常君明 任 瓊 許 璐 許中元

(江漢大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院 武漢 430056)

顯微圖像目標(biāo)識(shí)別與結(jié)構(gòu)提取方法研究*

常君明 任 瓊 許 璐 許中元

(江漢大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院 武漢 430056)

比較了顯微圖像和宏觀圖像之間的區(qū)別。針對(duì)顯微圖像特點(diǎn),對(duì)已有的圖像處理方法進(jìn)行分析與比較,并加以改進(jìn)與優(yōu)化,建立了適合顯微圖像的目標(biāo)識(shí)別與結(jié)構(gòu)提取的較優(yōu)方案。實(shí)驗(yàn)表明,研究結(jié)果不僅可以提高顯微目標(biāo)對(duì)象提取正確率,還可以提高特征提取的速度。

顯微圖像;目標(biāo)識(shí)別;結(jié)構(gòu)提取

(Department of maths and Computer JiangHan University, Wuhan 430056)

Class Number TP391

1 引言

微操作和微裝配離不開(kāi)顯微設(shè)備,利用微設(shè)備實(shí)現(xiàn)手工操作和手工定位已經(jīng)應(yīng)用于相關(guān)行業(yè),取得了一些進(jìn)展[1～2]。但是手工操作難以避免個(gè)體因素導(dǎo)致的失誤,用分析和處理系統(tǒng)來(lái)實(shí)現(xiàn)微操作的自動(dòng)化迫在眉睫,由此促成了顯微視覺(jué)、顯微圖像處理等研究領(lǐng)域的發(fā)展。

顯微圖像與宏觀圖像略有不同[3],主要表現(xiàn)在：顯微圖像中的場(chǎng)景簡(jiǎn)單,圖像中的點(diǎn)、線和面之間的結(jié)構(gòu)關(guān)系遠(yuǎn)沒(méi)有宏觀圖像中的復(fù)雜；顯微圖像受光照的影響明顯,圖像的對(duì)比度低,特征識(shí)別困難,容易產(chǎn)生大量的誤識(shí)別像素；附著在微觀對(duì)象上的污點(diǎn)經(jīng)過(guò)顯微鏡的放大,在顯微鏡中變得非常明顯,目標(biāo)識(shí)別過(guò)程中容易產(chǎn)生遺留噪聲,影響識(shí)別的質(zhì)量。

目前,圖像識(shí)別方法有很多種[4～5],但是針對(duì)顯微圖像分割、識(shí)別的算法不多,其主要原因在于顯微圖像生成的多噪聲、多干擾的特點(diǎn)。本文從分析顯微圖像特點(diǎn)出發(fā),在總結(jié)已有的圖像分割與提取方法的特點(diǎn)及不足的基礎(chǔ)上,對(duì)己有的圖像分割與結(jié)構(gòu)提取方法進(jìn)行比較與分析,并加以優(yōu)化與改進(jìn),建立了適合顯微圖像的目標(biāo)識(shí)別與結(jié)構(gòu)提取算法。

2 圖像增強(qiáng)預(yù)處理

2.1 預(yù)處理目的

顯微圖像在視角效果和識(shí)別方便性等方面都可能存在諸多的問(wèn)題。為了改善視覺(jué)效果或者便于人和機(jī)器對(duì)圖像的理解和分析,根據(jù)顯微圖像的特點(diǎn)或存在的問(wèn)題采取簡(jiǎn)單的改善方法或加強(qiáng)特征的措施,主要有按照需要進(jìn)行適當(dāng)?shù)淖儞Q突出某些有用的信息,去除或者弱化無(wú)用信息,如改變顯微圖像的對(duì)比度、去除噪聲或強(qiáng)調(diào)邊緣等處理。

2.2 直方圖修正

顯微圖像具有對(duì)比度低的特點(diǎn),而直方圖修正在處理對(duì)比度低的圖像中非常有效。

灰度直方圖反映了一幅圖像的灰度分布特征[6],使人們從中得到諸如總體明亮程度、對(duì)比度、對(duì)象物的可分性等與顯微圖像質(zhì)量有關(guān)的灰度分布概貌,這是顯微圖像處理方法的重要依據(jù)；同時(shí),對(duì)直方圖進(jìn)行分析可以得到顯微圖像的一些能反映圖像特點(diǎn)的有用特征,例如,當(dāng)顯微圖像的對(duì)比度比較小時(shí),其灰度直方圖自在灰度軸上較小的一段區(qū)間上非零；較暗的顯微圖像由于較多像素的灰度值低,因此直方圖的主體出現(xiàn)在灰度區(qū)間上,在高值灰度區(qū)間上的幅度較小或?yàn)榱?。較亮的顯微圖像正好相反。通常一副均勻量化的自然圖像由于其灰度直方圖分布集中在較窄的低值灰度區(qū)間,引起圖像的細(xì)節(jié)看不清楚,為使圖像變的清晰,可以通過(guò)變換使圖像的灰度范圍拉開(kāi)或使灰度分布在動(dòng)態(tài)范圍內(nèi)趨于均化,從而增加反差,使圖像的細(xì)節(jié)清晰,達(dá)到顯微圖像增強(qiáng)的目的。

