第47卷 增刊22008年12月
厦门大学学报(自然科学版) Journal of X ia m en Un iversity (N atural S cience)
V o. l 47 Sup . 2D ec . 2008
数学形态学在海洋浮游植物显微图像处理中的应用
高亚辉, 罗金飞, 骆巧琦, 杨晨辉
1
1
1
2
(1. 厦门大学生命科学学院, 2. 厦门大学信息科学与技术学院, 福建厦门361005)
摘要:数学形态学是分析几何形状和结构的数学方法, 广泛应用于各类图像形状和结构的分析与处理. 浮游植物是海洋
生态系统中的重要初级生产者, 其个体微小, 但形态特征各异, 一般要在显微镜下才能进行准确的种类鉴定. 本文以海洋常见赤潮藻血红哈卡藻(A kashi wo sanguinea (H irasaka) H ansen &M oestrup) 为对象, 利用数学形态学方法来处理和分析其细胞显微图像. 数学形态学算法包括二值图像形态学和灰度图像形态学, 涉及到膨胀、腐蚀、开闭运算, 提供了快速高
效的优化算法, 特别是基于形态学分水岭的图像分割、标记目标、目标分割. 研究结果证明, 数学形态学可应用于海洋浮游植物显微图像处理, 为浮游植物显微自动识别提供了理论基础.
关键词:数学形态学; 二值图像形态学; 灰度图像形态学; 海洋浮游植物
. 2 文献标识码:A 文章编号:0438 0479(2008) S2 0242 04中图分类号:Q 949
海洋浮游植物是海洋生态系统中的最主要初级生
产者, 也是海洋生物资源的重要组成部分, 具有种类多、数量大、繁殖快等特点, 在海洋生态系统的物质循环和能量流动中起着极其重要的作用. 对海洋浮游植物的研究、教学和开发利用, 都离不开对其种类的分类和鉴定. 海洋浮游植物个体微小, 一般要在显微镜下通过观察拍照才能进行种类鉴定. 但不同浮游植物种类其细胞形态特征各异, 通过对其显微图像进行适当的处理分析, 并建立相应的数据库, 可以实现对其种类的
[1]
计算机自动识别和鉴定.
数学形态学是分析几何形状和结构的数学方法, 是建立在集合代数基础上, 用集合论方法定量描述几何形状的科学. 数学形态学是有一组形态学的代数运算子. 最基本的形态学算子有:腐蚀、膨胀、开和闭运算. 用这些算子及其组合来进行图像形状和结构的分析与处理, 包括图像分割、特征提取、图像滤波、图像增强和恢复等方面的工作(图
1).
应用数学形态学算法对海洋浮游植物显微图像进行分析与处理, 可望提供快速高效的优化算法, 为浮游植物显微自动识别提供了理论基础. 本文以海洋常见赤潮藻血红哈卡藻(Akas hi w o sanguinea (H irasaka ) H ansen &M oestrup) 为对象, 测试了利用数学形态学方法处理和分析其细胞显微图像的可行性.
