专利名称：一种菌落自动检测方法
技术领域：
本发明涉及生物医学图像处理、环境监测等领域，特别涉及一种菌落自动检测 方法。
背景技术：
随着计算机科学技术的发展，计算技术已经渗透到其他学科的多种领域，尤其 是生物医学、环境监测等领域。由于计算机具有很强的计算和存储能力，所以在数字信 号的采集、处理、传输和存储方面具有独特的优势。因此，在生物医学图像处理领域和 信息科学领域之间的跨学科研究可以极大地促进生物医学知识的发现以及研究方法的改 进，在环境检测领域和信息科学之间的学科交叉研究可以促进现代化检测方法和仪器的 研究和开发。目前，平板菌落检测方法已经广泛应用于多种背景下的细菌计数，例如 对环境监测、食物检测等等情况下的菌落检测。然而，现有的人工计数方法费时费力。 而且，由于年龄、经验等因素，这种高度主观的方法经常导致计数准确率较低。
到现在为止，只有少数文献与自动菌落检测方法有关。根据自动菌落检测方法 的原理，可以把它们划分为两类1)把菌落检测问题看作目标识别[H]，这类方法通常提 取菌落特征，例如颜色、纹理和形状，然后训练分类器来鉴定感兴趣区域是不是菌落。 但是，研究人员经常需要花费很多时间来准备大量的用于训练模型的样本，而且菌落颜 色、纹理和形状的剧烈变化会对模型的训练自动菌落检测方法带来很多困难；幻把菌落 检测看作图像分割[5,，现有的方法通常选取全局阈值法、基于块的局部阈值法或者基于 特定领域知识的阈值选取法。由于最佳阈值选取往往对数据具有依赖性，因此这类方法 在大规模应用上有很大的局限性。
参考文献
[l]Shenglang Jin, "Comparison between the Determination Results of Total Bacteriain Food of Machine Vision and Culture，，，Packaging and food Machinery, 2009, 27(4 · , ‘ pp 33-37.
[2]Shenglang Jin, Yujuan Li, Yongguang Yin, Rapid detection of total number ofbacteria in food using digital micro-image identification technique, Transactions ofthe Chinese Society of Agricultural Engineering, 2008, 24(4), pp : 177-180 · ·
[3JYuqin Yang, Chushui Yao, Study on Method of Automatic Identification andAouncting of Bacteria Colonies on Plate, Chinese Journal of Disnfection, 2001, 18(3), pp 141-144.
[4]Ates，H.Gerek, O.N.，An Image-processing Based Automated Bacteria ColonyCounter, 24th International Symposium on Computer and Information Sciences，2009.
[5]Yingli Zhou，Libo Zeng, A Method for Automatic Colony Counting Based onlmage Processing and Its Realization, Journal of Data Acquistion & Processing,200318(4), pp 460-464.
[6]Guoxin Wang, Changli Zhang, Junlong Fang, etc., Experimental study forautomatic colony counting system based on image processing, China Dairy Industry, 2006，34(2), pp 40-42.
[7]Hong Men, Yujie Wu, Caihong Wang, etc., Study on Heterotrophic BacteriaColony Counting Based on Image Processing Method, Study on HeterotrophicBacteria Colony Counting Based on Image Processing Method, 2008, 35(3), pp : 38-41, 45.
[8JBuqing Chang, Research on the Development of ColonyAnalysis SystemBased on Image Processing, Hebei Industry University, 2008.
[9]Reyna，Mourino-Perez Rosal ； Josue, Alvarez-Borrego 1, Color Correlation for theRecognition Vibrio Cholerae Ol in Seawater, Proceedings of SPIE, Vol 3749, pp : 586-587, 1999.
[10]Luc Vincent, Morphological Grayscale Reconstruction in Imgae Analysis Applicatins and Efficient Algorithms, IEEE Transactions on Image Processing, vol.2, No.2,pp 176 185，1993.
[11]权炜、郑南宁、贾新春，“复杂背景下的车辆牌照字符提取方法研究，，， 《信息与控制》，2002 年，Vol.31 (1)，pp 25-29.
