基于圖像識別的微液滴計數與測量系統

王琦煜

【摘 要】本研究通過圖像增強算法，有效的去除類圓目標之外的物體，提高計數與測量的準確率，實際開發基于機器視覺的計數與測量系統。本文研究的微液滴計數與測量系統能快速準確地將試驗圖像中的微液滴分割，實現微液滴的有效計數與測量。有效提高了實驗效率，使實驗中微液滴的計數與測量環節實現自動化。

【關鍵詞】微液滴；圖像分割

中圖分類號： TP391.41 文獻標識碼： A 文章編號： 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驗中微液滴圖像為主要研究對象，研究粘連重合情況下微液滴計數與測量的相關技術，包括圖像增強算法的優化，重疊粘連微液滴識別技術等，實現微液滴的自動計數與測量。

1 微液滴的形成

1.1 微液滴試驗概述

微流控（microfluidics）是一種精確控制技術，它操控微尺度，主要作用于亞微米結構流體。在20世紀80年代興起，是一個涉及了工程學、物理學、化學、微加工和生物工程等領域的交叉學科。微液滴技術是微流控技術的重要分支，是在微流控芯片上發展起來的一種全新的操縱微小體積液體的技術。微液滴有著巨大的技術潛力以及市場潛力，它具有良好的可操控性，操作方法分散，試驗可重復進行、高通量性，目前已成功應用于DNA測序、蛋白質分析、酶動力學等研究領域。微液滴測量與計數系統一般由顯微鏡、CCD攝像機、照明光源等組成，每一步實驗現象，首先經過顯微鏡過濾并且放大成像，然后通過CCD攝像裝置拍攝，就可以獲得這一時刻的瞬時粒子圖像。針對得到的圖像，研究員對圖像中微液滴進行人工計數和測量，進而分析實驗結果，得出實驗微液滴性狀分析。

1.2 微液滴試驗存在問題

研究員對圖像中微液滴進行人工計數和測量這種檢測方法存在著很多問題：（1）對工作人員的要求很高，要求工作人員具備較為豐富的專業知識和觀察經驗，才能進行準確的計數。一般具備這種素質的工作人員，都擔任著較重的試驗任務，做計數工作是對人力的極大浪費。（2）試驗結果產生的需要檢測的微液滴圖像樣本數量往往很大，每張圖像中包含的目標物也比較多，微液滴圖像有時還會出現彼此重疊覆蓋的情況。所以，計數需要耗費很長的時間和精力來完成，容易造成工作人員的疲勞而引起誤判。（3）人工參與的檢測工作往往主觀性比較強，不同的工作人員不同狀態下去觀察可能會產生不同的檢測結果。

目前微液滴微流控芯片處于快速的發展時期，其應用正在拓展到不同的領域。一種高效精準又實時性好的統計分析方法急需被用于微流控微液滴試驗的數據處理階段。如此才能使得研究人員能快速有效的進行試驗，而不是把寶貴的時間浪費在計數與測量過程中。微液滴的計數和測量是一類類圓形物體識別問題。

2 圖像分割算法實現重疊粘連微液滴識別技術的研究

微液滴目標識別可被視作類圓物體識別，這種特定的類圓目標邊界不完整，而且液滴之間容易產生粘連或者部分重疊，使得目標的分割異常困難。近年來，國內外研究人員針對圖像分割技術做了大量研究，類圓體分割方法主要有基于閾值的分割法，基于邊緣檢測的分割法，基于區域的分割方法等。

2.1 基于閾值的分割方法

基于閾值的圖像分割法是最基本的圖像分割方法，多用于圖像中目標和背景具有明顯區別的情況。在使用閾值分割法時，如何選擇閾值是這種分割法的關鍵問題，閾值選擇的好壞直接決定分割結果的優劣。

2.2 基于邊緣檢測的分割方法

基于邊緣檢測的分割法主要方法是判斷邊緣區域的位置。數字圖像識別技術中，圖像的邊緣是最明顯的不連續區域。圖像邊緣定義的位置主要在目標與非目標之間、目標與目標之間、目標與背景之間。邊緣檢測正是利用鄰接邊緣處存在的特征差異來實現分割的。比如利用灰度顏色差異分割，利用空間上的不連續分割，以及利用其他紋理特征差異進行分割等。邊緣檢測分割技術實際上就是檢測發生變化較明顯的位置來尋找圖像分割點，進而將目標獨立出來。

