【摘要】文章提出圖像處理技術(shù)在生物菌群分析中的一種應(yīng)用。首先使用CCD采集到生物菌群圖像，然后使用圖像預(yù)處理技術(shù)消除噪聲及圖像增強，接著采用圖像處理技術(shù)提取圖像中菌群的特征，最后根據(jù)特征參數(shù)自動識別出菌群位置。

【關(guān)鍵詞】生物分析;圖像處理;菌群;圖像分割

1.引言

培養(yǎng)基里菌群的數(shù)量及面積是菌群分析的兩大特征。人工分析菌群數(shù)量及面積存在分析速度慢、主觀因素強、錯檢漏檢等現(xiàn)象。通過圖像處理方法可以快捷、準確、科學(xué)地分析培養(yǎng)基中菌群的生物特征。

2.系統(tǒng)結(jié)構(gòu)

本系統(tǒng)照明設(shè)備為培養(yǎng)基提供足夠的光亮強度，CCD相機通過掃描培養(yǎng)基獲取圖像，采集到的圖像保存在分析設(shè)備的共享內(nèi)存中。軟件分析設(shè)備調(diào)用共享內(nèi)存中的圖像數(shù)據(jù)，使用圖像處理的方法對圖像數(shù)據(jù)進行分析，最后將處理結(jié)果顯示在顯示設(shè)備上或?qū)⒎治鰯?shù)據(jù)存儲在存儲設(shè)備上。系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)

3.軟件系統(tǒng)

本系統(tǒng)采用Visual Studio 2008軟件開發(fā)平臺開發(fā)生物分析軟件。包含有圖像采集、圖像預(yù)處理、閾值分割、生物特征提取等處理過程，處理流程圖如圖2所示。

圖2 生物分析流程

3.1 圖像數(shù)據(jù)采集

照明設(shè)備對圖像數(shù)據(jù)的有效性有直接的影響。通過設(shè)置照明設(shè)備的強度與角度，以及相機的曝光時間與增益等，獲取到最佳的分析圖像數(shù)據(jù)。

3.2 圖像預(yù)處理

采集圖像數(shù)據(jù)時，不可避免會產(chǎn)生噪聲，如圖3所示。這些噪聲在不同程度上影響圖像的真實性，導(dǎo)致后續(xù)的生物特征提取及生物特征分析出現(xiàn)困難。

經(jīng)過大量圖像數(shù)據(jù)統(tǒng)計與分析，圖像中產(chǎn)生的噪聲多為椒鹽噪聲，使用中值濾波算法可以有效地消除此類噪聲。

中值濾波是一種非線性數(shù)字濾波器技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中某一點的值，用該點的一個鄰域中各點值的中值代替，讓周圍的像素值共同決定該點的值，從而消除孤立的噪聲點。中值濾波可以克服線性濾波器引入的圖像細節(jié)模糊，非常適合濾除脈沖干擾和圖像的掃描噪聲。

圖3 培養(yǎng)基

3.3 閾值分割

本文研究的是培養(yǎng)基中菌群的數(shù)量及大小，為了能夠準確地提取菌群的特征，需要過濾掉與菌群特征無關(guān)的培養(yǎng)基等背景圖像信息。

通過圖像灰度直方圖（圖3）分析發(fā)現(xiàn)，菌群的灰度分布在低灰度值區(qū)域，培養(yǎng)基及其它背景分布在高灰度值區(qū)域，兩個灰度峰值之間存在明顯的灰度波谷?？梢酝ㄟ^固定閾值分割的方式區(qū)分出目標與背景區(qū)域，通過及分析直方圖及實驗證明，固定閾值取125可以很好地區(qū)分出目標與背景區(qū)域。

3.4 生物特征提取

培養(yǎng)基菌群特征分析包含有菌群的數(shù)量與大小。經(jīng)過上述處理后，一個個菌群分隔成了一個個連通域。實現(xiàn)連通區(qū)域檢測的方法有多種，本文采用區(qū)域生長法。

區(qū)域生長法首先對圖像進行逐行（列）掃描，遇到未標記的數(shù)值為255的像素點時，為其分配一個未使用過的標號（如1等）且對標號進行計數(shù)，然后對其領(lǐng)域進行檢測，如果存在領(lǐng)域值為255的像素，則賦予相同的標號且數(shù)量加1，反復(fù)進行領(lǐng)域檢測這一操作.直到不存在領(lǐng)域值為255的像素。然后繼續(xù)圖像行（列）掃描，如檢測新的未標記像素的值為255，則賦予其新的標號，并進行以上相同的處理。使用同一方法，直至整個圖像掃描結(jié)束。

通過求得連通域的標號的最大值，以及每一個連通域標號的計數(shù)值，可以得到菌群的數(shù)量與大小。

在培養(yǎng)基中，存在多個菌群粘在一起的現(xiàn)象?？梢允褂孟雀g、后膨脹的方法分隔開這類菌群。

腐蝕與膨脹是形態(tài)學(xué)圖像處理。假設(shè)A和B是z中的集合，A被B膨脹的定義為：

上述公式是得到B的相對于它自身原點的映象并且由z對映象進行位移為基礎(chǔ)的。A被B膨脹是所有位移z的集合，這樣和A至少有一個元素是重疊的。

假設(shè)A和B是z中的集合，B對A進行腐蝕可以用表示，它的定義為：

上述公式說明，使用B對A進行腐蝕是所有B中包含于A中的點z的集合用z平移。

如果多個菌群粘結(jié)范圍大，可以通過人為割裂的方式分隔開各個菌群。

去除背景后的特征提取如圖4所示。

圖4 培養(yǎng)基特征提取

4.實驗結(jié)果及分析

本文以10個培養(yǎng)基作為樣本。由檢測系統(tǒng)、工作人員、專家分別識別培養(yǎng)基中菌群的數(shù)量及每一個菌群的大小，然后將檢測系統(tǒng)、工作人員檢測出的結(jié)果與專家檢測結(jié)果進行比較?？倲?shù)量表示培養(yǎng)基中菌群的總數(shù)量，總數(shù)量誤差率是相對于總數(shù)量而言，其中以專家標定的總數(shù)量作為基準;總面積誤差是指每一個菌群與專家標定的誤差總和，總面積誤差率是對于總面積而言，其中以專家標定的總面積作為基準。相關(guān)數(shù)據(jù)如表1所示。

由表1的數(shù)據(jù)分析可知，檢測系統(tǒng)與工作人員測出的菌群總數(shù)量與專家標定的非常的接近，只有樣本3與專家標定的結(jié)果不一致。樣本3主要是分割菌群時，與專家實施的標準不一致。檢測系統(tǒng)與工作人員在標定菌群面積與，都與專家標定的菌群面積有誤差，檢測系統(tǒng)的誤差率在2%左右，工作人員的誤差率在5%左右，檢測系統(tǒng)的誤差率遠小于工作人員標定的誤差率。

5.結(jié)論

本文研究的是圖像處理在培養(yǎng)基中菌群數(shù)量與大小的研究與應(yīng)用。實驗結(jié)果證明，該系統(tǒng)比人工檢測更精確。然而，軟件系統(tǒng)依然存在一些可以改進的地方，對于多菌群粘結(jié)在一起的情況，需要人為干預(yù)分隔開這些菌群;對于一些菌群的認定，需要采集與分析更多的專家已經(jīng)標定的樣本，以這些樣本為基準對待檢測對象進行標定。

參考文獻

[1]岡薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社， 2011（6）.

[2]章毓晉.圖像分析[M].北京：清華大學(xué)出版社，2005（10）.

[3]王鈮，于新生等.圖像自動識別技術(shù)在海洋浮游生物分析中的應(yīng)用[J].海洋科學(xué)，2007，31（10）：61-66.

[4]鄒慶勝，汪仁煌，明俊峰.基于機器視覺的瓷磚多參數(shù)分類系統(tǒng)的設(shè)計[J].廣東工業(yè)大學(xué)學(xué)報，2010，27（4）：46-49.

[5]高潮，任可，郭永彩.基于機器視覺的裂紋缺陷檢測技術(shù)[J].航空精密制造技術(shù)，2007，43（5）：23-25.

作者簡介：溫金保（1984—），男，碩士，助教，現(xiàn)供職于廣東水利電力職業(yè)技術(shù)學(xué)院， 研究方向：智能控制。