专利名称：病鱼的鱼体图像处理方法及系统的制作方法
技术领域：
本发明涉及图像处理技术，尤其涉及一种病鱼的鱼体图像处理方法及系统。
背景技术：
目前，我国鱼类养殖业正朝着集约式养殖的方向发展，养殖规模不断扩大，而随着 鱼类养殖业的迅速发展，水产养殖鱼类患爆发性疾病的概率不断增加。水产养殖鱼类的爆 发性疾病是一种急性综合性鱼病，其具有病种多样化，面积广泛化，治疗难度大的特点，会 给鱼类养殖户带来很大的损失。由于目前我国水产养殖鱼类的爆发性疾病主要存在于家鱼，即青鱼、草鱼、鲢鱼、 鳙鱼、鲤鱼和鲫鱼中，患病的病鱼的鱼体的体表颜色和纹理与正常鱼的鱼体完全不同。例 如，就鲤科鱼来说，正常鲤科鱼的鱼体表面一般具有背部黑亮，靠近鱼肚部分发白，纹理清 晰且形状完整的特点；而在患病时，病鱼的鱼体表面会出现红色血丝，并且伴随有血肿或白 色肿块，即病斑。随着计算机技术和图像处理技术的发展，利用图像处理技术已经可以对病鱼的鱼 体表面的病斑进行分析，并通过分析确定鱼病的种类，进而对病鱼进行有效地隔离或治疗， 从而有效地减小水产养殖鱼类的爆发性疾病所带来的损失。但现有技术获取病鱼的鱼体图像后，无法快速且准确地将病鱼的鱼体表面的病斑 提取出来，对病斑的采集和提取仍需通过操作者手工对病鱼的鱼体图像进行裁剪来进行。 通过操作者手工对病鱼的鱼体图像进行裁剪，一方面降低了病斑提取的速度和准确性。另 一方面提高了操作者的劳动强度，并且由于操作者需要具备计算机和图像处理方面的专业 知识，也不利于在产业中的大规模推广。因此，如何快速且准确地从病鱼的鱼体图像中获取病斑图像，就成为亟待解决的 问题。
发明内容
本发明提供一种病鱼的鱼体图像处理方法及系统。本发明提供一种病鱼的鱼体图像处理方法，包括获取病鱼的鱼体图像；从所述鱼体图像中获取鱼体区域图像；从所述鱼体区域图像中获取异常目标区域图像；移除所述异常目标区域图像中的非病斑目标区域图像，以获取病斑目标图像。本发明提供一种病鱼的鱼体图像处理系统，包括图像采集模块，用于获取病鱼的鱼体图像；鱼体分割模块，用于从所述鱼体图像中获取鱼体区域图像；异常目标区域图像获取模块，用于从所述鱼体区域图像中获取异常目标区域图 像；
病斑目标图像获取模块，用于移除所述异常目标区域图像中的非病斑目标区域图 像，以获取病斑目标图像。本发明的病鱼的鱼体图像处理方法及系统可以准确且便捷地获得病鱼的病斑的 相应病斑目标图像，为计算机自动鱼病识别提供基础数据，从而便于技术人员及时了解病 鱼所患病症的具体情况，及时采取措施遏制水产养殖鱼类的爆发性疾病的蔓延，从而降低 水产养殖鱼类的爆发性疾病所带来的损失，并且发明的病鱼的鱼体图像处理方法操作简 便，具有良好的适应性。
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发 明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以 根据这些附图获得其他的附图。图1为本发明病鱼的鱼体图像处理方法实施例一的流程图；图2为本发明病鱼的鱼体图像处理方法实施例二的流程图；图3为本发明病鱼的鱼体图像处理方法实施例三的流程图；图4为本发明病鱼的鱼体图像处理方法实施例四的流程图；图5为本发明病鱼的鱼体图像处理系统实施例一的结构图。
