关键字 |
| 物体计数，图像处理，图像分割。 |
介绍 |
| 对象计数是在不同行业中执行的一项非常常见的任务。在图像分析中，需要计算出图像中有多少个对象。对象计数用于从图像中获取一定数量的元素。这些元素作为定量分析、运动跟踪和定性分析的信息源。 |
| 传统的对象计数方法是手动的、耗时的、非自动的。连续计数会导致眼睛疲劳，影响计数结果的准确性。然而，计算对象的过程并不总是简单或琐碎的，甚至需要手动执行。大多数计数方法都有其特殊性，难以处理。例如，对象可能大量出现并且重叠，使得计数变得棘手和乏味，从而导致错误。人工方法必须用计算机视觉代替，因为这种方法的结果是错误的，而且耗时[1]。物体的自动计数是近年来备受关注的一门学科，物体种类繁多，如细胞[2]、红细胞[3]、鱼[4]、鸡蛋[9]等。 |
| 由于自动计数是客观、可靠和可重复的，因此使用自动程序比使用人工计数更准确地比较标本之间的细胞数量。当手动计数时，用户通常在每次测量中得到不同的结果，而自动程序获得一致的唯一值。因此，尽管有些单元可能会丢失，但由于在所有堆栈中应用了相同的标准，因此没有偏差或误差。使用一致和客观的标准来比较多种基因型和无限大小的样本。 |
| 细胞计数在医学诊断和生物学研究中具有重要的应用价值。微生物菌落计数是卫生检验、食品质量控制、农业分析等领域最基本的活动之一。血细胞计数是医学上最常用的血液检查之一。这是检测和跟踪疾病治疗[3]所必需的。在海洋科学研究中，鱼类种群估算和鱼类种类分类对于评估海洋环境中鱼类的丰度、分布和多样性具有重要意义[10]。物体计数也需要在其他一些研究领域，这些领域的物体不能用肉眼分离，“时间”和“准确性”的因素很重要 |
| 当不同的物体不容易区分，大小不一，周围有嘈杂的背景时，这就变得很有挑战性。重要的是要注意被计算对象的多样性，因为开发算法的准确性依赖于相同的对象。 |
| 目前，人们对物体计数进行了大量的研究。本文介绍了几种物体计数方法的文献综述。 |
2框架 |
| 对象计数的一般方法遵循以下框架: |
| 1.图像采集:这一步是通过相机捕获图像。图像的质量取决于相机参数、照明条件、物体的大小和拍摄图像的距离。为了获得更好的效果，最好使用分辨率更高的相机 |
| 2.图像增强:图像增强的目的是对图像进行处理，使生成的图像比原始图像更适合特定的应用。在此过程中，图像的一个或多个属性被修改。属性的选择和修改图像的方式取决于具体的应用程序。这些包括基本的灰度变换，直方图修改，平均和中值滤波等 |
| 3.图像分割:分割用于将图像划分为不同的区域，每个区域包含具有相似属性的像素。分割的结果是一组覆盖整个图像的片段或从图像中提取的一组轮廓。它可以是基于区域的分割或数据聚类或基于边缘的分割。 |
| 4.对象计数:对分割区域的数量进行对象计数。物体计数的方法有斑点分析、连通成分分析、统计面积测量等。 |
3文献综述 |
| 1.郭晓敏、俞飞鸿介绍了一种基于显微图像的细胞自动计数方法。直方图信息用于计算可调的下限和上限阈值。该值用于对象和背景的分割。漫灌法的效果是填充对象区域。它用于标记或分隔图像中的区域。blob是具有相同逻辑状态的触摸像素的区域。图像中属于blob的所有像素都处于前景状态。所有其他像素都处于背景状态。斑点分析用于检测图像中的斑点，并对这些斑点进行选定的测量。 Blob analysis consists of a series of processing operations and analysis functions that produce information about any 2D shape in an image. If size of a blob is beyond the upper threshold of area, the blob will be segmented by K-means clustering algorithm. By calculating the number of cells contained in each blob obtains the total number of cells in whole image. The result shows that maximum relative error is 1.33%, minimum relative error is 0% and the average relative error is 0.46%. |
| 2.Venkatalakshmi。B等人提出了一种使用霍夫变换[3]进行自动红细胞计数的方法。该算法主要包括输入图像采集、预处理、分割、特征提取和计数五个步骤。在预处理步骤中，将原始血液涂片转换成HSV图像。由于饱和图像清晰地显示了明亮的成分，因此可以进一步用于分析。分割的第一步是从直方图信息中找出下、上阈值。然后根据这些信息将饱和图像分为两个二值图像。形态学区域闭合应用于低像素值图像，形态学扩张和区域闭合应用于高像素值图像。对两幅二值图像进行形态学异或运算，采用圆霍夫变换提取红细胞。 |
