基于數(shù)字圖像處理的魚卵計數(shù)的研究

張杭文，袁國良，張 云，于文馳

（1.上海海事大學(xué) 上海 201306；2.上海海洋大學(xué) 上海 201306）

在現(xiàn)實生活中對常常需要對采集的魚卵進(jìn)行相應(yīng)的計數(shù)處理，以計算魚的繁殖率，在水廠養(yǎng)殖方面，魚卵計數(shù)是其很重要的一個環(huán)節(jié)，人工計數(shù)魚卵時間成本大，不方便，操作誤差大，效率低，不利于對魚的研究。有必要想新的方法，對其進(jìn)行計數(shù).借助數(shù)字圖像處理這面比較成熟的學(xué)科，再結(jié)合計算機圖像識別和處理計數(shù)來實現(xiàn)魚卵的計數(shù)，這樣做更方便快捷.可以提高計數(shù)的精度和效率。

目前圖像處理計數(shù)在水產(chǎn)養(yǎng)殖方面開展的比較晚，研究報道相對比較少，但已開始在多個領(lǐng)域應(yīng)用，如魚種類識別，魚類尺寸測量，生長發(fā)育研究和行為檢測等等，圖像處理技術(shù)在魚類中的應(yīng)用報道較少，圖像處理技術(shù)在魚卵計數(shù)技術(shù)上的研究更是罕見.在國內(nèi)關(guān)于魚卵計數(shù)處理的研究，目前關(guān)于魚卵計數(shù)的方法主要有體積比對法或質(zhì)量比對法，即通過計數(shù)小體積（小質(zhì)量）的卵粒數(shù)，得到單位體積（單位質(zhì)量）內(nèi)的卵粒數(shù)，進(jìn)而求得總體積（總質(zhì)量）的卵粒數(shù)[1]，此方法雖然簡單，但效率低、操作誤差大，不適用懷卵量少的魚類，同時該方法會對魚卵造成一定損傷，為此需要尋求一個更好的魚卵計數(shù)方法應(yīng)用于其繁殖生物學(xué)研究和選育工作中，避免魚卵損傷并提高計數(shù)的效率和精確性。最近的關(guān)于魚卵計數(shù)的研究有基于彩色圖像處理的魚卵計數(shù)方法，利用計算機圖像識別和處理技術(shù)實現(xiàn)魚卵的計數(shù)，該方法可以提高計數(shù)的精度和工作效率，避免魚卵受損傷，同時可以留下被測對象的影像記錄作為備案，為育種工作提供一種高效快捷的魚卵計數(shù)新技術(shù)，具有一定的理論和應(yīng)用價值，比較常見的魚卵計數(shù)方法有面積計數(shù)法，即將二值圖中目標(biāo)圖像總面積和魚卵平均面積相除，獲得魚卵的總面積[2-6]。這種方法雖然簡單，但誤差大，計數(shù)隨機性增大。

文中提出了基于采集的魚卵圖像的魚卵計數(shù)方法，分別是檢索輪廓和繪制輪廓計數(shù)，這種計數(shù)方法既避免了上述金萬昆等論文中計數(shù)效率低、操作誤差大等缺點，也克服了林勇等論文中魚卵計數(shù)隨機性大的缺點，論文高效率的計算出魚卵的個數(shù)，具有實際的應(yīng)用效果，在水產(chǎn)養(yǎng)殖方面具有一定的理論和實際應(yīng)用效果。

1 魚卵計數(shù)的總體設(shè)計

魚卵計數(shù)的總體設(shè)計結(jié)構(gòu)如圖1所示，首先，對獲取的圖像進(jìn)行預(yù)處理。因為在獲取圖像的過程中，很難避免的引入的隨機噪聲，所以對獲取的圖像進(jìn)行了中值濾波，使得計數(shù)更精確。然后再對預(yù)處理后的圖像進(jìn)行閾值分割，最后獲得魚卵圖樣以實現(xiàn)魚卵個數(shù)的自動計數(shù)，閾值分割法是本系統(tǒng)的關(guān)鍵之一。由于對于不同的圖像，最優(yōu)閾值分割算法不盡相同。在本研究中，針對魚卵圖像提出了一個行之有效的算法，針對預(yù)處理后的魚卵圖片進(jìn)行相應(yīng)的計數(shù)，本文對魚卵圖片提出了兩種計數(shù)方法，即連通區(qū)域標(biāo)號計數(shù)和檢索輪廓繪制輪廓計數(shù)，達(dá)到了不錯的魚卵計數(shù)的效果。

