基于机器视觉的菌落自动计数软件开发
全自动菌落计数器SCAN1200
全自动菌落计数器SCAN1200 操作指导
1.打开电源。
2. 软件设定：
1)“预置参数”的调整
比如：E. Coli：点击“新”，设置名称如：E. Coli→选择“接种方式”
→“培养基”，选择暗的菌落，还有稀释倍数等→在“显示方式”，
选择最佳的显示选择→在“颜色”，选择不同菌落颜色→在“光源”，
选择光源和背景情况
2)结果窗口
背景选择：1).深色菌落：白色背景；2).浅色菌落：深色背景
光源选择：
1.不透明琼脂：顶部照明
2.对于中光琼脂：顶部和底部照明
3.透明的琼脂：底部照明
3.计数操作：
1)设置参数(见2)
2)调节灵敏度
3)初步测试，不满意可以在进行调整灵敏度等
4)结果
5)保存，输出，打印等操作。
4. 其他操作
1)计数屏幕上，可以用鼠标右键手动加减菌落
2)利用删除区可以去除不需要的区域
3)可以在菜单和快捷图标快捷的输出和导入数据和图像（excel.pdf,jpg 等）
4)主界面有快速切换抑菌圈测定界面，同样的可以返回。
全自动菌落计数器工作原理
全自动菌落计数器工作原理菌落计数器是一种常见的实验室设备，用于计算到病原微生物的数量。
它的工作原理基于微生物在固体培养基上形成可见的菌落，通过对这些菌落的计数来确定微生物数量。
本文将详细介绍全自动菌落计数器的工作原理。
一、光学成像全自动菌落计数器使用光学成像技术来扫描培养基上的菌落。
首先，仪器通过光源照射样品表面，菌落的直径和颜色会对光的反射产生不同的响应。
计数器将光源照射下的图像转换成数字信号，然后根据信号的强度和颜色来判断菌落的存在与否。
二、图像处理与分析全自动菌落计数器使用计算机软件对获取的图像进行处理和分析。
通过对图像进行二值化处理，将背景与菌落分离，以便更好地识别和计数各个菌落。
计算机会根据设定的参数，如菌落大小、颜色等进行菌落的分类和筛选。
三、计数与数据显示在图像处理和分析之后，全自动菌落计数器会自动计算菌落的数量。
这些数据会被传输到显示屏上，同时还可以通过电子文档或打印机输出。
通过计数器的软件系统，可以实时监测和记录菌落的数量，提高实验结果的准确性和可重复性。
四、自动化操作全自动菌落计数器的自动化操作使得实验过程更加简便和高效。
它可以自动加载和卸载培养皿，减少了人工操作的时间和错误率。
同时，计数器还可以通过自动调整焦距、对比度等参数，适应不同样品的需求，提高了实验的灵活性和可操作性。
五、附加功能除了基本的菌落计数功能之外，全自动菌落计数器还可以提供一些附加功能。
例如，一些型号的设备可以自动进行菌落大小的测量，并根据测量结果进行进一步的分析。
此外，计数器还可以与数据库连接，方便数据的存储和查询。
总结：全自动菌落计数器通过光学成像、图像处理与分析、计数与数据显示以及自动化操作等多种技术原理来实现对菌落数量的快速、准确计数。
它的使用简便、高效，大大提高了实验室工作效率。
全自动菌落计数器在生物学、医学、食品安全等领域具有广泛的应用前景，有助于加快微生物病原体检测和实验数据分析的速度。
(整理)全自动菌落计数器
全自动菌落计数器RTAC-1型RTAC-1型全自动菌落计数器是瑞韬科技根据多年技术积累产品经验，专为基层实验室设计的一款经济实用型菌落计数器，能轻松胜任大多数场合的基本计数：高精度的CCD镜头、全封闭自动定位样品仓、高效准确的菌落分析软件,性价比突出。
1200万像素CCD镜头，全封闭LED冷光源自动样品仓全新设计的全封闭自动样品箱。
辅以平板光源、带状光源和自动进出仓装置，彻底解决了因外界光线对玻璃培养皿折射光斑的干扰而影响统计精度的技术难题。
AutoCount TM菌落智能识别技术，使计数更方便快捷，统计结果更准确。
自动菌落计数准确与否的关键是算法，本产品采用“瑞韬科技”专利的AutoCount TM菌落智能识别技术，无论是透明琼脂平板还是深色有色培养基都能轻松处理，且能对纸片进行有效的计数。
快速高效，极大地提高实验效率“RTAC-1”型全自动菌落计数器采用真彩动态 CCD 和高速图像传输接口，常规平皿统计只需3秒。
