一種復(fù)雜圖像背景中殘留液晶識(shí)別方法

黃妍妍，高寶紅，張海濤，康軍廣

（1.河北工業(yè)大學(xué) 微電子研究所，天津 300130；2.河北工業(yè)大學(xué) 網(wǎng)絡(luò)管理中心，天津 300130）

1 引 言

液晶屏是一種光電子產(chǎn)品，我國(guó)現(xiàn)有液晶屏生產(chǎn)企業(yè)100多家，中低檔液晶的產(chǎn)量占世界的90%，其中大部分產(chǎn)品出口到國(guó)外，是當(dāng)前我國(guó)電子信息產(chǎn)業(yè)中極富競(jìng)爭(zhēng)力和發(fā)展前景的高新技術(shù)產(chǎn)業(yè)。在液晶生產(chǎn)過(guò)程中需要多步清洗［1］來(lái)保證液晶屏產(chǎn)品的質(zhì)量。包括LCD基片的清洗、曝光顯影后的清洗、摩擦定向后的清洗、灌注液晶后的清洗等。在LCD生產(chǎn)過(guò)程中，由于液晶的沁潤(rùn)而發(fā)生虹吸現(xiàn)象，使液晶進(jìn)入狹縫，而且在液晶盒表面、PIN腳上也會(huì)殘留很多液晶，這些殘留不但影響產(chǎn)品外觀，妨礙貼偏光片工序，還會(huì)造成電極接觸不良，電路斷路，短路等嚴(yán)重的質(zhì)量問(wèn)題，導(dǎo)致整機(jī)報(bào)廢，損失嚴(yán)重。因此，及時(shí)有效地檢測(cè)這些液晶殘留對(duì)于提高產(chǎn)品的優(yōu)品率，優(yōu)化清洗工藝和研發(fā)優(yōu)質(zhì)的清洗劑具有重要意義。

現(xiàn)有各種污染物識(shí)別方法和設(shè)備不適于高精度器件表面，不能識(shí)別分析微小的污染物。針對(duì)微小污染物，需要借助顯微鏡對(duì)物體表面的潔凈度進(jìn)行評(píng)價(jià)的方法，包括電子顯微分析法、光學(xué)顯微分析法等。電子顯微分析法識(shí)別準(zhǔn)確率高，但價(jià)格高昂，分析過(guò)程復(fù)雜。光學(xué)顯微分析方法設(shè)備較為簡(jiǎn)單，但評(píng)價(jià)中主觀因素影響較大。

對(duì)于LCD液晶屏表面的污染物識(shí)別與分析，將顯微鏡等裝置獲取的放大后圖像進(jìn)行數(shù)字化，用計(jì)算機(jī)軟件程序進(jìn)行自動(dòng)評(píng)價(jià)，是一種客觀定量的方法。數(shù)字圖像處理技術(shù)不僅可以排除主觀因素的干擾，降低勞動(dòng)強(qiáng)度，提高生產(chǎn)效率，而且還能對(duì)這些指標(biāo)進(jìn)行定量描述，對(duì)污染物的形態(tài)、類型進(jìn)行鑒別和統(tǒng)計(jì)［2－4］。但其難點(diǎn)在于對(duì)獲得圖像的處理，即圖像中污染物特性的確定。本文的研究工作正是基于數(shù)字圖像處理技術(shù)，面向LCD液晶屏表面污染物進(jìn)行識(shí)別與分析。此外，基于圖像處理的器件表面污染物自動(dòng)識(shí)別與分析方法對(duì)于集成電路平坦化過(guò)程中的清洗工藝及清洗劑配比研究也有重要應(yīng)用意義。

2 復(fù)雜背景殘留液晶識(shí)別方法設(shè)計(jì)

圖像分割是自動(dòng)識(shí)別圖像中目標(biāo)的基礎(chǔ)［5］，但困難在于圖像本身的清晰度并無(wú)法保證［6］。迭代閾值分割方法能夠有效地處理背景較平滑的單一背景液晶殘留［7－8］，但是對(duì)于包含殘留封膠背景或者背景顏色不均勻的圖像，效果不理想，背景灰度變化較大的影響，整幅圖像分割沒(méi)有合適的閾值，單一閾值不能兼顧圖像全部像素。如圖1所示。

圖1 復(fù)雜背景的殘留液晶識(shí)別（迭代閾值分割方法）Fig.1 Liquid crystal rudimental recongnition in complex background （Iterative threshold）

