菌落图像进行分析计数毕业设计.docx

菌落图像进行分析计数毕业设计.docx

《菌落图像进行分析计数毕业设计.docx》由会员分享，可在线阅读，更多相关《菌落图像进行分析计数毕业设计.docx（18页珍藏版）》请在冰豆网上搜索。

菌落图像进行分析计数毕业设计

摘要

对菌落图像进行分析计数是农业、食品、医药卫生分析中进行质量检测的一项很重要的工作。

针对菌落图像的特点,本文通过VC++进行软件开发,利用数字图像处理技术对菌落图像进行处理与分析。

主要完成了以下工作:

用最大类间差法对采集的菌落图像进行二值化;

通过霍夫变换的方法实现了培养皿边缘的去除,提出了一种改进的椭圆霍夫变换,该方法能很好地抑制噪声和干扰的影响;

通过距离变换法和分水岭算法对粘连菌落进行分割;

通过八领域边缘跟踪和区域填充法对菌落进行标号后计数。

关键词:

菌落分析,距离变换,粘连分割,边缘跟踪

ABSTRACT

IMAGEPROCESSINGANDANALYSISOFCOLONYisanimportantworkinQualityInspectionforanalysisinthefieldofAgriculture,FoodIndustryandmedicalhealthindustry.Accordingtothefeatureofthecolonyimage,thisarticleuseVC++todevelopsoftware,usedigitalimageprocessingtoanalysisthecolonyimage.Themainresultsareasfollows:

1ItdobinaryColonyimagebyOTSU

2ItrealizedremovingtheedgeofthedishbytheHoughtransformmethod;putforwardanimprovedellipticalHoughtransform,whichcaninhibitnoiseandtheinfluenceofinterference.

Studiedthepartitionofoverlappingcolonyusingchaincodedeviationtheoryandawatershedtransformationrespectively.

Eight-connectededgetrackingalgorithmandareafillingalgorithmareusedtomarkandcountthecolony.

Keywords:

colonycounting;distancetransform;overlappingpartition;edgetracking

目录

第1章引言1

1.1国内外研究现状1

1.1.1图像处理在计数方面的应用1

1.1.2菌落分析的发展1

1.1.3粘连菌落分割研究2

1.2研究的目的和意义3

1.3本文主要研究内容4

第2章关于数字图像处理的理论基础及常用处理方法6

2.1数字图像处理的起源及发展6

2.2数字图像处理的研究内容6

2.3数字图像处理和分析模块的基本构成7

2.4图像处理的常用方法8

第3章菌落图像的预处理10

3.1菌落图像的灰度化10

3.1.1RGB颜色模型10

3.1.2彩色图像10

3.1.3灰度图像11

3.1.4图像灰度化11

3.2菌落图像的增强12

3.2.1领域平均法13

3.2.2中值滤波法13

3.3菌落图像的阈值分割15

3.4培养皿边缘的去除18

3.4.1圆的霍夫变换18

第4章粘连菌落的分割24

4.1距离变换24

4.2分水岭变换25

4.2.1算法原理25

4.2.2等值线跟踪25

4.2.3粘连区域分割点的确定26

4.2.4粘连区域的切割26

第5章菌落图像的特征提取与计数29

5.1菌落图像的几何特征描述29

5.1.1周长29

5.1.2面积30

5.1.3偏心率30

5.2菌落的计数31

5.2.1图像连通区域的标号31

5.2.2菌落计数32

5.3试验结果及分析33

第6章结束语34

参考文献35

致谢36

附录37

连通区域标号源程序37

英文文献41

文献译文43

第1章引言

1.1国内外研究现状

1.1.1图像处理在计数方面的应用

随着计算机技术和数字图像处理技术的发展,已经有越来越多的需要进行计数的领域采用了计算机图像处理方法来实现,如医学上的细胞计数、工业自动生产线上对颗粒物数量的计数等。

