閾值分割算法在醫(yī)用藥瓶溶液雜質(zhì)檢測中的研究

李彬 謝云

（廣東工業(yè)大學(xué)自動化學(xué)院）

0 概述

現(xiàn)代的安瓿瓶是用玻璃管燒制的，廣泛運(yùn)用于盛放注射制劑和必須隔絕空氣的高純度化學(xué)藥品。由于使用明火熔化玻璃管，并通過冷卻使瓶口密封，為了避免該生產(chǎn)工藝可能存在密封不嚴(yán)和封裝過程中帶有雜質(zhì)而影響瓶內(nèi)封裝試劑的質(zhì)量，因此需要采用一種合理的檢測方法來剔除生產(chǎn)過程中的不合格產(chǎn)品。整個檢測過程分為三個步驟：圖像處理、圖像分析和圖像理解，其中圖像分割是圖像分析中最重要的環(huán)節(jié)。

針對醫(yī)用溶液雜質(zhì)檢測算法，國內(nèi)外有很多學(xué)者進(jìn)行了研究。如Akira等[1]提出了基于視頻圖像的幀間差分法，實(shí)現(xiàn)了塑料瓶內(nèi)異物檢測。李偉[2]在TMS320DM642上做出了嘗試，在分析了Harris角點(diǎn)檢測和Susan角點(diǎn)檢測方法后，利用圖像配準(zhǔn)的方法消除了由于機(jī)械臂帶來的振動，用差分法將圖像分割出來。肖方良等[3]提出圖像差分提取運(yùn)動目標(biāo)和粒子濾波跟蹤運(yùn)動目標(biāo)方法來完成對異物的實(shí)時視覺檢測。

本文針對安瓿瓶內(nèi)溶液雜質(zhì)的特點(diǎn)，提出一種改進(jìn)的二維 Otsu 閾值分割法。改進(jìn)后的算法提高了抗噪性，有效避免了錯誤劃分，加強(qiáng)了圖像的分割效果，提高了藥瓶溶液雜質(zhì)的分割，處理時間也比傳統(tǒng)的二維Otsu算法少。

1 閾值的圖像分割算法

假設(shè)原圖像為f (x,y)，該圖像可分為目標(biāo)像素和背景像素。從背景上提取對象可以選取一個閾值T來分離這兩種模式。任何滿足f (x,y)≥T的點(diǎn)（x,y）稱為對象點(diǎn)，其它點(diǎn)則稱為背景點(diǎn)。經(jīng)閾值處理后的圖像g (x,y)定義為式(1)

式中：0表示其像素為黑色；1表示其像素為白色。若像素的灰度值小于閾值T，則該像素用黑色顯示；若該像素的灰度值大于或等于閾值T，則用白色顯示。如此得到一個二值圖像，將目標(biāo)區(qū)域和背景區(qū)域分別用白色和黑色顯示出來。

1.1 一維Otsu法閾值選擇

設(shè)n為圖像中的像素總數(shù)；nq是灰度級為rq的像素?cái)?shù)目；L是圖像中所在可能的灰度級數(shù)；pr為離散概率密度函數(shù)的歸一化直方圖，則有式(2)和式(3)

假設(shè)選定閾值T，C0是一組灰度級為[0,1,…,T-1]的像素；C1是一組灰度級為[T,T+1,…,L-1]的像素。Otsu方法選擇最大化類間方差σ2B的閾值T，類間方差定義為式(4)

整幅圖像的均值為式(5)

C0和C1的均值為式(6)

計(jì)算它的直方圖，找到最大化2

例如，教師可以從最基本的啟蒙詩詞《靜夜思》入手，通過為幼兒講解著名詩人李白創(chuàng)作這首古詩的背景，進(jìn)而激發(fā)幼兒的閱讀興趣。具體來講，教師可以如是說：“小朋友們，今天我們來一起學(xué)習(xí)一首古詩，詩的名字叫做《靜夜思》，這首詩由我國著名詩人李白所作，李白在創(chuàng)作這首詩的時候，正處于一個皓月當(dāng)空的深夜，你們想知道作者怎樣結(jié)合深夜意境創(chuàng)作出這首詩的嗎？”幼兒異口同聲：“想?！比绱耍憧梢杂行Ъぐl(fā)幼兒的閱讀興趣，繼而培養(yǎng)幼兒良好的閱讀習(xí)慣。

Bσ的閾值，即為最佳閾值。閾值返回為0.0和1.0之間的歸一化值。

1.2 二維Otsu閾值分割法

為改善一維 Otsu算法在處理過程中噪聲干擾等產(chǎn)生的嚴(yán)重分割錯誤。劉健莊等[4]提出了灰度圖像的二維Otsu自動閾值分割法，簡稱為二維Otsu法。

如圖1所示，對任意給定的一個閾值(s,t)，可將二維直方圖分成區(qū)域1、區(qū)域2、區(qū)域3、區(qū)域4。目標(biāo)區(qū)域?yàn)閰^(qū)域 1，背景區(qū)域?yàn)閰^(qū)域3，遠(yuǎn)離對角線的區(qū)域2和4對應(yīng)圖像的噪聲和邊緣。假設(shè)二維直方圖存在兩類C0和C1，分別代表目標(biāo)與背景，且具有兩個不同的概率密度分布函數(shù)。設(shè)閾值為(s,t)，那么兩類的概率分別為：

圖1 二維直方圖

兩類對應(yīng)的均值矢量為

二維直方圖上總的均值矢量為

所以可合理地假設(shè)在兩個區(qū)域：i=s+1,...,L－1；j=0,…,t和i=0,...s；j=t+1,...,L－1 有 pij≈ 0 。此時關(guān)系式成立。

