一种基于图像处理的乌鳢卵子计数方法与流程

1.本发明涉及图像处理与水产养殖交叉领域，尤其是涉及一种基于图像处理的乌鳢卵子计数方法。


背景技术：

2.乌鳢个体大、生长快，而且营养丰富，比鸡肉、牛肉所含的蛋白质高。作为药用具有去瘀生新，滋补调养等功效，因此养殖乌鳢具有较高的经济价值。乌鳢多栖息在湖泊、池沼、江河中水不流畅而混浊的泥底处，它们的产卵场也往往在这一类场所。对产卵时间、产卵量的估计则有利于后期的人工养殖。
3.乌鳢卵子常规计数方法有四种。最原始的是直接点数，但比较费时间，特别是工厂化育苗数量大，逐个点数是不可能的。也可用面积法、容积法或称量法。由于乌鳢的卵属飘浮性卵，产出的卵未经扰散，排列整齐紧密集中，并浮于水表层，可采用面积计数法。所谓面积计数法，先取一个单位面积的卵子，数出卵子数，然后测出每一窝的面积便可知每窝的卵子数量。容积法，先用一个标准容器，装满受精卵，然后数出这一容积中的卵子个数。以后用这标准容器去量出杯数，就可算出卵子总数。
4.总体而言，传统乌鳢卵子计数方法存在两个主要问题，其一是传统计数方法除人工直接点数外，面积法、容积法、称量法均是接触式计数方法，需要捞取卵子，破坏原有环境；其二是这些方法由于采用的是估算面积、容积或者重量，再做均分的方式，必定由于个体之间差异存在一定的误差，难以消除。


