CN105160675A - 白粉病菌孢子图像的自动分割方法 - Google Patents

Abstract

白粉病菌孢子图像的自动分割方法，本方法结合形态学基本运算，设计出对粘连孢子二值图像进行处理。定义计算矩阵、生成距离变换矩阵与随着每次腐蚀进行计数的全局变量。使用形态学腐蚀运算，对二值图像进行腐蚀操作，扫描全图，对消失的像素点进行标记。循环直至所有的连通区域被腐蚀至消失。当处理完所有标记区域，也获得了所有的种子点。对得到的距离图像调用分水岭算法，根据连通区域内的像素灰度值从大到小浸没孢子，得到分割线，再进行孢子分割，在粘连的边缘部分断开，提高最终对粘连孢子图像进行分水岭分割的效果。本方法求种子点过程判定更加精确，得到的距离图像像素点之间灰度梯度跳跃较稳定，细胞分割也更为精确。

Description

白粉病菌孢子图像的自动分割方法

技术领域

本发明可以得到粘连白粉病菌孢子图像相比普通方法更为精确的分割效果，属于数字图像处理技术领域。

背景技术

白粉病是植物病害的主要病害之一，它主要危害植物叶片、茎、叶柄、芽及花瓣，然后受害植物会出现褪绿、枯黄、皱缩，幼叶扭曲，导致植株生长不良发育畸形，不能开花结果。小麦白粉病是小麦的主要病害之一，除某些热带地区外，在世界各地均有分布。在1900年之前，在欧洲的英国、法国、爱尔兰、比利时、丹麦、荷兰、瑞士及芬兰等国已见报道。美国、加拿大、墨西哥虽有发生但比较轻微。近年来，小麦白粉病已成为我国小麦的主要病害之一，无论是发病面积还是发病程度都维持在一个较高的水平，年均发病面积在600万公顷以上，一般发病可造成10％左右减产，严重时减产可达50％以上，有些高感品种甚至颗粒无收。所以小麦白粉病已成为我国小麦生产上的重要常发性病害之一，目前也已成为我国小麦高产、稳产、优质的主要制约因素之一。

据统计，在全国742种农作物病害中，约有60％是由病菌孢子经气流传播侵染作物形成危害的。小麦白粉病就是由专性寄生真菌—小麦白粉菌孢子引起的气传性病害。小麦白粉菌属子囊菌，只能在活的寄主组织上生长发育，并对寄主有很严格的专化性，一般只侵染小麦，所以小麦病菌不能侵染大麦，大麦白粉菌也不侵染小麦。小麦白粉菌以菌丝体蔓延于寄主表面，仅通过吸器伸入寄主表皮细胞内吸取营养。菌丝上着生分生孢子梗和分生孢子，分生孢子为椭圆形，长度是宽度的1.25-1.75倍，少数达到近二倍，单胞无色，分生孢子梗直立，从菌丝体垂直生出，不分枝，无色，顶端产生成串的分生孢子，数目10～20个，自顶端向下逐渐成熟脱落，随气流传播引起再侵染和病害流行。分生孢子在0.5～30℃范围内均可萌发，萌发的最适温度为10～18℃。对湿度的适应范围很广，在最适温度条件下，相对湿度0～100％均可萌发，但湿度越大，萌发率越高。因此小麦白粉菌在不同地理生态环境中与寄主长期相互作用下，能形成不同的生理小种，毒性变异很快，在环境条件适宜的情况下，小麦白粉病菌就会大量蔓延，造成小麦白粉病的发生。

目前的白粉病防控方法主要通过人工目测、田间调查等进行白粉病害的观测，观测时效不足、劳动强度大、数字化程度低。还需定时定期将取样病菌孢子带回实验室在生物显微镜下观察，人工对孢子数量进行记录。这种方法和手段相对落后，本发明针对图像处理的重要环节--图像分割环节的距离变换步骤进行改进，提高分割效果，在第一步上改善防控工作。

发明内容

本发明的主要目的在于提高图像分割预处理步骤中采用的距离图像的精确度，即得到图像灰度良好的斜坡。从图像目标边缘至目标的中心，灰度变化稳定、明显。可以明显地将粘连部分与各孢子中心区别开来。有效提高对于粘连白粉病菌孢子的最终分割效果。

白粉病菌孢子图像的自动分割方法，本方法采用了形态学腐蚀运算结合对每个像素点进行计数来完成。本方法运用MATLAB编写并实现，设计了基于形态学运算的距离变换方法。对距离变换这一图像分割预处理步骤进行改善，提高最终对粘连白粉病菌孢子的分割效果。为了获得距离图像，首先扫描全图，用填充或者是标记计算的方式记录每一个待分割目标区域(也就是分割前的孢子)，然后对每一个目标区域使用3×3结构元素进行形态学腐蚀的处理，腐蚀后再次扫描标记区域(只扫描标记区域，而不是全图)，标记区域被腐蚀后经扫描可能会出现以下三种情况：

