JPH0255953A

JPH0255953A - 粒子の自動識別処理装置

Info

Publication number: JPH0255953A
Application number: JP63206848A
Authority: JP
Inventors: Keiichi Inami; 圭一井波; Osamu Hirota; 修広田
Original assignee: Sysmex Corp
Current assignee: Sysmex Corp
Priority date: 1988-08-19
Filing date: 1988-08-19
Publication date: 1990-02-26
Anticipated expiration: 2013-11-18
Also published as: JP2826736B2

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】〈産業上の利用分野〉この発明は、生体の試料中に含まれている細菌の種類を
識別するための方法に関し、特に試料を撮像し、その画
像から細菌像を抽出し、その細菌像の特徴量を求めて細
菌を識別する方法に関する。

〈従来技術〉従来、細菌の検査方法としては、塗抹染色標本を作製し
て、これを顕微鏡で観察する方法がある。しかし、この
ような方法では、標本作製に手間がかかり、しかも検査
に熟練を要し、さらに時間もかかるという問題点があっ
た。この問題点を解決するために、電子情報通信学会論
文誌ＤＶｏｌ。

Ｊ７０−Ｄ　Ｎｏ、４第８２７頁から第８２９頁に記載
されているフロ一方式を用いて、細菌を撮像し、得られ
た画像から細菌の像を抽出し、その細菌の種類を識別す
ることができる検査装置が考えられた。

〈発明が解決しようとする課題〉細菌の大きさは、概ねＩｇｍ程度と小さく、上記の装置
によって得られた画像の大部分が背景となる。しかも、
この背景には多くの雑音や濃度むらか生じている。細菌
の像を抽出するには、まず撮像された画像を２値化する
必要があるが、雑音や濃度むらの影響を受けると、正確
に２値化することかてきないという問題点がある。また
、細菌によってはその像の濃度と背景の濃度とが比較的
接近していることもあり、このような場合にも正確に２
値化することがてきないという問題点かあった。また、
２値化によって得た細菌の像から特徴量を求め、その細
菌がどのような細菌であるか決定するのであるか、細菌
によっては２値化画像から直接にその特徴量を抽出する
のか不可能なものもあるという問題点もあった。

この発明は、上記の各問題点を解決し、より正確に細菌
の種類を識別することかできる細菌の自動識別処理方法
を提供することを目的とする。

く課題を解決するための手段〉上記の目的を達成するため、この発明は、生体から採取
した試料な撮像装置で撮像して得た撮像信号をＡ／Ｄ変
換して、複数濃度を有する複数画素からなる！！淡両画
像得て、この濃淡画像に対してしきい値を設定すること
により」二足試料中の細菌の像を抽出し、上記細菌の像
から得られた特徴量に基づき上記細菌を識別する方法に
おいて上記濃淡画像から得られた濃度ヒストグラムの級
間分散を縁由分散で割った比を評価関数とし、上記評価
関数か最大となる濃度値を上記のしきい値とする。また
は評価関数の差分値が極小となる各濃度値を、しきい値
として上記濃淡画像を２値化したときと、これらしきい
値の前後の濃度値をしきい値として２値化したときとの
画素数の変化率か最小となる濃度値を上記しきい値とす
る。

また、上記濃淡画像に雑音除去及び辺縁強調処理を施し
た後、上記しきい値を設定して上記細菌像を抽出し、そ
の抽出された像に縮退及び拡張処理を行ない、さらに穴
埋め処理を施し、細菌の像を修正することもてきる。

さらに、識別不能の細菌像に対し、像を複数回縮退する
ことにより、その骨格を抽出し、これら骨格ごとに像を
複数回拡張することにより像を復元した後に、再度復元
像ごとに特徴を求め、細菌を識別するようにしてもよい
。

く作用〉生体から採取した試料を撮像装置で撮像し、細菌の静止
画像を得る。これをＡ／Ｄ変換して、複数濃度値を有す
る複数画素からなる濃淡画像を得る。

この濃淡画像から濃度ヒストグラムを得て、このヒスト
グラムを２分割することにより、全濃度値は２つの集団
に分けられ、２値化か行なわれる。２分割するためのし
きい値を決定しなければならないが、この発明では、そ
のため、まずヒストグラムの級間分散と縁由分散とを求
め、その比も求める。これをヒストグラム上の全濃度に
対して行ない、評価関数を求める。この評価関数か明ら
かになると、この評価関数が最大となる濃度値が得られ
る。これをしきい値として明瞭に２値化できないとき、
評価関数の差分値か極小となる濃度イ１を求め、これら
濃度値のうちこれらをしきい値として２値化を行なった
ときと、これらしきい値の近傍の濃度値をしきい値とし
て２値化を行なったときとの画素数の変化率が最小とな
る濃度値を最適のしきい値として選択する。これは、画
素数の変化率が小さいということは、２つの領域が最適
に分割されることを示しているからである。