当原始样品菌浓较高，未做梯度稀释，直接培养形成的数千菌落，也可在5秒内自动计算出。
强大的区域选择功能当培养皿中有局部片状菌落生长，而其他区域又分布均匀时，可通过区域选择工具，排除污染区域的菌落数。
通过平皿直径和稀释度数据，迅速换算为全皿菌落总数。
仪器主要功能与技术指标▲培养皿类型：50-160mm▲成像○ CCD规格：1200万像素，32位真彩○分辨率：0.04mm（更符合人工检测实际效果避免过度检测）○图像拍摄：焦距、白平衡、色温可调▲光源○拍摄箱：全封闭、无日光干扰、自动居中、暗箱拍摄○光源：LED双冷光源拍摄系统▲统计功能○菌落识别技术：AutoCount TM菌落智能识别技术。
○平皿类型：倾注、涂布、膜滤平皿、3M纸片。
○菌落统计速度：300个菌落约3秒。
○全皿菌落统计：菌落总数统计，并按多档尺寸分类显示。
○区域选择统计：可选择任意圆形圈定区域进行统计。
○鼠标点击统计：快速标记、添加菌落，适合培养皿边缘菌落的计数。
全自动菌落计数器原理
全自动菌落计数器原理
全自动菌落计数器是一种用于快速、准确地计数菌落的仪器。
其工作原理可以简单描述如下：
1. 孵育：将需计数的样品以适当的培养基均匀涂抹在培养皿上，并通过恒温恒湿的环境条件进行培养。
菌落在培养皿上生长形成。
2. 图像采集：全自动菌落计数器配备了高分辨率的摄像头，可以对培养皿进行快速而准确的图像采集。
通过调整摄像头的位置和对焦，确保图像清晰可见。
3. 图像处理：采集到的图像会通过计算机进行处理。
首先，计算机会将图像转化为灰度图像，并进行二值化处理，将菌落和培养基背景分离。
然后，计算机会通过图像分割算法将各个菌落分离出来，并计算每个菌落的面积。
4. 计数统计：计算机会根据菌落的面积、形状等特征进行识别和计数。
通常，计数器会设定一个面积阈值，只有满足该阈值的菌落才会被计数。
同时，系统还可以根据用户的需要对菌落的特征进行统计分析，如平均菌落大小、菌落密度等。
5. 结果输出：计算器会将计数结果显示在屏幕上，并可以通过连接电脑或打印机等设备输出结果。
同时，结果也可保存在计算器的内部存储设备中，以便后续检查和参考。
通过以上的工作原理，全自动菌落计数器可以实现对大量样品
的快速、准确计数，提高了工作效率，并减少了人工计数的误差和劳动强度。
HiCC-A1型全自动菌落计数仪系统
杭州万深检测科技有限公司全自动菌落计数仪系统是分析和微颗粒粒度检测开发的高新技术产品，利用其强大软件图像处理功能和科学的数学分析方法对微生物菌落分析和微颗粒粒度检测，计数准确，统计速度快。
该菌落计数仪适合医院、科研院所、卫生防疫站、疾病控制中心、检验检疫、质量技术监督、环境检测机构以及制药、食品饮料、医疗卫生用品行业等的微生物检测。
一、主要性能参数指标：1.成像装置：自动对焦的大景深800万像素（3264x2448像素）彩色拍摄仪，具有微距拍摄特性，悬浮暗视野、背光可切换2平皿同时成像分析超薄台板，中晶ScanMaker i600 Plus上下LED双光源彩色扫描成像，自动聚焦、亮度可调，能实现光学分辨率2960万像素的均匀背光、暗视野成像，zui大色彩深度48位，适应培养皿：50～180mm及A5幅面内的矩形平板，同时测定2个90mm平皿（倾注、涂布、3M纸片、膜滤、螺旋接种平皿）杭州万深检测科技有限公司2.菌落计数分析a.自动识别统计：SmartdownTM菌落智能识别技术，具有菌落目标自动增强特性，自动识别大规模团状、链状粘连的长形杆菌（显微形态大片粘连的大肠杆菌、病菌孢子）及平皿上的各类菌落（含金色葡萄球菌计数（GB4789.10-2016）、大肠菌群测定（GB4789.3-2016）等等）。
可自动形成批处理向导，实现一键式自动计数b.自动计数精度≥96.5%，最多监视修正3.5%，即达100%正确。
分析统计速度：150～1000个菌落/s，2平皿同时分析时的每个平皿成像+计数总耗时≤4秒c.菌落粘连分割：自动分割相互成片粘连的长形、圆形等菌落目标，用户可选择分割或不分割。
