基于显微视觉的酶联斑点图像识别计数

发布时间：2024-03-15 18:43

　　以开发酶联斑点自动检验分析仪为目标,研究酶联斑点显微图像的自动识别计数技术。针对源图像背景复杂、边界模糊的特点,采用自动阈值边缘提取算法对源图像进行分割和轮廓提取,并基于酶联标板单元孔的几何特征筛选边缘轮廓,然后拟合图像的实际边缘轮廓,实现对目标区域的提取。通过改进的基于距离变换的分水岭算法对目标区域中的斑点进行分割,对分割后的斑点进行连通域划分并识别计数。实验结果表明:酶联斑点自动计数高效精准,结果判读综合准确率为95.31%,可替代人工镜检。

【文章页数】：3 页

【部分图文】：

图3自动阈值分割流程图

通过自动阈值分割，可以得到目标区域的大致轮廓，排除大部分背景像素干扰，为进一步边缘轮廓提取打下基础。2.2边缘轮廓提取

图7斑点识别计数

通过分水岭算法分割目标，通常会存在过分割现象，在实际应用中需要对算法进行优化[14]。本文通过对距离变换前的图像进行形态学处理，消除噪声、锯齿边缘等干扰因素；对于分水岭分割后的区域选取合适的面积阈值，过滤由伪局部极小值点造成的过分割区域。经验证，该方法能够有效提高分割精度，抑制过....

图1显微视觉平台

2目标区域提取2.1自动阈值分割

图2分割对比图

由于环形光源和标板小孔视野中心很难重合，存在非均匀照明现象，造成目标区域轮廓的图像灰度不一致，无法通过单一阈值对图像进行分割，如图2(a)所示。本文采用自动阈值分割方法[9]，分割流程图如图3所示：通过判断原图像和参考图像对应点的像素差值是否大于局部阈值，来分割目标区域和背景区域....

本文编号：3928704