圖1中，上下邊緣為殘留封膠，顏色較深，與中間淺色部分有明顯邊界。迭代閾值分割方法是對(duì)圖像整體進(jìn)行處理，而在此類圖像中，復(fù)雜背景差距過(guò)于明顯，并且顏色值與需要識(shí)別的殘留液晶接近，因此處理過(guò)程中所計(jì)算得到的閾值并不能將背景與殘留液晶分開(kāi)，而是會(huì)將大面積的背景識(shí)別為殘留液晶。因此，對(duì)于背景中包含封膠圖像等規(guī)則噪聲的圖像，不能直接使用全局迭代閾值分割算法。

對(duì)于以上圖像，大面積噪聲出現(xiàn)于上、下邊緣，并且下邊緣與淺色背景邊界不明顯，因此可以嘗試先對(duì)圖像直接進(jìn)行分割，識(shí)別出圖像的邊緣，所得到的邊緣所包圍的區(qū)域即是需要識(shí)別的殘留液晶。

對(duì)圖像進(jìn)行增強(qiáng)并常規(guī)分割后的結(jié)果如圖2所示（所使用的邊緣檢測(cè)算子為Sobel算子［9］）。

圖2 圖像增強(qiáng)并分割的處理結(jié)果（Sobel算子）Fig.2 Enhanced and segmented image by Sobel operator

由圖2可見(jiàn)，殘留液晶的邊緣得到了較精確的識(shí)別，但所得到的只是邊緣部分，并且受圖像本身質(zhì)量的影響，邊緣并不完全閉合，另外，大面積殘留液晶的邊緣識(shí)別為雙邊緣內(nèi)曲線。因而首先需要對(duì)邊緣進(jìn)行連接處理，使之成為閉合的邊緣，然后進(jìn)行填充，為最終統(tǒng)計(jì)殘留液晶特征做好準(zhǔn)備。

3 邊緣連接算子研究與設(shè)計(jì)

3.1 圖像填充

在填充過(guò)程分為兩個(gè)階段：邊緣閉合、二次內(nèi)部填充。邊緣閉合階段采用本文設(shè)計(jì)實(shí)現(xiàn)的邊緣連接算子進(jìn)行處理，針對(duì)每一像素，根據(jù)8個(gè)相鄰方向上一定范圍內(nèi)的像素顏色值，將滿足預(yù)設(shè)閾值的像素設(shè)置為黑色，從而實(shí)現(xiàn)對(duì)不連續(xù)污染物圖像邊緣的閉合連接。處理的結(jié)果是，較大面積（內(nèi)部空白直徑大于閾值）的污染物圖像邊緣確保連續(xù)，內(nèi)部空白直徑小于閾值的污染物圖像被完全填充。

二次內(nèi)部填充是對(duì)內(nèi)部空白直徑大于閾值的油污圖像進(jìn)行填充，采用掃描線填充方法進(jìn)行處理。圖像填充［10］是一個(gè)將指定不規(guī)則區(qū)域內(nèi)部像素填充為填充色的過(guò)程，在計(jì)算機(jī)輔助設(shè)計(jì)和圖像處理等領(lǐng)域有廣泛應(yīng)用，常用算法包括種子填充算法、掃描線填充算法、邊填充算法等。

3.2 邊緣連接算子

本文所設(shè)計(jì)實(shí)現(xiàn)的邊緣連接算子（Edge Connector，EC）如圖3所示。使用EC算子對(duì)圖像的每一個(gè)像素進(jìn)行處理，當(dāng)遍歷到像素Ai，j時(shí)，如果其值為0，則分析其8個(gè)方向上相鄰像素的值，以確定是否將其值修改為1，進(jìn)行填充。

圖3 邊緣連接算子示意圖Fig.3 Edge Connector operator illustration

EC算子有兩個(gè)參數(shù)：D表示算子的大小，即圖中圓的直徑（或正方形邊長(zhǎng)），取值為奇數(shù)，以保證待處理的像素位于中心；N表示在某方向上像素值連續(xù)為1的像素?cái)?shù)閾值。

當(dāng)以下條件之一成立時(shí)，將Ai，j的像素值設(shè)置為1：

（1）左邊相鄰 （D－1）／2個(gè)像素中有連續(xù)N個(gè)像素值為1，并且右邊相鄰 （D－1）／2個(gè)像素中有連續(xù)N個(gè)像素值為1。

