第３６卷 第６期２０１７年 １２月北京生物医学工程
ＢｅｉｊｉｎｇＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ
Ｖｏｌ??３６ Ｎｏ??６Ｄｅｃｅｍｂｅｒ ２０１７
基于图像处理的菌落自动计数系统
司秀娟１，２ 王红强１ 宋良图１
摘 要 目的针对现有菌落计数仪结构复杂、便携性差等缺点，本文设计了一种基于图像处理技术和Ａｎｄｒｏｉｄ平台来完成菌落自动计数的系统。方法该系统由硬件拍照设备采集菌落图像，以智能手机为主要操作载体，对图像进行光谱阈值分割、中值滤波、洪水填充、开值运算、八邻域边界跟踪等多种算法处理后实现自动计数。结果与菌落计数仪相比，该系统使用移动端手机ＡＰＰ实时获取菌落图像并得到计数结果，可直接在手机上对结果进行手动校正，具有成本低、操作简单、便携性好等优点。结论基于图像处理的菌落自动计数系统与人工计数结果的相对误差不超过５％，满足菌落计数的要求。
关键词 图像处理；安卓平台；边缘检测；菌落计数；便携设备ＤＯＩ：１０??３９６９／ｊ．ｉｓｓｎ．１００２－３２０８??２０１７．０６．０１４．
中图分类号 Ｒ３１８??０４；Ｑ９３９??９ 文献标志码 Ａ 文章编号 １００２－３２０８（２０１７）０６－０６３３－０６
Ａｕｔｏｍａｔｉｃｃｏｌｏｎｙｃｏｕｎｔｉｎｇｓｙｓｔｅｍｂａｓｅｄｏｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ
１ＩｎｓｔｉｔｕｔｅｏｆＩｎｔｅｌｌｉｇｅｎｔＭａｃｈｉｎｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｈｅｆｅｉ ２３００３１；
Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ：ＳＯＮＧＬｉａｎｇｔｕ（Ｅ?ｍａｉｌ：ｌｔｓｏｎｇ＠ｉｉｍ??ａｃ??ｃｎ）
【Ａｂｓｔｒａｃｔ】 ＯｂｊｅｃｔｉｖｅＡｓｙｓｔｅｍｂａｓｅｄｏｎｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙａｎｄＡｎｄｒｏｉｄｐｌａｔｆｏｒｍｆｏｒａｕｔｏ
２ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｏｆＣｈｉｎａ，Ｈｅｆｅｉ ２３００２６
ＳＩＸｉｕｊｕａｎ１，２，ＷＡＮＧＨｏｎｇｑｉａｎｇ１，ＳＯＮＧＬｉａｎｇｔｕ１
ｃｏｕｎｔｉｎｇｃｏｌｏｎｉｅｓｉｓｄｅｓｉｇｎｅｄ，ｗｈｉｃｈｏｖｅｒｃｏｍｅｓｔｈｅｓｈｏｒｔａｇｅｓｏｆｃｏｍｐｌｉｃａｔｅｄｓｔｒｕｃｔｕｒｅａｎｄｐｏｏｒｐｏｒｔａｂｉｌｉｔｙｏｆｓａｍｐｌｅｓ，ａｍｏｂｉｌｅａｐｐｌｉｃａｔｉｏｎｔｏｏｐｅｒａｔｅｔｈｅｓｙｓｔｅｍ??Ｔｈｅｓｙｓｔｅｍｕｓｅｓｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｉｑｕｅｓｏｆｓｐｅｃｔｒａｌ
ｃｏｌｏｎｙｃｏｕｎｔｅｒｓ??ＭｅｔｈｏｄｓＴｈｅｓｙｓｔｅｍｃｏｎｔａｉｎｓａｈａｒｄｗａｒｅｐｈｏｔｏｇｒａｐｈｉｎｇｄｅｖｉｃｅｔｏｔａｋｅｐｉｃｔｕｒｅｓｆｏｒｃｏｌｏｎｙｔｈｒｅｓｈｏｌｄｓｅｇｍｅｎｔａｔｉｏｎ，ｍｅｄｉａｎｆｉｌｔｅｒｉｎｇ，ｆｌｏｏｄｆｉｌｌｉｎｇ，ｏｐｅｎｖａｌｕｅｏｐｅｒａｔｉｏｎｃｏｍｂｉｎｅｄｗｉｔｈ８?ｃｏｎｎｅｃｔｅｄｂｏｕｎｄａｒｙｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｆｏｒａｕｔｏｍａｔｉｃｃｏｕｎｔｉｎｇ??