在农业方面对于人工难以统计的谷物等颗粒计数,只需要把它们拍摄成一幅图片,然后再对其进行有效的分割,利用一定的算法就可以很好的统计颗粒数目。

对于难以用人工方法进行统计的细菌等微小物体【1】,也可以拍摄成图片,然后进行分割,再统计分割好的物体个数即可得到细菌等微小物体的数目。

还有在大型停车场【2】中,用该法也仅仅只需要分割一张停车场的图片即可有效地得到该停车场中汽车数目,从而避免了人工繁琐的统计,而且统计结果也较为精确。

但是,由于图像处理系统对于原始图像的质量要求较高,目前对于这些方面的应用大都仍处于实验研究阶段,未能得到实际生产应用,如唐钢、涟钢等都曾经从国外进口了自动计数设备,但由于无法调试成功,又改成了人工计数。

1.1.2菌落分析的发展

传统的菌落分析是通过人工计数的方法来实现的,上世纪五十年代以后,逐渐出现了一些使用电子计数器进行菌落计数的设备。

它主要是通过将培养皿放置在用压敏元件制成的表面上,当用特制的笔在表面上做标记时自动启动计数功能。

这种菌落计数器计数简单、容易、可靠,而且操作非常简单,在很大程度上可以改善人工的劳动强度,但是,当被检样品很多时,仍然是一项非常费时、繁杂的工作。

自上世纪90年代以来,随着计算机技术的发展,数字图像处理技术也飞速发展,使得基于数字图像处理来进行菌落计数成为可能,在国外也相继有一些关于全自动菌落计数仪开发的研究报道,但由于其设备复杂,对菌落形态、大小等有所限制,未能应用于实际工作中。

国内关于这方面的研究报道是从这几年刚刚起步,但发展极其迅速。

目前,国内外已有多家企业或研究机构提供全自动菌落计数仪,如杭州迅数科技有限公司的AS系列以及北京先驱威锋技术开发公司的ZJL-200型菌落计数分析仪,另外,美国SpiralBiotech公司、Giles公司,德国Schuett公司等也都有菌落自动计数仪面世。

这些系统大都采用高质量、高分辨率和高清晰度的彩色数码CCD（大于500万像素）,来获得高清晰的图像,再通过先进的硬件技术和软件编程,来确保可靠的分析结果。

系统通过直观、友好的操作界面,使操作人员不需专业培训就能操作,并且都能实现对计数结果的统计分析,并能够对所得结果进行保存、显式、打印等操作,计数速度大都大于300个菌落/秒。

而且,这些仪器大都应用面比较广,适用于传统倾注式、涂布式或螺旋式接种的玻璃平皿和塑料平皿以及快速检测滤膜、纸片的微生物检测。

另外,为了提高技术准确性及系统整体性能,各公司生产的仪器也都有各自的特点,如为了减小光源不均匀所带来的误差,杭州迅数科技有限公司的全自动菌落计数仪系列,提供了上下双光源、透射底光源、平板式无影侧光源、悬浮式暗视野拍摄系统四种可选择光源,美国SpiralBiotech公司的Qcount型全自动菌落计数仪则提供顶部入射光、底部透射光和带偏振的暗视野三种可选择光源,美国Giles公司的BIOMICV3则有顶部底部双向光源、暗场及可选择的紫外灯三种光源。

为了提高性能,德国Schuett公司ColonyQuant菌落计数仪,同时可在同一个样品中区别8种不同颜色的菌落,而浙江理工大学视觉检测技术研究所开发研制的Hicc-1型高清晰全自动菌落计数分析仪,通过颜色识别和专有的背景校正,精细分割光照不匀的菌落,最多可同时计数出15类不同的菌落。

另外,为了使分割准确,这些仪器都有手动分割的功能。

1.1.3粘连菌落分割研究

从国内外文献报道来看,对粘连菌落图像分割的主要方法有基于数学形态学的腐蚀膨胀法、分水岭变换法等,这些都是目前分割粘连菌落的主流传统算法,但是它们在应用中表现出局限性。

