CN110100198B - 印迹图像中的背景信号的减少 - Google Patents

印迹图像中的背景信号的减少 Download PDF

Info

Publication number
CN110100198B
CN110100198B CN201780079598.XA CN201780079598A CN110100198B CN 110100198 B CN110100198 B CN 110100198B CN 201780079598 A CN201780079598 A CN 201780079598A CN 110100198 B CN110100198 B CN 110100198B
Authority
CN
China
Prior art keywords
image
digital image
feature
interest
erosion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780079598.XA
Other languages
English (en)
Other versions
CN110100198A (zh
Inventor
C·T·麦基
M·格里芬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bio Rad Laboratories Inc
Original Assignee
Bio Rad Laboratories Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Bio Rad Laboratories Inc filed Critical Bio Rad Laboratories Inc
Publication of CN110100198A publication Critical patent/CN110100198A/zh
Application granted granted Critical
Publication of CN110100198B publication Critical patent/CN110100198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/94—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
    • G01N33/543—Immunoassay; Biospecific binding assay; Materials therefor with an insoluble carrier for immobilising immunochemicals
    • G01N33/54393—Improving reaction conditions or stability, e.g. by coating or irradiation of surface, by reduction of non-specific binding, by promotion of specific binding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/58—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances
    • G01N33/582—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances with fluorescent label
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/59—Transmissivity
    • G01N21/5907—Densitometers
    • G01N21/5911—Densitometers of the scanning type
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6456—Spatial resolved fluorescence measurements; Imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/76—Chemiluminescence; Bioluminescence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/416—Systems
    • G01N27/447—Systems using electrophoresis
    • G01N27/44704—Details; Accessories
    • G01N27/44717—Arrangements for investigating the separated zones, e.g. localising zones
    • G01N27/44721—Arrangements for investigating the separated zones, e.g. localising zones by optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10064—Fluorescence image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Abstract

用于产生印迹图像的系统和方法。使用具有视场和放大率的成像系统对例如蛋白质印迹的印迹进行成像。该印迹中感兴趣特征对应于数字图像中的特征，并且数字图像中的特征的尺寸取决于成像系统的放大率。基于数字图像中的特征的尺寸和形状来选择结构化要素，并且该图像以形态学方式被腐蚀和被膨胀变化的次数。从原始印迹图像减去经腐蚀和膨胀的图像，以从印迹图像中去除背景信号，从而产生输出图像。完全腐蚀感兴趣特征所需的腐蚀数量是自动确定的，例如通过研究与所执行的腐蚀数量有关的、输出图像的峰度的特性来自动确定。