1 数学形态学算法的描述及步骤
数学形态学包括二值图像形态学
[3]
像形态学两种理论. 1. 1 二值图像形态学
1. 1. 1 膨胀和腐蚀
腐蚀是表示用某种 探针 (即某种形状的基元或结构元素) 对一个图像进行探测, 以便找出图像内部
[4]
可以放下该基元的区域. 我们先假设数字图像为f (x , y ) , 结构单元取作b (x , y ) , 这里都是整数, 则f 和b 是对每一个(x , y ) 坐标赋以的灰度值函数. 腐蚀运算相当于在结构单元定义的邻域内选择了f -b 的最小值, 在每一点上的腐蚀值是在跨度为b 的区间内f 与b 之差的最小值. 数学形态学中的腐蚀运算具有收缩图像目标的作用, 通过适当的结构单位可以将两个或多个比较接近, 不易分辨的图像目标朝灰度变小的方向
[5]
收缩, 使目标分离, 便于轮廓的提取. 图像膨胀是图像腐蚀的对偶运算, 可以通过对补集的腐蚀来定义. 相当于在结构单元定义的邻域中选择f +b 的最大值, 在每一点上的膨胀值是在跨度为b 的区间内与b 之和的最大值. 膨胀运算可以将目标物体接触的所有背景点合并到物体中, 使目标增大、边界延伸、空洞缩小. 1. 1. 2 开运算和闭运算
, , A 作
[2]
[3]
和灰度图
图1 数学形态学的处理方法
F i g . 1 T he processing m ethod of m athema ti ca lm orpho logy
收稿日期:2008 10 19
基金项目:福建省科技重大专项前期研究项目(2005YZ1024), 国家
自然科学基金科学仪器基础研究专项(40627001) 资助
Ema i :l gaoyh @x m u . edu . cn
增刊2高亚辉等:数学形态学在海洋浮游植物显微图像处理中的应用! 243!
开运算, 用符号A B 表示, 开运算实际上是A 先被B 腐蚀, 然后再被B 膨胀的结果. 也可以理解为, 开运算可以通过计算所有可以填入图像内部的结构元素平移的并集求得. 当结构元素B 扫过整个图像集合内部, 那些使结构元素B 的任何像素不越出图像A 边界的图像A 的像素点的集合. 开运算可以除去比结构元素小的特定图像细节如消除散点和毛刺对图像进行平滑切断细长搭接对图像进行分离而且保证不会全局的失[6]真.
闭运算是开运算的对偶运算, 定义为先作膨胀后作腐蚀. 对图像A 用结构元素B 作闭运算可得到一个集合, 该集合中包含所有这样的点X , x 被一个平移的镜像结构元素覆盖的同时, 平移的镜像结构元素与A 图像必有一些公共点. 由此看出, 初始图像A 是包含在闭运算后的A ! B 中, 即闭运算是具有延伸性的运算. 利用闭运算对图像的内部作滤波, 可以磨光凸向图
[7]
像内部的尖角. 1. 2 灰度图像形态学
1. 2. 1 膨胀和腐蚀
对于灰度图像而言, 膨胀和腐蚀是以像素领邻域的最大值和最小值来定义的. 利用结构元素b 对信号f
[8]
的灰度腐蚀定义为
(f b ) (x ) =m ax {y ∀g x +y
从几何角度讲, 为了求出信号被结构元素在点x 腐蚀的结果, 可以在空间滑动这个结构元素, 使其原点与x 点重合, 然后上推结构元素, 使之仍处于信号下方所能达到的最大值, 即为该点的腐蚀结果.
与二值情况一样, 灰度膨胀也可用灰度腐蚀的对偶运算来定义. 同样利用结构元素b 对信号f 的灰度
[8]
膨胀定义为
(f b ) (x ) =m in{y ∀( ) x +y >>f }.
1. 2. 2 开运算和闭运算
具备了腐蚀和膨胀这两种初级灰度形态学变换, 下面可以定义灰度形态学的二级变换###灰度开和闭
[9]
变换, 与二值情况相同, 这两种变换为对偶变换. 灰度开变换可以参照二值情况来定义, 即先做腐蚀再做膨胀的级联变换; 而闭变换恰恰相反, 为先做膨胀再做腐蚀的级联变换.
[10]
利用结构元素b 对信号f 的灰度开变换和闭变[10]
换分别定义为
f b =(f b ) b , f ! b =(f b ) ! b .
另外, 灰度开闭变换也满足对偶性和单调性, 在此就不一一列出. 同样, 灰度形态变换也有各种如开闭、闭开等级联变换.
2 算法测试
2. 1 基于二值图像形态学算法的数学形态
学处理平台
以血红哈卡藻(Akas h i w o s anguinea ) 显微图像为例, 首先采用二值图像形态学的基本算子来实现膨胀、腐
[11]
蚀、开闭运算, 其模式分割模式采用B i n ary Count , 对识别的目标进行标记、以便以后目标分割(图2).