2.3 直方圖修正顯微圖像實(shí)驗(yàn)與分析

1) 實(shí)驗(yàn)效果

使用直方圖均衡化增強(qiáng)灰度顯微圖像對(duì)比度,其效果如圖1～圖4所示。

圖1 原始圖像

圖2 直方圖均衡化圖像

圖3 原始圖像直方圖

圖4 均衡化圖像直方圖

2) 效果分析

比較圖1和圖2后可以看出,原來(lái)的圖1中模糊的曲線在圖2中顯示出了豐富清晰的細(xì)節(jié)。比較圖3和圖4后可以看到,圖3中亮度主要分布在右邊低值區(qū)域,而圖4中亮度區(qū)域都有比較平均的分布,因此可以顯示圖像的細(xì)節(jié)。

3 自動(dòng)閾值分離背景

3.1 閾值分割的基本原理[6～7]

閾值分割是一種基于區(qū)域的圖像分割技術(shù)。其基本原理是通過(guò)設(shè)定不同的特征閾值,把圖像像素點(diǎn)分為若干類。常用的特征包括直接來(lái)自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。設(shè)原始圖像為f(x,y),按照一定的準(zhǔn)則在f(x,y)中找到若干個(gè)特征值T1,T2,,Tn,將圖像分割為幾部分,分割后的圖像為

一般意義上,閾值運(yùn)算可以看做是對(duì)圖像中某點(diǎn)的灰度、改點(diǎn)的某種局部特性以及該點(diǎn)在圖像中的位置的一種函數(shù)。這種閾值函數(shù)可以記作：

T(x,y,N(x,y),f(x,y))

根據(jù)對(duì)T的不同約束,可以得到三種不同類型的閾值。

全局閾值T=T(f(x,y)),只與點(diǎn)的灰度值有關(guān)；

局部閾值T=T(N(x,y),f(x,y)),與點(diǎn)的灰度值和該點(diǎn)的局部領(lǐng)域特征有關(guān)；

動(dòng)態(tài)閾值T=T(x,y,N(x,y),f(x,y)),與點(diǎn)的位置、灰度值和領(lǐng)域特征有關(guān)。

3.2 閾值在顯微圖像處理中的應(yīng)用

閾值分割的優(yōu)點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單,對(duì)于不同類的顯微圖像灰度值或其他特征相差很大時(shí),能有效對(duì)圖像進(jìn)行分割。閾值分割通常作為圖像的預(yù)處理,然后應(yīng)用其他一系列分割方法進(jìn)行后處理。

3.3 自動(dòng)閾值法

變閾值分割最為簡(jiǎn)單的方法是人工選擇法。雖然人工法可以選出令人滿意的閾值,但是在無(wú)人介入的情況下自動(dòng)選取閾值是大部分應(yīng)用的基本要求。自動(dòng)閾值方法通常使用灰度直方圖來(lái)分析圖像中灰度值的分布,結(jié)合特定的應(yīng)用領(lǐng)域知識(shí)來(lái)選取最合適的閾值。

1) 迭代式閾值選擇[7～8]

迭代式閾值選擇的方法基本思想是：開(kāi)始時(shí)選擇一個(gè)閾值作為初始估計(jì)值,然后按某種策略不斷地改進(jìn)這一估計(jì)值,直到滿足給定的準(zhǔn)則為止。在迭代過(guò)程中,關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略。好的改進(jìn)策略應(yīng)用具有兩個(gè)特征：一是能夠快速收斂,二是在每一迭代過(guò)程中,新產(chǎn)生的閾值優(yōu)于上一次的閾值。其算法的基本步驟是：

步驟1：選擇圖像灰度中的中值作為初始閾值T0；

步驟2：利用閾值T0把圖像分割為兩個(gè)區(qū)域R1和R2,用下式計(jì)算區(qū)域R1和R2的灰度值u1和u2；

步驟3：計(jì)算出u1和u2后,用下式計(jì)算出新的閾值Ti+1；

步驟4：重復(fù)步驟2～3,直到和的差小于某個(gè)給定值。

2) Otsu法閾值選擇[9～10]

Otsu法是一種使類間方差最大的自動(dòng)確定閾值的方法,該方法具有簡(jiǎn)單、處理速度快的特點(diǎn),是一種常用的閾值選擇方法?；舅枷胧牵涸O(shè)圖像像素?cái)?shù)為N,灰度范圍為[0,L-1],對(duì)應(yīng)的灰度級(jí)i的像素?cái)?shù)為Ni,幾率為

pi=ni/N,i=0,1,,L-1

把圖像中的像素按灰度值用閾值T分為兩類C0和C1,由灰度值在[0,T]之間的像素組成,C1由灰度值在[T+1,L-1]之間的像素組成,對(duì)于灰度分布幾率,整幅圖像的均值為