２値化により抽出された像の形状から像の特徴量か求め
られる。この特徴量を用いて、特定の細菌を識別するこ
とかできる。

濃淡画像に雑音除去処理を施すことにより、雑音を少な
（し、かつ辺縁強調処理を施すことによりｍ菌の辺縁を
明確にすることができる。よって、２値化か行ないやす
くなる。２値化された像に縮退及び拡張処理を行なうこ
とにより、抽出像の辺縁の凹凸が滑らかになり、さらに
穴埋め処理を行なうことにより、像内部の抽出漏れが補
正される。

識別不能の細菌の像に対し、像の骨格を抽出し、その骨
格ごとに像を拡張することにより像の特徴が明確にされ
る。

〈実施例〉この実施例は、球菌（例えばα連鎖球菌、β連鎖球菌、
ナイセリア、白色ぶどう球菌、４連球菌！′ｇ）と桿菌
（例えば緑膿菌、肺炎桿菌、大腸菌、チフス菌、枯草菌
等）とを識別するのに、この発明を実施したもので、第
２図は、そのために使用する機器のブロック図である。

この装置は、流体系２と、光学系４と１画像撮像部６と
、制御画像処理部８とからなる。

流体系２は、細菌を流す部分で、シースフローチャンバ
ーｌＯを有している。このチャンバーｌＯは石英ガラス
製で、上部に細菌の注入口１２と、シース液の注入口１
４とを有し、下部に細管？Ｂ１５を有している。そして
、下部より吸引ポンプ１６によってシース液を吸引する
と、第３図に示すように、シース液か鞘となって細菌を
包んで細管部１５を流れる。即ち、細菌は細管部１５の
中央を流れ、しかも細菌は同一場所を細流となって流れ
るので、後述する撮像のための焦点合せかしやすく、同
時通過もない。

光学系４は、光源として窒素パルス光レーザ１８を有し
ている。測定対象物である細菌はＩＪＬｍ程度と非常に
小さく、高解像度の撮影が必要である。解像限界は光源
の波長に比例するので、短波長が有利である。そこて、
この窒素パルス光レーザは、波長が：ｌ：１７ｎ＋ｓの
ものを用いている。この窒素パルス光は、図示していな
い複数の集光レンズを介してチャンバー１０の細管部１
５に照射され、さらに図示しない対物レンズを介して画
像撮像部６のＣＣＤテレビジョンカメラ２０に入射され
る。

画像撮像部６は、上述したＣＣＤテレビジョンカメラ２
０を有し、その撮像信号は、Ａ／Ｄ変換器２２てディジ
タル撮像信号に変換され、画像メモリシステム２４に記
憶される。また、必要に応じて画像メモリシステム２４
に記憶されたディジタル撮像信号は、アナログ撮像信号
に変換されて、モニタテレビジョン受像機２６に写した
され、またビデオテープレコーダ２８に記録される。

制御・画像処理部８は、マイクロコンピュータシステム
３０を有し、これによって窒素パルス光レーザ１８や画
像メモリシステム２４の制御を行なうと共に、後述する
ように画像処理を行なう。この制御・画像処理部８は、
他に画像処理の経過や画像処理結果を写すだすモニタテ
レビジョン受像機３２や、処理結果の記録等のためのフ
ロウビディスク３４も有している。

第１図はマイクロコンピュータシステム３０で行なわれ
る画像処理を示すフローチャートで、まず画像メモリシ
ステム２４がらディジタル撮像信号を入力する（ステッ
プＳｔ）。この入力されたディジタル撮像信号は、撮像
されている細菌の辺縁に劣化を生じたり、背景に雑音が
生じたりしている。これらを放置したままては正確な２
値化か困難であるので、雑音除去及び辺縁強調を行なう
（ステップＳ２．３）。

