CN101034438A - 一种面向微流控芯片的智能定位方法 - Google Patents
一种面向微流控芯片的智能定位方法 Download PDFInfo
- Publication number
- CN101034438A CN101034438A CN 200610118447 CN200610118447A CN101034438A CN 101034438 A CN101034438 A CN 101034438A CN 200610118447 CN200610118447 CN 200610118447 CN 200610118447 A CN200610118447 A CN 200610118447A CN 101034438 A CN101034438 A CN 101034438A
- Authority
- CN
- China
- Prior art keywords
- point
- pixel
- coordinate
- chip
- end points
- 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种面向微流控芯片的智能定位方法,使用CCD摄像头采集微流控芯片分析系统中的的芯片平面图像,利用形态学滤波器以及OPTA(one-pass thinning algorithm)细化算法对芯片平面图进行去噪和细化,得到芯片平面图像的骨架图;依据芯片骨架图,提取微流控芯片中微管道网络上的相关节点;根据得到的所有微管道节点位置及其相互之间的连通关系,生成邻接表;根据邻接表对微流控芯片进行智能跟踪定位,通过相关的反馈算法依照定位结果对邻接表进行反馈修正。它是基于相关图像处理技术设计的,具有定位的全自动化、精度高、速度快以及可以跟踪定位等特点,能对各类微流控芯片分析系统进行自动化分析的改进。
Description
技术领域
本发明涉及智能模式识别与图像处理技术领域,涉及一种面向微流控芯片的智能定位方法。
背景技术
微流控芯片分析系统又称微全分析系统,是由瑞士Ciba Geigy公司的Manz与Widmer在上世纪90年代初开始研究的,当时主要的研究重点是微流控芯片分析系统的“微”与“全”,以及微管道网络的MEMS加工方法。到1994年,美国橡树岭国家实验室Ramsey等在Manz的工作基础上发表了一系列论文,改进了芯片毛细管电泳的进样方法,提高了其性能与实用性,微流控芯片分析系统的商业开发价值开始显现。近年来,国际上关于微流控芯片的研究逐步成为热点,并正在加速向微型化和智能化发展。
现阶段微全分析系统中对芯片的主要分析方法是激光诱导荧光法,这种方法需要对芯片上的微管道网络进行定位,而当前的微全分析系统基本上都采用手工的定位方式,这种定位方式存在有定位精度低、耗时费力以及无法完成跟踪定位等缺点。
发明内容
本发明的目的在于克服现有技术的不足,提供一种面向微流控芯片的智能定位方法,将其应用于各类微流控芯片分析系统中,对CCD摄像头采集到的微流控芯片平面图像根据相关算法生成邻接表,利用邻接表中的数据,对微流控芯片进行智能定位,并依照定位的结果,对邻接表中的数据进行动态的修正。
为了实现上述目的,本发明采用了如下技术方案:
一种面向微流控芯片的智能定位方法,其特征在于,包括下列步骤:
a.使用CCD摄像头采集微流控芯片分析系统中的的芯片平面图像,利用形态学滤波器以及OPTA(one-pass thinning a1gorithm)细化算法对芯片平面图进行去噪和细化,得到芯片平面图像的骨架图:
1)对CCD摄像头采集到的芯片平面图像进行二值化处理;
2)对二值化后的芯片平面图像利用形态学中的开启和闭合操作进行去噪和边缘平滑处理;
3)对去噪后的图像利用OPTA算法进行细化,得到芯片平面图像的骨架图;
b.依据芯片骨架图,提取微流控芯片中微管道网络上的相关节点:
1)微管道网络上端点的提取:在芯片骨架图中,某个像素点的8--邻域内有且只有一个像素点存在,则这个像素点就是端点;
2)微管道网络上交叉点的提取:在芯片骨架图中,某个像素点的8--邻域内有3个或3个以上的像素点,则这个像素点就是交叉点;
