Matlab 在皮氏培养皿上计数菌落

我有一堆装满点的培养皿，我想在Matlab中数一数。这能可靠地批量完成吗

这个盘子有352个菌落

我尝试过ImageJ，但需要进行大量的边界裁剪，以获得可变的结果

你有什么建议吗？

我想做的是：

将图像转换为可以使用 一些 请注意，这些点较亮，因此您可以在之后执行

1-binaryImage

进入门槛。我不知道你为什么说它们是黑色的，但不管它们是什么颜色，都是一样的

之后，您可以使用并绘制 ρ和θ的

在这个柱状图上，你可以在ρ上取第二个阈值 ==半径

添加：

---

您可以使用一种称为“连接组件标签”的技术来区分图像中的不同对象

首先，您需要通过某种阈值方法使图像二值化。标签是通过扫描每个像素行两次来完成的，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，则不执行任何操作

对于从右向左扫描： 对于每个像素p：如果p是对象像素，则从右侧复制标签（如果有）， 否则设置一个新标签。如果p是背景像素或p有标签，则不执行任何操作。如果 标签存在并且p右侧的像素具有不同的标签，请记下这一点

例如（来自于的讲座幻灯片）：

---

扫描完整个图像后，合并所有已标记的标签（它们连接到同一对象），然后计算不同标签的数量，然后进行计数。

我解决此问题的方法如下：

使用Hough变换识别与Petri培养皿相对应的圆

使用大津方法的全局阈值，仅限于碟形

将菌落计数为原始图像的区域最大值，在分割图像中表示

这为我们提供了一个有效的圆形Hough变换。从那以后事情就很简单了：

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;

我还上传了

colony\u count

功能。如果你有一个图像不起作用，但你认为应该，在那里留下评论

计数是359，我想这很接近。您可以检查分段（

遮罩

）和菌落标记（

菌落

）以查看哪里出错：

%# 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);

---

我已经很久没有做过这样的事情了，也没有用过Matlab，但是你不需要用吗？那里一定有很多预先编写的脚本。有这个工具：用于工作，但我无法打开它。它抱怨没有特定的dll文件。是否尝试下载/安装.dll？请检查是否有正确版本的Matlab，等等@benedict_w我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？请将示例图像中的菌落数计算为“地面真相”。为什么要使用Hough变换？这里没有要检测的线条。@wikipedia的nikie（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（如直线、圆或椭圆）的子问题”您使用了错误的链接吗？如果我按照你答案中的Hough变换链接，它清楚地说“使用Hough函数检测图像中的线条”@nikie我还添加了一个使用Hough变换检测圆的模块。我理解你描述的过程。我的图像增加了Petri培养皿边界的难度，这是一个麻烦，特别是因为它的颜色与点相似。。。这能在不进行物理移除的情况下消除吗？解释得很好，伙计@李昂杰谢谢，但希望没有人把他们的车牌放在白色背景上…@Li aungYip确实如此…但在HSV空间中，这个例子当然是微不足道的。这也是检查自动处理的任何数据的随机样本的一个很好的理由。作为一种概括，一种方法将完美地应用于您开发它所用的样本数据，但部分数据可能会违反您的假设。非常好的答案。最近发布的图像处理工具箱（12a）内置了一个用于循环Hough变换的新功能。

%# 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);