ステップＳ２の雑音除去は、原画像の劣化の程度や処理
時間を考慮して、ＳＮＮ−ＭＥＡＮフィルタ（Ｓｙｍｍ
ｅＬｒｉｃ　Ｎｅａｒｅｓｔ　Ｎｅｉｂｏｒ−Ｍｅａｎ
　Ｆｉｌｔｅｒ）を用いて行なっている。即ち、第４図
に示すように画素（Ｘ、Ｙ）　ノ濃度値ｇ　（Ｘ、Ｙ）
は、ソノ周・囲ノ（２ｎ”ｌ）　Ｘ　（２ｎ＋１）個の
画素を、ｇ　（Ｘ＋ｉ＋Ｙ＋ｊ）とｇ（Ｘ−ｉ、Ｙ−ｊ
）とを１組として、下式により選ばれた画素の濃度値の
平均値として表わしている。

Ｉｇ（Ｘ、Ｙ）　　ｇ（Ｘ＋ｉ、Ｙ＋ｊ）Ｉ＜Ｉｇ（Ｘ
、Ｙ）−ｇ（Ｘ−ｉ、Ｙ−ｊ）　　ｌのとき、ｇ（Ｘ＋
ｉ、Ｙ＋ｊ）　ヲ選択ｔル。

Ｉ　ｇ（Ｘ、Ｙ）　−ｇ（Ｘ＋ｉ、Ｙ＋ｊ）　　Ｉ　＞
　Ｉ　ｇ（Ｘ、Ｙ）　−ｇ（Ｘ−ｉ、Ｙ−ｊ）　　Ｉ　
ｆ）トき、ｇ　（Ｘ−ｉ、Ｙ−ｊ）を選択する。

Ｉ　ｇ（Ｘ、Ｙ）　−ｇ（Ｘ＋ｉ、Ｙ＋ｊ）　　ｌ　＝
　ｌ　ｇ（Ｘ、Ｙ）　−ｇ（Ｘ−ｉ、Ｙ−ｊ）　　ｌ　
１７）とき、（ｇ　（Ｘ＋ｉ、Ｙ＋ｊ）　＋　ｇ　（Ｘ
−ｉ、Ｙ−ｊ））／２とする。ただし、−ｎ≦（ｉ、ｊ
）≦＋ｎである。例えば、第４図はｎを１とした場合の
図で、濃度値ｇ（Ｘ、Ｙ）を１口とすると、１ｓ−２，
ｊ＝１（７）とき、　　Ｉ　ｇ（Ｘ、Ｙ）−ｇ（Ｘ−２
，Ｙ＋１）　　ｌは１１０−８１＝２となり、　　１　
ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ＋２．Ｙ−１）　　＋　４；
ｉ　Ｉ　１０−５＝５となり、ｌ　ｇ　（Ｘ、Ｙ）−ｇ
　（Ｘ−２，Ｙ＋ｌ）　　＋　（７）方が小さいので、
ｇ　（Ｘ−２，Ｙ、ｌ）　＝　８を選択する。ｉ−２，
ｊｍ２ノとき、　　ｌ　ｇ（Ｘ、Ｙ）−ｇ（Ｘ−２，Ｙ
＋２）　　ｌはｌ　１０−８１＝２となり、Ｉ　ｇ（Ｘ
、Ｙ）−ｇ（Ｘ＋２．Ｙ−２）　　ｌは１１０−６１＝
４となり、ｌ　ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ−２，Ｙ◆２
）　　＋　７７）方か小さいので、ｇ　（Ｘ−２，Ｙ＋
２）　＝　８を選択する。

