CN113744184A - 一种基于图像处理的乌鳢卵子计数方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的乌鳢卵子计数方法，包括以下步骤：S1、对需要计数的乌鳢卵子目标进行图像采集，并传入计算机；S2、对采集的图像进行灰度化处理；S3、采用top‑hat变换算法进行图像增强，首先设计圆形结构元素，对图像做开运算，并用原始图像减去开运算所得图像，实现增强效果；S4、采用引导滤波方法进行图像滤波处理；S5、图像分割；S6、卵子识别与计数。本发明通过对乌鳢卵子通过直接成像，获取乌鳢卵子图片，经过本发明提出的处理流程，在非接触前提下完成卵子计数任务，精度高而且不会对卵子原有生存环境产生变化。

Description

一种基于图像处理的乌鳢卵子计数方法

技术领域

本发明涉及图像处理与水产养殖交叉领域，尤其是涉及一种基于图像处理的乌鳢卵子计数方法。

背景技术

乌鳢个体大、生长快，而且营养丰富，比鸡肉、牛肉所含的蛋白质高。作为药用具有去瘀生新，滋补调养等功效，因此养殖乌鳢具有较高的经济价值。乌鳢多栖息在湖泊、池沼、江河中水不流畅而混浊的泥底处，它们的产卵场也往往在这一类场所。对产卵时间、产卵量的估计则有利于后期的人工养殖。

乌鳢卵子常规计数方法有四种。最原始的是直接点数，但比较费时间，特别是工厂化育苗数量大，逐个点数是不可能的。也可用面积法、容积法或称量法。由于乌鳢的卵属飘浮性卵，产出的卵未经扰散，排列整齐紧密集中，并浮于水表层，可采用面积计数法。所谓面积计数法，先取一个单位面积的卵子，数出卵子数，然后测出每一窝的面积便可知每窝的卵子数量。容积法，先用一个标准容器，装满受精卵，然后数出这一容积中的卵子个数。以后用这标准容器去量出杯数，就可算出卵子总数。

总体而言，传统乌鳢卵子计数方法存在两个主要问题，其一是传统计数方法除人工直接点数外，面积法、容积法、称量法均是接触式计数方法，需要捞取卵子，破坏原有环境；其二是这些方法由于采用的是估算面积、容积或者重量，再做均分的方式，必定由于个体之间差异存在一定的误差，难以消除。

发明内容

发明目的：为了克服背景技术的不足，本发明公开了一种基于图像处理的乌鳢卵子计数方法，在非接触前提下完成卵子计数任务，精度高而且不会对卵子原有生存环境产生变化。

技术方案：本发明的基于图像处理的乌鳢卵子计数方法，包括以下步骤：

S1、对需要计数的乌鳢卵子目标进行图像采集，并传入计算机；

S2、对采集的图像进行灰度化处理；

S3、采用top-hat变换算法进行图像增强，首先设计圆形结构元素，对图像做开运算，并用原始图像减去开运算所得图像，实现增强效果；

S4、采用引导滤波方法进行图像滤波处理；

S5、图像分割

S5.1使用Sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，获取梯度图像；

S5.2把梯度图像中的所有像素按照灰度值进行分类，并设定一个测地距离阈值；

S5.3找到灰度值最小的像素点为起始点，让threshold从起始点开始增长；

S5.4水平面在增长的过程中，会碰到周围的邻域像素，测量这些像素到起始点的测地距离，如果小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，如此对邻域像素进行分类；

S5.5随着水平面增高，设置更多更高的大坝，直到灰度值的最大值，所有区域都在分水岭线上相遇，所有大坝即对整个图像像素进行分区；

S6、卵子识别与计数

S6.1用半径为2大小的圆形结构元素腐蚀分割结果中的目标区域，分割后的区域之间的距离变大，避免影响邻近目标区域相互影响；

S6.2调用Open CV库中find Contours()函数提取颗粒分割结果中每个区域的轮廓；

S6.3依次遍历每个区域轮廓，并用min Enclosing Circle()函数求取能够包围的区域外轮廓点集的最小外接圆，圆的半径r和圆心(a,b)，该圆心可近似为颗粒中心点；

S6.4由于S6.1对目标进行腐蚀，将求取的外接圆的半径增加2，将圆心为(a,b)、半径为r+2的圆画于原图；

S6.5统计所有圆的面积，为A₁，A₂…A_N，得到面积中间值大小为S_median，将面积大于或者小于0.2*S_median的圆删除，这些圆因为面积过大或过小，不应计入卵子数量。然后计数保留下来的圆，其数量即为最终的卵子数量。

