叶类中药显微图像的阈值分割和自动分类

J4 ›› 2012, Vol. 34 ›› Issue (11): 114-119.

叶类中药显微图像的阈值分割和自动分类

张翠萍1，杨善超2

(1.福建中医药大学管理学院，福建福州 350122；2.福建师范大学数学与计算机科学学院，福建福州 350108)

收稿日期:2011-01-18 修回日期:2011-04-17 出版日期:2012-11-25 发布日期:2012-11-25

The Micro Image Threshold Segmentation and Automatic Classification of Leafy Herbal Medicine

ZHANG Cuiping1,YANG Shanchao2

(1.School of Management,Fujian University of Traditional Chinese Medicine,Fuzhou 350122;2.School of Mathematics and Computer Science,Fujian Normal University,Fuzhou 350108,China)

Received:2011-01-18 Revised:2011-04-17 Online:2012-11-25 Published:2012-11-25

摘要/Abstract

摘要：

针对叶类中药显微图像的特征，本文提出一种基于阈值分割叶类中药显微图像的方法，并完成气孔指数的测定。采用边缘检测技术来指导阈值分割的过程，并通过形态学处理和区域描述子共同完成细胞的分割和区域计数，在此基础上，结合图像颜色空间特征，基于图像目标正态分布的假设，对去除细胞图像的其他部分进行分割，从而完成气孔的分割。实验结果表明，该方法对叶类中药显微图像能够进行有效的分割。

关键词: 叶类中药显微图像, 边缘检测, 阈值, 气孔指数, 分割

Abstract:

According to the characteristics of the micro image of leafy herbal medicine, the paper proposes a threshold based segmentation method for the micro image of leafy herbal medicine, and measures the stomata index. The edge detection methods are used to elevate the threshold segmentation, and the morphology methods and region descriptor are employed to segment cells and count regions. Suppose that the objects in the image has normally distributed，we segment the stomata in the image where the cells have been removed. In this step the characteristic of the colorspace is used. The experiments show that the proposed threshold based segmentation method is effective for the Micro Image of Leafy Herbal Medicine.

Key words: micro image of leafy herbal medicine;edge detection;threshold;stomata index;segmentation

张翠萍1，杨善超2 . 叶类中药显微图像的阈值分割和自动分类[J]. J4, 2012, 34(11): 114-119.

ZHANG Cuiping1,YANG Shanchao2. The Micro Image Threshold Segmentation and Automatic Classification of Leafy Herbal Medicine[J]. J4, 2012, 34(11): 114-119.

[1]	储旭, 宁爱兵, 胡开元, 代苏玉, 张惠珍. 最小支配阈值集问题的降阶回溯算法[J]. 计算机工程与科学, 2024, 46(05): 897-906.
[2]	杨静, 徐彦, 姜赢. 基于高低阈值的脉冲神经元抗噪学习算法[J]. 计算机工程与科学, 2023, 45(08): 1483-1489.
[3]	王晓琦, 赵宣植, 刘增力, . 基于多尺度小波和Tsallis熵的水下图像边缘检测[J]. 计算机工程与科学, 2023, 45(07): 1245-1252.
[4]	李忠瑞, 崔宾阁, 杨光, 张昊卿. 基于深度学习的海岸线边缘检测网络模型[J]. 计算机工程与科学, 2022, 44(12): 2220-2229.
[5]	徐琨, 赵启雯, 徐源, 柳有权. 基于边缘检测的快速纸张检测方法[J]. 计算机工程与科学, 2022, 44(10): 1795-1803.
[6]	牛琨, 高仲合, 张凡. 面向整体区域的改进VIRE定位算法研究[J]. 计算机工程与科学, 2022, 44(09): 1602-1609.
[7]	芦磊, 王晓峰, 梁晨, 张九龙. 多文字可满足SAT问题的相变点上界[J]. 计算机工程与科学, 2022, 44(07): 1282-1290.
[8]	徐景秀, 张青. 改进小波软阈值函数在图像去噪中的研究应用[J]. 计算机工程与科学, 2022, 44(01): 92-101.
[9]	李凯, 张永生, 童晓冲, 李峰. 基于各向异性和边缘强度修正因子的边缘检测算法[J]. 计算机工程与科学, 2021, 43(07): 1256-1263.
[10]	赵月, 王来花, 齐苏敏, 王伟胜, 刘晨. 基于全局和局部特征的无参考夜间图像质量评价[J]. 计算机工程与科学, 2021, 43(07): 1283-1290.
[11]	张培玲, 李小真, 崔帅华. 基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究[J]. 计算机工程与科学, 2020, 42(11): 2067-2072.
[12]	马永杰, 陈振宇, 马芸婷. 基于自适应阈值投影的双行车牌分割方法[J]. 计算机工程与科学, 2020, 42(09): 1616-1624.
[13]	王妞妞，安建成. 最佳阈值法结合改进的Freeman链码的肺实质分割[J]. 计算机工程与科学, 2020, 42(06): 1037-1042.
[14]	赵凤1,2，孔令润1,2，马改妮1,2. 多目标粒子群和人工蜂群混合优化的阈值图像分割算法[J]. 计算机工程与科学, 2020, 42(02): 281-290.
[15]	周忠眉1,2,李家辉1,2. 基于各类支持度阈值独立挖掘的关联改进算法[J]. 计算机工程与科学, 2019, 41(11): 2088-2094.