CN1739111A - 自动流量显微镜的粒子提取 - Google Patents
自动流量显微镜的粒子提取 Download PDFInfo
- Publication number
- CN1739111A CN1739111A CNA200380108664XA CN200380108664A CN1739111A CN 1739111 A CN1739111 A CN 1739111A CN A200380108664X A CNA200380108664X A CN A200380108664XA CN 200380108664 A CN200380108664 A CN 200380108664A CN 1739111 A CN1739111 A CN 1739111A
- Authority
- CN
- China
- Prior art keywords
- pixel
- sticking patch
- image
- value
- background
- 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
Links
- 239000002245 particle Substances 0.000 title description 64
- 238000000605 extraction Methods 0.000 title 1
- 238000000034 method Methods 0.000 claims abstract description 70
- 230000000007 visual effect Effects 0.000 claims description 26
- 238000003384 imaging method Methods 0.000 claims description 8
- 239000007788 liquid Substances 0.000 claims description 8
- 238000000926 separation method Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000005286 illumination Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000004442 gravimetric analysis Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
- 238000007634 remodeling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G01N15/1433—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1468—Electro-optical investigation, e.g. flow cytometers with spatial resolution of the texture or inner structure of the particle
- G01N15/147—Electro-optical investigation, e.g. flow cytometers with spatial resolution of the texture or inner structure of the particle the analysis being performed on a sample stream
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Abstract
一种用于确定物体边界位置的方法。形成所述物体的具有图像像素的电子图像(图1,14)。识别代表物体边界段的图像像素组(图1,12)。在图像像素组周围形成补片,其中每个补片具有这样的尺寸和位置,以便完全包含所述各图像像素组之一。
Description
本申请要求2002年11月18日提交的美国临时申请No.60/427,466的权益。
发明领域
本发明涉及分析稀释流体试样中粒子的方法和系统,更具体地说,涉及自动定位视野中物体边界的方法和系统。
发明背景
分析稀释流体试样中的粒子的方法和系统已众所周知,如在美国专利4,338,024和4,393,466中所公开。现有的流量显微镜粒子分析器使用图像识别装置和根据粒子与背景的亮度差来检测粒子的软件。美国专利4,538,299和5,625,709就是这种分析器的实例。遗憾的是,目前采用的系统和方法常不能有效地检测对比度低的物体,且常将同一物体的不同部分识别为不同的物体,导致分类错误和所报告的元素数量不正确。
发明概述
本发明是一种精确识别粒子图像并产生图像段,使每个图像段包含单一粒子的图像的方法。
本发明是一种用于自动定位视野中所关注物体的边界的方法,所述方法包括:形成包含所述物体的视野的电子图像,其中电子图像由多个图像像素形成;识别代表物体边界段的图像像素组;在图像像素组周围形成补片,其中每个补片具有这样的尺寸和位置,以便完全包含图像像素组之一;以及执行补片合并过程,即,将彼此符合预定接近度阈值的任何两个补片合并在一起,以形成合并的补片,所述合并补片具有这样尺寸和位置,以便完全包含这两个合并的补片。对符合预定接近度阈值的任何补片和合并补片继续进行所述合并过程,直到没有补片或合并补片符合预定接近度阈值为止。