| 3.J.N. Fabic等人描述了一种利用斑点计数和形状分析[4]对水下视频序列进行鱼类检测、计数和物种分类的有效方法。该系统包括预处理、轮廓检测、斑点计数和物种识别四个主要步骤。预处理是通过消除不需要的物体来清理背景。它包括珊瑚黑化程序，使用颜色直方图对珊瑚进行黑化，内-外块擦除算法区分鱼和水，边缘清洗算法清晰地定义边缘。轮廓检测利用Canny边缘检测来检测鱼的轮廓并填充空间以允许斑点计数。斑点检测器基于拉普拉斯高斯函数(LoG)。使用连通分量算法对二值图像中的连通区域进行标记，并可唯一提取子集。这些结果用于计数、过滤或跟踪。物种识别是借助斑点的图像矩特征完成的。 From results, it is observed that the tolerance is less than 10 %. |
| 4.Haider Adnan Khan等人提出了一种通过检测显微图像中的细胞质心进行细胞分割和计数的框架[5]。采用对比度有限的自适应直方图均衡化方法对图像进行预处理，得到增强图像。接下来，使用全局阈值将细胞与背景分离。然后，计算二值图像的距离变换，将二值图像转换为表示每个单元像素与其最近的背景像素之间距离的距离图。为了进行模板匹配，根据圆盘的距离变换生成模板图像。距离图用于识别细胞质心。模板匹配是利用模板与距离图之间的归一化互相关完成的。最后，对相似矩阵进行补全，并将所有背景像素设置为-∞。然后对这个互补的相似矩阵进行分水岭变换。 This splits the similarity matrix into separate disjoint regions. Each region is labeled and counted to get the count. The experimental results show excellent accuracy of 92 % for cell counting even at very high 60 % probability. |
| 5.Watcharin等人提出了一种利用神经网络和hough变换[6]对尿液沉积物中血细胞计数的算法。算法的第一步是利用前馈反向传播算法对背景和血细胞进行分割。对于训练神经网络，输入是色相、饱和度、值和标准差。在得到前馈反向传播输出后，采用形态开闭方法消除椒盐噪声。最后一步是血细胞计数使用圆形霍夫变换。实验结果表明，该方法检测红细胞和白细胞的平均误差百分比分别为5.28和8.35。 |
| 6.J. G. a . Barbedo提出了一种微生物计数方法，该方法使用一系列形态学操作来创建一个表征，其中感兴趣的对象很容易被分离和计数。该方法的第一步是RGB到灰度的转换。然后，应用二维中值滤波，以消除噪声和其他伪影。滤波器的理想邻域大小取决于三个主要因素:感兴趣对象的大小、伪影的大小和图像的分辨率。该项目有两种选择社区的方法。在第一种方法中，用户输入物体和工件直径的估计值。在第二种方法中，使用多个计数进行估计。然后，以这样一种方式调整对比度:最亮的像素假设全尺寸值为255，最暗的像素等于零。接下来，算法会验证背景是否比物体更亮或更暗。 If the background is brighter, a complement operation is performed. The image is then submitted to top-hat morphological filtering. Image is binarized with threshold in 128. After that object counting becomes trivial. By observing results, it can be seen that, except for the case of merged objects, the method identifies the objects correctly in more than 90 % of the cases, and the number of false positives is always low. The overall deviation was 8 %; such a number falls to 2.5 % if the images with merged objects are not taken into account. |
| 7.Marjan Ramin等人使用图像分析技术对免疫细胞化学(ICC)图像[8]中的细胞数量进行计数。该系统包括预处理、分类、分离结合核和细胞计数四个主要步骤。预处理包括通过平滑空间滤波去除随机噪声。利用形态学开放算子消除图像背景。通过从所有通道中减去红色通道的中值来去除带状噪声。为了分离细胞核和抗原，在L*a*b颜色空间中采用了欧几里得距离度量的最近邻分类方法。用局部阈值算法对结合核进行分离。为此，进行了统计分析，并利用遗传算法找到了最优阈值。最后，通过跟踪边界完成细胞计数。 From the results, the Error Ratio and Standard Deviation of the proposed method are 6.75% and 6.39% respectively. |
| 8.Carlos A. B. Mello等人提出了两种蚊卵计数方法。这些方法都是基于不同的颜色模型[9]。在第一种方法中，将RGB图像转换为HSL颜色模型(色相，饱和度，亮度)。从这三个分量中提取色相图像，因为它包含有关色调的信息。采用黄阈值算法对色相图像进行二值化处理。使用连通分量算法对图像的连通区域进行标记。滤波采用形态打开操作，结构元素定义为卵的形式。在最后一步，我们认为鸡蛋占据了170像素的面积。鸡蛋的数量是通过将白色像素的总数除以这个平均面积来计算的。 The second method is based on converting RGB sub-image to YIQ one. From these components, I band is segmented in two ways: by using limiarization with fix threshold of 200 and by binarization using k-means clustering method. For performing egg counting in this method, it is considered that the average size of mosquito egg is 220 pixels. |
IV.APPLICATIONS |
| 使用图像处理的物体计数在引入自动化和减少计数时间方面有着巨大的应用。物体计数在工业系统中的一些主要应用是包装、质量控制等。它在研究对象尺寸非常小的领域很有帮助。物体计数算法也可以用来跟踪和识别物体。本方法可以扩展为基于用户选择属性的计数系统。 |
诉的结论 |
| 图像处理技术有助于物体计数，有效地减少了计数时间。正确识别目标对于目标计数非常重要。算法的准确性取决于使用的相机、物体的大小、物体是否接触以及照明条件。 |
数字一览 |
 |
| 图1 |
|
|
参考文献 |
- Jayme Garcia ArnalBarbedo，“Neubaur Chamber中的自动对象计数”，第三十一届巴西电信研讨会，福塔莱萨，2013年12月。
- 郭晓敏，余飞鸿，“一种基于显微图像的细胞自动计数方法”，第五届智能人机系统与控制论国际学术会议，Vol. 1, august 2013。293 - 296页。
- Venkatalaksmi。B和Thilagavathi。王晓明，“基于Hough变换的红细胞计数方法”，2013年IEEE信息与通信技术会议，2013年4月，pp. 267-271。
- J.N. Fabic, I.E. Turla, J.A. Capacillo, L.T. David和P.C. Naval, Jr .，“基于Blob计数和形状分析的水下视频序列鱼类种群估计和物种分类”，2013年国际水下技术研讨会(UT)， 2013年3月。1 - 6页。
- Haider Adnan Khan和GolamMorshedMaruf，“使用距离映射计算聚类细胞”，2013年国际信息、电子和视觉会议(ICIEV)， 2013年5月。1 - 6页。
- 王晓明，王晓明，王晓明，“基于人工神经网络和Hough变换的血液细胞计数算法”，中国生物医学工程学术会议，2013年10月。1 - 4页。
- Jayme Garcia ArnalBarbedo，“显微镜图像中微生物和菌落计数方法”，第12期。计算机科学与应用，2012年6月。84 - 87页。
- Ramin M.， Ahmadvand, P.， Sepas-Moghaddam, A.Dehshibi, m.m.，“基于遗传算法的免疫细胞化学图像细胞计数”，第十二届混合智能系统国际会议，2012年12月。185 - 190页。
- Carlos A. B. Mello, Wellington P. dos Santos, Marco A. B. Rodrigues, Ana LciaB。Candeias, Cristine M. G. Gusmao，“用于埃及伊蚊卵自动计数的卵形器图像分割”，第30届国际IEEE EMBS会议，温哥华，加拿大，2008年8月。3103 - 3106页。
- 郭志强，郭志强，“一种新的埃及伊蚊卵分类算法”，中国科学技术大学学报(自然科学版)，2009年9月，第1页。
- 吴廷明，刘伯刚，“基于图像处理的鱼类自动计数”，计算机智能与软件工程国际会议，2009年12月。1 - 5页。
- 闫文忠，“一种重叠染色体计数算法”，第2届国际生物信息学与生物医学工程学术会议，2009年6月，第1-3页。
- ChomtipPornpanomchai, fuangchatstheitsthienchaisorwatrattanachuen，“目标检测与计数系统”，2008年图像与信号处理大会，2008年5月。61 - 65页。
- 廖庆民，林兴刚，张玉金，“基于图像分析的深海鱼卵识别”，第3届信号处理国际会议，1996年10月。二。855 - 858页
|
菜单