[12]谢贵、彭嘉雄，“基于上下边缘点匹配的连通域搜索算法”，《华中科技大 学学报》，2002 年，Vol.30 ⑷，pp 66-68.发明内容
为了扩大应用范围，本发明提供了一种菌落自动检测方法，所述方法包括以下 步骤
(1)输入菌落图像；
(2)对所述菌落图像进行图像灰度化处理和预处理，获取处理后的菌落图像；
C3)根据所述处理后的菌落图像，进行理想菌落图像重建；
(4)对所述理想菌落图像进行后处理，检测到菌落。
步骤(2)中所述预处理，具体为图像平滑和直方图均衡化。
步骤(3)中所述根据所述处理后的菌落图像，进行理想菌落图像重建，具体包 括
非均勻光照下背景建模和非均勻光照分布消除。
所述非均勻光照下背景建模具体为
通过分析所述处理后的菌落图像的自身成像特性来构建所述非均勻光照下背景建模。
所述自身成像特性具体包括
所述处理后的菌落图像的平滑性；
所述处理后的菌落图像的稀疏性；
非均勻光照下背景对所采集原始图像的逼近性。
所述非均勻光照分布消除具体为
所述处理后的菌落图像与非均勻光照下背景对应元素做差，消除非均勻光照分布。
步骤中所述对所述理想菌落图像进行后处理，检测到菌落，具体包括
对所述理想菌落图像进行图像二值化处理，获取二值图像；
对所述二值图像进行连通域提取，获取修改后的二值图像；
对所述修改后的二值图像的前景区域对应的所述理想菌落图像相应区域进行细 分割，检测到所述菌落。
本发明提供的技术方案的有益效果是
本发明提供了一种菌落自动检测方法，当菌落图像是在不同条件下获取时，通 过消除光照偏差，把输入的菌落图像转化为理想菌落图像，对理想菌落图像进行后处 理，检测到菌落，本发明不依赖特定的图像采集装置、菌落类型、外界环境条件，在图 像分割和菌落提取过程中不依赖于经验性阈值或先验知识，因此具有很高的普遍性，扩 大了应用范围，并且通过大规模的实验证明了本发明的准确性和精密度。
图1为本发明提供的菌落自动检测方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施 方式作进一步地详细描述。
为了扩大应用范围，本发明实施例提供了一种菌落自动检测方法，参见图1，详 见下文描述
101 输入菌落图像；
由于后续103步中理想菌落图像重建的普适性，所以对所输入菌落图像的采集 装置、摄像头参数、图像存储格式和图像分辨率等参数以及菌落图像的类型并无特殊限 制。
102 对菌落图像进行图像灰度化处理和预处理，获取处理后的菌落图像；
其中，为了满足后续处理所需的数据形式，对输入的菌落图像进行图像灰度化处理。
高分辨率摄像头采集的数字图像多是彩色数字图像，一幅彩色数字图像由像素 点组成，每个像素点用红(R)、绿(G)和蓝(B)三个颜色分量表征，因此，图像灰度化 处理具体为
根据第一公式，将R、G和B三个分量转化为灰度值(Gray)来表征每个像素点 所构成的图像(其中，i和j表示像素点在二维空间中的坐标)。
第一公式Gray(i，j) = 0.11*R(i，j)+0.59*G(i，j)+0.3*B(i，j)
其中，预处理具体包括图像平滑和直方图均衡化。
菌落图像的能量通常集中在低频段，而噪声主要集中在高频段，因此通过图像 平滑处理就可以滤掉噪声。直方图均衡化可以使灰度值在直方图上均勻的分散开，增强 了对比度，尤其是当在低照明度下获得菌落图像时，通过直方图均衡化处理可以显著的 增强对比度。
本发明实施例采用基于高斯核构建的加权均值滤波器来消除高频段的噪声，具 体实现时，还可以采用其他的方式来消除高频段的噪声，本发明实施例对此不做限制。
103 根据处理后的菌落图像，进行理想菌落图像重建；
