JPS6370384A - 複数物体個数縮退抽出方法 - Google Patents
複数物体個数縮退抽出方法Info
- Publication number
- JPS6370384A JPS6370384A JP21519286A JP21519286A JPS6370384A JP S6370384 A JPS6370384 A JP S6370384A JP 21519286 A JP21519286 A JP 21519286A JP 21519286 A JP21519286 A JP 21519286A JP S6370384 A JPS6370384 A JP S6370384A
- Authority
- JP
- Japan
- Prior art keywords
- image
- binary
- processor
- objects
- aggregated
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 31
- 239000000126 substance Substances 0.000 title abstract 2
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims description 15
- 210000003855 cell nucleus Anatomy 0.000 abstract description 23
- 230000004931 aggregating effect Effects 0.000 abstract description 3
- 230000006835 compression Effects 0.000 abstract 1
- 238000007906 compression Methods 0.000 abstract 1
- 230000001808 coupling effect Effects 0.000 abstract 1
- 210000004027 cell Anatomy 0.000 description 17
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 12
- 230000007850 degeneration Effects 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000004663 cell proliferation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002062 proliferating effect Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000012192 staining solution Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は画像処理装置の複数物体個数抽出方法に係り、
特に多数の物体を一度にカウントする場合に好適な複数
物体個数縮退抽出方法に関する。
特に多数の物体を一度にカウントする場合に好適な複数
物体個数縮退抽出方法に関する。
(従来の技術〕
従来のこの種の複数物体個数抽出方式は。
「コロナ社発行、長尾真著、′画像認ffi論pp J
に記載されているようにラベルを各物体に割付けること
により複数物体をカウントする方式が主流である。以下
、上記方式について第14図及び第15図を参照しなが
ら説明する。方式では、複数の物体画像10を表現した
2値画像11に対して、左上から右下に向って下記(1
)式の点集合を有するテンプレート12(第14図(4
)参照)をもってラスタ走査を行ない、テンプレート1
2の点(IPj)が最初に値“1″を発見するとその点
に対してラベル番号■を与え、あらかじめ用意しておい
た第14図(m)に示すような濃淡画像メモリ13に書
き込む、以後連続して値“1″が続く限りテンプレート
12の点(x 1tj)が前のラベル番号■を認識す
るので、同じラベル番号のを与え続は同一ラスタ内で値
“1″が途切れて再び値“IMを発見すると、テンプレ
ート12の点集合Sに該当するラベル番号がないとき次
のラベル番号■を与え前記と同様に濃淡画像メモリ13
に書き込む、さらに、第2ラスタ以降は、値“1”の点
Cxe j)の距離1の近傍内の点集合、5=(Cx
Lj)p(1−LJ−1)p(1+ j−ILb+L
j 1))・・・・・・(1) に既にラベル付けされたものがあれば、点(xtj)に
そのラベル番号を与えて濃淡画像メモリに書き込む、ま
た前記点集合Sの値がすべて“0”で、<115)のみ
が2値“1nを検知したならば、新しいラベル番号を与