（2）上邊相鄰 （D－1）／2個(gè)像素中有連續(xù)N個(gè)像素值為1，并且下邊相鄰 （D－1）／2個(gè)像素中有連續(xù)N個(gè)像素值為1。

由圖4可見(jiàn)，圖像的邊緣均已經(jīng)連接為閉合曲線。由于填充過(guò)程中將只對(duì)閉合的區(qū)域?qū)M(jìn)行填充，因此圖像邊緣的閉合將確保填充過(guò)程準(zhǔn)確完成。

圖4 對(duì)分界線進(jìn)行連接處理的結(jié)果Fig.4 Connected edge

圖5 對(duì)圖像內(nèi)部進(jìn)行填充處理結(jié)果Fig.5 Filled image

4 圖像原始形狀恢復(fù)方法的研究

填充后所獲得的圖像，準(zhǔn)確地表現(xiàn)出了原圖中的殘留液晶部分，保持了原殘留液晶的幾何形狀，但是由于在識(shí)別邊緣的過(guò)程中，所標(biāo)注出來(lái)的邊緣，實(shí)際上在殘留液晶之外的邊緣，因此至此步驟所獲得的殘留液晶的圖像，比實(shí)際的殘留液晶圖像面積增大，標(biāo)注的邊緣線即為增大的部分，圍繞殘留液晶外部一周，寬度為一個(gè)像素。因此在最終的結(jié)果中需要去除這一多余部分。另外，由于背景也存在明顯的區(qū)域，被識(shí)別為一條直線（寬度為1個(gè)像素），也需要在最終結(jié)果中去除。

由于圖像多余的邊緣以及非殘留液晶的直線寬度均為一個(gè)像素，因此采用二值腐蝕的方法去除多余部分，二值腐蝕的結(jié)果是使二值圖像中像素值為1的區(qū)域減小。用結(jié)構(gòu)元素B，掃描圖像A的每一個(gè)像素，用結(jié)構(gòu)元素與其所覆蓋的二值圖像做“與”操作如果都為1，結(jié)果圖像的該像素為1。否則為0。如果結(jié)構(gòu)元素是半徑為1的圓，則二值腐蝕的結(jié)果是令圖像區(qū)域減小一圈，同時(shí)會(huì)去除寬度小于2的邊界線，這些邊界線并不是殘留液晶。

由圖6通過(guò)二值腐蝕處理，去除了單像素寬度的邊界影響，同時(shí)使得殘留液晶的實(shí)際面積恢復(fù)至原大?。ㄔ谶M(jìn)行識(shí)別邊界的分割過(guò)程中，將殘留液晶的大小擴(kuò)大了一圈）。

圖6 使用半徑為1的圓形結(jié)構(gòu)元素進(jìn)行腐蝕后的結(jié)果Fig.6 Eroded by circle structure elecment which radius＝1

5 復(fù)雜背景殘留液晶識(shí)別流程設(shè)計(jì)及實(shí)例分析

5.1 識(shí)別流程設(shè)計(jì)

綜上所述，對(duì)于復(fù)雜背景殘留液晶的識(shí)別，可通過(guò)如圖7步驟完成：

（a）圖像預(yù)處理，包括圖像的灰度轉(zhuǎn)換等處理。

（b）圖像分割，識(shí)別出殘留液晶的邊緣。此步驟是處理的關(guān)鍵，對(duì)于單一背景的殘留液晶識(shí)別，可使用迭代閾值分割方法，而對(duì)于較復(fù)雜背景中的殘留液晶，迭代閾值分割方法誤差過(guò)大，需要根據(jù)不同背景采用相應(yīng)的分割方法。

圖7 復(fù)雜背景殘留液晶識(shí)別圖像處理流程Fig.7 Image processing flow of the rudimental liquid crystal recongnition in complex background

（c）邊緣連接，使用EC算子，將殘留液晶的邊緣處理為閉合曲線。（此步驟為可選項(xiàng)，如果分割后所獲得的污染圖像邊緣都是閉合的，則不需要進(jìn)行本步驟）

（d）圖像填充，將殘留液晶部分填充為實(shí)心圖像，為污染物幾何形狀模式識(shí)別做好準(zhǔn)備。

（e）去除多余部分，使用二值腐蝕方法，去除多余的邊緣以及部分線型背景噪聲。

（f）殘留液晶幾何形狀識(shí)別，輸出結(jié)果。

5.2 實(shí)例分析

示例圖像A：

圖8 原圖像Fig.8 Original image

在圖8所示的圖像中，有多處殘留液晶，并且背景中存在較大差異，在中部左側(cè)有部分較亮的背景。另外，圖像底部背景的亮度也與上部有差異，圖像亮度由上至下逐漸變暗。

