图像处理技术在生物菌群分析中的应用

【摘要】文章提出图像处理技术在生物菌群分析中的一种应用。首先使用CCD采集到生物菌群图像，然后使用图像预处理技术消除噪声及图像增强，接着采用图像处理技术提取图像中菌群的特征，最后根据特征参数自动识别出菌群位置。

【关键词】生物分析;图像处理;菌群;图像分割

1.引言

培养基里菌群的数量及面积是菌群分析的两大特征。人工分析菌群数量及面积存在分析速度慢、主观因素强、错检漏检等现象。通过图像处理方法可以快捷、准确、科学地分析培养基中菌群的生物特征。

2.系统结构

本系统照明设备为培养基提供足够的光亮强度，CCD相机通过扫描培养基获取图像，采集到的图像保存在分析设备的共享内存中。软件分析设备调用共享内存中的图像数据，使用图像处理的方法对图像数据进行分析，最后将处理结果显示在显示设备上或将分析数据存储在存储设备上。系统结构如图1所示。

图1 系统结构

3.软件系统

本系统采用Visual Studio 2008软件开发平台开发生物分析软件。包含有图像采集、图像预处理、阈值分割、生物特征提取等处理过程，处理流程图如图2所示。

图2 生物分析流程

3.1 图像数据采集

照明设备对图像数据的有效性有直接的影响。通过设置照明设备的强度与角度，以及相机的曝光时间与增益等，获取到最佳的分析图像数据。

3.2 图像预处理

采集图像数据时，不可避免会产生噪声，如图3所示。这些噪声在不同程度上影响图像的真实性，导致后续的生物特征提取及生物特征分析出现困难。

经过大量图像数据统计与分析，图像中产生的噪声多为椒盐噪声，使用中值滤波算法可以有效地消除此类噪声。

中值滤波是一种非线性数字滤波器技术，中值滤波的基本原理是把数字图像或数字序列中某一点的值，用该点的一个邻域中各点值的中值代替，让周围的像素值共同决定该点的值，从而消除孤立的噪声点。中值濾波可以克服线性滤波器引入的图像细节模糊，非常适合滤除脉冲干扰和图像的扫描噪声。

图3 培养基

3.3 阈值分割

本文研究的是培养基中菌群的数量及大小，为了能够准确地提取菌群的特征，需要过滤掉与菌群特征无关的培养基等背景图像信息。

通过图像灰度直方图（图3）分析发现，菌群的灰度分布在低灰度值区域，培养基及其它背景分布在高灰度值区域，两个灰度峰值之间存在明显的灰度波谷。可以通过固定阈值分割的方式区分出目标与背景区域，通过及分析直方图及实验证明，固定阈值取125可以很好地区分出目标与背景区域。

3.4 生物特征提取

培养基菌群特征分析包含有菌群的数量与大小。经过上述处理后，一个个菌群分隔成了一个个连通域。实现连通区域检测的方法有多种，本文采用区域生长法。

区域生长法首先对图像进行逐行（列）扫描，遇到未标记的数值为255的像素点时，为其分配一个未使用过的标号（如1等）且对标号进行计数，然后对其领域进行检测，如果存在领域值为255的像素，则赋予相同的标号且数量加1，反复进行领域检测这一操作.直到不存在领域值为255的像素。然后继续图像行（列）扫描，如检测新的未标记像素的值为255，则赋予其新的标号，并进行以上相同的处理。使用同一方法，直至整个图像扫描结束。

通过求得连通域的标号的最大值，以及每一个连通域标号的计数值，可以得到菌群的数量与大小。

在培养基中，存在多个菌群粘在一起的现象。可以使用先腐蚀、后膨胀的方法分隔开这类菌群。

腐蚀与膨胀是形态学图像处理。假设A和B是z中的集合，A被B膨胀的定义为：

上述公式是得到B的相对于它自身原点的映象并且由z对映象进行位移为基础的。A被B膨胀是所有位移z的集合，这样和A至少有一个元素是重叠的。

假设A和B是z中的集合，B对A进行腐蚀可以用表示，它的定义为：

上述公式说明，使用B对A进行腐蚀是所有B中包含于A中的点z的集合用z平移。

如果多个菌群粘结范围大，可以通过人为割裂的方式分隔开各个菌群。

去除背景后的特征提取如图4所示。

图4 培养基特征提取

4.实验结果及分析

本文以10个培养基作为样本。由检测系统、工作人员、专家分别识别培养基中菌群的数量及每一个菌群的大小，然后将检测系统、工作人员检测出的结果与专家检测结果进行比较。总数量表示培养基中菌群的总数量，总数量误差率是相对于总数量而言，其中以专家标定的总数量作为基准;总面积误差是指每一个菌群与专家标定的误差总和，总面积误差率是对于总面积而言，其中以专家标定的总面积作为基准。相关数据如表1所示。

由表1的数据分析可知，检测系统与工作人员测出的菌群总数量与专家标定的非常的接近，只有样本3与专家标定的结果不一致。样本3主要是分割菌群时，与专家实施的标准不一致。检测系统与工作人员在标定菌群面积与，都与专家标定的菌群面积有误差，检测系统的误差率在2%左右，工作人员的误差率在5%左右，检测系统的误差率远小于工作人员标定的误差率。

5.结论

本文研究的是图像处理在培养基中菌群数量与大小的研究与应用。实验结果证明，该系统比人工检测更精确。然而，软件系统依然存在一些可以改进的地方，对于多菌群粘结在一起的情况，需要人为干预分隔开这些菌群;对于一些菌群的认定，需要采集与分析更多的专家已经标定的样本，以这些样本为基准对待检测对象进行标定。

参考文献

[1]冈萨雷斯.数字图像处理[M].北京：电子工业出版社， 2011（6）.

[2]章毓晋.图像分析[M].北京：清华大学出版社，2005（10）.

[3]王铌，于新生等.图像自动识别技术在海洋浮游生物分析中的应用[J].海洋科学，2007，31（10）：61-66.

[4]邹庆胜，汪仁煌，明俊峰.基于机器视觉的瓷砖多参数分类系统的设计[J].广东工业大学学报，2010，27（4）：46-49.

[5]高潮，任可，郭永彩.基于机器视觉的裂纹缺陷检测技术[J].航空精密制造技术，2007，43（5）：23-25.

作者简介：温金保（1984—），男，硕士，助教，现供职于广东水利电力职业技术学院， 研究方向：智能控制。