え、前記点の中に異なるラベル番号があれば優位順位を
、 点(i−1tjL点D−Lj−IL 点(it j−IL点(i+1.j−1)の順とし当該
点のラベル番号を与えてから、第14図(IV)に示す
ように、同一物体に対して複数のラベル割付があること
をスタックメモリ10に記憶する。第14図(IV)に
示すスタックメモリ14の左側ラベル番号は、右側ラベ
ル番号と関連することを示している。こうして最下ラス
タまでくり返し実行して仮ラベルを実現した第14図(
m)に示す如くの濃淡画像13を得る。次に、同一物体
に対して複数のラベルが与えられている物体があるので
ラベル番号を1個にするようラベルの振替えを、前記の
記憶したスタックメモリ10の情報を用いて行なう必要
がある。この動作を説明するために示したものが第15
図である。
に記載されているようにラベルを各物体に割付けること
により複数物体をカウントする方式が主流である。以下
、上記方式について第14図及び第15図を参照しなが
ら説明する。方式では、複数の物体画像10を表現した
2値画像11に対して、左上から右下に向って下記(1
)式の点集合を有するテンプレート12(第14図(4
)参照)をもってラスタ走査を行ない、テンプレート1
2の点(IPj)が最初に値“1″を発見するとその点
に対してラベル番号■を与え、あらかじめ用意しておい
た第14図(m)に示すような濃淡画像メモリ13に書
き込む、以後連続して値“1″が続く限りテンプレート
12の点(x 1tj)が前のラベル番号■を認識す
るので、同じラベル番号のを与え続は同一ラスタ内で値
“1″が途切れて再び値“IMを発見すると、テンプレ
ート12の点集合Sに該当するラベル番号がないとき次
のラベル番号■を与え前記と同様に濃淡画像メモリ13
に書き込む、さらに、第2ラスタ以降は、値“1”の点
Cxe j)の距離1の近傍内の点集合、5=(Cx
Lj)p(1−LJ−1)p(1+ j−ILb+L
j 1))・・・・・・(1) に既にラベル付けされたものがあれば、点(xtj)に
そのラベル番号を与えて濃淡画像メモリに書き込む、ま
た前記点集合Sの値がすべて“0”で、<115)のみ
が2値“1nを検知したならば、新しいラベル番号を与
え、前記点の中に異なるラベル番号があれば優位順位を
、 点(i−1tjL点D−Lj−IL 点(it j−IL点(i+1.j−1)の順とし当該
点のラベル番号を与えてから、第14図(IV)に示す
ように、同一物体に対して複数のラベル割付があること
をスタックメモリ10に記憶する。第14図(IV)に
示すスタックメモリ14の左側ラベル番号は、右側ラベ
ル番号と関連することを示している。こうして最下ラス
タまでくり返し実行して仮ラベルを実現した第14図(
m)に示す如くの濃淡画像13を得る。次に、同一物体
に対して複数のラベルが与えられている物体があるので
ラベル番号を1個にするようラベルの振替えを、前記の
記憶したスタックメモリ10の情報を用いて行なう必要
がある。この動作を説明するために示したものが第15
図である。
第5図では、スタックメモリ14の情報を加工し、仮ラ
ベルにて割付けて仮ラベル物体画像15を表現した濃淡
画像13から順序よくラベル番号を再配置してラベル付
は物体画像16を表現した濃淡画像13を得る。
ベルにて割付けて仮ラベル物体画像15を表現した濃淡
画像13から順序よくラベル番号を再配置してラベル付
は物体画像16を表現した濃淡画像13を得る。
このようにして最終的に得られた濃淡画像2に対して与
えた最大ラベル番号が物体個数となる。
えた最大ラベル番号が物体個数となる。
ここでは8連結性を維持して物体をカウントしたが、前
記点集合S′を s’ =Hi−11jL (it j−1)) ・・
・(2)として処理することにより4連結による物体を
カウントすることが可能である。
記点集合S′を s’ =Hi−11jL (it j−1)) ・・
・(2)として処理することにより4連結による物体を
カウントすることが可能である。
前記従来技術は、ラベルを各画素毎に割付けるが故に個
数の抽出対象となる物体が膨大な数になればなる程、仮
ラベル付時点でのラベル番号の発生数は、その物体の形
状に応じて割当てられることになる。このため、複雑な
形状をした物体が数多くある場合は、物体個数の抽出が
できない可能性がある。前記従来技術において、物体個
数の抽出をするためには、1画素単位に与えるラベル付
は情報の重みを大きくした濃淡画像メモリ、およびこれ
に対応するラベル変換を行なうスタックメモリを確保し
なければならない、このように大多数の物体に対して個
数抽出するときは、記憶する情報量が飛■的に増加する
点について配慮がされておらず大規模なハードウェア物
量の増加を伴なうところに問題があった。
数の抽出対象となる物体が膨大な数になればなる程、仮
