关键字 |
| 目标计数，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，计算出一张图像中需要多少个物体。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。 |
| 传统的物体计数方法是手动的，耗时且非自动形式。连续计数会导致眼睛疲劳，影响结果的准确性。然而，计算对象的过程并不总是简单或简单的，甚至手动执行。大多数计数方法都有其独特之处，难以处理。例如，物体可能会大量出现并且重叠，使得计数变得棘手和乏味，从而导致错误。必须用计算机视觉代替手工方法，因为这种方法的结果是错误的，耗时[1]。物体的自动计数是近年来受到广泛关注的一个主题，其对象包括细胞[2]、红细胞[3]、鱼[4]、鸡蛋[9]等。 |
| 由于自动计数是客观的、可靠的和可重复的，与人工计数相比，使用自动程序比较标本之间的细胞数量要准确得多。当用户手动计数时，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，尽管一些单元格可能会被遗漏，但由于在所有堆栈中应用了相同的标准，因此没有偏差或错误。一致和客观的标准用于比较多种基因型和无限大小的样品。 |
| 细胞计数在医学诊断和生物学研究中非常重要和有用。微生物和菌落计数是卫生检测、食品质量控制、农业分析等领域最基本的活动之一。血液计数是医学上最常用的血液检测之一。它是检测和跟踪疾病治疗[3]所必需的。在海洋科学研究中，鱼类种群估计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。物体计数在其他一些不能用肉眼分离物体的研究领域也需要进行，这些领域的因素包括“时间”和“准确性” |
| 当不同的物体不容易区分，大小不同，被嘈杂的背景包围时，这就变得很有挑战性。重要的是要注意到被统计的对象的多样性，因为展开算法的准确性取决于它们。 |
| 目前，人们正在对物体计数进行大量的研究。本文对几种物体计数方法进行了文献综述。 |
2框架 |
| 对象计数的一般方法遵循以下框架: |
| 1.图像采集:该步骤是通过相机进行图像采集。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，使得到的图像比原始图像更适合特定的应用。在这个过程中，图像的一个或多个属性被修改。属性的选择和图像修改的方式取决于具体的应用。其中包括基本灰度变换、直方图修改、平均滤波和中值滤波等 |
| 3.图像分割:分割用于将图像划分为不同的区域，其中每个像素具有相似的属性。分割的结果是一组片段，它们共同覆盖整个图像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:对象计数是得到分割区域的数量。物体计数的方法有斑点分析、连通分量分析、统计面积测量等。 |
3文献综述 |
| 1.郭晓敏和俞飞鸿介绍了一种基于显微图像[2]的细胞自动计数方法。直方图信息用于计算可调上下限阈值。这个值用于分割对象和背景。泛填法填充对象区域的效果。它用于标记或分离图像中的区域。blob是具有相同逻辑状态的触点区域。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等人提出了一种利用hough变换[3]进行红细胞自动计数的方法。红细胞估计算法由输入图像采集、预处理、分割、特征提取和计数五个主要步骤组成。在预处理步骤中，将原始血液涂片转化为HSV图像。由于饱和图像清晰地显示了明亮的成分，因此进一步用于分析。分割的第一步是从直方图信息中找出上下限阈值。然后根据该信息将饱和图像分割为两张二值图像。对低像素值图像采用形态学区域闭合，对高像素值图像采用形态学扩张和区域闭合。对两幅二值图像进行形态学异或运算，采用圆形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]从水下视频序列中进行鱼类检测、计数和物种分类的有效方法。该系统由预处理、轮廓检测、斑点计数和物种识别四个主要步骤组成。预处理是通过消除不需要的对象来清理背景。它包括珊瑚黑化程序，使用颜色直方图来黑化珊瑚，内外块擦除算法来区分鱼和水，边缘清洗算法来清楚地定义边缘。轮廓检测利用Canny边缘检测来检测鱼类轮廓并填充空间以允许斑点计数。斑点探测器是基于拉普拉斯高斯(LoG)的。利用连通分量算法对二值图像中的连通区域进行标记，并能唯一提取子集。这些结果用于计数、过滤或跟踪。利用斑点的图像矩特征进行物种识别。 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[5]中的细胞质心来进行细胞分割和计数的框架。采用对比度限制自适应直方图均衡化进行预处理，得到增强后的图像。接下来，使用全局阈值将单元从背景中分离出来。然后对二值图像进行距离变换，将二值图像转换为距离图，表示每个单元格像素与其最近的背景像素之间的距离。为了进行模板匹配，对圆形圆盘进行距离变换，生成模板图像。距离图用于识别细胞质心。模板匹配使用模板与距离映射之间的归一化互相关。最后，对相似矩阵进行补齐，并将所有背景像素设置为-∞。然后对互补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人工神经网络和霍夫变换[6]计算尿液沉积物中血细胞的算法。算法的第一步是采用前馈反向传播算法进行背景与血细胞的分割。对于训练神经网络，输入为Hue, Saturation, Value和standard deviation。在前馈反向传播输出后，采用形态启闭方法消除了椒盐噪声。最后一步是循环霍夫变换血细胞计数。实验结果表明，该方法检测红细胞和白细胞的平均误差率分别为5.28和8.35。 |