１＝−１，ｊ−１ノとき、Ｉ　ｇ（Ｘ、Ｙ）−ｇ（Ｘ−
１，Ｙ＋１）　　ｌは１１０−５１＝５とナリ、ｌ　ｇ
　（Ｘ、Ｙ）−ｇ　（Ｘ＋ｌ、Ｙ−。

は１１０−６１＝４とな’）　、　　ｌ　ｇ　（Ｘ、Ｙ
）−ｇ　（Ｘ＋Ｉ、Ｙ−１）＋７７）方か小さイノテ、
ｇ　（Ｘ＋ｌ、Ｙ−１）　＝　６を選択すル、　ｉ−１
，ｊ−２（７）　トキ、Ｉ　ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ
−１，Ｙ−２）１　にｔ　Ｉ　ｔｏ−７１＝３となり、
ｌ　ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ＋１．Ｙ２）　　Ｉは１
１０−８１＝２となり、ｌ　ｇ　（Ｘ、Ｙ）−ｇ　ＣＸ
÷１．Ｙ−２）　　＋　７７３方が小さイノテ、ｇ　（
Ｘ＋１．Ｙ−２）　＝　８を選択する。ｉ＝０．ｊ＝ｌ
　（７）とき、ｌ　ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ、Ｙ、１
）　　Ｉ　にｔ　ｌ　１０−７１　＝３となり、ｌ　ｇ
　（Ｘ、Ｙ）−ｇ（Ｘ、Ｙ−１）　　ｌは１１０−８１
＝２となり、Ｉ　ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ、Ｙ−１）
　　ｌの方が小さイノテ、ｇ　（Ｘ、Ｙ−１）　＝　８
を選択する。ｉ＝ｏ、ｊ＝２　（７）とき、Ｉ　ｇ　（
Ｘ、Ｙ）−ｇ　（Ｘ、Ｙ＋２）　　Ｉは１１０−６１＝
４となり、Ｉ　ｇ　（Ｘ、Ｙ）−ｇ（Ｘ、Ｙ−２）　　
ｌは１１０−９１＝１となり、ｌ　ｇ　（Ｘ、Ｙ）−ｇ
　（Ｘ、Ｙ−２）　　＋　（７）方が小さイノテ、ｇ　
（Ｘ、Ｙ−２）　＝　９を選択する。また、　ｉ＝１．
ｊ＝０　（１）とき、ｌ　ｇ（Ｘ、Ｙ）−ｇ　（Ｘ＋１
．Ｙ）　　ｌは１１０−７１＝３となり、Ｉｇ（Ｘ。

Ｙ）−ｇ（Ｘ−１，Ｙ）　　Ｉは１１０−６１＝４とな
り、１ｇ（Ｘ、Ｙ）−ｇ　（Ｘ＋ｌ、Ｙ）　　＋　（７
）方か小さイノテ、　ｇ（Ｘ＋ｌ。

Ｙ）＝７を選択する。ｉ−１、ｊｇｌのとき、Ｉ　ｇ　
（Ｘ、Ｙ）−ｇ　（ｘ＋＋、ｙ＋ｔ）　　１は＋１Ｏ−
６１＝４てあり、１ｇ（Ｘ、Ｙ）−ｇ　（Ｘ−１，Ｙ−
１）　　ｌは１１０−７１＝３であり、ｇ　（Ｘ、Ｙ）
−ｇ　（Ｘ−１，Ｙ−１）　　ｌの方か小さいのて、ｇ
（Ｘ−１，Ｙ−１）　＝７を選択する。　ｉ＝１．ｊ−
２ノとき、ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ＋ｌ、Ｙ＋２）　
　Ｉは１１０−７１＝３となり、ｌ　ｇ（Ｘ、Ｙ）−ｇ
（Ｘ−１，Ｙ−２）　　Ｉは＋１Ｏ−８１＝２トナリ、
Ｉ　ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ−１，Ｙ−２）ｌｃ７）
方か小さいので、ｇ　（Ｘ−１，Ｙ−２）　＝　８を選
択する。ｉ”２１ｊ−０ノと、き、　　ｌ　ｇ（Ｘ、Ｙ
）−ｇ（Ｘ＋２．Ｙ）　　Ｉは＋１Ｏ−６１＝４となり
、ｌ　ｇ（、Ｘ、Ｙ）−ｇ（Ｘ−２，Ｙ）　ｌは＋　１
０−９１　＝　１となり、Ｉ　ｇ　（Ｘ、Ｙ）−ｇ　（
Ｘ−２，Ｙ）＋７７）方か小さイノて、ｇ　（Ｘ−２，
Ｙ）　＝　９を選択する。ｉ＝２．ｊ＝１　ノとき、１
　ｇ（Ｘ、Ｙ）−ｇ（Ｘ＋２．Ｙ＋１）　　Ｉは＋１Ｏ
−７１＝３であり、　　Ｉ　ｇ（Ｘ、Ｙ）−ｇ（Ｘ−２
，Ｙ−１）ｌはｌ　１０−７１　＝３で、等しイノテ、
（ｇ　（Ｘ＋２．Ｙ＋１）　＋　ｇ　（Ｘ−２，Ｙ−１
））／２＝７を選択する。ｉ＝２．ｊ＝２のとき、１ｇ
（Ｘ、Ｙ）−ｇ　（Ｘ＋２．Ｙ＋２）　　ｌは１１０−
８１＝２となり、ｇ　（Ｘ、Ｙ）−ｇ　（Ｘ−２，Ｙ−
２）　　ｌは１１０−６１＝４となり、Ｉ　ｇ　（Ｘ、
Ｙ）−ｇ　（Ｘ＋２．Ｙ＋２）＋７７）方が小すイノテ
。