还可手动分割、合并菌落目标图像杭州万深检测科技有限公司d.颜色形状识别：具有快速水平集提取技术，可按20类分类识别计数特定颜色、形状的菌落数量，并可类别转换修正。
可同时选择6个目标区自动分别分析，并自由增减或编辑分析目标区e.菌落形态分析：自动获得各菌落面积、等效直径、长轴、短轴、长宽比、圆度、周长、形状系数等。
全自动菌落计数仪系统的制作流程
图片简介:本技术介绍了一种全自动菌落计数仪系统，属于菌落计数技术领域,包括中央处理模块，所述中央处理模块输入端连接有图像处理模块和颜色识别模块，所述图像处理模块和颜色识别模块输出端均连接有检测组件，所述中央处理模块输入端连接有用户锁定模块。
本技术中，通过设置中央处理模块、高斯模糊单元、特征匹配模块和计算分析模块，高斯模糊算法能够有效扩容得出菌落边沿区域特征，提高对菌落比对效率，且降低对数据库模块的性能要求，在对比得出区别特征后通过标定模块对菌落进行精确技术，相较于现有技术显著在提高对菌落数量的计数的效率的同时，有效保证对菌落内细菌计数的精度，满足菌落计数的使用需要。
技术要求1.一种全自动菌落计数仪系统，包括中央处理模块，其特征在于，所述中央处理模块输入端连接有图像处理模块和颜色识别模块，所述图像处理模块和颜色识别模块输出端均连接有检测组件，所述中央处理模块输入端连接有用户锁定模块，所述中央处理模块输入端还连接有高斯模糊单元，所述中央处理模块输入端双向连接有特征匹配模块，所述中央处理模块输入端连接有标定模块，所述特征匹配模块输入端连接有数据库模块，所述特征匹配模块输入端连接有计算分析模块；所述中央处理模块用于处理各种控制请求，所述高斯模糊单元用于将图像处理模块处理后的图像进行高斯模糊来提高菌落边沿的清晰度，方便特征匹配模块进行特征匹配对比，所述图像处理模块用于将检测组件拍摄的图像进行预处理，并且在颜色识别模块识别出颜色区后对检测图像进行灰度化处理，所述颜色识别模块用于识别菌落颜色并传输给中央处理模块用于后续进行特征匹配，所述检测组件用于检测并拍摄培育皿内菌落分布情况，所述用户锁定模块用于对不同研究员操作权限进行管理，所述特征匹配模块通过调用数据库模块内菌落数据对菌落进行特征对比，所述计算分析模块用于对特征匹配模块传输的匹配数据通过算法进行计算分析进行比对，所述数据库模块用于调用并定期存储更新菌落特征图像，所述标定模块用于通过特征匹配模块得出的特征数据对菌落数量进行快速标定。
基于机器视觉的菌落计数算法研究
基于机器视觉的菌落计数算法研究菌落计数在生物学研究和实验室实践中扮演着重要的角色。
传统的菌落计数方法通常是由人工进行，不仅费时费力，还容易出现误差。
然而，随着机器视觉技术的发展，基于机器视觉的菌落计数算法逐渐成为一种快速、准确且高效的替代方案。
一、菌落计数算法的基础原理基于机器视觉的菌落计数算法主要基于图像处理和分析技术。
其基础原理可以总结为以下几个步骤：1. 图像获取：通过摄像头或扫描仪，获取待计数的菌落图像。
2. 预处理：由于菌落图像中可能存在噪声或者背景干扰，需要进行图像预处理，包括去噪、灰度化、二值化等操作，以便更好地分离菌落。
3. 特征提取：通过图像处理算法，提取菌落的特征，如形状、颜色、纹理等。
4. 分割：利用图像分割算法，将菌落与背景分离，便于进一步的计数和分析。
5. 计数：根据分割得到的菌落图像，通过数学图像处理算法，进行菌落的计数。
二、基于机器视觉的菌落计数算法研究现状目前，研究者们对于基于机器视觉的菌落计数算法进行了广泛的研究，提出了不同的方法和技术。
以下是其中几种常见的算法：1. 阈值法：通过设定一个阈值，将图像中的像素点二值化，然后进行区域连通分析，实现菌落的计数。
2. 形态学运算法：基于形态学运算的方法，利用开运算、闭运算等操作，进一步分离菌落，提高计数的准确性。
3. 基于机器学习的方法：利用机器学习算法，如支持向量机（SVM）、卷积神经网络（CNN）等，对菌落图像进行分类和计数。