ラベル付時点でのラベル番号の発生数は、その物体の形
状に応じて割当てられることになる。このため、複雑な
形状をした物体が数多くある場合は、物体個数の抽出が
できない可能性がある。前記従来技術において、物体個
数の抽出をするためには、1画素単位に与えるラベル付
は情報の重みを大きくした濃淡画像メモリ、およびこれ
に対応するラベル変換を行なうスタックメモリを確保し
なければならない、このように大多数の物体に対して個
数抽出するときは、記憶する情報量が飛■的に増加する
点について配慮がされておらず大規模なハードウェア物
量の増加を伴なうところに問題があった。
本発明の目的は、個数の抽出対象となる物体が膨大な数
となっても記憶する情報量を最小として複数物体の個数
抽出をする複数物体個数縮退抽出方法を提供することに
ある。
となっても記憶する情報量を最小として複数物体の個数
抽出をする複数物体個数縮退抽出方法を提供することに
ある。
上記目的を達成した本発明は、濃淡画像入力手段と、濃
淡画像中の物体画像を2値化する手段と。
淡画像中の物体画像を2値化する手段と。
前記物体2値画像から物体の個数を抽出する手段とを少
なくとも有する画像処理装置により複数物体の個数を抽
出する方法において、前記2値画像に対して所定の連結
性を保ちつつ当該画像の周囲から一定面積の集約画像に
集約し、この集約した集約画像に対して2値頻度分布を
抽出し、所定の集約画像となるまで上記処理を実行する
。
なくとも有する画像処理装置により複数物体の個数を抽
出する方法において、前記2値画像に対して所定の連結
性を保ちつつ当該画像の周囲から一定面積の集約画像に
集約し、この集約した集約画像に対して2値頻度分布を
抽出し、所定の集約画像となるまで上記処理を実行する
。
各物体の2値画像に対して縮退させる処理は、各物体を
構成する画素を周囲から1画素づつ連結性を保ちつつ削
除する。これをくり返し実行すれば、各物体は最終的に
当該物体を形成する最小構成要素である1画素に集約さ
れることとなる。さらに、縮退させる処理ののち2値頻
度分布を抽出すれば、2個画像中の値“1”の数を抽出
可能なので各物体全てが1画素に集約されたかどうかの
判定が可能であり、2値頻度が変化しなくなった時点の
値“1”の頻度が物体の数となる。これによって値u
171の頻度を格納するだけのメモリの増加で膨大な物
体の数であっても個数抽出可能となる。
構成する画素を周囲から1画素づつ連結性を保ちつつ削
除する。これをくり返し実行すれば、各物体は最終的に
当該物体を形成する最小構成要素である1画素に集約さ
れることとなる。さらに、縮退させる処理ののち2値頻
度分布を抽出すれば、2個画像中の値“1”の数を抽出
可能なので各物体全てが1画素に集約されたかどうかの
判定が可能であり、2値頻度が変化しなくなった時点の
値“1”の頻度が物体の数となる。これによって値u
171の頻度を格納するだけのメモリの増加で膨大な物
体の数であっても個数抽出可能となる。
以下1本発明を図示の実施例に基づいて説明する。
まず、本発明を実現する装置の説明から始める。
第13図は本発明に係る複数物体個数抽出方式の実施例
を実現する装置を示すブロック図である1図において、
31は映像入力装置、41は主メモリ装置、42は中央
演算処理装置、43はコンソール入出力装置、44はマ
ルチパス、50は画像処理プロセッサ、51は2値画像
メモリ、52は濃淡画像メモリ、53はアドレスプロセ
ッサ、54は積和演算プロセッサ、55は特徴抽出プロ
セッサ、56はヒストグラムプロセッサである。
を実現する装置を示すブロック図である1図において、
31は映像入力装置、41は主メモリ装置、42は中央
演算処理装置、43はコンソール入出力装置、44はマ
ルチパス、50は画像処理プロセッサ、51は2値画像
メモリ、52は濃淡画像メモリ、53はアドレスプロセ
ッサ、54は積和演算プロセッサ、55は特徴抽出プロ
セッサ、56はヒストグラムプロセッサである。
このような構成の装置の基本的動作を説明する。
主メモリ装置41には画像処理プロセッサ50を制御し
たり細胞増殖数情報がら正常、異常の区別を行なう個数
監視論理などの装置の核となるプログラムや、前記細胞
増殖数情報等のプログラムデータを格納し、これに基づ
き中央演算処理装置42によってマルチパス44を経由
して画像処理プロセッサ50に対して制御を行なう、命
令を受けた画像処理プロセッサ5oの内部動作はアドレ
スプロセッサ53下で統一管理される。まず、映1
像入力装置から画像を入力し濃淡画像メモリ52へ格納
する。この濃淡画像に対して積和演算プロ、 セッサ
54により2値化を行なう、2値化して得ら九た細胞核
の2値画像は2値画像メモリ51に格納される。この2
値画像データは特徴抽出プロセッサ55にて縮退処理を
実施し、パイプラインでヒストグラムプロセッサ56に
