類圓形區域的分割與統計分析

王立國　郭依正　廖寶誼

摘? 要：為了對類圓形區域進行統計分析，文章以彩色粘連藥片圖像為例，提出并分析了一種類圓形圖像的分割與統計分析方法。首先，在預處理后，選擇合適的圖像分割算法，去除陰影噪聲的影響，完整分割出類圓形區域是關鍵;其次，使用數學形態學處理算法，平滑圖像邊界和分割后的毛刺;最后，連通域標記并計數。實驗結果表明，文章方法準確率更高。文末還分析了算法的一些應用領域。本研究可為其他相關研究提供參考。

關鍵詞：圓形區域;圖像分割;統計分析

中圖分類號：TP391? ? ? ? ?文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）08-0032-02

Abstract：? In this paper， in order to make a statistical analysis of the quasi-circular region， a segmentation and statistical analysis method of quasi-circular image is proposed and analyzed which takes the image of color adhesive tablets as an example. Firstly， after the pretreatment， the appropriate image segmentation algorithm is chosen and used to remove the influence of the shadow noise， and it is the key to segment the quasi-circular image completely; secondly， the mathematical morphology processing algorithm is used to smooth the image boundary and the burrs after the segmentation; and finally， the connected region is marked and counted. The experimental results show that the accuracy of this method is higher. At the end of the paper， some application fields of the algorithm are analyzed. This study can provide reference for other related research.

Keywords： circular region; image segmentation; statistical analysis

引言

在農作物質量評價、醫療衛生、工業生產等應用領域，經常需要對某些類圓形顆粒物質進行統計分析。這些物質成像后都接近圓形，因此被研究者統稱之為類圓形區域。

隨著計算機視覺技術的發展，基于圖像處理與視覺分析的各種類圓形圖像自動分析系統，由于能夠自動、快速、客觀的統計圖像中包含的類圓數目及其特征參數，極大地減輕了人的工作量，提高了分析精度，從而在相應領域得到了廣泛地應用。

荀一等人提出了一種基于公共區域和籽粒輪廓尋找分割點的方法，實現了粘連玉米籽粒圖像的自動分割[1]。李積英等人在介紹柔性形態學的基礎上，提出先利用迭代算法得到圖像分割的最佳閾值，再利用多尺度柔性邊緣檢測算子得到圖像的邊緣[2]。SONG等人利用粘連區域的形狀信息檢測凹點，通過凹點構造分割線，實現對粘連血細胞的分割[3]。YAO提出了一種基于凹點匹配的方法實現對粘連大米圖像的分割[4]。

對于類圓形圖像的統計分析，關鍵是圖像分割，而圖像分割結果好壞很大程度上取決于陰影噪聲的消除。本文以彩色粘連藥片圖像為例，提出并分析了一種類圓形圖像的分割與統計分析方法。其后，本文列舉了一些該類算法的可能應用領域，對相關的研究工作有一定參考意義。

1 具體實現

1.1 算法設計

本文算法由圖像預處理、圖像分割、形態學處理、統計分析等步驟組成，如圖1所示。

圖像采集后，一般先要做些預處理，預處理通常包括幾何變換、圖像去噪[5]、對比度增強等。圖像預處理的目的是減少圖像中無關的信息，復原或增強有用信息（感興趣信息），增強有用信息的可檢測性，同時最大限度的簡化數據，從而更有利于后期再處理。本文實驗采用的圖像已經做上述預處理。

接著，就是把感興趣區域分割出來，雖然目前典型分割算法有很多，但還沒有一種通用算法能處理所有圖像[6]，一般都需要根據情況具體判斷，本文針對采用的圖像，在多次實踐的基礎上，發現在藍色分量下采用谷峰法能較好的分割出目標，如圖2所示，給出了原圖、藍色分量及其灰度直方圖。

由于圖像目標之間有粘連，對分割后的圖像進行數學形態學處理非常重要，它直接影響后繼統計分析的準確度。本文使用圓盤結構元素對分割后的圖進行多次腐蝕處理。圖像X被結構元素S腐蝕的運算可以表示如下：

其后，進行連通區域標記，把每一個區域貼上不同的“標簽”以便標識，進而把不同的目標提取出來，也可以使用MATLAB函數bwlabel統計目標個數等。

1.2 結果分析

按照前述原理，原圖在藍色分量下利用谷峰法分割效果如圖3所示，藥片數量統計結果是29，準確率100%。

如果在綠色分量下進行分割，再數學形態學處理后最終效果如圖4（a）所示，藥片數量統計結果是19，準確率65.5%。如果直接二值化再數學形態學處理，效果更不理想，此時陰影噪聲很嚴重，最終效果如圖4（b）所示，藥片數量統計結果是39，比實際數量多10。綜上，本文方法準確率最高。

2 應用分析

類似的類圓形圖像包括但不限于農產品圖像（如水果、大豆、枸杞等）、醫藥圖像（如細菌細胞、藥片等）、工業圖像（圓形工件、圓角毛刺、圓形焊接電路等）、其他圖像（如氣泡、車燈、皮球等），因此在現實生活中有很多應用場合[7]。比如圖5統計了原圖中半徑大于5的顆粒粒度分布情況。

3 結束語

藥片計數在醫藥生產包裝、監督病人用藥等方面有著重要應用。利用圖像處理技術，無接觸的對藥片進行統計計數，不僅僅可以減輕醫務人員工作量，同時更能減少藥物的污染及損壞。本文以彩色粘連藥片圖像為例，提出并分析了一種類圓形圖像的分割與統計分析方法。同時分析了算法的一些可能應用領域。實驗結果表明文中方法有一定借鑒意義。對于類圓形圖像處理，要想取得最佳效果，往往還要根據具體問題具體分析。

參考文獻：

[1]荀一，鮑官軍，楊慶華，等.粘連玉米籽粒圖像的自動分割方法[J].農業機械學報，2010，41（04）：163-167.

[2]李積英.一種改進的基于柔性形態學的圖像邊緣檢測方法[J].平頂山學院學報，2011，26（05）：75-78.

[3]Song H， Wang W. A new separation algorithm for overlapping blood cells using shape analysis[J]. International Journal of Pattern Recognition and Artificial Intelligence， 2009， 23（04）： 847-864.

[4]Yao Y， Wu W， Yang T， et al. Head rice rate measurement based on concave point matching[J].Scientific Reports，2017，7： 41353.

[5]衛星，周瑜龍，焦蓬蓬，等.基于置信特征與結構相似度約束的圖像修復算法[J].新疆大學學報（自然科學版），2018，35（02）：203-208.

[6]焦蓬蓬.醫學圖像中典型分割算法的比較分析[J].信息技術，2015（02）：82-84+88.

[7]張強，王正林.精通MATLAB圖像處理[M].北京：電子工業出版社，2009.