王琦煜

【摘 要】本研究通過圖像增強(qiáng)算法，有效的去除類圓目標(biāo)之外的物體，提高計(jì)數(shù)與測(cè)量的準(zhǔn)確率，實(shí)際開發(fā)基于機(jī)器視覺的計(jì)數(shù)與測(cè)量系統(tǒng)。本文研究的微液滴計(jì)數(shù)與測(cè)量系統(tǒng)能快速準(zhǔn)確地將試驗(yàn)圖像中的微液滴分割，實(shí)現(xiàn)微液滴的有效計(jì)數(shù)與測(cè)量。有效提高了實(shí)驗(yàn)效率，使實(shí)驗(yàn)中微液滴的計(jì)數(shù)與測(cè)量環(huán)節(jié)實(shí)現(xiàn)自動(dòng)化。

【關(guān)鍵詞】微液滴；圖像分割

中圖分類號(hào)： TP391.41 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2018）26-0025-002

DOI：10.19694/j.cnki.issn2095-2457.2018.26.009

Micro-droplet counting and measuring system based on image recognition

Wang Qiwei

（Shengli College China University Of Petroleum， Dongying Shandong 257000， China）

【Abstract】Image enhancement algorithms， have rapidly become a methodology of choice for circular target recognition. The research in this paper could effectively remove objects outside the circular target， and develop a system which is based on computer vision to improve the accuracy of counting and measurement. The microdroplet counting and measuring system studied in this paper can quickly and accurately segment the complex image. By using the system， the efficiency of the experiment is improved， and the experiment are becoming automatically in the measurement phase.

【Key words】Microdroplet； Image segmentation algorithm

本研究旨在以微流控實(shí)驗(yàn)中微液滴圖像為主要研究對(duì)象，研究粘連重合情況下微液滴計(jì)數(shù)與測(cè)量的相關(guān)技術(shù)，包括圖像增強(qiáng)算法的優(yōu)化，重疊粘連微液滴識(shí)別技術(shù)等，實(shí)現(xiàn)微液滴的自動(dòng)計(jì)數(shù)與測(cè)量。

1 微液滴的形成

1.1 微液滴試驗(yàn)概述

微流控（microfluidics）是一種精確控制技術(shù)，它操控微尺度，主要作用于亞微米結(jié)構(gòu)流體。在20世紀(jì)80年代興起，是一個(gè)涉及了工程學(xué)、物理學(xué)、化學(xué)、微加工和生物工程等領(lǐng)域的交叉學(xué)科。微液滴技術(shù)是微流控技術(shù)的重要分支，是在微流控芯片上發(fā)展起來的一種全新的操縱微小體積液體的技術(shù)。微液滴有著巨大的技術(shù)潛力以及市場(chǎng)潛力，它具有良好的可操控性，操作方法分散，試驗(yàn)可重復(fù)進(jìn)行、高通量性，目前已成功應(yīng)用于DNA測(cè)序、蛋白質(zhì)分析、酶動(dòng)力學(xué)等研究領(lǐng)域。微液滴測(cè)量與計(jì)數(shù)系統(tǒng)一般由顯微鏡、CCD攝像機(jī)、照明光源等組成，每一步實(shí)驗(yàn)現(xiàn)象，首先經(jīng)過顯微鏡過濾并且放大成像，然后通過CCD攝像裝置拍攝，就可以獲得這一時(shí)刻的瞬時(shí)粒子圖像。針對(duì)得到的圖像，研究員對(duì)圖像中微液滴進(jìn)行人工計(jì)數(shù)和測(cè)量，進(jìn)而分析實(shí)驗(yàn)結(jié)果，得出實(shí)驗(yàn)微液滴性狀分析。

1.2 微液滴試驗(yàn)存在問題

研究員對(duì)圖像中微液滴進(jìn)行人工計(jì)數(shù)和測(cè)量這種檢測(cè)方法存在著很多問題：（1）對(duì)工作人員的要求很高，要求工作人員具備較為豐富的專業(yè)知識(shí)和觀察經(jīng)驗(yàn)，才能進(jìn)行準(zhǔn)確的計(jì)數(shù)。一般具備這種素質(zhì)的工作人員，都擔(dān)任著較重的試驗(yàn)任務(wù)，做計(jì)數(shù)工作是對(duì)人力的極大浪費(fèi)。（2）試驗(yàn)結(jié)果產(chǎn)生的需要檢測(cè)的微液滴圖像樣本數(shù)量往往很大，每張圖像中包含的目標(biāo)物也比較多，微液滴圖像有時(shí)還會(huì)出現(xiàn)彼此重疊覆蓋的情況。所以，計(jì)數(shù)需要耗費(fèi)很長(zhǎng)的時(shí)間和精力來完成，容易造成工作人員的疲勞而引起誤判。（3）人工參與的檢測(cè)工作往往主觀性比較強(qiáng)，不同的工作人員不同狀態(tài)下去觀察可能會(huì)產(chǎn)生不同的檢測(cè)結(jié)果。

