[发明专利]一种基于显微镜图像的微囊藻类细胞统计方法

说明书

本发明提出一种基于显微镜图像的微囊藻类细胞统计方法，包括步骤一、图像预处理，步骤二、图像二值化，步骤三、计算细胞密度分布图，步骤四、修正细胞尺寸，步骤五、统计微囊藻类细胞个数；本发明利用藻类细胞区域均值和方差特征，有效地计算出藻类细胞密度分布图，并对密度分布稀疏的图像采用斑点检测的方法修正了微囊藻类细胞的像素尺寸，不仅降低了细胞间重叠引起的统计误差，也提高了细胞个数统计的精度；同时，本发明不需要在深度学习模型中直接检测微囊藻类的细胞，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微囊藻类细胞统计方法。

背景技术

藻类细胞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微囊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微囊藻类的细胞个数。

微囊藻类细胞经常会呈现比较密集的分布或者是相互叠加在一起的现象，现有的方法直接采用深度学习模型来统计微囊藻类的细胞个数，会产生较严重的漏检问题，因此，本发明提出一种基于显微镜图像的微囊藻类细胞统计方法，以解决现有技术中的不足之处。

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微囊藻类细胞统计方法，该方法利用微囊藻类细胞区域均值和方差特征，有效地计算出了藻类细胞密度分布图，并对密度分布较稀疏的图像采用斑点检测的方法修正了微囊藻类细胞的像素尺寸，不仅降低了细胞间重叠引起的统计误差，也提高了细胞个数统计的精度；另外，本方法不需要在深度学习模型中直接检测微囊藻类的细胞，减少了数据标注的工作，提高了模型训练和模型优化的效率。

本发明提出一种基于显微镜图像的微囊藻类细胞统计方法，包括以下步骤：

步骤一、获取彩色图像并利用高斯模糊化对图像进行去噪处理，然后将RGB图像转换成HSV图像，并在HSV图像的V通道上进行对比度增强处理，再转换为RGB图像，获得对比度增强后的RGB图像；

步骤二、在对比度增强后的V通道图像上进行OTSU(大律)二值化处理，并对处理后的图像进行形态学闭(close)的操作，获得处理后的二值图像；

步骤三、在对比度增强后的RGB图像上，分析二值图像白色区域(像素值为255)的均值与方差，并通过计算得出微囊藻类细胞密度分布图；

步骤四、计算图像中藻类细胞占比和分析藻类细胞区域内部密度情况，由此判断微囊藻类细胞分布的稀疏程度，并对分布稀疏的微囊藻类细胞像素尺寸进行修正；

步骤五、根据微囊藻类细胞密度分布图计算密度加权系数，再对统计的微囊细胞个数进行修正，获得最终微囊藻类细胞统计数据。

进一步改进在于：所述步骤一中获取图像去噪处理后，将RGB图像转化为HSV图像，并分离出H、S、V通道得到hImg、sImg和vImg三个单通道图像，再对vImg图像采用对比度受限的自适应直方图均衡化算法进行对比度拉伸操作，得到增强后的图像vImg1，然后将hImg、sImg和vImg1三个单通道的图像合并成新的三通道HSV图像，最后将新的三通道HSV图像转化为对比度增强后的RGB图像。

进一步改进在于：所述步骤二中在图像vImg1上利用OTSU方法进行二值化分割，得到二值图像并进行形态学close操作，得到处理后的二值图像，其中二值图像中白色为微囊藻类细胞区域。

进一步改进在于：所述步骤三具体包括

S1、在对比度增强后的RGB图像上，计算二值图像中像素值为255对应的像素点的R、G和B三个通道的均值和平均方差；

S2、设置比例阈值，分别将它乘以三个通道的平均方差，得到三个通道的偏离阈值；