具体实施例方式为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。图1为本发明病鱼的鱼体图像处理方法实施例一的流程图，如图1所示，本实施例 的方法可以包括以下步骤步骤101、获取病鱼的鱼体图像。举例来说，病鱼的鱼体图像可以通过水下电荷耦合元件(Charge-coupledDevice， 以下简称CCD)相机及与其相连的图像采集卡实时获取。需要说明的是，如何区分病鱼的 鱼体图像和正常鱼的鱼体图像并不属于本发明的范畴，本领域技术人员可通过现有技术或 人工手段将病鱼的鱼体图像与正常鱼的鱼体图像区分开来，从而得到需要进行病鱼的鱼体 图像处理的病鱼的鱼体图像。步骤102、从鱼体图像中获取鱼体区域图像。举例来说，在得到病鱼的鱼体图像后，可通过对获得的病鱼的鱼体图像进行自适 应阈值分割，进而从包括背景在内的病鱼的鱼体图像中提取出鱼体区域图像，从而可以有 效地降低后续图像处理步骤的数据运算量，提高病鱼的鱼体图像的处理效率。步骤103、从鱼体区域图像中获取异常目标区域图像。举例来说，在通过步骤102获得病鱼的鱼体区域图像后，可以进一步获得病鱼的 鱼体区域中的病斑位置的异常目标区域图像。这样就可以将病鱼的病斑从病鱼的鱼体区域中分割出来，从而便于后续步骤的进行，可以进一步有效地降低后续图像处理步骤的数据 运算量，从而提高病鱼的鱼体图像的处理效率。步骤104、移除异常目标区域图像中的非病斑目标区域图像，以获取病斑目标图像。举例来说，再通过步骤103获得异常目标区域图像后，为降低病斑的识别处理的 准确性，同时降低病斑的识别处理的数据量，可以进一步去除异常目标区域图像中的鱼体 的正常部分，在移除异常目标区域图像中的非病斑目标区域图像后，就可以获得仅包含病 斑的病斑目标图像。获得病斑目标图像后，通过对病斑目标图像进行特征提取就可以了解 病鱼所患病症的种类、严重程度等相关信息，农业技术人员就可以采取相应的措施，例如隔 离、给药治疗等手段，从而及时遏制水产养殖鱼类的爆发性疾病的蔓延，降低水产养殖鱼类 的爆发性疾病所带来的损失。需要说明的是，本发明并不涉及通过对病斑目标图像进行特 征提取，来了解病鱼所患病症的种类、严重程度等相关信息的具体方式，本领域技术人员可 采用现有技术的图像处理方法来实现对病斑目标图像的处理，此处不再赘述。本实施例的病鱼的鱼体图像处理方法可以准确且便捷地获得病鱼的病斑的相应 病斑目标图像，为计算机自动鱼病识别提供基础数据，从而便于技术人员及时了解病鱼所 患病症的具体情况，及时采取措施遏制水产养殖鱼类的爆发性疾病的蔓延，从而降低水产 养殖鱼类的爆发性疾病所带来的损失，并且本实施例的病鱼的鱼体图像处理方法操作简 便，具有良好的适应性。图2为本发明病鱼的鱼体图像处理方法实施例二的流程图，如图2所示，本实施例 是对实施例一的进一步细化，本实施例的方法可以包括以下步骤步骤201、获取病鱼的鱼体图像。步骤202、分别提取鱼体图像RGB空间的R、G和B三个颜色的归一化分量。举例来说，通过步骤201获得病鱼的鱼体图像后，可以对该鱼体图像的RGB空间的 R(Red)、G(Green)和B(Blue)三个颜色进行提取处理，从而获得R、G和B三个颜色的归一 化分量，以供后续步骤处理。优选地，分别提取鱼体图像RGB空间的R、G和B三个颜色的归一化分量具体可以 为通过公式(1)获得鱼体图像RGB空间的归一化分量，r = R/ (R+B+G)g = G/ (R+B+G)(1)b = B/ (R+G+B)其中，r、g和b分别为所述鱼体图像RGB空间的R、G和B三个颜色的归一化分量。步骤203、对提取到的归一化分量分别进行中值滤波图像增强处理。举例来说，通过步骤202提取到鱼体图像RGB空间的R、G和B三个颜色的归一化 分量后，可以对提取到的R、G和B三个颜色的归一化分量进行中值滤波图像增强处理，从而 便于后续步骤的进行。