圖1 系統(tǒng)總體結(jié)構(gòu)圖Fig.1 Structure diagram of the whole system

2 圖像預(yù)處理

2.1 魚卵的灰度化

將彩色圖像轉(zhuǎn)化為灰度圖像稱為圖像的灰度化處理，彩色圖像的每個像素的顏色有R.G.B 3個分量決定，而每個分量有255種值可取，這樣每個像素可有1 600多萬（255*255*255）的顏色的變化范圍，而灰度圖像時R.G.B 3個分量相同的一個特殊的彩色圖像。其中一個像素點的變化范圍為255中，所以在數(shù)字圖像處理一般先將各種格式的圖像轉(zhuǎn)變成灰度圖像，使得后續(xù)的計算量少點，便于后期的處理。一般有以下4種方法進(jìn)行灰度化：1）分量法，2）最大值法，3）平均值法，4）加權(quán)平均法。其中采用的是分量法的思想為：將彩色圖像中的三分量的亮度作為3個灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像。

其中 fk（i，j）（k=1，2，3）為轉(zhuǎn)化后灰度圖像在（i，j）處的值，原始圖片如圖2所示，經(jīng)過灰度化后如圖3所示。

圖2 原始圖片F(xiàn)ig.2 The original picture

2.2 魚卵的平滑處理

實驗采集到的魚卵難免有噪聲和干擾，這些噪聲會降低圖像的質(zhì)量，常見的去噪大致分為兩類：一是時域去噪，而是頻域去噪.時域去噪的代表方法有加權(quán)平均法，中值濾波法和二值形態(tài)學(xué)等，頻域去噪的代表方法有經(jīng)典數(shù)字濾波器，同態(tài)濾波，小波分析法等，本文采用的是時域去噪的中值濾波法，對魚卵進(jìn)行相應(yīng)的平滑處理，濾除相應(yīng)的噪聲，以便以后對魚卵圖片進(jìn)行進(jìn)一步處理，在魚卵計數(shù)中，中值濾波的效果不錯，其算法如下：

圖3 灰度圖片F(xiàn)ig.3 Grayscale images

中值濾波采用一個含有奇數(shù)個數(shù)的滑動窗口，用窗口中灰度的中值代替窗口中心像素點的值，讓周圍的像素值接近的中間值。 對于一個一維序列 f1，f2…，fn，取窗口長度為 m，m為奇數(shù)序列。對此序列進(jìn)行中值濾波，就是從序列里取出m個元素，fi-r， …fi-1，fi，fi+1， …，fi+r其中 fi為窗口的中心位置，r=（m-1）/2，將這m個元素按照數(shù)值大小排列，位于正中間的那個數(shù)值作作為濾波輸出：

同理二維中值濾波：

g（x，y）=med{f（x-k，y-l），（k，l，w）}，其中 f（x，y），g（x，y）分別為原始圖像和處理后的圖像，w為二維模板，通常為2×2，3×3 區(qū)域，本文為用的是 3×3 區(qū)域。

