劉穎　哈斯蘇榮　阿木古楞

摘 要：蟲(chóng)卵圖像分割是實(shí)現(xiàn)獸醫(yī)寄生蟲(chóng)學(xué)蟲(chóng)卵檢查技術(shù)數(shù)字化的重要基礎(chǔ).本文根據(jù)圖像分割相關(guān)理論，提出了基于粘連邊界脊線標(biāo)記算法分割蟲(chóng)卵圖像.實(shí)驗(yàn)結(jié)果表明，該方法對(duì)分水嶺算法進(jìn)行合理改進(jìn)，取得了較好的分割效果，實(shí)現(xiàn)了粘連蟲(chóng)卵圖像的自動(dòng)分割.

關(guān)鍵詞：蟲(chóng)卵圖像；分水嶺；粘連邊界脊線

中圖分類號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2013） 04-0000-02

1 引言

近幾年，國(guó)內(nèi)外通過(guò)運(yùn)用數(shù)字圖像處理技術(shù)對(duì)蟲(chóng)卵圖像進(jìn)行識(shí)別及計(jì)數(shù)的研究，已取得一些應(yīng)用成果[1].

但是，國(guó)內(nèi)外很少對(duì)蟲(chóng)卵分割進(jìn)行系統(tǒng)研究，而蟲(chóng)卵圖像的分割對(duì)蟲(chóng)卵圖像的后續(xù)處理及結(jié)果分析極其重要，是蟲(chóng)卵特征提取及識(shí)別計(jì)數(shù)的重要前提.本實(shí)驗(yàn)在蟲(chóng)卵圖像中能夠快速準(zhǔn)確定位目標(biāo)蟲(chóng)卵，利用粘連邊界脊線進(jìn)行標(biāo)記，改變粘連蟲(chóng)卵的連通性，分割出單個(gè)蟲(chóng)卵圖像并保存，為蟲(chóng)卵圖像后續(xù)的特征提取和識(shí)別計(jì)數(shù)奠定基礎(chǔ). 具有很好的理論和實(shí)踐意義。

2 基本原理

2.1 求取最適閾值

方法步驟描述如下：

（1）求出圖像的最大灰度值和最小灰度值，分別記為Zmax和Zmin ，令初始閾值To=（Zmax+Zmin）/2；

（2）根據(jù)閾值將圖像分割為前景區(qū)和背景區(qū)，分別求出二者的平均灰度值Ea 和Eb ；

（3）求出新閾值Tk+1=（Ea+Eb）/2；

（4）若Tk+1=Tk ，即所得為最佳閾值；否則轉(zhuǎn)（2），繼續(xù)迭代；

（5）利用最適閾值對(duì)圖像進(jìn)行二值化得到二值圖像.

2.2 獲取目標(biāo)邊緣

分水嶺算法[8]是把圖像看成一幅“地形圖”，圖中亮度較強(qiáng)的區(qū)域像素值較大，而較暗的區(qū)域像素值較小，通過(guò)尋找“匯水盆地”和“分水嶺界限”，對(duì)圖像進(jìn)行分割.分水嶺計(jì)算的思路：逐漸增加灰度閾值，每當(dāng)它大于一個(gè)局部極大值時(shí)，就把當(dāng)時(shí)的二值圖像與前一個(gè)時(shí)刻的二值圖像進(jìn)行邏輯異或操作，從而確定出灰度局部極大值的位置.根據(jù)所有灰度局部極大值的位置集合就可確定分水嶺.本文采用距離變換的分水嶺算法，將距離變換得到的灰度距離圖像進(jìn)行分水嶺分割，得到標(biāo)記二值圖像.

3 基于粘連邊界脊線標(biāo)記算法

3.1 算法的實(shí)現(xiàn)步驟

（1）預(yù)處理：采用迭代法求取最適閾值法得到蟲(chóng)卵二值圖像.

（2）初步分割：標(biāo)記圖像，根據(jù)蟲(chóng)卵目標(biāo)坐標(biāo)范圍，將目標(biāo)蟲(chóng)卵與背景區(qū)域分離，保存為不同尺寸圖像.

（3）粘連分割：粘連圖像先進(jìn)行距離變換水嶺分割，再利用邊緣標(biāo)記粘連脊線.

（4）保存 經(jīng)過(guò)分離處理的單個(gè)蟲(chóng)卵圖像.

3.2 結(jié)果分析

對(duì)比最小誤差閾值分割法（圖4（b））、最大熵閾值分割法（圖4（c））、Otsu閾值分割法（圖4（d））等常用閾值分割算法，本文采用迭代法求取的閾值為目標(biāo)蟲(chóng)卵最適閾值，對(duì)蟲(chóng)卵圖像的二值化效果顯著，圖4（a）中二值化結(jié)果清晰地顯示，采用此方法，目標(biāo)蟲(chóng)卵區(qū)域與背景區(qū)域能夠很好地區(qū)分開(kāi)來(lái)，目標(biāo)蟲(chóng)卵邊緣點(diǎn)可以準(zhǔn)確定位，有效提取完整的圖像輪廓，檢測(cè)到的邊緣定位準(zhǔn)確且連續(xù)性更強(qiáng).最大限度地減少非目標(biāo)噪點(diǎn)的干擾，將蟲(chóng)卵目標(biāo)完整輪廓清晰地顯示出，為后續(xù)實(shí)驗(yàn)結(jié)果實(shí)現(xiàn)的精準(zhǔn)度提供前提條件.

對(duì)蟲(chóng)卵二值圖像直接應(yīng)用分水算法效果不夠理想，容易產(chǎn)生過(guò)分割現(xiàn)象，如圖5所示.對(duì)比發(fā)現(xiàn)，本文采用粘連邊界脊線標(biāo)記算法粘連分離效果明顯，有效避免了過(guò)分割現(xiàn)象，不僅能夠準(zhǔn)確快速地標(biāo)記蟲(chóng)卵邊緣及其輪廓，而且能夠有效提取粘連蟲(chóng)卵的粘連邊界脊線（圖3（a）），很好地改變粘連蟲(chóng)卵連通性，得到連通標(biāo)記圖像，進(jìn)而可以分別得到單個(gè)蟲(chóng)卵的標(biāo)記圖像，效果顯著，為蟲(chóng)卵的快速準(zhǔn)確分離提供準(zhǔn)確標(biāo)記.

4 結(jié)論

通過(guò)實(shí)驗(yàn)表明，本文提出的準(zhǔn)確、有效的粘連蟲(chóng)卵圖像分割方法.利用粘連邊界脊線進(jìn)行標(biāo)記，改變粘連蟲(chóng)卵的連通性，分割出單個(gè)蟲(chóng)卵圖像并保存，為蟲(chóng)卵圖像后續(xù)的特征提取和識(shí)別計(jì)數(shù)奠定基礎(chǔ).

參考文獻(xiàn)

[1]CASTANON C A B，F(xiàn)RAGAA J S，F(xiàn)ERNANDEZ S，et al.Biological shape characterization for automatic image recognition and diagnosis of protozoan parasites of the genus Eimeria [J].Pattern Recognition，2007，40：1899-1910.

[2]付忠良.圖象閾值選取方法的構(gòu)造[J].中國(guó)圖象圖形學(xué)報(bào)，2000，5（A）（6）：466-469.