目前微液滴微流控芯片處于快速的發(fā)展時(shí)期，其應(yīng)用正在拓展到不同的領(lǐng)域。一種高效精準(zhǔn)又實(shí)時(shí)性好的統(tǒng)計(jì)分析方法急需被用于微流控微液滴試驗(yàn)的數(shù)據(jù)處理階段。如此才能使得研究人員能快速有效的進(jìn)行試驗(yàn)，而不是把寶貴的時(shí)間浪費(fèi)在計(jì)數(shù)與測(cè)量過程中。微液滴的計(jì)數(shù)和測(cè)量是一類類圓形物體識(shí)別問題。

2 圖像分割算法實(shí)現(xiàn)重疊粘連微液滴識(shí)別技術(shù)的研究

微液滴目標(biāo)識(shí)別可被視作類圓物體識(shí)別，這種特定的類圓目標(biāo)邊界不完整，而且液滴之間容易產(chǎn)生粘連或者部分重疊，使得目標(biāo)的分割異常困難。近年來，國(guó)內(nèi)外研究人員針對(duì)圖像分割技術(shù)做了大量研究，類圓體分割方法主要有基于閾值的分割法，基于邊緣檢測(cè)的分割法，基于區(qū)域的分割方法等。

2.1 基于閾值的分割方法

基于閾值的圖像分割法是最基本的圖像分割方法，多用于圖像中目標(biāo)和背景具有明顯區(qū)別的情況。在使用閾值分割法時(shí)，如何選擇閾值是這種分割法的關(guān)鍵問題，閾值選擇的好壞直接決定分割結(jié)果的優(yōu)劣。

2.2 基于邊緣檢測(cè)的分割方法

基于邊緣檢測(cè)的分割法主要方法是判斷邊緣區(qū)域的位置。數(shù)字圖像識(shí)別技術(shù)中，圖像的邊緣是最明顯的不連續(xù)區(qū)域。圖像邊緣定義的位置主要在目標(biāo)與非目標(biāo)之間、目標(biāo)與目標(biāo)之間、目標(biāo)與背景之間。邊緣檢測(cè)正是利用鄰接邊緣處存在的特征差異來實(shí)現(xiàn)分割的。比如利用灰度顏色差異分割，利用空間上的不連續(xù)分割，以及利用其他紋理特征差異進(jìn)行分割等。邊緣檢測(cè)分割技術(shù)實(shí)際上就是檢測(cè)發(fā)生變化較明顯的位置來尋找圖像分割點(diǎn)，進(jìn)而將目標(biāo)獨(dú)立出來。

2.3 基于區(qū)域的分割方法

區(qū)域生長(zhǎng)算法通過設(shè)定一系列的準(zhǔn)則，將滿足或者近似滿足準(zhǔn)則的像素點(diǎn)融合成目標(biāo)區(qū)域，從而實(shí)現(xiàn)圖像分割的目的。區(qū)域生長(zhǎng)方法具體做法是確定一個(gè)生長(zhǎng)起點(diǎn)，從生長(zhǎng)起始點(diǎn)開始，不斷融合新像素點(diǎn)獲取整個(gè)目標(biāo)區(qū)域。區(qū)域分裂與合并算法是先將整幅圖像按照需求分裂成多個(gè)子區(qū)域，根據(jù)設(shè)定的準(zhǔn)則，對(duì)每個(gè)子區(qū)域進(jìn)行判定，如果相鄰的兩個(gè)子區(qū)域滿足相似性準(zhǔn)則，則合并為一個(gè)區(qū)域，周而復(fù)始對(duì)所有區(qū)域進(jìn)行判定，從而確定區(qū)域的分割方法。

3 微液滴計(jì)數(shù)與測(cè)量技術(shù)的研究

分析各類采集到的微液滴數(shù)字圖像。擬使用軟件Matlab，將閾值分割、聚類分割、邊緣檢測(cè)分割等圖像分割算法，單獨(dú)應(yīng)用或混合應(yīng)用到預(yù)處理后的圖像中去。選取排列組合后最優(yōu)的處理結(jié)果，針對(duì)處理完成的圖像，選取合適的邊緣檢測(cè)算子進(jìn)行優(yōu)化，把目標(biāo)區(qū)域從紛繁復(fù)雜的背景中抽離出來。

明確微液滴之間的粘連與重合效果，是串連、環(huán)連，還是混連。使用邊界特征法、幾何參數(shù)法、傅里葉形狀描述法以及形狀不變矩法等描述形狀的特征，對(duì)圖像中類圓目標(biāo)特征進(jìn)行提取。之后選取凹點(diǎn)分割或面積分割方法將重疊區(qū)域進(jìn)行分割處理，分離成彼此不粘連的單獨(dú)顆粒。針對(duì)不同的微流控技術(shù)所產(chǎn)生的不同形狀的微液滴，根據(jù)其乳液特有的性質(zhì)，確定比例尺，對(duì)分離成功的類圓微液滴進(jìn)行計(jì)數(shù)與直徑測(cè)量。

