文献综述（或调研报告）：
在液滴式数字 PCR中，对于扩增后的液滴的数量、阴阳性等的检测是一个很重要的环节。一张液滴图像包含了成千上万个微液滴，由于人工计数困难，错误率较高，应用图像处理和分析算法解决这个问题是很有必要的。针对本课题的研究方向及课题中待解决的关键问题及难点，项目前期已经查阅了数十篇相关文献，对相应的问题提出了一些解决方案。
1.图像去噪。摄像机拍摄显微镜下的微液滴图像的过程中，由于电磁干扰及外界环境的影响,会使图像混有噪声（主要是椒盐噪声）。椒盐噪声在图像上表现为一个个孤立的黑色或白色的像素点。椒盐噪声与周围环境（邻域）有明显的灰度差别，若不进行降噪处理，将会给后续的图像处理带来不良的影响，因此图像去噪是一个必须进行的环节。考虑到椒盐噪声的特点，可以采用对椒盐噪声处理效果较好的中值滤波算法对图像进行降噪处。
2.图像增强。图像在计算机中的存储方式是矩阵的形式，矩阵的每一个元素称为像素，像素的值称为亮度或灰度。高通量数字 PCR 液滴图像存在着图像整体较暗（灰度较低），对比度不高，液滴边缘模糊等问题。因此在图像分析之前，需要对图像进行增强处理。经过调研，本课题总结了两种图像增强算法：①全局直方图均：利用变换函数将输入图像的灰度级映射到输出图像,使输出图像各灰度级相对均匀分布,从而使图像的对比度得到增强；②自适应直方图均：将一整幅图像均匀分成5x5或8x8等各个区块，对各区块进行线性插值（如双线性内插法）后，分别对各个区块各自进行直方图均衡化，达到增强图像对比度的目的。由于图像明暗分布的问题，对一张图像进行全局的直方图均衡化可能导致明部或者暗部的细节丢失，而自适应直方图均衡算法运算量相对较大，算法也更复杂。
3.图像分割。微液滴荧光图像中既包含有阴性液滴，也包含有阳性液滴。因此，将阳性液滴和阴性液滴较好的分割出来，分别对其进行处理是很重要的。图像分割的质量关系到后续的识别和处理。目前并没有通用的图像分割方法，需要根据课题所处理的问题特点，实际的进行比较和选择。经过调研，本课题总结了三种可行的图像增强算法：①基于灰度直方图的Ostu（大津算）：Ostu算法利用阈值将原图像分成前景和背景。当选取最佳阈值时，根据“最大类间方差”这一标准，图像背景应该与前景差别最大。②基于图像边缘检的分割算法：边缘被定义为图像中灰度发生急剧变化的区域边界。边缘检测就是通过检测图像
的边缘来达到分割图像的对象与背景的目的。③基于区域的分水岭算：分水岭算法将在空间位置上相近并且灰度值相近（梯度）的像素点互相连接起来构成一个封闭的轮廓，由此达到分割前景与背景的目的。
4. 图像特征提取。图像特征提取主要是提取分割后的图像的圆形特征，进而对阴性或阳性液滴进行计数。经过前期的调查研究，最终总结了3种可行的计数方法：①统计学方:统计学方法通过计算图像各个连通区域的面积，然后按面积大小对连通域进行分类并找到分类后的连通域个数最多的区间，对这个区间内的所有连通域面积求均值，并认定这个均值即是单个液滴大小，以此来计算其他粘连连通域的液滴个数。②凹点分析：圆形液滴的边界是凸向外侧的，如果两个或多个圆形液滴粘连，就会出现凹向内侧的边界，这种边界的顶点就叫做凹点。通过检测图像液滴边界的凹点，并对凹点进行配对就可以得到粘连区域的液滴真实数目，进而得到整体图像的液滴数目。③Hoff圆变 : 如果一个圆上的点，都沿着其梯度方向画线，那么所有线的交点就是这个圆的圆心。Hoff圆变换首先设定二维累加器矩阵，通过Canny边缘检测，遍历一幅二值图中的所有非零像素点并沿着梯度方向画线，将此线段所经过的所有累加器中的数值加一。遍历一遍图像后，通过阈值对所有累加器的值进行判定并得到圆心。最后通过圆心判定半径。由此，可以对整幅图像的圆形液滴进行计数并定位。
参考文献：
[1]. 闫学昆.CB法微核图像自动分析关键技术研究与系统实现 [D] 中国人民解放军军事医学科学院博士学位论文 2010
[2]. 陈凯.双核细胞显微图像的自动分割与识别 [D] 华中科技大学硕士学位论文 2004
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