本发明是一种用于自动定位视野中所关注物体的边界的装置,所述装置包括:成像系统,用于形成包含物体的视野的电子图像,其中电子图像由多个图像像素形成;以及至少一个处理器。所述至少一个处理器识别代表物体边界段的图像像素组;在图像像素组周围形成补片,其中每个补片具有册样的尺寸和位置,以便完全包含所述图像像素组之一;以及执行补片合并过程,即,将彼此符合预定接近度阈值的任何两个补片合并在一起,以形成合并的补片,所述合并补片具有这样的尺寸和位置,以便完全包含这两个合并的补片。对符合预定接近度阈值的任何补片和合并补片继续进行所述合并过程,直到没有补片或合并补片符合预定接近度阈值为止。
通过阅读本说明、权利要求书和附图,本发明的其它目的和特征就可一目了然。
附图简要说明
图1是采用本发明方法的粒子分析器的示意图。
图2是说明本发明的方法步骤的流程图。
图3是说明设定背景电平的方法步骤的流程图。
图4是说明创建二进制图像的方法步骤的流程图。
图5是从图4的方法中导出的示范的二进制图像的像素值阵列的实例。
图6是在边界检测后图5的像素值阵列的实例。
图7是在形成补片后图6的像素值阵列的实例。
图8A-8C是图7的像素值阵列的实例,图解说明在单一粒子周围的补片合并。
优选实施例的详细说明
本发明的方法增强了对粒子的检测,能进行低对比度的检测和物体部分的组合。本发明包括5个基本步骤,利用如图1所示的具有成像系统2和处理器4的传统粒子分析器,就可采用本方法。
成像系统和处理器
成像系统2用来产生包含所关注粒子的试样的视野图像。成像系统2最好是已知的流量显微镜,如美国专利4,338,024;4,393,466;4,538,299和4,612,614中所述,这些专利已作为参考全部包括在本文内。这种系统包括流量单元10、显微镜12和摄像机14,如图1所示。包含关注粒子的样品流体流经流量单元10的检查区,在此通过流量显微镜12可以观察粒子的图像。当粒子流经流量单元10时,摄像机14(最好是CCD摄像机)通过显微镜12捕捉粒子连续视野的图像,并将它们转换成数字粒子图像。摄像机14拍摄的每个数字粒子图像包括数千或甚至数百万个像素。最好用光源16(例如闪光器)来照明(前和/或后照明)流量单元10的检查区。应当指出,本发明也适用于分析非流动试样液体(例如放在检查玻片上的试样液体)的成像系统。
处理器4可以是能够如下述处理数字粒子图像的任何处理器和/计算机系统,或多个处理器和/计算机系统。这种处理器的实例包括但不限于:数据处理器、DSP(数字信号处理器)、微控制器以及计算机系统处理器,其中每个都可以是CISC和/或RISC型。
粒子检测增强的方法
本发明的粒子检测方法有5个基本步骤,如图2所示:1)设定背景电平;2)创建二进制图像;3)检测粒子边界;4)形成补片;和5)合并补片。
步骤1:设定背景电平
图3示出设定背景电平的四个步骤。所述过程不仅为每个像素位置创建中值背景电平,而且是以对各图像间背景照明的任何波动进行补偿的方式来创建的(例如,闪光器16的不同亮度,这会对系统的结果精度影响产生负面)。
首先(步骤1-1),使透明液体流经流量单元10(或置于检查玻片上),在此由摄像机14拍摄透明液体的N个图像并将图像数字化,创建成N个数字化的背景图像。作为非限制性实例,N可以等于3。第二(步骤1-2),制作N个图像中的每一个图像的数字背景图像像素值的直方图,其中每个直方图的峰值对应于所述图像的平均像素值。第三(步骤1-3),选择预定的“标准化”像素值,并采用以下方法把每个图像标准化到所述像素值:对其所有像素值进行添加或者减去,使得全部N个图像的直方图峰值都在预定的标准化像素值处。例如,如果预定的标准化像素值为215,并且N个图像之一的直方图峰值在210,则所述图像中的所有像素值都增加数值5。如果N个图像中另一个图像的直方图峰值在190,则所述图像中的所有像素值都增加25。这样,全部N个图像都标准化到单一的像素值,这就补偿了各图像之间背景照明的波动。第四(步骤1-4),对于数字图像的每个像素位置,从全部N个图像的像素值中确定一个中值像素值(由标准化步骤1-3校正),以像素位置为基础,在每个像素位置上创建一个中值背景电平图像。这样,中值背景电平图像的每个像素值代表全部标准化的N个图像中所述像素位置的校正中值,其中N可以是任何图像数量,包括1在内。
最好,预定的标准化像素值在不引起像素饱和的情况下应选择得尽可能高。这样,在像素值范围为0到255的系统中,预定的标准化像素值应选择成防止背景图像中的任何像素值达到255。
通过对背景照明的变化(例如各次闪烁之间)进行补偿,就可使系统以较低阈值工作,来区别背景像素和精确反映粒子边界的像素,如下所述。应当指出,对于各图像间背景照明波动极小的系统,步骤1-2和1-3的照明补偿可以省略,这样,在步骤1-4直接根据步骤1-1所拍摄的N个图像的所测像素值来计算中值背景电平图像(无需对其作任何标准化),即使N等于1也是如此。如果N等于1,则中值像素值就是所测的像素值。
步骤2:二进制图像创建
图4示出创建二进制图像的步骤。首先(步骤2-1),使包含关注粒子的试样液体流经流量单元(或置于检查玻片上),在此由摄像机14拍摄试样液体(以及其中粒子)的图像并将图像数字化,形成数字试样图像。最好但不是必需,对每个试样图像进行上述(步骤1-2和1-3)的照明补偿(补偿各试样图像间的照明差异)。具体地说,制作每个试样图像的像素值的直方图,每个直方图的峰值对应于所述试样图像的平均像素值(步骤2-2)。选择预定的“标准化”像素值(最好使用在避免像素饱和情况下可能的最高数值),并通过对全部其像素值的进行添加或减去,将每个试样图像标准化到所述像素值,以使全部试样图像的直方图峰值都在预定的标准化像素值处(步骤2-3)。最好,试样图像的预定标准化像素值和用于标准化背景图像的像素值相同。最后,逐个像素地创建每个试样图像的二进制图像(步骤2-4),这样,仅有中值背景电平图像值和试样图像值之间的差超过预定阈值X的那些像素被以强光线照射。