ｇＣＸ◆２．Ｙ、２）　＝　８を選択する。そして、こ
れら選択された濃度値８．８，６．８．８．９，７．７
．８，９．７．８の平均値７．７５をｇ（Ｘ、Ｙ）とす
る。このようにして、各画素の濃度値を決定して、雑音
を除去する。この場合、対象物（細菌の像）の辺縁を保
存したまま、背景の雑音のみを除去できる。

ステップＳ３の辺縁強調は、原画像に差分処理を施すこ
とによって行なっている。即ち、成る画像の濃度値をｒ
（ｉ、ｊ）とすると、その差分値ｇ（ｉ、ｊ）は、ｇ（ｉ、ｊ）＝　　［（Δ　ｉ）２　＋　　（Δｊ）２
］１／２となる。ただし、Δｉ、Δｊは、 Δｉ　＝　［ｒ（ｉ＋１．ｊｄ）＋２ｆ（ｉ＋Ｉ、ｊ）
＋ｆ（ｉ＋Ｉ、ｊ−１）　］−［ｆ（ｉ−１，ｊ＋１）
＋２ｆ（ｉ−１，ｊ）＋ｆ（ｉ−１，ｊ−１）　］Δ　
ｊ　　＝　　［ｆ（ｉ−１，ｊ＋１）＋２ｆ（ｉ、ｊ＋
１）＋ｆ（ｉ＋ｌ、ｊ＋１）　　］−［ｆ（ｉ−１，ｊ
−１）＋２ｆ（ｉ、ｊ−１）十ｆ（ｉ＋１．ｊ−１）　
］である。これはシーベル（Ｓｏｂｅｌ）の処理として
公知のものである。

ステップＳ２で雑音除去された画像と、ステップＳ３で
辺縁強調された画像との濃度和を取ることによって、原
画像から雑音を除去し、かつ辺縁を強調した画像を得る
。

このように修正した画像を２値化するために、しきい値
を設定する（ステップＳ４）。この設定は、分散比を評
価関数とする自動しきい値選定法による。即ち１級間分
散σａ′と経内分散σｗ′との比Ｆ。（＝σ、＋１／σ
、２）が最大となる濃度値をしきい値とするものである
。ただし、級間分散σ８と縁由分散σｗ２とは、 σ１１２＝　　Σ　Ｊ　（ｘｍ−ｘ）２／Σ　ｎｋｋＥ
ＮｒｌｋεＮｎＮｎ＝　（１，２・・・・・Ｎ）（ｒｗ２＝　　Σ　　　Σ（Ｘｋｔ−Ｘｋ）”／Σ　ｎ
ｋｋＥＮｎ　ｕεＨｚ　　　　　ｋＥＮ。

である。ここで、Ｎは階級の総数、　ｎｋはに番目へ画
素の数、×、は階級にの画素の濃度値の平均値、Ｘｂｔ
　は階級にの交番目の画素の値、又は全画素の濃度値の
平均値である。例えば、濃度ｌの画素が１個、濃度２の
画素が３個、濃度３の画素が２個、濃度４の画素が１個
、濃度５の画素か４個、濃度６の画素が６個、濃度７の
画素が５個、濃度８の画素か３個からなる画像（全画素
ａ２５）を考えたとき、全画素の濃度値の平均値又は５
．２８である。ここでは、２値化するのであるからＮは
２である。

濃度ｌをしきい値とする（濃度１以下の階級と１より大
きい階級に分ける）と、第１の階級の画素の濃度値の平
均値君は１で、第２の階級の画素の濃度値の平均値乙は
５．４６である。ゆえに級間分散は、　（ｌ（１−５，
２８）”÷２．ｉ（５，４６−５，２８）”）／２５雪
０．７６　。

縁由分散は、１（１−１）”／Ｉ＋（：１（２−５，４
６）２＋２（３−５，４６）　２４１（４−５，４６）
２◆４（Ｓ−５，４６）２◆６（６−５，４６）”＋５
（７−５，４６）２、：Ｉ（８−５，４６）２）／２４
−３．５０となり、評価関数の値は、０．７６／３．５
０−０．２２となる。濃度２をしきい値とすると、第１
の階級の画素の濃度値の平均値乙はｌ、７５で、第２の
階級の画素の濃度値の平均値へは５．９５である。ゆえ
に級間分散は、　（４（１，７５−５，２８）２＋２１
（５，９５−５，２８）”）／２５−２．：１７、縁由
分散は、（１（１−１，７５）２．：１（２−１，７５
）　２）／４＋　（２（：ｌ−５，９５）２＋１　（４
−５，９５）　２＋４　（５−５，９５）２４６（６−
５，９５）”＋５（７−５，９５）”＋３（８−５°、
９５）２）／２１＝２．２：ｌとなり、評価関数の値は
、２．３’ｌ／２．２３＝１．０６となる。