对R、G和B三个颜色的归一化分量进行中值滤波图像增强处理可以 提高鱼体图像的锐度，从而使获取鱼体区域图像的准确度和精度有很大程度的提高。优选地，对提取到的归一化分量分别进行中值滤波图像增强处理具体可以为通 过像素模板扫描鱼体图像，像素模板的中心与所述鱼体图像的目标像素位置重合；计算像 素模板内的鱼体图像的像素的灰度值；将鱼体图像的像素按灰度值大小重新排列，以获取像素中值；将像素中值作为目标像素的像素值。举例来说，像素模板可以是大小为3像素X 3像素的像素模板，使像素模板在鱼体 图像中漫游，从而达到扫描鱼体图像的目的，像素模板具体可通过逐行或逐列的形式扫描 鱼体图像的每个像素。在扫描过程中，像素模板的中心与鱼体图像的某个像素的位置重合， 当像素模板的中心与鱼体图像的某个像素的位置重合时，即将与像素模板的中心重合的鱼 体图像的像素作为鱼体图像的目标像素，从而达到对鱼体图像的每个像素都进行扫描的目 的。在每一个确定目标像素后，计算像素模板内的鱼体图像的各个像素的灰度值，将 鱼体图像的像素按灰度值大小重新排列，以获取像素中值。例如对于作为目标像素的鱼体 图像的像素a(i，j)来说，当像素模板为像素X3像素的像素模板时，像素模板内的鱼体图 像共有9个像素，这9个像素按灰度值^ci分别为(X1, x2, X3, x4，x5, x6, x7, x8,知)，将这9个 灰度值(X1, χ2, χ3，χ4，χ5, χ6, χ7, χ8, χ9)由大到小重新排列，并将位于中间位置的灰度值作为
像素中值。即当像素模板由η个像素组成时，若η为奇数，则像素中值，若η为偶数，
则为像素中值。确定像素中值后，就可以将像素中值作为目标像素的像素值。
对鱼体图像的每个像素都进行上述处理后，就可以使鱼体图像的每个像素的灰度值都等于 该像素作为目标像素的像素中值，从而可以使鱼体图像得到有效地锐化，便于后续步骤的处理。步骤204、对进行中值滤波图像增强处理后的鱼体图像进行自适应阈值分割，以获 取鱼体区域图像。举例来说，通过对步骤203获得进行中值滤波图像增强处理的鱼体图像后，可对 该鱼体图像进行自适应阈值分割处理，去除鱼体图像的背景部分，进而获得表现病鱼的鱼 体区域的鱼体区域图像。对进行中值滤波图像增强处理后的鱼体图像进行自适应阈值分割，具体可以为 获取进行中值滤波图像增强处理后的鱼体图像的像素矩阵；根据像素灰度值对像素矩阵中 的像素进行整体归一化处理；对进行整体归一化处理后的鱼体图像进行分块处理；对分块 处理后的鱼体图像进行阈值判断，以获取鱼体区域图像。举例来说，获取进行中值滤波图像增强处理后的鱼体图像的像素矩阵，例如，将进 行中值滤波图像增强处理后的灰度鱼体图像I定义为XY的像素矩阵，其中I(i，j)表示矩 阵中第i行，第j列的鱼体图像的像素灰度值，Il为NXN的像素矩阵，Il为图像I的一个 字块。根据像素灰度值对像素矩阵中的像素进行整体归一化处理，具体可以为定义 Mean⑴为鱼体图像的整体均值，Var⑴为整体方差，则归一化处理可通过公式(2)至⑷实现。
M0 + ^Var0(I(iJ)-Mean(I)f IVar(I),/(/, j) >Mean(I)] M0 - J[Var0 (/(/, j) -Mean(I))2 / Var(I),其他
权利要求
1.一种病鱼的鱼体图像处理方法，其特征在于，包括 获取病鱼的鱼体图像；从所述鱼体图像中获取鱼体区域图像； 从所述鱼体区域图像中获取异常目标区域图像；移除所述异常目标区域图像中的非病斑目标区域图像，以获取病斑目标图像。
2.根据权利要求1所述的方法，其特征在于，所述从所述鱼体图像中获取鱼体区域图 像具体包括分别提取所述鱼体图像RGB空间的R、G和B三个颜色的归一化分量； 对提取到的所述归一化分量分别进行中值滤波图像增强处理； 对进行所述中值滤波图像增强处理后的所述鱼体图像进行自适应阈值分割，以获取所 述鱼体区域图像。