其中，该步骤的任务是对处理后的菌落图像，通过挖掘菌落图像自身性质来消 除非均勻光照分布效应，来获得背景区域(培养名区域)和前景区域(菌落区域)对比度 大的理想菌落图像。由于该步骤消除菌落图像采集时外界环境对成像效果的影响，使得 101步骤中输入的菌落图像不受采集装置、摄像头性能等外界条件的影响；并且由于103 步骤可以显著提高理想菌落图像的对比度，大大简化了菌落检测中图像二值化这一关键 步骤中二值化阈值选取的难度，这使得本方法在菌落检测实验中具有更高的准确度和精 密性。
该步骤包括非均勻光照下背景建模和非均勻光照分布消除。
非均勻光照下背景建模图像采集环境大都受到非均勻光照的影响，通过分析 处理后的菌落图像自身成像特性来构建非均勻光照下背景建模，根据非均勻光照下背景 建模便可以自适应模拟不同外界条件下的非均勻光照分布。在处理后的菌落图像自身成 像特性分析中，自身成像特性对非均勻光照下背景建模具有重要作用
1)处理后的菌落图像的平滑性即处理后的菌落图像中除了边缘、角点等，往 往是大面积平滑区域；
2)处理后的菌落图像的稀疏性即所采集图像中菌落往往稀疏分布在培养皿环 境中；
3)非均勻光照下背景对所采集原始图像的逼近性菌落区域的稀疏分布往往使 得图像的大部分区域仍就是培养皿所对应背景区域，因此所构建的非均勻光照下背景与 原始图像各像素点的灰度差的总和应当越小越好。
非均勻光照分布消除处理后的菌落图像与非均勻光照下背景对应元素做差， 消除非均勻光照分布。
由于H-dome方法[1°]能够实现所提出的非均勻光照下背景建模方法，因此本发 明实施例以H-dome方法为例来构建非均勻光照下背景建模，从而重建理想菌落图像，具 体实现时，还可以采用其他的方法来重建理想菌落图像，如曲面拟合法和基于小波重构 法等，本发明实施例对此不做限制。
104对理想菌落图像进行后处理，检测到菌落。
其中，该步骤具体包括
1)对理想菌落图像进行图像二值化处理，获取二值图像；
图像二值化处理是将理想菌落图像上的像素点的灰度值设置为0或1，使得菌 落图像呈现出明显的黑白效果，由于在步骤103中重建菌落图像，获取到了理想菌落图 像，因此可以通过简单的全局阈值选取方法来对理想菌落图像进行图像二值化处理，获 取二值图像。本发明实施例中的图像二值化处理采用大津法(OTSU)，具体实现时，还 可以采用其他的图像二值化处理方法，如最大熵法、最小错误概率法和迭代阈值法等， 本发明实施例对此不做限制。
2)对二值图像进行连通域提取，获取修改后的二值图像；
二值图像的连通区域标记是从仅由“0”像素(通常表示背景点)和“1”像素(通常表示模式图形点)组成的一幅点阵图像中，将相互邻接(4-邻域或8-邻域)的 “1”值像素集合提取出来。本发明实施例中的连通域提取采用序贯法，具体实现时，还 可以采用其他的连通域提取方法，如区域标号法[11]、基于边缘点匹配的算法[12]，本发 明实施例对此不做限制。
3)对修改后的二值图像的前景区域对应的理想菌落图像相应区域进行细分割， 检测到菌落。
通过对二值图像进行连通域提取，获取到的修改后的二值图像往往会将粘连的 菌落看作同一连通区域进行标记，所以要对修改后的二值图像对应的前景区域进行细分 割。本发明实施例采用了分水岭处理对修改后的二值图像对应的前景区域进行精细分 割。其中，分水岭处理，是一种基于拓扑理论的数学形态学的分割方法，其基本思想是 把修改后的二值图像看作是测地学上的拓扑地貌，修改后的二值图像中每一点像素的灰 度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边 界则形成分水岭。分水岭的计算过程是一个迭代标注过程，分两个步骤，一个是排序过 程，一个是淹没过程。首先对每个像素的灰度级进行从低到高排序，然后再从低到高实 现淹没过程，对每一个局部极小值在h阶高度的影响域采用先进先出结构进行判断及标 注。具体实现时，还可以采用其他的细分割处理方法，如阈值分割法，模糊C-2均值算 法，遗传算法等，本发明实施例对此不做限制。