同様にして求めた各しきい値における級間分散、縁由分
散及び評価関数の値を次に示す。

この表から明らかなように、しきい値３のときに評価関
数の値が最大となるのて、この濃度３をしきい値として
用いる。

このようにして設定したしきい値によって２値化を行な
うと、通常は明瞭に２値化が行なわれるが、場合によっ
ては明瞭に２値化できないこともある。第５図（ａ）、
（ｂ）は明瞭に２値化できたときの濃度ヒストグラムと
評価関数の値であり、第６図（ａ）、（ｂ）は明瞭に２
値化できなかったときの濃度ヒストグラムと評価関数の
値である。明瞭に２値化できるときは、評価関数のイ１
は奇麗な山を形成し、しきい値は分散比の最大値の濃度
値を取るが、細菌の濃度値が背景の濃度値に接近してい
る場合には、評価関数は山の途中に丘が出現している。

このために、明瞭に２値化できないと考えられる。

そこで、ステ・ンブＳ４でしきい値を決定した後、その
しきい値か適当であるか判断しくステップＳ５）、適当
でない場合には、しきい値の最適化を行なう（ステップ
Ｓ６）。そのため、各評価関数の値を平滑化した後、差
分値を求める。なお、平滑化したのは、第５図（ｂ）や
第６図（ｂ）ては滑らかに描いたが、実際には評価関数
はジクザーグしたものとなり、これが差分値を求める場
合に、悪影響を及ぼすので、それを除去するためである
。このようにして求めた差分値を第７図に示す、同図に
おいて、ａの谷は自動しきい値法によって決定したしき
い値に基づく谷であり、これよりも高い濃度で、ｂ、ｃ
、ｄの谷が形成されている。そこで、これらす、ｃ、ｄ
をしきい値の候補として、これら候補のしきい値によっ
て２値化を行ない（ステップＳ７）、その場合の面積の
変化率を調べ、変化率が最も小さいときのしきい値を最
適のしきい値と決定した。即ち、まず、しきい値すから
若干しきい値を前後に動かして、２値化を行ない、その
ときｌとされた画素数（面積）を数え、しきい値すのと
きに１とされた画素数（面積）も数え、その面積の変化
率を求める。他のしきい値に対しても同様にして面積の
変化率を求める。そして、しきい値す、ｃ、ｄのうち、
面積の変化率か最も小さいものを最適しきい値とする。

これは、しきい値か最適てあれば、例えば第６図（ａ）
に示すようにヒストグラムの谷の部分にそのしきい値か
あるのて、前後にしきい値を動かして２値化を行なって
もｌとなる画素の数はさして変化しないのに対し、最適
のしきい値でないと、同図（ａ）に示すようにしきい値
を前後に移動させると１面積の変化率が大きくなるから
である。

このようにして２値化を行なって抽出した細菌の辺縁は
、第８図（ａ）、（ｂ）に示すように凹凸が激しいので
、縮退及び拡張を行ない、辺縁の修正を行なう（ステッ
プＳ８）。第８図（ａ）において実線で示したのが細菌
の２値化画像であり、これを８連結を基準として縮退す
る。即ち、各画素に対し、上下、左右、右上、右下、左
上、左下の８つの隣接する画素が全て細菌の像の部分で
ある画素は残し、他の画素は削除する。削除した状態を
ハツチングで示す、この状態から各画素を上記の８方向
に拡張する。この状態を１点鎖線で示す。これによって
、凹凸か取れた像が得られる。第８図（ｂ）は、上下、
左右の４連結を基準として縮退及び拡張を行なった場合
を示す。ハツチングで示したのが、縮退した状態、１点
鎖線で示したのか、縮退したものを拡張した状態である
。ステップＳ８では、この他に細菌の２値化画像の中心
等に穴が存在する場合、穴埋めも行なう。