其中vc++代码如下实现:
m _M orpheu s . SetI m age In (m_M orpheus . Ge tI m age O ut() ); m _M orpheu s . Set D istance T ype (1) ; m _M orpheu s . B i nary Coun t(); //P roper t y Count i Count =m _M orpheu s . G et Coun t();
m _cv D ispD s. t SetI m age(m _M orpheu s . G etI m age Ou t() ); //l ong I m age m _cv D ispD s. t Refresh();
//Refresh t he D isp l
ay
图2 基于二值图像形态学算法的数学形态学处理平台(以血红哈卡藻为例)
F ig . 2 M athem ati ca lmo rpho l ogy processing platf o r m based on b i na ry i m age mo rpho l og ica l processi ng algor i th m (phytoplankton spec i es
of t he i m age i s A kashi w o sanguinea )
! 244! 厦门大学学报(自然科学版) 2008年
图3 基于灰度图像形态学算法的数学形态学处理平台(以血红哈卡藻为例)
m age mo rpho l og ica l processi ng a l gor ith m (phy t op l ankton spec i es F i g. 3 M a t he m a ti ca lm orpho l ogy processi ng platf o r m based on gray i
o f t he i m age is Akashi w o sanguinea )
2. 2 基于灰度图像形态学算法的数学形态
学处理平台
以二值化后获得的血红哈卡藻(Akashi w o s anguin ea ) 显微图像为例, 采用灰度图像形态学的基本算子来
实现膨胀、腐蚀、开闭运算, 其模式分割模式采用B i n a ry Separa
[11]
理的结果, 对其算子的实现和改进的快速算法做了研究和比较, 在此基础上提出了自己的改进算法. 结果证明了利用数学形态学方法可以对浮游植物显微图像实
现快速高效的处理, 结合海洋浮游植物的特点可以进一步开发显微图像处理软件, 具有广泛的应用前景.
, 对标记后的目标, 采用基于形态学分水
岭的图像分割, 以便使目标与背景分离, 为该目标的面积、质心、周长、尺寸、方位的b lob 分析以及形状特参数征的提取奠定了良好的基础(图3).
其中vc++代码如下实现:
m _M orpheu s . SetI m age In (m_M orpheus . Ge tI m age O ut() ); m _M orpheu s . Set D istanceType (1) ; m _M orpheu s . B i narySepara(); //P roper t y Count
i Count =m _M orpheu s . G et Coun t();
m _cv D ispD s. t SetI m age(m _M orpheu s . G etI m age Ou t() ); //l ong I m age
m _cv D ispD s. t Refresh();
//Refresh t he D isp l ay
参考文献:
[1]高亚辉, 杨军霞, 骆巧琦, 等. 海洋浮游植物自动分析和
识别技术[J].厦门大学学报:自然科学版, 2006, 45(Sup . 2) :40-45. [2]H ans D B ,
Baye r , M M. A uto m atic d i a to m i dentifica ti on
[M].Europe :W o rl d Scientific , 2002.
[3]G onzalez R C , W oods R E , Steven L. 数字图像处理(MAT
LA B 版) [M].北京:电子工业出版社, 2007.
[4]Ambauen R, F ischer S , Bunke H. G raph edit d istance w ith
node splitti ng and m erg ing , and its appli ca tion to d iato m i den tifica ti on [C ]//Hancock E , V ento M, Eds . I APR W orkshop GbRPR 2003, LNCS 2726. Ber li n H e i delde rg :Spr i ng er V e r l ag , 2003:95-106.
[5]Joynt E H. A n i m age da tabase for diato m i den tificati on and
nomenclature[J].Journa l of Pa leo li m nology , 1999, 22:109-114.
[6]H icks Y A. A m ode l o f d i atom shape and texture f o r ana lysis ,
synthes i s and identifi cation[J].M ach i ne V isi on and A pplica ti ons , 2006, 17:297-307.
