一种基于图像的药敏片抑菌圈大小测量方法与流程

本发明涉及图像检测的技术领域，尤其涉及到一种基于图像的药敏片抑菌圈大小测量方法。

背景技术：

药敏试验简称药物敏感试验(或耐药试验)。旨在了解病原微生物对各种抗生素的敏感(或耐受)程度，以指导临床合理选用抗生素药物的微生物学试验。一种抗生素如果以很小的剂量便可抑制、杀灭致病菌，则称该种致病菌对该抗生素“敏感”。反之，则称为“不敏感”或“耐药”。为了解致病菌对哪种抗菌素敏感，以合理用药，减少盲目性，往往应进行药物敏感试验。其大致方法是：从病人的感染部位采取含致病菌的标本，接种在适当的培养基(平皿)上，于一定条件下培养；同时将分别沾有一定量各种抗生素的纸片(即药敏片)贴在培养基表面，培养一定时间后观察结果。由于致病菌对各种抗生素的敏感程度不同，在药敏片周围便出现不同大小的抑制病菌生长而形成的“空圈”，称为抑菌圈，如图2所示。抑菌圈大小与致病菌对各种抗生素的敏感程度成正比关系。于是可以根据试验结果有针对性地选用抗生素。目前滥用抗生素，致使抗药菌增加，甚至因长期大量使用广谱抗生素，杀伤体内正常微生物，失去微生物的相互制约作用，从而使一些少见的或一般情况下的非致病菌大量繁殖，引起所谓“二次感染”的情况屡有发生，给治疗造成人为的困难。因此，提倡使用药物敏感试验，坚持合理用药十分重要。

而在药敏试验中，重要的一步是测量抑菌圈的大小。传统上测量抑菌圈大小的方法是使用量尺或更精确的游标卡尺来直接测量抑菌圈的半径。这需要人手工去操作，会占用操作人员大量时间与精力。近年来也出现了一些专门用来测量抑菌圈的测量仪，使用这些仪器快速又准确，但问题在于价格较高，一般都在万元以上，预算不足的小型实验室或基层单位很难承受，且需要一定的学习成本。

为此，如何在无需购买价格昂贵的专用设备从而降低测量成本的情况下，提高操作人员测量抑菌圈大小的效率以及测量精度，成为抑菌圈测量机构亟待解决的问题。

技术实现要素：

本发明的目的在于克服现有技术的不足，提供一种测量成本低、测量效率及测量精度高的基于图像的药敏片抑菌圈大小测量方法。

为实现上述目的，本发明所提供的技术方案为：

使用数字图像处理技术，操作人员用手机或数码相机拍摄平皿，将照片中的抑菌圈较为准确地识别出来，并计算出其大小。

具体地，包括以下步骤：

s1、在自然光照下拍摄进行药敏试验的平皿的图像；s2、对图像进行预处理；s3、确定平皿和药敏片位置；s4、找出抑菌圈的候选圆形；s5、筛出抑菌圈的最优圆形；s6、计算抑菌圈的大小。

其中，步骤s2图像预处理包括图像灰度化以及高斯滤波，从而去除掉图像中的无关信息，保留有用信息，大幅度地简化数据，减小获取图像特征的难度，以及在这个阶段获取图像尺寸等基本信息。

而要找到图像中的抑菌圈，需要先找到抑菌圈所在的平皿位置，将检测抑菌圈的范围缩小到平皿中。确定平皿位置，即找到图像中平皿所在的圆，包括圆的圆心与半径。检测图像中的圆形的常用方法有霍夫变换。霍夫变换是图像处理中的一种特征提取技术，该过程在一个參数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为霍夫变换结果。由于霍夫变换会尝试检测图像中所有可能的圆，所以为了只找到平皿所在的圆，本方案给霍夫变换过程加一些参数作为阈值，最简单的方法是利用图像尺寸的信息，确定圆的最大半径与最小半径。

