论文部分内容阅读
菌落图像的处理与分析是农业、食品、医药卫生分析中进行质量检测的一项基本且重要的工作。以往这些工作由人工观测完成,工序繁杂、耗时长、效率低,而且带有主观性,误差大,重现性不好。采用图像处理与分析的方法能将操作人员从这一繁重的工作中解脱出来,并大大提高计数与分析的精度,从而得到广泛应用,成为近年来国内外的一大研究热点。菌落图像处理与分析中的一个重要环节是图像分割,其好坏直接影响到计数的精度与后续的处理。但是,图像分割技术一直以来都是图像信息工程的经典难题,没有一种方法对所有测试图像分割效果是最佳的。在菌落图像分析中,菌落尺寸可能大小不一、形态各异,并且经常有聚堆现象,所以分割难度更大。为此,本文分析了现有的分割技术,考虑到图像分割是组合优化问题,可以采用基于遗传算法或模拟退火算法的图像分割技术,但是单独使用这两种算法,在处理过程中有很多局限,所以本文采用两种算法相结合的混合算法,该混合算法结合了两种算法的优点,削弱了不足之处。通过分析具有各种形态特征的菌落图像,采用该分割技术对菌落图像进行实验处理,研究其自动分割技术,从而提高分割的精度和速度。本文研究分析分割技术以及遗传算法现状的同时,尝试将遗传—模拟退火分割算法应用到开发自动识别系统中。识别系统的功能如下:1.图像滤波。可采用中值和均值滤波,目的是为了提高后续的分割、分离算法的效果,提高计数的精度。2.图像分割。首先,采用遗传—模拟退火分割技术将彩色图像转换成灰度图像;其次,采用填充算法进行孔洞填充,填充算法有多边形有序边填充算法、种子填充算法以及多边形边标志填充算法;最后,将重叠、粘连的菌落分离,并剔除噪声点。3.数量的统计。使用中心点标注或者非中心点标注这两种方法。针对灰度图像,如果直接使用阈值分割,种子填充,腐蚀细化能够得到较好的分割结果,就可以直接进行统计。