ＲｅｓｕｌｔｓＴｈｅｓｙｓｔｅｍｃａｎｓｈｏｗｔｈｅｃｏｌｏｎｙｐｉｃｔｕｒｅｓ，ｃｏｕｎｔｃｏｌｏｎｉｅｓｉｎａｃｏｕｎｔｉｎｇｃｏｍｐａｒｅｄｗｉｔｈｍａｎｕａｌｃｏｕｎｔｉｎｇａｒｅｌｅｓｓｔｈａｎ５％，ｍｅｅｔｉｎｇｔｈｅｒｅｑｕｉｒｅｍｅｎｔｓｏｆｃｏｌｏｎｙｃｏｕｎｔｉｎｇ??ｍｏｂｉｌｅｐｈｏｎｅａｕｔｏｍａｔｉｃａｌｌｙ，ａｎｄｃｏｒｒｅｃｔｔｈｅｒｅｓｕｌｔｍａｎｕａｌｌｙｉｆｎｅｅｄｅｄ??Ｔｈｅｓｙｓｔｅｍｈａｓｔｈｅａｄｖａｎｔａｇｅｓｏｆｌｏｗｃｏｓｔ，ｓｉｍｐｌｅｏｐｅｒａｔｉｏｎ，ｇｏｏｄｐｏｒｔａｂｉｌｉｔｙｃｏｍｐａｒｅｄｔｏｃｏｌｏｎｙｃｏｕｎｔｅｒｓ??ＣｏｎｃｌｕｓｉｏｎｓＴｈｅｒｅｌａｔｉｖｅｅｒｒｏｒｓｏｆａｕｔｏｍａｔｉｃ
【Ｋｅｙｗｏｒｄｓ】 ｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ；Ａｎｄｒｏｉｄｐｌａｔｆｏｒｍ；ｅｄｇｅｄｅｔｅｃｔｉｏｎ；ｃｏｌｏｎｙｃｏｕｎｔｉｎｇ；ｐｏｒｔａｂｌｅｅｑｕｉｐｍｅｎｔ
０ 引言
在农业、食品、医学等行业中普遍需要通过生物实验对细菌进行相关检测工作，菌落的数量是衡量
食品药品等是否合格的重要标准，如何精确快速地确定菌落的数量成为行业内亟待解决的问题。国内通常采用的国家标准检验法———普通营养琼脂倾注法依靠人工观察计数具有一定的主观性，误差较大。随着计算机与图像分析技术的不断发展，借助计算机及图像处理工具减少工作强度，提升工作效率，实现自动计数已经成为一种趋势。
近年来，针对菌落自动计数问题，研究人员已经
基金项目：国家科技支撑计划（２０１５ＢＡＤ１８Ｂ０１）资助
作者单位：１中国科学院合肥智能机械研究所（合肥 ２３００３１）
２中国科学技术大学（合肥 ２３００２６）
通信作者：宋良图，研究员，博士。Ｅ?ｍａｉｌ：ｌｔｓｏｎｇ＠ｉｉｍ??ａｃ??ｃｎ
·６３４·
北京生物医学工程 第３６卷
取得了一些研究成果［１－６］，特别是在粘连菌落的分割上给出了很多解决方案［７－１１］，应用图像处理技术的菌落自动计数方案愈加成熟。目前，国内外已有多家企业或研究机构应用图像处理技术开发菌落计数仪。如法国Ｓｃａｎ５０００全菌落计数仪，德国的ＣｏｌｏｎｙＱｕａｎｔ菌落计数仪，上海睿钰生物科技有限公司的Ｃｏｕｎｔｓｔａｒ计数仪等。这些计数仪大多包括高质量的摄像头，可以获取高清晰度的菌落图像，在上位机中应用图像处理技术进行处理，达到自动计数的目的。这些菌落计数仪大多准确率高［１２－１３］，但设备以ＰＣ机作为运算平台，且价格昂贵，体积大，便携性差，难以满足实时检测要求。
在移动互联网时代，利用移动手机实现快捷方便的自动计数对研究人员来说将是很大的帮助。利用阈值分割、中值滤波、洪水填充、开值运算、八邻域边界跟踪等图像处理技术，针对菌落计数仪体积大、便携性差的问题，结合移动互联网技术下的手机ＡＰＰ，本文提出一种基于图像处理和Ａｎｄｒｏｉｄ系统的Ａｎｄｒｏｉｄ手机移动端ＡＰＰ、电脑图像处理终端为一体，实现快速实时计数。
菌落自动计数的系统，该系统集硬件拍照设备、
一系列图像处理算法，在接收处理移动端ＡＰＰ发送的图像后将返回计数结果。在移动手机ＡＰＰ上即可实现图像的采集、显示、计数等功能，并在计数完成后可对相关文件进行保存。移动端手机ＡＰＰ部分界面如图２、图３所示。
图２ 手机端上传图片的界面
Ｆｉｇｕｒｅ２ ＩｎｔｅｒｆａｃｅｏｆｕｐｌｏａｄｉｎｇａｎｉｍａｇｅｉｎＡＰＰ
１ 系统组成