其中，S1中采集的图像中单个卵子目标有效像素点个数不低于20*20。

进一步的，S2中灰度处理时：

Gray＝0.299R+0.587G+0.114B

其中，R,G,B分别是采集彩色图像的红、绿、蓝通道。

进一步的，S3具体包括以下步骤：

S3.1设计圆形结构元素b；

S3.2利用结构元素b对原图像做灰度腐蚀和膨胀操作；

腐蚀过程为将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相减，腐蚀结果为其最小值：

膨胀过程为腐蚀过程对偶运算，将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相加，腐蚀结果为其最大值：

经过对图像先腐蚀后膨胀运算后，即完成开运算，得到的运算结果图f_open；

S3.3原始图像减去开运算所得结果：

f_top-hat＝f(x,y)-f_open。

进一步的，S4中引导滤波假设引导图像和输出图像之间存在局部线性关系，如下式所示：

其中，I为引导图像，q为滤波后输出结果，w_k为像素点k为中心的正方形窗口，a_k、b_k为窗口中的常系数，其取值如下：

其中，μ_k和

为引导图像I在窗口w_k中的均值和方差，|w|是窗口w_k中的像素点总数，

是输入图像p在窗口w_k中像素点的平均值。

有益效果：本发明通过对乌鳢卵子通过直接成像，获取乌鳢卵子图片，经过本发明提出的处理流程，在非接触前提下完成卵子计数任务，精度高而且不会对卵子原有生存环境产生变化。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

计算机读取高光谱遥感图像数据和配准好的高分辨率图像数据，首先基于非负矩阵分解建立初步的目标函数，然后在此基础上添加光谱约束项，得到最终的融合模型，对此融合模型求极值函数得到标准图像和权值矩阵，用高分辨率图像乘以标准图像与高分辨率图像加权后的图像，所得结果即为所求的高光谱融合图像。

如图1所示的基于图像处理的乌鳢卵子计数方法，计算机配置采用：Intel dual-core处理器，主频1.6GHz，内存2GB，操作***为Windows Vista Home Basic，编程环境为Matlab7.1。该方法包括以下步骤：

S1：图像采集

采用搭载高清摄像头的图像采集***，对需要计数的乌鳢卵子目标进行图像采集，并将相关图像传入计算机，图像中单个卵子目标有效像素点个数不低于20*20。

S2：灰度化处理

将彩色图像转换为灰度图像，便于后续处理。

Gray＝0.299R+0.587G+0.114B

其中，R,G,B分别是采集彩色图像的红、绿、蓝通道。

S3：图像增强预处理

采用top-hat变换算法解决图像光照强度不一致问题，首先设计圆形结构元素，对图像做开运算，并用原始图像减去开运算所得图像，实现增强效果。

S3.1设计圆形结构元素b：

设计半径为5的圆形结构元素b如下:

S3.2利用结构元素b对原图像做灰度腐蚀和膨胀操作：

腐蚀过程是将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相减，腐蚀结果为其最小值：

膨胀过程为腐蚀过程对偶运算，将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相加，腐蚀结果为其最大值：

经过对图像先腐蚀后膨胀运算后，即完成开运算。得到的运算结果图f_open整体亮度相对均匀。

S3.3原始图像减去开运算所得结果

f_top-hat＝f(x,y)-f_open

原始图像减去开运算结果，可以得到top-hat计算结果。

S4：图像滤波

采用引导滤波方法，对S3所得增强图像进行滤波处理，消除噪声，获得边缘纹理较为清晰的图像。引导滤波假设引导图像和输出图像之间存在局部线性关系，如下式所示：

这里，I为引导图像，q为滤波后输出结果。w_k为像素点k为中心的正方形窗口，(a_k,b_k)为窗口中的常系数，其取值如下：

μ_k和

为引导图像I在窗口w_k中的均值和方差，|w|是窗口w_k中的像素点总数，

是输入图像p在窗口w_k中像素点的平均值。

S5：图像分割

S5.1使用Sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，获取梯度图像，sobel算子滤波后的图像在边界处会显示比较大的值，在没有边界处的值会很小。

S5.2把梯度图像中的所有像素按照灰度值进行分类，并设定一个测地距离阈值。

S5.3找到灰度值最小的像素点(默认标记为灰度值最低点)，让threshold从最小值开始增长，这些点为起始点。

S5.4水平面在增长的过程中，会碰到周围的邻域像素，测量这些像素到起始点(灰度值最低点)的测地距离，如果小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，这样就对这些邻域像素进行了分类。

S5.5随着水平面越来越高，会设置更多更高的大坝，直到灰度值的最大值，所有区域都在分水岭线上相遇，这些大坝就对整个图像像素的进行了分区。

S6：卵子识别与计数

在分割开粘连重叠颗粒后，为了便于观察，本文将最终的识别结果标记于原图。具体步骤是：

S6.1用半径为2大小的圆形结构元素腐蚀分割结果中的目标区域，分割后的区域之间的距离变大，避免影响邻近目标区域相互影响。

S6.2调用Open CV库中find Contours()函数提取颗粒分割结果中每个区域的轮廓。

S6.3依次遍历每个区域轮廓，并用min Enclosing Circle()函数求取能够的包围区域外轮廓点集的最小外接圆，圆的半径r和圆心(a,b)，该圆心可近似为颗粒中心点。