[7]F i scher S , Bunke H. Autom atic i dentifi cati on of diatom s us i ng
dec isi on forests [C ]//Perner P, Ed . M LDM 2001, LNA I 2123. Ber li n H erde l berg :Springer V er l ag , 2001:173-183. [8]Schetti n i R , B ramb ill a C , Cusano C , et a. l Au t om atic c l assifi
cati on f i g l photographs on i sion f o In
3 结 语
数字图像处理是当今计算机科学中最具有前景的领域之一, 图像技术有非常广泛的应用, 而数学形态学是图像处理中的重要方法之一. 数学形态学的基本理论和方法用于海洋浮游植物显微图像的处理, 可为海洋浮游植物显微自动识别系统的研究和开发奠定理论基础.
本文利用二值图像的形态学处理的基本算子和灰
增刊2高亚辉等:数学形态学在海洋浮游植物显微图像处理中的应用! 245!
terna ti ona l Journal of P atte rn R ecogn iti on and A rtific i a l Inte lli gence(IJPRA I), 2004, 18(5):819-845.
[9]W ang X. A uto m a tic feature -quer ied b ird i den tificati on sys
tem based on entropy and fuzzy si m ilar i ty[J].Expert Syste m s w ith A ppli cations , 2008, 34:2879-2884. [10]Pu l kk i nen P .
Fuzzy c l assifi er identifi cation using dec i s i on
tree and M u lti objecti ve evo l uti onary algor i th m s[J].Interna ti onal Journa l o f A pprox i m ate R eason i ng , 2008, 48:526-543.
[11]Ja l ba A C. Au t om atic segm enta ti on o f d i atom i m ages f o r
class ificati on [J].M icro scopy R esearch A nd T echn i que , 2004, 65:72-85.
Applicati on ofM at he maticalM orphology toM icroscope I m age
Processi ng ofM ari ne Phyt oplankton
GAO Y a hu i , L UO Ji n fei , L UO Q iao q i , YANG Chen hu i
(1. Schoo l of L ife Sc i en ces , X ia m en U niversity ,
2. Schoo l of Com pu ter and Infor m ation Engi neeri ng , X ia m en U n i versit y , X i a m en 361005, China)
1
1
1
2
Abst ract :M at he m ati calm orphol ogy is one of a m athe m atical m e t hod s for anal ysis of geo m e tric shape and structure , and has been com
m onl y u sed i n m i age anal ysis and treat m en. t Phytoplank ton is m i portan t prm i ary producer i n m ar i ne ecosyste m w hose cell is u suall y s m all and can be w e ll i den ti fied on l y under m icro scope alt hough it is usuall y typical i n m orpho l ogy for d i fferent spec i es . Akashi wo sangui nea (H irasaka) H ansen &Moestrup , a co mm on red -ti de ca u sati ve phytop l ankton species , is se l ected as tested target for m i age treat m en tw ith m at he m ati cal m orphol ogy i n the presen t study . D ifferen tm at he m aticalm orpho l ogicalm ethods w ere used i n t h is study for anal ysis and processi ng of m arine phytop l ankton m icroscope m i ages . The al gor it hm s i nc l ude binary m i age m orpho l ogical processi ng algorith m and gray m i age m orpho l ogi cal processi ng al gorith m referri ng to quick and effici ent optm i i zed algorith m s of erosi on and d ilati on , open i ng -cl osi ng operation , especiall y the i age seg m m en tati on base on m orpho l ogicalw atershed , target tags and target seg m entati on . It is suggested t hatm athe m aticalm orphol ogy cou l d be a good m e t hod f o r m icroscope m i age treat m en t and is very like l y to be applied i n a u to m atic i dentifi cati on syste m of m ari ne phytopl ank ton s .