Description

印迹图像中的背景信号的减少
相关申请的交叉引用
本申请要求于2016年12月23日提交的美国申请62/438,664的权益，为了所有目的其全部内容通过引用并入本申请。
背景技术
电泳原理广泛用于生物化学研究和分析，例如用于分离和定量混合物中的蛋白质、用于疾病诊断、用于DNA分析或用于其他目的。将混合物供应到凝胶边缘并置于电场内。电场使混合物中的蛋白质移动通过凝胶。每种蛋白质移动的速率取决于特定蛋白质的分子量，使得较轻的蛋白质比较重的蛋白质更快地穿过凝胶。一段时间之后，不同的蛋白质在凝胶内变成分离在条带中。
在一些情况下，可以对凝胶进行着色和洗涤，从而可以直接读取蛋白质的位置。然而，在另一种称为蛋白质印迹(western blot)的常用技术中，将蛋白质转移到硝酸纤维素膜上并暴露于识别感兴趣的蛋白质的一抗(primary antibody)。然后引入与一抗相结合的经标记的二抗。例如，二抗可以利用荧光或化学发光标记物进行标记。一旦去除过量的抗体，就可以读取硝酸纤维素膜上的蛋白质图案，例如通过激发标记抗体的荧光并读取从样品发出的所得荧光的图案，或者通过读取从样品通过化学发光并发出的光的图案。例如，可以使用对所发出的光的波长敏感的相机或扫描仪来读取该图案，并且可以将该图案记录在数字图像中。蛋白质条带在数字图像内显示为特征。
蛋白质印迹的图像通常包含可以围绕感兴趣特征的显著的背景信号。该背景信号可能是由被标记抗体的不均匀结合、底物的荧光或其他来源引起的。背景信号是不期望的，因为它模糊了数字图像中的感兴趣特征并且使得进一步的分析更加困难。
其他种类的技术(例如斑点印迹(dot blotting)、印迹杂交(Southern blotting)等)产生具有类似背景信号问题的印迹图像。
发明内容
根据一个方面，一种系统包括具有视场和放大率的成像装置。成像装置被配置成用于产生具有感兴趣特征的生物印迹的第一数字图像。该数字图像包括感兴趣特征，并且第一数字图像中的感兴趣特征的尺寸部分地由成像装置的放大率确定。第一数字图像中感兴趣特征的形状部分地由用于产生印迹的特定技术确定。该系统还包括处理器，该处理器被编程用于选择结构化要素(structuring element)，其中结构化要素的尺寸和形状至少部分地基于第一数字图像中感兴趣特征的尺寸和形状来进行选择。处理器还被配置成用于使用结构化要素执行第一数字图像的形态学腐蚀，以产生第二数字图像。形态学腐蚀被执行完全腐蚀第一数字图像中的感兴趣特征所需的次数。处理器还被配置成用于随后使用结构化要素执行第二数字图像的形态学膨胀，以产生经腐蚀和膨胀的图像。形态学膨胀被执行与形态学腐蚀的次数相同的次数。处理器还被配置成通过从第一数字图像减去经腐蚀和膨胀的数字图像来产生输出数字图像。完全腐蚀感兴趣特征所需的次数是自动确定的。在一些实施例中，成像装置可以是相机、扫描仪或密度计。在一些实施例中，印迹通过荧光发出光，并且成像装置通过测量通过荧光从印迹发出的光来产生第一数字图像。在一些实施例中，印迹通过化学发光发出光，并且成像装置通过测量通过化学发光从印迹发出的光来产生第一数字图像。在一些实施例中，印迹是电泳样品，并且感兴趣特征的尺寸和形状部分地由用于制备印迹的特定电泳技术确定。
根据另一方面，一种从生物印迹的数字图像去除背景的方法包括接收具有感兴趣特征的生物印迹的第一数字图像。第一数字图像由具有视场和放大率的成像装置产生，并且数字图像包括感兴趣特征。第一数字图像中感兴趣特征的尺寸部分地由成像装置的放大率确定，并且第一数字图像中感兴趣特征的形状部分地由用于产生印迹的特定技术确定。该方法还包括选择结构化要素。至少部分地基于第一数字图像中感兴趣特征的尺寸和形状来选择结构化要素的尺寸和形状。该方法还包括使用结构化要素执行第一数字图像的形态学腐蚀以产生第二数字图像，该形态学腐蚀被执行完全腐蚀感兴趣特征所需的次数。该方法还包括随后使用结构化要素执行第二数字图像的形态学膨胀以产生经腐蚀和膨胀的图像，该形态学膨胀被执行与形态学腐蚀的次数相同的次数。该方法还包括通过从第一数字图像减去经腐蚀和膨胀的数字图像来产生输出数字图像。完全腐蚀感兴趣特征所需的次数是自动确定的。在一些实施例中，相同数量的腐蚀和膨胀构成腐蚀和膨胀的组，以具有增加的数量的腐蚀和膨胀的组的方式执行(performed in sets)腐蚀和膨胀，并且该方法还包括在每个腐蚀和膨胀的组之后自动确定感兴趣特征是否已被完全腐蚀。在一些实施例中，自动确定感兴趣特征是否已被完全腐蚀还包括：在每个腐蚀和膨胀的组之后产生相应的输出图像；在每个腐蚀和膨胀的组之后计算相应的输出图像的峰度(kurtosis)；跟踪峰度的变化率，该峰度的变化率与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关；将峰度的变化率与预定阈值进行比较；当峰度的变化率降到低于预定阈值时，确定感兴趣特征已被完全腐蚀。在一些实施例中，相同数量的腐蚀和膨胀构成腐蚀和膨胀的组，并且该方法还包括：以具有变化(varying)数量的腐蚀和膨胀的组的方式执行腐蚀和膨胀；在每个腐蚀和膨胀的组之后计算相应输出图像的峰度；以及将峰度的变化率建模为所述变化率的指数衰减(exponential decay)，该变化率与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关。在一些实施例中，该方法还包括：将一直线拟合到测量的峰度的变化率中的至少一些的对数，该峰度的变化率与在每个腐蚀和膨胀的组中执行的腐蚀和膨胀的数量相关；以及计算其中直线具有零纵坐标的位置。在一些实施例中，该方法还包括选择与在该直线具有零纵坐标处的腐蚀和膨胀的数量相对应的输出图像作为期望的输出图像。在一些实施例中，接收生物印迹的第一数字图像包括接收电泳样品的数字图像。在一些实施例中，第一数字图像中感兴趣特征的尺寸和形状至少部分地由用于制备印迹的特定电泳技术确定。在一些实施例中，接收生物印迹的第一数字图像包括接收蛋白质印迹的数字图像。在一些实施例中，接收生物印迹的第一数字图像包括接收斑点印迹的数字图像。
