本发明涉及噬菌斑、单克隆等小目标的自动识别计数领域,更具体地涉及目标对象的角点确定方法及装置、图像矫正方法及装置、目标识别方法及装置、存储介质。
背景技术:
1、在现有的生物实验室中,针对不同板型培养的噬菌斑、单克隆等小目标,均采用人工识别以及技术,这样,极为耗时和耗力。
2、因此,目前亟需一种对噬菌斑、单克隆等的自动识别和计数系统。而若要实现自动识别和计数的方式,则需要对多孔板拍摄的照片进行图像矫正处理,图像矫正处理后再进行裁剪等处理获得单孔图像,后续可对单孔图像进行自动识别和计数;而进行图片矫正处理时则需要识别出多孔板的外边缘,基于该外边缘再确定出多孔板的角点,后续可根据角点对该多孔板图像进行矫正,而现有技术中检测多孔板的外边缘的方法,适合拍摄图像噪声较小孔板边缘较为清晰没有干扰的场景,因此,目前急需一种准确度高的多孔板的角点确定方法。
技术实现思路
1、考虑到上述问题而提出了本发明。本发明提供了一种目标对象的角点确定方法及装置、图像矫正方法及装置、目标识别方法及装置、存储介质,能够解决现有技术中识别目标对象角点时对图像要求较高和准确度不高的技术问题。
2、本发明提供一种目标对象的角点确定方法,包括如下步骤:
3、获取目标对象图像,所述目标对象图像包括所述目标对象的边缘区域;
4、对所述目标对象图像进行轮廓识别,得到轮廓图像;
5、对所述轮廓图像中的轮廓线进行直线段检测,并根据直线段检测结果确定出沿趋于所述目标对象不同边缘所在方向的直线段集合;
6、对趋于每个边缘所在方向的所述直线段集合进行筛选,以筛选出该边缘所在方向的目标直线段;
7、确定出不同边缘所在方向的目标直线段的轮廓之间的交点,得到交点集合;
8、在所述交点集合中确定出所述目标对象的角点。
9、优选地,所述对趋于每个边缘所在方向的所述直线段集合进行筛选,以筛选出该边缘所在方向的目标直线段,具体包括:
10、对趋于每个边缘所在方向的所述直线段集合中的每个直线段进行轮廓检测,得到该直线段的轮廓点集;
11、计算每个所述直线段的轮廓点集的周长;
12、根据每个所述直线段的轮廓点集的周长,在所述直线段集合中初次筛选出周长最长且预设数量个轮廓点集;
13、在初次筛选出的预设数量个轮廓点集中再次筛选,以筛选出轮廓点集进行轮廓近似后的角点数量在预设数量范围内的轮廓点集,
14、根据再次筛选出的轮廓点集,确定出对应的所述目标直线段。
15、优选地,所述在初次筛选出的预设数量个轮廓点集中再次筛选,以筛选出该轮廓点集进行轮廓近似后的角点数量在预设数量范围内的轮廓点集,具体包括:
16、对初次筛选出的每个所述轮廓点集进行轮廓近似;
17、确定每个轮廓点集在轮廓近似后的角点数量;
18、再次筛选出所述角点数量在预设数量范围内的轮廓点集。
19、优选地,所述在再次筛选出的轮廓点集中,确定出所述目标直线段,具体包括:
20、在再次筛选出的轮廓点集的直线段中,确定出在对应边缘所在方向上跨度最大的所述线段作为所述目标直线段。
21、优选地,所述在再次筛选出的轮廓点集对应的直线段中,确定出在对应边缘所在方向上跨度最大的所述线段作为目标线段,具体包括:
22、针对再次筛选出的每个轮廓点集,计算每个轮廓点集在对应边缘所在方向上的最大坐标值和最小坐标值的差值;
23、根据计算的所述差值的大小和所述差值与所述跨度大小的正相关关系,确定出所述目标直线段。
24、优选地,所述在所述交点集合中确定出所述目标对象的角点,具体包括:
25、对所述交点集合进行合并相邻交点,得到合并后的交点集合;
26、基于合并后的交点集合确定出所述目标对象的角点。
27、优选地,所述对所述交点集合进行合并相邻交点得到合并后的交点集合,具体包括:
28、确定所述交点集合中的x+y最小值、x-y最大值、x+y最大值、y-x最大值的4个第一交点,并将所述第一交点加入至所述合并后的交点集合;其中,x和y分别为所述交点在所述目标对象图像所在坐标系下的坐标;
