一种基于SEM图像的软团聚分子识别方法及系统与流程

一种基于sem图像的软团聚分子识别方法及系统
技术领域
1.本公开属于图像处理、分子识别领域，具体涉及一种基于sem图像的软团聚分子识别方法及系统。


背景技术：

2.软团聚是由静电力和范德华力所致的纳米颗粒现象，在化学工程与工艺生产过程中普遍存在。扫描电子显微镜sem图像是观察软团聚现象的重要手段，对于观测识别软团聚分子十分有效。使用基于计算机视觉的图像识别算法，有利于通过sem图像进行分子软团聚现象的判别具有广泛的应用，可以利用进行处理前的sem图像与进行处理后的sem图像进行特征上的对比，从而实现对软团聚现象的识别的优化提升。


技术实现要素：

3.本发明的目的在于提出一种基于sem图像的软团聚分子识别方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
4.通过比较进行处理前的sem图像与进行了处理以后的sem图像进行特征上的对比，可以实现对是否存在软团聚分子的判别。
5.本公开提供了一种基于sem图像的软团聚分子识别方法及系统，获取sem图像的灰度图并通过边缘检测算法得到灰度图的边缘线，进而以边缘线从灰度图中得到子图集合对多个子图计算分子团聚值，根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出，由此实现通过对比处理前后sem图像来判别是否存在软团聚分子的效果。
6.为了实现上述目的，根据本公开的一方面，提供一种基于sem图像的软团聚分子识别方法，所述方法包括以下步骤：
7.s100，获取sem图像的灰度图；
8.s200，通过边缘检测算法得到灰度图的边缘线；
9.s300，通过边缘线划分灰度图为多个子图,由所有的子图构成子图集合；
10.s400，计算子图集合中各个子图的分子团聚值；
11.s500，根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出。
12.其中，在s100中，sem图像为：取1g纳米sio2、caco3、表面修饰的纳米sio2或caco；置于载玻片上，用另一块载玻片将其刮平压实，得到平整表面，在扫描电子显微镜下成像从而采集得到的sem图像。
13.进一步地，在s100中，获取sem图像的灰度图的方法为：输入第一sem图像，并通过灰度图算法得到第一sem图像的灰度图记作第一灰度图；输入第二sem图像，并通过灰度图算法得到第二sem图像的灰度图记作第二灰度图。
14.其中，所述第一sem图像为进行物理或化学处理前所获取的sem图像，所述第二sem图像为进行物理或化学处理后所获取的sem图像。
15.优选地，所述物理或化学处理为对sio2纳米粒子表面活性剂改性。
16.优选地，第一sem图像为sio2的sem图像，第二sem图像为通过文献：《方京男,洪碧圆,童威,等.基于caco3/sio2复合粒子的超疏水表面制备[j].浙江大学学报:理学版,2011(2):189-193》中记载的方法对sio2进行处理后得到的疏水表面sio2，即对sio2纳米粒子表面活性剂改性；以扫描电子显微镜采集疏水表面sio2的sem图像即得到第二sem图像。
[0017]
进一步地，在s200中，通过边缘检测算法得到灰度图的边缘线的方法为：对第一灰度图使用边缘检测算法得到第一灰度图上的多条边缘线，将第一灰度图上的多条边缘线的集合作为第一边缘线集合；对第二灰度图使用边缘检测算法得到第二灰度图上的多条边缘线，将第二灰度图上的多条边缘线的集合作为第二边缘线集合。
[0018]
进一步地，在s300中，通过边缘线划分灰度图为多个子图,由所有的子图构成子图集合的方法为：
[0019]
在第一灰度图上，定义在第一灰度图上的被一条或多条属于第一边缘线集合的边缘线作为边构成的几何图形记为先子图，先子图即为第一灰度图的子图，将第一灰度图上的一个或多个先子图构成的集合记为第一子图集合；
[0020]
在第二灰度图上，定义在第二灰度图上的被一条或多条属于第二边缘线集合的边缘线作为边构成的几何图形记为后子图，后子图即为第二灰度图的子图，将第二灰度图上的一个或多个后子图构成的集合记为第二子图集合。
[0021]
进一步地，在s400中，对多个子图计算分子团聚值的方法为：
[0022]
记第一子图集合为集合aset，集合aset中元素的数量为n，变量i表示集合aset中元素的序号，i∈[1,n]，集合aset中的序号为i的元素记作aset(i)，记第二子图集合为集合bset，集合bset中元素的数量为m，变量j表示集合bset中元素的序号，j∈[1,m]，集合bset中的序号为j的元素记作bset(j)；
[0023]
设置初始化向量mr，所述初始化向量mr中各元素的数值代表初始的概率值，所述初始化向量mr的大小为k维；
[0024]