图5示出二进制图像的实例,其中在相应的试样图像像素值和中值背景电平图像像素值之间的差超过阈值X处,二进制图像像素值都被赋予一个数值(例如“1”),其余的二进制图像像素值都被赋予第二像素值(例如“0”)。应当指出,对于被后照明的试样图像,对应于背景的像素比对应于粒子部分的那些像素更亮一些(具有较大的亮度值)。
在不引起太大噪声的情况下,把预定阈值X选择成尽可能小,以便最大限度地提高系统的低对比度粒子图像的灵敏度。如果阈值设定过高,则系统会将一些像素错误地识别为背景部分,而实际上它们对应于粒子部分。如果阈值设定过低,则系统会将一些像素错误地识别为粒子部分,而实际上它们对应于背景部分。为获得最佳结果,每个系统的理想阈值X应由经验确定。
步骤3:边界检测
对于每个试样图像,利用在步骤3创建的相应的二进制图像来确定图像中各种粒子的边界。在成像系统中粒子边界检测已众所周知,它涉及到对试样图像中对应于图像中粒子边界的像素进行识别的过程。例如,对应于粒子边界的像素常常这样识别:即,其一侧的邻近像素对应于图像的背景,而另一侧的邻近像素对应于粒子内部。典型的边界检测技术从识别一个或多个边界像素开始,然后在已识别像素附近搜寻更多这类边界像素。示范的粒子边界跟踪技术在美国专利号5,626,709和4,538,299中已公开,它们已作为参考包括在本文中。一旦识别了边界像素,就将那些像素和图像的其余部分区别开(其余部分对应于背景和图像的粒子内部部分)。例如,可以利用边界检测技术这样处理图5的二进制图像,使得被识别为边界像素的那些像素被赋于“1”,其余像素被赋于“0”,如图6所示。其结果是多个像素定义了粒子边界或边界段(边界段由连续定义至少一部分粒子边界的一组边界像素形成)。
步骤4:补片形成
对于每个试样图像,在每个检测的粒子边界或边界段周围创建矩形补片,每个补片的尺寸要尽可能小但仍能包含整个检测的粒子边界或边界段。对于图6的二进制图像,其矩形补片的简单的示范性创建过程示于图7,其中一个粒子的四个明显的边界段导致四个矩形补片(P1,P2,P3和P4)。
作为任选步骤,通过以相同的预定量将其每个壁远离补片中心延伸,就可将每个补片放大。例如,如果补片大小为10×20像素,预定量为5像素,则每个补片壁向后移5个像素,得到的像素尺寸为20×30像素。放大的最佳预定量,即能产生最精确的粒子识别结果的预定量,根据系统设计而各有不同,可以由经验确定。在已付诸实践的粒子分析器中,用试错法确定的放大最佳预定量为12像素(整个图像中总像素大约为140万),使得10×20的补片尺寸被扩大到34×44。最好在进入第五和最后步骤之前将补片放大。
步骤5:补片合并
最后步骤是依次合并重叠的补片,以识别属于相同粒子的那些补片(以及其中的边界段)。合并过程开始时,将在第四步创建的(可能扩展的)因共有超过预定数量的像素Y而互相重叠的任何补片合并在一起。这样,对于符合所述标准的任何两个补片,将这两个补片合并成单一补片,所述单一补片代表了能全部包含这两个重叠补片的最小矩形。所述过程利用步骤4的原始补片、本步骤的合并补片和/或二者的任何组合持续进行,直到用上述标准已不再有补片可以合并为止。
图8A到8C示出图7的补片合并的简化实例。在图7中,两个补片(P1和P2)重叠(因有两个像素共用)。假定像素的预定数量Y不超过2,则把补片P1和P2合并在一起成单一合并补片P5,如图8A所示。现补片P5与P3重叠,图8B示出补片P5和P3的合并,得到合并补片P6。在此特定实例中,不再有合并发生,因为补片6和补片4不重叠。图8B是一个好的实例,说明为什么应利用任选的补片放大步骤,因为它可确保邻近但不同于同一粒子的其它补片的补片都包括在最终的合并补片中。如果单一像素的补片放大能在补片合并过程之前,甚至在过程之中进行,则代表同一粒子四个明显粒子边界段的全部四个原始补片都会适当地被包括在最终的合并补片P7中,如图8C所示。
一旦补片合并完成,出现在最终补片之一范围内的那些边界段就与单一粒子相关联(代表所述单一粒子的边界),而出现在所述最终补片外的任何边界段或者与非粒子相关联或者与邻近但不同的粒子部分相关联。此时,将所述一个最终补片内的边界段之间的任何间隙填满,以形成单一且连续的粒子边界。
合并两个补片所需的像素预定数量的最佳数值Y对各个系统不同,可由经验确定。在已付诸实践的粒子分析器中,发现50个像素(整个图像中的总像素为140万)是可触发重叠补片合并的共用像素的最佳预定数量Y。一旦补片合并过程完成,则每个留下的补片应仅包含单一粒子的图像。
通过将明显且已知补片中的各粒子隔离,系统就能可靠地避免将同一粒子的不同部分识别为不同的粒子,且在每个补片中粒子边界中的间隙都可填满,而没有将一个粒子的边界部分跨接到另一个粒子的边界部分的风险。
上述和附图所示的补片合并是针对补片的重叠边界来说明的。但补片合并可以以任何测定补片接近度的方式进行,如果补片符合特定的接近度阈值,补片就合并。接近度可以通过对包含明显粒子边界段的补片边界的重叠来测定,如以上描述和图解说明的。但此外,也可使用其它的接近度测量法,例如补片边界部分之间的测得距离(例如最近的补片边界部分之间的距离,最远的补片边界部分之间的距离等等),或同时基于补片尺寸和分隔距离的类似于重力吸引标准(例如考虑补片的整体尺寸以及补片中心之间的距离,类似于质量和重力分析),其中“大”的补片可能合并,但具有相同间隔的大和小的补片可能就不合并。于是,接近度阈值可以是两个重叠补片共有的具体像素数量,或是两个补片边界段之间的距离,或是基于补片尺寸除以补片边界或补片中心之间距离的数值。
应理解,本发明不限于以上描述和图解说明的实施例,而应包括在所附权利要求书范围内的所有改型。例如,从权利要求书和本说明已知,并非所有方法步骤都需以所示或所要求的精确顺序进行,而是可以以在各个不同的补片中适当分隔粒子的任何顺序进行。另外,补片的形状不一定必需是矩形,而是可以有不同的形状和定向,以便优化它们的合并性能。有些形状例如矩形可以更具积极地“捕获”邻近的补片,而其它形状例如圆形和椭圆会减少对邻近物体的捕获,假定所有物体都是凸起的。此外,虽然系统最好自动将合并补片中所包含的全部边界段关联起来以代表物体的边界,但也不一定必需这样做。代之以,只要在合并补片中包含的结果边界段能呈现给用户作分析,或由系统用作其它分析目的即可。