圖9 迭代閾值分割方法處理結(jié)果Fig.9 Output of iterative threshold method

由圖9可見(jiàn)，使用迭代閾值分割方法處理圖8的圖像，由于背景較復(fù)雜，因此處理結(jié)果不理想，錯(cuò)誤地將底部背景識(shí)別為殘留液晶。

圖10 圖像分割處理Fig.10 Image segmentation

圖10所示圖像為對(duì)圖9進(jìn)行圖像分割處理的結(jié)果，盡管圖像背景較復(fù)雜，亮度不均勻，但由于背景亮度變化不足被識(shí)別為圖像邊界，所以圖像分割能夠識(shí)別出所有殘留液晶的邊界。但在中部偏左的較亮豎條也識(shí)別出了幾處不屬于殘留液晶的邊界，在后繼步驟中將被去除。

圖10識(shí)別出殘留液晶的邊緣，但尚不易統(tǒng)計(jì)每一處殘留液晶的特征，需要對(duì)殘留液晶內(nèi)容進(jìn)行填充，獲得殘留液晶的完整圖像。在填充之前，首先將殘留液晶圖像邊緣不連續(xù)的部分進(jìn)行連接處理，以確保填充操作的準(zhǔn)確進(jìn)行。圖像邊緣連接處理的結(jié)果如圖11所示。

圖11 圖像邊緣連接處理Fig.11 Edge connection

對(duì)圖11所示的圖像進(jìn)行圖像填充處理，還原殘留液晶圖像，處理結(jié)果如圖12所示。

圖12 圖像填充Fig.12 Filled image

由于殘留液晶的亮度低于背景，因此圖像分割過(guò)程中，所獲得的邊緣實(shí)際上是在沿殘留液晶邊界之外的像素，并不屬于殘留液晶，所以最后需要去除所獲得的殘留液晶圖像的邊界（寬度為1像素）。在此使用二值腐蝕操作完成此步驟，使用的是半徑為1的圓形結(jié)構(gòu)元素，處理結(jié)果如圖13所示。

圖13 二值腐蝕處理（半徑為1的圓形結(jié)構(gòu)元素）Fig.13 Eroded by circle structure elecment which radius＝1

示例圖像B：

圖14 原圖像圖Fig.14 Original image

圖15 灰度變換處理結(jié)果Fig.15 Output of gray－scale transformation

在圖14所示的圖像中，有多處圓形殘留液晶，圖像亮度由下至上逐漸變暗。圖15是原圖像灰度變換后的處理結(jié)果。

圖16 使用圖像分割方法Fig.16 Image segmentation

圖17 邊緣連接Fig.17 Edge connection

圖16所示圖像為對(duì)圖15進(jìn)行圖像分割處理的結(jié)果，盡管圖像背景亮度不均勻，但由于背景亮度變化不足被識(shí)別為圖像邊界，所以圖像分割能夠識(shí)別出所有殘留液晶的邊界。

圖16識(shí)別出殘留液晶的邊緣，但尚不易統(tǒng)計(jì)每一處殘留液晶的特征，需要對(duì)殘留液晶內(nèi)容進(jìn)行填充，獲得殘留液晶的完整圖像。在填充之前，首先將殘留液晶圖像邊緣不連續(xù)的部分進(jìn)行連接處理，以確保填充操作的準(zhǔn)確進(jìn)行。圖像邊緣連接處理的結(jié)果如圖17所示。

圖18 圖像填充Fig.18 Filled image

圖19 二值腐蝕處理Fig.19 Binary image erosion

對(duì)圖17所示的圖像進(jìn)行圖像填充處理，還原殘留液晶圖像，處理結(jié)果如圖18所示。

最后還需要去除所獲得的殘留液晶圖像的邊界（寬度為1像素）。使用二值腐蝕操作完成此步驟，使用的是半徑為1的圓形結(jié)構(gòu)元素，處理結(jié)果如圖19所示。

