以開發(fā)酶聯(lián)斑點自動檢驗分析儀為目標,研究酶聯(lián)斑點顯微圖像的自動識別計數(shù)技術。針對源圖像背景復雜、邊界模糊的特點,采用自動閾值邊緣提取算法對源圖像進行分割和輪廓提取,并基于酶聯(lián)標板單元孔的幾何特征篩選邊緣輪廓,然后擬合圖像的實際邊緣輪廓,實現(xiàn)對目標區(qū)域的提取。通過改進的基于距離變換的分水嶺算法對目標區(qū)域中的斑點進行分割,對分割后的斑點進行連通域劃分并識別計數(shù)。實驗結果表明:酶聯(lián)斑點自動計數(shù)高效精準,結果判讀綜合準確率為95.31%,可替代人工鏡檢。

【文章頁數(shù)】：3 頁

【部分圖文】：

圖3自動閾值分割流程圖

通過自動閾值分割，可以得到目標區(qū)域的大致輪廓，排除大部分背景像素干擾，為進一步邊緣輪廓提取打下基礎。2.2邊緣輪廓提取

圖7斑點識別計數(shù)

通過分水嶺算法分割目標，通常會存在過分割現(xiàn)象，在實際應用中需要對算法進行優(yōu)化[14]。本文通過對距離變換前的圖像進行形態(tài)學處理，消除噪聲、鋸齒邊緣等干擾因素；對于分水嶺分割后的區(qū)域選取合適的面積閾值，過濾由偽局部極小值點造成的過分割區(qū)域。經(jīng)驗證，該方法能夠有效提高分割精度，抑制過....

圖1顯微視覺平臺

2目標區(qū)域提取2.1自動閾值分割

圖2分割對比圖

由于環(huán)形光源和標板小孔視野中心很難重合，存在非均勻照明現(xiàn)象，造成目標區(qū)域輪廓的圖像灰度不一致，無法通過單一閾值對圖像進行分割，如圖2(a)所示。本文采用自動閾值分割方法[9]，分割流程圖如圖3所示：通過判斷原圖像和參考圖像對應點的像素差值是否大于局部閾值，來分割目標區(qū)域和背景區(qū)域....

本文編號：3928704