4. 基于深度学习的方法：深度学习算法在图像处理领域取得了重大突破，近年来被广泛应用于菌落计数，通过构建深度神经网络模型，实现高效、准确的菌落计数。
三、基于机器视觉的菌落计数算法的应用与挑战基于机器视觉的菌落计数算法广泛应用于生物学研究、医学诊断、食品安全等领域。
通过自动化的计数过程，不仅可以提高计数的准确性，还能大幅度节省时间和人力成本。
然而，面临着一些挑战。
首先，菌落计数算法需要考虑多个因素，如图像质量、背景干扰、菌落形状和大小的差异等。
基于机器视觉的自动化细胞计数技术研究
基于机器视觉的自动化细胞计数技术研究随着现代医学研究的不断深入，对于细胞的研究也越来越重要。
而细胞计数是细胞学研究的基础，因此开发一种高效、准确的细胞计数技术就变得尤为重要。
传统的手动计数方式虽然准确，但速度较慢，且易受人为因素的影响；电子显微镜计数又受到多种因素的影响，如成像质量、调节参数等。
因此，近年来一种基于机器视觉的自动化细胞计数技术越来越受到关注。
这种技术基于机器学习、图像处理等技术手段，可以从电子显微镜或光学显微镜所得的细胞照片中，自动识别和计数细胞。
该技术的核心是构建一个能够自动识别不同类型细胞的算法，并通过这个算法来分析计数。
当然，为了获得更高的精度，该算法需要依据大量真实的细胞图像进行训练和优化。
那么，该技术的优点和应用领域有哪些呢？首先，基于机器视觉的自动化细胞计数技术具有计数准确性高、工作效率高等优点。
相对于传统的手动计数方式，它可以更加准确地计数大量的细胞，同时也大大节省了时间和人力成本。
其次，该技术应用领域非常广泛。
例如，它可以用于细胞毒性测试及细胞生长与分裂情况的研究。
此外，对于医学生物学领域中的相关研究，如疾病诊断与治疗研究、药物筛选等，该技术也能够提供极大帮助。
例如，在癌症治疗方面，该技术可以对肿瘤细胞进行有效、高速的计数和识别，从而实现精准治疗。
最后，基于机器视觉的自动化细胞计数技术在未来的发展趋势也十分值得关注。
随着技术的不断进步，其准确性和效率将进一步提升，同时，它可能还会与其他技术手段相结合，开发出更加全面和先进的细胞研究方法。
总之，基于机器视觉的自动化细胞计数技术是一种高效、准确、有前途的研究方法。
它将科学研究的速度和质量提升到了全新的水平，带来了更为便捷、精确的研究方式，因此，它必将在未来的细胞学研究中大放异彩。
全自动菌落计数仪项目商业计划书
全自动菌落计数仪项目商业计划书一、项目背景及市场分析1.1 背景我国食品、医药、环保等行业严格要求产品质量，而其中的微生物质量是最为重要的因素之一。
因此，传统的菌落计数方法已延续了很长时间，但在操作的稳定性和效率上仍然难以令人满意。
全自动菌落计数仪的出现将在这一领域中起到重要的作用，可以克服传统的一些弊端，快速、准确地完成菌落的计数工作。
1.2 市场分析全自动菌落计数仪的出现将极大地满足消费者需求，大幅提高菌落计数的准确性和效率。
目前，我国相关市场缺乏此类产品，因此市场空间广阔。
未来随着科技水平的提升，相关市场发展前景将会更加广阔。
二、产品概述2.1 产品特点该菌落计数仪用于自动计算菌落的数量和形态，同时将数据实时传输至计算机，具有以下特点：(1) 高准确性：该仪器的渐进扫描技术可以准确地测量菌落数量和形态。
(2) 高效率：自动计数和汇总可缩短分析时间并避免分析误差。
(3) 易于操作：用户可以通过计算机界面进行全程操作，只需要简单的培养前的准备工作。
(4) 可靠性：该仪器可根据不同的需求，选择适合的容器和培养基，以确保稳定性和可靠性。
2.2 产品应用该产品广泛应用于生化、制药、食品、环保等领域，用于产品结构分析、微生物个数估计、形态分析、权重评估、食品安全检测等领域。
三、商业计划3.1 市场定位针对广大潜在客户的需求，我们的目标市场主要是生产和研究单位，包括医院、食品、制药、环保、大学和研究机构等。
3.2 经营模式我们将实施生产与销售相结合的经营模式。
我们将建立自己的生产线，这样可以避免研发成本和生产成本的大幅度上涨。
同时我们还将建立自己的销售团队，强化销售渠道。
