显微芯片快速定位算法

 2023-03-21 04:03

论文总字数:16196字

毕业设计报告(论文)

显微芯片快速定位算法

所属系 计算机工程系

专 业 计算机科学与技术

学 号 01111714

姓  名 徐颜红

指导教师 胡轶宁

起讫日期 2014.12 --- 2015.5

设计地点 东南大学成贤学院

目录

第一章 绪论 1

1.1 课题研究的背景和意义 1

第二章 图像分割 2

2.1 图像分割的叙述 2

2.1.1 图像分割的定义 2

2.2. 图像分割方法 2

2.2.1. 阈值分割 3

2.2.2. 边缘检测 3

2.2.3 边界跟踪 4

2.2.4. 区域分割 4

2.3. 基于MATLAB的阈值分割 4

2.3.1. 人工选择法 4

2.3.2. 自动阈值法 5

2.3.3 p-参数法 8

2.3.4 均匀性度量法 8

2.3.5 最大熵法 9

2.3.6. 聚类方法 9

2.3.7 局部阈值方法 10

2.4. 评价各种阈值分割算法 11

第三章 形态学处理 12

3.1形态学的概述 12

3.1.1 形态学处理的定义及原理 12

3.2 膨胀和腐蚀 12

3.2.1 膨胀 12

3.2.2腐蚀 13

3.3膨胀和腐蚀的组合 14

3.3.1开运算和闭运算 14

3.3.2击中和击不中变换 15

3.4 标记连通分量 15

3.5 形态学重建 16

3.5.1通过重建进行开运算 16

3.5.2孔洞的填充 16

3.5.3边界物体的清除 17

3.6灰度级形态学 17

3.6.1膨胀和腐蚀 17

3.6.2开运算和闭运算 18

3.6.3重建 19

第四章 实验结果及结论 20

4.1实验结果 20

4.1.2算法调试结果及分析 20

4.2 结果讨论 23

4.3 结论 24

第五章 结束语 25

第六章 主要参考文献 26

第一章 绪论

1.1 课题研究的背景和意义

显微芯片快速定位算法就是能自动定位显微照片中不存在重叠,覆盖的独立编码悬浮微芯片,最终定位并输出图片中单一的的芯片。

显微照片中的芯片可能存在重叠、覆盖的情况,或者有一些芯片是残缺的和图片中有些芯片存在倾斜的情况。因为应用领域的特殊,需要自动定位出显微照片中不重叠、不被覆盖、单一的芯片,从原始图像中可以看出所需要处理的那些芯片在图像中只占很少的地方,我们要从图像中提取出目标区域(即为单一的芯片),这一步的处理是还有一定难度的。

因此芯片的快速定位是编码悬浮微芯片识别系统的关键部分,也是难点之一。在编码悬浮微芯片识别系统中,显微照片中芯片的定位是整个环节的基础和关键。

编码悬浮微芯片的主要用途是对液体样品中的多重生物/医学指标(一般来说是一些特定的生物分子,例如抗体、蛋白质等)同时进行检测。显微芯片快速定位算法是编码悬浮微芯片识别系统的一部分,主要内容是从显微成像照片中根据结构信息,自动定位编码悬浮微芯片。

由此可见,显微芯片的快速定位算法是编码悬浮微芯片识别系统开发与研究的基础。所以研究和开发出高效、实用的显微芯片快速定位算法,对编码悬浮微芯片识别系统具有深远的意义。

第二章 图像分割

2.1 图像分割的叙述

2.1.1 图像分割的定义

所谓的图像分割就是将图像分割成若干个的区域,但是被分割出来的这些区域存在3个基本特性:互不重叠、有意义、存在着相同的性质。

判断图片分割是否合格需要满足以下几点:

1、在灰度和纹理等特性方面,对于被分割开来的各个区域它们之间存在着相似的特点,各区域的内部具有连通性,而且在区域的内部并没有的过多的孔洞。

2、在对分割图片所依据的各种性质上,相似的区域之间应该要存在明显的不同。

3、各区域的边缘要是清晰的。

分析图片,之后我们要做的就是从图片中提取出目标区域,将目标区域与其它的区域分隔开来并对提取出来的目标区域进行处理这就是所谓的图片分割。对图像进行分割处理,将图像中的前景区域和背景区域区别开来所获得的结果图像被称为二值化图像。因此,通常我们将图像分割处理又称为图像的二值化处理。

对于图片分割方法的选用,我们必须要依据具体的情况来选定,因为实际中图像分割处理是面向某种具体应用的。到目前为止,对图片进行分割还没有出现一个通用的方法,有两点原因:

  • 图像之间是不同的
  • 劣质的图像数据质量(图像数据质量的下降是因为在获取和传输图像的过程中,被引入的各种噪声、不均匀的光照等不同的因素所影响)

2.2. 图像分割方法

基于图像分割时所参照的那些特性,我们可以将图像分割方法大致的分为如下的四类:

1)边缘检测法。对图像进行分割处理之前,要先用边缘检测法检测到某个封闭的区域的边界,也就是说将被包围的区域(封闭区域)沿着边界线剪切出来。

2)边界跟踪。此类方法的使用对象,一是原图,二是图像梯度图(用边缘检测法对图像进行预处理的结果)。

3)阈值分割法。运用此方法对图像进行分割前需要确定一个阈值,而确定的这个阈值是根据图像灰度值的分布特性。因为阈值分割具有直观性、容易实现等优点,所以在图像分割处理中阈值分割法一直处于核心地位。

4)区域分割法。这种方法明确了目标区域和背景区域之间存在不同的特性,从而实现对图片的分割。

2.2.1. 阈值分割

利用阈值分割算法进行图像分割处理,首先要选出一个合适的阈值,阈值选择的不同使得获得的图片也是不同的。这里我们以基于灰度阈值的分割方法为例,因为此方法在图像分割法中是最经典的。基于灰度阈值的分割法,首先要设定一个阈值,然后再将图像中像素点按照灰度级分成不同的类,从而对图像实现分割处理。在此,最简单的执行方法就是将灰度图像变成二值图像。具体操作方法是,假设灰度图像为f(x,y),阈值处理后的图像为g(x,y)(二值图像)。首先要确定一个阈值,此阈值是在f(x,y)中利用计定的标准找出的一个灰度值Th,然后将Th作为标准的参数用于与图像中的所有像素的灰度值比较,大于等于Th时输出1,反之则输出0。阈值分割法的表示公式是:

在上面的公式中,阈值Th的确定直接影响了图像分割的效果,一般确定一个阈值是通过对图像直方图进行分析得来的。阈值选择方法最常用的就是通过对图像直方图的分析,获得双峰或多峰,然后阈值就选择两峰之间的最低值,此阈值是合格的。

2.2.2. 边缘检测

对于人类的视觉而言,图像的边缘是非常重要的,它可以显示出物体的形态和轮廓,我们就是通过边缘来观察到物体的。边缘代表的是一个区域的结束,也代表了另一区域的开始。

边缘检测技术实际上就是检测出图像中发生变化的某特性的位置。在数字图像处理中它是一个非常重要的技术。在图像中目标区域和背景区域之间的边界线就是所谓的边缘,因此要想将前景和背景区域分隔开来最重要的一点就是将边缘检测出来。由边缘检测法分割开的区域存在的特性是,同一区域的内部不论是在特征还是属性上都是具有一致性的,不同区域间则是存在区别的。边缘检测法正是利用不同区域在灰度、颜色、纹理等上存在区别,从而实现对图像中背景和前景的分割处理。

剩余内容已隐藏,请支付后下载全文,论文总字数:16196字

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;