如腐蚀膨胀法对重叠区域采用先腐蚀分离再膨胀恢复的策略,获得具有几何意义的分界线。

但是该法的腐蚀和膨胀的次数需人工经验确定,且腐蚀和膨胀的不可逆性会造成一定误差。

分水岭分割算法就是通过确定分水岭的位置而进行图像分割的。

该算法分割精度较高,但缺点是需要确定种子点,且它们的不同位置会影响边界的划定,容易出伪边界错误。

而且传统的分水岭算法有一些缺陷:

1.由于噪声和梯度的局部不规则性的影响,分割结果往往形成过分割;

2.由于图像对比度低,区域边界像素的梯度值也较低,目标的重要轮廓容易丢失。

为改进以上缺陷,一些学者对传统的分水岭算法提出了改进【3-5】。

提出了能量最小化的Watersnakes算法,提高了边界定位的准确度和连续性,但对过分割问题的解决贡献很小;采用基标记Marker的分水岭算法来消除过分割现象;提出了一种基于地貌修正的分水岭变换方法来减少重复分割。

这个算法虽然可以有效地分割粘连目标,是分割粘连目标的常用方法,但是这个算法复杂,计算量极大,限制了其在实际中的应用。

另外,王卫星等将小波包分割引入分水岭变换,可以在一定程度上克服分水岭变换的缺点,在图像尺寸较小的情况下,分割精度能够得到一定提高。

1.2研究的目的和意义

菌落是指细菌在固体培养基上生长繁殖而形成的能被肉眼识别的生长物,由数以万计相同的细菌集合而成。

样品稀释后与培养基混合,在一定培养条件下,每个能够生长繁殖的细菌细胞都可以在培养基上形成一个可见的菌落。

对菌落进行分析,主要是对菌落的数量以及大小、形状等特征进行分析,从而了解细菌繁殖的动态,以便对被检样品进行卫生学评价时提供科学依据。

其中,确定菌落数量是一项非常重要的工作。

菌落总数是指在一定条件下（如需氧情况、营养条件、pH、培养温度和时间等）每克（每毫升）检样所生长出来的细菌菌落总数。

菌落总数主要是作为判定物品被细菌污染程度的标志,具有重要的卫生学意义,它可用于观察食品中细菌的性质以及细菌在食品中繁殖的动态,以便对被检样品进行卫生学评价时提供科学依据。

而各种细菌在一定条件下形成的菌落特征（如大小、形状、边缘、表面、质地、颜色等）具有一定的稳定性,这是衡量菌种纯度、辨认和鉴定菌种的重要依据。

菌落分析所涉及的主要行业有:

疾病控制、卫生检验中心;检验检疫局、质量技术监督局;医院、大学、科学研究机构:

食品科学与工程,微生物,发酵,免疫,医学检验,公共卫生;环境监测部门、自来水公司;食品企业:

饮料,饮用水,乳及乳制品,保健食品,糕点糖果,膨化食品,食品添加剂,粮食及其制品,酒类,调味品,微生态保健食品;消毒剂、消毒器械:

消毒剂,消毒器械,生物指示剂,化学指示剂,灭菌包装物;一次性使用医疗用品:

输注类,导管类,诊断、治疗器具类,透析器具类,麻醉器具类,手术巾、敷料类,护理器材类;卫生用品、化妆品业:

卫生巾,尿布,皮肤、粘膜卫生用品,隐形眼睛护理用品,其他的一次性卫生用品;制药企业:

生物制药,化学制药,抗生素企业等。

对菌落进行分析是农业、食品、医药卫生分析中进行质量检测的一项基本而非常重要的工作。

例如,食品中细菌菌落总数越多,则表明该食品污染程度越重,腐败变质速率越快,因此,细菌菌落总数作为食品卫生质量的重要标准能够反映出食品的新鲜程度、是否变质以及生产过程的一般卫生状况等。

