本申请涉及图像处理领域,具体涉及一种基于图像分割的制药胶囊计数方法。
背景技术:
1、在制药生产环节中,由于胶囊批量生产,需对生产后的胶囊进行计数处理,而对胶囊进行计数时通常采用先对胶囊图像进行分割进而对分割后的图像进行计数,现有技术常根据图像颜色特征通过k-means聚类算法对胶囊图像进行分割,分割后进行计数,但是,k-means聚类算法对k值即簇类值的选取要求过高,传统的k-means聚类算法其k值需先人为设定。使用k-means聚类算法对胶囊图像进行分割时,是将图中不同区域进行划分,所设定的k值即为区域个数,现有技术是根据胶囊壳的颜色和背景颜色设定k值,对于胶囊图像而言,胶囊周边会出现阴影区域,若只根据胶囊及背景颜色设定初始簇类即k值进行分割时,会将胶囊周边阴影与胶囊区域分为一类,即出现过分割问题,极大影响对胶囊区域的提取从而影响后续计数。
技术实现思路
1、针对只根据胶囊及背景颜色设定初始簇类即k值进行分割时,会将胶囊周边阴影与胶囊区域分为一类,即出现过分割问题,极大影响对胶囊区域的提取从而影响后续计数的问题,本发明提供一种基于图像分割的制药胶囊计数方法,包括:
2、采集制药胶囊的hsv图像,以hsv图像中像素点的h通道值为横坐标,以h通道值对应的像素点个数为纵坐标得到h通道直方图;
3、获取h通道直方图中每个h通道值对应的像素点个数的拟合曲线,根据拟合曲线中波峰处对应的像素点个数得到关注颜色个数,根据关注颜色个数和拟合曲线中波峰处对应的h通道值得到关注区域;
4、将hsv图像转化为灰度图像,对关注区域进行连通域处理,得到关注区域的连通域和连通域中的空隙区域;
5、获取每个连通域的边缘像素点,根据每个边缘像素点与其相邻边缘像素点的梯度方向的差值,计算每个连通域的胶囊集中程度;
6、根据每个连通域的胶囊集中程度和该连通域中的空隙区域的灰度均值得到灰度图像的阴影程度;
7、根据灰度图像的阴影程度和关注颜色个数,得到k-means聚类算法的k值,利用k值对制药胶囊图像进行聚类分割,得到分割后的胶囊图像;
8、通过分割后的胶囊图像获得采集制药胶囊rgb图像中的胶囊个数。
9、所述根据灰度图像的阴影程度和关注颜色个数,得到k-means聚类算法的k值的方法为:
10、将关注颜色个数作为初始k值;
11、依次增大k值,并且利用每个k值将图像分割为多个类别图像;
12、获取每个k值分割后含有关注区域像素点的多个类别图像,并计算其中每个类别图像的阴影程度,将最大阴影程度作为该k值对应的分割图像的阴影程度;
13、将每个k值对应的分割图像的阴影程度和前一k值对应的分割图像的阴影程度的差值,作为每个k值对应的分割图像的阴影程度的评价指标;
14、随着k值的增大,当评价指标减小至不变时,对应的k值作为k-means聚类算法的k值。
15、所述根据每个连通域的胶囊集中程度和该连通域中的空隙区域的灰度均值得到灰度图像的阴影程度的方法为:
16、获取每个连通域中的每个空隙区域的灰度均值,将每个连通域中的所有空隙区域的灰度均值进行累加,再进行归一化,得到归一化后的累加值;
17、将1减去归一化后的累加值得到的差值和连通域的胶囊集中程度的乘积值,作为连通域的阴影程度;
18、将每个阴影程度和该阴影程度对应的连通域个数的乘积进行累加,并对累加值归一化后得到的值作为灰度图像的阴影程度。
19、所述根据每个边缘像素点与其相邻边缘像素点的梯度方向的差值,计算每个连通域的胶囊集中程度的方法为:
20、获取每个连通域中每个像素点与其前相邻边缘像素点的梯度方向的差值,得到梯度方向差值序列;将梯度方向差值序列中的差值进行求和,再进行归一化后得到的值,作为连通域的胶囊集中程度。
21、所述根据拟合曲线中波峰处对应的像素点个数得到关注颜色个数的方法为:
22、获取拟合曲线中的每个波峰处所对应的纵坐标值,即像素点个数,将纵坐标值由大到小依次排列,得到纵坐标值序列;
23、获取纵坐标值序列中两相邻纵坐标值的比值,并计算两相邻纵坐标的比值的差值,对该差值进行归一化;
24、若归一化后的差值小于差值阈值时,hsv图像中胶囊颜色个数为,关注颜色个数为;若归一化后的差值大于差值阈值时,hsv图像中胶囊颜色个数为,关注颜色个数为。
25、所述根据关注颜色个数和拟合曲线中波峰处对应的h通道值得到关注区域的方法为:
26、若关注颜色个数为,选取纵坐标值序列中前1个纵坐标值,作为待分析序列;若关注颜色个数为,选取纵坐标值序列中前1个纵坐标值,作为待分析序列;
27、获取待分析序列中每个纵坐标值对应的h值,将所有像素值在范围内的像素点标记为0,其他范围内像素点标记为1,将得到的二值掩膜与灰度图相乘,得到hsv图像中的阴影区域,为h值的跨度范围。
28、所述通过分割后的胶囊图像获得采集制药胶囊rgb图像中的胶囊个数的方法为:
29、使用凹点检测的方法对连通域进行处理,将粘连的胶囊分开,得到分割后的胶囊图像;
30、对分割后的每一类胶囊图像进行连通域处理,得到每类胶囊图像中连通域个数,将每类胶囊图像中连通域个数最大值,作为制药胶囊rgb图像中的胶囊个数。
31、本发明的有益效果是:
32、本发明获取制药胶囊灰度图像中的关注区域,根据关注区域中每个像素点的梯度方向和灰度值,并对关注区域进行连通域处理,得到关注区域的连通域和连通域中的空隙区域,根据连通域的每个边缘像素点与其相邻边缘像素点的梯度方向的差值,计算每个连通域的胶囊集中程度;通过对像素点的梯度方向进行分析,能够体现像素点周边的变化情况,当该连通域中存在多个胶囊时,其边缘像素点中连续点的梯度方向变化较大,而当连通域中仅存在一个胶囊时,其边缘像素点的连续点梯度变化较小,因此可通过胶囊集中程度体现连续像素点的梯度方向变化情况;本发明还根据每个连通域的胶囊集中程度和该连通域中的空隙区域的灰度均值得到灰度图像的阴影程度,根据灰度图像的阴影程度和关注颜色个数,得到k-means聚类算法的k值,利用k值对制药胶囊图像进行聚类分割,得到分割后的胶囊图像通过分割后的胶囊图像获得采集制药胶囊rgb图像中的胶囊个数;在聚类分割的k值选取时,充分考虑到图像中阴影区域的影响,能够降低仅根据图像颜色信息设定k值时出现的阴影区域与胶囊区域被划分为一类,出现严重粘连的情况,同时改进了k-means算法对k值选取需人工设定的缺陷,也避免了当图中阴影过多时将阴影区域与胶囊区域分为一类的问题,获得到更精准的胶囊分割图像,根据分割图像得到准确的胶囊计数结果。
1.一种基于图像分割的制药胶囊计数方法,其特征在于,该方法包括:
2.根据权利要求1所述的一种基于图像分割的制药胶囊计数方法,其特征在于,所述根据灰度图像的阴影程度和关注颜色个数,得到k-means聚类算法的k值的方法为:
3.根据权利要求1所述的一种基于图像分割的制药胶囊计数方法,其特征在于,所述根据每个连通域的胶囊集中程度和该连通域中的空隙区域的灰度均值得到灰度图像的阴影程度的方法为:
4.根据权利要求1所述的一种基于图像分割的制药胶囊计数方法,其特征在于,所述根据每个边缘像素点与其相邻边缘像素点的梯度方向的差值,计算每个连通域的胶囊集中程度的方法为:
5.根据权利要求1所述的一种基于图像分割的制药胶囊计数方法,其特征在于,所述根据拟合曲线中波峰处对应的像素点个数得到关注颜色个数的方法为:
6.根据权利要求5所述的一种基于图像分割的制药胶囊计数方法,其特征在于,所述根据关注颜色个数和拟合曲线中波峰处对应的h通道值得到关注区域的方法为:
7.根据权利要求1所述的一种基于图像分割的制药胶囊计数方法,其特征在于,所述通过分割后的胶囊图像获得采集制药胶囊rgb图像中的胶囊个数的方法为: