一种基于图像处理的化石尺寸测量和轮廓复原方法

技术领域

本发明涉及图像处理领域，尤其涉及一种基于图像处理的化石尺寸测量和轮廓复原方法。

背景技术

在古生物学和古地理学等领域，对化石进行测量和分析具有重要意义。传统的手动测量方法耗时且容易出现误差。随着古生物化石样本数量的增加，科研人员对效率和精度有更高的需求。

随着计算机视觉和图像处理技术的发展，出现了一些自动化图像识别软件，如Photoshop、Image J等，但这些通用型软件在测量化石方面存在一些缺点，例如，对于大规模的化石测量任务，仍需要手动选择和标记感兴趣的区域。此外，某些复杂形状的化石在这些软件下的测量可能遇到困难，导致测量结果不准确，并且操作者主观性的影响也会引起结果的差异。

另外，化石在地质演化和保存的过程中可能会发生断裂或损伤，导致化石的部分丢失、破碎或变形。化石轮廓复原的目标是通过恢复丢失的部分、修复破碎的部分或还原变形的部分，使化石轮廓恢复到其原始形态。

目前，对于化石图像测量的专用型软件系统的研究较少。因此，需要一种新的化石尺寸自动化测量系统，能够提供高精度和高效率的化石测量和分析功能，并能对某些特定形状的化石进行断裂后轮廓复原。

发明内容

为了解决上述问题，本发明提出一种基于图像处理的化石尺寸测量和轮廓复原方法，方法包括以下步骤：

S1、对化石进行图片拍摄；

S2、对拍摄的图片进行预处理，得到预处理后的图像；

S3、对预处理后的图像阈值分割，得到二值图；

S4、对二值图形态学闭运算，消除阈值分割后由于化石纹理导致的误差，得到形态学处理后的图像；

S5、求得形态学处理后的图像的轮廓线，绘制该轮廓线及其边界矩形；

S6、若化石存在断裂或破损，且原始形状属于某种规则形状，根据S5得到的轮廓线，通过计算几何的手段对其复原；

S7、通过摄影比例尺计算得到化石的尺寸数据。

一种存储设备，所述存储设备存储指令及数据用于实现一种基于图像处理的化石尺寸测量和轮廓复原方法。

一种基于图像处理的化石尺寸测量和轮廓复原设备，包括：处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现一种基于图像处理的化石尺寸测量和轮廓复原方法。

本发明提供的有益效果是：

(1)本发明将摄像测量和图像处理技术应用到古生物定量测量领域，通过OpenCV等现有工具，对化石图像进行处理，实现了对化石尺寸的快速测量。改善了化石测量传统方法的效率，可以大幅度节省研究人员的时间和精力。且制备成本低，对于摄影工具没有太高的要求，只需要提供摄影比例尺。

(2)本发明技术路线简单高效，针对化石纹理信息丰富的特点，没有采用Canny算子等较为复杂的梯度算子，而是采用简单的阈值处理图像分割手段和形态学处理，保证结果准确性的同时提高了代码效率。

(3)本发明能对某些具有特定形状的化石进行轮廓复原，能还原某些断裂化石的真实轮廓并测量，这对于化石的完整性还原有较大的帮助，有利于研究人员了解化石形态和结构。

附图说明

图1是本发明方法简化流程图；

图2是本发明方法详细流程图；

图3是实施例1中原始图片灰度化后得到的灰度图；

图4是实施例1中灰度图锐化后的结果；

图5是实施例1中预处理后的图像使用Otus法阈值分割的结果；

图6是实施例1中对阈值分割结果形态学处理后的结果；

图7是实施例1中求取的轮廓和化石尺寸；

图8是实施例1中对比实验使用Canny边缘检测算法得到的边缘检测结果；

图9是实施例2中尖端断裂的震旦角石化石图片；

图10是一正常且完好保存的震旦角石化石图片；

图11是实施例2中断裂的震旦角石化石图像阈值分割及形态学处理后的结果；

图12是实施例2中断裂的震旦角石化石轮廓复原并测量的结果；

图13为本发明硬件设备工作示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地描述。

请参考图1-图2，图1是本发明方法简化流程示意图；图2是本发明方法详细流程图。

本发明提供了一种基于图像处理的化石尺寸测量和轮廓复原方法，包括：

S1、对化石进行图片拍摄；

S2、对拍摄的图片进行预处理，得到预处理后的图像；

需要说明的是，步骤S2中所述预处理具体包括：图像灰度化和图像锐化。

作为一种实施例而言，准备编程环境，在Python集成开发环境中使用Python内置的import命令导入第三方库cv2、numpy，为后续的图像处理提供工具。使用OpenCV库中的cv2.imread(filename)读取待测量的化石图片，之后对图像进行预处理，具体包括如下步骤：