2.3 基于區域的分割方法

區域生長算法通過設定一系列的準則，將滿足或者近似滿足準則的像素點融合成目標區域，從而實現圖像分割的目的。區域生長方法具體做法是確定一個生長起點，從生長起始點開始，不斷融合新像素點獲取整個目標區域。區域分裂與合并算法是先將整幅圖像按照需求分裂成多個子區域，根據設定的準則，對每個子區域進行判定，如果相鄰的兩個子區域滿足相似性準則，則合并為一個區域，周而復始對所有區域進行判定，從而確定區域的分割方法。

3 微液滴計數與測量技術的研究

分析各類采集到的微液滴數字圖像。擬使用軟件Matlab，將閾值分割、聚類分割、邊緣檢測分割等圖像分割算法，單獨應用或混合應用到預處理后的圖像中去。選取排列組合后最優的處理結果，針對處理完成的圖像，選取合適的邊緣檢測算子進行優化，把目標區域從紛繁復雜的背景中抽離出來。

明確微液滴之間的粘連與重合效果，是串連、環連，還是混連。使用邊界特征法、幾何參數法、傅里葉形狀描述法以及形狀不變矩法等描述形狀的特征，對圖像中類圓目標特征進行提取。之后選取凹點分割或面積分割方法將重疊區域進行分割處理，分離成彼此不粘連的單獨顆粒。針對不同的微流控技術所產生的不同形狀的微液滴，根據其乳液特有的性質，確定比例尺，對分離成功的類圓微液滴進行計數與直徑測量。

4 系統設計

粘連類圓體圖像分割與統計系統主要由采集模塊、處理模塊、顯示模塊三大模塊組成，本項目中采集部分由微流體實驗室完成，芯片設計如下圖1：

本項目設計的系統只需要包括處理模塊與顯示模塊。按照面向對象的軟件工程方法，我們可以將系統分解為圖像類、圖像處理類、圖像分析類三個大類。

4.1 圖像類

圖像類封裝了圖像的所有基本屬性信息（包括圖像的長度、寬度、顏色位、文件格式、文件大小等），以及文件的讀取和保存路徑、圖像顯示等基本功能模塊。考慮到系統的兼容性，系統中無論是從圖像文件中直接讀取，還是由硬件采集卡采集獲取，我們統一使用BMP格式存儲圖像，也就是統一轉換成真彩色24位格式。這種格式要求便于圖像的顯示，也利于圖像處理時位和格式的統一。

4.2 圖像處理類

將所有圖像預處理操作，也就是為了圖像便于分割所做的操作，包括灰度變換、圖像增強、算術運算、幾何運算、形態學運算等等，封裝在一個子類中，這樣可以便于函數的調用和，增強程序的可讀性。

4.3 圖像分析類

把類圓體圖像分割算法、系統計數算法、數據存取算法中用到的技術，如圖像分割、標記計數、特征提取等封裝為圖像分析類，便于函數的調用和后續的處理，增強系統的可操作性。

5 結論

液滴作為一種全新的、極具發展前景的微流控技術已經引起了人們的廣泛關注，相關的研究已取得了一系列令人矚目的進展，目前該領域仍處于高速發展的階段。而國內外實驗中，對于微液滴的計數與測量大部分采用的依然是人工檢測的方法。目前已有的軟件大部分采用LabView設計制作，或是準確率差，或是無法識別重合粘連的微液滴圖像，沒有被廣大研究人員采用。本項目研究的微液滴計數與測量系統，針對微流控微液滴的特點，對軟硬件設施提出細化的特殊要求，達到高準確率。軟件計劃實現功能包括：加密、放大、腐蝕等，滿足各種實驗中的類圓微液滴計數與測量的要求，具有很強的適應性。

【參考文獻】

[1]林炳承，秦建華.微流控芯片分析化學實驗室.高等學校化學學報，2009，30：433-445.

[2]楊翠翠，楊鳴.顯微圖像的復雜粘連細胞個數統計[J].光學儀器，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]齊帥.基于計算機視覺的粘連類圓圖像分割與統計算法研究[D].南昌：南昌大學，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.