データが渡り2値頻度分布を取得して再び2値画像メモ
リ51に書込まれる。ここで得られた2値頻度はマルチ
パス47を介して主メモリ装置41に転送できるので縮
退処理を継続指令するが否かの決定は自由にできる。
たり細胞増殖数情報がら正常、異常の区別を行なう個数
監視論理などの装置の核となるプログラムや、前記細胞
増殖数情報等のプログラムデータを格納し、これに基づ
き中央演算処理装置42によってマルチパス44を経由
して画像処理プロセッサ50に対して制御を行なう、命
令を受けた画像処理プロセッサ5oの内部動作はアドレ
スプロセッサ53下で統一管理される。まず、映1
像入力装置から画像を入力し濃淡画像メモリ52へ格納
する。この濃淡画像に対して積和演算プロ、 セッサ
54により2値化を行なう、2値化して得ら九た細胞核
の2値画像は2値画像メモリ51に格納される。この2
値画像データは特徴抽出プロセッサ55にて縮退処理を
実施し、パイプラインでヒストグラムプロセッサ56に
データが渡り2値頻度分布を取得して再び2値画像メモ
リ51に書込まれる。ここで得られた2値頻度はマルチ
パス47を介して主メモリ装置41に転送できるので縮
退処理を継続指令するが否かの決定は自由にできる。
上記第13図の装置を細胞増殖検査装置に適用した場合
の機能ブロック図を第14図に示す。
の機能ブロック図を第14図に示す。
′y514図において、第13図と同一構成要素には同
一の符号を付して説明をすると、21は細胞、22は細
胞核、31は映像入力装置、32は2値化論理、33は
個数抽出論理、34は個数監視論理、35はアラーム出
力装置、39は細胞個数格納メモリ、51は2値画像メ
モリである。
一の符号を付して説明をすると、21は細胞、22は細
胞核、31は映像入力装置、32は2値化論理、33は
個数抽出論理、34は個数監視論理、35はアラーム出
力装置、39は細胞個数格納メモリ、51は2値画像メ
モリである。
本装置の機能は検査対象となる細胞21の単位時間あた
りの増殖数から、正常細胞か異常細胞かを個数監視論理
34によって判断し、異常細胞ならばアラーム出力装置
35によりアラームを出力し、当該細胞が異常細胞であ
ることをメモリに記憶する。これにより細胞検査の省力
化を図るものである8次に、本装置における細胞21の
単位時間あたりの増殖数抽出動作を説明する。検査対象
となる細胞21の数は当該細胞核22の数と同値である
ことに着目し細胞核22を染色液により浮き立たせ、本
画像を映像入力装置31から入力する。入力した濃淡画
像データは細胞核22を抽出する閾値で2値化論理32
により2値化し、この2値画像を2値画像メモリ51へ
格納する6次に。
りの増殖数から、正常細胞か異常細胞かを個数監視論理
34によって判断し、異常細胞ならばアラーム出力装置
35によりアラームを出力し、当該細胞が異常細胞であ
ることをメモリに記憶する。これにより細胞検査の省力
化を図るものである8次に、本装置における細胞21の
単位時間あたりの増殖数抽出動作を説明する。検査対象
となる細胞21の数は当該細胞核22の数と同値である
ことに着目し細胞核22を染色液により浮き立たせ、本
画像を映像入力装置31から入力する。入力した濃淡画
像データは細胞核22を抽出する閾値で2値化論理32
により2値化し、この2値画像を2値画像メモリ51へ
格納する6次に。
この細胞核22の数を2値画像メモリ51のデータから
個数抽出論理33によって抽出し細胞個数格納メモリ3
9へ格納する0以上の処理を定期的に実施することによ
り、単位時間あたりの細胞核22の増殖数が得られる。
個数抽出論理33によって抽出し細胞個数格納メモリ3
9へ格納する0以上の処理を定期的に実施することによ
り、単位時間あたりの細胞核22の増殖数が得られる。
それでは以降に、2値画像メモリ51の内容を加工する
だけで細胞核22の個数を得る個数抽出論理33の動作
について第15図、第1図〜第5図を参照しながら説明
する。
だけで細胞核22の個数を得る個数抽出論理33の動作
について第15図、第1図〜第5図を参照しながら説明
する。
第15図は、後述する2値画像メモリ51の内容の一部
を表わした2値画像25を示す説明図である0本図は値
“1”で表わした例えば細胞核画像26の個数抽出概念
を示したものである。すなわち、個々の細胞核画像26
をそれぞれ矢印の如く周囲からの連結性を保ちつつ面積
nの集約画像27に集約すれば、求める細胞核画a26
の個数(COU N T)は、 n と表わすことができるのである。以下、n=1の集約画
像27を特別に集約画素と称し、第(3)式を C0UNT=Σ(集約画素の面積) として置換し説明してゆくことにする。
を表わした2値画像25を示す説明図である0本図は値
“1”で表わした例えば細胞核画像26の個数抽出概念