其中，所述mr的大小中的k的取值的方法为，定义min()函数为求取输入的一个或多个的数组、向量、序列或集合中的最小的元素或者输入的多个的数值中的最小的元素的函数，len()函数为计算输入的一个或多个的数组、向量、矩阵、序列或集合中的元素的数量，由于aset(i)和bset(j)皆是从灰度图的图像中获取的且由像素点所组成，len(aset(i))表示aset(i)中的像素点的数量，{len(aset(i))}表示由集合aset中各元素中的像素点的数量所组成的集合，len(bset(j))表示bset(j)中的像素点的数量，{len(bset(j))}表示由集合bset中各元素中的像素点的数量所组成的集合，函数avg()为求取向下取整的算术平均数的函数，avg({len(aset(i))})表示求取aset中各元素中的像素点的数量的向下取整的算术平均数，avg({len(bset(j))})表示求取bset中各元素中的像素点的数量的向下取整的算术平均数，则min(avg({len(aset(i))}),avg({len(bset(j))}))表示求取avg({len(aset(i))})、avg({len(bset(j))})此两个数值中最小的，所述k的取值即为min(avg({len(aset(i))}),avg({len(bset(j))}))；
[0025]
定义分子团聚值为衡量子图中存在软团聚分子的数值，对第一灰度图的多个子图进行计算分子团聚值的具体步骤为：
[0026]
s401-1，开始程序；获取初始化向量mr；获取集合aset；令i初始值为1；设置空数组tset；转到s401-2；
[0027]
s401-2，获取集合aset中的序号为i的元素为aset(i)，进而获取aset(i)中的像素点的数量为an，设置ai表示aset(i)中的像素点的序号，ai∈[1,an]，aset(i)中的序号为ai的像素点的像素值记作为a(ai)；令ai初始值为1；设置空数组tseq；转到s401-31；
[0028]
s401-31，判断是否满足约束条件(an-ai)≧(k-1)，若是则转到s401-32，若否则转到s401-33；
[0029]
s401-32，获取aset(i)中的序号为ai到序号为ai k-1的所有像素点的像素值组成的k维数组为数组v(ai)；转到s401-4；
[0030]
s401-33，获取aset(i)中的序号为ai到序号为an的共an-ai 1个像素点的像素值以及在其后面连接上k-(an-ai 1)个为零的数值组成的k维数组为数组v(ai)；转到s401-4；
[0031]
s401-4，设置变量q表示k维的数组或向量中的元素的序号，q∈[1,k]，v(ai)q表示v(ai)数组中序号为q的元素，mr(q)表示初始化向量mr中序号为q的元素；设置变量t(ai)为表示在进行计算数组v(ai)的过程中使用到的变量，根据上述初始化向量mr与数组v(ai)计算t(ai)的公式为：
[0032][0033]
将上述计算所得的t(ai)加入数组tseq；转到s401-5；
[0034]
s401-5，判断数组tseq中元素的数量是否大于或等于an，若是则转到步骤s401-6，若否则转到步骤s401-7；
[0035]
s401-6，计算求取数组tseq中各元素的算术平均数作为t_i，并将t_i加入数组tset，将t_i作为数组tset中序号为i的元素；转到步骤s401-8；
[0036]
s401-7，将ai的数值增加1；转到步骤s401-31；
[0037]
s401-8，判断是否满足i《n，若是则将i的数值增加1再转到s401-2，若否则转到步骤s401-9；
[0038]
s401-9，输出tset；结束程序；
[0039]
其中，tset即为对第一灰度图的各个子图进行计算所得的分子团聚值；
[0040]
对第二灰度图的多个子图进行计算分子团聚值的具体步骤为：
[0041]
s402-1，开始程序；获取初始化向量mr；获取集合bset；令j初始值为1；设置空数组lset；转到s402-2；
[0042]
s402-2，获取集合bset中的序号为j的元素为bset(j)，进而获取bset(j)中的像素点的数量为bm，设置bj表示bset(j)中的像素点的序号，bj∈[1,bm]，bset(j)中的序号为bj的像素点的像素值记作为b(bj)；令bj初始值为1；设置空数组lseq；转到s402-31；
[0043]
s402-31，判断是否满足约束条件(bm-bj)≧(k-1)，若是则转到s402-32，若否则转到s402-33；
[0044]
s402-32，获取bset(j)中的序号为bj到序号为bj k-1所有的像素值组成的k维数组为数组w(bj)；转到s402-4；
[0045]
