类圆形区域的分割与统计分析
来源:用户上传
作者:
摘 要：为了对类圆形区域进行统计分析，文章以彩色粘连药片图像为例，提出并分析了一种类圆形图像的分割与统计分析方法。首先，在预处理后，选择合适的图像分割算法，去除阴影噪声的影响，完整分割出类圆形区域是关键;其次，使用数学形态学处理算法，平滑图像边界和分割后的毛刺;最后，连通域标记并计数。实验结果表明，文章方法准确率更高。文末还分析了算法的一些应用领域。本研究可为其他相关研究提供参考。
关键词：圆形区域;图像分割;统计分析
中图分类号：TP391 文献标志码：A 文章编号：2095-2945（2020）08-0032-02
Abstract： In this paper， in order to make a statistical analysis of the quasi-circular region， a segmentation and statistical analysis method of quasi-circular image is proposed and analyzed which takes the image of color adhesive tablets as an example. Firstly， after the pretreatment， the appropriate image segmentation algorithm is chosen and used to remove the influence of the shadow noise， and it is the key to segment the quasi-circular image completely; secondly， the mathematical morphology processing algorithm is used to smooth the image boundary and the burrs after the segmentation; and finally， the connected region is marked and counted. The experimental results show that the accuracy of this method is higher. At the end of the paper， some application fields of the algorithm are analyzed. This study can provide reference for other related research.
Keywords： circular region; image segmentation; statistical analysis
引言
在農作物质量评价、医疗卫生、工业生产等应用领域，经常需要对某些类圆形颗粒物质进行统计分析。这些物质成像后都接近圆形，因此被研究者统称之为类圆形区域。
随着计算机视觉技术的发展，基于图像处理与视觉分析的各种类圆形图像自动分析系统，由于能够自动、快速、客观的统计图像中包含的类圆数目及其特征参数，极大地减轻了人的工作量，提高了分析精度，从而在相应领域得到了广泛地应用。
荀一等人提出了一种基于公共区域和籽粒轮廓寻找分割点的方法，实现了粘连玉米籽粒图像的自动分割[1]。李积英等人在介绍柔性形态学的基础上，提出先利用迭代算法得到图像分割的最佳阈值，再利用多尺度柔性边缘检测算子得到图像的边缘[2]。SONG等人利用粘连区域的形状信息检测凹点，通过凹点构造分割线，实现对粘连血细胞的分割[3]。YAO提出了一种基于凹点匹配的方法实现对粘连大米图像的分割[4]。
对于类圆形图像的统计分析，关键是图像分割，而图像分割结果好坏很大程度上取决于阴影噪声的消除。本文以彩色粘连药片图像为例，提出并分析了一种类圆形图像的分割与统计分析方法。其后，本文列举了一些该类算法的可能应用领域，对相关的研究工作有一定参考意义。
1 具体实现
1.1 算法设计
本文算法由图像预处理、图像分割、形态学处理、统计分析等步骤组成，如图1所示。
图像采集后，一般先要做些预处理，预处理通常包括几何变换、图像去噪[5]、对比度增强等。图像预处理的目的是减少图像中无关的信息，复原或增强有用信息（感兴趣信息），增强有用信息的可检测性，同时最大限度的简化数据，从而更有利于后期再处理。本文实验采用的图像已经做上述预处理。
接着，就是把感兴趣区域分割出来，虽然目前典型分割算法有很多，但还没有一种通用算法能处理所有图像[6]，一般都需要根据情况具体判断，本文针对采用的图像，在多次实践的基础上，发现在蓝色分量下采用谷峰法能较好的分割出目标，如图2所示，给出了原图、蓝色分量及其灰度直方图。
由于图像目标之间有粘连，对分割后的图像进行数学形态学处理非常重要，它直接影响后继统计分析的准确度。本文使用圆盘结构元素对分割后的图进行多次腐蚀处理。图像X被结构元素S腐蚀的运算可以表示如下：
其后，进行连通区域标记，把每一个区域贴上不同的“标签”以便标识，进而把不同的目标提取出来，也可以使用MATLAB函数bwlabel统计目标个数等。
1.2 结果分析
按照前述原理，原图在蓝色分量下利用谷峰法分割效果如图3所示，药片数量统计结果是29，准确率100%。
如果在绿色分量下进行分割，再数学形态学处理后最终效果如图4（a）所示，药片数量统计结果是19，准确率65.5%。如果直接二值化再数学形态学处理，效果更不理想，此时阴影噪声很严重，最终效果如图4（b）所示，药片数量统计结果是39，比实际数量多10。综上，本文方法准确率最高。
2 应用分析
类似的类圆形图像包括但不限于农产品图像（如水果、大豆、枸杞等）、医药图像（如细菌细胞、药片等）、工业图像（圆形工件、圆角毛刺、圆形焊接电路等）、其他图像（如气泡、车灯、皮球等），因此在现实生活中有很多应用场合[7]。比如图5统计了原图中半径大于5的颗粒粒度分布情况。
3 结束语
药片计数在医药生产包装、监督病人用药等方面有着重要应用。利用图像处理技术，无接触的对药片进行统计计数，不仅仅可以减轻医务人员工作量，同时更能减少药物的污染及损坏。本文以彩色粘连药片图像为例，提出并分析了一种类圆形图像的分割与统计分析方法。同时分析了算法的一些可能应用领域。实验结果表明文中方法有一定借鉴意义。对于类圆形图像处理，要想取得最佳效果，往往还要根据具体问题具体分析。
参考文献：
[1]荀一，鲍官军，杨庆华，等.粘连玉米籽粒图像的自动分割方法[J].农业机械学报，2010，41（04）：163-167.
[2]李积英.一种改进的基于柔性形态学的图像边缘检测方法[J].平顶山学院学报，2011，26（05）：75-78.
[3]Song H， Wang W. A new separation algorithm for overlapping blood cells using shape analysis[J]. International Journal of Pattern Recognition and Artificial Intelligence， 2009， 23（04）： 847-864.
[4]Yao Y， Wu W， Yang T， et al. Head rice rate measurement based on concave point matching[J].Scientific Reports，2017，7： 41353.
[5]卫星，周瑜龙，焦蓬蓬，等.基于置信特征与结构相似度约束的图像修复算法[J].新疆大学学报（自然科学版），2018，35（02）：203-208.
[6]焦蓬蓬.医学图像中典型分割算法的比较分析[J].信息技术，2015（02）：82-84+88.
[7]张強，王正林.精通MATLAB图像处理[M].北京：电子工业出版社，2009.
转载注明来源:https://www.xzbu.com/1/view-15126307.htm
