摘 要：针对菌落图像特点，提出用最大类间方差法对采集的菌落图像进行二值化，用hough变换去除平皿边缘图像，用距离变换和分水岭算法分割粘连菌落，最后用八邻域边缘跟踪和区域填充算法进行标号后计数。实验证明此法不仅计数结果准确，重现性好，而且速度快，计数结果不受菌落接种方法、菌落种类、形态、大小的影响，完全可以代替传统的人工计数，具有一定的推广和应用价值。本文所提出的用于分割粘连菌落图像的距离变换和分水岭算法，对其他各种颗粒图像的分割同样适用，它在如细胞图像处理、材料图像处理等颗粒图像分析方面，具有很高的实用价值。
关键词：菌落计数；距离变换；分水岭分割；边缘跟踪
引 言
确定菌落数量是农业、食品、医药卫生分析中进行质量检测的一项基本而重要的工作。例如水中的菌落计数是评价水受污染程度的一项重要质量指标。目前，国内通常采用国家标准检验法——普通营养琼脂倾注平皿法［1］进行菌落接种计数。由于试验样品量往往很大，使用该法不仅工序繁杂、耗时长、效率低，而且依靠人工观察计数带有一定的主观性，误差大，重现性不好，所以亟需改进。近年来，国外已有一些关于菌落自动计数系统开发的研究报道［2］，但由于其设备复杂，对菌落形态、大小有 所限制等原因，未能应用于实际工作中。而据国内的相关报道［3］，现仅能对平板涂抹法接种生长出的菌落进行自动计数，且由于其方法未考虑融合在一起的菌落的分割，自动计数结果总小于人工计数结果，误差较大。
本文介绍了一种基于数字图像处理技术的菌落自动计数方法，并详述了其具体的实现过程。
1 菌落自动计数硬件系统
菌落自动计数系统的硬件配置如图1所示，平皿（里面有接种好的菌落）置于光学平台上，光学平台主要用于调节辐射光的幅度与角度，使ccd数码相机采集的图像便于后期的处理与识别。在设定的光线条件下，通过ccd数码相机采集菌落的图像，并将其送入pc机，然后通过运行于pc机上的图像处理软件对获取的数字图像进行一系列的预处理和目标分割后计数，即可以得到菌落的个数。
2 菌落图像的识别
从用ccd数码相机采集到的由琼脂倾注平皿法接种生长出的菌落灰度图像（图2）中可以看出，菌落内部具有均匀一致的灰度值，平皿内背景和平皿外背景的灰度值虽不同，但较均匀；而且菌落和背景图像间的对比度较大。针对此特点，我们可考虑采用阈值分割的方法对其进行二值化，使菌落从背景中初步分离开来。
2．1 图像预处理
为使目标分割易于进行，并提高处理的精度，自动计数系统需对采集到的图像进行一些预处理。在确定图像分割阈值时，阈值的选取对噪声较敏感，根据图1所示的计数系统结构，系统噪声主要是ccd电路引入的随机噪声，因此可在较短的时间间隔内采集多幅图像，然后对多幅图像进行平均，产生待测图像。此外，还需对产生的待测图像进行均值滤波，中值滤波，图像锐化，对比度增强等预处理，以进一步去除噪声，增强图像。
2．2 菌落的提取
通过对各种图像阈值分割算法的应用比较，本文采用最大类间方差法［4］来确定最优阈值，对预处理后的菌落图像进行二值化。图3为二值化后的菌落图像。
2．3 hough变换法去除平皿边缘图像
从二值化后的菌落图像（图3）中可看出，除了检测出的平皿中的菌落图像外，还可见明显的平皿边缘图像，这影响了后续计数步骤的进行，故需去除平皿边缘图像。由于平皿边缘是个规则的圆形，我们采用hough变换检测圆［4］的方法来去除平皿边缘图像。图4为利用hough变换去除平皿边缘后的菌落图像。
2．4 粘连菌落的分割
从去除平皿边缘后的菌落图像（图4）看出，有些菌落之间存在明显的粘连，为使后续的计数准确，需把粘连菌落分割开来。针对图4的特点，本文采用了一种将距离变换和分水岭算法结合使用的分割方法。
距离变换［5］是对二值图像的一种操作运算，它将一幅二值图像转化为一幅灰度图像，在这幅灰度图像中，每个像素的灰度级是该像素与距其最近的背景间的距离。从理论上讲，要计算一个像素点到背景像素点的最短距离，需要对图像进行全局操作运算，即计算此像素点与所有背景像素点的距离，再取最小值。除非这幅数字图像的尺寸非常小，否则这种全局操作的计算量是非常大的。实际运用中的距离变换实现算法是从邻近像素点入手，每次只计算其与局部相邻的几个像素点距离的最小值，根据全局距离是局部距离按比例叠加而成的原理，对图像进行前后两次扫描，最终得到近似的距离图像。基于上述原理，实践中用倒角（chamfer）算法来进行距离变换，简