技术实现要素：

5.发明目的：为了克服背景技术的不足，本发明公开了一种基于图像处理的乌鳢卵子计数方法，在非接触前提下完成卵子计数任务，精度高而且不会对卵子原有生存环境产生变化。
6.技术方案：本发明的基于图像处理的乌鳢卵子计数方法，包括以下步骤：
7.s1、对需要计数的乌鳢卵子目标进行图像采集，并传入计算机；
8.s2、对采集的图像进行灰度化处理；
9.s3、采用top
‑
hat变换算法进行图像增强，首先设计圆形结构元素，对图像做开运算，并用原始图像减去开运算所得图像，实现增强效果；
10.s4、采用引导滤波方法进行图像滤波处理；
11.s5、图像分割
12.s5.1使用sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，获取梯度图像；
13.s5.2把梯度图像中的所有像素按照灰度值进行分类，并设定一个测地距离阈值；
14.s5.3找到灰度值最小的像素点为起始点，让threshold从起始点开始增长；
15.s5.4水平面在增长的过程中，会碰到周围的邻域像素，测量这些像素到起始点的
测地距离，如果小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，如此对邻域像素进行分类；
16.s5.5随着水平面增高，设置更多更高的大坝，直到灰度值的最大值，所有区域都在分水岭线上相遇，所有大坝即对整个图像像素进行分区；
17.s6、卵子识别与计数
18.s6.1用半径为2大小的圆形结构元素腐蚀分割结果中的目标区域，分割后的区域之间的距离变大，避免影响邻近目标区域相互影响；
19.s6.2调用open cv库中find contours()函数提取颗粒分割结果中每个区域的轮廓；
20.s6.3依次遍历每个区域轮廓，并用min enclosing circle()函数求取能够包围的区域外轮廓点集的最小外接圆，圆的半径r和圆心(a,b)，该圆心可近似为颗粒中心点；
21.s6.4由于s6.1对目标进行腐蚀，将求取的外接圆的半径增加2，将圆心为(a,b)、半径为r 2的圆画于原图；
22.s6.5统计所有圆的面积，为a1，a2…
a
n
，得到面积中间值大小为s_median，将面积大于或者小于0.2*s_median的圆删除，这些圆因为面积过大或过小，不应计入卵子数量。然后计数保留下来的圆，其数量即为最终的卵子数量。
23.其中，s1中采集的图像中单个卵子目标有效像素点个数不低于20*20。
24.进一步的，s2中灰度处理时：
25.gray＝0.299r 0.587g 0.114b
26.其中，r,g,b分别是采集彩色图像的红、绿、蓝通道。
27.进一步的，s3具体包括以下步骤：
28.s3.1设计圆形结构元素b；
29.s3.2利用结构元素b对原图像做灰度腐蚀和膨胀操作；
30.腐蚀过程为将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相减，腐蚀结果为其最小值：
[0031][0032]
膨胀过程为腐蚀过程对偶运算，将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相加，腐蚀结果为其最大值：
[0033][0034]
经过对图像先腐蚀后膨胀运算后，即完成开运算，得到的运算结果图f
open
；
[0035]
s3.3原始图像减去开运算所得结果：
[0036]
f
top
‑
hat
＝f(x,y)
‑
f
open
。
[0037]
进一步的，s4中引导滤波假设引导图像和输出图像之间存在局部线性关系，如下式所示：
[0038][0039]
其中，i为引导图像，q为滤波后输出结果，w
k
为像素点k为中心的正方形窗口，a
k
、b
k
为窗口中的常系数，其取值如下：
[0040][0041][0042]
其中，μ
k
和为引导图像i在窗口w
k
中的均值和方差，|w|是窗口w
k
中的像素点总数，是输入图像p在窗口w
k
中像素点的平均值。
[0043]
有益效果：本发明通过对乌鳢卵子通过直接成像，获取乌鳢卵子图片，经过本发明提出的处理流程，在非接触前提下完成卵子计数任务，精度高而且不会对卵子原有生存环境产生变化。
附图说明
[0044]
图1为本发明的流程图。
具体实施方式
[0045]
下面结合附图和实施例对本发明的技术方案作进一步的说明。
[0046]
计算机读取高光谱遥感图像数据和配准好的高分辨率图像数据，首先基于非负矩阵分解建立初步的目标函数，然后在此基础上添加光谱约束项，得到最终的融合模型，对此融合模型求极值函数得到标准图像和权值矩阵，用高分辨率图像乘以标准图像与高分辨率图像加权后的图像，所得结果即为所求的高光谱融合图像。
[0047]
如图1所示的基于图像处理的乌鳢卵子计数方法，计算机配置采用：intel dual
‑
core处理器，主频1.6ghz，内存2gb，操作系统为windows vista home basic，编程环境为matlab7.1。该方法包括以下步骤：
[0048]
s1：图像采集
[0049]
采用搭载高清摄像头的图像采集系统，对需要计数的乌鳢卵子目标进行图像采集，并将相关图像传入计算机，图像中单个卵子目标有效像素点个数不低于20*20。
[0050]
s2：灰度化处理
[0051]
将彩色图像转换为灰度图像，便于后续处理。
[0052]
gray＝0.299r 0.587g 0.114b
[0053]
其中，r,g,b分别是采集彩色图像的红、绿、蓝通道。
[0054]
s3：图像增强预处理
[0055]
采用top
‑
hat变换算法解决图像光照强度不一致问题，首先设计圆形结构元素，对图像做开运算，并用原始图像减去开运算所得图像，实现增强效果。
[0056]
s3.1设计圆形结构元素b：
[0057]
设计半径为5的圆形结构元素b如下:
[0058][0059]
s3.2利用结构元素b对原图像做灰度腐蚀和膨胀操作：
[0060]
腐蚀过程是将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相减，腐蚀结果为其最小值：
[0061][0062]
膨胀过程为腐蚀过程对偶运算，将灰度图像f(x,y)内各像素点与结构元素b(x,y)中的点对应相加，腐蚀结果为其最大值：
[0063][0064]
经过对图像先腐蚀后膨胀运算后，即完成开运算。得到的运算结果图f
open
整体亮度相对均匀。
[0065]
s3.3原始图像减去开运算所得结果
[0066]
f
top
‑
hat
＝f(x,y)
‑
f
open
[0067]
原始图像减去开运算结果，可以得到top
‑
hat计算结果。
[0068]
s4：图像滤波
[0069]
采用引导滤波方法，对s3所得增强图像进行滤波处理，消除噪声，获得边缘纹理较为清晰的图像。引导滤波假设引导图像和输出图像之间存在局部线性关系，如下式所示：
[0070][0071]
这里，i为引导图像，q为滤波后输出结果。w
k
为像素点k为中心的正方形窗口，(a
k
,b
k
)为窗口中的常系数，其取值如下：
[0072][0073][0074]
μ
k
和为引导图像i在窗口w
k
中的均值和方差，|w|是窗口w
k
中的像素点总数，是输入图像p在窗口w
k
中像素点的平均值。
[0075]
s5：图像分割
[0076]
s5.1使用sobel边缘算子对图像进行水平和垂直方向的滤波，然后求取模值，获取
梯度图像，sobel算子滤波后的图像在边界处会显示比较大的值，在没有边界处的值会很小。
[0077]
s5.2把梯度图像中的所有像素按照灰度值进行分类，并设定一个测地距离阈值。
[0078]
s5.3找到灰度值最小的像素点(默认标记为灰度值最低点)，让threshold从最小值开始增长，这些点为起始点。
[0079]
s5.4水平面在增长的过程中，会碰到周围的邻域像素，测量这些像素到起始点(灰度值最低点)的测地距离，如果小于设定阈值，则将这些像素淹没，否则在这些像素上设置大坝，这样就对这些邻域像素进行了分类。
[0080]
s5.5随着水平面越来越高，会设置更多更高的大坝，直到灰度值的最大值，所有区域都在分水岭线上相遇，这些大坝就对整个图像像素的进行了分区。
[0081]
s6：卵子识别与计数
[0082]
在分割开粘连重叠颗粒后，为了便于观察，本文将最终的识别结果标记于原图。具体步骤是：
[0083]
s6.1用半径为2大小的圆形结构元素腐蚀分割结果中的目标区域，分割后的区域之间的距离变大，避免影响邻近目标区域相互影响。
[0084]
s6.2调用open cv库中find contours()函数提取颗粒分割结果中每个区域的轮廓。
[0085]
s6.3依次遍历每个区域轮廓，并用min enclosing circle()函数求取能够的包围区域外轮廓点集的最小外接圆，圆的半径r和圆心(a,b)，该圆心可近似为颗粒中心点。
[0086]
s6.4由于步骤1对目标进行轻微了腐蚀，这里将求取的外接圆的半径增加2，最后将圆心为(a,b)、半径为r 2的圆画于原图。
[0087]
s6.5统计所有圆的面积，为a1，a2…
a
n
，得到面积中间值大小为s_median，将面积大于或者小于0.2*s_median的圆删除，这些圆因为面积过大或过小，不应计入卵子数量。然后计数保留下来的圆，其数量即为最终的卵子数量。
[0088]
本发明的方法很好的解决了基于图像处理的乌鳢卵子计数问题，因而此方法可以应用到乌鳢自动养殖中，具有广阔的应用前景和价值。