根据另一方面，一种从生物印迹的数字图像去除背景的方法包括接收具有感兴趣特征的生物印迹的第一数字图像、以及选择结构化要素。至少部分地基于第一数字图像中的感兴趣特征的尺寸和形状来选择结构化要素的尺寸和形状。该方法还包括使用结构化要素执行第一数字图像的形态学腐蚀以产生第二数字图像。形态学腐蚀被执行完全腐蚀该感兴趣特征所需的次数。该方法还包括随后使用结构化要素执行第二数字图像的形态学膨胀，以产生经腐蚀和膨胀的图像。形态学膨胀被执行与形态学腐蚀的次数相同的次数。该方法还包括通过从第一数字图像减去经腐蚀和膨胀的数字图像来产生输出数字图像。完全腐蚀感兴趣特征所需的次数是自动确定的。在一些实施例中，自动确定感兴趣特征是否已被完全腐蚀还包括：在每个腐蚀和膨胀的组之后产生相应的输出图像；在每个腐蚀和膨胀的组之后计算相应的输出图像的峰度；并且基于峰度的特性确定感兴趣特征是否已从特定的一个输出图像中完全腐蚀，该峰度的特性与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关。在一些实施例中，基于与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关的峰度的特性来确定感兴趣特征是否已从输出图像中特定的一个输出图像完全腐蚀包括：计算峰度的变化率，该峰度的变化率与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关；以及基于峰度的变化率的特性确定感兴趣特征是否已被从特定的一个输出图像中完全腐蚀，该峰度的变化率与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关。
附图说明
图1示出了可用于本发明的实施例的蛋白质印迹的示例图像。
图2示出了根据本发明的实施例的成像系统，其适合于创建诸如图1中所示的图像的印迹的图像。
图3示出了根据本发明的实施例的另一成像系统，其适合于创建诸如图1中所示的图像的印迹的图像。
图4示出了小的理想化数字图像，其被放大以使得各个像素是可区分的，并且适合于描述腐蚀的形态学操作。
图5A-图5C示出了示例结构化要素或核。
图6示出了腐蚀的形态学操作。
图7示出了腐蚀过程中的一个阶段。
图8示出了腐蚀过程中的另一阶段。
图9示出了膨胀的形态学操作。
图10再次显示了图1的原始印迹图像，以方便参考。
图11示出了根据本发明的实施例的经腐蚀和膨胀的图像。
图12示出了根据本发明的实施例的输出图像，其是图10和图11的图像之间的差。
图13示出了根据本发明的实施例的具有穿过一个泳道的强度迹线的图12的图像。
图14示出了根据本发明的实施例的增加数量的腐蚀和膨胀对图1的图像的影响。
图15示出了根据本发明的实施例的由不同数量的腐蚀和膨胀产生的图像的峰度值。
图16示出了根据本发明的实施例的图15的峰度曲线的近似导数。
图17示出了根据本发明的实施例的图16的曲线的反转。
图18示出了根据本发明的实施例的方法的流程图。
图19示出了根据本发明的实施例的另一方法的流程图。
图20示出了与从图1的图像生成的微分峰度值的曲线拟合。
图21示出了图20的拟合曲线上的点的对数以及拟合到对数的线。
具体实施方式
图1示出了可用于本发明实施例的蛋白质印迹的示例图像100。在该示例中，印迹包括通过荧光发出光的经标记的感兴趣的蛋白质，并且这些蛋白质在图像中产生明亮的特征或条带101(仅标记其中的一些)。由于用于制备印迹的特定技术，所以这些特征大致呈矩形。如从图像100可推断的，使用凝胶的四个泳道(lanes)102制成印迹，泳道的近似边界叠加在图1中的图像100上。在产生蛋白质印迹的电泳步骤期间，负责感兴趣特征101的蛋白质在每个泳道中行进大致对应于“D”的距离。
图像100具有以像素单位进行测量并且由成像印迹的尺寸、用于制作图像的成像装置的放大率以及用于制作图像的传感器中的像素数量确定的宽度W和高度H。例如，对于使用70×85毫米的凝胶制备并通过将该印迹投射到具有2750×2200像素的图像传感器上的相机成像的蛋白质印迹，每个泳道102将是约170个像素宽。相应地，图1中的特征101大致为170×30个像素并且大致为矩形。在其他实施例中，取决于用于制作图像的装置和用于制作印迹的技术的特征，当在图像中表示时，感兴趣特征的尺寸和形状可以是不同的。
将认识到的是，图像100是相对简单的示例，其中相同的混合物已经放置在每个泳道102中，使得泳道显示出类似的结果。在其他示例中，在这些泳道的任何泳道中可以看到多个带，并且可以向这些泳道提供不同的混合物。
在图像100中，每个像素由0到255之间的值表示，从而指示成像系统在每个相应像素位置处收集的光的量。可以使用8位数字值方便地表示0-255范围内的值。在其他实施例中，可以使用不同的位深(bit depths)。例如，图像中的每个像素可以由16位值表示，使得65,536种不同的亮度级别是可能的。同样在图像100中，更亮的像素对应于在印迹上发出更多光的位置。在其他实施例中，取决于成像系统和相关处理所采用的符号惯例，相反的情况可能为真。
在图1中还示出的是图像100的一个特定列104的强度迹线103。强度迹线103示出沿着下行的列104的每个像素的像素值。峰105和106对应于图像100中的明亮的特征107和108。较小的峰109对应于图像100中的调光器(dimmer)特征110。
在图1中显而易见的是，强度迹线103从迹线的轴线移位至少距离B。也就是说，图像100中没有像素具有将表示完全黑色的像素的零强度值。这是因为图像中的背景信号。背景信号是不均匀的，并且显示为低水平亮度的变化水平。一些区域的更突出的背景信号显示在111和112处。
该背景信号在很大程度上不是用于从印迹产生数字图像100的成像系统的人工产物。即使当成像系统已被校准以考虑诸如照明不均匀性、透镜渐晕等效果时，因为背景信号是来自印迹的底物的实际信号，所以背景信号仍然存在。
本发明的实施例提供了用于从数字印迹图像中自动去除背景信号的装置和方法。
图2示出了根据本发明的实施例的成像系统200，其适合于创建诸如图1中所示的图像100的印迹的图像。成像系统200可以被认为是相机。为清楚起见，图2中省略了一些结构细节。
在图2中，已经使印迹纸201显影，因此出现条带202。例如，当由照明光源(未示出)照射时，带202可以发荧光。荧光的波长取决于用于标记显影在印迹纸201上的印迹的特定荧光团，并且可以在光谱的红外、可见或紫外部分。