使用OpenCV库中的cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)转换其空间颜色，将拍摄的彩色图像转换为灰度图像，灰度值与RGB值的计算公式如下：

Gray＝0.299·R+0.587·G+0.114·B

对灰度图锐化处理，锐化的作用是突出灰度的过渡，锐化通过空间微分来实现。使用二阶导数拉普拉斯算子锐化图像，对于两个变量的函数(图像)，它定义为：

可以证明，拉普拉斯算子等价于使用如下核与图像卷积运算：

使用OpenCV库中的cv2.Laplacian()函数即可得到拉普拉斯图像。拉普拉斯图像只会显示图像中的急剧灰度过渡的区域，其图像中往往只有灰色边缘线，叠加在暗色无特征背景上，将拉普拉斯图像与原图像叠加，才能得到锐化后的图像。公式如下：

OpenCV中使用的卷积核中心系数为负数，则此处c＝-1。

调用enhance＝cv2.subtract(gray,laplacian)即可得到锐化后的图像，其中gray为灰度图，laplacian为拉普拉斯图像，enhance为锐化增强后的图像。

S3、对预处理后的图像阈值分割，得到二值图；

需要说明的是，步骤S3中的图像分割采用Otsu方法的最优全局阈值处理。

作为一种实施例而言，由于化石往往与背景灰度存在明显的不连续性，且阈值处理算法复杂度低、计算速度快，因此此处采用图像阈值分割。为了使此自动化测量方法有较好的通用性，采用了使用Otsu方法的最优全局阈值处理，该算法总能根据图像的直方图给出类间最优分离阈值。

OpenCV对阈值处理有较好的实现，调用cv2.threshold()即可，该函数提供了不同类型的阈值分割，在第四个参数中指定cv2.THRESH_BINARY+cv2.THRESH_OTSU即可按Otsu法找到最优阈值并分割为二值图。

S4、对二值图形态学闭运算，消除阈值分割后由于化石纹理导致的误差，得到形态学处理后的图像；

需要说明的是，步骤S4中所述形态学闭运算具体指对二值图进行膨胀后再腐蚀。

作为一种实施例而言，对阈值分割后的图像进行形态学闭运算，对图像A闭运算表示使用结构元B先对A膨胀，接着对膨胀结果腐蚀。闭运算一方面是为了填补轮廓中的缝隙，另一方面是消除由于化石纹理导致的阈值图像内部断裂。

在OpenCV中调用cv2.morphologyEx()并指定形态学运算类型为cv2.MORPH_CLOSE，即可对图像形态学闭运算。

S5、求得形态学处理后的图像的轮廓线，绘制该轮廓线及其边界矩形；

需要说明的是，根据二值图求取轮廓并在原始图片中绘制轮廓。在数字图像处理中，区域R的边界(也称轮廓)是R中与R的补集中的像素相邻的一组像素。因此，步骤S5中，获取轮廓线的具体过程如下：

设形态学处理后的图像中，目标化石像素值为1，背景像素值为0；循环遍历图像中的每一个像素点，判断像素点为轮廓像素点的条件如下：像素值为1，且四方相邻像素中既有0也有1。

S6、若化石存在断裂或破损，且原始形状属于某种规则形状，根据S5得到的轮廓线，通过计算几何的手段对其复原；

需要说明的是，步骤S6中，采用最小外接图形方法进行轮廓复原。

作为一种实施例，若待测量的化石存在明显断裂或破损，且该化石所属类别具有规则外观形状，则根据S5求得的轮廓点的点集，求其最小外接图形(Minimum EnclosingShapes)。例如，若某种化石一般呈圆形，则可求轮廓点的最小外接圆作为待测化石的原始轮廓；若某种化石侧面呈规则的三角形，则可求轮廓点的最小外接三角形作为待测化石的原始轮廓。具体地，在OpenCV中可以分别调用minEnclosingCircle和minEnclosingTriangle这两个函数。

S7、通过摄影比例尺计算得到化石的尺寸数据。

使用OpenCV提供的API计算轮廓线的周长及其包围的面积，分别调用arcLength和contourArea这两个函数，然后通过比例尺换算得到真实尺寸。其原理如下：

在数字图像处理技术中，使用欧式距离定义像素的距离。对于坐标分别为(x,y),(u,v)的像素p,q，p和q之间的欧氏距离定义为：

OpenCV在求取线长度时，连接各像素中心点，通过欧氏距离公式，求取各线段之间的长度并求和。

摄影成像时，透镜的主平面与底片或成像感测器的距离为焦距的长度。在摄影测量领域，航摄影像上一线段l与相应地面线段L的水平距之比称为摄影比例尺。其中，f为摄影机焦距，H为平均高程面的摄影高度。因此，根据摄影比例尺，通过图像处理技术测量图像中物体的尺寸，即可求得实际物体的尺寸。

