凹点匹配分割 matlab,基于凹点和重心检测的粘连类圆形目标图像分割

摘要：类圆形目标图像是指图像中目标的形状及轮廓为圆形或与圆形相近,例如由细胞、菌落和纳米微粒等类圆形目标所拍摄的图像都可以称为类圆形目标图像。该类图像在生物、医学等领域广泛存在。由于在这类图像中往往会存在多个目标因位置重叠而产生粘连的情况,这给工作人员分析图像中包含的信息带来了极大的困难。因此,本文针对此问题进行研究,旨在使用图像处理领域的方法来更加有效、准确的将此类图像中存在的粘连类圆形目标分割开来。本文的主要工作如下:首先,本文对粘连图像分割领域的发展趋势及研究现状进行了梳理总结,重点介绍了两种相关算法,分别是基于凹点检测和椭圆拟合的粘连分割算法以及基于凹点检测和凹点匹配的粘连分割算法,并结合实验的结果,归纳总结了这些已有算法存在的问题和不足。然后,为了获取本文算法分割粘连区域所需要的特征点:凹点和重心,本文提出了一种更加准确的凹点检测算法和一种经过改进的重心提取算法。针对现有凹点检测算法存在的凹点判别不准确的问题,本文的凹点检测算法通过多重判据可以将凹点更为准确的分离出来。同时,针对原有的快速径向对称(Fast Radial Symmetry,FRS)变换算法在提取重心时存在的需要手动设置先验半径范围的问题,本文对该算法进行了改进,从而可以自适应的提取出图像中目标的重心。其次,本文利用提取到的特征点,提出了一种新的粘连类圆形目标图像分割算法。已有的基于凹点检测的粘连类圆形目标图像分割算法往往是将获取的凹点进行轮廓段或凹点匹配,再通过椭圆拟合或构造分割线的方法完成粘连分割。然而,对于较为复杂的粘连区域仅利用凹点信息就难以完成正确的匹配或拟合,使得分割结果中存在较多的误分割和欠分割现象。本文针对此类问题提出了一种重心辅助凹点匹配的新思路,通过图像的每个粘连区域中检测到的凹点和重心个数以及它们间的数学关系,将可能存在的粘连类型分为四种,分别为简单粘连型、串联型粘连、并联型粘连和串并联型粘连,并针对每种粘连类型的特点使用相应的处理方法,以完成粘连类圆形目标图像的分割。最后,结合本文算法提出了一种后处理技术,用来针对某些可能存在的特殊粘连情况,以进一步提升本算法粘连分割的准确率。本文算法在Windows 7环境下采用Matlab编程语言进行了算法实现以及相关仿真实验,并将本文算法与4种已有的典型粘连分割算法进行了多组实验数据对比,结果表明,本文提出的算法在处理粘连类圆形目标图像上的主观和客观实验结果都优于对比算法,因此本文提出算法的分割的准确率和鲁棒性更高。而且,在结合本文算法的基础上参与开发了一套菌落图像分割软件,该软件在Windows 7环境下采用C++编程语言开发,基于MFC设计了人机交互界面,并调用OpenCV库和cvBlob库完成相关图像处理算法的开发实现。该软件主要实现了对菌落图像的分割和信息统计等功能。