3)微管道网络上拐点的提取:
对芯片骨架图进行Radon变换,取图像的中心点作为原点,x轴与图像的上边界平行并通过原点,y轴与x轴相互垂直;将其在与x坐标轴夹角为0°~179°度的180个方向上进行投影,每一个角度上的变换结果作为一个列向量,所有的结果组合在一起可以形成一个700×180的变换矩阵,找出变换矩阵中的峰值,这些峰值对应着图像上的直线;
然后,确定所求出的端点和交叉点分别属于哪条直线,若相互连通的一个端点和一个交叉点,端点所属的直线没有通过交叉点,交叉点同时属于多条直线,即可判定这个端点和交叉点之间存在一个拐点;然后将端点所属的直线与交叉点所属的所有直线的交点都求出来,落在端点与交叉点连接线上的交点即为拐点;
c.微流控芯片平面图邻接表的生成:
根据所得到的所有微管道节点位置及其相互之间的连通关系,可以生成一张相应的邻接表;邻接表中的每一个单元项由一个三元组组成,其中,图像的中心点为原点,前两项表示节点的坐标,第三项表示节点的类型,0表示端点,1表示交叉点,2表示拐点;依据所述的邻接表,系统便可以智能地对微流控芯片连续地的跟踪定位。
上述的面向微流控芯片的智能定位方法,其中,所述微流控芯片智能定位与邻接表的反馈修正方法如下:
1)在用激光诱导荧光的方法对微流控芯片进行分析时,高压电极一定加在两个端点上,故在进行跟踪检测时,激光发射器和光电倍增管也必然是从一个端点移动到另一个端点;依照邻接表可以很容易得到需要进行检测的端点的位置以及端点到端点间的通路;通路中任意两个相邻节点包括端点、交叉点或拐点之间都是直线段,故任意两端点间的通路可以用一组直线段即一条折线段来表示;要对两个端点之间的通路进行跟踪定位,就是要对通路中的每一条直线段进行跟踪定位,而直线段上所有像素点的坐标可以由线段两端的节点坐标求出:设两个节点的坐标分别为(x1,y1)和(x2,y2),则直线段上要确定坐标的像素点数目为: ([]表示向下取整)
其中,第i个像素点的坐标为:
应用这种方法,就能对整个微流控芯片实现智能的跟踪定位;
2)根据跟踪定位的反馈结果对邻接表进行反馈修正:在一条直线段上进行跟踪定位时,如果在某个像素点处光电倍增管没有接收到相应的荧光信号,就在该像素点的16-邻域中进行搜索:i)如果没有像素点能接收到荧光信号,则保持原像素点坐标不变;ii)如果只有一个像素点能接收到荧光信号,则用这个像素点的坐标替代原像素点坐标;iii)如果有两个以上像素点能接收到荧光信号,则用这些像素点中沿直线段方向距离原像素点最近的那个像素点的坐标替代原像素点坐标。在对这条直线段跟踪定位完后,同时也对线段上所有像素点的坐标进行了一次校正;然后可以利用以下公式来修正邻接表中节点的坐标:
(x1′,y1′)和(x2′,y2′)将作为(x1,y1)和(x2,y2)两个节点的新坐标去修正邻接表;
公式中,(x0,y0)表示直线段校正后的中点坐标:
其中,(x′i,y′i)(i=1,...,num)表示校正后的直线段上像素点的坐标。
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:
由于本发明面向微流控芯片的智能定位方法,是基于相关图像处理技术设计的,具有定位的全自动化、精度高、速度快以及可以跟踪定位等特点,能对各类微流控芯片分析系统进行自动化分析的改进。
该方法利用形态学算法、细化算法及Radon变换等相关图像处理方法将CCD摄像头采集到的微流控芯片平面图上微管道的节点提取出来,生成邻接表,根据邻接表对微流控芯片进行智能的跟踪定位,并能通过相关的反馈算法依照定位结果对邻接表进行反馈修正。从而,有效地克服了目前采用手工的定位方式的微全分析系统所存在的定位精度低、耗时费力以及无法完成跟踪定位等缺陷。
附图说明
通过以下实施例并结合其附图的描述,可以进一步理解其发明的目的、具体结构特征和优点。附图中,
图1为本发明的微流控芯片智能定位系统的系统框图;
图2为本发明的微流控芯片平面图像预处理示意图;
图3为本发明端点、交叉点、拐点的特征图;
图4为本发明的整体智能定位方法流程图。
图1中,