定義一個類間的離散度矩陣

使用SB的跡作為類間離散測度，有

當(dāng)trSB(s',t')= max｛ trSB(s,t)｝時，二維 Otsu閾值分割法的閾值為(s', t')。

1.3 改進(jìn)的二維 Otsu 閾值分割法

改進(jìn)后的二維直方圖如圖2所示。

圖2 改進(jìn)后的二維直方圖

設(shè)橫坐標(biāo)f (x,y)為中心像素點(diǎn)的灰度值，g (x,y)為全鄰域最大或最小的灰度值?？v坐標(biāo)采用5×5全鄰域中心像素點(diǎn)灰度值與鄰域的灰度最大值（或灰度最小值）之差的絕對值的最大值 g`(x,y)，則 g`(x,y)=max{|f (x,y)－g (x,y)|}。當(dāng)f (x,y)和鄰域像素點(diǎn)都表示目標(biāo)像素或背景像素時，把它們相減，得到的絕對值較小。此時，在對分割效果沒有影響的情況下，為了減小運(yùn)算時間，對于t

圖3 判斷算法流程圖

首先判斷像素(x,y)是否被標(biāo)記為待定點(diǎn)，如果不是，尋找下一個符合條件的像素；如果是將判斷5×5鄰域內(nèi)是否有目標(biāo)點(diǎn)，如果沒有，尋找下一個符合條件的像素；如果有，先計(jì)算中心像素點(diǎn)的灰度值與目標(biāo)點(diǎn)的最大差值a0，再計(jì)算中心像素點(diǎn)的灰度值與所有背景點(diǎn)的最大差值 a1；然后判斷兩者的差值，若a0>a1，說明中心像素點(diǎn)的灰度值與目標(biāo)點(diǎn)偏差較大，則將其歸屬于背景點(diǎn)；若a0

2 仿真實(shí)驗(yàn)結(jié)果及分析

醫(yī)用藥瓶溶液雜質(zhì)的主要成份為玻璃碎屑、纖維、毛發(fā)、蚊蟲、藥渣等異物。本次使用的仿真圖片是由實(shí)際燈檢機(jī)采集的（圖4(a)）。為了方便描述，對含有雜質(zhì)的區(qū)域使用虛線矩形進(jìn)行了標(biāo)識。從圖4(a)可以看出，本次雜質(zhì)主要為纖維等懸浮物，此類溶液雜質(zhì)的特點(diǎn)為微小、與背景灰度值相差不大、液面噪聲較大等。改進(jìn)的二維 Otsu算法考慮到噪聲影響，加強(qiáng)了抗噪性，對目標(biāo)分割效果有所提高。本次仿真主要是對目標(biāo)雜質(zhì)進(jìn)行圖像分割處理，仿真實(shí)驗(yàn)環(huán)境使用Matlab7軟件，仿真結(jié)果如圖4所示。

圖4 各種閾值分割算法

從仿真結(jié)果可以看出，普通的閾值分割效果最差，且由于閾值需要手動給出，要重復(fù)多次試驗(yàn)才能得到較合理的閾值，實(shí)際中不常用，但其運(yùn)算時間最少；一維 Otsu由于噪聲干擾等會產(chǎn)生分割錯誤，如果采集到的圖像清晰，噪聲較小也能得到較好的效果，其運(yùn)算時間也比較短；傳統(tǒng)二維 Otsu閾值分割法簡單地認(rèn)為位于閾值附近且像素灰度值與其鄰域平均灰度值相差不大的區(qū)域出現(xiàn)的概率為零，從而使得算法不夠準(zhǔn)確，使用二維直方圖增加了處理的時間，其所用時間最長；改進(jìn)的二維 Otsu可以有效地將邊緣和噪聲中的一些目標(biāo)像素點(diǎn)區(qū)分出來，并分割到目標(biāo)區(qū)域，提高了算法的抗噪性，減小了錯誤劃分，加強(qiáng)了圖像的分割效果。

3 結(jié)論

本文分析和比較了一般的閾值分割、一維 Otsu和傳統(tǒng)二維 Otsu的圖像分割算法，進(jìn)一步提出了一種改進(jìn)的基于二維 Otsu分割算法?？梢杂行У貙⑦吘壓驮肼曋械囊恍┠繕?biāo)像素點(diǎn)區(qū)分出來，并分割到目標(biāo)區(qū)域，提高了算法的抗噪性。無論是從理論上分析，還是從仿真實(shí)驗(yàn)結(jié)果來看，都表明該算法具有較強(qiáng)的抗噪性能，與傳統(tǒng)二維 Otsu相比，處理時間也有所減少。

[1] Akira I,Takayuki M,Shigehiko T,et al.Detection of foreign substances mixed in a plastic bottle of medicinal solution using real-time video image processing [C], Proc 14th International Conference on Pattern Recognition. Australia:IEEE Computer Society,1998,2:1646-1650.

[2] 李偉.基于機(jī)器視覺的安瓿內(nèi)可見異物檢測系統(tǒng)的研究[D].北京:清華大學(xué),2010.

[3] 肖方良,王耀南,章捷,等.安瓿制劑中的可見異物實(shí)時視覺檢測系統(tǒng)研究[J].計(jì)算機(jī)測量與控制,2010,18(2):295-298.

[4] 劉健莊,栗文青.灰度圖象的二維Otsu自動閾值分割法[J].自動化學(xué)報(bào),1993,19(1):101-105.

[5] 梁光明,劉東華,李波,等.二維Otsu自適應(yīng)閾值分割算法的改進(jìn)[J].自動化技術(shù)與應(yīng)用,2002,21(5):43-47.

[6] 郝穎明,朱楓.二維Ostu自適應(yīng)閾值的快速算法[J].中國圖像圖形學(xué)報(bào),2005,10(4): 484-488.