通过步骤101-步骤104，可以准确的检测到菌落，将检测到的菌落的目标数加 起来，可以方便的计算出菌落的总数。
综上所述，本发明实施例提供了一种菌落自动检测方法，当菌落图像是在不同 条件下获取时，通过消除光照偏差，把输入的菌落图像转化为理想菌落图像，对理想菌 落图像进行后处理，检测到菌落。本发明不依赖特定的图像采集装置、菌落类型、外 界环境条件，在图像分割和菌落提取过程中不依赖于经验性阈值或先验知识，因此具有 很高的普遍性，扩大了应用范围，并且通过大规模的实验证明了本发明的准确性和精密 度。
下面采用一个简单的试验来验证本发明实施例提供的一种菌落自动检测方法的 可行性，详见下文描述
使用本发明实施例提供的一种菌落自动检测方法对地表水、地下水的水样进行 检测，并与现有技术中的方法进行对比实验，实验结果如表1-2所示。
表1准确度对比实验的检测结果
权利要求
1.一种菌落自动检测方法，其特征在于，所述方法包括以下步骤(1)输入菌落图像；(2)对所述菌落图像进行图像灰度化处理和预处理，获取处理后的菌落图像；(3)根据所述处理后的菌落图像，进行理想菌落图像重建；(4)对所述理想菌落图像进行后处理，检测到菌落。
2.根据权利要求1所述的菌落自动检测方法，其特征在于，步骤(2)中所述预处理， 具体为图像平滑和直方图均衡化。
3.根据权利要求1所述的菌落自动检测方法，其特征在于，步骤(3)中所述根据所述 处理后的菌落图像，进行理想菌落图像重建，具体包括非均勻光照下背景建模和非均勻光照分布消除。
4.根据权利要求3所述的菌落自动检测方法，其特征在于，所述非均勻光照下背景建 模具体为通过分析所述处理后的菌落图像的自身成像特性来构建所述非均勻光照下背景建模。
5.根据权利要求4所述的菌落自动检测方法，其特征在于，所述自身成像特性具体包括所述处理后的菌落图像的平滑性； 所述处理后的菌落图像的稀疏性； 非均勻光照下背景对所采集原始图像的逼近性。
6.根据权利要求3所述的菌落自动检测方法，其特征在于，所述非均勻光照分布消除 具体为所述处理后的菌落图像与非均勻光照下背景对应元素做差，消除非均勻光照分布。
7.根据权利要求1所述的菌落自动检测方法，其特征在于，步骤(4)中所述对所述理 想菌落图像进行后处理，检测到菌落，具体包括对所述理想菌落图像进行图像二值化处理，获取二值图像； 对所述二值图像进行连通域提取，获取修改后的二值图像；对所述修改后的二值图像的前景区域对应的所述理想菌落图像相应区域进行细分 割，检测到所述菌落。
全文摘要
本发明公开了一种菌落自动检测方法，属于生物医学图像处理、环境监测等领域，所述方法包括以下步骤输入菌落图像；对所述菌落图像进行图像灰度化处理和预处理，获取处理后的菌落图像；根据所述处理后的菌落图像，进行理想菌落图像重建；对所述理想菌落图像进行后处理，检测到菌落。当菌落图像是在不同条件下获取时，通过消除光照偏差，把输入的菌落图像转化为理想菌落图像，对理想菌落图像进行后处理，检测到菌落，本发明不依赖特定的图像采集装置、菌落类型、外界环境条件，在图像分割和菌落提取过程中不依赖于经验性的阈值或先验知识，因此具有很高的普遍性，扩大了应用范围，并且通过大规模的实验证明了本发明的准确性和精密度。
文档编号G06T7/00GK102024259SQ20101060489
公开日2011年4月20日 申请日期2010年12月24日 优先权日2010年12月24日
发明者刘哲人, 刘安安 申请人:刘安安