S6.4由于步骤1对目标进行轻微了腐蚀，这里将求取的外接圆的半径增加2，最后将圆心为(a,b)、半径为r+2的圆画于原图。

S6.5统计所有圆的面积，为A₁，A₂…A_N，得到面积中间值大小为S_median，将面积大于或者小于0.2*S_median的圆删除，这些圆因为面积过大或过小，不应计入卵子数量。然后计数保留下来的圆，其数量即为最终的卵子数量。

本发明的方法很好的解决了基于图像处理的乌鳢卵子计数问题，因而此方法可以应用到乌鳢自动养殖中，具有广阔的应用前景和价值。

Claims (5)

1.一种基于图像处理的乌鳢卵子计数方法，其特征在于，包括以下步骤：

S1、对需要计数的乌鳢卵子目标进行图像采集，并传入计算机；

S2、对采集的图像进行灰度化处理；

S3、采用top-hat变换算法进行图像增强，首先设计圆形结构元素，对图像做开运算，并用原始图像减去开运算所得图像，实现增强效果；

S4、采用引导滤波方法进行图像滤波处理；

S5、图像分割

S5.1使用Sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，获取梯度图像；

S5.2把梯度图像中的所有像素按照灰度值进行分类，并设定一个测地距离阈值；

S5.3找到灰度值最小的像素点为起始点，让threshold从起始点开始增长；

S5.4水平面在增长的过程中，会碰到周围的邻域像素，测量这些像素到起始点的测地距离，如果小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，如此对邻域像素进行分类；

S5.5随着水平面增高，设置更多更高的大坝，直到灰度值的最大值，所有区域都在分水岭线上相遇，所有大坝即对整个图像像素进行分区；

S6、卵子识别与计数

S6.1用半径为2大小的圆形结构元素腐蚀分割结果中的目标区域，分割后的区域之间的距离变大，避免影响邻近目标区域相互影响；

S6.2调用Open CV库中find Contours()函数提取颗粒分割结果中每个区域的轮廓；

S6.3依次遍历每个区域轮廓，并用min Enclosing Circle()函数求取能够包围的区域外轮廓点集的最小外接圆，圆的半径r和圆心(a,b)，该圆心可近似为颗粒中心点；

S6.4由于S6.1对目标进行腐蚀，将求取的外接圆的半径增加2，将圆心为(a,b)、半径为r+2的圆画于原图；

S6.5统计所有圆的面积，为A₁，A₂…A_N，得到面积中间值大小为S_median，将面积大于或者小于0.2*S_median的圆删除，不应计入卵子数量，计数保留下来的圆的数量即为最终的卵子数量。

2.根据权利要求1所述的基于图像处理的乌鳢卵子计数方法，其特征在于：S1中采集的图像中单个卵子目标有效像素点个数不低于20*20。

3.根据权利要求1所述的基于图像处理的乌鳢卵子计数方法，其特征在于：S2中灰度处理时：

Gray＝0.299R+0.587G+0.114B

其中，R,G,B分别是采集彩色图像的红、绿、蓝通道。

4.根据权利要求1所述的基于图像处理的乌鳢卵子计数方法，其特征在于，S3具体包括以下步骤：

S3.1设计圆形结构元素b；

S3.2利用结构元素b对原图像做灰度腐蚀和膨胀操作；

腐蚀过程为将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相减，腐蚀结果为其最小值：

(fΘb)＝min{f(s+x,t+y)-b(x,y)|(s+x),(t+y)∈D,(x,y)∈S}

膨胀过程为腐蚀过程对偶运算，将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相加，腐蚀结果为其最大值：

(fΘb)＝min{f(s-x,t-y)-b(x,y)|(s-x),(t-y)∈D,(x,y)∈S}

经过对图像先腐蚀后膨胀运算后，即完成开运算，得到的运算结果图f_open；

S3.3原始图像减去开运算所得结果：

f_top-hat＝f(x,y)-f_open。

5.根据权利要求1所述的基于图像处理的乌鳢卵子计数方法，其特征在于：S4中引导滤波假设引导图像和输出图像之间存在局部线性关系，如下式所示：

其中，I为引导图像，q为滤波后输出结果，w_k为像素点k为中心的正方形窗口，a_k、b_k为窗口中的常系数，其取值如下：

其中，μ_k和

为引导图像I在窗口w_k中的均值和方差，|w|是窗口w_k中的像素点总数，

是输入图像p在窗口w_k中像素点的平均值。

Images