を示したものである。すなわち、個々の細胞核画像26
をそれぞれ矢印の如く周囲からの連結性を保ちつつ面積
nの集約画像27に集約すれば、求める細胞核画a26
の個数(COU N T)は、 n と表わすことができるのである。以下、n=1の集約画
像27を特別に集約画素と称し、第(3)式を C0UNT=Σ(集約画素の面積) として置換し説明してゆくことにする。
次に細胞核画像の連結性を変えることなく集約画素22
に集約する動作について説明する。
に集約する動作について説明する。
第2図〜第4図は、2値画像のマスクパターンを示して
いる。以下、このマスクパターンを縮退マスクパターン
と呼ぶ。
いる。以下、このマスクパターンを縮退マスクパターン
と呼ぶ。
第2図〜第4図に示す縮退マスクパターンの見方は、注
目画素Xが値゛1”を持つとき、当該縮退マスクパター
ンに一致すれば出力を値Oと決定し、注目画素を削除す
ることができる。また、縮退マスクパターンのうち空白
となっている部分の値は“1”、′0”どちらでも良い
ことを表わし、縮退マスクパターンに条件式があるとき
は、その条件を満たしたときのみ注目画素を削除すると
とができるものとする。これらの縮退マスクパターンを
用いて次の様に集約する。
目画素Xが値゛1”を持つとき、当該縮退マスクパター
ンに一致すれば出力を値Oと決定し、注目画素を削除す
ることができる。また、縮退マスクパターンのうち空白
となっている部分の値は“1”、′0”どちらでも良い
ことを表わし、縮退マスクパターンに条件式があるとき
は、その条件を満たしたときのみ注目画素を削除すると
とができるものとする。これらの縮退マスクパターンを
用いて次の様に集約する。
第15図による2値画像25を左上がら右下に向ってラ
スタ走値を行ない、当該注目画素が値“0”を持っとき
は出力を値″0”とし、値1′I 11を持った時点で
第3図〜第5図の縮退マスクパターンとそれぞれ比較す
る。ここで、いずれの縮退マスクパターンにも一致しな
い場合は、値“1″をそのまま出力し、いずれかの縮退
マスクパターンと一致したときのみ値it OIFを出
力して集約処理を実施する。以降前記処理をくり返し実
行して1回の画面走査を終了する(ステップ100)。
スタ走値を行ない、当該注目画素が値“0”を持っとき
は出力を値″0”とし、値1′I 11を持った時点で
第3図〜第5図の縮退マスクパターンとそれぞれ比較す
る。ここで、いずれの縮退マスクパターンにも一致しな
い場合は、値“1″をそのまま出力し、いずれかの縮退
マスクパターンと一致したときのみ値it OIFを出
力して集約処理を実施する。以降前記処理をくり返し実
行して1回の画面走査を終了する(ステップ100)。
ここで2値画像25中の細胞核画像26は、一般にそれ
ぞれ外側から1画素分縮退した画像となっている。この
1回の画面走査による処理を以降縮退処理と呼ぶ。
ぞれ外側から1画素分縮退した画像となっている。この
1回の画面走査による処理を以降縮退処理と呼ぶ。
次に2値頻度分布を抽出し、2値頻度を求めておく (
ステップ102)、次に、再度縮退処理を実行しくステ
ップ103)、2値頻度分布抽出を行い(ステップ10
4)、これにより、前回の2値頻度と今回求めた2値頻
度とを比較して(ステップ10.4)、変化の無いとき
はステップ105を介してステップ102へ移り、変化
が無くなるまで縮退処理をくり返す(ステップ102〜
105)。2値頻度の変化が無くなった時点で複数の細
胞核画像15がすべて集約画素へ集約され、このとき求
めた2値頻度のうち1の頻度が求める細胞核個数となっ
ている。ここで示した細胞核画像26を集約画素へ集約
する一例を第2図により説明する。
ステップ102)、次に、再度縮退処理を実行しくステ
ップ103)、2値頻度分布抽出を行い(ステップ10
4)、これにより、前回の2値頻度と今回求めた2値頻
度とを比較して(ステップ10.4)、変化の無いとき
はステップ105を介してステップ102へ移り、変化
が無くなるまで縮退処理をくり返す(ステップ102〜
105)。2値頻度の変化が無くなった時点で複数の細
胞核画像15がすべて集約画素へ集約され、このとき求
めた2値頻度のうち1の頻度が求める細胞核個数となっ
ている。ここで示した細胞核画像26を集約画素へ集約
する一例を第2図により説明する。
第2図(A)に示す値“1″にて表わされた細胞核画像
26に対して、1回目の縮退処理を行なうと(ステップ
100)、1画素分集約した縮退物体画像26′が得ら
れる。ここで採用する第3図〜第5図の縮退マスクパタ
ーンは、第3図(I)。
26に対して、1回目の縮退処理を行なうと(ステップ
100)、1画素分集約した縮退物体画像26′が得ら
れる。ここで採用する第3図〜第5図の縮退マスクパタ
ーンは、第3図(I)。
