【技术实现步骤摘要】
本申请涉及计算机视觉与模式识别，特别是一种涉及基于玻片形态学的玻片检测方法及其应用。
技术介绍
1、在当今医疗与科研领域，玻片扫描及图像数字化技术正逐步成为行业标准，这一转变极大地促进了病理学、生物医学研究以及教学资料的长期保存与高效共享。传统的玻片存储不仅占用大量物理空间，还面临因环境因素导致的样本退化风险。数字化玻片的广泛应用有效解决了这些问题，确保了样本信息的长期稳定性和可访问性。
2、然而，在实现玻片图像的自动化处理与识别过程中，现有的技术方案主要依赖于模板匹配方法。尽管该方法具有一定的实用性，但其存在的局限性日益凸显。首先，模板匹配技术的鲁棒性不足，即便是同一玻片在不同时间或使用不同设备拍摄所得的图像，匹配结果可能大相径庭。这种不稳定性往往源于光照条件、相机位置与角度的微小变化等因素，导致识别精度难以保证。
3、其次，随着玻片类型和样本多样性的增加，模板匹配策略要求针对每一种新类型的玻片预先制作并存储模板，这不仅极大地增加了数据库的维护成本，也对存储资源提出了更高要求。随着时间推移，庞大的模板库不仅占用大量存储空间，而且在进行匹配计算时显著增加了处理时间，影响了整体系统的响应速度与效率。
4、此外，频繁更新与维护模板库的工作流程繁琐，限制了系统的灵活性和适应性。特别是在面对突发性疾病或新型生物样本时，快速响应并集成新模板的需求变得尤为迫切，而传统模板匹配机制在这方面显得力不从心。
5、综上所述，虽然玻片数字化为科研与临床实践带来了革新，但与之配套的图像识别技术，尤其是基于
技术实现思路
1、本申请实施例提供了一种基于玻片形态学的玻片检测方法及其应用，针对目前技术存在的拥有较多的复杂冗余的操作步骤、检测耗时长以及存储空间要求高等问题。
2、本专利技术核心技术主要是利用灰度图像预处理、形态学边缘检测与多级标志位逻辑判断，实现对玻片类型与存在状态的高效、自动识别，克服了传统模板匹配技术的局限性。
3、第一方面，本申请提供了一种基于玻片形态学的玻片检测方法，所述方法包括以下步骤：
4、s00、获取定位图和玻片图，并采用灰度图读取和图像缩小的手段进行预处理，同时定义标志位1、2、3、4，默认为假；
5、其中标志位1为是否有玻片边缘，标志位2为玻片上半部分白色区域面积是否大于设定阈值，标志位3为玻片下半部分白色区域面积是否大于设定阈值，标志位4为玻片上下两部分白色区域面积是否大于设定阈值；
6、s10、从玻片图中提取玻片边缘，并将标志位1置为真；
7、同时将定位图进行截取后均匀分割为上下两个部分后进行二值化处理，并将超过灰度阈值的白色区域保存，其余区域置为黑色，计算保存的白色区域的面积；
8、如果上半部分的白色面积区域大于设定阈值，则将标志位2置为真；如果下半部分的白色面积区域大于设定阈值，则将标志位3置为真；如果上下两半部分的白色面积区域大于设定阈值，则将标志位4置为真；
9、s20、判断标志位1的状态；
10、若为真，则判断标志位2和3的状态；若为假，则判断标志位4的状态；
11、s30、若标志位2为真且标志位3为假，则返回只在托盘上部有一张小玻片的结果；若标志位2为假且标志位3为真，则返回只在托盘下部有一张小玻片的结果；如果标志位2和3均为真，则返回托盘上下各有一张小玻片的结果；
12、若标志位4为真，则返回托盘上有一张大玻片的结果；若标志位4为假，则进一步进行图像处理，判断输出转盘上没有托盘或有托盘但托盘上没有玻片的结果。
13、进一步地，s10步骤中，从玻片图中提取玻片边缘，并将标志位1置为真的具体步骤为：
14、对玻片图进行形态变换学的黑帽处理，以提取玻片边缘，再使用高斯模糊进行平滑处理；
15、定义滤波器并结合scharr和laplacian算子突出边缘，将得到的图像归一化，得到梯度图像结果；
16、通过开运算操作将计算结果从梯度图像中减去，以得到玻片的边缘图像，并计算该玻片的边缘图像的均值和标准差；
17、基于均值和标准差的结果对玻片边缘的图像进行二值化；
18、检测二值化图像中的直线，若直线数量大于0则认为检测到玻片边缘，并将标志位1置为真。
19、进一步地，s10步骤中，通过霍夫线变换检测二值化图像中的直线。
20、进一步地，s10步骤中，对定位图进行感兴趣区域截取，再从中间拆分为上下两个部分。
21、进一步地，s10步骤中，灰度阈值为240，设定阈值为260000。
22、进一步地，s30步骤中，进一步进行图像处理的具体步骤为：
23、对玻片图进行顶帽处理，以提取暗物体，使用高斯模糊对玻片图进行平滑处理；
24、用laplacian算子计算玻片图的拉普拉斯梯度，以突出边缘，得到梯度图像；