来自印迹纸201的光被透镜203收集并聚焦到传感器204上。传感器204可以是例如电荷耦合器件(CCD)传感器、互补金属氧化物半导体(CMOS)传感器或另一种传感器。通常，传感器包括称为“像素”的光敏区域，该光敏区域以与落在它们上的光的强度成比例的速率累积电荷。可以重置像素并且将传感器暴露于光一段固定时间。一段时间之后，每个像素将会已经累积一定量的电荷，该电荷的量对应于由其在印迹纸201上的相应位置产生的光的亮度。该电荷被转换为表示在传感器像素处感测的光强度的电压信号，并且该电压信号被进一步转换为数字值。这些数字值的有序阵列可以称为数字图像。数字图像中的单个值(或表示到达传感器像素的光的颜色分量的值的集合)也可以称为“像素(pixels)”。从上下文中可以清楚地看出“像素”的含义。如图2所示的，从电荷水平到数值的转换可以由控制电子设备205执行。控制电子设备205被示出为单个块，但是可以包含各种数字和模拟电子部件、一个或多个模数(A/D)转换器或采用任何合适布置的其他组件。控制电子设备205可以经由接口206将数字图像提供给计算机系统207，以供用户208查看和进一步处理。在所附权利要求的范围内，其他架构也是可能的。例如，A/D转换器可以与传感器204集成，使得控制电子设备205接收已经数字化的值。
系统200的放大率是由透镜203投射到传感器204上的图像的宽度WS与印迹纸201的成像区域的宽度WP的比率。因此，在传感器204上的条带202中的一个条带202的以毫米为单位的宽度为：
MM＝WB(mm)*WS(mm)/WP(mm)
并且给出了条带202中的一个条带202的像素宽度：
P＝MM/WS*W
其中W是所得的数字图像的以像素为单位的宽度。传感器处的以像素为单位的特定条带的高度将在某种程度上取决于正在执行的特定测定(assay)，但是在蛋白质印迹图像的情况下，通常将小于传感器处的以像素为单位的条带宽度。
图3示出了根据本发明的实施例的另一成像系统300，其适合于创建诸如图1中所示的图像100的印迹的图像。成像系统300包括扫描仪301，有时也称为密度计(densitometer)。扫描仪301包括盖玻璃302，在盖玻璃302上放置印迹纸201。在该示例中，光源303、透镜304和线性图像传感器305在盖玻璃302下方扫过以读取印迹纸201。为清楚起见，省略将光源303、透镜304和传感器305连接在一起的运动系统和结构的细节。
光源303可以是任何合适类型的光源，例如为产生用于从印迹纸201激发荧光的发光二极管(LED)光源。透镜304聚集所发射的荧光中的一些并将其聚焦在传感器305上。各种挡板、滤光器或其他特征(未示出)可以就位以阻挡反射的照明光到达传感器305。
传感器305可以是CCD传感器、CMOS传感器或其他合适类型的传感器。如图3所示，从传感器305中的电荷水平到数值的转换可以由控制电子设备306执行。控制电子设备306被显示为单个块，但是可以包含各种数字和模拟电子部件、一个或多个模数(A/D)转换器或采用任何合适布置的其他组件。控制电子设备306可以经由接口307将数字图像提供给计算机系统308，以供用户309查看和进一步处理。
传感器305与上面讨论的传感器204的不同之处在于传感器305可以仅具有单行或少量行的像素位点。因此，当投影到印迹纸201上时，传感器305的视场仅包括一窄条的印迹纸201，在图3所示的X方向上穿过印迹纸201。通过运动系统(未示出)在Y方向上跨印迹纸201扫描该视场，并且通过将传感器305连续曝光到连续的印迹纸201条来累积印迹纸201的图像。印迹纸201的二维图像由条图像构成。在所附权利要求的范围内，其他架构也是可能的。例如，A/D转换器可以与传感器305集成，使得控制电子设备306接收已经数字化的值。
系统300的放大率是由透镜304投射到传感器305上的图像的宽度WS与印迹纸201的成像区域的宽度WP的比率。因此，在传感器305上的条带202中的一个条带的以毫米计的宽度为：
MM＝WB(mm)*WS(mm)/WP(mm)
给出了条带202中的一个条带202的以像素为单位的宽度：
P＝MM/WS*W
其中W是所得的数字图像的以像素为单位的宽度。当利用成像系统200时，以像素为单位的特定条带的高度在某种程度上取决于正在执行的特定测定，但在蛋白质印迹图像的情况下，通常小于传感器处的以像素为单位的条带宽度。
在所附权利要求的范围内，其他类型的成像系统是可能的，以用于产生诸如数字图像100的图像。
从诸如图像100的图像中去除背景信号的现有方法已经遇到缺点。例如，诸如增加对比度的全局图像调整可以有效地迫使图像的一些或所有背景区域为零，但是不考虑跨图像可变的背景信号。现有的“滚动盘(rolling disk)”技术可能对所选盘的大小敏感，因此在系统的用户之间可能是不可重复的。
在本发明的实施例中，使用形态学图像处理操作以自动方式去除背景信号。尽管已知的，但是为了完整性，下面描述了腐蚀和膨胀的形态学操作。
形态学操作基于图像中的特征的形状来处理图像，而不仅仅基于像素亮度级别。在形态学操作中，基于相邻像素的值来调整像素值。被认为位于特定像素附近的像素由结构化要素(有时也称为核(kernel))定义。结构化要素的尺寸和形状可以使形态学操作对图像中的特征的尺寸和形状敏感。
优选地，基于印迹图像中感兴趣特征的尺寸和形状来选择核的尺寸和形状。例如，为了处理蛋白质印迹的图像，核可以是矩形的并且具有0.1、0.2、0.3、0.5的高度，或是图像中预期的感兴趣特征的高度的另一比例。因此，如果预期特征高度为20个像素，则核可以是3-11个像素的高度。(虽然不是绝对要求，但核应该有奇数行和奇数列。)其他比率是可能的。
为了处理斑点印迹的图像，核可以是二维的并且核中的非零值可以近似于实心圆，以便在大致圆形点特征的整个边缘上均匀地操作。如前所述，可以将该圆的直径选择为图像中点的预期直径的比例。
图4示出了小的理想化数字图像400，其被放大以使得单独的像素是可区分的，并且适合于描述腐蚀的形态学操作。图像400是15个像素宽乘以9个像素高，并且具有其像素比围绕它的背景像素更亮(在该示例中)的突出的中心高强度特征401。特征401是9个像素宽乘以3个像素高。
图5A-图5C示出了示例结构化要素或核500。核501和502可以特别适合于处理具有矩形特征的图像，例如蛋白质印迹的图像。核503可以特别适合于处理具有圆形特征的图像，例如斑点印迹的图像。