下面结合具体实施例对本发明的处理过程进行说明：

实施例1为国家岩矿化石标本资源共享平台下载的一弓石燕化石图片。该化石贝体中等大小，长约24毫米，宽约20毫米，轮廓近菱形，侧边壳线比较细密。

按照步骤S2对彩色图像灰度化和锐化增强，如图3和图4所示。对比可知，锐化处理可以较为明显地突显图像的纹理信息和边缘信息，这有助于后序对化石轮廓的检测。按S3所述，对预处理后的图像采用Otsu法分割，该算法能自动按最优阈值分割图像，得到只含目标物和背景的二值图，如图5所示。但是由于化石表面往往有较多纹理，或者局部灰度值与背景灰度值相近，阈值分割后目标物内部看上去仿佛有很多“小孔”，甚至轮廓也没有较好的显示出来。因此，S4所述的形态学闭运算也是很重要的一个步骤，它能较好地填补轮廓间隙、消除阈值图像内部断裂。形态学处理后的二值图如图6所示，该二值图已经较为准确地展现了目标物的轮廓。通过OpenCV提供的API求取该轮廓并绘制，按照比例尺计算长宽、周长和面积，标注尺寸并打印周长和面积，如图7所示。输出的该轮廓的周长为7.69cm，面积为3.72cm2。

下面就本发明提出的技术路线与Canny边缘检测直接检测化石轮廓进行对比实验：

Canny边缘检测算法的算法思路主要包括：高斯滤波平滑、计算图像梯度、非极大值抑制、滞后阈值。OpenCV中提供了该算法可供调用。

如图8，将S3中的阈值处理操作替换为Canny边缘检测，其他操作保持不变，检测出的边缘轮廓会由于光照、化石色彩、化石纹理等原因而导致偏差，且原始的Canny边缘检测算法需要给出阈值，往往需要根据图像手工输入，虽然一些研究人员提出了自适应的Canny边缘检测算法，但是相比于阈值处理算法效率相对较低。

实施例1的结果显示，本发明使用图像处理技术可对化石尺寸进行测量，工作人员只需要按照一定比例尺拍摄图像，都可以交由计算机程序自动化测量尺寸。经过实验，对比了阈值分割法和Canny边缘检测法应用在化石图像分割的优劣，最终认为阈值分割更适用于化石图像分割，且效率更高。

图9所示为本发明的实施例2，为一尖端断裂的震旦角石图片。震旦角石又称“中华角石”，属头足类鹦鹉螺(超目)，属于一种直角石。其外型如同宝塔一样，外形呈圆锥形，一头尖，一头宽，因此其侧剖面形状规则，大致为三角形，如图10，为一张正常且完好保存的震旦角石化石图片。对实施例2同样执行步骤S2～S5，求得阈值分割后的二值图如图11所示，该二值图较为清晰地展示了该化石的轮廓边缘，但由于该化石尖端断裂，此轮廓非化石原始的真实轮廓，因此执行S6，并选择需要修复的化石轮廓原始为三角形，调用OpenCV的minEnclosingCircle函数，输入点集为轮廓点集，该函数将返回最小外接三角形的三个顶点的坐标，从而求得断裂的尖端点所在的位置。计算尖端点到底端的距离，即为该震旦角石的原始长度。如图12所示，该化石的长度为36.50cm，原始长度约为58.23cm，宽度为6.09cm。

请参见图13，图13是本发明实施例的硬件设备工作示意图，所述硬件设备具体包括：一种基于图像处理的化石尺寸测量和轮廓复原设备401、处理器402及存储设备403。

一种基于图像处理的化石尺寸测量和轮廓复原设备401：所述一种基于图像处理的化石尺寸测量和轮廓复原设备401实现所述一种基于图像处理的化石尺寸测量和轮廓复原方法。

处理器402：所述处理器402加载并执行所述存储设备403中的指令及数据用于实现所述一种基于图像处理的化石尺寸测量和轮廓复原方法。

存储设备403：所述存储设备403存储指令及数据；所述存储设备403用于实现所述一种基于图像处理的化石尺寸测量和轮廓复原方法。

本发明的有益效果是：

(1)本发明将摄像测量和图像处理技术应用到古生物定量测量领域，通过OpenCV等现有工具，对化石图像进行处理，实现了对化石尺寸的快速测量。改善了化石测量传统方法的效率，可以大幅度节省研究人员的时间和精力。且制备成本低，对于摄影工具没有太高的要求，只需要提供摄影比例尺。

(2)本发明技术路线简单高效，针对化石纹理信息丰富的特点，没有采用Canny算子等较为复杂的梯度算子，而是采用简单的阈值处理图像分割手段和形态学处理，保证结果准确性的同时提高了代码效率。

(3)本发明能对某些具有特定形状的化石进行轮廓复原，能还原某些断裂化石的真实轮廓并测量，这对于化石的完整性还原有较大的帮助，有利于研究人员了解化石形态和结构。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。