s402-33，获取bset(j)中的序号为bj到序号为bm的共bm-bj 1个像素点的像素值以及在后面连接上k-(bm-bj 1)个为零的数值组成的k维数组为数组w(bj)；转到s402-4；
[0046]
s402-4，设置变量q表示k维的数组或向量中的元素的序号，q∈[1,k]，w(bj)q表示
w(bj)数组中序号为q的元素，mr(q)表示初始化向量mr中序号为q的元素；设置变量l(bj)为表示在进行计算数组w(bj)的过程中使用到的变量，根据初始化向量mr与数组w(bj)计算l(bj)的公式为：
[0047][0048]
将上述计算所得的l(bj)加入数组lseq；转到s402-5；
[0049]
s402-5，判断数组lseq中元素的数量是否大于或等于bm，若是则转到s402-6，若否则转到s402-7；
[0050]
s402-6，计算求取数组lseq中各元素的算术平均数作为l_j，并将l_j加入数组lset，作为数组lset中序号为j的元素；转到s402-8；
[0051]
s402-7，将bj的数值增加1；转到s402-31；
[0052]
s402-8，判断是否满足j《m，若是则将j的数值增加1再转到s402-2，若否则转到s402-9；
[0053]
s402-9，输出lset；结束程序；
[0054]
其中，步骤s402-1至s402-9所得的lset即为对第二灰度图的各个子图进行计算所得的分子团聚值。
[0055]
进一步地，在s500中，根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出的方法为：根据第一灰度图、第二灰度图的各个子图的分子团聚值计算存在软团聚分子的概率，定义从第一灰度图的各个子图的分子团聚值到第二灰度图的各个子图的分子团聚值的实际的改变程度为ρ，函数exp()为计算以自然数e为底的指数函数，函数log()为计算以自然数2为底的对数函数，ρ的计算公式为：
[0056][0057]
定义初始化向量mr中的各维度数值的改变程度为β，计算β的公式为：
[0058][0059]
将存在软团聚分子的概率记作λ，在所得的ρ和β的基础上计算存在软团聚分子的概率λ的公式为：
[0060][0061]
所述得到的λ即为根据各个子图的分子团聚值计算得到的存在软团聚分子的概率，判断是否满足λ》η，若是则表示判断结果为第二sem图像中存在软团聚分子，若是则表示判断结果为第二sem图像中不存在软团聚分子，并将λ的数值及其相应的判断结果通过计算机的输出设备进行输出或者将λ的数值通过存储器进行存储，其中，所述η为软团聚分子的概率阈值，所述软团聚分子的概率阈值的取值范围为[0.5,1)。
[0062]
本公开还提供了一种基于sem图像的软团聚分子识别系统，所述一种基于sem图像的软团聚分子识别系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上
运行的计算机程序，所述处理器执行所述计算机程序时实现所述基于sem图像的软团聚分子识别方法中的步骤，所述一种基于sem图像的软团聚分子识别系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
[0063]
灰度图获取单元，用于获取sem图像的灰度图；
[0064]
边缘线检测单元，用于通过边缘检测算法得到灰度图的边缘线；
[0065]
子图集合获取单元，用于通过边缘线从灰度图中得到子图集合；
[0066]
分子团聚值计算单元，用于对多个子图计算分子团聚值；
[0067]
概率计算单元，用于根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出。
[0068]
本公开的有益效果为：本公开提供了一种基于sem图像的软团聚分子识别方法及系统，获取sem图像的灰度图并通过边缘检测算法得到灰度图的边缘线，进而以边缘线从灰度图中得到子图集合对多个子图计算分子团聚值，根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出，由此实现只需通过计算对比处理前后sem图像以达成判别是否存在软团聚分子的有益效果。
附图说明
[0069]
通过对结合附图所示出的实施方式进行详细说明，本公开的上述以及其他特征将更加明显，本公开附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
[0070]
图1所示为一种基于sem图像的软团聚分子识别方法的流程图；
[0071]
图2所示为一种基于sem图像的软团聚分子识别系统的系统结构图。
具体实施方式
[0072]
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本公开的目的、方案和效果。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