1.CCD摄像头;2.图像采集卡;3.计算机;4.RS232-RS485转换器;5.步进电机控制平台;6.芯片放置平台;7.激光发射器;8.高压产生设备;9.光电倍增管;10.PCI总线;11.RS232;12.RS485。
图2中,
a.二值化后的微流控芯片平面图;
b.经形态学噪声滤除器作用后微流控芯片平面图;
c.经过形态学噪声滤除器作用后的图像细化结果;
d.未经形态学噪声滤除器作用后的图像细化结果。
图3中,A.端点;B.交叉点;C.拐点。
具体实施方式
本发明的一种面向微流控芯片的智能定位方法包括下列步骤:
1.对当前微流控芯片平面图像进行预处理:
a.使用CCD摄像头采集微流控芯片分析系统中的芯片平面图像,利用形态学滤波器以及OPTA细化算法对芯片平面图进行去噪和细化,得到芯片平面图像的骨架图:
对CCD摄像头采集到的芯片平面图像进行二值化处理;
对二值化后的芯片平面图像利用形态学中的开启和闭合操作进行去噪和边缘平滑处理;
对去噪后的图像用OPTA算法进行细化,得到芯片平面图像的骨架图。
b.依据芯片骨架图,提取微流控芯片中微管道网络上的相关节点:
微管道网络上端点的提取:在芯片骨架图中,某个象素点的8-邻域内有且只有一个像素点存在,则这个像素点就是端点。
微管道网络上交叉点的提取:在芯片骨架图中,某个像素点的8-邻域内有3个或3个以上的像素点,则这个像素点就是交叉点。
微管道网络上拐点的提取:
这里对芯片骨架图进行Radon变换,取图像的中心点作为原点,x轴与图像的上边界平行并通过原点,y轴与x轴相互垂直。将其在与x坐标轴夹角为0°~179°的180个方向上进行投影,每一个角度上的变换结果作为一个列向量,所有的结果组合在一起可以形成一个700×180的变换矩阵,找出变换矩阵中的峰值,这些峰值对应着图像上的直线。通过这种方法得出骨架线上所有的直线位置。
然后可以确定上面求出的端点和交叉点分别属于哪条直线,如果相互连通的一个端点和一个交叉点,端点所属的直线没有通过交叉点(交叉点同时属于多条直线),那么可以肯定这个端点和交叉点之间存在一个拐点。然后将端点所属的直线与交叉点所属的所有直线的交点都求出来,那个落在端点与交叉点连接线上的交点就是拐点。通过这种方法,可以将骨架线上的所有拐点求出来。
c.微流控芯片平面图邻接表的生成:
根据上面得到的所有微管道节点位置及其相互之间的连通关系,可以生成一张相应的邻接表。邻接表中的每一个单元项由一个三元组组成,其中,图像的中心点为原点,前两项表示节点的坐标,第三项表示节点的类型,0表示端点,1表示交叉点,2表示拐点。依据这张邻接表,系统就能够智能地对微流控芯片连续的跟踪定位。
2.微流控芯片智能定位与邻接表的反馈修正方法,如下:
1)在用激光诱导荧光的方法对微流控芯片进行分析时,高压电极一定加在两个端点上,故在进行跟踪检测时,激光发射器和光电倍增管也必然是从一个端点移动到另一个端点。依照邻接表可以很容易得到需要进行检测的端点的位置以及端点到端点间的通路。参见图3,通路中任意两个相邻节点包括端点、交叉点或拐点之间都是直线段,故任意两端点间的通路可以用一组直线段即一条折线段来表示。要对两个端点之间的通路进行跟踪定位,其实就是要对通路中的每一条直线段进行跟踪定位,而直线段上所有像素点的坐标可以由线段两端的节点坐标求出:设两个节点的坐标分别为(x1,y1)和(x2,y2),则直线段上要确定坐标的像素点数目为: ([]表示向下取整)
其中第i个像素点的坐标为:
应用这种方法,就能对整个微流控芯片实现智能的跟踪定位。
2)考虑到用CCD摄像头采集微流控芯片平面图和后续的图像处理过程可能产生一些误差,使得最终的邻接图不一定十分精确,可以采用以下方法根据跟踪定位的反馈结果对邻接表进行反馈修正:在一条直线段上进行跟踪定位时,如果在某个像素点处光电倍增管没有接收到相应的荧光信号,就在该像素点的16-邻域(要除开直线段上的点)中进行搜索:i)如果没有像素点能接收到荧光信号,则保持原像素点坐标不变;ii)如果只有一个像素点能接收到荧光信号,则用这个像素点的坐标替代原像素点坐标;iii)如果有两个以上像素点能接收到荧光信号,则用这些像素点中沿直线段方向距离原像素点最近的那个像素点的坐标替代原像素点坐标。在对这条直线段跟踪定位完后,同时也对线段上所有像素点的坐标进行了一次校正;然后可以利用下面两个公式来修正邻接表中节点的坐标:
(x1′,y1′)和(x2′,y2′)将作为(x1,y1)和(x2,y2)两个节点的新坐标去修正邻接表。
公式中,(x0,y0)表示直线段校正后的中点坐标:
其中,(x′i,y′i)(i=1,...,num)表示校正后的直线段上像素点的坐标。
关于本发明的邻接表生成相关原理简述如下:
OPTA细化算法可以很好地将图像细化成单象素宽,不破坏原始图像的连通性,较好地保持图像的拓扑结构。图像中的节点(端点,交叉点以及拐点)在细化后的骨架图中将表现出比较明显的特征,可以很方便地将它们依照一定的规则提取出来。
Radon变换就是将原始图像变换为它在各个角度的投影表示。图像的投影是指图像在某一方向上的线积分,对于数字图像来说也就是在该方向上的累加求和。Radon变换的数学表示是:图像f(x,y)在任一角度θ上R的投影定义为:
其中,
Radon变换后很容易找出骨架图像中的直线,从而方便拐点的提取。
关于本发明的面向微流控芯片的智能定位方法的工作原理
微流控芯片智能定位系统的组成如图1所示,主要由步进电机控制平台、CCD摄像头、图像采集卡、激光发射器、光电倍增管、高压产生设备以及计算机组成。在现有微流控芯片分析系统的基础上增加了CCD摄像头图像采集机构,用于拍摄系统中微流控芯片的平面图,并通过图像采集卡传送到计算机。图像采集卡与计算机通过PCI总线相连。激光发射器、光电倍增管、高压产生设备以及步进电机控制平台都是通过串行口RS485经RS232/RS485转换器与计算机相连接。
同时,本发明基于以下认识:
微流控芯片上微管道网络中的微管道的拓扑结构均是直线,不存在拓扑结构为曲线或其它非直线类别线型的微管道。微流控芯片无论以何种角度放置在系统中,均认为其原点在CCD摄像头采集到的微流控芯片平面图的正中心。
本发明的一种面向微流控芯片的智能定位方法,包括下列步骤:
1.对当前微流控芯片平面图像进行预处理,参见图2:
a.使用CCD摄像头采集微流控芯片分析系统中的的芯片平面图像,利用形态学滤波器以及OPTA细化算法对芯片平面图进行去噪和细化,得到芯片平面图像的骨架图:
对CCD摄像头采集到的芯片平面图像进行二值化处理;
对二值化后的芯片平面图像利用形态学中的开启和闭合操作进行去噪和边缘平滑处理;
对去噪后的图像用OPTA算法进行细化,得到芯片平面图像的骨架图。
b.依据芯片骨架图,提取微流控芯片中微管道网络上的相关节点,参见图3:
微管道网络上端点的提取:在芯片骨架图中,某个像素点的8-邻域内有且只有一个像素点存在,则这个像素点就是端点。
微管道网络上交叉点的提取:在芯片骨架图中,某个像素点的8-邻域内有3个或3个以上的像素点,则这个像素点就是交叉点。
微管道网络上拐点的提取:
这里对芯片骨架图进行Radon变换,取图像的中心点作为原点,x轴与图像的上边界平行并通过原点,y轴与x轴相互垂直。将其在与x坐标轴夹角为0°~179°的180个方向上进行投影,每一个角度上的变换结果作为一个列向量,所有的结果组合在一起可以形成一个700×180的变换矩阵,找出变换矩阵中的峰值,这些峰值对应着图像上的直线。通过这种方法得出骨架线上所有的直线位置。
然后可以确定上面求出的端点和交叉点分别属于哪条直线,如果相互连通的一个端点和一个交叉点,端点所属的直线没有通过交叉点(交叉点同时属于多条直线),那么可以肯定这个端点和交叉点之间存在一个拐点。然后将端点所属的直线与交叉点所属的所有直线的交点都求出来,那个落在端点与交叉点连接线上的交点就是拐点。通过这种方法,可以将骨架线上的所有拐点求出来。
c.微流控芯片平面图邻接表的生成,参见本发明的微流控芯片邻接表,即表1:
根据上面得到的所有微管道节点位置及其相互之间的连通关系,可以生成一张相应的邻接表。邻接表中的每一个单元项由一个三元组组成,其中,图像的中心点为原点,前两项表示节点的坐标,第三项表示节点的类型,0表示端点,1表示交叉点,2表示拐点。依据这张邻接表,系统就能够智能地对微流控芯片连续的跟踪定位。
2.微流控芯片智能定位与邻接表的反馈修正方法,如下:
