专利名称：一种无角毛类赤潮藻显微图像细胞目标提取方法
技术领域：
本发明涉及一种浮游植物细胞目标提取方法技术领域，特别涉及一种无角毛类赤潮藻显微图像细胞目标的提取方法。
背景技术：
赤潮是水体中某些微小的浮游植物、原生动物或细菌，在一定的环境条件下突发性地增殖和聚集，引起一定范围内一段时间中水体变色现象。通常水体颜色因赤潮生物的数量、种类而呈红、黄、绿和褐色等。随着海洋环境污染和海水富营养化程度的加剧，赤潮灾害越来越频繁，2004年我国海域共发现赤潮96次，其中渤海12次，黄海13次，东海53次，南海18次，累计面积约26630平方公里，有毒赤潮生物引发的赤潮20余次，面积约7000平方公里，直接经济损失达6.5万元(2006年中国水产)。
但是，目前对赤潮生物的监测，国内外尚未有十分理想的监测技术和仪器。传统的赤潮生物的定性定量主要是利用显微镜对水样进行观察，寻找其中的赤潮生物，然后根据其特征对其进行计数、种类鉴定。这是一项耗时、费力、专业水平要求高的工作。因此，寻找一种快速识别方法，实现对浮游植物随环境变化、特别是对赤潮发生、发展、消亡过程的实时检测，是国内外同行共同追求的目标。
赤潮生物在细胞形状、结构、色素组成、蛋白质组成和DNA序列等方面均存在种间差别性。利用这些差异可实现对赤潮生物的识别。这其中图像识别是最基本、最经典的方法，但在利用图像知识来识别赤潮生物的过程中，目标提取又是最为关键的一步，目标提取的好坏对后续的工作有至关重要的作用。因此，提出一种有效的目标提取方法，可以大大提高赤潮生物的识别准确率。
发明内容
本发明所要解决的技术问题在于，提供一种无角毛类赤潮藻显微图像细胞目标提取方法，以此为赤潮生物种群类别的自动化鉴定提供一种手段，为后续的特征提取、分类和计数等工作打好基础。
为解决上述技术问题，本发明提供了一种无角毛类赤潮藻显微图像细胞目标提取方法，所述方法包含以下步骤 a.将无角毛类赤潮藻原始图像转换为灰度图像； b.图像二值化，对灰度图像进行基于增强大津法的自动阈值分割； c对二值图像进行形态学闭操作； d.寻找二值图像的最大轮廓并填充； e.将填充图像与原始图像做逻辑与运算，得到细胞目标图像。
所述步骤b中，增强大津法优选是在运用大津法之前做一个线性拉伸，以解决图像主体部分与背景灰度差较小的问题。
所述步骤b中大津法依据的原理是利用类别方差作为判据，可以选取使类间方差最大和类内方差最小的图像灰度作为最佳阈值。
所述无角毛类赤潮藻显微图像细胞目标提取方法，在步骤c中可以做2～8次形态学闭操作，以将二值图像中狭窄的缺口连接起来形成细长的弯口并填充比结构元素小的洞。
所述无角毛类赤潮藻显微图像细胞目标提取方法，在步骤d中最大轮廓可以是指寻找到的轮廓包含的像素数最多。
所述无角毛类赤潮藻显微图像细胞目标提取方法，在步骤d中所述填充的步骤可以是将寻找到的最大轮廓内部填充为白色。
所述无角毛类赤潮藻显微图像细胞目标提取方法，在步骤e中，将填充后的图像与原始图像可以做逻辑与运算，提取细胞图像的边缘并保留内部纹理等细胞学特征。
所述步骤b中，对图像二值化，对灰度图像进行基于增强大津法的自动阈值分割优选是指 在运用大津法之前做一个线性拉伸，用于解决图像主体部分与背景灰度差较小的问题，具体步骤如下 若原图像的灰度级为X，期望处理后的图像灰度级为Y，原始图像和期望图像的灰度级的分布范围极值分别为Xmax，Xmin和Ymax，Ymin，期望变换前后的图像对比度保持线性关系，即满足下式 经整理线性拉伸的简单数学表达式为Y＝aX+b 其中 当a＞1时，Ymax-Ymin＞Xmax-Xmin，则变换后图像的对比度增大，视觉感应为亮处更亮，暗处更暗；而通过设置b值，可以使整幅图像灰度级的均值改变相应的b值；令Ymax＝255，Ymin＝0； 原始灰度图像的灰度级为L灰度级为i的像素点数为ni，全部像素为N，归一化直方图