[0073]
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0074]
如图1所示为根据本发明的一种基于sem图像的软团聚分子识别方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于sem图像的软团聚分子识别方法及系统。
[0075]
本公开提出一种基于sem图像的软团聚分子识别方法，所述方法具体包括以下步骤：
[0076]
s100，获取sem图像的灰度图；
[0077]
s200，通过边缘检测算法得到灰度图的边缘线；
[0078]
s300，通过边缘线从灰度图中得到子图集合；
[0079]
s400，对多个子图计算分子团聚值；
[0080]
s500，根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出。
[0081]
其中，在s100中，sem图像为：取1g纳米sio2、caco3、表面修饰的纳米sio2或caco；置于载玻片上，用另一块载玻片将其刮平压实，得到平整表面，在扫描电子显微镜下成像从而采集的sem图像。
[0082]
进一步地，在s100中，获取sem图像的灰度图的方法为：输入第一sem图像，并通过灰度图算法得到第一sem图像的灰度图记作第一灰度图；输入第二sem图像，并通过灰度图算法得到第二sem图像的灰度图记作第二灰度图；所述第一sem图像为进行物理或化学处理前所获取的sem图像，所述第二sem图像为进行物理或化学处理后所获取的sem图像。
[0083]
进一步地，在s200中，通过边缘检测算法得到灰度图的边缘线的方法为：对第一灰度图使用边缘检测算法得到第一灰度图上的多条边缘线，将第一灰度图上的多条边缘线的集合作为第一边缘线集合；对第二灰度图使用边缘检测算法得到第二灰度图上的多条边缘线，将第二灰度图上的多条边缘线的集合作为第二边缘线集合。
[0084]
进一步地，在s300中，通过边缘线从灰度图中得到子图集合的方法为：在第一灰度图上，定义在第一灰度图上的被一条或多条属于第一边缘线集合的边缘线作为边构成的几何图形记为先子图，先子图即为第一灰度图的子图，将第一灰度图上的一个或多个先子图构成的集合记为第一子图集合；在第二灰度图上，定义在第二灰度图上的被一条或多条属于第二边缘线集合的边缘线作为边构成的几何图形记为后子图，后子图即为第二灰度图的子图，将第二灰度图上的一个或多个后子图构成的集合记为第二子图集合。
[0085]
进一步地，在s400中，对多个子图计算分子团聚值的方法为：
[0086]
记第一子图集合为集合aset，集合aset中元素的数量为n，变量i表示集合aset中元素的序号，i∈[1,n]，集合aset中的序号为i的元素记作aset(i)，第二子图集合为集合bset，集合bset中元素的数量为m，变量j表示集合bset中元素的序号，j∈[1,m]，集合bset中的序号为j的元素记作bset(j)；
[0087]
设置初始化向量mr，所述初始化向量mr中各元素的数值代表初始的概率值，所述初始化向量mr的大小为k维，所述初始化向量mr中各元素的数值属于(0,1)区间且有各元素的平均数为0及各元素的方差为1；
[0088]
其中，所述mr的大小中的k的取值的方法为，定义min()函数为求取输入的一个或多个的数组、向量、序列、集合中的最小的元素或者输入的多个的数值中的最小的元素的函数，len()函数为计算输入的一个或多个的数组、向量、矩阵、序列、集合中的元素的数量，由于aset(i)和bset(j)皆是从灰度图的图像中获取的且由像素点所组成，len(aset(i))表示aset(i)中的像素点的数量，{len(aset(i))}表示由集合aset中各元素中的像素点的数量所组成的集合，len(bset(j))表示bset(j)中的像素点的数量，{len(bset(j))}表示由集合bset中各元素中的像素点的数量所组成的集合，函数avg()为求取向下取整的算术平均数的函数，avg({len(aset(i))})表示求取aset中各元素中的像素点的数量的向下取整的算术平均数，avg({len(bset(j))})表示求取bset中各元素中的像素点的数量的向下取整的算术平均数，则min(avg({len(aset(i))}),avg({len(bset(j))}))表示求取avg({len(aset(i))})、avg({len(bset(j))})此两个数值中最小的，所述k的取值即为min(avg({len
(aset(i))}),avg({len(bset(j))}))；
[0089]
定义分子团聚值为衡量子图中存在软团聚分子的数值，对第一灰度图的多个子图进行计算分子团聚值的具体步骤为：
[0090]