第3図(V)、第3図(X)、第3図(XI)に示すパ
ターン301,305,310,311である。さらに
続いて縮退処理を行なうことにより(ステップ102)
、第2図(C)に示すような値111 jlを持つ集約
画素27が得られる。
ターン301,305,310,311である。さらに
続いて縮退処理を行なうことにより(ステップ102)
、第2図(C)に示すような値111 jlを持つ集約
画素27が得られる。
ここで、採用する第3図〜第5図の縮退マスクパターン
は、第3図、第4図、第5図に示すパターン302,4
04,504である。同様に本手法では、個数抽出対象
とする物体の径は自由であり、大きさが大小の種類があ
っても正確に個数抽出できる。
は、第3図、第4図、第5図に示すパターン302,4
04,504である。同様に本手法では、個数抽出対象
とする物体の径は自由であり、大きさが大小の種類があ
っても正確に個数抽出できる。
尚、第3図(VI)ニおけるc〜工は、C+D十E+F
+G+H十I:1の関係があり、第3図(■)における
A、Bは、A+B=1の関係がある。また、第5図(V
) 、 (VI)に示すA−Eは、A+B+C+D+
E=1の関係があり、第5図(■)、(■)に示すA−
Cは、A+B+C=4の関係がある。
+G+H十I:1の関係があり、第3図(■)における
A、Bは、A+B=1の関係がある。また、第5図(V
) 、 (VI)に示すA−Eは、A+B+C+D+
E=1の関係があり、第5図(■)、(■)に示すA−
Cは、A+B+C=4の関係がある。
第3図〜第5図にて示した縮退マスクパターンは8連結
パターンであり、前記は8連結による細胞核個数の抽出
を表わした。
パターンであり、前記は8連結による細胞核個数の抽出
を表わした。
また、4連結による細胞核個数の抽出は、第6図〜第7
図に示す4連結の縮退マスクパターンを用いて、8連結
による細胞核個数の抽出と同様に実施できる。
図に示す4連結の縮退マスクパターンを用いて、8連結
による細胞核個数の抽出と同様に実施できる。
二二で8連結性と4連結性の個数抽出の違いは第8図に
示す細胞核画像27.27をそれぞれ1個とするか、2
個とするかである。すなわち、ななめ方向に接した物体
を別物とみなすか否かの選択が可能であり、従来例同様
連結性を維持して物体個数抽出が可能である5以上によ
り、2個画像メモリ内容だけの加工手段によって連結性
を考慮した個数抽出が可能となった。
示す細胞核画像27.27をそれぞれ1個とするか、2
個とするかである。すなわち、ななめ方向に接した物体
を別物とみなすか否かの選択が可能であり、従来例同様
連結性を維持して物体個数抽出が可能である5以上によ
り、2個画像メモリ内容だけの加工手段によって連結性
を考慮した個数抽出が可能となった。
本実施例によれば、特別に用意すべき濃淡画像メモリや
スタックメモリを不要とし、複数物体を表わした2個画
像データの加工だけにより、複数物体個数の抽出ができ
るために装置を小型化、安価に製作できる。さらに、2
値頻度を格納するメモリを単精度整数型で設けておけば
、第5図に示した形状の物体個数が65535個存在す
るときであっても縮退処理を2回実行するのみですべて
の物体が集約されるため、この種の小物体においてはよ
り高速に個数抽出することができることになる。
スタックメモリを不要とし、複数物体を表わした2個画
像データの加工だけにより、複数物体個数の抽出ができ
るために装置を小型化、安価に製作できる。さらに、2
値頻度を格納するメモリを単精度整数型で設けておけば
、第5図に示した形状の物体個数が65535個存在す
るときであっても縮退処理を2回実行するのみですべて
の物体が集約されるため、この種の小物体においてはよ
り高速に個数抽出することができることになる。
また、本実施例では、複数物体画像をそれぞれ集約画素
に集約する方法として縮退処理を用いたが、他の方法を
適用して集約動作を実施もさしつかえない。
に集約する方法として縮退処理を用いたが、他の方法を
適用して集約動作を実施もさしつかえない。
前記実施例において、第9図に示す如く重なり合う複数
物体の連結性を維持しながら個々の物体に分離し、さら
に、それぞれの物体を集約画素に集約して個数抽出する
例を第10図に示すフローチャートを基に説明する。
物体の連結性を維持しながら個々の物体に分離し、さら
に、それぞれの物体を集約画素に集約して個数抽出する
例を第10図に示すフローチャートを基に説明する。
第10図に示す処理フローが第1図と異なるところは、
第1図の個数抽出論理に対してステップ150の公知の
収縮処理を加え、重なり合う物体を分離する機構を設け
た点にある。
第1図の個数抽出論理に対してステップ150の公知の
収縮処理を加え、重なり合う物体を分離する機構を設け
た点にある。
