[go: up one dir, main page]

CN110458843A - 掩模图像的分割方法及系统 - Google Patents

掩模图像的分割方法及系统 Download PDF

Info

Publication number
CN110458843A
CN110458843A CN201910566963.0A CN201910566963A CN110458843A CN 110458843 A CN110458843 A CN 110458843A CN 201910566963 A CN201910566963 A CN 201910566963A CN 110458843 A CN110458843 A CN 110458843A
Authority
CN
China
Prior art keywords
mask images
convex
convex defect
mask image
distance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910566963.0A
Other languages
English (en)
Other versions
CN110458843B (zh
Inventor
江瑞
黄力炜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201910566963.0A priority Critical patent/CN110458843B/zh
Publication of CN110458843A publication Critical patent/CN110458843A/zh
Application granted granted Critical
Publication of CN110458843B publication Critical patent/CN110458843B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明属于计算机图像处理技术领域，公开了一种掩模图像的分割方法及系统，包括以下步骤：一、掩模图像检测，提取掩模图像的轮廓、凸包和凸缺陷及凸缺陷的四个特征信息；二、凸缺陷筛选，筛选出满足以下条件的凸缺陷：最远点与轮廓的距离大于第一阈值，起点到终点的距离大于第二阈值，最远点与轮廓的距离大于同一凸包上所有凸缺陷的最远点与轮廓的距离中的最大值的百分之五十；三、分割处理，在经过筛选后的凸缺陷中找出同一凸包上且最远点相互距离最近的，以其最远点为分割点，沿分割点两两排序后的连线分割处理。还提供了一种掩模图像的分割系统，系统采用了前述方法来实现对掩模图像的分割处理。解决了掩模图像分割中的过度或欠分割问题。