s401-1，开始程序；获取初始化向量mr，其中，可优选地，mr为一个全为1的向量或一个全为0的向量或者mr中向量的各数值为通过随机函数生成的在0到1之间的随机数；获取集合aset；设置变量i，令i初始值为1；设置空数组tset；转到s401-2；
[0091]
s401-2，获取集合aset中的序号为i的元素为aset(i)，进而获取aset(i)中的像素点的数量为an，设置ai表示aset(i)中的像素点的序号，ai∈[1,an]，aset(i)中的序号为ai的像素点的像素值记作为a(ai)；令ai初始值为1；设置空数组tseq；转到s401-31；
[0092]
s401-31，判断是否满足约束条件(an-ai)≧(k-1)，若是则转到s401-32，若否则转到s401-33；s401-32，获取aset(i)中的序号为ai到序号为ai k-1的共k个像素点的像素值组成的k维数组为数组v(ai)；转到s401-4；
[0093]
s401-33，获取aset(i)中的序号为ai到序号为an的共an-ai 1个像素点的像素值以及在后面接上k-(an-ai 1)个为零的数值组成的k维数组为数组v(ai)；转到s401-4；
[0094]
s401-4，设置变量q1表示k维的数组或向量中的元素的序号，q1∈[1,k]，v(ai)q1表示v(ai)数组中序号为q1的元素，mr(q1)表示初始化向量mr中序号为q1的元素；设置变量t(ai)为表示在进行计算数组v(ai)的过程中使用到的变量，根据上述初始化向量mr与数组v(ai)计算t(ai)的公式为：
[0095][0096]
将上述计算所得的t(ai)加入数组tseq；转到s401-5；
[0097]
s401-5，判断数组tseq中元素的数量是否大于或等于an，若是则转到s401-6，若否则转到s401-7；
[0098]
s401-6，计算求取数组tseq中各元素的算术平均数作为t_i，并将t_i加入数组tset，将t_i作为数组tset中序号为i的元素；转到s401-8；
[0099]
s401-7，将ai的数值增加1；转到s401-31；
[0100]
s401-8，判断是否满足i《n，若是则将i的数值增加1再转到s401-2，若否则转到s401-9；
[0101]
s401-9，输出tset；结束程序；
[0102]
其中，步骤s401-1至s401-9所得的tset即为对第一灰度图的多个子图进行计算所得的分子团聚值；
[0103]
对第二灰度图的多个子图进行计算分子团聚值的具体步骤为：
[0104]
s402-1，开始程序；获取初始化向量mr；获取集合bset；设置变量j，令j初始值为1；设置空数组lset；转到s402-2；
[0105]
s402-2，获取集合bset中的序号为j的元素为bset(j)，进而获取bset(j)中的像素点的数量为bm，设置bj表示bset(j)中的像素点的序号，bj∈[1,bm]，bset(j)中的序号为bj的像素点的像素值记作为b(bj)；令bj初始值为1；设置空数组lseq；转到s402-31；
[0106]
s402-31，判断是否满足约束条件(bm-bj)≧(k-1)，若是则转到s402-32，若否则转
到s402-33；s402-32，获取bset(j)中的序号为bj到序号为bj k-1的共k个像素点的像素值组成的k维数组为数组w(bj)；转到s402-4；
[0107]
s402-33，获取bset(j)中的序号为bj到序号为bm的共bm-bj 1个像素点的像素值以及在后面接上k-(bm-bj 1)个为零的数值组成的k维数组为数组w(bj)；转到s402-4；
[0108]
s402-4，设置变量q2表示k维的数组或向量中的元素的序号，q2∈[1,k]，w(bj)q2表示w(bj)数组中序号为q2的元素，mr(q2)表示初始化向量mr中序号为q2的元素；设置变量l(bj)为表示在进行计算数组w(bj)的过程中使用到的变量，根据初始化向量mr与数组w(bj)计算l(bj)的公式为：
[0109][0110]
将上述计算所得的l(bj)加入数组lseq；转到s402-5；
[0111]
s402-5，判断数组lseq中元素的数量是否大于或等于bm，若是则转到s402-6，若否则转到s402-7；
[0112]
s402-6，计算求取数组lseq中各元素的算术平均数作为l_j，并将l_j加入数组lset，作为数组lset中序号为j的元素；转到s402-8；
[0113]
s402-7，将bj的数值增加1；转到s402-31；
[0114]
s402-8，判断是否满足j《m，若是则将j的数值增加1再转到s402-2，若否则转到s402-9；
[0115]
s402-9，输出lset；结束程序；
[0116]
；
[0117]
其中，可优选地，步骤s402-1至s402-9中部分代码包括：