25、将梯度图像与边缘图像相加，得到增强后的边缘图像；
26、计算增强后的边缘图像的均值和标准差，并根据计算结果对增强后的边缘图像进行二值化处理；
27、通过闭运算进一步细化二值化后的图像，以找出二值化图像中的非零点作为边缘点，以提取边缘点的坐标；
28、对所有边缘点的纵坐标进行转换，使其以图像中心为原点，初始化得到一个结果矩阵；
29、遍历每一个可能的变径，计算每个边缘点与图像中心之间距离；
30、将距离数据统计到结果矩阵的相应列中，并对该结果矩阵应用函数依赖找出图像中的像素值最大值及其位置。
31、进一步地，s30步骤中，函数为minmaxloc函数，当像素最大值大于等于150时，则返回转盘上没有托盘，若像素最大值小于150时，则返回有托盘但托盘上没有玻片。
32、第二方面，本申请提供了一种基于玻片形态学的玻片检测装置，包括：
33、预处理模块，获取定位图和玻片图，并采用灰度图读取和图像缩小的手段进行预处理，同时定义标志位1、2、3、4，默认为假；
34、其中标志位1为是否有玻片边缘，标志位2为玻片上半部分白色区域面积是否大于设定阈值，标志位3为玻片下半部分白色区域面积是否大于设定阈值，标志位4为玻片上下两部分白色区域面积是否大于设定阈值；
35、处理模块，从玻片图中提取玻片边缘，并将标志位1置为真；同时将定位图进行截取后均匀分割为上下两个部分后进行二值化处理，并将超过灰度阈值的白色区域保存，其余区域置为黑色，计算保存的白色区域的面积；
36、如果上半部分的白色面积区域大于设定阈值，则将标志位2置为真；如果下半部分的白色面积区域大于设定阈值，则将标志位3置为真；如果上下两半部分的白色面积区域大于设定本文档来自技高网...
【技术保护点】
1.一种基于玻片形态学的玻片检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于玻片形态学的玻片检测方法，其特征在于，S10步骤中，从玻片图中提取玻片边缘，并将标志位1置为真的具体步骤为：
3.如权利要求2所述的一种基于玻片形态学的玻片检测方法，其特征在于，S10步骤中，通过霍夫线变换检测二值化图像中的直线。
4.如权利要求1所述的一种基于玻片形态学的玻片检测方法，其特征在于，S10步骤中，对定位图进行感兴趣区域截取，再从中间拆分为上下两个部分。
5.如权利要求1所述的一种基于玻片形态学的玻片检测方法，其特征在于，S10步骤中，灰度阈值为240，设定阈值为260000。
6.如权利要求2所述的一种基于玻片形态学的玻片检测方法，其特征在于，S30步骤中，进一步进行图像处理的具体步骤为：
7.如权利要求6所述的一种基于玻片形态学的玻片检测方法，其特征在于，S30步骤中，函数为minMaxLoc函数，当像素最大值大于等于150时，则返回转盘上没有托盘，若像素最大值小于150时，则返回有托盘但托盘上没
8.一种基于玻片形态学的玻片检测装置，其特征在于，包括：
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项所述的基于玻片形态学的玻片检测方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序包括用于控制过程以执行过程的程序代码，所述过程包括根据权利要求1至7任一项所述的基于玻片形态学的玻片检测方法。
...【技术特征摘要】
1.一种基于玻片形态学的玻片检测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于玻片形态学的玻片检测方法，其特征在于，s10步骤中，从玻片图中提取玻片边缘，并将标志位1置为真的具体步骤为：
3.如权利要求2所述的一种基于玻片形态学的玻片检测方法，其特征在于，s10步骤中，通过霍夫线变换检测二值化图像中的直线。
4.如权利要求1所述的一种基于玻片形态学的玻片检测方法，其特征在于，s10步骤中，对定位图进行感兴趣区域截取，再从中间拆分为上下两个部分。
5.如权利要求1所述的一种基于玻片形态学的玻片检测方法，其特征在于，s10步骤中，灰度阈值为240，设定阈值为260000。
6.如权利要求2所述的一种基于玻片形态学的玻片检测方法，其特征在于，s30步骤中，进...
【专利技术属性】
技术研发人员：黄强，申志远，谢文杰，邝国涛，靳杰，王子晗，
申请(专利权)人：深圳市生强科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。