[發明專利]一種目標菌落生長特征識別方法

有效

• 申請號: 201911287411.2
• 申請日: 2019-12-14
• 公開（公告）號: CN111178173B
• 公開（公告）日: 2022-02-11
• 發明（設計）人: 徐瑩;王旭;陳揚孜
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/28;G06V10/56;G06V10/50;G06V10/26
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱亞冠

本發明公開了一種目標菌落生長特征識別方法。活動輪廓檢測算法適用類圓粒目標分割，但復雜性較高且對粘連菌落分割效果不佳。本發明如下：1、圖像采集；2、灰度處理；3、進行二值化處理。4、去除圖像中的培養皿邊緣以外的部分。5、形態學處理。6、對圖像進行輪廓檢測、輪廓分割、橢圓擬合和橢圓篩選。7、獲取培養皿中各個菌落的數量、大小、顏色信息。本發明依靠計算機視覺的被識別圖像處理方法，并結合統計學的算法，從培養皿復雜的菌落分布中將每個菌落的面積大小、顏色特征和邊緣特征提取出來，能夠得到非常精確的菌落總數量和菌落實際位置，從而方便了使用者統計菌落信息，減少了使用者的操作負擔。

技術領域

本發明屬于菌落識別技術領域，具體涉及一種目標菌落生長特征識別方法。

背景技術

在生物研究領域中，培養皿中形成菌落的數量及大小等是抗生素篩選、細菌鑒定及相關測試的重要指標。如何精確測定目標菌落生長信息來觀察菌落動態變化是有待解決的重要難題，而人工對菌落計數及大小測定是非常艱苦且易出錯的過程，往往還需要計算機相關軟件進行輔助標記，耗時且費力。在培養皿中形成的菌落單位往往不僅僅是獨立的，可能會有多個粘連在一起，這更增加了菌落信息測定的困難度。

隨著圖像處理與計算機視覺的廣泛應用，已經有許多學者將其應用到微生物研究中，包括有菌落識別、菌落計數和定位等領域。在菌落計數領域中，較為成熟的方法有基于距離變換的分水嶺分割法，基于深度學習的被識別圖像分割方法和活動輪廓檢測算法等(張力新，基于改進水平集的菌落被識別圖像智能計數算法[J].天津大學學報，2019,52(1):84-89)。其中較為傳統的基于距離變換的分水嶺分割方法對較少的粘連菌落和規則形狀的分割效果較好，但對于粘連菌落嚴重的情況效果不佳，容易產生過分割于與欠分割的問題，滿足不了精確分割的要求；基于深度學習的被識別圖像分割方法分割效果較好，能夠滿足大多數實驗要求，但是該方法需要的訓練數據較多難以大量采集；活動輪廓檢測算法適用類圓粒目標分割，但復雜性較高且對粘連菌落分割效果不佳。這些方法實現計數或定位還需采用其他遍歷方法進行處理，并且獲取每個菌落的詳細信息較為困難。

近幾年有許多學者提出基于幾何學進行擬合的方法對粘連菌落進行處理，相比于分水嶺等方法對粘連區域的分割效果更佳，但是魯棒性較差，只能針對橢圓或者針對圓進行擬合，這樣分割效果雖然不錯，但需要提前設定好橢圓或圓的信息，且對粘連菌落分割存在一定的隨機性，不能按照目標菌落自身具備的長短軸比例進行分割，故不具備廣泛適用性(San-Ding Luo,Zheng Zou,Guang-Ya Tian,An Automatic Colonies Counting Basedon Piecewise Circle Fitting[J].Journal of Information Hiding and MultimediaSignal Processing,2017,8(3):660-669)。在很多菌落圖像處理中，往往忽視了對存在較少菌落的培養皿進行二值化處理的問題，由于圖像中背景點較多直接采用全局閾值二值化會錯誤地將菌落與背景混淆，而采用自適應閾值二值化會使得菌落邊緣粗化，不適用對存在較密集菌落的培養皿進行二值化處理。

發明內容

本發明的目的在于提供一種目標菌落生長特征識別方法。

本發明的步驟如下：

步驟1、用攝像機在純黑色背景下對裝有菌落的培養皿進行圖像采集，得到彩色被識別圖像。

步驟2、對彩色被識別圖像進行灰度化和雙邊濾波處理，得到灰度值被識別圖像。

步驟3、根據灰度值被識別圖像的大小進行自適應分割，并進行二值化處理。

3-1.設定圖像分割塊大小n×n；n的表達式如式(2)所示：

式(2)中，L為灰度值被識別圖像的像素行數，為向上取整所得值。

3-2.將被識別圖像分割為多張n×n大小的子圖像。