(1)该区域仍是一个连通区域。

(2)该区域被分为多个连通区域。

(3)该区域消失。

对于(1)，将会继续进行腐蚀，直到出现了(2)或者(3)的情况为止。

对于(2)，将标记区域采用数据结构中的链表进行保存，将新出现的N个标记区域分别***至数据结构中的链表当前结点之后，再销毁当前结点。

对于(3)，该区域的像素即作为种子点，记录下种子点之后继续处理下一个标记区域。

这样操作完所有标记区域后，分水岭算法的种子点便全部寻找完毕，而将孢子图变成距离变换图的过程也在上面过程中完成，即只需要记录下每次被腐蚀掉的像素点，并赋予这些像素点一个值，该值即为当前连通区域被腐蚀的次数。

本发明采取的具体技术方案如下：

S1针对已有分水岭分割方法的预处理步骤，即距离变换环节，为了比常规距离变换方法(如欧式距离、棋盘距离、城区距离等)获得更良好的灰度斜坡，准确的获得种子点和距离图像，本发明结合形态学基本运算，设计出对粘连孢子二值图像进行处理的方法。定义计算矩阵、生成距离变换矩阵与随着每次腐蚀进行计数的全局变量。使用形态学腐蚀运算，对二值图像进行腐蚀操作，扫描全图，对消失的像素点进行标记。循环上述操作，对第N次消失的像素点标记为N，直至所有的连通区域被腐蚀至消失。当处理完所有标记区域，也获得了所有的种子点。对得到的距离图像调用分水岭算法，根据连通区域内的像素灰度值从大到小浸没孢子，得到分割线，再进行孢子分割，在粘连的边缘部分断开，提高最终对粘连孢子图像进行分水岭分割的效果。

S2本方法使用gray_image＝rgb2gray(rgb_image)指令将输入的彩色图像转换为灰度图像，继而使用level＝graythresh(gray_image)指令按照自适应选择合适的阈值变为二值图像后再使用1-im2bw(filter_image,level)的方法进行求反，最终得到所需二值图像。其中greythresh(gray_image)指令使用最大类间方差法自动寻找灰度图像的合适阈值，找到图像的一个合适的阈值。针对每张图像都会得到不同的阈值。最大类间方差法是按照图像的灰度特性，将图像分为背景和目标两部分。背景和目标之间的类间方差越大，说明构成图像的两部分的差别越小，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。最后为了后续操作，使用uint8指令变换图像类型。

S3使用形态学腐蚀运算，对二值图像进行腐蚀操作，扫描全图，对消失的像素点进行标记。本发明使用Matlab中imerode指令对图像进行腐蚀操作，使用3×3单位矩阵作为结构元素矩阵，即 $\left\{\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right\}.$ 中间的1为结构元素中心。使用3×3单位矩阵作为结构元素矩阵腐蚀操作即为用结构元素扫描图像的每一个像素，用结构元素与其覆盖的二值图像做与操作：如果都为1，结果图像的该像素点值为1，否则为0。

S4循环上述操作，对第N次消失的像素点标记为N，直至二值图像中所有的连通区域被腐蚀至消失。

当处理完所有标记区域，也获得了所有的种子点。

二值图像变换为从各连通区域边缘至种子点过程中数值逐渐增大的灰度图像，背景的灰度值为0。灰度图像梯度变化稳定，种子点精确地定位在各连通区域内部。形态学使用的腐蚀运算如下：

集合A被集合B腐蚀写为AΘB，被定义为

$A\mathrm{\Θ}B=\∩\{A-b,b\∈B\}=\underset{b\∈B}{\∩}{A}_{-b}$

S5定义计算矩阵、生成距离变换矩阵与随着每次腐蚀进行计数的全局变量。计算矩阵每次进行腐蚀后，对从1变为0的像素点在生成的距离变换矩阵中对应地使用计数全局变量当前值进行标记。

S6扫描全图即为对全图像素点进行求和，如果结果不为0，则继续循环操作，如果为0即终止操作，得到最终的距离图像。本发明使用Matlab中的q＝sum(sum(Bw))获得计算矩阵中个像素点的累加和。

S7对得到的距离图像采用分水岭方法，根据连通区域内的像素灰度值从大到小浸没孢子，得到分割线，再进行孢子分割。最终实现对粘连孢子的分割，使粘连的边缘部分断开。本发明对粘连边缘不长并且没有重叠部分的粘连孢子效果良好。

本发明的优点：

(1)普通的方法求取种子点的精确度不高，分割效果不够理想。本方法求种子点过程判定更加精确，得到的距离图像像素点之间灰度梯度跳跃较稳定，细胞分割也更为精确。

(2)本发明设计的距离变换方法效果好、实现简便。

附图说明

图1为二值图像连通区域矩阵。

图2为腐蚀操作后的二值矩阵。

图3为白粉病菌孢子图像原图(图中箭头所指为白粉病菌孢子)。

图4为白粉病菌孢子图像原图分割效果图。

具体实施方式

针对三种不同二值图像连通区域，对每次腐蚀后消失的最外层像素点集进行标记，并且根据不同情况来确定种子点。

本发明设计的基于形态学的距离变换方法最终的分割效果较好的解决了目标之间粘连的问题。

Claims (1)