步骤s3中确定平皿位置的具体步骤如下：

s3-1-1、确定霍夫变换的参数：

由于平皿所在圆的大小受到图像尺寸的限制，故取图像长与宽中的较小者作为平皿所在圆的最大直径，进而可得最大半径maxradius1，而最小半径minradius1则可由最大半径按合理比例折算得到，例如最大半径的一半。

s3-1-2、霍夫变换检测圆形：

步骤s3-1-1得到的maxradius1，minradius1作为函数参数，使用opencv的函数houghcircles对图像进行霍夫变换圆形检测。

确定平皿位置后，由于抑菌圈是以药敏片为中心，向外扩张的较规则的圆形，故抑菌圈的圆心刚好是药敏片的圆心。因此本方案通过检测药敏片的位置来间接得到抑菌圈的圆心。检测圆形同样使用霍夫变换，与上一个过程一样，定阈值，以药敏片与平皿的比例关系得到药敏片的最大半径。除此之外，由于图像中平皿外与平皿边缘的区域噪声过多，可能会检测到除药敏片外的圆形，需要筛去这些误判的圆形，通过计算平皿与圆形的圆心距来作为判别标准。

步骤s3中确定药敏片位置的具体步骤如下：

s3-2-1、确定霍夫变换的参数：

由于药敏片与平皿的大小比例关系大致固定，故由上述求得的平皿的半径与相应的比例关系，得到药敏片的最大半径maxradius2；由于药敏片几乎是图像中最小的圆，故最小半径minradius2只需定一个合理的较小值。

s3-2-2、霍夫变换检测圆形：

以步骤s3-2-1得到的maxradius2，minradius2作为函数参数，使用opencv的函数(houghcircles)对图像进行霍夫变换圆形检测。

s3-2-3、筛去误判圆形：

由于平皿外区域未知，所以可能存在其他的圆；平皿边缘的圆弧也会造成圆形的误判；故这个步骤主要是筛去这两部分圆形；先将平皿半径乘上合理比例，得到后续判断的阈值，然后计算上一个步骤得到的圆形与平皿的圆心距，若圆心距大于阈值，则筛去该圆。

确定了药敏片的位置，也即得到了若干抑菌圈的圆心，现在只需确定抑菌圈的半径。由于抑菌圈在图像中并不如平皿与药敏片一样明显，用霍夫变换检测效果不佳，故本方案使用最大局部方差法替代之。首先确定每一个抑菌圈的检索范围，也即找出抑菌圈的若干候选圆形。对于平皿中有多个药敏片的情况，需要保证药敏片不放在平皿中央区域，否则处于中央区域的药敏片的抑菌圈可能与四周的抑菌圈相互重叠，导致抑菌圈融成一片，无法识别。反之，若平皿中央区域没有药敏片，则四周的抑菌圈虽然可能重叠，但其到平皿圆心的区域不会与其他抑菌圈重叠，因此取这个区域来确定候选圆形。

步骤s4找出抑菌圈的候选圆形的详细步骤如下：

s4-1、判断药敏片是否有多个：

若只有一个药敏片，则取平皿半径的一半(或者其他合理比例)作为抑菌圈的最大半径；若有多个药敏片，则对每一个药敏片计算其与平皿的圆心间距作为抑菌圈的最大半径。

s4-2、确定抑菌圈的若干候选圆形：

候选圆形应是圆心相同，半径不同的若干圆。半径的取值自然要大于药敏片的半径，且小于上一步得到的最大半径。根据这个取值范围，可得抑菌圈的若干候选圆。

得到了抑菌圈的若干候选圆形后，下一步从候选圆形中找出能最好拟合抑菌圈的最优圆形。此步骤使用最大局部方差法，计算所有候选圆形边缘区域的像素值的方差，取方差最大的圆形。