3.根据权利要求2所述的方法，其特征在于，所述分别提取所述鱼体图像RGB空间的 R、G和B三个颜色的归一化分量具体为通过公式(1)获得所述鱼体图像RGB空间的归一化分量， r = R/(R+B+G) g = G/(R+B+G)(1)b = B/ (R+G+B)其中，r、g和b分别为所述鱼体图像RGB空间的R、G和B三个颜色的归一化分量。
4.根据权利要求2所述的方法，其特征在于，所述对提取到的所述归一化分量分别进 行中值滤波图像增强处理具体为通过像素模板扫描所述鱼体图像，所述像素模板的中心与所述鱼体图像的目标像素位置重合；计算所述像素模板内的所述鱼体图像的像素的灰度值； 将所述鱼体图像的像素按灰度值大小重新排列，以获取像素中值； 将所述像素中值作为目标像素的像素值。
5.根据权利要求2所述的方法，其特征在于，所述对进行所述中值滤波图像增强处理 后的所述鱼体图像进行自适应阈值分割，具体为获取进行所述中值滤波图像增强处理后的所述鱼体图像的像素矩阵； 根据像素灰度值对所述像素矩阵中的像素进行整体归一化处理； 对进行所述整体归一化处理后的鱼体图像进行分块处理； 对分块处理后的所述鱼体图像进行阈值判断，以获取所述鱼体区域图像。
6.根据权利要求1至5中任一权利要求所述的方法，其特征在于，所述从所述鱼体区域 图像中获取异常目标区域图像具体为获取所述鱼体区域图像的像素的灰度值； 获取所述鱼体区域图像的一维灰度统计直方图数据；根据聚类类别数和迭代停止阈值，通过聚类目标函数计算划分矩阵，以获得所述异常 目标区域图像。
7.根据权利要求1至5中任一权利要求所述的方法，其特征在于，所述移除所述异常目 标区域图像中的非病斑目标区域图像，具体为将所述异常目标区域图像进行反转；从所述鱼体区域图像中获取正常目标区域图像块，将所述正常目标区域图像块作为扫 描模板；将反转后的所述异常目标区域图像进行反转还原； 使用所述扫描模板扫描所述异常目标区域图像；计算所述扫描模板下的所述异常目标区域图像的特征值并计算所述特征值的均值； 根据所述扫描模板的特征值的均值和扫描阈值获得所述病斑目标图像。
8. 一种病鱼的鱼体图像处理系统，其特征在于，包括 图像采集模块，用于获取病鱼的鱼体图像； 鱼体分割模块，用于从所述鱼体图像中获取鱼体区域图像； 异常目标区域图像获取模块，用于从所述鱼体区域图像中获取异常目标区域图像； 病斑目标图像获取模块，用于移除所述异常目标区域图像中的非病斑目标区域图像， 以获取病斑目标图像。
全文摘要
本发明提供一种病鱼的鱼体图像处理方法及系统，其中，病鱼的鱼体图像处理方法，包括获取病鱼的鱼体图像；从所述鱼体图像中获取鱼体区域图像；从所述鱼体区域图像中获取异常目标区域图像；移除所述异常目标区域图像中的非病斑目标区域图像，以获取病斑目标图像。本发明的病鱼的鱼体图像处理方法及系统可以准确且便捷地获得病鱼的病斑的相应病斑目标图像，为计算机自动鱼病识别提供基础数据，从而便于技术人员及时了解病鱼所患病症的具体情况，及时采取措施遏制水产养殖鱼类的爆发性疾病的蔓延，从而降低水产养殖鱼类的爆发性疾病所带来的损失，并且本发明的病鱼的鱼体图像处理方法操作简便，具有良好的适应性。
文档编号A01K61/00GK102110294SQ20111004157
公开日2011年6月29日 申请日期2011年2月21日 优先权日2011年2月21日
发明者司秀丽, 张馨, 李道亮, 段青玲, 胡静, 陈桂芬 申请人:中国农业大学