4 系統(tǒng)設(shè)計(jì)

粘連類圓體圖像分割與統(tǒng)計(jì)系統(tǒng)主要由采集模塊、處理模塊、顯示模塊三大模塊組成，本項(xiàng)目中采集部分由微流體實(shí)驗(yàn)室完成，芯片設(shè)計(jì)如下圖1：

本項(xiàng)目設(shè)計(jì)的系統(tǒng)只需要包括處理模塊與顯示模塊。按照面向?qū)ο蟮能浖こ谭椒?，我們可以將系統(tǒng)分解為圖像類、圖像處理類、圖像分析類三個(gè)大類。

4.1 圖像類

圖像類封裝了圖像的所有基本屬性信息（包括圖像的長(zhǎng)度、寬度、顏色位、文件格式、文件大小等），以及文件的讀取和保存路徑、圖像顯示等基本功能模塊?？紤]到系統(tǒng)的兼容性，系統(tǒng)中無論是從圖像文件中直接讀取，還是由硬件采集卡采集獲取，我們統(tǒng)一使用BMP格式存儲(chǔ)圖像，也就是統(tǒng)一轉(zhuǎn)換成真彩色24位格式。這種格式要求便于圖像的顯示，也利于圖像處理時(shí)位和格式的統(tǒng)一。

4.2 圖像處理類

將所有圖像預(yù)處理操作，也就是為了圖像便于分割所做的操作，包括灰度變換、圖像增強(qiáng)、算術(shù)運(yùn)算、幾何運(yùn)算、形態(tài)學(xué)運(yùn)算等等，封裝在一個(gè)子類中，這樣可以便于函數(shù)的調(diào)用和，增強(qiáng)程序的可讀性。

4.3 圖像分析類

把類圓體圖像分割算法、系統(tǒng)計(jì)數(shù)算法、數(shù)據(jù)存取算法中用到的技術(shù)，如圖像分割、標(biāo)記計(jì)數(shù)、特征提取等封裝為圖像分析類，便于函數(shù)的調(diào)用和后續(xù)的處理，增強(qiáng)系統(tǒng)的可操作性。

5 結(jié)論

液滴作為一種全新的、極具發(fā)展前景的微流控技術(shù)已經(jīng)引起了人們的廣泛關(guān)注，相關(guān)的研究已取得了一系列令人矚目的進(jìn)展，目前該領(lǐng)域仍處于高速發(fā)展的階段。而國(guó)內(nèi)外實(shí)驗(yàn)中，對(duì)于微液滴的計(jì)數(shù)與測(cè)量大部分采用的依然是人工檢測(cè)的方法。目前已有的軟件大部分采用LabView設(shè)計(jì)制作，或是準(zhǔn)確率差，或是無法識(shí)別重合粘連的微液滴圖像，沒有被廣大研究人員采用。本項(xiàng)目研究的微液滴計(jì)數(shù)與測(cè)量系統(tǒng)，針對(duì)微流控微液滴的特點(diǎn)，對(duì)軟硬件設(shè)施提出細(xì)化的特殊要求，達(dá)到高準(zhǔn)確率。軟件計(jì)劃實(shí)現(xiàn)功能包括：加密、放大、腐蝕等，滿足各種實(shí)驗(yàn)中的類圓微液滴計(jì)數(shù)與測(cè)量的要求，具有很強(qiáng)的適應(yīng)性。

【參考文獻(xiàn)】

[1]林炳承，秦建華.微流控芯片分析化學(xué)實(shí)驗(yàn)室.高等學(xué)校化學(xué)學(xué)報(bào)，2009，30：433-445.

[2]楊翠翠，楊鳴.顯微圖像的復(fù)雜粘連細(xì)胞個(gè)數(shù)統(tǒng)計(jì)[J].光學(xué)儀器，2010（3）：32-35.

[3]JJ Agresti，E.Antipov，AR Abate，K.Ahn，AC Rowat，JC Baret， M.Marquez，AM Klibanov，AD Griffiths，DA Weitz.PNAS 2010， 107：4004-4009.

[4]齊帥.基于計(jì)算機(jī)視覺的粘連類圓圖像分割與統(tǒng)計(jì)算法研究[D].南昌：南昌大學(xué)，2014.

[5]N.Shembekar，C.Chaipan，R.Utharala，C.A.Merten，Droplet-based microfluidics in drug discovery，transcriptomics and high-throughput molecular genetics，Lab Chip 16（2016）1314–1331，http：//dx.doi.org/10.1039/C6LC00249H.