5.3 幾何形狀模式識(shí)別

污染物幾何形狀模式分類就是通過(guò)提取污染物圖像的特征量，對(duì)污染物幾何形狀模式進(jìn)行分類，這需要通過(guò)另外定義相應(yīng)的分類器［11］來(lái)實(shí)現(xiàn)。由于污染物種類眾多，并不是所有同類污染物圖像具有共同的特征，所以污染物幾何形狀模式分類是污染物圖像分析中的難點(diǎn)之一。鑒于器件表面污染物圖像各種特征有一定的相關(guān)性，為了降低識(shí)別算法的復(fù)雜性，特征識(shí)別時(shí)采用階層識(shí)別的方法。利用分類器，逐步判斷各特征參數(shù)，對(duì)各污染物圖像進(jìn)行分析，并輸出分析的結(jié)果。

圖像分割等處理結(jié)束后，將獲得一個(gè)標(biāo)識(shí)出污染物的二值圖像。為定量分析污染物的特性，本文定義了如下幾何特征參數(shù)：

全局統(tǒng)計(jì)特征參數(shù)：總面積、總數(shù)目、最大面積、最小面積、平均面積、面積方差、面積標(biāo)準(zhǔn)差。

單個(gè)污染物特征參數(shù)：面積、周長(zhǎng)、質(zhì)心點(diǎn)、最大內(nèi)切圓直徑、離心率、傾角等。

污染物幾何形狀模式定義為6類，分別是圓形、橢圓形、帶形、線形、有較大面積節(jié)點(diǎn)的線形、不規(guī)則形狀。由污染物幾何形狀模式定義可知，對(duì)污染物形狀的判定要考察多個(gè)參數(shù)值的所有范圍，如果按各模式的參數(shù)值約束逐一排查，會(huì)引入過(guò)多重復(fù)計(jì)算，且不利于模式識(shí)別過(guò)程的擴(kuò)展性。因此本文設(shè)計(jì)了一個(gè)基于二叉分類［12］方法的模式分類器，每一步只判斷一個(gè)參數(shù)值的取值，并且每一步判斷只有兩個(gè)分支（符合條件，或不符合條件）。分類器處理流程如圖20所示。

圖20 幾何形狀模式識(shí)別流程圖Fig.20 Geometry shapes recognition flow chart

圖13所示圖像識(shí)別結(jié)果如下：原圖像大?。?57×495；污染物對(duì)象數(shù)目：9；最大污染物面積：1193；最小污染物面積：1；污染物平均面積：304.0000；污染物面積方差：170154.5000；污染物面積標(biāo)準(zhǔn)差：412.4979。污染物形狀分別為：有大面積節(jié)點(diǎn)的線形、橢圓形、圓形各一個(gè)，線形五個(gè)，剩余一個(gè)面積為1像素的污染物不需識(shí)別形狀特征。

圖19所示圖像識(shí)別結(jié)果如下：原圖像大?。?30×400；污染物對(duì)象數(shù)目：5；最大污染物面積：2412；最小污染物面積：584；污染物平均面積：1441.8000；污染物面積方差：441276.2000；污染物面積標(biāo)準(zhǔn)差：664.2862。5個(gè)污染物形狀均為圓形。

6 結(jié) 論

針對(duì)單一背景殘留液晶的識(shí)別，設(shè)計(jì)的迭代閾值分割方法以及基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)算子，用以提取殘留液晶的邊緣輪廓，并進(jìn)行噪聲分析。此方法能夠較精確地進(jìn)行識(shí)別與分析，但對(duì)背景的一致性要求較高，因此不適于背景差異較大的復(fù)雜背景殘留液晶識(shí)別。實(shí)際情況中多為復(fù)雜背景，針對(duì)復(fù)雜背景殘留液晶的識(shí)別，設(shè)計(jì)了相應(yīng)的圖像處理流程，首先通過(guò)預(yù)處理將RGB圖像轉(zhuǎn)換為灰度圖像，并進(jìn)行圖像分割；然后對(duì)分割后的圖像進(jìn)行邊緣連接，將不連續(xù)的邊界補(bǔ)充至閉合；之后進(jìn)行圖像填充，還原得到污染物圖像，再使用二值腐蝕操作去除圖像分割過(guò)程中引入的多余邊界以及部分噪聲；處理結(jié)果可用于污染物圖像的幾何形狀模式識(shí)別，獲得分析結(jié)果。提出了一種邊緣連接算子，在對(duì)圖像進(jìn)行分割后，將不連續(xù)的圖像邊界連接為閉合，為圖像填充奠定基礎(chǔ)。