このような処理を行なった細菌の画像に対し、面ＭＡ、
周囲長し、円形度Ｒ１距離分散Ｖを求める０面ＭＡは細
菌の画素数の総和である。従って１例えば第９図の場合
、面積は６４である。周囲長しは、細菌の像の上下また
は左右に隣接する画素間の距離を１、斜め方向に隣接す
る画素間の距離を５丁とし、細菌の像の周囲の距離の総
和である。第９図の場合、ｚｏ＋ｓｆ丁となる０円形度
Ｒは４πＸ　Ａ　／　Ｌ　２である。距離分散Ｖは、■
＝Σ（Ｄ（ｉ、ｊ）−Ｄ）２／Ａである。Ｄ（ｉ、ｊ）
は細菌の像の画素（ｉ、ｊ）から重心までのユークリッ
ド距離、Ｄは平均距離である。

これら特徴量を用いて、識別を行なう（ステップＳ　ｔ
Ｏ）。この識別の詳細なフローチャートを第１Ｏ図に示
す。まず、球菌単体のものと長桿菌単体のみを識別する
（ステップＳｌｌ、１２）、この識別は第１１図乃至第
１５図に示す面積−周囲長２次元分布、面積−距離分散
２次元分布、面積−円形度２次元分布１周囲長−円形度
２次元分布、距離分散−周囲長２次元分布に基づいて行
なう０例えば第１１図の面桔−周囲長２次元分布を用い
た場合、面、ｔｉ（画素数）１００または周囲長４５を
設定面とし、これより小さいものを球体単体と識別でき
１面積５００を設定面とし、これ以上のものを長桿菌単
体と識別できる。また第１２図の面積−距離分散２次元
分布を用いた場合１面ｇｘｏｏｆかつ距離分散６．０を
設定面とし、これより小さいものを球菌単体と識別でき
る。また第１３図の面積−円形度２次元分布では、円形
度８８％以下のものを球体単体と識別でき１面ａ４５０
以上のものを長桿菌と識別できる。また第１４図の周囲
長−円形度２次元分布を用いた場合１周囲長４０以下の
ものを球菌単体と識別できる。また、第１５図の距離分
散−周囲長の２次元分布を用いた場合、距離分散４．５
以下を球菌単体と識別でき、距離分散３５．０以−ヒを
長桿菌単体と識別できる。

球菌単体及び長桿菌単体以外のもの（球菌の集合体及び
短桿菌）は、このままでは識別不能であるので、距離変
換を行ない（ステップＳ１：ｌ）、骨格抽出を行なう（
ステップ５１４）。

ステップ１３の距離変換を並列処理による濃度重みつき
距離変換で行なう場合、大きさＭＸＮの濃淡画像なｆ（
ｉ、ｊ）とする（第１６図（ａ）参照、ただし、０の部
分は省略しである）、但し、ｆ（ｉ　、ｊ）≧０、ｉ　
　Ｅ　Ｎ　ｌ＝　　（１、２、・・・・・　Ｍ）、ｊ　
　εＮ、＝（ｌ、２、・・・・・Ｎ）である。また、画
素の連結数は４連結とする。初期画像ｇ’（ｉ、ｊ）を
全てのｉ　ＥＮ（、ｊＥＮ３に対して次のように定める
。

但し、Ｃは充分大きな正の整数（第１６図（ｂ）ては３
０）とする。画像の系列：　ｇ’（ｉ、ｊ）　　（に＝
０゜ｌ、２・・・・・）。

第１６図（ｃ）にｇｌ＊Ｉ（ｊｊ）、ｇ２“’（ｉ、ｊ
）、ｇ”ｌ（ｉ、ｊ）を示す。全てのｓ　Ｅ　Ｎ　＋　
、ＪεＮ、に対してｇ−１（ｉ、ｊ）＝　ｇｋ（ｉ、ｊ
）になると処理を終了する。このときのｇ’（ｉ、ｊ）
がｆ（ｉ、ｊ）の濃度重み付は距離画像であるにの最大
濃度を抽出することによりステップＳ１４の骨格抽出を
行なう。このようにして抽出した骨格にラベル付を行な
い（ステップ５１５）、それぞれの骨格を複数回に亙っ
て拡張し、対象物を復元する（ステップＳ！６）。第１
７図（ａ）は距離変換した状態を示し、同図（ｂ）は骨
格を抽出した状態を示す、同図（Ｃ）は抽出した骨格を
拡張した状態を示し、左斜めのハツチングは第１回目の
拡張部分、右斜めのハツチングは第２回目の拡張部分、
点を付した部分は第３回目の拡張部分を示す、なお、こ
の拡張は４Ｊ！１結を基準に行なっている。