3.3 资金预算（1）设备成本：50万元（2）厂房租金：20万元/年（3）员工薪资支出：40万元/年（4）市场营销费用：20万元/年（5）其他费用：10万元/年合计150万元3.4 预期收益我们预计每年的销售收入将达到200万元，净利润将在100万元以上。
便携式菌落智能计数系统的设计和实现的开题报告
便携式菌落智能计数系统的设计和实现的开题报告一、选题背景菌落计数是微生物学研究中的基本技术之一，广泛应用于病原微生物的检测、医药、食品等领域。
传统的菌落计数方法需要在平板上培养一定时间后对菌落数目进行手动计数，效率低且容易出现误差。
为解决这一问题，近年来随着技术的发展，出现了一系列菌落计数仪器。
然而这些设备一般体积较大、价格较高、不方便携带，难以实现实时检测。
因此，设计一款体积小巧、性价比高、易于携带的便携式菌落智能计数系统，是当前亟待解决的问题。
二、研究目的和意义本项目旨在研究设计实现一款便携式菌落智能计数系统，具有以下目的和意义：1.提高菌落计数的效率和准确性。
该系统采用数字图像处理技术，自动识别和计数菌落，避免了人工计数的误差和主观性。
2.实现检测过程的实时性。
该系统不需要将样品带回实验室进行处理，只需要现场拍摄和处理菌落图像即可实现实时检测，节省了时间和成本。
3.实现设备的便携化和小型化。
该系统体积小巧、易于携带，适用于野外、移动检测等特定场合。
三、研究内容本项目的研究内容包括以下几个方面：1.硬件系统的设计和制造。
设计制作一款体积小巧、携带方便的数码相机和平板电脑结合的便携式计数系统。
2.数字图像处理算法的研究和优化。
应用数字图像处理技术，开发一套自动识别和计数菌落的算法。
3.系统的功能集成和优化。
建立图像处理和计数模块，将软件模块整合到平板电脑上，实现数据存储、图像处理、计数结果输出等功能。
四、研究方法本项目采用以下研究方法进行：1.文献调研和综述。
查阅相关文献，了解已有的菌落计数仪器的原理和应用，并对其进行综述和分析。
2.硬件系统的设计和制造。
根据要求设计一款体积小巧、性价比高的计数系统，并制作系统的硬件组件。
3.数字图像处理算法的研究和优化。
选择合适的数字图像处理算法，根据实际菌落图像的特征进行参数优化，提高计数精度。
4.系统的功能集成和优化。
建立图像处理和计数模块，将软件模块整合到平板电脑上，实现数据存储、图像处理、计数结果输出等功能。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2019 年 1 月 第 1 期 总第 145 期
海峡科学 Straits Science
January 2019 No.1, Total 145th
基于机器视觉的菌落自动计数软件开发
马健锦（Βιβλιοθήκη 州市市场监管监测服务中心，福建 福州 350011）
[摘要] 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。通过利用 OpenCV
库函数对培养皿图像进行滤波、灰度化、二值化、查找轮廓、色差比对、形态学比对等一系列操作，找出识别、
分割、统计出图片中菌落数量的准确方法。并设计出一套具有操作简单、价格低廉、结果准确等特征，可广泛适
用于大多数菌落图像的计数软件。
[关键词] 机器视觉 菌落 自动计数软件
[中图分类号] TP391
[文献标识码] A
[文章编号] 1673-8683(2019)01-0037-04
1 概述
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。我国目前主要以 普通营养琼脂倾注平皿法来进行菌落接种和计数。在高 污染样品中，常遇到样品中含数百个菌落，手动打点的 统计方法需要几十分钟，耗时长、效率低、强度大、易 疲劳。若期间受到干扰或打断时，常面临返工风险。随 着操作人员疲劳度的上升，结果误差也会加剧，不同实 验员检测重现性也差。