Claims (38)
1.一种用于自动确定视野中所关注物体的边界位置的方法,所述方法包括:
形成包含所述物体的视野电子图像,其中所述电子图像由多个图像像素形成;
识别代表所述物体边界段的图像像素组;
在所述图像像素组周围形成补片,其中每个补片具有这样的尺寸和位置,以便完全包含所述各图像像素组之一;以及
进行补片合并过程,将彼此符合预定接近度阈值的任何两个补片合并在一起,以形成合并的补片,所述合并补片具有这样的尺寸和位置,以便完全包含所述两个合并的补片,其中所述合并过程对符合所述预定接近度阈值的任何补片和合并补片继续进行,直到没有符合所述预定接近度阈值的补片和合并补片为止。
2.如权利要求1所述的方法,其中还包括:
将所述各合并补片之一所包含的全部所述边界段相关联,用来表示所述物体的所述边界。
3.如权利要求1所述的方法,其中所述预定接近度阈值是互相重叠的任何补片和合并补片所共有的图像像素的预定数量。
4.如权利要求1所述的方法,其中所述预定接近度阈值是任何所述补片和合并补片之间的预定距离。
5.如权利要求4所述的方法,其中所述预定距离是从所述补片和合并补片的边界测量的。
6.如权利要求4所述的方法,其中所述预定距离是从所述补片和合并补片的中心部分测量的。
7.如权利要求1所述的方法,其中所述预定接近度阈值是从所述补片和合并补片的大小和分隔距离计算的。
8.如权利要求1所述的方法,其中所述补片的所述形成过程还包括:
使每个所述补片具有尽可能小的尺寸,同时仍要完全包含所述各图像像素组之一。
9.如权利要求8所述的方法,其中在使每个所述补片具有尽可能小的尺寸之后,所述方法还包括:
通过移动所述补片的各个壁部分使其离开所述补片的中心预定的距离,来扩展每个所述补片。
10.如权利要求9所述的方法,其中每个所述补片具有矩形形状。
11.如权利要求1述的方法,其中识别代表所述物体边界段的所述图像像素组的所述识别过程包括:
形成所述视野的背景电平图像,其中所述背景电平图像由多个背景电平像素形成,每个背景电平像素在位置上对应于所述图像像素之一并且各自具有像素值;
把其像素值按照至少预定数量不同于所述相应的背景电平像素的像素值的每个所述图像像素归类为物体像素;以及
识别所述各物体像素中哪些物体像素对应于所述物体的边界。
12.如权利要求11所述的方法,其中所述视野的所述背景电平图像的所述形成过程还包括:
形成不含任何所关注物体的所述视野的N个背景电子图像,其中每个所述背景电子图像由多个背景像素形成,每个背景像素在位置上对应于所述各背景电平像素之一并且各自具有像素值,其中N为正整数;以及
通过计算所述背景像素的像素值的对应于所述一个背景电平像素的中间值来产生每一个所述背景电平像素。
13.如权利要求12所述的方法,其中所述视野的N个背景电子图像的所述形成过程包括使透明液体流过所述视野。
14.如权利要求12所述的方法,其中所述视野的所述背景电平图像的所述形成过程还包括:
在所述背景电平像素的所述产生过程之前将所述N个背景电子图像中每个背景电子图像的所述背景像素值的平均值标准化。
15.如权利要求14所述的方法,其中所述背景像素值的平均值的所述标准化过程还包括:
创建所述N个背景电子图像中每一个背景电子图像的直方图,其中每个所述直方图的峰值对应于所述N个背景电子图像之一的背景像素值的平均值;
选择预定的平均像素值,以及
调节所述N个背景电子图像的所述背景像素值,使得其直方图全部具有一般等于所述预定平均像素值的峰值。
16.如权利要求15所述的方法,其中这样选择所述预定平均像素值,使得所述调节后的背景像素值不超过其最大像素值。
17.如权利要求11所述的方法,其中所述归类为物体像素的过程还包括:
创建包含所述物体的所述视野的所述电子图像的二进制图像,其中所述二进制图像由多个二进制像素形成,每个二进制像素在位置上对应于所述各图像像素之一,其中如果所述相应的图像像素值按照至少预定数量不同于所述相应的背景电平像素的所述像素值,则每个所述二进制像素被赋予第一数值,而如果所述相应的图像像素值不是按照至少预定的数量不同于所述相应的背景电平像素的所述像素值,则被赋予第二数值。
18.如权利要求17所述的方法,其中识别哪些所述物体像素对应于所述物体的边界的所述识别过程包括:
将由原先全部被赋予所述第一数值的其它所述二进制像素包围的被赋予所述第一数值的任何所述二进制像素重新赋值为所述第二数值。
19.如权利要求1所述的方法,其中每个图像像素具有一个数值,并且其中包含所述物体的所述视野的所述电子图像的所述形成过程还包括:
创建包含所述物体的所述电子图像的直方图,其中所述直方图具有对应于所述图像像素值的平均值的峰值;
选择预定的平均像素值,以及
这样调节所述像素值,使得所述直方图具有一般等于所述预定平均像素值的峰值。
20.一种用于自动确定视野中所关注物体的边界位置的装置,所述方法包括:
成像系统,用于形成包含所述物体的所述视野的电子图像,其中所述电子图像由多个图像像素形成;
至少一个处理器,用于
识别代表所述物体边界段的图像像素组;
在所述图像像素组周围形成补片,其中每个补片具有这样的尺寸和位置,以便完全包含所述各图像像素组之一;以及
进行补片合并过程,将彼此符合预定接近度阈值的任何两个所述补片合并在一起,以形成合并补片,所述合并补片具有这样的尺寸和位置,以便完全包含所述两个合并的补片,其中所述合并过程对符合预定接近度阈值的任何补片和合并补片继续进行,直到没有符合所述预定接近度阈值的所述补片或合并补片为止。
21.如权利要求20所述的装置,其中所述至少一个处理器将被包含在所述各合并补片之一中的全部所述边界段相关联,用来表示所述物体的所述边界。