Description

掩模图像的分割方法及系统
技术领域
本发明属于计算机图像处理技术领域，具体涉及一种掩模图像的分割方法及系统，可用于细胞掩模图像或者其他各种掩模图像的分割。
背景技术
影像技术和图像处理技术正飞速发展，人们常常需要通过处理各类图像来提取图像中想要的特征信息，各种图像分割算法就应运而生。
当图像中需要提取的要素相互不存在重叠和粘连，各种图像分割算法都可以较好地进行图像的分割处理。但是当图像中需要提取的要素密集或者尺寸较小时，如同类物体聚在一起的情况，典型的例子有细胞核掩模图像以及某些工作零件的图像等，由于摄像得到的图像是二维的，所以往往会出现两个甚至多个物体的图像粘连在一起的情况，这样的粘连图像对于图像特征信息的提取是非常不利的，很难加以区分，容易出现图像过度分割或是欠分割的情况，在这种情况下，即便是对图像中要素进行最简单的计数都会出现错误。
现有的各种图像分割算法无法很好地处理存在要素重叠或者粘连情况的图像分割，勉强处理时过度分割或是欠分割的情况严重，也就是说这些方法都存在或多或少的不足，所以需要对图像分割方法进行改进以达到更好的图像分割处理效果。
发明内容
为了解决掩模图像分割中的过度分割或是欠分割问题，本发明提供了一种掩模图像的分割方法，包括以下步骤：
掩模图像检测，包括提取掩模图像的轮廓、凸包和凸缺陷，获取掩模图像中每个凸缺陷的四个特征信息：凸缺陷起点坐标，凸缺陷终点坐标，凸缺陷的最远点坐标以及所述最远点与轮廓的距离；
凸缺陷筛选，包括筛选出满足以下条件的凸缺陷：最远点与轮廓的距离大于第一阈值，起点到终点的距离大于第二阈值，最远点与轮廓的距离大于同一凸包上所有凸缺陷的最远点与轮廓的距离中的最大值的百分之五十；
分割处理，包括在经过筛选后的凸缺陷中找出同一凸包上且最远点相互距离最近的，以相互距离最近的最远点为分割点，分割点两两排序连线作为分割线，沿分割线进行掩模图像的分割处理。
优选地，掩模图像的分割方法还包括掩模图像腐蚀和掩模图像膨胀，掩模图像腐蚀在掩模图像检测之前进行，采用卷积核对掩模图像进行腐蚀，将掩模图像边缘的干扰凹陷给去除；掩模图像膨胀在进行凸缺陷筛选后进行，采用卷积核对腐蚀后的掩模图像进行膨胀，将腐蚀后的掩模图像恢复到腐蚀前的掩模图像的总位置和。通过掩模图像腐蚀和掩模图像膨胀增强分割效果。
进一步地，在掩模图像腐蚀中，采用3×3的矩形卷积核对掩模图像进行腐蚀。更进一步地，在掩模图像膨胀中，采用与掩模图像进行腐蚀的卷积核相同的3×3的矩形卷积核对掩模图像进行膨胀。
进一步地，在掩模图像膨胀中，采用3×3的矩形卷积核对掩模图像进行膨胀。
优选地，所述掩模图像检测的过程包括：先提取掩模图像的边缘信息得到轮廓；并根据所提取的边缘信息获取凸包；然后根据凸包获取凸包上的凸缺陷及其四个特征信息，记录凸缺陷的特征信息。
优选地，所述凸缺陷筛选的过程包括：遍历每个凸缺陷的四个特征信息；找出满足第一阈值、第二阈值及最远点与轮廓的距离控制条件的凸缺陷；对满足条件的凸缺陷的特征信息进行保存。
优选地，所述第一阈值采用图像特征提取方法或者结合深度学习的方法从掩模图像中提取。
优选地，所述第二阈值采用图像特征提取方法或者结合深度学习的方法从掩模图像中提取。
本发明还提供了一种掩模图像的分割系统，包括扫描模块、运算模块、存储模块和裁剪模块；采用上述的掩模图像的分割方法，所述扫描模块对掩模图像进行扫描检测，把获取的轮廓、凸包、凸缺陷及其特征信息存储到存储模块，由运算模块进行判断处理筛选凸缺陷并确定分割点，由裁剪模块沿连接分割点的分割线进行掩模图像的裁剪分割处理。
本发明通过提取掩模图像的轮廓、凸包和凸缺陷，并获取凸缺陷的四个特征信息，对特征信息进行处理，与选定阈值进行对比判断，排除干扰信息，减少边缘毛刺以及小凹陷对于分割的影响，同时能够尽可能的筛选保留由于粘连而产生的较大的凸缺陷；找出同一凸包上的凸缺陷的最远点相互距离最近的，以这些凸缺陷的最远点作为分割点，进行分割点两两排序，以相互距离最近的分割点的连线作为分割线，进行掩模图像的分割处理，该方法可以通过掩模图像的分割系统来实现，。采用这种方法较好地避免图像的过度分割或是欠分割发生，得到更好的掩模图像的分割处理结果。