图6示出了腐蚀的形态学操作。核501已经在概念上以像素601为中心。核500的非零元素定义了在腐蚀操作中在核500的每次应用中将受影响的像素的“邻域(neighborhood)”，也就是说，第一图像400的最左边列的前三个像素。具有最低强度的限定的邻域中的像素(在该示例中为三个像素中最暗的像素)被复制到第二图像600中的对应位置。核500然后在概念上移过第一图像400，并且在每个核位置处具有最低强度的邻域像素被复制到第二图像600的对应像素。该处理逐行向下进行图像400。
在图6的示例中，已经假设第一图像400由具有零强度的像素包围，因此在图像400的顶行中的任何像素上使核500居中将导致将零强度的像素复制到图像600中的对应位置。所示的图像600的顶行已经以这种方式处理过。在其他实施例中，可以使用不同的假设来处理图像400的边缘行。例如，可以假设图像400用其边缘像素的附加副本进行填充，使得图像400的边界外侧的任何理论像素将与图像400的边界内的附近像素相类似。可以设想处理图像400的边缘的其他方式。图6示出了遍历图像400的前两行并复制适当像素的结果。
图7示出了当腐蚀过程到达特征401时发生的情况。随着将核501居中在较高强度特征401的左上像素701上，由核501定义的邻域中的三个像素中的两个是特征401内的高强度像素。因此，较低强度(在该示例中,较暗)的像素702被复制到第二图像600中。当核501穿过图像400并沿着特征401前进时，由核501包含的顶部像素被复制到图像600。
图8示出了处理图像400的下一行，其中核501有时在特征401内居中。当核501遍历特征401时，仅复制来自特征401内的像素，导致将高强度像素复制到图像600。
当已经被处理完毕时，剩余像素也在图8中示出。显而易见的，图像600中的高强度特征401的剩余痕迹在高度上比在图像400中更窄，高强度特征401的顶部和底部行已被较低强度的像素替换。也就是说，特征401的上边缘和下边缘看起来已被腐蚀掉。(因为核501定义了单列邻域，所以特征401的宽度基本上不受腐蚀过程的影响。)如果整个腐蚀过程被再次应用于图像600，则特征401将被完全去除并被较低强度的像素替换。
图9示出了膨胀的形态学过程。膨胀基本上与腐蚀相反。也就是说，在膨胀中，对于第一图像中的每个像素位置，复制在由核定义的邻域中具有最高强度的像素到目标图像。在腐蚀中，高强度特征随着它们被腐蚀掉而趋于变小。在膨胀中，高强度特征趋于增长。
在图9中，示出了核501的一些代表性放置以及它们对应的像素复制结果。经膨胀图像901的其余部分以相同的方式完成，为简洁起见而没有示出各个步骤。在完成的经膨胀图像900中，当与第二图像600中的尺寸相比，已经看到高强度特征401生长或膨胀。
应理解的是，图4-图9中所示的示例只是执行腐蚀和膨胀一个示例。在其他实施例中，可以使用不同尺寸或形状的核，可以使用不同的假设来处理边缘像素，该过程可以以更加算法有效的方式执行，而不是简单地从左到右和从顶部到底部行进通过图像，或者可能存在其他差异。在一些实施例中，较高强度的像素可以表示为比较低强度的像素更暗。
如上所述，对图像进行足够次数的腐蚀可以完全去除高强度特征。一旦已经去除了高强度特征，则将图像重新膨胀相同的次数将倾向于将剩余的低强度像素值扩展通过图像。如果假设数字图像中可见的高强度特征代表印迹中实际感兴趣特征并且周围的低强度区域代表背景信号，那么该腐蚀和膨胀的序列提供了从背景信号分离实际印迹特征的方式。
例如，图10再次示出原始印迹图像100，以便于参考。图11示出了图像1100，其是对图像100执行足够次数的腐蚀以完全去除特征101以及相同数量的膨胀的结果。可以看出，虽然腐蚀和膨胀对特征101具有显著影响，但是对图像的背景区域的影响相对较小。
图12示出了图像1200，其是从图像100中减去图像1100的结果。在该上下文中，“减去”两个数字图像意味着以逐个像素的方式从另一图像的像素值中减去一个图像的像素值。如在图12中可以看到的，减法的效果是基本上从图像100中去除背景信号，同时使感兴趣特征几乎保持其原始状态。
图13示出了图像1200以及通过列104的强度迹线。可以看出，与图1所示的原始图像100相比，基本上不存在背景信号。
如上所述，为了产生图像1100，图像100被腐蚀并膨胀“足够”的次数以去除特征101。优选地，自动确定完全腐蚀特征101所需的腐蚀的数量。在一些实施例中，自动确定何时感兴趣特征已被完全腐蚀包括执行增加或以其他方式变化的腐蚀和膨胀的数量、以及分析所得到的图像。
图14示出了根据本发明的实施例的增加数量的腐蚀和膨胀对图像100的影响。在图14的顶行中，没有执行腐蚀和膨胀，因此经腐蚀和膨胀的图像1401与原始图像100相同。输出图像1405是完全黑暗的，因为从图像100减去图像1401会导致相同值的逐像素减法，使得所有的差值都为零。
在图14的第二行中，在减法之前已经进行了两次腐蚀和膨胀。腐蚀和膨胀已经在一定程度上减小了图像1402中的较高强度特征的尺寸和强度，使得从图像100减去图像1402在输出图像1406中留下了一些特征的痕迹。类似地，进行了四次腐蚀和膨胀以产生图像1403，进行了六次腐蚀和膨胀以产生图像1404。相应地，随着腐蚀和膨胀数量的增加，高强度特征在输出图像1407和1408中变得更加突出。
然而，如果要执行更多数量的腐蚀和膨胀，则在输出图像中将观察到更渐缓的连续变化，因为一旦达到完全腐蚀高强度特征，则经腐蚀和膨胀的图像不会显著改变。
表征与腐蚀和膨胀的数量相关的图像变化的一种便利方式是在过程的每个阶段计算输出图像的峰度。数字图像的峰度与四次(fourth moment)亮度直方图(histogram)有关。峰度的一个常见定义是
Figure BDA0002102714850000131
其中μ是图像中像素亮度值的平均值，Yi是单个像素的亮度，N是图像中像素的数量，s是图像中像素亮度值的标准偏差。与正态分布相比，峰度有时被描述为指示分布的“尾部(tailedness)”。在图像处理情况中，这意味着与强度直方图具有平滑减少的尾巴的图像相比，具有比图像中的平均强度高得多或低得多的强度的少量像素将增加图像的峰度值。
图15示出了根据本发明实施例的由不同数量的腐蚀和膨胀产生的图像的峰度值。图15中的一些点对应于图14中所示的图像1405-1408。虽然均匀图像1405具有零峰度，但是其他图像具有非零峰度。在一次腐蚀和膨胀后，峰度迅速下降，但随着执行更多的腐蚀和膨胀，则下降的速度减小。通过认识到腐蚀和膨胀周期倾向于缩小经腐蚀和膨胀的图像的直方图，可以理解在大量腐蚀和膨胀之后的持续下降。腐蚀倾向于用较低强度的像素替换最高强度的像素，并且膨胀倾向于用具有较高强度的像素替换最低强度的像素。经腐蚀和膨胀的图像的直方图越窄，加宽输出图像的直方图的减法操作越少。