过程虽然是计算候选圆形边缘区域的方差，但如果图片较大，则计算整个边缘区域时间过慢，故本方案采用了在边缘随机采点的方法，以此来近似表示整个圆形边缘。其中对于只有一个药敏片的情况，进行360度随机采点；如果存在多个药敏片，则采点的区域定在药敏片朝向平皿圆心的角度附近，这是由于其他角度上该抑菌圈可能与其他抑菌圈相互重叠了，或者超过了平皿的范围。同时边缘区域可能存在噪声，即可能由于光照或阴影所造成的部分区域方差过大，故需要删去这些噪声区域。还有需要考虑的问题是目前检测的药敏片可能不存在明显的抑菌圈，则此时通过这个方法找到的抑菌圈近似圆是错误的，故需要放弃这个错误选择。

步骤s5筛出抑菌圈的最优圆形的具体步骤如下：

s5-1、是否有多个药敏片：

若只有一个药敏片，则在0到360度的范围随机生成n个角度，然后根据每个角度得到在候选圆形中的相应边缘点；若有多个药敏片，则在药敏片朝向平皿圆心的角度附近为范围随机生成n个角度，然后同样根据每个角度得到相应边缘点。

s5-2、计算边缘点附近区域像素值的方差：

在候选圆形的圆心与边缘点的直线上，取边缘点附近若干个点，视为边缘点附近区域，并在此区域中计算rgb三个颜色通道上的像素值的方差，取其中最大的一个。

s5-3、按比例选择方差较小的m个边缘点，筛去边缘点中方差较大的部分，从而去除掉边缘区域方差较大的噪声。

s5-4、计算边缘点的平均方差；

以若干边缘点的平均方差来近似表示候选圆形整个边缘区域的整体方差。

s5-5、选出整体方差最大的候选圆形：

由于候选圆形边缘区域方差最大即颜色变化最大，故此处很大可能是抑菌圈的边缘，所以本步骤选择整体方差最大的候选圆形。

s5-6、判断选出整体方差最大的候选圆形是否为抑菌圈：

若整体方差小于50，选出的圆形边缘区域颜色变化不大，故其不会是抑菌圈，从而得出当前的药敏片没有产生明显的抑菌圈；若整体方差大于50，则选出的圆形即抑菌圈所在圆形，其半径即抑菌圈的半径。

得到了图像中抑菌圈的最优圆形，即得到抑菌圈在图像中的半径。但由于药敏片的半径在真实世界中是固定的值，故用药敏片在真实世界的半径与在图像中的半径的比例，来确定抑菌圈在真实世界中的半径，即其大小。

步骤s6计算抑菌圈大小的具体步骤如下：

s6-1、得到药敏片半径在图像中与在真实中的比例：

先测量药敏片在现实中的真实半径，作为一个预先知道的值，然后与之前得到的图像中药敏片的半径得到两者之间的一个比例；

s6-2、将图像中抑菌圈的半径乘上比例得出真实世界的长度。

本方案原理如下：

用手机或数码相机拍摄平皿，将照片中的抑菌圈较为准确地识别出来，并计算出其大小；流程为图像预处理、确定平皿和药敏片位置、找出抑菌圈的候选圆形、筛出抑菌圈的最优圆形以及计算抑菌圈的大小。

与现有技术相比，本方案大大提高了测量抑菌圈大小的效率，且测量精度高，无需大型专用设备，不仅减轻了研究人员的工作负担，还能推广到一些设备不齐全的基层单位，为工作研究提供方便。