附图说明
图1是本发明的掩模图像的分割方法实施例流程图；
图2是掩模图像的分割方法的掩模图像检测步骤实施例子流程图；
图3是掩模图像的分割方法的凸缺陷筛选步骤实施例子流程图。
具体实施方式
为了更进一步阐述本发明为解决技术问题所采取的技术手段及功效，以下结合附图和具体实施例对本发明做进一步详细描述，需要说明的是所提供的附图是示意性的，相互间并没有完全按照尺寸或者比例绘制，因此附图和具体实施例并不作为本发明要求的保护范围限定。
如图1所示的掩模图像的分割方法可选实施例流程，对于待分割图像，导出或者获取其二值掩模图像，再按照以下步骤处理：
掩模图像腐蚀S100，包括采用3×3的矩形卷积核对二值掩模图像进行腐蚀，将掩模图像边缘的干扰凹陷给去除；当然，掩模图像腐蚀也可以根据具体情况采取其他形状以及其他大小的卷积核进行处理；
掩模图像检测S200，包括提取经S100处理后的掩模图像的轮廓、凸包和凸缺陷，一个图像可能有多个凸包，其中的一个凸包可能有多个凸缺陷，每个凸缺陷都包括起点、终点和最远点，获取掩模图像中每个凸缺陷的四个特征信息：凸缺陷起点坐标，凸缺陷终点坐标，凸缺陷的最远点坐标以及所述最远点与轮廓的距离；
凸缺陷筛选S300，包括筛选出满足以下三个条件的凸缺陷：一是最远点与轮廓的距离大于第一阈值，二是起点到终点的距离大于第二阈值，第一阈值和第二阈值由掩模图像大小决定，具体值的选取可使用传统的图像特征提取方法(如计算凸包大小等)或是结合深度学习的方法得到，三是最远点与轮廓的距离大于同一凸包上所有凸缺陷的最远点与轮廓的距离中的最大值的百分之五十，举例说明：设每个凸缺陷的最远点到轮廓距离为xi，i＝1,2,…n，其中n为该凸包上凸缺陷的个数，则选取的凸缺陷需满足xi≥0.5·max1≤i≤n xi，保存筛选出的凸缺陷及其特征信息；
掩模图像膨胀S400，同样采用3×3的矩形卷积核对掩模图像进行膨胀，将腐蚀后的掩模图像恢复到腐蚀前的掩模图像的总位置和；当然，膨胀也可以根据具体情况采取其他形状以及其他大小的卷积核进行处理；
分割处理S500，包括在保存的筛选出的凸缺陷中，找出同一凸包上的凸缺陷的最远点相互距离最近的，以相互距离最近的最远点为分割点，分割点两两排序连线作为分割线，沿分割线进行掩模图像的分割处理。
如图2所示的掩模图像的分割方法的掩模图像检测步骤可选实施例子流程，掩模图像检测的过程包括：先提取掩模图像的边缘信息得到轮廓S210；并根据所提取的边缘信息获取凸包S220；然后根据凸包获取凸包上的凸缺陷和每个凸缺陷的四个特征信息S230：凸缺陷起点坐标，凸缺陷终点坐标，凸缺陷的最远点坐标以及所述最远点与轮廓的距离。
如图3所示的掩模图像的分割方法的凸缺陷筛选步骤可选实施例子流程，凸缺陷筛选的过程包括：遍历每个凸缺陷的四个特征信息S310；找出满足以下三个条件的凸缺陷S320：一是最远点与轮廓的距离大于第一阈值，二是起点到终点的距离大于第二阈值，三是最远点与轮廓的距离大于同一凸包上所有凸缺陷的最远点与轮廓的距离中的最大值的百分之五十；对符合条件的凸缺陷的特征信息进行保存S330。
从上述实施例可得出本发明的优点：可以快速准确地寻找掩模图像中的凸缺陷点；可以通过腐蚀与膨胀的形态学变换以及凸缺陷的相关阈值判断，避免掩模图像分割过程中发生过分割和欠分割的情况，得到良好的掩模图像分割效果。该方法可以应用于各种图像掩模的分割，尤其可用于细胞掩模图像的分割，能够得到较好的细胞掩模图像分割效果，有助于利用对细胞掩模图像的分析和利用。
当然，本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员可根据本发明做出各种相应的改变和变形，但这些相应的改变和变形都属于本发明的权利要求的保护范围。