1)在用激光诱导荧光的方法对微流控芯片进行分析时,高压电极一定加在两个端点上,故在进行跟踪检测时,激光发射器和光电倍增管也必然是从一个端点移动到另一个端点。依照邻接表可以很容易得到需要进行检测的端点的位置以及端点到端点间的通路。通路中任意两个相邻节点(端点、交叉点或拐点)之间都是直线段,故任意两端点间的通路可以用一组直线段(即一条折线段)来表示。要对两个端点之间的通路进行跟踪定位,其实就是要对通路中的每一条直线段进行跟踪定位,而直线段上所有像素点的坐标可以由线段两端的节点坐标求出:设两个节点的坐标分别为(x1,y1)和(x2,y2),则直线段上要确定坐标的像素点数目为:
其中第i个像素点的坐标为:
应用这种方法,就能对整个微流控芯片实现智能的跟踪定位。
2)考虑到用CCD摄像头采集微流控芯片平面图和后续的图像处理过程可能产生一些误差,使得最终的邻接图不一定十分精确,可以采用以下方法根据跟踪定位的反馈结果对邻接表进行反馈修正:在一条直线段上进行跟踪定位时,如果在某个像素点处光电倍增管没有接收到相应的荧光信号,就在该像素点的16-邻域(要除开直线段上的点)中进行搜索:i)如果没有像素点能接收到荧光信号,则保持原像素点坐标不变;ii)如果只有一个像素点能接收到荧光信号,则用这个像素点的坐标替代原像素点坐标;iii)如果有两个以上像素点能接收到荧光信号,则用这些像素点中沿直线段方向距离原像素点最近的那个像素点的坐标替代原像素点坐标。在对这条直线段跟踪定位完后,同时也对线段上所有像素点的坐标进行了一次校正,然后可以利用下面两个公式来修正邻接表中节点的坐标:
(x1′,y1′)和(x2′,y2′)将作为(x1,y1)和(x2,y2)两个节点的新坐标去修正邻接表。
公式中,(x0,y0)表示直线段校正后的中点坐标:
其中,(x′i,y′i)(i=1,...,num)表示校正后的直线段上像素点的坐标。综合上述步骤,本发明的整体流程图如图4所示。
表1
节点1 | 节点2 | 节点3 | 节点4 | 节点5 | 节点6 | 节点7 |
(-145,138,0) | (62,128,0) | (-264,111,0) | (162,100,0) | (269,12,0) | (-83,-94,0) | (37,-124,0) |
(-88,64,2) | (7,49,2) | (-210,53,2) | (165,6,1) | (165,6,1) | (-85,-2,1) | (77,-42,2) |
节点8 | 节点9 | 节点10 | 节点11 | 节点12 | 节点13 | 节点14 |
(-261,-110,0) | (-304,-5,0) | (-206,-6,1) | (-85,-2,1) | (10,3,1) | (165,6,1) | (74,2,1) |
(-201,-55,2) | (-206,-6,1) | (-85,-2,1) | (10,3,1) | (74,2,1) | (162,100,0) | (165,6,1) |
(-210,53,2) | (-83,-94,0) | (-85,-2,1) | (269,12,0) | (10,3,1) | ||
(-201,-55,2) | (-88,64,2) | (7,49,2) | (166,-84,0) | (77,-42,2) | ||
(-304,-5,0) | (-206,-6,1) | (74,2,1) |
节点15 | 节点16 | 节点17 | 节点18 | 节点19 | 节点20 |
(166,-84,0) | (-210,53,2) | (-88,64,2) | (7,49,2) | (-201,-55,2) | (77,-42,2) |
(165,6,1) | (-264,111,0) | (-145,138,0) | (62,128,0) | (-261,-110,0) | (37,-124,0) |
(-206,-6,1) | (-85,-2,1) | (10,3,1) | (-206,-6,1) | (74,2,1) |
Claims (2)