水中细菌总数往往同水体受有机物污染的程度呈正相关,它是评价水质污染程度的一个重要指标之一。

而在医学领域,对菌落进行分析是医生进行疾病诊断、细菌变异研究的重要依据。

由此可以看出,菌落分析对于人民食品安全、卫生健康等都有着非常重要的意义,同时,它也对人民生活质量的提高有着非常重要的影响。

中国水产科学研究院黄海水产研究所就曾在2007年引进一台全自动菌落分析仪,用于进行鱼类致病微生物菌落图谱制作,加强鱼类细菌性疾病的基础性研究工作。

国内通常采用国家标准检验法--普通营养琼脂倾注平皿法进行菌落接种计数。

传统的方法是采用人工剥离进行计数,由于试验样品量往往很大,使用该法不仅工序繁杂、耗时长、效率低,而且依靠人工观察计数带有一定的主观性,误差大,重现性不好。

后来出现的菌落计数器虽然在一定程度上可以减轻人工的劳动,但对菌落进行计数仍然是一项费时、繁杂的工作。

近年来,图像测量技术作为测量领域中的新兴技术,已经在很多领域得到了广泛应用,它是以现代光学为基础,融光电子学、激光技术、计算机图像学、信息处理和计算机视觉为一体,实现对测量对象的实时、在线、非接触测量,可以在很大程度上克服人为误差。

利用计算机图像处理技术[6]进行菌落分析也逐渐被人们关注,它不仅可以消除主观因素的影响,分析结果比较准确可靠,所用设备也简单方便,而且易于操作。

目前,市场上已经出现一些全自动菌落分析仪,但是,多为国外进口,价格昂贵,因此只有一些大的企业和科研单位能够买得起,大部分企业仍然采用价格便宜的菌落计数器。

而且,即使是目前最先进的菌落分析仪,为了使分析结果准确,在分析过程中仍然需要进行人工干预。

因此,有必要开展这方面的研究,使其分析结果更加准确,而且尽量采用软件技术来减小系统对硬件的要求,使其在生产成本上能有很大幅度的降低。

这样,将使全自动菌落分析仪可以被很多中小企业所接受,这对于提高工厂生产效率、减轻工人劳动强度有很重要的意义,更进一步,它也会对提高国民生产总值,改善人民生活质量产生深远影响。

1.3本文主要研究内容

本课题是利用数字图像处理算法实现对菌落图像的预处理、去除平皿边缘、粘连菌落分割、菌落特征提取、菌落计数等,得到满足需要的结果。

针对菌落图像特点,提出用最大类间方差法对采集的菌落图像进行二值化,用霍夫变换去除平皿边缘图像,用距离变换和分水岭算法分割粘连菌落,最后用八邻域边缘跟踪和区域填充算法进行标号后计数。

实验证明此法不仅计数结果准确,重现性好,而且速度快,计数结果不受菌落接种方法、菌落种类、形态、大小的影响,完全可以代替传统的人工计数,具有一定的推广和应用价值。

第2章关于数字图像处理的理论基础及常用处理方法

数字图像处理是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。

数字图像处理的产生和迅速发展主要受三个因素的影响:

一是计算机的发展;二是数学的发展特别是离散数学理论的创立和完善;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。

2.1数字图像处理的起源及发展

数字图像处理（DigitalImageProcessing）又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。

数字图像处理最早出现于20世纪50年代,当时的电子计算机已经发展到一定水平,人们开始利用计算机来处理图形和图像信息。

但是50年代的计算机主要还是用于数值计算,满足不了处理大量数据图像的要求。

数字图像处理作为一门学科大约形成于20世纪60年代初期。

伴随着第三代计算机的研制成功,以及快速傅里叶变换算法的的发现和应用使得对图像的某些计算得以实际实践。

早期的图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。

在70年代图像技术有了长足进展,80年代,硬件的发展使得人们不仅能处理2-D图像而且能处理3-D图像,许多能获取3-D图像的设备和处理分析3-D图像的系统研制成功,图像技术得到广泛应用。