i age m orphol ogical processi ng al gorith m; gray m i age m orphol ogical processi ng al gorith m; K ey words :m at he m ati calm orpho l ogy ; bi nary m m ar i ne phytopl ankton
第47卷 增刊22008年12月
厦门大学学报(自然科学版) Journal of X ia m en Un iversity (N atural S cience)
V o. l 47 Sup . 2D ec . 2008
数学形态学在海洋浮游植物显微图像处理中的应用
高亚辉, 罗金飞, 骆巧琦, 杨晨辉
1
1
1
2
(1. 厦门大学生命科学学院, 2. 厦门大学信息科学与技术学院, 福建厦门361005)
摘要:数学形态学是分析几何形状和结构的数学方法, 广泛应用于各类图像形状和结构的分析与处理. 浮游植物是海洋
生态系统中的重要初级生产者, 其个体微小, 但形态特征各异, 一般要在显微镜下才能进行准确的种类鉴定. 本文以海洋常见赤潮藻血红哈卡藻(A kashi wo sanguinea (H irasaka) H ansen &M oestrup) 为对象, 利用数学形态学方法来处理和分析其细胞显微图像. 数学形态学算法包括二值图像形态学和灰度图像形态学, 涉及到膨胀、腐蚀、开闭运算, 提供了快速高
效的优化算法, 特别是基于形态学分水岭的图像分割、标记目标、目标分割. 研究结果证明, 数学形态学可应用于海洋浮游植物显微图像处理, 为浮游植物显微自动识别提供了理论基础.
关键词:数学形态学; 二值图像形态学; 灰度图像形态学; 海洋浮游植物
. 2 文献标识码:A 文章编号:0438 0479(2008) S2 0242 04中图分类号:Q 949
海洋浮游植物是海洋生态系统中的最主要初级生
产者, 也是海洋生物资源的重要组成部分, 具有种类多、数量大、繁殖快等特点, 在海洋生态系统的物质循环和能量流动中起着极其重要的作用. 对海洋浮游植物的研究、教学和开发利用, 都离不开对其种类的分类和鉴定. 海洋浮游植物个体微小, 一般要在显微镜下通过观察拍照才能进行种类鉴定. 但不同浮游植物种类其细胞形态特征各异, 通过对其显微图像进行适当的处理分析, 并建立相应的数据库, 可以实现对其种类的
[1]
计算机自动识别和鉴定.
数学形态学是分析几何形状和结构的数学方法, 是建立在集合代数基础上, 用集合论方法定量描述几何形状的科学. 数学形态学是有一组形态学的代数运算子. 最基本的形态学算子有:腐蚀、膨胀、开和闭运算. 用这些算子及其组合来进行图像形状和结构的分析与处理, 包括图像分割、特征提取、图像滤波、图像增强和恢复等方面的工作(图
1).
应用数学形态学算法对海洋浮游植物显微图像进行分析与处理, 可望提供快速高效的优化算法, 为浮游植物显微自动识别提供了理论基础. 本文以海洋常见赤潮藻血红哈卡藻(Akas hi w o sanguinea (H irasaka ) H ansen &M oestrup) 为对象, 测试了利用数学形态学方法处理和分析其细胞显微图像的可行性.