Claims (10)

1.一种掩模图像的分割方法，其特征在于，包括以下步骤：
掩模图像检测，包括提取掩模图像的轮廓、凸包和凸缺陷，获取掩模图像中每个凸缺陷的四个特征信息：凸缺陷起点坐标，凸缺陷终点坐标，凸缺陷的最远点坐标以及所述最远点与轮廓的距离；
凸缺陷筛选，包括筛选出满足以下条件的凸缺陷：最远点与轮廓的距离大于第一阈值，起点到终点的距离大于第二阈值，最远点与轮廓的距离大于同一凸包上所有凸缺陷的最远点与轮廓的距离中的最大值的百分之五十；
分割处理，包括在经过筛选后的凸缺陷中找出同一凸包上且最远点相互距离最近的，以相互距离最近的最远点为分割点，分割点两两排序连线作为分割线，沿分割线进行掩模图像的分割处理。
2.根据权利要求1所述的掩模图像的分割方法，其特征在于，还包括掩模图像腐蚀和掩模图像膨胀，掩模图像腐蚀在掩模图像检测之前进行，采用卷积核对掩模图像进行腐蚀，将掩模图像边缘的干扰凹陷给去除；掩模图像膨胀在进行凸缺陷筛选后进行，采用卷积核对腐蚀后的掩模图像进行膨胀，将腐蚀后的掩模图像恢复到腐蚀前的掩模图像的总位置和。
3.根据权利要求2所述的掩模图像的分割方法，其特征在于，在掩模图像腐蚀中，采用3×3的矩形卷积核对掩模图像进行腐蚀。
4.根据权利要求2所述的掩模图像的分割方法，其特征在于，在掩模图像膨胀中，采用3×3的矩形卷积核对掩模图像进行膨胀。
5.根据权利要求3所述的掩模图像的分割方法，其特征在于，在掩模图像膨胀中，采用与掩模图像进行腐蚀的卷积核相同的3×3的矩形卷积核对掩模图像进行膨胀。
6.根据权利要求1所述的掩模图像的分割方法，其特征在于，所述掩模图像检测的过程包括：先提取掩模图像的边缘信息得到轮廓；并根据所提取的边缘信息获取凸包；然后根据凸包获取凸包上的凸缺陷及其四个特征信息，记录凸缺陷的特征信息。
7.根据权利要求1所述的掩模图像的分割方法，其特征在于，所述凸缺陷筛选的过程包括：遍历每个凸缺陷的四个特征信息；找出满足第一阈值、第二阈值及最远点与轮廓的距离控制条件的凸缺陷；对满足条件的凸缺陷的特征信息进行保存。
8.根据权利要求1所述的掩模图像的分割方法，其特征在于，所述第一阈值采用图像特征提取方法或者结合深度学习的方法从掩模图像中提取。
9.根据权利要求1所述的掩模图像的分割方法，其特征在于，所述第二阈值采用图像特征提取方法或者结合深度学习的方法从掩模图像中提取。
10.一种掩模图像的分割系统，其特征在于，包括扫描模块、运算模块、存储模块和裁剪模块；采用权利要求1-9中任意一项所述的掩模图像的分割方法，所述扫描模块对掩模图像进行扫描检测，把获取的轮廓、凸包、凸缺陷及其特征信息存储到存储模块，由运算模块进行判断处理筛选凸缺陷并确定分割点，由裁剪模块沿连接分割点的分割线进行掩模图像的裁剪分割处理。
CN201910566963.0A 2019-06-27 2019-06-27 掩模图像的分割方法及系统 Active CN110458843B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910566963.0A CN110458843B (zh) 2019-06-27 2019-06-27 掩模图像的分割方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910566963.0A CN110458843B (zh) 2019-06-27 2019-06-27 掩模图像的分割方法及系统

Publications (2)

Publication Number Publication Date
CN110458843A true CN110458843A (zh) 2019-11-15
CN110458843B CN110458843B (zh) 2022-06-07

Family

ID=68481728

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910566963.0A Active CN110458843B (zh) 2019-06-27 2019-06-27 掩模图像的分割方法及系统

Country Status (1)

Country Link
CN (1) CN110458843B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462147A (zh) * 2020-04-30 2020-07-28 柳州智视科技有限公司 一种基于图像块外轮廓及其角点对图像块进行切割和填补的方法
CN112270679A (zh) * 2020-11-19 2021-01-26 浙江大学 一种结合凹点与凹边的凸多边形轮廓的图像分割方法
CN114495098A (zh) * 2022-01-30 2022-05-13 南水北调中线干线工程建设管理局 一种基于显微镜图像的盘星藻类细胞统计方法及系统
CN117576414A (zh) * 2023-11-27 2024-02-20 北京霍里思特科技有限公司 对矿石图像分割中的凹点检测的方法、设备和存储介质
CN118116003A (zh) * 2022-11-30 2024-05-31 荣耀终端有限公司 图像处理方法、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426164A (zh) * 2013-06-09 2013-12-04 大连海事大学 基于Opencv图像分析的扇贝尺寸计算方法和扇贝分拣系统
CN106447669A (zh) * 2016-04-08 2017-02-22 潍坊学院 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法
US20170091948A1 (en) * 2015-09-30 2017-03-30 Konica Minolta Laboratory U.S.A., Inc. Method and system for automated analysis of cell images