2.2数字图像处理的研究内容

数字图象处理,就是采用计算机对图像进行信息加工。

图象处理的主要内容有:

图像的采集、增强、复原、变换、编码、重建、分割、配准、嵌拼、融合、特征提取、模式识别和图像理解。

对图像进行处理或加工、分析的主要目的有三个方面:

（1提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。

（2提取图像中所包含的某些特征或特殊信息,这些被提取的特征或信息往往为计算机分析图像提供便利。

提取特征或信息的过程是模式识别或计算机视觉的预处理。

提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。

（3图像数据的变换、编码和压缩,以便于图像的存储和传输。

不管是何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。

2.3数字图像处理和分析模块的基本构成

一个基本的图像（处理和分析）可由五部分（如图2.1）表示:

图2.1图像处理和分析模型

这五部分分别是:

采集、显示、存储、通信、处理和分析。

（1）图像采集模块

为采集数字图像,需要两种装置。

一种是对某个电磁能量谱段（如X射线、可见光、红外线等）敏感的物理器件,它能产生与所接受到的电磁能量成正比的（模拟）电信号。

另一种称为数字化器,他能将上述电信号转化为数字形式,所有采集数字图像的设备都需要这两种装置。

（2）图像显示模块

对于图像处理来说,最终的目的是要显示给人看的。

对于图像分析来说,分析的结果也可以借助计算机图形学技术转换为图像形式直观的显示。

所以图像的显示对其处理和分析系统是非常重要的。

常用的图像处理和分析系统主要显示设备是显示器,输入显示图像也可拷贝到照片或透明胶片上,除了显示器,还有投影仪和各种打印设备可以用于图像输出显示。

（3）图像存储模块

图像包含有大量的信息因而存储图像也需要大量空间。

用于数字处理和图像分析的数字存储器可分为三类:

a,处理和分析过程中使用的快速存储器。

计算机内存就是一种提供快速存储功能的存储器,在图像处理中大量的运算所产生的缓存数据可以存储在里面,方便随时调用数据进行图像处理运算。

b,用于比较快速的重新调用的在线或联机存储器。

c,不经常使用的数据库存储器。

这种存储器的特点是要求非常大的容量,但对数据读取不太频繁,常用于对数字图像的保存。

（4）图像通信模块

随着网络发展的进步,图像的通信传输也得到极大关注。

图像传输可使不同的系统共享图像数据资源,极大地推动了图像在各个领域的应用。

（5）图像处理和分析模块

对图像的处理和分析一般可用算法来描述,而大多数算法可通过软件来实现,在为了提高速度和克服通用计算机的缺陷时才应用专用的硬件实现。

90年代后,各种工业标准的订立也促进了图像处理分析软件的发展,使图像处理变得更加方便快捷。

2.4图像处理的常用方法

（1）图像变换

由于图像阵列很大,直接在空间域中进行处理,涉及计算量很大。

因此,往往采用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术,将空间域的处理转换为变换域处理,不仅可减少计算量,而且可获得更有效的处理（如傅立叶变换可在频域中进行数字滤波处理）。

目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性,它在图像处理中也有着广泛而有效的应用。

（2）图像的增强

图像的增强用于调整图像的对比度,突出图像中的重要细节,改善视觉质量。

通常采用灰度直方图修改技术进行图像增强。

图像的灰度直方图是表示一幅图像灰度分布情况的统计特性图表,与对比度紧密相连。

如果获得一幅图像的直方图效果不理想,可以通过直方图均衡化处理技术作适当修改,即把一幅已知灰度概率分布图像中的像素灰度作某种映射变换,使它变成具有均匀灰度概率分布的新图像,使图像清晰。

（3）图像的平滑

图像的平滑处理即图像的去噪声处理,主要是为了去除实际成像过程中,因成像设备和环境所造成的图像失真,提取有用信息。

实际获得的图像在形成、传输、接收和处理过程中,不可避免地存在外部干扰和内部干扰,如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等,均会使图像变质。

因此,去除噪声恢复原始图像是图像处理中的一个重要内容。

（4）边缘锐化

图像边缘锐化处理主要是加强图像中的轮廓边缘和细节,形成完整的物体边界,达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。

锐化的作用是要使灰度反差增强,因为边缘和轮廓都位于灰度突变的地方。

所以锐化算法的实现是基于微分作用。

它是早期视觉理论和算法中的基本问题。

（5）图像的分割

图像分割是将图像分成若干部分,每一部分对应于某一物体表面,在进行分割时,每一部分的灰度或纹理符合某一种均匀测度度量。

其本质是将像素进行分类。

分类依据是像素的灰度值、颜色、频谱特性、空间特性或纹理特性等。

图像分割是图像处理技术的基本方法之一,应用于诸如染色体分类、景物理解系统、机器视觉等方面。

第3章菌落图像的预处理

3.1菌落图像的灰度化

采集到的菌落图像一般都是彩色的,彩色图像的每个像素点的像素值有R、G、B三个分量,分别用R、G、B三个矩阵来表示,因此彩色图像处理的数据量很大。

鉴于菌落计数时对图像的色彩没有特殊要求,所以对菌落图像进行灰度转换处理（灰度化）,灰度化后的菌落图像每个像素点的像素值用一个灰度值来表示,数据量少,处理速度快。

3.1.1RGB颜色模型

为了科学的定量描述和使用颜色,人们提出了各种颜色的模型,例如RGB颜色模型、HIS颜色模型等。

计算机中的数字图像,用的最多的是RGB彩色空间,因为计算机彩色监视器的输入需要RGB三个彩色分量,通过三个分量的不同比例,在显示屏幕上合成所需要的任意颜色,即不管用什么形式的彩色空间,最后的输出一定要转换成RGB彩色空间。

自然界常见的各种颜色光,都可由红、绿、蓝三种颜色的光按照不同比例相配而成,这就是色度学中最基本原理?

?

三基色原理【6】。

由于人眼对红、绿、蓝三种色光最敏感,因此由这三种颜色相配所得的彩色范围最广,选红、绿、蓝三种颜色作为基色,构成RGB彩色空间,也称为RGB彩色模型。

在RGB彩色空间中,任意彩色光L,其配色方程可以表示为【7】:

（3.1）式中,r、g、b分别为R、G、B的相对系数,又称为色度坐标,是用来表示彩色的色度的;[R]、[G]、[B]为三基色单位;r[R]、g[G]、b[B]为彩色光L的三色分量,且有。

3.1.2彩色图像

任何颜色都可以由红、绿、蓝三种基本颜色按照不同的比例混合得到,每种基本颜色可以分成0~255共256个等级,那么由红、绿、蓝（简称RGB三原色）组成颜色的种类可以达到（约1600万）种。

当一副图像的每个像素被赋予不同的RGB值时,就形成了彩色图像。

常见的彩色图像有带调色板的彩色图像和不带调色板的真彩色图像两种。

两者的区别在于图像所包含的颜色数量、颜色的表示方式。

带调色板的彩色图像的每个像素值与调色板查找表中的索引号相对应,通过索引号可以在调色板中找到像素点的彩色值;真彩色图像没有采用调色板技术,每个像素值直接用R、G、B这三个分量自己表示,即每个像素点的像素值与真彩色颜色值直接一一对应。

3.1.3灰度图像

灰度图（Grayscale）是指只含亮度信息,不含色彩信息的图像,就像平时看到的亮度由暗到明的黑白照片,亮度变化是连续的。

因此,要表示灰度图,就需要把亮度值进行量化,通常划分为0~255共256个级别,0表示最暗（全黑）,255最亮（全白）,数值越接近0,对应的像素点越黑;相反,则对应的像素点越白。

灰度图像使用比较方便,首先图像每个像素点的R、G、B的值都一样;其次,图像数据即调色板索引值,也就是实际的R、G、B的亮度值;另外因为是256色的调色板,