基于图像识别的微液滴计数与测量系统

王琦煜

【摘 要】本研究通过图像增强算法，有效的去除类圆目标之外的物体，提高计数与测量的准确率，实际开发基于机器视觉的计数与测量系统。本文研究的微液滴计数与测量系统能快速准确地将试验图像中的微液滴分割，实现微液滴的有效计数与测量。有效提高了实验效率，使实验中微液滴的计数与测量环节实现自动化。

【关键词】微液滴；图像分割

中图分类号： TP391.41 文献标识码： A 文章编号： 2095-2457（2018）26-0025-002

DOI：10.19694/j.cnki.issn2095-2457.2018.26.009

Micro-droplet counting and measuring system based on image recognition

Wang Qiwei

（Shengli College China University Of Petroleum， Dongying Shandong 257000， China）

【Abstract】Image enhancement algorithms， have rapidly become a methodology of choice for circular target recognition. The research in this paper could effectively remove objects outside the circular target， and develop a system which is based on computer vision to improve the accuracy of counting and measurement. The microdroplet counting and measuring system studied in this paper can quickly and accurately segment the complex image. By using the system， the efficiency of the experiment is improved， and the experiment are becoming automatically in the measurement phase.

【Key words】Microdroplet； Image segmentation algorithm

本研究旨在以微流控實验中微液滴图像为主要研究对象，研究粘连重合情况下微液滴计数与测量的相关技术，包括图像增强算法的优化，重叠粘连微液滴识别技术等，实现微液滴的自动计数与测量。

1 微液滴的形成

1.1 微液滴试验概述

微流控（microfluidics）是一种精确控制技术，它操控微尺度，主要作用于亚微米结构流体。在20世纪80年代兴起，是一个涉及了工程学、物理学、化学、微加工和生物工程等领域的交叉学科。微液滴技术是微流控技术的重要分支，是在微流控芯片上发展起来的一种全新的操纵微小体积液体的技术。微液滴有着巨大的技术潜力以及市场潜力，它具有良好的可操控性，操作方法分散，试验可重复进行、高通量性，目前已成功应用于DNA测序、蛋白质分析、酶动力学等研究领域。微液滴测量与计数系统一般由显微镜、CCD摄像机、照明光源等组成，每一步实验现象，首先经过显微镜过滤并且放大成像，然后通过CCD摄像装置拍摄，就可以获得这一时刻的瞬时粒子图像。针对得到的图像，研究员对图像中微液滴进行人工计数和测量，进而分析实验结果，得出实验微液滴性状分析。

1.2 微液滴试验存在问题

研究员对图像中微液滴进行人工计数和测量这种检测方法存在着很多问题：（1）对工作人员的要求很高，要求工作人员具备较为丰富的专业知识和观察经验，才能进行准确的计数。一般具备这种素质的工作人员，都担任着较重的试验任务，做计数工作是对人力的极大浪费。（2）试验结果产生的需要检测的微液滴图像样本数量往往很大，每张图像中包含的目标物也比较多，微液滴图像有时还会出现彼此重叠覆盖的情况。所以，计数需要耗费很长的时间和精力来完成，容易造成工作人员的疲劳而引起误判。（3）人工参与的检测工作往往主观性比较强，不同的工作人员不同状态下去观察可能会产生不同的检测结果。

目前微液滴微流控芯片处于快速的发展时期，其应用正在拓展到不同的领域。一种高效精准又实时性好的统计分析方法急需被用于微流控微液滴试验的数据处理阶段。如此才能使得研究人员能快速有效的进行试验，而不是把宝贵的时间浪费在计数与测量过程中。微液滴的计数和测量是一类类圆形物体识别问题。

2 图像分割算法实现重叠粘连微液滴识别技术的研究

微液滴目标识别可被视作类圆物体识别，这种特定的类圆目标边界不完整，而且液滴之间容易产生粘连或者部分重叠，使得目标的分割异常困难。近年来，国内外研究人员针对图像分割技术做了大量研究，类圆体分割方法主要有基于阈值的分割法，基于边缘检测的分割法，基于区域的分割方法等。

2.1 基于阈值的分割方法

基于阈值的图像分割法是最基本的图像分割方法，多用于图像中目标和背景具有明显区别的情况。在使用阈值分割法时，如何选择阈值是这种分割法的关键问题，阈值选择的好坏直接决定分割结果的优劣。

2.2 基于边缘检测的分割方法

基于边缘检测的分割法主要方法是判断边缘区域的位置。数字图像识别技术中，图像的边缘是最明显的不连续区域。图像边缘定义的位置主要在目标与非目标之间、目标与目标之间、目标与背景之间。边缘检测正是利用邻接边缘处存在的特征差异来实现分割的。比如利用灰度颜色差异分割，利用空间上的不连续分割，以及利用其他纹理特征差异进行分割等。边缘检测分割技术实际上就是检测发生变化较明显的位置来寻找图像分割点，进而将目标独立出来。

