菌落計數(shù)_創(chuàng)新技術(三)：多色菌落的分類檢測
多色菌落，是微生物檢測中常常遇到的現(xiàn)象。不同顏色的菌落往往代表不同的細菌，對多色菌落的分類檢測也就成為一項重要的工作。
目前，對多色菌落的自動分類一般采用彩色立方體的方法來進行。這種方法操作簡單，但效果往往不好。這是因為：
（1）屬于同一種顏色的各個菌落，其表面顏色并非完全一樣，有時還往往存在相當大的差異。比如下圖1-a、1-b中，紅色菌落有深紅色和淺紅色，但顯然它們屬于同一類；下圖1-c中，二個紅色菌落顏色深淺不一樣，而且表面還有反光引起的色斑。
（2）對單個菌落來說，其表面顏色也不是一成不變，往往中間部分顏色較深，而其他部位顏色略淺，周圍甚至還有因擴散而引起的更淺的一圈顏色，如下圖1-a中的藍色菌落。
由于以上原因，傳統(tǒng)的彩色立方體等方法往往將一個完整的菌落分割成許多碎片，圖2顯示了采用這種方法對圖1分割的局部放大，藍色菌落的色素擴散導致一個菌落被過分割成內圈和外圈兩部分。
圖1多色菌落圖像
圖2 因為菌落表面顏色不均勻（或擴散）而造成的過分割現(xiàn)象
而另一方面，基于水平集活動輪廓模型的圖像分割方法，具有抗噪性強、數(shù)值求解穩(wěn)定性好、分割邊界光滑連續(xù)等優(yōu)點，不會造成過分割、或分割出許多碎片的現(xiàn)象。如何將顏色作為約束條件引入水平集活動輪廓模型，來解決上述多色菌落的自動分類，是迅數(shù)科技研發(fā)團隊近年來攻關的目標之一，目前已取得成功，能良好解決多色菌落的自動分類問題。
1、基于RGB約束的水平集活動輪廓模型多色聚類
水平集活動輪廓模型的基本原理，是把曲線或曲面嵌入高一維水平集函數(shù)中，用一個高維函數(shù)來表達低維曲線或曲面的演化過程。建立具有閉合曲線長度和面積平滑約束項的二維能量泛函（即CV模型）：
上式中，I(x,y)是圖像中各象素點的灰度、co和cb分別是菌落輪廓線內部和外部的平均灰度值。上式的前兩項用于控制菌落輪廓曲線的光滑性，后兩項驅動該輪廓線向實際菌落輪廓收縮，極小化該能量泛函即完成對菌落圖像的分隔。
傳統(tǒng)的CV模型只利用灰度信息，對色彩信息豐富的多色菌落分割效率低。為了將彩色信息融入其中，把傳統(tǒng)的基于灰度信息的梯度指示函數(shù)改為基于彩色信息的梯度指示函數(shù)。設I(x,y)表示彩色圖像在點(x,y)處的三個R、G、B向量。定義E、F、G和fcolor如下：
Ecv(Ф) 的能量函數(shù)表達式為：
其梯度下降流如下：
其中I、c1、c2分別是圖像灰度值、輪廓線內外的平均灰度值。為將彩色信息加入，把傳統(tǒng)的灰度差值改為R、G、B三通道的差值加權平均。表達式如下：
其中c1i和c2i是輪廓線內外三個通道的平均值，Ii對應三個通道強度值。綜合基于梯度和基于CV模型的彩色活動輪廓模型的曲線演化方程如下：
上述基于彩色梯度與多通道CV模型的綜合活動輪廓模型，可以較好的解決多色菌落圖像的顏色自動分類問題。
2、多色菌落的自動分類試驗
圖3、4分別顯示了對多色菌落采用迅數(shù)多色分類技術所分割的效果。
圖3顯示了對3種顏色菌落的自動分類檢測。首先，從菌落圖像（圖3-a）獲取紅、藍、黃三種菌落的先驗知識，通過RGB模型將其加入CV水平集活動輪廓模型的約束條件中。這樣，CV模型的演化過程中，僅對規(guī)定的顏色輪廓進行收縮，分類結果如圖3-b所示。
圖3多色菌落的自動分類效果
圖4顯示了對包含2種顏色菌落、但具有明顯色素擴散的多色菌落的自動分類。其方法同上，先從菌落圖像（圖4-a）獲取紅、綠二種菌落的先驗知識，通過RGB模型將其加入CV水平集活動輪廓模型的約束條件中。這樣，CV模型的演化過程中，僅對規(guī)定的顏色輪廓進行收縮，分類結果如圖4-b所示。
圖4多色菌落的自動分類效果
3、總結
基于水平集活動輪廓模型的圖像分割方法，具有抗噪性強、數(shù)值求解穩(wěn)定性好、分割邊界光滑連續(xù)、可以處理拓撲結構復雜的情況等優(yōu)點，能夠解決許多復雜的問題。
迅數(shù)科技研發(fā)團隊，歷經兩年多的攻關，不僅掌握了這一先進技術，而且針對微生物菌落的特點，在傳統(tǒng)的水平集活動輪廓模型的基礎上，通過引入各種約束機制與邊界條件，創(chuàng)造性的研究開發(fā)出適合多種復雜情況的先進的圖像分割或自動分類技術，為菌落計數(shù)、顯微圖像分析等提供了實用和先進的技術。