该效果在图16中示出，示出了根据本发明的实施例的图15的峰度曲线的近似导数。导数近似于峰度的相邻值之间的差值。如图15所示的，在初始正跳跃之后，微分(differentiated)峰度接近小的负值，反映了峰度值的近线性下降。
根据本发明的实施例，反转(invert)经微分的峰度曲线(从零中减去每个值)可能是方便的，并且经反转的曲线在图17中显示。如在图17中可以看到的，在初始跳跃之后，微分峰度的下降是近似指数的。在本发明的实施例中，可以利用峰度的变化率来自动确定多少次腐蚀“足以”从印迹图像中完全腐蚀感兴趣的高强度特征。
例如，在一个实施例中，可以使用增加数量的腐蚀来进行腐蚀-膨胀-减法循环，直到峰度的变化率在幅值上小于预定阈值。图18示出了该技术的流程图1800。在步骤1801中，使用诸如上述成像系统200或成像系统300的成像系统或另外合适的成像系统来获取数字印迹图像。成像系统具有视场和放大率。数字图像包括感兴趣特征，并且数字图像中感兴趣特征的尺寸部分地由成像装置的放大率确定，并且数字图像中感兴趣特征的形状部分地由用于产生印迹的特殊技术确定。在步骤1802中，选择结构化要素，该结构化要素具有至少部分地基于数字图像中感兴趣特征的尺寸和形状而选择的尺寸和形状。例如，蛋白质印迹的图像中感兴趣特征通常可以是矩形的，并且合适的结构化要素可以是垂直柱，诸如上述结构化要素501。
在步骤1803中，初始化计数器N。在步骤1804和1805中，将印迹图像腐蚀并膨胀N次，然后从原始印迹图像减去以产生输出图像。在步骤1806处，计算输出图像的峰度。在步骤1807处，如果N＝1，则计数器N在步骤1808处递增，并且控制返回到步骤1804。否则，在步骤1809处计算输出图像的峰度的变化率。在步骤1810处，将峰度的变化率与预定阈值进行比较。如果峰度仍然根据腐蚀次数快速变化，则在步骤1808处递增计数器N并且控制返回到步骤1804。
然而，如果峰度的变化率的幅值已经下降到阈值以下，则假设从步骤1804中产生的经腐蚀和膨胀的图像中完全去除了感兴趣特征，并且输出图像因此已基本去除任何背景信号。图18的方法在步骤1811处停止，其中输出图像是期望的输出图像。
在另一种可能更稳健的技术中，可以更详细地分析图像峰度的变化率，以确定何时已经执行了足够数量的腐蚀以从经腐蚀和膨胀的图像中基本上去除感兴趣特征。图19示出了根据其他实施例的方法的流程图。
步骤1901、1902和1903可以类似于上述步骤1801、1802和1803。也就是说，类似地获取印迹数字图像并且类似地选择结构化要素，并且初始化计数器N.同样地，步骤1904和1905可以类似于步骤1804和1805，其中印迹图像被腐蚀和膨胀N次，并且从原始印迹图像减去所得到的经腐蚀和膨胀的图像以产生输出图像。
在步骤1906处，计算并存储输出图像的峰度。如果N没有达到预选的最大值(步骤1902)，则在步骤1908处递增N并且控制再次转到步骤1904。步骤1903-步骤1908因此形成“do循环(do loop)”，其中原始图像被腐蚀并且膨胀增加数量的次数，从原始图像减去每个经腐蚀和膨胀的图像以产生和输出图像，并且输出图像的峰度值被存储在例如值的数组中。
尽管图19的示例示出了在每次迭代时N递增1，在其他实施例中，N可以在几次循环的迭代之后更快地递增。例如，N可以递增1直到达到N＝10，并且N可以在随后的迭代中递增5。该技术可以节省不必要的计算并使该方法对噪声更稳健，因为峰度值在最初的几次迭代之后可能缓慢地改变。优选地，允许N的值超过完全腐蚀印迹图像中感兴趣特征所需的腐蚀的数量。例如，在步骤1907中测试的N的最大值可以高达50或更高。也就是说，在图19的最后一次迭代中，在产生最后的输出图像时，印迹图像可以被腐蚀50次或更多次并且被膨胀相同的次数。可以使用任何合适的腐蚀和膨胀的最大数量，并且可以多于或少于50。在其他实施例中，腐蚀和膨胀的组不需要以递增的顺序执行，而是可以使用任何变化模式。
一旦存储了所有峰度值，就在步骤1909处分析它们以确定在何点处(N值是什么)图像首次完全被腐蚀。在步骤1910处，将与该N值对应的输出图像确定为期望的输出图像。在其他实施例中，可以选择稍晚的输出图像，例如在图像被确定为首次完全腐蚀的图像之后的下一图像。
在步骤1909处执行的分析可以采用任何合适的形式。例如，可将指数衰减曲线以数学方式拟合到下降的经反转微分的峰度值，诸如图17中所示的。曲线拟合被定义成从(微分峰度的)最大值到最终的峰度值。方便的曲线将是如下形式：
y＝y0+A*exp(-k*x)
术语k表示衰减的速度，并且有时称为指数衰减常数。在一些实施例中，可以认为曲线在指定数目的指数衰减常数(例如三、四或在图像中使用的初始值之后的另外合适的指数衰减常数)之后是几乎完全衰减的(表示峰度变化足够缓慢并且图像已经完全被腐蚀)。例如，如果k＝2.8并且使用4为指数衰减常数的标准，则将选择第11个输出图像作为期望的输出图像(2.8*4～11)。
上述公式中的术语y0解释了对于大数量的腐蚀图像的峰度可能缓慢下降的事实，并且在所执行的最大腐蚀数量内衰减率可能不会达到零。在另一实施例中，可以采用由拟合的曲线近似的微分峰度值中的每一个的对数，并且将一直线拟合到所得到的曲线。因为拟合的衰减曲线是指数(具有小的纵坐标偏移)，所以对数值将近似形成直线。
图20示出了形式为“y＝y0+A*exp(-k*x)”的曲线与从图像100生成的微分峰度值的拟合。图21示出了经拟合的曲线上的点的对数以及拟合到对数的线。在图21的示例中，最佳拟合线在大约八个腐蚀之后与水平轴相交，因此选择使用八次腐蚀和膨胀产生的输出图像作为该期望的图像。在其他实施例中，可以选择第八个图像附近的输出图像，例如第九个或第七个输出图像。
在所附权利要求中，术语“一个(a)”或“一个(an)”旨在表示“一个或多个”。术语“包括(comprise)”及其变体(诸如“包括(comprises)”和“包括有(comprising)”)，当在步骤或要素的叙述之前意图表示添加其他步骤或要素是可选的并且不排除。现在已经为了清楚和理解的目的而详细描述了本发明。然而，本领域技术人员将理解，可以在所附权利要求的范围内实施某些改变和修改。