用中值濾波的方法既保護了圖像的邊緣，又有效濾除了相應(yīng)的噪聲。

2.3 二值化

圖像的二值化處理就是講圖像上的點置為0或255，也就使整個圖片呈現(xiàn)出比較明顯的黑白效果。將256個亮度等級的灰度圖片通過適當(dāng)?shù)拈撝颠x取而獲得反應(yīng)圖像整體和局部特征的二值化圖片，圖像的二值化有利于圖像的而進(jìn)一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓，本文中利用灰度圖片二值化，就是為了將魚卵和背景分離，選擇合適的分割閾值，當(dāng)一個像素的灰度值超過這個閾值就可以說這個像素是感興趣的目標(biāo)，負(fù)責(zé)為背景，本文在選取閾值的創(chuàng)新點在于：通過對魚卵的灰度圖像的膨脹（cvDilate）處理，該結(jié)構(gòu)決定了每個具有最大像素點的鄰域形狀，處理后的結(jié)果如圖4所示，再對魚卵灰度圖像的腐蝕（cvErode）處理，該結(jié)構(gòu)決定了每個具有最小像素點的鄰域形狀，處理后的結(jié)果如圖5所示，最終的閾值取最大像素和最小像素的平均值，超過這個閾值點的像素選取為魚卵像素，否則選為背景像素。

該方法的思想是：

先求出最大像素點灰度值Zmax和最小像素灰度值Zmin，選中間的閾值H0，有：

圖4 魚卵圖片膨脹后的圖Fig.4 Fish spawns image after dilation

圖5 魚卵圖片腐蝕后的圖Fig.5 Fish spawns image after erosion

把H0設(shè)置成為圖像的相應(yīng)的閾值，大于H0的為背景，小于H0作為魚卵。

在選定H0為閾值時，有：

對于魚卵選定 g（i，j）=1，對于背景選定為 g（i，j）=0。

上述取中值的閾值方法適合背景和前景有明顯對比的魚卵圖像。

除上述閾值方法外，自適應(yīng)閾值是不錯的選擇，自適應(yīng)閾值是一種改進(jìn)了的閾值技術(shù)，其中閾值本身是一個變量，自適應(yīng)閾值T（x，y）的每個像素點都不同，通過計算像素點周圍的b*b區(qū)域的加權(quán)平均，然后減去一個常數(shù)來得到自適應(yīng)閾值，本文檢索輪廓和繪制輪廓計數(shù)采用的是自適應(yīng)閾值的方法，常用的閾值的選取還有全局閾值、最佳閾值等等

2.4 二值圖片的形態(tài)學(xué)處理

對于取得的魚卵圖片中有魚卵是粘連在一起或是有些魚卵是斷開的，在二值化處理圖片后也會產(chǎn)生相應(yīng)的噪聲或空洞，膨脹和腐蝕是形態(tài)學(xué)最基本的運算之一，對魚卵進(jìn)行膨脹和腐蝕的運算能很好的將粘連的魚卵分離開，并且腐蝕和膨脹能將斷開的魚卵進(jìn)行連接。并且利用形態(tài)學(xué)的膨脹和腐蝕的原理也能很好的濾除應(yīng)二值化而產(chǎn)生的噪聲和空洞。效果如圖6所示。

3 魚卵計數(shù)方法

3.1 檢索輪廓和繪制輪廓計數(shù)

二值化后的圖像像素只有0和1，兩個值，分別代表背景和目標(biāo)，輪廓是構(gòu)成任何一個形狀的邊界或外形，姑且把它作為背景和目標(biāo)的分界點，查找到目標(biāo)的輪廓 （可以利用OpenCV提供的方法cvFindContours（）的方法），在查找到輪廓之后，即所謂的邊緣點，將檢測的邊緣點連接成線實現(xiàn)所謂的邊緣跟蹤。將檢測的邊緣點連接成線包括兩個過程：1）提取可構(gòu)成線特征的邊緣；2）將邊緣連成線。

圖6 二值化圖片F(xiàn)ig.6 Binary image

不同輪廓的組織是不一樣的，根據(jù)不同的選擇，它們可能是：1）列表；2）雙層結(jié)構(gòu)；3）樹型結(jié)構(gòu)。 從縱向上來看， 輪廓可以使用遞歸的方式。本文采用的是樹形結(jié)構(gòu)。通過對輪廓的跟蹤實現(xiàn)對輪廓的計數(shù)。圖7為檢索輪廓和繪制輪廓后的計數(shù)后的圖片。