本応用例によれば、3次元での重なり合う物体個数抽出
できる効果がある。
できる効果がある。
以上述べたように本発明によれば、特別に用意すべき濃
淡画像やラベル変換用のスタックメモリなどの領域を必
要とすることなく、値″1”の頻度を格納する領域のみ
設けておくことにより複数物体の個数抽出が可能である
ので、膨大な数の物体の抽出が記憶容量が少なくても可
能となる効果がある。
淡画像やラベル変換用のスタックメモリなどの領域を必
要とすることなく、値″1”の頻度を格納する領域のみ
設けておくことにより複数物体の個数抽出が可能である
ので、膨大な数の物体の抽出が記憶容量が少なくても可
能となる効果がある。
第1図は本発明の実施例を示すフローチャート、第2図
は縮退処理説明するために示す説明図、第3図乃至第5
図は8連性を保ちなから縮退処理に適応する縮退マスク
パターンを示す説明図、第6図及び第7図は4連結性を
保ちなから縮退処理に適用する縮退マスクパターンを説
明するために示す説明図、第8図は連結性に関する説明
図、第9図及び第10図は本発明の応用例を示す説明図
及びフローチャート、第11図及び第12図は従来技術
の動作を説明するために示す図、第13図は本発明の実
施例を実現する装置を示すブロック図、第14図は本発
明のモデルを示す機能ブロック図、第15図は本発明の
概念を示す図である。 21・・・細胞、22・・・細胞核、31・・・映像入
力装置、32・・・2値化論理、33・・・個数抽出論
理、34・・・個数監視論理、35・・・アラーム出力
装置、39・・・細胞個数格納メモリ、41・・・主メ
モリ装置、42・・・中央演算処理装置、43・・・コ
ンソール入出力装置、44・・・マルチパス、50・・
・画像処理プロセッサ、51・・・2個画像メモリ、5
2・・・濃淡画像メモリ、53・・・アドレスプロセッ
サ、54・・・積和演算プロセッサ、55・・・特徴抽
出プロセッサ、56・・・ヒストグラムプロセッサ。
は縮退処理説明するために示す説明図、第3図乃至第5
図は8連性を保ちなから縮退処理に適応する縮退マスク
パターンを示す説明図、第6図及び第7図は4連結性を
保ちなから縮退処理に適用する縮退マスクパターンを説
明するために示す説明図、第8図は連結性に関する説明
図、第9図及び第10図は本発明の応用例を示す説明図
及びフローチャート、第11図及び第12図は従来技術
の動作を説明するために示す図、第13図は本発明の実
施例を実現する装置を示すブロック図、第14図は本発
明のモデルを示す機能ブロック図、第15図は本発明の
概念を示す図である。 21・・・細胞、22・・・細胞核、31・・・映像入
力装置、32・・・2値化論理、33・・・個数抽出論
理、34・・・個数監視論理、35・・・アラーム出力
装置、39・・・細胞個数格納メモリ、41・・・主メ
モリ装置、42・・・中央演算処理装置、43・・・コ
ンソール入出力装置、44・・・マルチパス、50・・
・画像処理プロセッサ、51・・・2個画像メモリ、5
2・・・濃淡画像メモリ、53・・・アドレスプロセッ
サ、54・・・積和演算プロセッサ、55・・・特徴抽
出プロセッサ、56・・・ヒストグラムプロセッサ。
Claims (1)
- 【特許請求の範囲】 1、濃淡画像入力手段と、濃淡画像中の物体画像を2値
化する手段と、前記物体2値画像から物体の個数を抽出
する手段とを少なくとも有する画像処理装置により複数
物体の個数を抽出する方法において、前記2値画像に対
して所定の連結性を保ちつつ当該画像の周囲から一定面
積の集約画像に集約し、この集約した集約画像に対して
2値頻度分布を抽出し、所定の集約画像となるまで上記
処理を実行することを特徴とする複数物体個数縮退抽出
方法。 2、個々の物体2値画像が互いに隣接するとき個個の物
体2値画像を分離して物体個数抽出を行なうことを特徴
とする特許請求の範囲第1項記載の複数物体個数縮退抽
出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP21519286A JPS6370384A (ja) | 1986-09-12 | 1986-09-12 | 複数物体個数縮退抽出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP21519286A JPS6370384A (ja) | 1986-09-12 | 1986-09-12 | 複数物体個数縮退抽出方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS6370384A true JPS6370384A (ja) | 1988-03-30 |
Family
ID=16668202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP21519286A Pending JPS6370384A (ja) | 1986-09-12 | 1986-09-12 | 複数物体個数縮退抽出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS6370384A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012070772A (ja) * | 2010-09-27 | 2012-04-12 | Toshiba Corp | 超音波診断装置、超音波画像処置装置、医用画像処理装置及び超音波画像処理プログラム |
WO2019008753A1 (ja) * | 2017-07-07 | 2019-01-10 | 暢 長坂 | 画像解析装置 |
-
1986
- 1986-09-12 JP JP21519286A patent/JPS6370384A/ja active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012070772A (ja) * | 2010-09-27 | 2012-04-12 | Toshiba Corp | 超音波診断装置、超音波画像処置装置、医用画像処理装置及び超音波画像処理プログラム |
WO2019008753A1 (ja) * | 2017-07-07 | 2019-01-10 | 暢 長坂 | 画像解析装置 |
US11257212B2 (en) | 2017-07-07 | 2022-02-22 | Toru Nagasaka | Image analysis device |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210342586A1 (en) | Systems and methods for extracting and vectorizing features of satellite imagery | |
CN114937151B (zh) | 基于多感受野和注意力特征金字塔的轻量级目标检测方法 | |
US4493105A (en) | Method and apparatus for visual image processing | |
CN111008961B (zh) | 一种输电线路设备缺陷检测方法及其***、设备、介质 | |
JP2021532459A (ja) | 標的細胞標識方法、装置、記憶媒体及び端末デバイス | |
CN111091101B (zh) | 基于一步法的高精度行人检测方法、***、装置 | |
Hu et al. | PolyBuilding: Polygon transformer for building extraction | |
CN111460927A (zh) | 对房产证图像进行结构化信息提取的方法 | |
CN111680690A (zh) | 一种文字识别方法及装置 | |
CN112819796A (zh) | 烟丝异物识别方法及设备 | |
CN113223614A (zh) | 一种染色体核型分析方法、***、终端设备和存储介质 | |
CN111597845A (zh) | 一种二维码检测方法、装置、设备及可读存储介质 | |
CN116128820A (zh) | 一种基于改进yolo模型的销钉状态的识别方法 | |
JP2007200246A (ja) | 画像処理アルゴリズムの評価方法、生成方法、装置、プログラムおよび記録媒体 | |
CN103970901A (zh) | 一种地理信息图形数据整合方法 | |
CN111241897B (zh) | 通过推断视觉关系的工业检验单数字化的***和实现方法 | |
Feng et al. | Improved SOLOv2 detection method for shield tunnel lining water leakages | |
CN113096080A (zh) | 图像分析方法及*** | |
CN111444834A (zh) | 图像文本行检测方法、装置、设备及存储介质 | |
JPS6370384A (ja) | 複数物体個数縮退抽出方法 | |
JPWO2019008753A1 (ja) | 画像解析装置 | |
WO2024045319A1 (zh) | 人脸图像聚类方法、装置、电子设备及存储介质 | |
Hu et al. | Polybuilding: Polygon transformer for end-to-end building extraction | |
CN114463300A (zh) | 钢材表面缺陷检测方法、电子设备、存储介质 | |
CN114022458A (zh) | 骨架检测方法、装置、电子设备和计算机可读存储介质 |