1.白粉病菌孢子图像的自动分割方法，本方法采用了形态学腐蚀运算结合对每个像素点进行计数来完成；本方法运用MATLAB编写并实现，设计了基于形态学运算的距离变换方法；对距离变换这一图像分割预处理步骤进行改善，提高最终对粘连白粉病菌孢子的分割效果；

为了获得距离图像，首先扫描全图，用填充或者是标记计算的方式记录每一个待分割目标区域也就是分割前的孢子，然后对每一个目标区域使用3×3结构元素进行形态学腐蚀的处理，腐蚀后再次扫描标记区域，只扫描标记区域，而不是全图，标记区域被腐蚀后经扫描可能会出现以下三种情况：

(1)该区域仍是一个连通区域；

(2)该区域被分为多个连通区域；

(3)该区域消失；

对于(1)，将会继续进行腐蚀，直到出现了(2)或者(3)的情况为止；

对于(2)，将标记区域采用数据结构中的链表进行保存，将新出现的N个标记区域分别***至数据结构中的链表当前结点之后，再销毁当前结点；

对于(3)，该区域的像素即作为种子点，记录下种子点之后继续处理下一个标记区域；

这样操作完所有标记区域后，分水岭算法的种子点便全部寻找完毕，而将孢子图变成距离变换图的过程也在上面过程中完成，即只需要记录下每次被腐蚀掉的像素点，并赋予这些像素点一个值，该值即为当前连通区域被腐蚀的次数；

其特征在于：该方法的实现过程如下，

S1针对已有分水岭分割方法的预处理步骤，即距离变换环节，为了比常规距离变换方法获得更良好的灰度斜坡，准确的获得种子点和距离图像，本方法结合形态学基本运算，设计出对粘连孢子二值图像进行处理的方法；定义计算矩阵、生成距离变换矩阵与随着每次腐蚀进行计数的全局变量；使用形态学腐蚀运算，对二值图像进行腐蚀操作，扫描全图，对消失的像素点进行标记；循环上述操作，对第N次消失的像素点标记为N，直至所有的连通区域被腐蚀至消失；当处理完所有标记区域，也获得了所有的种子点；对得到的距离图像调用分水岭算法，根据连通区域内的像素灰度值从大到小浸没孢子，得到分割线，再进行孢子分割，在粘连的边缘部分断开，提高最终对粘连孢子图像进行分水岭分割的效果；

S2本方法使用gray_image＝rgb2gray(rgb_image)指令将输入的彩色图像转换为灰度图像，继而使用level＝graythresh(gray_image)指令按照自适应选择合适的阈值变为二值图像后再使用1-im2bw(filter_image,level)的方法进行求反，最终得到所需二值图像；其中greythresh(gray_image)指令使用最大类间方差法自动寻找灰度图像的合适阈值，找到图像的一个合适的阈值；针对每张图像都会得到不同的阈值；最大类间方差法是按照图像的灰度特性，将图像分为背景和目标两部分；背景和目标之间的类间方差越大，说明构成图像的两部分的差别越小，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小；最后为了后续操作，使用uint8指令变换图像类型；

S3使用形态学腐蚀运算，对二值图像进行腐蚀操作，扫描全图，对消失的像素点进行标记；本方法使用Matlab中imerode指令对图像进行腐蚀操作，使用3×3单位矩阵作为结构元素矩阵，即 $\left\{\begin{array}{ccc}1& 1& 1\\ 1& 1& 1\\ 1& 1& 1\end{array}\right\};$ 中间的1为结构元素中心；使用3×3单位矩阵作为结构元素矩阵腐蚀操作即为用结构元素扫描图像的每一个像素，用结构元素与其覆盖的二值图像做与操作：如果都为1，结果图像的该像素点值为1，否则为0；

S4循环上述操作，对第N次消失的像素点标记为N，直至二值图像中所有的连通区域被腐蚀至消失；

当处理完所有标记区域，也获得了所有的种子点；

二值图像变换为从各连通区域边缘至种子点过程中数值逐渐增大的灰度图像，背景的灰度值为0；灰度图像梯度变化稳定，种子点精确地定位在各连通区域内部；形态学使用的腐蚀运算如下：

集合A被集合B腐蚀写为AΘB，被定义为

$A\mathrm{\Θ}B=\∩\{A-b,b\∈B\}=\underset{b\∈B}{\∩}{A}_{-b}$

S5定义计算矩阵、生成距离变换矩阵与随着每次腐蚀进行计数的全局变量；计算矩阵每次进行腐蚀后，对从1变为0的像素点在生成的距离变换矩阵中对应地使用计数全局变量当前值进行标记；

S6扫描全图即为对全图像素点进行求和，如果结果不为0，则继续循环操作，如果为0即终止操作，得到最终的距离图像；本方法使用Matlab中的q＝sum(sum(Bw))获得计算矩阵中个像素点的累加和；

S7对得到的距离图像采用分水岭方法，根据连通区域内的像素灰度值从大到小浸没孢子，得到分割线，再进行孢子分割；最终实现对粘连孢子的分割，使粘连的边缘部分断开；本方法对粘连边缘不长并且没有重叠部分的粘连孢子效果良好。