則C0和C1的均值為

其中：

由上面的式子可得：

uT=ω0u0+ω1u1

類間方差的定義為

=ω1ω0(u0-u1)2

3.4 閾值法對(duì)顯微圖像背景分離與分析

1) 分割實(shí)驗(yàn)

對(duì)同一副顯微圖像分別進(jìn)行迭代法全局閾值分割、全局閾值Otsu法閾值分割和局部閾值分割,結(jié)果如圖5～圖8所示。

圖5 原始圖像

圖6 迭代法全局閾值分割

圖7 全局閾值Ostu法閾值

圖8 局部閾值分割

2) 實(shí)驗(yàn)分析

從上述效果圖可以看出,迭代法全局閾值分割得到的圖像白色部分最多,局部閾值分割得到的圖像白色部分最少,全局閾值Ostu法閾值得到的圖像白色部分基于兩種之間。但迭代法全局閾值目標(biāo)圖像發(fā)生了斷裂,而全局閾值Ostu法閾完整保留了目標(biāo)圖像,為后續(xù)處理打下了良好的基礎(chǔ)。

表1所示是迭代法全局閾值分割、全局閾值Otsu法閾值分割和全局閾值Otsu法閾值分割各自自動(dòng)生成的分割閾值。

表1 各種分割法自動(dòng)生成閾值比較

4 結(jié)語(yǔ)

只有把目標(biāo)對(duì)象從顯微圖像中提取出來(lái),才有可能進(jìn)一步對(duì)目標(biāo)對(duì)象進(jìn)行定量分析或者識(shí)別,進(jìn)而對(duì)顯微圖像進(jìn)行理解。文章針對(duì)于顯微圖像生成的多噪聲、多干擾的特點(diǎn),對(duì)直方圖修正進(jìn)行討論,對(duì)自動(dòng)閾值分割常見(jiàn)算法進(jìn)行分析與比較,獲得了針對(duì)顯微圖像目標(biāo)識(shí)別與結(jié)構(gòu)提取的最佳方法。

[1] Tetsuya Sano,Hidekazu Nagahata, Hiroshi Endo et al. A visual feedback system for micromanipulation whit stereoscopic microscope[C]// In: IEEE Instrumentation and Measurement Technology Conference, 1998:1127-1132.

[2] Tetsuya Sano, Hideki Yamamoto. Study of Micromanipulation using stereoscopic[J]. IEEE Transaction on Instrumentation & Measurement,2000,3(2):327-321.

[3] 王躍宗,劉沖,王立鼎,徐征.顯微圖像中目標(biāo)對(duì)象的邊緣提取研究方正[J].小型微型計(jì)算機(jī)系統(tǒng),2003,24(12):2178-2180.

[4] Bodnarova A, Bennamoun N, Latham S. Optimal Gabor filters for textile flaw detection [J].Pattern Recognition,2002, 35(12)：2973 -2991.

[5] Tsai DM,Wu SK. Automated surface inspection using Gabor filters[J].The International Journal of Advanced Manufacturing Technology,2000,16(7)：474-482.

[6] 龔聲榮,劉純平等.數(shù)值圖像處理與分析[M].北京：清華大學(xué)出版社,2006.

[7] 章毓晉.圖像處理和分析基礎(chǔ)[M].北京：高等教育出版社,2002.

[8] 岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社,2005.

[9] Otsu N. IEEE Trans. System Man Cybernet[C].1979. SMC-9:62-66.

[10] 余成波,秦華鋒,等.生物特征識(shí)別技術(shù)手指靜脈識(shí)別技術(shù)[M].北京：清華大學(xué)出版社,2009.

Target Recognition and Structure Extraction in Microscopic Images

CHANG Junming REN Qiong XU Lu XU Zhongyuan

The common characters are summarized by comparing microscopic images with macroscopic images. Based on microscopic image characteristics, analyzing and comparing the existing image processing algorithms which are improved and optimized later, the optimal scheme which is suitable for microscopic image target recognition and structure extraction is set up. Experiments show that the method can not only improve the microscopic object extraction accuracy, but also increase the speed of the feature extraction.

microscopic image, target recognition, structure extraction

2016年6月3日,

2016年7月24日

武漢市科技局項(xiàng)目(編號(hào):2013071004010472);湖北省教育廳項(xiàng)目(編號(hào):B2016281)資助。

常君明,男,碩士研究生,副教授,研究方向：圖形圖像處理、科學(xué)計(jì)算可視化、仿真。任瓊,女,碩士研究生,講師,研究方向：網(wǎng)絡(luò)工程。許璐,男,碩士研究生,副教授,研究方向：數(shù)理統(tǒng)計(jì)。許中元,男,副教授,研究方向：多媒體技術(shù)。

TP391

10.3969/j.issn.1672-9730.2016.12.010