2.3 基于区域的分割方法

区域生长算法通过设定一系列的准则，将满足或者近似满足准则的像素点融合成目标区域，从而实现图像分割的目的。区域生长方法具体做法是确定一个生长起点，从生长起始点开始，不断融合新像素点获取整个目标区域。区域分裂与合并算法是先将整幅图像按照需求分裂成多个子区域，根据设定的准则，对每个子区域进行判定，如果相邻的两个子区域满足相似性准则，则合并为一个区域，周而复始对所有区域进行判定，从而确定区域的分割方法。

3 微液滴计数与测量技术的研究

分析各类采集到的微液滴数字图像。拟使用软件Matlab，将阈值分割、聚类分割、边缘检测分割等图像分割算法，单独应用或混合应用到预处理后的图像中去。选取排列组合后最优的处理结果，针对处理完成的图像，选取合适的边缘检测算子进行优化，把目标区域从纷繁复杂的背景中抽离出来。

明确微液滴之间的粘连与重合效果，是串连、环连，还是混连。使用边界特征法、几何参数法、傅里叶形状描述法以及形状不变矩法等描述形状的特征，对图像中类圆目标特征进行提取。之后选取凹点分割或面积分割方法将重叠区域进行分割处理，分离成彼此不粘连的单独颗粒。针对不同的微流控技术所产生的不同形状的微液滴，根据其乳液特有的性质，确定比例尺，对分离成功的类圆微液滴進行计数与直径测量。

4 系统设计

粘连类圆体图像分割与统计系统主要由采集模块、处理模块、显示模块三大模块组成，本项目中采集部分由微流体实验室完成，芯片设计如下图1：

本项目设计的系统只需要包括处理模块与显示模块。按照面向对象的软件工程方法，我们可以将系统分解为图像类、图像处理类、图像分析类三个大类。

4.1 图像类

图像类封装了图像的所有基本属性信息（包括图像的长度、宽度、颜色位、文件格式、文件大小等），以及文件的读取和保存路径、图像显示等基本功能模块。考虑到系统的兼容性，系统中无论是从图像文件中直接读取，还是由硬件采集卡采集获取，我们统一使用BMP格式存储图像，也就是统一转换成真彩色24位格式。这种格式要求便于图像的显示，也利于图像处理时位和格式的统一。

4.2 图像处理类

将所有图像预处理操作，也就是为了图像便于分割所做的操作，包括灰度变换、图像增强、算术运算、几何运算、形态学运算等等，封装在一个子类中，这样可以便于函数的调用和，增强程序的可读性。

4.3 图像分析类

把类圆体图像分割算法、系统计数算法、数据存取算法中用到的技术，如图像分割、标记计数、特征提取等封装为图像分析类，便于函数的调用和后续的处理，增强系统的可操作性。

5 结论

液滴作为一种全新的、极具发展前景的微流控技术已经引起了人们的广泛关注，相关的研究已取得了一系列令人瞩目的进展，目前该领域仍处于高速发展的阶段。而国内外实验中，对于微液滴的计数与测量大部分采用的依然是人工检测的方法。目前已有的软件大部分采用LabView设计制作，或是准确率差，或是无法识别重合粘连的微液滴图像，没有被广大研究人员采用。本项目研究的微液滴计数与测量系统，针对微流控微液滴的特点，对软硬件设施提出细化的特殊要求，达到高准确率。软件计划实现功能包括：加密、放大、腐蚀等，满足各种实验中的类圆微液滴计数与测量的要求，具有很强的适应性。

【参考文献】

[1]林炳承，秦建华.微流控芯片分析化学实验室.高等学校化学学报，2009，30：433-445.

[2]杨翠翠，杨鸣.显微图像的复杂粘连细胞个数统计[J].光学仪器，2010（3）：32-35.

[3]JJ Agresti，E.Antipov，AR Abate，K.Ahn，AC Rowat，JC Baret， M.Marquez，AM Klibanov，AD Griffiths，DA Weitz.PNAS 2010， 107：4004-4009.

[4]齐帅.基于计算机视觉的粘连类圆图像分割与统计算法研究[D].南昌：南昌大学，2014.

[5]N.Shembekar，C.Chaipan，R.Utharala，C.A.Merten，Droplet-based microfluidics in drug discovery，transcriptomics and high-throughput molecular genetics，Lab Chip 16（2016）1314–1331，http：//dx.doi.org/10.1039/C6LC00249H.