29、针对所述交点集合中除所述第一交点之外的每个第二交点,计算该第二他交点与4个所述第一交点各自之间的距离;
30、若计算出的4个距离全部大于阈值,则将该第二交点加入所述合并后的交点集合。
31、优选地,所述基于合并后的交点集合确定出所述目标对象的角点,具体包括:
32、在所述合并后的交点集合中,遍历目标数量的交点来作为交点组合;所述目标数量为目标对象的所述角点的数量;
33、在遍历出的所有所述交点组合中,根据每个所述交点组合形成的图形的信息确定出最符合所述目标对象的交点组合;
34、将确定出交点组合中的交点作为所述目标对象的角点。
35、优选地,所述对所述轮廓图像中的轮廓线进行直线段检测,并根据直线段检测结果确定出沿趋于所述目标对象不同边缘所在方向的直线段集合,具体包括:
36、对所述轮廓识别图像中的轮廓线进行直线段检测,得到初步直线段集合;
37、针对初步直线段集合中每个直线段,判断该直线段沿每个边缘所在方向上的倾斜度是否大于阈值,若否,则将该直线段加入趋于该边缘所在方向的直线段集合中。
38、本发明还提供一种图像矫正方法,包括如下步骤:
39、采用上述提供的目标对象的角点确定方法,确定目标对象的角点;
40、根据确定的所述角点对包括所述目标对象的图像进行矫正。
41、本发明还提供一种目标自动识别方法,包括如下步骤:
42、采用上述提供的图像矫正方法对包括目标对象的待测图像进行矫正;
43、对矫正后的待测图像进行切分处理获得多个子区域图像;
44、将每个子区域图像输入至预设已训练的模型中进行目标识别,确定出所述子区域图像中的目标。
45、本发明还提供一种目标对象的角点确定装置,包括:
46、获取模块,用于获取目标对象图像,所述目标对象图像包括所述目标对象的边缘区域;
47、轮廓识别模块,用于对所述目标对象图像进行轮廓识别,得到轮廓图像;
48、直线段检测模块,用于对所述轮廓图像中的轮廓线进行直线段检测,并根据直线段检测结果确定出沿趋于所述目标对象不同边缘所在方向的直线段集合;
49、直线段筛选模块,用于对趋于每个边缘所在方向的所述直线段集合进行筛选,以筛选出该边缘所在方向的目标直线段;
50、交点集合确定模块,用于确定出不同边缘所在方向的目标直线段的轮廓之间的交点,得到交点集合;
51、角点确定模块,用于在所述交点集合中确定出所述目标对象的角点。
52、本发明还提供一种图像矫正装置,包括:
53、角点确定模块,采用上述提供的目标对象的角点确定装置;
54、矫正模块,用于根据确定的所述角点的坐标对所述目标对象图像进行矫正。
55、本发明还提供一种目标自动识别装置,包括:
56、矫正模块,采用上述提供的图像矫正装置,用于对包括所述目标对象的待测图像进行矫正;
57、切分处理模块,用于对矫正后的所述待测图像进行切分处理获得子区域图像;
58、识别模块,用于将每个子区域图像输入至预设已训练的模型中进行目标识别,得到目标识别结果。
59、本发明还提供一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行上述提供的所述目标对象的角点确定方法、图像矫正方法或目标自动识别方法。
60、借助本发明实施例提供的目标对象的角点确定方法,先对轮廓图像中的轮廓线进行直线段检测,并根据直线段检测结果确定出沿趋于所述目标对象不同边缘所在方向的直线段集合;再对趋于每个边缘所在方向的所述直线段集合进行筛选,以筛选出该边缘所在方向的目标直线段;接着确定出不同边缘所在方向的目标直线段的轮廓之间的交点,得到交点集合;最后在交点集合中确定出所述目标对象的角点,这相对现有技术中先直接确定出边缘线再确定出角点相比,可以很好地避免一些噪声产生的影响,并且还适合目标对象边缘存在干扰的场景,因此,该目标对象的角点确定方法的适应性高且准确度高,从而可以提高图像矫正方法的适应性和矫正效果,进而可以提高后续目标识别方法的适应性和准确度。