通過(guò)實(shí)驗(yàn)可知，針對(duì)單一背景殘留液晶的識(shí)別與分析方法能夠精確獲得殘留液晶邊緣，并且控制了噪聲的干擾；針對(duì)復(fù)雜背景殘留液晶識(shí)別與分析方法能夠?qū)Ρ尘按嬖诿黠@差異的特定類型圖像（圖像中包含有封膠的規(guī)則邊界）進(jìn)行準(zhǔn)確的處理，去除背景不一致的影響，獲得殘留液晶的相關(guān)數(shù)據(jù)。幾何形狀模式識(shí)別的結(jié)果也驗(yàn)證了之前工作所提出的模式識(shí)別模型以及分類器實(shí)現(xiàn)的正確性。對(duì)于無(wú)規(guī)律背景液晶圖像的處理，尚需進(jìn)一步研究與改進(jìn)。

［1］李廣福，劉玉嶺，李薇薇.LCD殘留液晶的清洗［J］.清洗世界，2006，22（9）：24－28.Li G F，Liu Y L，Li W W.Removal of rudimental LC on LCD ［J］.Cleaning World，2006，22（9）：24－28.（in Chinese）

［2］Huang Y Y，Gao N，Yu M，et al.Detection of surface cleanliness based on image recognition［C］.IITA＇08.Proceedings of the 2008 Second International Symposium on Intelligent Information Technology Application，Washington，DC，USA：IEEE Computer Society，2008：360－365.

［3］于洪春，鄧意成，鄭喜鳳.面積約束下的最優(yōu)閾值法分割LED像素點(diǎn)陣［J］.液晶與顯示，2012，27（5）：653－657.Yu H C，Deng Y C，Zheng X F.Segmentation of LED pixel matrix by using optimal threshold method with area constraint［J］.Chinese Journal of Liquid Crystals and Displays，2012，27（5）：653－657.（in Chinese）

［4］丘文濤，趙建，劉杰.結(jié)合區(qū)域分割的SIFT圖像匹配方法［J］.液晶與顯示，2012，27（6）：827－831.Qiu W T，Zhao J，Liu J.Image matching algorithm combining sift with region segmentation［J］.Chinese Journal of Liquid Crystals and Displays，2012，27（6）：827－831.（in Chinese）

［5］靳永亮，王延杰，劉艷瀅，等.紅外弱小目標(biāo)的分割預(yù)檢測(cè)［J］.光學(xué)精密工程，2012，20（1）：171－178.Jin Y L，Wang Y J，Liu Y Y，et al.Pre－detection method for small infrared target［J］.Optics and Precision Engineering，2012，2012，20（1）：171－178.（in Chinese）

［6］吳笑天，魯劍鋒，賀柏根，等.霧天降質(zhì)圖像的快速?gòu)?fù)原［J］.中國(guó)光學(xué)，2013，6（6）：892－899.Wu X T，Lu J F，He B G，et al.Fast restoration of haze－degraded image［J］.Chinese Optics，2013，6（6）：892－899.（in Chinese）

［7］Wang X F，Zhang X Y，Gao R N.Research of image edge detection based on mathematical morphology［J］.International Journal of Signal Processing，Image Processing and Pattern Recognition，2013，6（5）：227－236.

［8］黃妍妍，姜樂(lè)濤，于明，等.LCD表面液晶污染的非接觸檢測(cè)新算法［J］.液晶與顯示，2009，24（1）：135－138.Huang Y Y，Jiang Y T，Yu M，et al.New method of non－contact inspection for liquid crystal residues on lcds surface［J］.Chinese Journal of Liquid Crystals and Displays，2009，24（1）：135－138.（in Chinese）

［9］Rafael C G.Digital Image Processing ［M］.3rd ed.Pearson，2013.

［10］Zhao H，Chen Z X.A simple hole filling algorithm for binary cell images［J］.Applied Mechanics and Materials，2013，433－435：1715－1719.

［11］Spasojevic S S，Susic M Z，Durovic Z M.Recognition and classification of geometric shapes using neural networks［C］.201211th Symposium on Neural Network Applications in Electrical Engineering （NEUREL），2012：71－76.

［12］Gueheneuc Y G，Albin－Amiot H.A pragmatic study of binary class relationship ［C］.18th IEEE International Conference on Automated Software Engineering，Montreal，Canada：ASE 2003，2003：277－280.