附图说明

图1为本发明一种基于图像的药敏片抑菌圈大小测量方法的流程图；

图2为本发明中平皿、抑菌圈以及药敏片的示意图；

图3为本发明中确定平皿位置的流程图；

图4为本发明中确定平皿药敏片的流程图；

图5为本发明中找出抑菌圈候选圆形的流程图；

图6为本发明中筛出抑菌圈最优圆形的流程图；

图7、8、9为采用本发明方法后的示例图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

参见附图1所示，本实施例所述的一种基于图像的药敏片抑菌圈大小测量方法，包括以下步骤：

s1、在自然光照下拍摄进行药敏试验的平皿的图像；

s2、对图像进行灰度化和高斯滤波；

s3、确定平皿和药敏片位置；

其中，如图3所示，确定平皿位置的步骤为：

s3-1-1、确定霍夫变换的参数：

取图像长与宽中的较小者作为平皿所在圆的最大直径，进而得到最大半径maxradius1，而最小半径minradius1则为最大半径的一半；

s3-1-2、霍夫变换检测圆形：

步骤s3-1-1得到的maxradius1，minradius1作为函数参数，使用opencv的函数houghcircles对图像进行霍夫变换圆形检测。

如图4所示，确定药敏片位置的步骤为：

s3-2-1、确定霍夫变换的参数；

由上述求得的平皿的半径与相应的比例关系，得到药敏片的最大半径maxradius2；最小半径minradius2取最大半径的一半；

s3-2-2、霍夫变换检测圆形；

以步骤s3-2-1得到的maxradius2，minradius2作为函数参数，使用opencv的函数(houghcircles)对图像进行霍夫变换圆形检测。

s3-2-3、筛去误判圆形：

先将平皿半径乘上合理比例，得到后续判断的阈值，然后计算上一个步骤得到的圆形与平皿的圆心距，若圆心距大于阈值，则筛去该圆。

确定平皿和药敏片位置后，如图5所示，进行步骤s4找出抑菌圈的候选圆形，具体步骤为：

s4-1、判断药敏片是否有多个：

若只有一个药敏片，则取平皿半径的一半作为抑菌圈的最大半径；若有多个药敏片，则对每一个药敏片计算其与平皿的圆心间距作为抑菌圈的最大半径

s4-2、确定抑菌圈的若干候选圆形：

将半径大于药敏片半径且小于步骤s4-1得到的最大半径的圆形作为抑菌圈的候选圆形。

找出抑菌圈的候选圆形后，如图6所示，进行步骤s5筛出抑菌圈的最优圆形，具体步骤为：

s5-1、是否有多个药敏片：

若只有一个药敏片，则在0到360度的范围随机生成n个角度，然后根据每个角度得到在候选圆形中的相应边缘点；若有多个药敏片，则在药敏片朝向平皿圆心的角度附近为范围随机生成n个角度，然后同样根据每个角度得到相应边缘点；

s5-2、计算边缘点附近区域像素值的方差：

在候选圆形的圆心与边缘点的直线上，取边缘点附近若干个点，视为边缘点附近区域，并在此区域中计算rgb三个颜色通道上的像素值的方差，取其中最大的一个；

s5-3、按比例选择方差较小的m个边缘点；

s5-4、计算边缘点的平均方差；

s5-5、选出整体方差最大的候选圆形；

s5-6、判断选出整体方差最大的候选圆形是否为抑菌圈：

若整体方差小于50，选出的圆形边缘区域颜色变化不大，故其不会是抑菌圈，从而得出当前的药敏片没有产生明显的抑菌圈；若整体方差大于50，则选出的圆形即抑菌圈所在圆形，其半径即抑菌圈的半径。

最后进行步骤s6计算抑菌圈大小，具体步骤为：

s6-1、得到药敏片半径在图像中与在真实中的比例：

先测量药敏片在现实中的真实半径，作为一个预先知道的值，然后与之前得到的图像中药敏片的半径得到两者之间的一个比例；

s6-2、将图像中抑菌圈的半径乘上比例得出真实世界的长度。

如图7、8、9所示，以3张药敏试验的照片作为例子，应用上述方法测量抑菌圈，其中平皿的真实半径为30mm；可以看到本实施的方法能够在照片中较为精确地检测出抑菌圈，并计算出抑菌圈的真实半径。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。