[发明专利]基于明场和暗场图像相结合的线虫存活率识别方法

权利要求书

1.一种基于明场和暗场图像相结合的线虫存活率识别方法，其特征在于，该方法是将线虫放置在384孔板中，间隔预设时间后加入PI染液到384孔板中，分别拍摄线虫的明场图像和暗场图像；通过基于背景亮度估计的图像分割算法将明场图像和暗场图像分别进行图像分割，再将分割后明场图像和暗场图像相结合识别384孔板中线虫总数、死亡线虫的个数以及存活线虫的个数，进而计算线虫存活率。

2.根据权利要求1所述的基于明场和暗场图像相结合的线虫存活率识别方法，其特征在于，该方法具体如下：

S1、在384孔板中设计不同化学品的实验环境；

S2、将成年线虫移至384孔板中的每个孔中，每孔10-20只线虫；

S3、间隔24小时后加入PI染液，并分别拍摄明场图像和暗场图像；

S4、对拍摄得到的明场图像进行图像分割和线虫识别；

S5、对拍摄得到的暗场图像进行图像分割和荧光线虫识别；

S6、将明场图像中识别到的线虫和暗场图像中识别到的荧光线虫进行比对，从而判别明场图像中识别到的每条线虫是否死亡；

S7、通过步骤S6获取死亡线虫的个数，计算线虫存活率。

3.根据权利要求1或2所述的基于明场和暗场图像相结合的线虫存活率识别方法，其特征在于，所述PI染液以1％体积加入线虫体系内，待PI染液均匀分散在体系中，立即拍摄明场图像和暗场图像；其中，环境温度为20-25℃，PI染液的浓度为1mg/ml。

4.根据权利要求1所述的基于明场和暗场图像相结合的线虫存活率识别方法，其特征在于，所述步骤S4中对拍摄得到的明场图像进行图像分割和线虫识别具体如下：

S401、对明场图像中不同区域的背景亮度进行估计；

S402、背景的亮度矫正；根据每个像素点所处区域的背景估计值，将每个像素点原来的灰度值减掉对应的背景估计值得到背景亮度矫正后的结果；

S403、根据背景矫正后的结果图像，使用阈值分割法对图像进行分割；

S404、识别明场图像中的线虫：通过图像分割将线虫和其余区域区分出来；其中，明场图像中线虫为白色，其余区域全为黑色。

5.根据权利要求4所述的基于明场和暗场图像相结合的线虫存活率识别方法，其特征在于，所述步骤S401中对图像中不同区域的背景亮度进行估计具体如下：

S40101、明场图像中每个像素点的灰度值为0-255，将这256个灰度强度级别划分为16级；

S40102、计算不同区域的背景亮度：在明场图像中搜索灰度级别为同一级的像素点，计算出能够围起来这些像素点的最小凸多边形，并将凸多边形内的背景亮度设为当前级别里的最低亮度作为该级每个像素点所处区域的背景估计值。

6.根据权利要求1所述的基于明场和暗场图像相结合的线虫存活率识别方法，其特征在于，所述步骤S5中对拍摄得到的暗场图像进行图像分割和荧光线虫识别具体如下：

S501、对暗场图像中不同区域的背景亮度进行估计；

S502、背景的亮度矫正：根据每个像素点所处区域的背景估计值，将每个像素点原来的灰度值减掉对应的背景估计值得到背景亮度矫正后的结果；

S503、根据背景矫正后的结果图像，使用阈值分割法对图像进行分割；

S504、识别暗场图像中的线虫：通过图像分割将暗场图像中的荧光线虫和其余区域区分出来；其中，暗场图像白色为识别到的高荧光亮度的区域，其中连通面积接近线虫体积的为识别到的荧光线虫的位置，即死亡线虫的位置；其余区域为黑色。

7.根据权利要求6所述的基于明场和暗场图像相结合的线虫存活率识别方法，其特征在于，所述步骤S501中对暗场图像中不同区域的背景亮度进行估计，具体如下：

S50101、暗场图像中每个像素点的灰度值为0-255，将这256个灰度强度级别划分为16级；

S50102、计算不同区域的背景亮度：在暗场图像中搜索灰度级别为同一级的像素点，计算出能够围起来这些像素点的最小凸多边形，并将凸多边形内的背景亮度设为当前级别里的最低亮度作为该级每个像素点所处区域的背景估计值。