1 数学形态学算法的描述及步骤
数学形态学包括二值图像形态学
[3]
像形态学两种理论. 1. 1 二值图像形态学
1. 1. 1 膨胀和腐蚀
腐蚀是表示用某种 探针 (即某种形状的基元或结构元素) 对一个图像进行探测, 以便找出图像内部
[4]
可以放下该基元的区域. 我们先假设数字图像为f (x , y ) , 结构单元取作b (x , y ) , 这里都是整数, 则f 和b 是对每一个(x , y ) 坐标赋以的灰度值函数. 腐蚀运算相当于在结构单元定义的邻域内选择了f -b 的最小值, 在每一点上的腐蚀值是在跨度为b 的区间内f 与b 之差的最小值. 数学形态学中的腐蚀运算具有收缩图像目标的作用, 通过适当的结构单位可以将两个或多个比较接近, 不易分辨的图像目标朝灰度变小的方向
[5]
收缩, 使目标分离, 便于轮廓的提取. 图像膨胀是图像腐蚀的对偶运算, 可以通过对补集的腐蚀来定义. 相当于在结构单元定义的邻域中选择f +b 的最大值, 在每一点上的膨胀值是在跨度为b 的区间内与b 之和的最大值. 膨胀运算可以将目标物体接触的所有背景点合并到物体中, 使目标增大、边界延伸、空洞缩小. 1. 1. 2 开运算和闭运算
, , A 作
[2]
[3]
和灰度图
图1 数学形态学的处理方法
F i g . 1 T he processing m ethod of m athema ti ca lm orpho logy
收稿日期:2008 10 19
基金项目:福建省科技重大专项前期研究项目(2005YZ1024), 国家
自然科学基金科学仪器基础研究专项(40627001) 资助
Ema i :l gaoyh @x m u . edu . cn
增刊2高亚辉等:数学形态学在海洋浮游植物显微图像处理中的应用! 243!
开运算, 用符号A B 表示, 开运算实际上是A 先被B 腐蚀, 然后再被B 膨胀的结果. 也可以理解为, 开运算可以通过计算所有可以填入图像内部的结构元素平移的并集求得. 当结构元素B 扫过整个图像集合内部, 那些使结构元素B 的任何像素不越出图像A 边界的图像A 的像素点的集合. 开运算可以除去比结构元素小的特定图像细节如消除散点和毛刺对图像进行平滑切断细长搭接对图像进行分离而且保证不会全局的失[6]真.
闭运算是开运算的对偶运算, 定义为先作膨胀后作腐蚀. 对图像A 用结构元素B 作闭运算可得到一个集合, 该集合中包含所有这样的点X , x 被一个平移的镜像结构元素覆盖的同时, 平移的镜像结构元素与A 图像必有一些公共点. 由此看出, 初始图像A 是包含在闭运算后的A ! B 中, 即闭运算是具有延伸性的运算. 利用闭运算对图像的内部作滤波, 可以磨光凸向图
[7]
像内部的尖角. 1. 2 灰度图像形态学
1. 2. 1 膨胀和腐蚀
对于灰度图像而言, 膨胀和腐蚀是以像素领邻域的最大值和最小值来定义的. 利用结构元素b 对信号f
[8]
的灰度腐蚀定义为
(f b ) (x ) =m ax {y ∀g x +y
从几何角度讲, 为了求出信号被结构元素在点x 腐蚀的结果, 可以在空间滑动这个结构元素, 使其原点与x 点重合, 然后上推结构元素, 使之仍处于信号下方所能达到的最大值, 即为该点的腐蚀结果.
与二值情况一样, 灰度膨胀也可用灰度腐蚀的对偶运算来定义. 同样利用结构元素b 对信号f 的灰度
[8]
膨胀定义为
(f b ) (x ) =m in{y ∀( ) x +y >>f }.
1. 2. 2 开运算和闭运算
具备了腐蚀和膨胀这两种初级灰度形态学变换, 下面可以定义灰度形态学的二级变换###灰度开和闭
[9]
变换, 与二值情况相同, 这两种变换为对偶变换. 灰度开变换可以参照二值情况来定义, 即先做腐蚀再做膨胀的级联变换; 而闭变换恰恰相反, 为先做膨胀再做腐蚀的级联变换.
[10]
利用结构元素b 对信号f 的灰度开变换和闭变[10]
换分别定义为
f b =(f b ) b , f ! b =(f b ) ! b .
另外, 灰度开闭变换也满足对偶性和单调性, 在此就不一一列出. 同样, 灰度形态变换也有各种如开闭、闭开等级联变换.
2 算法测试
2. 1 基于二值图像形态学算法的数学形态
学处理平台
以血红哈卡藻(Akas h i w o s anguinea ) 显微图像为例, 首先采用二值图像形态学的基本算子来实现膨胀、腐
[11]
蚀、开闭运算, 其模式分割模式采用B i n ary Count , 对识别的目标进行标记、以便以后目标分割(图2).
其中vc++代码如下实现:
m _M orpheu s . SetI m age In (m_M orpheus . Ge tI m age O ut() ); m _M orpheu s . Set D istance T ype (1) ; m _M orpheu s . B i nary Coun t(); //P roper t y Count i Count =m _M orpheu s . G et Coun t();
m _cv D ispD s. t SetI m age(m _M orpheu s . G etI m age Ou t() ); //l ong I m age m _cv D ispD s. t Refresh();
//Refresh t he D isp l
ay
图2 基于二值图像形态学算法的数学形态学处理平台(以血红哈卡藻为例)
F ig . 2 M athem ati ca lmo rpho l ogy processing platf o r m based on b i na ry i m age mo rpho l og ica l processi ng algor i th m (phytoplankton spec i es
of t he i m age i s A kashi w o sanguinea )
! 244! 厦门大学学报(自然科学版) 2008年
图3 基于灰度图像形态学算法的数学形态学处理平台(以血红哈卡藻为例)
m age mo rpho l og ica l processi ng a l gor ith m (phy t op l ankton spec i es F i g. 3 M a t he m a ti ca lm orpho l ogy processi ng platf o r m based on gray i
o f t he i m age is Akashi w o sanguinea )
2. 2 基于灰度图像形态学算法的数学形态
学处理平台
以二值化后获得的血红哈卡藻(Akashi w o s anguin ea ) 显微图像为例, 采用灰度图像形态学的基本算子来
实现膨胀、腐蚀、开闭运算, 其模式分割模式采用B i n a ry Separa
[11]
理的结果, 对其算子的实现和改进的快速算法做了研究和比较, 在此基础上提出了自己的改进算法. 结果证明了利用数学形态学方法可以对浮游植物显微图像实
现快速高效的处理, 结合海洋浮游植物的特点可以进一步开发显微图像处理软件, 具有广泛的应用前景.
, 对标记后的目标, 采用基于形态学分水
岭的图像分割, 以便使目标与背景分离, 为该目标的面积、质心、周长、尺寸、方位的b lob 分析以及形状特参数征的提取奠定了良好的基础(图3).
其中vc++代码如下实现:
m _M orpheu s . SetI m age In (m_M orpheus . Ge tI m age O ut() ); m _M orpheu s . Set D istanceType (1) ; m _M orpheu s . B i narySepara(); //P roper t y Count
i Count =m _M orpheu s . G et Coun t();
m _cv D ispD s. t SetI m age(m _M orpheu s . G etI m age Ou t() ); //l ong I m age
m _cv D ispD s. t Refresh();
//Refresh t he D isp l ay
参考文献:
[1]高亚辉, 杨军霞, 骆巧琦, 等. 海洋浮游植物自动分析和
识别技术[J].厦门大学学报:自然科学版, 2006, 45(Sup . 2) :40-45. [2]H ans D B ,
Baye r , M M. A uto m atic d i a to m i dentifica ti on
[M].Europe :W o rl d Scientific , 2002.
[3]G onzalez R C , W oods R E , Steven L. 数字图像处理(MAT
LA B 版) [M].北京:电子工业出版社, 2007.
[4]Ambauen R, F ischer S , Bunke H. G raph edit d istance w ith
node splitti ng and m erg ing , and its appli ca tion to d iato m i den tifica ti on [C ]//Hancock E , V ento M, Eds . I APR W orkshop GbRPR 2003, LNCS 2726. Ber li n H e i delde rg :Spr i ng er V e r l ag , 2003:95-106.
[5]Joynt E H. A n i m age da tabase for diato m i den tificati on and
nomenclature[J].Journa l of Pa leo li m nology , 1999, 22:109-114.
[6]H icks Y A. A m ode l o f d i atom shape and texture f o r ana lysis ,
synthes i s and identifi cation[J].M ach i ne V isi on and A pplica ti ons , 2006, 17:297-307.