通过比较分析发现：均值滤波在图像去噪的同时也 模糊了图像，导致之后操作中菌落更加难以识别。高斯 滤波可消除高斯噪声，应用最广泛但不适用于菌落的识 别。中值滤波能有效去除椒盐噪声，但同时也会将细小 的菌落误作噪声除去。尽管双边滤波的耗时是其他算法 的数倍甚至数十倍，但其在降噪的同时完美保存了边 缘，因此，选用双边滤波进行降噪才是最适合菌落识别 的。 2.2 灰度化
实验室环境各异，各色桌布、光照强度等均会对摄 像效果造成影响，为了消除这些背景的干扰，需要先从 图片中搜出培养皿，以有效提升后续查找和计算工作的 运算速度及准确性。目前通用算法是霍夫圆变换 HoughCircles()，一般情况下均能找到培养皿。但实际 工作中，常会遇到培养皿在生产及使用过程中形变，或 培养皿表面有干扰纹路，或摄像时镜头偏离中心等情 况，图中的培养皿有可能是偏心圆或者椭圆，而并非标 准圆。此时，采用霍夫圆变换的算法将失效，无法顺利 找到培养皿。为了加强软件的通用性，本软件新增了轮 廓法 findContours()作为备用，而轮廓法也可以作为后 期菌落识别的一种有效补充方式。
根据搜到的培养皿，对原图进行并运算后，即可消 除培养皿的外部背景，减少干扰。 2.4 搜索菌落
消除背景后，遍历培养皿内全部像素，根据菌落的 特性来对培养皿中琼脂和菌落进行聚类，可以有效区分 菌落与培养皿。
选取 6 个样品图片（其中培养皿 05 号样品为灰度 图像，三通道数据相同），手动抠出整个培养皿、培养 基部分、菌落及其周边部分、整体菌落部分、菌落中间
部分，并对 BGR 三通道分别求其均值及方差（见表 1）。 表 1 图像中菌落内部及周边颜色三通道的均值 与标准方差
培养皿 00 培养皿 培养基 菌落及边 菌落 菌落内部 落差
均值 m（BGR)
117.0 111.1 17.8
114.1
128.8
灰度图是图像处理的必要过程，大多数的算法都建 立在灰度图的基础上，将三通道 RGB 或者四通道 RGBA 的图像根据灰度化公式转化为单通道图像，保留
·37·
HAI XIA KE XUE
海峡科学
2019 年第 1 期
了图像的轮廓、基本色差等特性，同时降低了多通道之 间的干扰。
灰度化有分量法、最大值法、平均值法、加权平均 法，为了保留最佳效果，采用加权平均法。计算公式为： f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)。Qt、OpenCV 库中 均有 RGB 转 gary 的 api，直接调用即可。 2.3 消除背景
使用轮廓法需要对灰度图预先二值化。采用固定阈 值门限分割的方式 threshold()对图片二值化，容易受到 光照、背景等因素的干扰，导致强光或弱光区域完全黑 化或白化。菌落计数仪用采样箱屏蔽外部光线，使用内 部固定、稳定光源照明取像，可以使用该算法。
而本软件在取像时多采用自然光或是普通日光灯 管作为照明，难以做到全图光线完全一致的情况。所以 本软件使用自适应阈值法 adaptiveThreshold()对图像进 行了分块处理，分别对各局部区域以不同阈值进行二值 化，再合并全图。之后通过不断迭代求得的结果进行比 对，就可准确搜到培养皿。
基于机器视觉的图像分析技术日新月异，利用计算 机自动计数来提升效率的方式已是大势所趋。当前市面 上常见的菌落计数仪，多采用高清摄像头，将培养皿置 于封闭空间内取像，再传到计算机上进行处理和计数， 具有速度快、结果准等优点。但仍存在设备复杂、价格 昂贵、无法移动，以及菌落形态限制等硬伤，因此购买 这类计数仪并投入使用的国内实验室并不多。
使用在 Win7 平台上能稳定运行的 5.8 版本进行测试。
2 实现方式
编写软件进行菌落自动计数主要分为以下步骤：滤 波降噪、灰度化、消除背景、搜索菌落、判定目标、结 果统计等。 2.1 滤波降噪
再精密的相机或者摄像头，都不可避免会出现噪 声。非专业摄影人员使用性能一般的手机或数码相机所 拍摄的图像，存在噪声大、焦距差、稍有模糊等缺陷。 因此，降噪工作是整个图像分析的基础，将直接影响到 最终的统计结果。在 OpenCV 中，均值滤波、中值滤波、 高斯滤波、双边滤波等算法均可完成该项工作。