22.如权利要求20所述的装置,其中所述预定接近度阈值是互相重叠的任何所述补片和合并补片所共有的预定数量的所述图像像素。
23.如权利要求20所述的装置,其中所述预定接近度阈值是任何所述补片和合并补片之间的预定距离。
24.如权利要求23所述的装置,其中所述预定距离是从所述补片和合并补片的边界测量的。
25.如权利要求24所述的装置,其中所述预定距离是从所述补片和合并补片的中心部分测量的。
26.如权利要求20所述的装置,其中所述预定接近度阈值是从所述补片和合并补片的大小和分隔距离计算的。
27.如权利要求20所述的装置,其中所述至少一个处理器形成所述补片的所述形成过程还包括:
使每个所述补片的具有尽可能小的尺寸,同时仍要完全包含所述各图像像素组之一。
28.如权利要求27所述的装置,其中在使所述补片具有尽可能小的尺寸之后,由所述至少一个处理器形成所述补片的过程还包括:
通过移动所述补片的各个壁部分使其离开所述补片的中心预定的距离,来扩展每个所述补片。
29.如权利要求28所述的装置,其中每个所述补片具有矩形形状。
30.如权利要求20所述的装置,其中所述至少一个处理器通过以下步骤识别代表所述物体边界段的所述图像像素组:
形成所述视野的背景电平图像,其中所述背景电平图像由多个背景电平像素形成,每个背景电平像素在位置上对应于所述图像像素之一并且各自具有像素值;
把其像素值按照至少预定数量不同于所述相应的背景电平像素的像素值的每个所述图像像素归类为物体像素;以及
识别所述各物体像素中哪些物体像素对应于所述物体的边界。
31.如权利要求30所述的装置,其中所述系统通过以下步骤形成所述视野的所述背景电平图像:
形成不含任何所关注物体的所述视野的N个背景电子图像,其中每个所述背景电子图像由多个背景像素形成,每个背景像素在位置上对应于所述各背景电平像素之一并且各自具有像素值,其中N为正整数;以及
通过计算所述背景像素的像素值的对应于所述一个背景电平像素的中间值来产生每一个所述背景电平像素。
32.如权利要求31所述的装置,其中所述系统使透明液体流过所述视野,以便形成所述视野的所述N个背景电子图像。
33.如权利要求31所述的装置,其中所述至少一个处理器通过以下步骤形成所述视野的所述背景电平图像:
在所述背景电平像素的所述产生过程之前将所述N个背景电子图像中每个背景电子图像的所述背景像素值的平均值标准化。
34.如权利要求33所述的装置,其中所述至少一个处理器通过以下步骤将所述背景像素值的平均值标准化:
创建所述N个背景电子图像中每一个背景电子图像的直方图,其中每个所述直方图的峰值对应于所述N个背景电子图像之一的背景像素值的平均值;
选择预定的平均像素值,以及
调节所述N个背景电子图像的所述背景像素值,使得其直方图全部具有一般等于所述预定平均像素值的峰值。
35.如权利要求34所述的装置,其中所述至少一个处理器这样选择所述预定的平均像素值,使得所述调节后的背景像素值不超过其最大像素值。
36.如权利要求30所述的装置,其中所述至少一个处理器通过以下步骤将所述物体像素归入一类:
创建包含所述物体的所述视野的所述电子图像的二进制图像,其中所述二进制图像由多个二进制像素形成,每个二进制像素在位置上对应于所述各图像像素之一,其中如果所述相应的图像像素值按照至少预定数量不同于所述相应的背景电平像素的所述像素值,则每个所述二进制像素被赋予第一数值,而如果所述相应的图像像素值不是按照至少预定的数量不同于所述相应的背景电平像素的所述像素值,则被赋予第二数值。
37.如权利要求36所述的装置,其中所述至少一个处理器通过以下步骤识别哪些所述物体像素对应于所述物体的边界:
将由原先全部被赋予所述第一数值的其它所述二进制像素包围的被赋予所述第一数值的任何所述二进制像素重新赋值为所述第二数值。
38.如权利要求20所述的装置,其中每个图像像素具有一个数值,并且其中所述至少一个处理器还通过以下步骤形成包含所述物体的所述视野的所述电子图像:
创建包含所述物体的所述电子图像的直方图,其中所述直方图具有对应于所述图像像素值的平均值的峰值;
选择预定的平均像素值,以及
这样调节所述像素值,使得所述直方图具有一般等于所述预定平均像素值的峰值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US42746602P | 2002-11-18 | 2002-11-18 | |
US60/427,466 | 2002-11-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1739111A true CN1739111A (zh) | 2006-02-22 |
CN100353368C CN100353368C (zh) | 2007-12-05 |
Family
ID=32326539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB200380108664XA Expired - Fee Related CN100353368C (zh) | 2002-11-18 | 2003-11-17 | 自动流量显微镜的粒子提取 |
Country Status (9)
Country | Link |
---|---|
US (1) | US7702172B2 (zh) |
EP (1) | EP1565873B1 (zh) |
JP (1) | JP4038210B2 (zh) |
CN (1) | CN100353368C (zh) |
AU (1) | AU2003294351B2 (zh) |
CA (1) | CA2505782C (zh) |
DK (1) | DK1565873T3 (zh) |
ES (1) | ES2423319T3 (zh) |