圖7 檢索輪廓圖片F(xiàn)ig.7 The image of contour segmentation

圖8為檢索輪廓和繪制輪廓計數(shù)結(jié)果。

圖8 計數(shù)結(jié)果Fig.8 Counting results

上述的相關(guān)參數(shù)的定義可以通過表格1給出。

表1 原魚卵圖像2的相關(guān)參數(shù)Tab.1 Parameters estimated by image 2

3.2 實驗結(jié)果討論

對于兩種計數(shù)魚卵的方法都很大程度上建立在采集魚卵時魚卵的質(zhì)量上的，對于粘連的系數(shù)比較小的魚卵準(zhǔn)確性相當(dāng)?shù)母?，對采集的魚卵的處理上甚至有準(zhǔn)確性達(dá)到100%的，即誤差為零。在檢索輪廓和繪制輪廓計數(shù)和連通區(qū)域標(biāo)號計在對圖2進(jìn)行處理也達(dá)到了99.7%點多 （原魚卵個數(shù)356個，檢索輪廓和繪制輪廓計數(shù)為368個），精確度相當(dāng)高，在采集魚卵的時候也有些魚卵是粘連在一起的，本文也對其進(jìn)行了相應(yīng)的處理，效果也不錯，總體來說，這這種計算魚卵個數(shù)的方法都在人容忍范圍內(nèi)，是可行的魚卵計數(shù)的方法。

4 結(jié) 論

在采集魚卵，對魚卵進(jìn)行預(yù)處理，計數(shù)的過程中，對于數(shù)目不是特別大的魚卵的處理精確度比較高，好的可以達(dá)到零誤差，隨著魚卵數(shù)目的增加，誤差也隨之增大，方法不適合魚卵較多的計數(shù)，在魚卵計數(shù)的時候，對于魚卵比較多的計數(shù)時，可以適當(dāng)?shù)膶︳~卵分離，控制魚卵的數(shù)量在一定數(shù)量個數(shù)以下，這樣即實現(xiàn)對魚卵比較精確的計數(shù)，也比純粹人工的要簡單和方便！實驗表明這種計數(shù)方法比較好，實用性比較強。

[1]金萬昆，楊建新，杜婷，等.津鰱繁殖力研究[J].齊魯漁業(yè)，2009，26（10）:11-12.JIN Wan-kun，YANG Jian-xin，DU Ting，et al.Tianjin silver carp fecundity research[J].Qilu Fisheries，2009，26（10）:11-12.

[2]楊慧贊，林勇，唐章生.廣西壯族自治區(qū)水產(chǎn)研究所[J].水生態(tài)學(xué)雜志，2011，32（5）:138-141.YANG Hui-zan，LIN Yong，TAN Zhang-sheng.Fisheries research institute of guangxi zhuang autonomous region[J].Journal of Hydroecog，2011，32（5）:138-141.

[3]尤育賽，于慧敏.一種重疊細(xì)胞圖像的分離方法[J].中國圖像圖形學(xué)報，2005，10（6）:736-744.YOU Yu-sai，YU Hui-min.A separating algorithm for overlapping cell images[J].Chinese Journal of image and graphics，2005，10（6）:736-744.

[4]CHIN F H Y，LAM F K.Adaptive thresholding by variational method[J].IEEE Transaction on Digital Object Identifer，1998，7（3）:468-473.

[5]宋強，徐 科，徐金梧，等.基于圖像處理的棒材自動計數(shù)技術(shù)[J].鋼鐵，2004，39（5）:34-37.SONG Qiang，XU Ke，XU Jin-wu，etal.Research and analyses on digital image processing technlogy for bar steel counting problem[J].steel，2004，39（5）:34-37.

[6]Hislop J R G，Bell M A.Observations on the size，dry weight and energy content of the eggs some demersal fish species from British marine waters[C]//J.Fish Biol.，1987（13）：1-20.

[7]Rosjean P，Picheral M，Warembourg C，et al.Enumeration，measurement，and identification of net zooplankton samples using the ZOOSCAN digital imaging system.ICES J.Mar.Sci.，2004（61）：518-525.

[8]Carpentier A，Vaz S，Martin C S，et al.Eastern Channel Habitats Atlas for Marine Ressource Management（CHARM）[M].Atlas des Habitats des Ressources Marines de la Manche Orientale.Programme INTERREG 3a，2004.