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103426164A (zh) * 2013-06-09 2013-12-04 大连海事大学 基于Opencv图像分析的扇贝尺寸计算方法和扇贝分拣系统
US20170091948A1 (en) * 2015-09-30 2017-03-30 Konica Minolta Laboratory U.S.A., Inc. Method and system for automated analysis of cell images
CN106447669A (zh) * 2016-04-08 2017-02-22 潍坊学院 基于圆形蒙版面积比率判别的粘连颗粒图像凹点分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨辉华等: "基于水平集和凹点区域检测的粘连细胞分割方法", 《北京邮电大学学报》 *
白莉娜: "基于凹点匹配的粘连颗粒图像分割算法", 《南阳理工学院学报》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111462147A (zh) * 2020-04-30 2020-07-28 柳州智视科技有限公司 一种基于图像块外轮廓及其角点对图像块进行切割和填补的方法
CN111462147B (zh) * 2020-04-30 2022-07-05 柳州智视科技有限公司 一种基于图像块外轮廓及其角点对图像块进行切割和填补的方法
CN112270679A (zh) * 2020-11-19 2021-01-26 浙江大学 一种结合凹点与凹边的凸多边形轮廓的图像分割方法
CN112270679B (zh) * 2020-11-19 2022-04-22 浙江大学 一种结合凹点与凹边的凸多边形轮廓的图像分割方法
CN114495098A (zh) * 2022-01-30 2022-05-13 南水北调中线干线工程建设管理局 一种基于显微镜图像的盘星藻类细胞统计方法及系统
CN118116003A (zh) * 2022-11-30 2024-05-31 荣耀终端有限公司 图像处理方法、电子设备及存储介质
CN117576414A (zh) * 2023-11-27 2024-02-20 北京霍里思特科技有限公司 对矿石图像分割中的凹点检测的方法、设备和存储介质

Also Published As

Publication number Publication date
CN110458843B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
CN110458843A (zh) 掩模图像的分割方法及系统
CN113822890A (zh) 一种微裂纹检测方法、装置、系统及存储介质
CN111292305A (zh) 一种改进型yolo-v3的金属加工表面缺陷检测方法
CN105784713A (zh) 基于机器视觉的密封圈表面缺陷检测方法
CN109378279B (zh) 晶圆检测方法及晶圆检测系统
CN116485764B (zh) 一种结构表面缺陷识别方法、系统、终端及介质
CN113506246B (zh) 基于机器视觉的混凝土3d打印构件精细检测方法
CN112381867B (zh) 用于工业分拣流水线的大面积深度图像空洞自动填充方法
CN109850518B (zh) 一种基于红外图像的实时矿用胶带预警撕裂检测方法
CN111489337A (zh) 一种自动光学检测伪缺陷去除方法及系统
CN115239644A (zh) 混凝土缺陷识别方法、装置、计算机设备和存储介质
CN114387329A (zh) 基于高分遥感影像的建筑物轮廓递进式规则化方法
CN110276759A (zh) 一种基于机器视觉的手机屏坏线缺陷诊断方法
CN117094975A (zh) 钢铁表面缺陷检测方法、装置及电子设备
CN115690040A (zh) 基于深度和灰度信息的鱼道裂缝智能检测方法
CN116797553B (zh) 图像处理方法、装置、设备及存储介质
CN119624961B (zh) 一种基于机器视觉的晶圆表面缺陷检测方法、设备及存储介质
CN115619799B (zh) 一种基于迁移学习的晶粒图像分割方法及系统
CN114926635B (zh) 与深度学习方法相结合的多焦图像中目标分割方法
CN108257118B (zh) 一种基于法向腐蚀和随机游走的骨折粘连分割方法
CN116612297B (zh) 一种融合轮廓特征的图像线段提取方法
CN117809032A (zh) 产品表面缺陷的提取方法及装置
CN113393479B (zh) 一种分割细胞板图像中试管孔的方法
CN112651936B (zh) 基于图像局部熵的钢板表面缺陷图像分割方法及系统
Mustapha et al. Crack Detection on Surfaces Using Digital Image Processing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant