[发明专利]一种基于显微镜图像的颤藻类细胞统计方法

说明书

本发明公开一种基于显微镜图像的颤藻类细胞统计方法，包括步骤一、图像预处理，步骤二、图像二值化处理，步骤三、查找最大外轮廓，步骤四、分析最大外轮廓和二值图像，计算颤藻类像素长度，步骤五、基于颤藻类像素长度，统计颤藻类细胞个数；本发明根据图像上颤藻类细胞的形态，采用了不同的策略来统计它们的细胞个数，极大地提高了曲线形态颤藻类的细胞统计精度，也提高了算法处理的效率，本方法不仅可以应用于颤藻类细胞个数统计，还可以应用于拟柱孢藻类、泽丝藻类、鞘丝藻类和束丝藻类等，具有广泛的适用性，且为独立的模块，便于算法后期的优化和维护。

技术领域

本发明涉及水生态环境监测技术领域，尤其涉及一种基于显微镜图像的颤藻类细胞统计方法。

背景技术

藻类细胞的统计是先利用显微镜和高清工业相机来采集藻类图像，然后通过深度学习检测模型识别出颤藻类和它的像素坐标，需要设计一种图像模式识别方法来统计图像中颤藻类的细胞个数；

现有的方法是基于深度学习模型对藻类进行识别和统计的方法，在统计颤藻类细胞个数时，直接以深度学习模型检测的矩形框来估算颤藻类的长度，统计出来的细胞个数误差较大，因此，本发明提出一种基于显微镜图像的颤藻类细胞统计方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明提出了一种基于显微镜图像的颤藻类细胞统计方法，该方法可以根据图像上颤藻类细胞的形态，采用不同的策略来统计它们的细胞个数，极大地提高了曲线形态颤藻类的细胞个数统计精度，也提高了算法处理的效率，具有广泛的适用性。

为实现本发明的目的，本发明通过以下技术方案实现：一种基于显微镜图像的颤藻类细胞统计方法，包括以下步骤：

步骤一、获取图像并采用高斯模糊化对图像进行去噪处理，再对图像进行预处理，获得增强对比度后的图像；

步骤二、在增强对比度后的灰度图像上进行二值化处理，获得二值图像；

步骤三、从获取的二值图像上提取颤藻类细胞外轮廓数据，并从外轮廓数据中找出最大外轮廓；

步骤四、根据最大外轮廓和二值图像，计算出图像上颤藻类像素长度；

步骤五、根据图像上颤藻类像素长度，统计出图像上颤藻类细胞的个数。

进一步改进在于：所述步骤一中预处理具体为采用CLAHE(对比度受限的自适应直方图均衡化)算法对图像进行对比度拉伸处理，获得增强对比度后的图像。

进一步改进在于：所述步骤二中先采用OTSU(大律)方法对灰度图像进行二值化处理，然后对二值图像进行形态学膨胀(dilate)处理。

进一步改进在于：所述步骤三中根据最大外轮廓和二值图像计算图像上颤藻类像素长度具体包括

S1、计算出最大外轮廓的最小外接矩形；

S2、根据最小外接矩形的宽高比判断颤藻类细胞的形状；

S3、当形状判断为长条形时，直接以最小外接矩形长边数据作为颤藻类的像素长度；

S4、当形状判断为曲线形时，对二值图像进行细化处理，并计算出颤藻类细胞的像素长度。

进一步改进在于：所述S4中颤藻类形状为曲线形时像素长度计算包括

F1、计算出最大外轮廓的像素周长；

F2、对二值图像进行细化处理，细化后的二值图像为一条曲线，每个白色(255)值对应的像素即为曲线上的一个点；

F3、设置步长并按照步长，在细化后的曲线上生成计算轮廓宽度的采样点；

F4、以最大外轮廓上的点集为基础，从第二个采样点开始，依次计算出它们的轮廓像素宽度；