WO (1) | WO2004046736A2 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7822276B2 (en) | 2005-02-17 | 2010-10-26 | Iris International, Inc. | Method and apparatus for analyzing body fluids |
CN102621053B (zh) * | 2005-09-21 | 2015-05-06 | 卢米尼克斯股份有限公司 | 图像数据处理的方法和系统 |
US8014590B2 (en) * | 2005-12-07 | 2011-09-06 | Drvision Technologies Llc | Method of directed pattern enhancement for flexible recognition |
US8885035B2 (en) * | 2009-06-16 | 2014-11-11 | Lester F. Ludwig | Electronic imaging flow-microscope for environmental remote sensing, bioreactor process monitoring, and optical microscopic tomography |
US9594239B1 (en) | 2009-06-16 | 2017-03-14 | Lester F. Ludwig | Optical tomography for microscopy, cell cytometry, microplate array instrumentation, crystallography, and other applications |
US10502666B2 (en) * | 2013-02-06 | 2019-12-10 | Alentic Microscience Inc. | Sample processing improvements for quantitative microscopy |
CN110058005A (zh) | 2013-06-26 | 2019-07-26 | 阿兰蒂克微科学股份有限公司 | 用于显微的样品处理改进 |
US11800056B2 (en) | 2021-02-11 | 2023-10-24 | Logitech Europe S.A. | Smart webcam system |
US11800048B2 (en) | 2021-02-24 | 2023-10-24 | Logitech Europe S.A. | Image generating system with background replacement or modification capabilities |
JP2023137302A (ja) * | 2022-03-18 | 2023-09-29 | 株式会社Screenホールディングス | 画像標準化方法および観察装置 |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4338024A (en) * | 1980-05-02 | 1982-07-06 | International Remote Imaging Systems, Inc. | Flow analyzer and system for analysis of fluids with particles |
US4612614A (en) * | 1980-09-12 | 1986-09-16 | International Remote Imaging Systems, Inc. | Method of analyzing particles in a fluid sample |
US4393466A (en) | 1980-09-12 | 1983-07-12 | International Remote Imaging Systems | Method of analyzing particles in a dilute fluid sample |
US4538299A (en) | 1981-12-04 | 1985-08-27 | International Remote Imaging Systems, Inc. | Method and apparatus for locating the boundary of an object |
JP2686274B2 (ja) * | 1988-03-24 | 1997-12-08 | 東亜医用電子株式会社 | 細胞画像処理方法および装置 |
US5313948A (en) * | 1991-11-28 | 1994-05-24 | Aloka Co., Ltd. | Ultrasonic diagnostic apparatus |
US5450531A (en) * | 1992-11-30 | 1995-09-12 | Eastman Kodak Company | Resolution enhancement system for combined binary and gray scale halftone images |
JP3445394B2 (ja) * | 1993-12-17 | 2003-09-08 | ゼロックス・コーポレーション | 少なくとも二つのイメージセクションの比較方法 |
US5640468A (en) * | 1994-04-28 | 1997-06-17 | Hsu; Shin-Yi | Method for identifying objects and features in an image |
