步的，所述步骤S3还包括：对所述平滑图像进行一阶微分获得梯度图像，并将梯度图像转换成二值图像。

相较于现有技术，本发明具有以下有益效果：本发明所提出的一种基于水平集及GVF Snake精确定位的菌落图像分割方法，对于从中央到边缘亮度逐渐减弱的菌落目标以及对应作图像反值运算后的亮度逐渐增强的菌落目标，该方法能够快速准确地提取菌落目标，从而提高菌落分析的精度。

附图说明

图1为本发明中基于水平集及GVF Snake精确定位的菌落图像分割方法的流程图。

图2（a）为本发明一实施例中理想的椭圆形状的菌落示意图。

图2（b）为本发明一实施例中将理想的椭圆形状的菌落经处理后得到的灰度值等高线示意图。

具体实施方式

下面结合附图，对本发明的技术方案进行具体说明。

本发明提供一种基于水平集及GVF Snake精确定位的菌落图像分割方法，如图1所示，其特征在于，按照如下步骤实现：

S1：采集并输入菌落图像，通过高斯算子对该菌落图像进行平滑滤波操作，去除所述图像中的噪声，获取平滑图像；在本实施例中，将该过程表示为：                                                ，其中h表示平滑滤波器，为原始图像，平滑滤波器采用高斯滤波器：；采用大津法或迭代法对该平滑图像进行阈值分割，获得第一阈值T1，并获取由该第一阈值T1确定的第一等高线和第一区域；且在本实施例中，将大津法作如下定义：

二维直方图中存在两类和，分别代表物体和背景，具有两个不同的概率密度函数分布设阈值为，那么两类出现的概率分别为：

；

且该两类对应的均值矢量为：

其中：  。

二维直方图上总的均值矢量：

，

 而，，使用其迹作为类间的离散度测度，则有：，最佳阈值，满足：；

S2：统计图像灰度直方图，该灰度直方图一般符合正态分布，检测出该灰度直方图种主波峰的左谷点灰度值a，并在该灰度值与所述第一阈值T1的差值区域（a-T1）中，并以该差值区域作为新的背景图像，采用大津法或迭代法进行阈值分割，获得第二阈值T2，并获取由该第一阈值T2确定的第二等高线和第二区域；

S3：用一阶微分边界扫描或山脊边界扫描算法获取菌落边界或菌落部分边界；对所述平滑图像进行一阶微分获得梯度图像，并将梯度图像转换成二值图像。，并将梯度图像转换成二值图像；在本实施例中，用表示g的梯度向量，，是平滑图像g的梯度图像；

S4：对所述第一等高线向所述第二等高线方向进行加速度判定操作，对所述第一区域向所述第二区域进行扩展操作，以去除掉菌落图像背景产生的误识别曲线及去掉菌落图像中的黑洞和其它噪声的影响，将扩展操作后处于所述第一区域与所述第二区域交集区域中，且与所述第一区域对应的菌落目标种子点进行合并，扩大种子区域；继续对所述第一区域向所述第二区域进行扩展操作，进一步去除掉菌落图像背景产生的误识别第一等高线曲线及去掉黑洞及其它噪声的影响，进一步扩大所述种子区域；

S5：对所述菌落边界或所述菌落的部分边界进行细线化操作和端点检测操作，并根据该菌落边界中端点的方向及端点之间的距离对应连接端点，尽可能使菌落边界闭合，消除该菌落边界中存在的断点和空隙；

S6：以所述步骤S5所得的菌落边界作为约束条件，对所述种子区域进行膨胀操作，再通过GVF Snake算法对菌落轮廓进行精确地定位；

在本实施例中，所采用的Snake方法较为稳定，但也有定位误差等问题，为了克服这些问题，采用梯度矢量流(Gradient Vector Flow, GVF) 代替传统外力场，它是通过扩散边缘图的负梯度矢量得到，在扩大边缘势能作用范围的同时，保持了边界区域梯度矢量流的性质。令为图像的边缘图，则有，设的梯度场为，把梯度场向图像的边缘扩散，则形成了扩散的梯度矢量流场，其对能量函数进行极小化，即，而求解能量最小的矢量场可以通过欧拉方程来求解：，其中为拉普拉斯算子；、为边缘图对的偏导；

S7：由于受到噪声的影响及其黑洞，菌落中会有一些孔洞，为此，在上述图像分割的基础上，再对步骤S6中完成菌落边界精确定位后的菌落图像中的孔洞进行充填，如果需要，还可以用二次曲线对菌落边界进行拟合或平滑操作，得到最终图像分割结果。

为了让本领域的技术人员进一步了解本发明中所提出的一种基于水平集及GVF Snake轮廓精确地定位的的菌落图像分割方法，下面结合具体的实施例进行说明。

如图2所示，根据该菌落中的白色光点和黑色光点及菌落边界弱的特点，通过以如图1所示的方法获得所有菌落的闭合轮廓。本发明所提出的菌落图像分割方法是基于基于图像灰度等高线、区域膨胀、一阶微分边界扫描及GVF Snake算法对菌落轮廓进行精确定位的图像分割算法，是建立在大津阈值和三条等高线及一阶微分边界扫描及GVF Snake算法的基础之上，是一种新的图像分割方法，该方法首先检测出白色光区域的边界，再按一定的阈值增长检测出第二阈值，按等高线的顺序逐步膨胀区域面积到菌落边界，使等高线内部区域不断向外扩展，解决区域由多余黑、白点及其它噪声引起的过分分割问题，然后用一阶微分边界算子或山脊扫描算子检测出图像中菌落的边界和部分边界，再进行菌落边界闭合的后处理。再以该菌落边界作为约束条件，膨胀上述的种子区域，再用GVF Snake算法对菌落轮廓进行精确地定位，这里主要采用了梯度矢量流(Gradient Vector Flow, GVF) 代替传统外力场，它是通过扩散边缘图的负梯度矢量得到，在扩大边缘势能作用范围的同时，保持了边界区域梯度矢量流的性质。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。