[7]F i scher S , Bunke H. Autom atic i dentifi cati on of diatom s us i ng
dec isi on forests [C ]//Perner P, Ed . M LDM 2001, LNA I 2123. Ber li n H erde l berg :Springer V er l ag , 2001:173-183. [8]Schetti n i R , B ramb ill a C , Cusano C , et a. l Au t om atic c l assifi
cati on f i g l photographs on i sion f o In
3 结 语
数字图像处理是当今计算机科学中最具有前景的领域之一, 图像技术有非常广泛的应用, 而数学形态学是图像处理中的重要方法之一. 数学形态学的基本理论和方法用于海洋浮游植物显微图像的处理, 可为海洋浮游植物显微自动识别系统的研究和开发奠定理论基础.
本文利用二值图像的形态学处理的基本算子和灰
增刊2高亚辉等:数学形态学在海洋浮游植物显微图像处理中的应用! 245!
terna ti ona l Journal of P atte rn R ecogn iti on and A rtific i a l Inte lli gence(IJPRA I), 2004, 18(5):819-845.
[9]W ang X. A uto m a tic feature -quer ied b ird i den tificati on sys
tem based on entropy and fuzzy si m ilar i ty[J].Expert Syste m s w ith A ppli cations , 2008, 34:2879-2884. [10]Pu l kk i nen P .
Fuzzy c l assifi er identifi cation using dec i s i on
tree and M u lti objecti ve evo l uti onary algor i th m s[J].Interna ti onal Journa l o f A pprox i m ate R eason i ng , 2008, 48:526-543.
[11]Ja l ba A C. Au t om atic segm enta ti on o f d i atom i m ages f o r
class ificati on [J].M icro scopy R esearch A nd T echn i que , 2004, 65:72-85.
Applicati on ofM at he maticalM orphology toM icroscope I m age
Processi ng ofM ari ne Phyt oplankton
GAO Y a hu i , L UO Ji n fei , L UO Q iao q i , YANG Chen hu i
(1. Schoo l of L ife Sc i en ces , X ia m en U niversity ,
2. Schoo l of Com pu ter and Infor m ation Engi neeri ng , X ia m en U n i versit y , X i a m en 361005, China)
1
1
1
2
Abst ract :M at he m ati calm orphol ogy is one of a m athe m atical m e t hod s for anal ysis of geo m e tric shape and structure , and has been com
m onl y u sed i n m i age anal ysis and treat m en. t Phytoplank ton is m i portan t prm i ary producer i n m ar i ne ecosyste m w hose cell is u suall y s m all and can be w e ll i den ti fied on l y under m icro scope alt hough it is usuall y typical i n m orpho l ogy for d i fferent spec i es . Akashi wo sangui nea (H irasaka) H ansen &Moestrup , a co mm on red -ti de ca u sati ve phytop l ankton species , is se l ected as tested target for m i age treat m en tw ith m at he m ati cal m orphol ogy i n the presen t study . D ifferen tm at he m aticalm orpho l ogicalm ethods w ere used i n t h is study for anal ysis and processi ng of m arine phytop l ankton m icroscope m i ages . The al gor it hm s i nc l ude binary m i age m orpho l ogical processi ng algorith m and gray m i age m orpho l ogi cal processi ng al gorith m referri ng to quick and effici ent optm i i zed algorith m s of erosi on and d ilati on , open i ng -cl osi ng operation , especiall y the i age seg m m en tati on base on m orpho l ogicalw atershed , target tags and target seg m entati on . It is suggested t hatm athe m aticalm orphol ogy cou l d be a good m e t hod f o r m icroscope m i age treat m en t and is very like l y to be applied i n a u to m atic i dentifi cati on syste m of m ari ne phytopl ank ton s .
i age m orphol ogical processi ng al gorith m; gray m i age m orphol ogical processi ng al gorith m; K ey words :m at he m ati calm orpho l ogy ; bi nary m m ar i ne phytopl ankton