US5594807A (en) * | 1994-12-22 | 1997-01-14 | Siemens Medical Systems, Inc. | System and method for adaptive filtering of images based on similarity between histograms |
US5625709A (en) * | 1994-12-23 | 1997-04-29 | International Remote Imaging Systems, Inc. | Method and apparatus for identifying characteristics of an object in a field of view |
US5642433A (en) * | 1995-07-31 | 1997-06-24 | Neopath, Inc. | Method and apparatus for image contrast quality evaluation |
US6272253B1 (en) * | 1995-10-27 | 2001-08-07 | Texas Instruments Incorporated | Content-based video compression |
US6175227B1 (en) * | 1997-07-03 | 2001-01-16 | Coulter International Corp. | Potential-sensing method and apparatus for sensing and characterizing particles by the Coulter principle |
JP3853034B2 (ja) * | 1997-08-13 | 2006-12-06 | シスメックス株式会社 | 物体の境界決定方法および装置並びに物体の境界決定プログラムを記録した記録媒体 |
US6061476A (en) * | 1997-11-24 | 2000-05-09 | Cognex Corporation | Method and apparatus using image subtraction and dynamic thresholding |
US6606402B2 (en) * | 1998-12-18 | 2003-08-12 | Cognex Corporation | System and method for in-line inspection of stencil aperture blockage |
US6400846B1 (en) * | 1999-06-04 | 2002-06-04 | Mitsubishi Electric Research Laboratories, Inc. | Method for ordering image spaces to search for object surfaces |
US6516097B1 (en) * | 1999-07-16 | 2003-02-04 | Lockheed Martin Corporation | Image segmentation system |
PT1301894E (pt) * | 2000-04-24 | 2009-08-21 | Iris Int Inc | Aparelho e método de imagiologia por redes neuronais múltiplas |
US7236623B2 (en) * | 2000-04-24 | 2007-06-26 | International Remote Imaging Systems, Inc. | Analyte recognition for urinalysis diagnostic system |
US7020335B1 (en) * | 2000-11-21 | 2006-03-28 | General Dynamics Decision Systems, Inc. | Methods and apparatus for object recognition and compression |
US7031525B2 (en) * | 2002-07-30 | 2006-04-18 | Mitsubishi Electric Research Laboratories, Inc. | Edge detection based on background change |
US7110602B2 (en) * | 2002-08-21 | 2006-09-19 | Raytheon Company | System and method for detection of image edges using a polar algorithm process |
US7095786B1 (en) * | 2003-01-11 | 2006-08-22 | Neo Magic Corp. | Object tracking using adaptive block-size matching along object boundary and frame-skipping when object motion is low |
-
2003
- 2003-11-17 DK DK03789834.3T patent/DK1565873T3/da active
- 2003-11-17 CA CA2505782A patent/CA2505782C/en not_active Expired - Fee Related
