[发明专利]一种基于显微镜图像的栅藻类细胞统计方法

说明书

本发明公开一种基于显微镜图像的栅藻类细胞统计方法，包括步骤一、图像预处理后获得增强对比度后的图像，步骤二、图像二值化处理获得二值图像，步骤三、根据二值图像检测栅藻类细胞并计算出外轮廓数据，步骤四、计算栅藻类细胞属性，步骤五、结合二值图像和栅藻类细胞属性数据统计栅藻类细胞个数并对检测结果进行修正；本发明利用了栅藻类细胞的特征，对细胞个数进行了统计、估算和修正，统计效果比传统的深度学习模型更好，同时无需在深度学习模型中直接检测栅藻类细胞，减少了数据标注工作，提高了模型训练和模型优化的效率，且本发明方法为独立的模块，便于算法后期的优化和维护。

技术领域

本发明涉及水生态环境监测技术领域，尤其涉及一种基于显微镜图像的栅藻类细胞统计方法。

背景技术

藻类细胞的统计是先利用显微镜和高清工业相机来采集藻类图像，然后通过深度学习检测模型识别出栅藻类和它的像素坐标，需要设计一种图像模式识别方法来统计图像中栅藻类的细胞个数。

现有的方法首先是对栅藻类细胞进行标注，然后通过深度学习模型来检测图像中栅藻类细胞的个数，容易产生漏检和误检测问题，因此，本发明提出一种基于显微镜图像的栅藻类细胞统计方法以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明提出了一种基于显微镜图像的栅藻类细胞统计方法，该方法充分利用了栅藻类细胞的特征，对细胞个数进行了统计、估算和修正，获得了比深度学习模型更好的统计效果，同时无需在深度学习模型中直接检测栅藻类细胞，减少了数据标注工作，提高了模型训练和模型优化的效率。

为实现本发明的目的，本发明通过以下技术方案实现：一种基于显微镜图像的栅藻类细胞统计方法，包括以下步骤：

步骤一、获取图像并对图像进行预处理，获得增强对比度后的图像；

步骤二、在增强对比度后的灰度图像上进行二值化处理，获得二值图像；

步骤三、从二值图像上检测出栅藻类的细胞，并计算出外轮廓数据；

步骤四、根据外轮廓数据计算栅藻类细胞的长、宽和面积属性数据；

步骤五、结合二值图像和栅藻类细胞的属性数据，统计出栅藻类细胞的个数。

进一步改进在于：所述步骤一中预处理具体为先对图像进行缩放处理并将彩色图像转化为灰度图像，然后采用CLAHE(对比度受限的自适应直方图均衡化)算法对图像进行对比度拉伸处理，再利用高斯模糊化对图像进行去噪处理，获得增强对比度后的图像。

进一步改进在于：所述步骤二中采用OTSU(大律)方法对灰度图像进行二值化处理，处理后对二值图像进行形态学开(open)处理。

进一步改进在于：所述步骤三中具体包括

S1、从步骤二中获得的二值图像上找出外轮廓；

S2、计算出外轮廓的最小外接矩形和它的像素面积；

S3、删除像素面积小于设定面积阈值的最小外接矩形；

S4、合并重叠的最小外接矩形；

S5、计算最小外接矩形的像素尺寸中值；

S6、删除与尺寸中值偏差较大的最小外接矩形。

进一步改进在于：所述步骤四中具体包括先找到细胞的主方向，然后遍历计算最小外接矩形与细胞主方向的偏差比例，再查找并删除具有独立方向的最小外接矩形，最后统计剩下最小外接矩形的长、宽和像素面积，并计算出长、宽和像素面积的平均值。