| 6.J. G. a . Barbedo提出了一种计数微生物的方法，该方法使用一系列形态学操作来创建一个表示，其中感兴趣的对象很容易分离和计数[7]。该方法的第一步是RGB到灰色的转换。再对图像进行二维中值滤波，以消除噪声等伪影。理想的邻域大小应该应用滤波器取决于三个主要因素:感兴趣的对象的大小，伪影的大小和图像的分辨率。该项目有两种方法来决定社区。在第一种方法中，用户输入物体和工件的直径估计。在第二种方法中，使用多次计数进行估计。然后，以这样的方式调整对比度，最亮的像素假设满量程值为255，最暗的像素等于零。接下来，算法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计算免疫细胞化学(ICC)图像[8]中的细胞数量。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。预处理是通过平滑空间滤波器去除随机噪声。利用形态学开放算子消除图像背景。通过从所有信道中减去红色信道的中值来去除条带噪声。为了将细胞核与抗原分离，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。利用局部阈值分割算法分离束缚核。为此，利用遗传算法进行统计分析，找到最优阈值。最后，细胞计数通过跟踪边界来完成。 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)。从这三个组成部分，提取色调图像，因为它包含了颜色色调的信息。采用黄阈值算法对色相图像进行二值化。采用连通分量算法对图像连通区域进行标记。过滤使用形态打开操作，结构元素定义为卵的形式。在最后一步，假设鸡蛋占用170像素的面积。鸡蛋的数量是用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 |
| 利用图像处理的物体计数有巨大的应用，自动化将被引入，并减少计数的时间。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。它在物体尺寸很小的研究领域很有帮助。目标计数算法还可以用于跟踪和识别目标。该方法可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，有效地缩短计数时间。正确的目标识别是目标计数的重要内容。算法的精度取决于所使用的相机、物体的大小、物体是否接触和照明条件。 |
数字一览 |
 |
| 图1 |
|
|
参考文献 |
- Jayme Garcia ArnalBarbedo，“纽鲍尔室的自动对象计数”，第31届巴西电信研讨会，2013年12月。
- 郭晓敏，俞飞鸿，“一种基于显微图像的自动细胞计数方法”，第五届智能人机系统与控制论国际会议，第1卷，2013年8月。293 - 296页。
- Venkatalaksmi。B和Thilagavathi。K，“Hough变换自动红细胞计数”，2013年IEEE信息与通信技术会议，2013年4月，第267-271页。
- J.N. Fabic, I.E. Turla, J.A. Capacillo, L.T. David和P.C. Naval, Jr，“基于斑点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，“使用距离映射计算集群细胞”，2013年国际信息、电子与视觉会议(ICIEV)， 2013年5月。1 - 6页。
- watcharsuksant, ChuchartPintavirooj, SomchartTaertulakarn, somsridachai，“基于ANN和Hough变换的尿沉积物中血细胞计数的开发算法”，2013生物医学工程国际会议，2013年10月。1 - 4页。
- Jayme Garcia ArnalBarbedo，“显微图像中微生物和菌落计数方法”，第12 Int。计算机科学及其应用，2012年6月。84 - 87页。
- Ramin M.， Ahmadvand, P.， Sepas-Moghaddam, A.Dehshibi, m.m.，“用遗传算法计算免疫细胞化学图像中的细胞数量”，第12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诱卵器图像分割”，第30届国际IEEE EMBS年会，温哥华，加拿大，2008年8月。3103 - 3106页。
- G. Gusmao, Saulo C. S. Machado, Marco A. B. Rodrigues，“一种新的分割和计数埃及伊蚊卵的算法”，第31届国际会议IEEE EMBS明尼阿波利斯，明尼苏达州，美国，2009年9月，第6714-6717页。
- 杜永华，吴志明，刘炳强，“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。
- 颜文忠，“一种用于重叠染色体的计数算法”，第二届生物信息学与生物医学工程国际会议，2009年6月，第1-3页。
- ChomtipPornpanomchai, FuangchatStheitsthienchaiSorawatRattanachuen，“目标检测与计数系统”，2008年图像与信号处理会议，2008年5月。61 - 65页。
- 廖庆民，林兴刚，张玉金，“基于图像分析的远洋虫卵识别”，第三届国际信号处理会议，1996年10月。二。855 - 858页
|
菜单