このようにして拡張を行なったものに上記と同様に周囲
長１面積、円形度、距離分散等の特徴量を求め（ステッ
プＳ１？）、短桿菌か球菌かを第１３図乃至第１５図を
基に識別している。

〈発【Ｊｌの効果〉以上のように、この発明によれば、細菌像を２値、化す
るためのしきい値を決定しても明瞭に２値化できなかっ
たとき、評価関数である分散比の差分子１を求め、これ
ら差分値の谷となる点をしきい値の候補とし、これら候
補のしきい値を用いて２値化を行ない１面積の変化率が
最も小さいしきい値を最適のしきい値としているので、
細菌像の濃度と背景の濃度とが接近している場合でも、
明瞭に細菌像を２値化することができ、良好に細菌を識
別することができる。

また、背景に雑音があっても・、これを除去し、細菌像
の辺縁強調を行なっているので、さらに明瞭に２値化す
ることができる。

また、識別不能であった細菌像については、骨格を抽出
し、この骨格を基に復元し、特徴量を抽出して、細菌を
識別しているので、細菌の識別ず駈力が向上する。

【図面の簡単な説明】

第１図はこの発明による細菌の自動識別処理方法の１実
施例のフローチャート、第２図は同実施例に使用する機
器のプロ・ンク図、第３図は同実施例に使用する機器の
チャンバーの部分拡大縦断面図、第４図は第１図のステ
ップＳ２の雑音除去の説明図、第５図（ａ）は同実施例
の撮像信号の濃度のヒストグラムの１例を示す図、第５
図（ｂ）は第５図（ａ）のヒストグラムの評価関数と濃
度との関係を示す図、第６図（ａ）は同実施例の撮像信
号のヒストグラムの他の例を示す図、第６図（ｂ）は第
６図（ａ）のヒストグラムの評価関数と濃度との関係を
示す図、第７図は第６図（ｂ）の評価関数の差分値を示
す図、第８図（ａ）　、　（ｂ）は第１図のステップＳ
８の辺縁の強調及び穴埋めの前提として行なわれる縮退
及び拡張の説明図、第９図は第１図のステップＳ９の面
積、周囲長の求め方の説明図、第１Ｏ図は第１図のステ
ップＳＩＯの識別の詳細なフローチャート、第１１図は
細菌の面積−周囲長２次元分布図、第】２図は細菌の面
積−距離分散の２次元分布図、第１３図は細菌の面積−
円形度の２次元分布図、第１４図は細菌の周囲長−円形
度の２次元分布図、第１５図はｍ菌の距離分散−周囲長
の２次元分布図、第１６図（ａ）乃至（ｅ）は第１０図
のステップＳ１３の距離変換の説明図、第１７図（ａ）
乃至（ｃ）は第１Ｏ図のステ・ンプＳ１４．１６の骨格
抽出及び拡張の説明図である。２０・・・・ＣＣＤテレビジョンカメラ、２４・・・・
画像メモリシステム、３０・・・・マイクロコンピュータシステム。

Claims

【特許請求の範囲】

（１）生体から採取した試料を撮像装置で撮像して得た
撮像信号をＡ／Ｄ変換して、複数濃度を有する複数画素
からなる濃淡画像を得て、この濃淡画像に対してしきい
値を設定することにより上記試料中の細菌の像を抽出し
、上記細菌の像から得られた特徴量に基づき上記細菌を
識別する方法において、上記濃淡画像から得られた濃度ヒストグラムの級間分散
を級内分散で割った比を評価関数とし、（イ）上記評価
関数が最大となる濃度値。または（ロ）上記評価関数の差分値が極小となる各濃度
値を、しきい値として上記濃淡画像を２値化したときと
、これらしきい値の前後の濃度値をしきい値として２値
化したときとの画素数の変化率が最小となる濃度値を、上記しきい値とする細菌の自動識別処理方法。
（２）上記濃淡画像に雑音除去及び辺縁強調処理を施し
た後、上記しきい値を設定して上記細菌像を抽出し、そ
の抽出された像に縮退及び拡張処理を行ない、さらに穴
埋め処理を施し、細菌の像を修正することを特徴とする
請求項１記載の細菌の自動識別処理方法。
（３）識別不能の細菌像に対し、像を複数回縮退するこ
とにより、その骨格を抽出し、これら骨格ごとに像を複
数回拡張することにより像を復元した後に、再度復元像
ごとに特徴量を求め、細菌を識別する請求項１または２
記載の細菌の自動識別処理方法。