计数培养皿上的菌落

Posted 2023-03-13

【中文标题】计数培养皿上的菌落

【英文标题】：Counting colonies on a Petri dish

【发布时间】：2012-04-14 20:12:32

【问题描述】：

我有一堆满是点的培养皿，我想在 Matlab 中数一数。这是否可以可靠地分批完成？

例如这个板块有352个菌落

我已经尝试过 ImageJ，但需要在边框之外进行大量裁剪并获得可变结果。

你有什么建议吗？

【问题讨论】：

自从我不得不做这样的事情或使用 Matlab 已经很久了 - 但你不必使用 edge detection 吗？那里肯定有很多预先编写的脚本。

有这个工具：NICE 用于这项工作，但我无法打开它。它抱怨没有某个 dll 文件。

尝试下载/安装.dll？检查您是否有正确版本的 Matlab 等。

@benedict_w 我是否必须为该应用程序提供特定的 Matlab 编译器运行时。它会覆盖我当前的安装吗？

请计算示例图像中的菌落数作为“基本事实”。

【参考方案1】：

我对这个问题的处理方法如下：

使用 Hough 变换来识别与培养皿对应的圆圈。 使用 Otsu 方法的全局阈值，仅限于菜肴。 将菌落计数为原始图像的区域最大值，在分割图像中表示。

这个file exchange toolbox 为我们提供了一个有效的循环霍夫变换。从那里开始事情就很简单了：

function [count,colonies,bw] = colony_count(I)

I = rgb2gray(im2double(I)); %# Color-to-gray conversion.
[m,n] = size(I);

%# Uncomment this if you have might have some images with light background
%# and dark colonies. It will invert any that seem that way.
%#if graythresh(I) < 0.5
%#    I = imcomplement(I);
%#end

bw = I > graythresh(I); %# Otsu's method.
radii = 115:1:130; %# Approx. size of plate, narrower range = faster.
h = circle_hough(bw,radii,'same','normalise'); %# Circular HT.
peaks = circle_houghpeaks(h, radii, 'npeaks', 10); %# Pick top 10 circles.

roi = true(m,n);
for peak = peaks
    [x, y] = circlepoints(peak(3)); %# Points on the circle of this radius.
    x = x + peak(1); %# Translate the circle appropriately.
    y = y + peak(2);
    roi = roi & poly2mask(x,y,m,n); %# Cumulative union of all circles.
end

%# Restrict segmentation to dish. The erosion is to make sure no dish pixels
%# are included in the segmentation.
bw = bw & bwmorph(roi,'erode');

%# Colonies are merged in the segmented image. Observing that colonies are 
%# quite bright, we can find a single point per colony by as the regional
%# maxima (the brightest points in the image) which occur in the segmentation.
colonies = imregionalmax(I) & bw;

%# Component labeling with 4-connectivity to avoid merging adjacent colonies.
bwcc = bwconncomp(colonies,4);
count = bwcc.NumObjects;

我们这样使用这段代码：

I = imread('http://i.stack.imgur.com/TiLS3.jpg');
[count,colonies,mask] = colony_count(I);

我还上传了colony_count函数on the file exchange。如果您的图片无法使用，但您认为应该使用，请在此处发表评论。

计数是 359，我会说非常接近。您可以检查分割 (mask) 和菌落标记 (colonies) 以查看出错的位置：

%# Leave out the changes to mask to just see the colony markers.
%# Then you can see why we are getting some false colonies.
R = I; R(mask) = 255; R(colonies) = 0;
G = I; G(mask) = 0; G(colonies) = 255;
B = I; B(mask) = 0; B(colonies) = 0;
RGB = cat(3,R,G,B);
imshow(RGB);

【讨论】：

@Li-aungYip 谢谢，但希望没有人把他们的盘子放在白色背景上......

What kind of sucker would do that?

@Li-aungYip 确实......但当然，这个例子在 HSV 空间中是微不足道的。

这也是检查您自动处理的任何数据的随机样本的一个很好的理由。概括地说，一种方法可以完美地处理您开发的样本数据，但部分数据可能会违反您的假设。

非常好的答案。只是评论一下，最新版本的 Image Processing Toolbox (12a) 具有内置的循环霍夫变换的新功能。

【参考方案2】：

您可以使用一种称为连接组件标记的技术，该技术可用于区分图像中的不同对象。

首先，您需要通过某种阈值处理方法使图像二值化。标记是通过两次扫描每个像素行来完成的，一次从左到右，一次从右到左。我们正在寻找对象像素，即值为 1 的像素。

在从左到右的扫描中： 对于每个像素 p：如果 p 是对象像素，则从上方或左侧复制标签。如果 p 是背景像素或 p 有标签，则什么也不做。

对于从右到左的扫描： 对于每个像素p：如果p是对象像素，如果有则从右边复制标签， 否则设置一个新标签。如果 p 是背景像素或 p 有标签，则什么也不做。如果一个 标签存在且p右边的像素有不同的标签，记下这一点。

例如（来自http://webstaff.itn.liu.se/~bjogu/TNM087-2012/Fo7-2012-AH.pdf 的讲座幻灯片）：

当你扫描了整张图片后，合并你记下的所有标签（它们连接到同一个对象），然后计算不同标签的数量，你就会得到你的计数。

【讨论】：

我了解您所描述的程序。我的图像增加了培养皿边框的难度，这很麻烦，特别是因为它与点的颜色相似......可以在不物理移除的情况下消除吗？

很好解释的伙伴！！

【参考方案3】：

我会做的是：

将图像转换为binary image，可以使用 一些threshold on the Intensity。 注意点更轻所以你可以在之后做1-binaryImage 采取门槛。我不知道你为什么说它们是黑色的，但无论它们是什么颜色都是一样的。

之后，您可以使用 Hough transform 并绘制 histogram 的 rho and theta

在该直方图上，您可能会在 rho 上设置第二个阈值 == 半径。

添加：

Detect circles with various radii in grayscale image via Hough Transform

【讨论】：

为什么要使用霍夫变换？这里没有要检测的线。

@nikie 来自***（链接在消息中）“在数字图像的自动分析中，经常会出现检测简单形状（例如直线、圆形或椭圆）的子问题”

您是否使用了错误的链接？如果我在您的答案中点击霍夫变换链接，它会清楚地显示“使用霍夫函数检测图像中的线条”

@nikie 我添加了一个模块来使用霍夫变换检测圆圈。