为了满足菌落自动计数系统对体积、便携性、实时性的要求，设计采用箱体式硬件拍照设备（轻便可携带），通过ＵＳＢ接口或无线网络与手机ＡＰＰ进行通信，同时在有可用网络条件下，手机ＡＰＰ可与电脑计数终端通信并得到计数结果，过程如图１所示。该系统分为硬件拍照设备、移动端手机ＡＰＰ、电脑计数终端三个部分。硬件拍照设备由箱体、光谱照相机和照明系统组成，光谱照相机和照明系统主要用来调节照明系统的光照条件以使菌落图像满足后期的处理与识别。移动端手机ＡＰＰ是基于Ａｎｄｒｏｉｄ的智能手机应用，通过向硬件拍照设备发送拍照命令收集设备中的菌落图像，并将图像上传至电脑终端。电脑终端计数平台是放置于服务器端的
图３ 手机端显示自动计数结果的界面Ｆｉｇｕｒｅ３ Ｉｎｔｅｒｆａｃｅｏｆｓｈｏｗｉｎｇａｎａｕｔｏｍａｔｉｃ
ｃｏｕｎｔｉｎｇｒｅｓｕｌｔｉｎＡＰＰ
图１ 自动计数系统示意图
Ｆｉｇｕｒｅ１ Ｄｉａｇｒａｍｏｆｔｈｅａｕｔｏｍａｔｉｃｃｏｕｎｔｉｎｇｓｙｓｔｅｍ
第６期 司秀娟，等：基于图像处理的菌落自动计数系统
·６３５·
本文在设计菌落自动计数系统时考虑到智能手机的运算处理能力参差不齐，为避免手机进行复杂图像处理运算时出现用时过长甚至崩溃等情况，故将图像处理算法布置于服务器端。该ＡＰＰ可安装在任意基于Ａｎｄｒｏｉｄ系统的智能手机上。
本文选取中值滤波的方法来滤除噪声。中值滤波在平滑脉冲噪声方面有非常好的去噪声效果，同时可以保留图像尖锐的边缘。具体做法为，将目标点周围８个灰度值按大小顺序排列，其所得的中值为目２??２ 阈值分割标点的灰度值。
从菌落图像上看，菌落内的灰度值比较相近，并且菌落与背景图像的对比度较大，所以考虑对图像２ 自动计数方法的实现
借助图像处理工具进行菌落的自动计数主要分为三个步骤：（１）图像的预处理，即对图像进行灰度化、滤波去噪等操作。（２）图像目标与背景的分离，即对图像进行阈值分割，理想的结果是将所有菌落从背景中分割出来并作为单独的目标［１４－１６］粘连菌落的分割，将图像中一些粘连的菌落分割开。（３）以提高计数的准确性。本文设计的菌落自动计数系统流程如图４所示。
图４ 自动计数流程
Ｆｉｇｕｒｅ４ Ｆｌｏｗｃｈａｒｔｏｆａｕｔｏｍａｔｉｃｃｏｕｎｔｉｎｇ
２??１ 图像预处理
图像的预处理操作主要包括中值滤波去噪和图像增强等操作。由于相机不可避免地会引入噪声，
进行二值化处理，凸显出菌落图像的轮廓。通过对各种图像阈值分割算法的应用比较，本研究选用光谱阈值分割算法将菌落与背景分离［１７］光谱阈值分割法即是以ＨＳＶ颜色模型为基础。
，
通过调（ｖａｌｕｅ）节图像的光谱、饱和度（型转换为来分离目标与背景的分割方法ｓａｔｕｒａｔｉｏｎｍａｘＨＳＶ模型的算法为：
。由）、ＲＧＢ明度模ｍｉｎＶ＝ｍａｘ（＝＝ｍｉｎ（ｍａｘ（Ｒ，ＲＲＧ，，Ｇ，Ｂ）；
，ＧＢ，）；
Ｂ）；Ｓ＝（ｍａｘ－ｍｉｎ）／ｍａｘ；ｉｆ（（＝Ｒ＝ｍａｘ）＆＆（Ｇ＞Ｂ））
Ｈ（Ｇ－Ｂ）／（ｍａｘ－ｍｉｎ）×６０；ｉｆ（（Ｒ＝ｍａｘ）＆＆（Ｇ＜Ｂ））
Ｈ＝（Ｇ－Ｂ）／（ｍａｘ－ｍｉｎ）×６０＋３６０；ｉｆ（Ｇ＝ｍａｘ）
Ｈ＝（Ｂ－Ｒ）／（ｍａｘ－ｍｉｎ）×６０＋１２０；ｉｆ（Ｂ＝ｍａｘ）
Ｈ＝（Ｒ－Ｇ）／（ｍａｘ－ｍｉｎ）×６０＋２４０；
落颜色来设置相应的光谱值 此法的优点是不受菌落颜色的影响，应用范围广，可根据菌，准确率高，如图５所示。
２??３ 二值图像优化
菌落与背景分割完成后，为后续的分割计数更加准确，需进一步对图像进行优化。系统将二值图像灰度值取反并对其进行填充等操作，从而使图像中的菌落点形成封闭区域以便进行计数。采用四邻域像素洪水填充算法，该方法从一个点开始再波及
附近的像素点，充实菌落内部的空白部分，直到菌落６封闭区域内的所有像素点都为统一的颜色为止。图
２??为取反填充后的图像４ 菌落分割
。由于图像中有粘连的菌落，需要使用图像分割算法对粘连的菌落进行分离。系统采用开值运算方
基于图像处理的菌落自动计数系统