- 2003-11-17 ES ES03789834T patent/ES2423319T3/es not_active Expired - Lifetime
- 2003-11-17 AU AU2003294351A patent/AU2003294351B2/en not_active Ceased
- 2003-11-17 JP JP2004553950A patent/JP4038210B2/ja not_active Expired - Fee Related
- 2003-11-17 EP EP03789834.3A patent/EP1565873B1/en not_active Expired - Lifetime
- 2003-11-17 US US10/716,253 patent/US7702172B2/en active Active
- 2003-11-17 CN CNB200380108664XA patent/CN100353368C/zh not_active Expired - Fee Related
- 2003-11-17 WO PCT/US2003/037014 patent/WO2004046736A2/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
DK1565873T3 (da) | 2013-09-08 |
CA2505782C (en) | 2011-01-04 |
EP1565873A2 (en) | 2005-08-24 |
AU2003294351A1 (en) | 2004-06-15 |
CN100353368C (zh) | 2007-12-05 |
ES2423319T3 (es) | 2013-09-19 |
US20040136593A1 (en) | 2004-07-15 |
US7702172B2 (en) | 2010-04-20 |
EP1565873B1 (en) | 2013-06-05 |
WO2004046736A3 (en) | 2004-07-15 |
WO2004046736A2 (en) | 2004-06-03 |
CA2505782A1 (en) | 2004-06-03 |
AU2003294351B2 (en) | 2007-10-04 |
EP1565873A4 (en) | 2011-04-13 |
JP4038210B2 (ja) | 2008-01-23 |
JP2006510006A (ja) | 2006-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255787B (zh) | 基于深度学习和图像处理技术的丝锭划痕检测系统及方法 | |
CN108759973B (zh) | 一种水位测量方法 | |
Macfarlane | Classification method of mixed pixels does not affect canopy metrics from digital images of forest overstorey | |
KR101989202B1 (ko) | 미생물 성장을 분석하는 방법 및 소프트웨어 | |
CN110248075A (zh) | 图像获取装置、方法及系统和点胶质量检测方法及系统 | |
JP4389602B2 (ja) | 物体検出装置、物体検出方法、プログラム | |
CN107328776A (zh) | 一种免疫层析试纸卡的快速检测方法 | |
CN103049909B (zh) | 一种以车牌为焦点的曝光方法 | |
CN105974120B (zh) | 一种c反应蛋白色度自动检测装置与方法 | |
CN100353368C (zh) | 自动流量显微镜的粒子提取 | |
CN115063400B (zh) | 利用视觉手段的乐器生产缺陷检测方法 | |
CN103530622A (zh) | 一种车辆车标识别方法 | |
CN108710852B (zh) | 一种限定拍摄深度的粒度分布图像识别方法及系统 | |
CN107742119B (zh) | 一种基于背影成像的物体轮廓提取和匹配装置及方法 | |
KR101026778B1 (ko) | 차량 영상 검지 장치 | |
CN115841488A (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN110807354A (zh) | 一种工业流水线产品计数方法 | |
CN113793322A (zh) | 一种对磁性材料自动检测的方法、电子设备和存储介质 | |
JP2010263872A (ja) | 細胞画像解析装置 | |
CN116740758A (zh) | 一种防止误判的鸟类图像识别方法及系统 | |
CN116363426A (zh) | 公路防眩板健康状态自动检测方法 | |
CN112183158B (zh) | 一种谷物烹饪设备的谷物种类识别方法和谷物烹饪设备 | |
JP2000163694A (ja) | 車番認識方法および装置 | |
CN107239754B (zh) | 基于稀疏取样灰度分布和梯度分布特征的车标识别方法 | |
CN104182758A (zh) | 用于火箭风摆测量的图像识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20071205 Termination date: 20211117 |
|
CF01 | Termination of patent right due to non-payment of annual fee |