阈值t将灰度级划分为两类C0＝(0，1，...，t)和C1＝(t+1，t+2，...L-1) 这两类的概率分别为 均值为 上式中 方差 类内方差为 类间方差为 总体方差为 改变t的值，使类间方差取得最大值时的t值即为最佳阈值，用求得的最佳阈值对灰度图像进行二值化。
所述步骤c中，对二值图像进行多次形态学闭操作的具体步骤优选为 使用结构元素B对集合A的闭操作表示为A·B，定义如下 这个公式表明，使用结构元素B对集合A的闭操作就是用B对A进行膨胀，而后用B对结果进行腐蚀；其中膨胀和腐蚀的定义分别为
这个公式是以得到B的相对于它自身原点的映象并且由z对映象进行位移为基础的； 这个公式说明使用B对A进行腐蚀是所有B中包含于A中的点z的集合用z平移； 使用的结构元素为5×5的椭圆形元素，进行5次形态学闭操作。
本发明能从带有泥沙、残骸等干扰物的无角毛类赤潮藻显微图像中精确的提取目标细胞，大幅度降低对赤潮藻自动分类识别工作的技术要求，提高效率；也可以为广大第一线赤潮监测人员、赤潮研究者提供有效地指导和帮助。
图1是本发明无角毛类赤潮藻显微图像细胞目标提取方法的流程图； 图2为具体实施例中选取的原始图像； 图3为具体实施例中经过转换后的灰度图像； 图4为具体实施例中经过二值化后的二值图像； 图5为具体实施例中对二值图像做形态学闭操作后的结果； 图6为具体实施例中对提取到的最大轮廓进行填充后的图像； 图7为具体实施例中填充图像与原始图像做逻辑与运算后得到的细胞目标图像。
具体实施例方式 本发明无角毛类赤潮藻显微图像细胞目标提取方法，对无角毛类赤潮藻显微图像进行灰度变换后用增强大津法对其进行自动阈值二值化，继而对二值图像做形态学闭操作以将二值图像中狭窄的缺口连接起来形成细长的弯口并填充比结构元素小的洞，提取二值图像的最大轮廓并填充后与原始图像做逻辑与运算，得到原始图像中的目标细胞部分。
下面结合附图和具体实施例对本发明作进一步的说明 如图1所示，为本发明无角毛类赤潮藻显微图像细胞目标提取方法，所述方法包含以下步骤(1)将无角毛类赤潮藻原始图像转换为灰度图像；(2)图像二值化对灰度图像进行基于增强大津法的自动阈值分割；(3)对二值图像进行形态学闭操作；(4)寻找二值图像的最大轮廓并填充所述的最大轮廓是指寻找的轮廓包含的像素数最多；(5)将填充图像与原始图像做逻辑与运算，得到细胞目标图像。
在得到原始图像后，进入步骤(1)，将原始图像转换为灰度图像，因为微生物在颜色上差别不大，同时灰度图像可以大大减少图像处理的运算量并且更有利于对图像进行特征的提取等。图2为原始图像，图3为经过转换后的灰度图像。
然后进入步骤(2)，对灰度图像进行基于增强大津法的自动阈值分割，增强大津法是在运用大津法之前做一个线性拉伸以解决图像主体部分与背景灰度差较小的问题，具体的原理如下所述 若原图像的灰度级为X，期望处理后的图像灰度级为Y，原始图像和期望图像的灰度级的分布范围极值分别为Xmax，Xmin和Ymax，Ymin，我们期望变换前后的图像对比度保持线性关系，即满足下式 经整理线性拉伸的简单数学表达式为Y＝aX+b 其中 当a＞1时，Ymax-Ymin＞Xmax-Xmin，则变换后图像的对比度增大，视觉感应为亮处更亮，暗处更暗；而通过设置b值，可以使整幅图像灰度级的均值改变相应的b值。本发明中令Ymax＝255，Ymin＝0。