Claims (19)

1.一种从生物印迹的数字图像去除背景的系统，包括：
成像装置，所述成像装置具有视场和放大率，所述成像装置被配置成用于产生具有感兴趣特征的生物印迹的第一数字图像，所述第一数字图像包括所述感兴趣特征，其中所述第一数字图像中的所述感兴趣特征的尺寸部分地由所述成像装置的所述放大率确定，并且所述第一数字图像中的所述感兴趣特征的形状部分地由用于产生所述印迹的特定技术确定；以及
处理器，所述处理器被编程用于：
选择结构化要素，其中至少部分地基于所述第一数字图像中的所述感兴趣特征的所述尺寸和形状来选择所述结构化要素的尺寸和形状；
使用所述结构化要素执行所述第一数字图像的形态学腐蚀以产生第二数字图像，其中所述形态学腐蚀被执行从所述第一数字图像完全腐蚀所述感兴趣特征所需的次数；以及
随后使用所述结构化要素执行所述第二数字图像的形态学膨胀，以产生经腐蚀和膨胀的图像，其中所述形态学膨胀被执行与所述形态学腐蚀的次数相同的次数；
通过从所述第一数字图像减去所述经腐蚀和膨胀的图像来产生输出数字图像；
其中，自动确定完全腐蚀所述感兴趣特征所需的所述次数。
2.根据权利要求1所述的系统，其中，所述成像装置是相机。
3.根据权利要求1所述的系统，其中，所述成像装置是扫描仪或密度计。
4.根据权利要求1所述的系统，其中，所述印迹通过荧光发出光，并且其中所述成像装置通过测量从所述印迹通过荧光发出的光来产生所述第一数字图像。
5.根据权利要求1所述的系统，其中，所述印迹通过化学发光发出光，并且其中所述成像装置通过测量从所述印迹通过化学发光发出的光来产生所述第一数字图像。
6.根据权利要求1所述的系统，其中：
所述印迹是电泳样品；并且
所述感兴趣特征的所述尺寸和形状部分地由用于制备所述印迹的特定电泳技术确定。
7.一种从生物印迹的数字图像去除背景的方法，所述方法包括：
接收具有感兴趣特征的生物印迹的第一数字图像，其中通过具有视场和放大率的成像装置来产生所述第一数字图像，所述数字图像包括所述感兴趣特征，其中所述第一数字图像中的所述感兴趣特征的尺寸部分地由所述成像装置的所述放大率确定，并且所述第一数字图像中的所述感兴趣特征的形状部分地由用于产生所述印迹的特定技术确定；
选择结构化要素，其中至少部分地基于所述第一数字图像中的所述感兴趣特征的所述尺寸和形状来选择所述结构化要素的尺寸和形状；
使用所述结构化要素执行所述第一数字图像的形态学腐蚀以产生第二数字图像，其中所述形态学腐蚀被执行完全腐蚀所述感兴趣特征所需的次数；以及
随后使用所述结构化要素执行所述第二数字图像的形态学膨胀，以产生经腐蚀和膨胀的图像，其中所述形态学膨胀被执行与所述形态学腐蚀的次数相同的次数；以及
通过从所述第一数字图像减去所述经腐蚀和膨胀的图像来产生输出数字图像；
其中，自动确定完全腐蚀所述感兴趣特征所需的所述次数。
8.根据权利要求7所述的方法，其中：
相同数量的腐蚀和膨胀构成腐蚀和膨胀的组；
所述腐蚀和膨胀以具有增加的数量的腐蚀和膨胀的组的方式执行；以及
所述方法还包括在每个腐蚀和膨胀的组之后自动确定所述感兴趣特征是否已被完全腐蚀。
9.根据权利要求8所述的方法，其中，自动确定所述感兴趣特征是否已被完全腐蚀还包括：
在每个腐蚀和膨胀的组之后产生相应的输出图像；
在每个腐蚀和膨胀的组之后计算所述相应的输出图像的峰度；
根据每个腐蚀和膨胀的组中腐蚀和膨胀的数量，来跟踪所述峰度的变化率；
将所述峰度的所述变化率与预定阈值进行比较；以及
当所述峰度的所述变化率下降到低于所述预定阈值时，确定所述感兴趣特征已被完全腐蚀。
10.根据权利要求8所述的方法，其中，相同数量的腐蚀和膨胀构成腐蚀和膨胀的组，并且所述方法进一步包括：
以具有变化数量的腐蚀和膨胀的组的方式执行所述腐蚀和膨胀；
在每个腐蚀和膨胀的组之后计算相应的输出图像的峰度；以及
将所述峰度的变化率建模为所述变化率的指数衰减，所述峰度的变化率与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关。
11.根据权利要求10所述的方法，进一步包括：
将一直线拟合到所测量的峰度的变化率中的至少一些的对数，所述峰度的变化率与在每个腐蚀和膨胀的组中执行的腐蚀和膨胀的数量相关；以及
计算所述直线具有零纵坐标的位置。
12.根据权利要求11所述的方法，进一步包括：选择与在所述直线具有零纵坐标处的腐蚀和膨胀的数量相对应的输出图像作为期望输出图像。
13.根据权利要求7所述的方法，其中，接收生物印迹的第一数字图像包括接收电泳样本的数字图像。
14.根据权利要求13所述的方法，其中，至少部分地通过用于制备所述印迹的特定电泳技术来确定所述第一数字图像中的所述感兴趣特征的所述尺寸和形状。
15.根据权利要求7所述的方法，其中，接收生物印迹的第一数字图像包括接收蛋白质印迹的数字图像。
16.根据权利要求7所述的方法，其中，接收生物印迹的第一数字图像包括接收斑点印迹的数字图像。
17.一种从生物印迹的数字图像去除背景的方法，所述方法包括：
接收具有感兴趣特征的生物印迹的第一数字图像；
选择结构化要素，其中至少部分地基于所述第一数字图像中的所述感兴趣特征的尺寸和形状来选择所述结构化要素的尺寸和形状；
使用所述结构化要素执行所述第一数字图像的形态学腐蚀以产生第二数字图像，其中所述形态学腐蚀被执行完全腐蚀所述感兴趣特征所需的次数；以及
随后使用所述结构化要素执行所述第二数字图像的形态学膨胀，以产生经腐蚀和膨胀的图像，其中所述形态学膨胀被执行与所述形态学腐蚀的次数相同的次数；
通过从所述第一数字图像减去所述经腐蚀和膨胀的图像来产生输出数字图像；
其中，自动确定完全腐蚀所述感兴趣特征所需的所述次数。
18.根据权利要求17所述的方法，其中，自动确定所述感兴趣特征是否已被完全腐蚀还包括：
在每个腐蚀和膨胀的组之后产生相应的输出图像；
在每个腐蚀和膨胀的组之后计算所述相应的输出图像的峰度；以及
基于所述峰度的特性来确定是否已从所述输出图像中特定的一个输出图像完全腐蚀所述感兴趣特征，所述峰度的特性与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关。
19.根据权利要求18所述的方法，其中，基于与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关的所述峰度的特性确定是否已从所述输出图像中特定的一个输出图像完全腐蚀所述感兴趣特征包括：
计算所述峰度的变化率，所述峰度的变化率与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关；以及
基于所述峰度的变化率的特性确定是否已从所述输出图像中特定的一个输出图像完全腐蚀所述感兴趣特征，所述峰度的变化率与每个腐蚀和膨胀的组中腐蚀和膨胀的数量相关。
CN201780079598.XA 2016-12-23 2017-12-21 印迹图像中的背景信号的减少 Active CN110100198B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662438664P 2016-12-23 2016-12-23
US62/438,664 2016-12-23
PCT/US2017/067858 WO2018119211A1 (en) 2016-12-23 2017-12-21 Reduction of background signal in blot images

Publications (2)

Publication Number Publication Date
CN110100198A CN110100198A (zh) 2019-08-06
CN110100198B true CN110100198B (zh) 2022-03-22

Family

ID=62625740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780079598.XA Active CN110100198B (zh) 2016-12-23 2017-12-21 印迹图像中的背景信号的减少

Country Status (4)

Country Link
US (1) US10846852B2 (zh)
EP (1) EP3559721B1 (zh)
CN (1) CN110100198B (zh)
WO (1) WO2018119211A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10846852B2 (en) * 2016-12-23 2020-11-24 Bio-Rad Laboratories, Inc. Reduction of background signal in blot images

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2001078005A2 (en) * 2000-04-11 2001-10-18 Cornell Research Foundation, Inc. System and method for three-dimensional image rendering and analysis
CN1677088A (zh) * 2004-04-02 2005-10-05 微生物系统有限合伙公司 用于检测存在的生物物质并使其成像的方法和设备
CN100356163C (zh) * 1996-08-16 2007-12-19 Ge保健尼亚加拉公司 用于分析井板、凝胶和斑点的数字成像系统
CN105974120A (zh) * 2016-04-27 2016-09-28 北方工业大学 一种c反应蛋白色度自动检测装置与方法

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4783751A (en) * 1983-08-17 1988-11-08 University Of South Carolina Analysis of pore complexes
US4742552A (en) * 1983-09-27 1988-05-03 The Boeing Company Vector image processing system
US5048109A (en) * 1989-12-08 1991-09-10 Xerox Corporation Detection of highlighted regions
US5257182B1 (en) * 1991-01-29 1996-05-07 Neuromedical Systems Inc Morphological classification system and method
FI90150C (fi) * 1991-05-14 1993-12-27 Valtion Teknillinen Filter
EP0708563B1 (en) 1994-10-19 2004-12-22 Matsushita Electric Industrial Co., Ltd. Image decoding device
US5848189A (en) * 1996-03-25 1998-12-08 Focus Automation Systems Inc. Method, apparatus and system for verification of patterns
DE19636949A1 (de) * 1996-09-11 1998-03-12 Siemens Ag Verfahren zur Detektion von Kanten in einem Bildsignal
US6192160B1 (en) * 1996-09-19 2001-02-20 Hyundai Microelectronics Co., Ltd. Hardware architectures for image dilation and erosion operations
US5960127A (en) * 1996-10-28 1999-09-28 Davis; Michael Efficient methods of performing morphological operations
US7853411B2 (en) * 1997-02-27 2010-12-14 Cellomics, Inc. System for cell-based screening
US6259807B1 (en) * 1997-05-14 2001-07-10 Applied Imaging Corp. Identification of objects of interest using multiple illumination schemes and finding overlap of features in corresponding multiple images
US6282328B1 (en) * 1998-01-28 2001-08-28 Cognex Corporation Machine vision systems and methods for morphological transformation of an image with non-uniform offsets
US6236769B1 (en) * 1998-01-28 2001-05-22 Cognex Corporation Machine vision systems and methods for morphological transformation of an image with zero or other uniform offsets
US6155978A (en) * 1998-12-09 2000-12-05 General Electric Company Three-dimensional imaging by projecting morphologically filtered pixel data
US6771834B1 (en) * 1999-07-02 2004-08-03 Intel Corporation Method for segmenting a digital image
WO2001051928A1 (en) * 2000-01-12 2001-07-19 Ventana Medical Systems, Inc. Method for quantitating a protein by image analysis
AUPQ849200A0 (en) * 2000-06-30 2000-07-27 Cea Technologies Inc. Unsupervised scene segmentation
US6404934B1 (en) * 2000-10-20 2002-06-11 Shih-Jong J. Lee High speed image processing apparatus using a cascade of elongated filters programmed in a computer
JP4241038B2 (ja) * 2000-10-30 2009-03-18 ザ ジェネラル ホスピタル コーポレーション 組織分析のための光学的な方法及びシステム
AUPR891701A0 (en) * 2001-11-16 2001-12-13 Proteome Systems Ltd Method for locating the edge of an object
US20040114829A1 (en) * 2002-10-10 2004-06-17 Intelligent System Solutions Corp. Method and system for detecting and correcting defects in a digital image
US7162095B2 (en) * 2003-06-13 2007-01-09 National Chung Cheng University Method of automatically determining the region of interest from an image
US20050063568A1 (en) * 2003-09-24 2005-03-24 Shih-Ching Sun Robust face detection algorithm for real-time video sequence
JP4652717B2 (ja) * 2004-04-26 2011-03-16 株式会社ミツトヨ 画像処理装置及び方法並びにプログラム
CA2479664A1 (en) * 2004-09-24 2006-03-24 Edythe P. Lefeuvre Method and system for detecting image orientation
US7583852B2 (en) * 2004-10-26 2009-09-01 Mitutoyo Corporation Method of filtering an image for high precision machine vision metrology
US7787673B2 (en) * 2004-12-21 2010-08-31 Siemens Medical Solutions Usa, Inc. Method and apparatus for airway detection and segmentation using 3D morphological operators
US7760941B2 (en) * 2005-09-23 2010-07-20 Mevis Research Gmbh Method and apparatus of segmenting an object in a data set and of determination of the volume of segmented object
JP2007207009A (ja) * 2006-02-02 2007-08-16 Fujitsu Ltd 画像処理方法及び画像処理装置
US7602531B2 (en) * 2006-03-22 2009-10-13 Lexmark International, Inc. Halftone edge enhancement for production by an image forming device
US20090041322A1 (en) * 2007-07-10 2009-02-12 Seimens Medical Solutions Usa, Inc. Computer Assisted Detection of Polyps Within Lumen Using Enhancement of Concave Area
US8160382B2 (en) * 2007-10-15 2012-04-17 Lockheed Martin Corporation Method of object recognition in image data using combined edge magnitude and edge direction analysis techniques
US8571343B2 (en) * 2011-03-01 2013-10-29 Sharp Laboratories Of America, Inc. Methods and systems for document-image correction
US10846852B2 (en) * 2016-12-23 2020-11-24 Bio-Rad Laboratories, Inc. Reduction of background signal in blot images

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN100356163C (zh) * 1996-08-16 2007-12-19 Ge保健尼亚加拉公司 用于分析井板、凝胶和斑点的数字成像系统
WO2001078005A2 (en) * 2000-04-11 2001-10-18 Cornell Research Foundation, Inc. System and method for three-dimensional image rendering and analysis
CN1677088A (zh) * 2004-04-02 2005-10-05 微生物系统有限合伙公司 用于检测存在的生物物质并使其成像的方法和设备
CN105974120A (zh) * 2016-04-27 2016-09-28 北方工业大学 一种c反应蛋白色度自动检测装置与方法

Also Published As

Publication number Publication date
WO2018119211A1 (en) 2018-06-28
US10846852B2 (en) 2020-11-24
US20180182100A1 (en) 2018-06-28
CN110100198A (zh) 2019-08-06
EP3559721A4 (en) 2020-08-26
EP3559721A1 (en) 2019-10-30
EP3559721B1 (en) 2021-09-15

Similar Documents

Publication Publication Date Title
EP2261635B1 (en) Methods and systems for image data processing
JP5793508B2 (ja) 複数の焦点面を用いた細胞特性決定
Chieco et al. Image cytometry: protocols for 2D and 3D quantification in microscopic images
US10169878B2 (en) System and method for segmentation of three-dimensional microscope images
US10115034B2 (en) Method and system for projecting image with differing exposure times
CN108140104B (zh) 病理学明场像中的自动化染色查找
JP7467205B2 (ja) バイオマーカを光学的に検出するための方法
JP2004126574A (ja) 電子撮像装置のフォーカシング
CN107111124B (zh) 在显微镜系统中使用并行成像生成对焦图像的设备和方法
WO2007013551A1 (ja) 光強度測定方法および光強度測定装置
WO2014004271A2 (en) Method and system for use of intrinsic images in an automotive driver-vehicle-assistance device
CN111344103B (zh) 基于高光谱光学传感器的涂层区域定位方法和装置、及除胶系统
CN110100198B (zh) 印迹图像中的背景信号的减少
US8824768B1 (en) Fertilization test method and apparatus
JP7282894B2 (ja) 粒子定量装置
US6961476B2 (en) Autothresholding of noisy images
EP2776979B1 (en) Post processing for improved generation of intrinsic images
CN109813533B (zh) 一种批量测试doe衍射效率和均匀性的方法及装置
KR101042978B1 (ko) Ｃｃｄ로부터 데이터를 처리하는 방법 및 ｃｃｄ 이미징장치
FI111299B (fi) Menetelmä ja järjestely mittaustiedon käsittelemiseksi
CN115917593A (zh) 用于对样品的数字图像进行质量控制的计算机实现的方法
US20200120256A1 (en) Saturation avoidance in digital imaging
JP2023153431A (ja) 画像処理装置、検査システムおよび検査方法
KR101979287B1 (ko) 이미지 데이터를 처리하기 위한 방법 및 시스템
JP2009074937A (ja) 画像処理装置および画像処理プログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant