閾值分割算法在醫(yī)用藥瓶溶液雜質檢測中的研究

李彬 謝云

（廣東工業(yè)大學自動化學院）

0 概述

現代的安瓿瓶是用玻璃管燒制的，廣泛運用于盛放注射制劑和必須隔絕空氣的高純度化學藥品。由于使用明火熔化玻璃管，并通過冷卻使瓶口密封，為了避免該生產工藝可能存在密封不嚴和封裝過程中帶有雜質而影響瓶內封裝試劑的質量，因此需要采用一種合理的檢測方法來剔除生產過程中的不合格產品。整個檢測過程分為三個步驟：圖像處理、圖像分析和圖像理解，其中圖像分割是圖像分析中最重要的環(huán)節(jié)。

針對醫(yī)用溶液雜質檢測算法，國內外有很多學者進行了研究。如Akira等[1]提出了基于視頻圖像的幀間差分法，實現了塑料瓶內異物檢測。李偉[2]在TMS320DM642上做出了嘗試，在分析了Harris角點檢測和Susan角點檢測方法后，利用圖像配準的方法消除了由于機械臂帶來的振動，用差分法將圖像分割出來。肖方良等[3]提出圖像差分提取運動目標和粒子濾波跟蹤運動目標方法來完成對異物的實時視覺檢測。

本文針對安瓿瓶內溶液雜質的特點，提出一種改進的二維 Otsu 閾值分割法。改進后的算法提高了抗噪性，有效避免了錯誤劃分，加強了圖像的分割效果，提高了藥瓶溶液雜質的分割，處理時間也比傳統(tǒng)的二維Otsu算法少。

1 閾值的圖像分割算法

假設原圖像為f (x,y)，該圖像可分為目標像素和背景像素。從背景上提取對象可以選取一個閾值T來分離這兩種模式。任何滿足f (x,y)≥T的點（x,y）稱為對象點，其它點則稱為背景點。經閾值處理后的圖像g (x,y)定義為式(1)

式中：0表示其像素為黑色；1表示其像素為白色。若像素的灰度值小于閾值T，則該像素用黑色顯示；若該像素的灰度值大于或等于閾值T，則用白色顯示。如此得到一個二值圖像，將目標區(qū)域和背景區(qū)域分別用白色和黑色顯示出來。

1.1 一維Otsu法閾值選擇

設n為圖像中的像素總數；nq是灰度級為rq的像素數目；L是圖像中所在可能的灰度級數；pr為離散概率密度函數的歸一化直方圖，則有式(2)和式(3)

假設選定閾值T，C0是一組灰度級為[0,1,…,T-1]的像素；C1是一組灰度級為[T,T+1,…,L-1]的像素。Otsu方法選擇最大化類間方差σ2B的閾值T，類間方差定義為式(4)

整幅圖像的均值為式(5)

C0和C1的均值為式(6)

計算它的直方圖，找到最大化2

例如，教師可以從最基本的啟蒙詩詞《靜夜思》入手，通過為幼兒講解著名詩人李白創(chuàng)作這首古詩的背景，進而激發(fā)幼兒的閱讀興趣。具體來講，教師可以如是說：“小朋友們，今天我們來一起學習一首古詩，詩的名字叫做《靜夜思》，這首詩由我國著名詩人李白所作，李白在創(chuàng)作這首詩的時候，正處于一個皓月當空的深夜，你們想知道作者怎樣結合深夜意境創(chuàng)作出這首詩的嗎？”幼兒異口同聲：“想。”如此，便可以有效激發(fā)幼兒的閱讀興趣，繼而培養(yǎng)幼兒良好的閱讀習慣。

Bσ的閾值，即為最佳閾值。閾值返回為0.0和1.0之間的歸一化值。

1.2 二維Otsu閾值分割法

為改善一維 Otsu算法在處理過程中噪聲干擾等產生的嚴重分割錯誤。劉健莊等[4]提出了灰度圖像的二維Otsu自動閾值分割法，簡稱為二維Otsu法。

如圖1所示，對任意給定的一個閾值(s,t)，可將二維直方圖分成區(qū)域1、區(qū)域2、區(qū)域3、區(qū)域4。目標區(qū)域為區(qū)域 1，背景區(qū)域為區(qū)域3，遠離對角線的區(qū)域2和4對應圖像的噪聲和邊緣。假設二維直方圖存在兩類C0和C1，分別代表目標與背景，且具有兩個不同的概率密度分布函數。設閾值為(s,t)，那么兩類的概率分別為：

圖1 二維直方圖

兩類對應的均值矢量為

二維直方圖上總的均值矢量為

所以可合理地假設在兩個區(qū)域：i=s+1,...,L－1；j=0,…,t和i=0,...s；j=t+1,...,L－1 有 pij≈ 0 。此時關系式成立。

定義一個類間的離散度矩陣

使用SB的跡作為類間離散測度，有

當trSB(s',t')= max｛ trSB(s,t)｝時，二維 Otsu閾值分割法的閾值為(s', t')。

1.3 改進的二維 Otsu 閾值分割法

改進后的二維直方圖如圖2所示。

圖2 改進后的二維直方圖

設橫坐標f (x,y)為中心像素點的灰度值，g (x,y)為全鄰域最大或最小的灰度值?？v坐標采用5×5全鄰域中心像素點灰度值與鄰域的灰度最大值（或灰度最小值）之差的絕對值的最大值 g`(x,y)，則 g`(x,y)=max{|f (x,y)－g (x,y)|}。當f (x,y)和鄰域像素點都表示目標像素或背景像素時，把它們相減，得到的絕對值較小。此時，在對分割效果沒有影響的情況下，為了減小運算時間，對于t

圖3 判斷算法流程圖

首先判斷像素(x,y)是否被標記為待定點，如果不是，尋找下一個符合條件的像素；如果是將判斷5×5鄰域內是否有目標點，如果沒有，尋找下一個符合條件的像素；如果有，先計算中心像素點的灰度值與目標點的最大差值a0，再計算中心像素點的灰度值與所有背景點的最大差值 a1；然后判斷兩者的差值，若a0>a1，說明中心像素點的灰度值與目標點偏差較大，則將其歸屬于背景點；若a0

2 仿真實驗結果及分析

醫(yī)用藥瓶溶液雜質的主要成份為玻璃碎屑、纖維、毛發(fā)、蚊蟲、藥渣等異物。本次使用的仿真圖片是由實際燈檢機采集的（圖4(a)）。為了方便描述，對含有雜質的區(qū)域使用虛線矩形進行了標識。從圖4(a)可以看出，本次雜質主要為纖維等懸浮物，此類溶液雜質的特點為微小、與背景灰度值相差不大、液面噪聲較大等。改進的二維 Otsu算法考慮到噪聲影響，加強了抗噪性，對目標分割效果有所提高。本次仿真主要是對目標雜質進行圖像分割處理，仿真實驗環(huán)境使用Matlab7軟件，仿真結果如圖4所示。

圖4 各種閾值分割算法

從仿真結果可以看出，普通的閾值分割效果最差，且由于閾值需要手動給出，要重復多次試驗才能得到較合理的閾值，實際中不常用，但其運算時間最少；一維 Otsu由于噪聲干擾等會產生分割錯誤，如果采集到的圖像清晰，噪聲較小也能得到較好的效果，其運算時間也比較短；傳統(tǒng)二維 Otsu閾值分割法簡單地認為位于閾值附近且像素灰度值與其鄰域平均灰度值相差不大的區(qū)域出現的概率為零，從而使得算法不夠準確，使用二維直方圖增加了處理的時間，其所用時間最長；改進的二維 Otsu可以有效地將邊緣和噪聲中的一些目標像素點區(qū)分出來，并分割到目標區(qū)域，提高了算法的抗噪性，減小了錯誤劃分，加強了圖像的分割效果。

3 結論

本文分析和比較了一般的閾值分割、一維 Otsu和傳統(tǒng)二維 Otsu的圖像分割算法，進一步提出了一種改進的基于二維 Otsu分割算法?？梢杂行У貙⑦吘壓驮肼曋械囊恍┠繕讼袼攸c區(qū)分出來，并分割到目標區(qū)域，提高了算法的抗噪性。無論是從理論上分析，還是從仿真實驗結果來看，都表明該算法具有較強的抗噪性能，與傳統(tǒng)二維 Otsu相比，處理時間也有所減少。

[1] Akira I,Takayuki M,Shigehiko T,et al.Detection of foreign substances mixed in a plastic bottle of medicinal solution using real-time video image processing [C], Proc 14th International Conference on Pattern Recognition. Australia:IEEE Computer Society,1998,2:1646-1650.

[2] 李偉.基于機器視覺的安瓿內可見異物檢測系統(tǒng)的研究[D].北京:清華大學,2010.

[3] 肖方良,王耀南,章捷,等.安瓿制劑中的可見異物實時視覺檢測系統(tǒng)研究[J].計算機測量與控制,2010,18(2):295-298.

[4] 劉健莊,栗文青.灰度圖象的二維Otsu自動閾值分割法[J].自動化學報,1993,19(1):101-105.

[5] 梁光明,劉東華,李波,等.二維Otsu自適應閾值分割算法的改進[J].自動化技術與應用,2002,21(5):43-47.

[6] 郝穎明,朱楓.二維Ostu自適應閾值的快速算法[J].中國圖像圖形學報,2005,10(4): 484-488.