大津法依据的原理是利用类别方差作为判据，选取使类间方差最大和类内方差最小的图像灰度值作为最佳阈值。大津法可作如下理解因方差是灰度分布均匀性的一种度量，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使类间方差最大的分割意味着错分概率最小。
原始灰度图像的灰度级为L灰度级为i的像素点数为ni，全部像素为N，归一化直方图
阈值t将灰度级划分为两类C0＝(0，1，...，t)和C1＝(t+1，t+2，...L-1) 这两类的概率分别为 均值为 上式中 方差 类内方差为 类间方差为 总体方差为 改变t的值，使类间方差取得最大值时的t值即为最佳阈值。用求得的最佳阈值对灰度图像进行二值化。
图4是利用步骤(2)中的方法选取的阈值对灰度图像进行分割的结果。从图4中可以看出二值化的效果很好，赤潮藻细胞的边缘也少有断裂之处。
在得到二值图像之后，进入步骤(3)，对二值图像做形态学闭操作。使用结构元素B对集合A的闭操作表示为A·B，定义如下 这个公式表明，使用结构元素B对集合A的闭操作就是用B对A进行膨胀，而后用B对结果进行腐蚀。其中膨胀和腐蚀的定义分别为
这个公式是以得到B的相对于它自身原点的映象并且由z对映象进行位移为基础的。
这个公式说明使用B对A进行腐蚀是所有B中包含于A中的点z的集合用z平移。
形态学闭操作旨在将对象的轮廓变得光滑，消弥狭窄的间断和长细的鸿沟，消除小的孔洞，并填补轮廓线中的断裂。可以做2～8次形态学闭操作，以将二值图像中狭窄的缺口连接起来形成细长的弯口并填充比结构元素小的洞。本步骤中使用的结构元素为5×5的椭圆形元素，进行5次形态学闭操作。图5为进行闭操作后的结果，从图中可见，消除了比结构元素小的孔洞，轮廓变得更为光滑。
之后进入步骤(4)，寻找经形态学闭操作处理后的二值图像的最大轮廓。本步骤中说的最大轮廓是指所包含的像素点数最多的轮廓，在找到最大轮廓后将最大轮廓内部填充为白色。图6为由步骤(4)得到的最大轮廓，经过这一步骤也可以去除噪声。
然后进入步骤(5)，将步骤(4)得到的图像与原始图像做逻辑与运算，提取到无角毛类赤潮藻显微图像细胞的边缘并保留了内部纹理等细胞特征，得到细胞目标图像。图7为最终得到的细胞目标图像。
所有上述为这一知识产权的首要实施系统，并没有设定限制以其他形式实施这种新系统。本领域技术人员将利用这一重要信息，对上述内容修改，以实现类似的执行情况。但是，所有基于本发明的修改或改造新方法，属于保留的权利。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。
权利要求
1.一种无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，所述方法包含以下步骤
a.将无角毛类赤潮藻原始图像转换为灰度图像；
b.图像二值化，对灰度图像进行基于增强大津法的自动阈值分割；
c.对二值图像进行多次形态学闭操作；
d.寻找二值图像的最大轮廓并填充；
e.将填充图像与原始图像做逻辑与运算，得到细胞目标图像。
2.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，在步骤b中增强大津法是指，在运用大津法之前做一个线性拉伸，以解决图像主体部分与背景灰度差较小的问题。
3.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，在步骤b中大津法是利用类别方差作为判据，选取使类间方差最大和类内方差最小的图像灰度作为最佳阈值。
4.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，在步骤c中做2～8次形态学闭操作，以将二值图像中狭窄的缺口连接起来，形成细长的弯口，并填充比结构元素小的洞。
5.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，步骤d中所述最大轮廓是指寻找到的轮廓包含的像素数最多。
6.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，在步骤d中所述填充的步骤是指将寻找到的最大轮廓内部填充为白色。
7.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，在步骤e中将填充后的图像与原始图像做逻辑与运算，提取细胞图像的边缘，并保留细胞的内部纹理。
8.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，所述步骤b中，对图像二值化，对灰度图像进行基于增强大津法的自动阈值分割是指
在运用大津法之前做一个线性拉伸，用于解决图像主体部分与背景灰度差较小的问题，具体步骤如下
若原图像的灰度级为X，期望处理后的图像灰度级为Y，原始图像和期望图像的灰度级的分布范围极值分别为Xmax，Xmin和Ymax，Ymin，期望变换前后的图像对比度保持线性关系，即满足下式
经整理线性拉伸的简单数学表达式为Y＝aX+b
其中
当a＞1时，Ymax-Ymin＞Xmax-Xmin，则变换后图像的对比度增大，视觉感应为亮处更亮，暗处更暗；而通过设置b值，可以使整幅图像灰度级的均值改变相应的b值；令Ymax＝255，Ymin＝0；
原始灰度图像的灰度级为L灰度级为i的像素点数为ni，全部像素为N，归一化直方图
阈值t将灰度级划分为两类C0＝(0，1，...，t)和C1＝(t+1，t+2，...L-1)
这两类的概率分别为
均值为
上式中
方差
类内方差为
类间方差为
总体方差为
改变t的值，使类间方差取得最大值时的t值即为最佳阈值，用求得的最佳阈值对灰度图像进行二值化。
9.根据权利要求1所述无角毛类赤潮藻显微图像细胞目标提取方法，其特征在于，所述步骤c中，对二值图像进行多次形态学闭操作的具体步骤为
使用结构元素B对集合A的闭操作表示为A·B，定义如下
这个公式表明，使用结构元素B对集合A的闭操作就是用B对A进行膨胀，而后用B对结果进行腐蚀；其中膨胀和腐蚀的定义分别为
这个公式是以得到B的相对于它自身原点的映象并且由z对映象进行位移为基础的；
这个公式说明使用B对A进行腐蚀是所有B中包含于A中的点z的集合用z平移；
使用的结构元素为5×5的椭圆形元素，进行5次形态学闭操作。
全文摘要
本发明公开了一种无角毛类赤潮藻显微图像细胞目标提取方法，包含以下步骤a.将无角毛类赤潮藻原始图像转换为灰度图像；b.图像二值化，对灰度图像进行基于增强大津法的自动阈值分割；c.对二值图像进行多次形态学闭操作；d.寻找二值图像的最大轮廓并填充；e.将填充图像与原始图像做逻辑与运算，得到细胞目标图像。本发明提取二值图像的最大轮廓并填充后与原始图像做逻辑与运算，得到原始图像中的目标细胞部分。本发明能从带有泥沙、残骸等干扰物的无角毛类赤潮藻显微图像中精确的提取目标细胞，大幅度降低对赤潮藻自动分类识别工作的技术要求，提高效率；也可以为广大第一线赤潮监测人员、赤潮研究者提供有效地指导和帮助。
文档编号G06K9/54GK101777121SQ20101011559
公开日2010年7月14日 申请日期2010年3月2日 优先权日2010年3月2日
发明者姬光荣, 郑海永, 张 浩, 王国宇, 于志刚 申请人:中国海洋大学