菌落图像分割,指通过一定算法将菌落目标和背景区分开,以便能准确快速地从源图像中提取完整的菌落目标。菌落图像分割技术已广泛应用于菌落目标的信息统计如计数、分类等领域。本论文的主要内容包括:本文对已有菌落图像分割算法的分类以及发展进行了概括和总结,简单介绍了各类方法的优缺点。并详细介绍了常用的处理简单菌落图像的分割方法,即基于最大类间方差法的菌落图像分割算法,结合仿真实验分析了此方法分割简单菌落图像的性能。针对现有算法难以准确分割粘连菌落目标的缺点,提出一种基于椭圆拟合的粘连目标菌落图像分割算法。本算法主要包括四个部分:(1)预分割与边界点检测:采用简单菌落图像的分割算法,即基于最大类间方差法的分割方法获取菌落目标的二值化图像,并根据二值化图像采用边界检测算法获取菌落目标的视觉可见边界点。(2)种子点检测:采用距离变换(Distance Transform,DT)结合H-minima变换的方法获取与菌落目标一一对应的种子点。(3)边界点与种子点匹配:利用菌落目标边界点与种子点间的距离,以及两者连线与边界点灰度梯度向量的夹角两个度量标准制定匹配准则,将所有边界点匹配到与它联系最密切的种子点。(4)椭圆拟合:把匹配到同一个种子点的所有边界点看成是单个目标的边界点,并用椭圆拟合算法还原出该目标的整个轮廓。针对现有菌落图像分割算法未曾考虑网格背景的缺陷,提出一种基于圆霍夫变换(Circle Hough Transform,CHT)的网格背景菌落图像分割算法。该算法主要分为三部分:(1)获取菌落目标特征部分:利用CHT检测出部分圆形菌落目标,进而获得菌落目标的相关特征值。(2)获取候选菌落目标部分:利用获得的特征值获取两类候选菌落目标。(3)检测菌落目标部分:利用候选菌落目标构建新的灰度图像,并用最大类间方差法处理获得最终的分割结果。在Window 7环境下采用Matlab编程语言,对本文提出的粘连目标菌落图像分割算法和网格背景菌落图像分割算法,以及现有的相关粘连目标分割算法进行仿真实验。实验结果表明,本文提出的粘连目标菌落图像分割算法在处理粘连菌落目标时分割准确率、鲁棒性更高;同时本文提出的网格背景菌落图像分割算法,处理网格背景菌落图像具有一定的可行性和有效性。综合现有菌落图像分割算法和本文提出的两种分割算法,开发出了一套菌落图像分割软件。本软件在Window 7系统及Visual Studio 2015开发环境下,采用C++编程语言完成开发。本次开发利用MFC设计人机交互界面,并调用OpenCV库和cvBlob库完成相关分割算法的实现。本软件主要实现了七个功能模块的内容,包括:(1)菌落图像获取、(2)模式转换、(3)有效区域划定与参数设置、(4)菌落图像分割、(5)人工纠正、(6)信息显示与保存、(7)显示区与列表区调整。相关菌落图像的测试效果表明,本软件对各种类型的菌落图像均具有较好的分割效果。