[0118][0119][0120]
步骤s402-1至s402-9所得的lset即为对第二灰度图的多个子图进行计算所得的分子团聚值。
[0121]
进一步地，在s500中，根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出的方法为：根据第一灰度图、第二灰度图的各个子图的分子团聚值计算存在软团聚分子的概率，定义从第一灰度图的各个子图的分子团聚值到第二灰度图的各个子图的分子团聚值的实际的改变程度为ρ，函数exp()为计算以自然数e为底的指数函数，函数log()为计算以自然数2为底的对数函数，ρ的计算公式为：
[0122][0123]
定义初始化向量mr中的各维度数值的改变程度为β，计算β的公式为：
[0124][0125]
其中，q为q1或q2的值，将存在软团聚分子的概率记作λ，在所得的ρ和β的基础上计算存在软团聚分子的概率λ的公式为：
[0126][0127]
所述得到的λ即为根据各个子图的分子团聚值计算得到的存在软团聚分子的概率，判断是否满足λ》η，若是则表示判断结果为第二sem图像中存在软团聚分子，若是则表示判断结果为第二sem图像中不存在软团聚分子，并将λ的数值及其相应的判断结果通过计算机的输出设备进行输出或者将λ的数值通过存储器进行存储，其中，所述η为软团聚分子的概率阈值，所述软团聚分子的概率阈值的取值范围为[0.5,1)。
[0128]
所述一种基于sem图像的软团聚分子识别系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于sem图像的软团聚分子识别方法实施例中的步骤，所述一种基于sem图像的软团聚分子识别系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群。
[0129]
本公开的实施例提供的一种基于sem图像的软团聚分子识别系统，如图2所示，该实施例的一种基于sem图像的软团聚分子识别系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于sem图像的软团聚分子识别方法实施例中的步骤，所述处理器执行所述计算机程序运行在以下系统的单元中：
[0130]
灰度图获取单元，用于获取sem图像的灰度图；
[0131]
边缘线检测单元，用于通过边缘检测算法得到灰度图的边缘线；
[0132]
子图集合获取单元，用于通过边缘线从灰度图中得到子图集合；
[0133]
分子团聚值计算单元，用于对多个子图计算分子团聚值；
[0134]
概率计算单元，用于根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出。
[0135]
所述一种基于sem图像的软团聚分子识别系统可以运行于桌上型计算机、笔记本、掌上电脑及云端数据中心等计算设备中。所述一种基于sem图像的软团聚分子识别系统包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于sem图像的软团聚分子识别方法及系统的示例，并不构成对一种基于sem图像的软团聚分子识别方法及系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于sem图像的软团聚分子识别系统还可以包括输入输出设备、网络接入设备、总线等。
[0136]
所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立元器件门电路或者晶体
管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于sem图像的软团聚分子识别系统的控制中心，利用各种接口和线路连接整个一种基于sem图像的软团聚分子识别系统的各个分区域。
[0137]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于sem图像的软团聚分子识别方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0138]
本公开提供了一种基于sem图像的软团聚分子识别方法及系统，获取sem图像的灰度图并通过边缘检测算法得到灰度图的边缘线，进而以边缘线从灰度图中得到子图集合对多个子图计算分子团聚值，根据各个子图的分子团聚值计算存在软团聚分子的概率并进行输出，由此实现只需通过计算对比处理前后sem图像以达成判别是否存在软团聚分子的有益效果。
[0139]
尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本公开的预定范围。此外，上文以发明人可预见的实施例对本公开进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。