1.一种面向微流控芯片的智能定位方法,其特征在于,包括下列步骤:
a.使用CCD摄像头采集微流控芯片分析系统中的的芯片平面图像,利用形态学滤波器以及OPTA(one-pass thinning algorithm)细化算法对芯片平面图进行去噪和细化,得到芯片平面图像的骨架图:
1)对CCD摄像头采集到的芯片平面图像进行二值化处理;
2)对二值化后的芯片平面图像利用形态学中的开启和闭合操作进行去噪和边缘平滑处理;
3)对去噪后的图像利用OPTA算法进行细化,得到芯片平面图像的骨架图;
b.依据芯片骨架图,提取微流控芯片中微管道网络上的相关节点:
1)微管道网络上端点的提取:在芯片骨架图中,某个像素点的8-邻域内有且只有一个像素点存在,则这个像素点就是端点;
2)微管道网络上交叉点的提取:在芯片骨架图中,某个像素点的8-邻域内有3个或3个以上的像素点,则这个像素点就是交叉点;
3)微管道网络上拐点的提取:
对芯片骨架图进行Radon变换,取图像的中心点作为原点,x轴与图像的上边界平行并通过原点,y轴与x轴相互垂直;将其在与x坐标轴夹角为0°~179°度的180个方向上进行投影,每一个角度上的变换结果作为一个列向量,所有的结果组合在一起可以形成一个700×180的变换矩阵,找出变换矩阵中的峰值,这些峰值对应着图像上的直线;
然后,确定所求出的端点和交叉点分别属于哪条直线,若相互连通的一个端点和一个交叉点,端点所属的直线没有通过交叉点,交叉点同时属于多条直线,即可判定这个端点和交叉点之间存在一个拐点;然后将端点所属的直线与交叉点所属的所有直线的交点都求出来,落在端点与交叉点连接线上的交点即为拐点;
c.微流控芯片平面图邻接表的生成:
根据所得到的所有微管道节点位置及其相互之间的连通关系,可以生成一张相应的邻接表;邻接表中的每一个单元项由一个三元组组成,其中,图像的中心点为原点,前两项表示节点的坐标,第三项表示节点的类型,0表示端点,1表示交叉点,2表示拐点;依据所述的邻接表,系统便可以智能地对微流控芯片连续地的跟踪定位。
2、根据权利要求1所述的面向微流控芯片的智能定位方法,其特征在于,所述微流控芯片智能定位与邻接表的反馈修正方法如下:
1)在用激光诱导荧光的方法对微流控芯片进行分析时,高压电极一定加在两个端点上,故在进行跟踪检测时,激光发射器和光电倍增管也必然是从一个端点移动到另一个端点;依照邻接表可以很容易得到需要进行检测的端点的位置以及端点到端点间的通路;通路中任意两个相邻节点包括端点、交叉点或拐点之间都是直线段,故任意两端点间的通路可以用一组直线段即一条折线段来表示;要对两个端点之间的通路进行跟踪定位,就是要对通路中的每一条直线段进行跟踪定位,而直线段上所有像素点的坐标可以由线段两端的节点坐标求出:设两个节点的坐标分别为(x1,y1)和(x2,y2),则直线段上要确定坐标的像素点数目为:
其中,第i个像素点的坐标为:
应用这种方法,就能对整个微流控芯片实现智能的跟踪定位;
2)根据跟踪定位的反馈结果对邻接表进行反馈修正:在一条直线段上进行跟踪定位时,如果在某个像素点处光电倍增管没有接收到相应的荧光信号,就在该像素点的16-邻域中进行搜索:i)如果没有像素点能接收到荧光信号,则保持原像素点坐标不变;ii)如果只有一个像素点能接收到荧光信号,则用这个像素点的坐标替代原像素点坐标;iii)如果有两个以上像素点能接收到荧光信号,则用这些像素点中沿直线段方向距离原像素点最近的那个像素点的坐标替代原像素点坐标。在对这条直线段跟踪定位完后,同时也对线段上所有像素点的坐标进行了一次校正;然后可以利用以下公式来修正邻接表中节点的坐标:
(x1′,y1′)和(x2′,y2′)将作为(x1,y1)和(x2,y2)两个节点的新坐标去修正邻接表;
公式中,(x0,y0)表示直线段校正后的中点坐标:
其中,(x′i,y′i)(i=1,…,num)表示校正后的直线段上像素点的坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101184474A CN100465990C (zh) | 2006-11-17 | 2006-11-17 | 一种面向微流控芯片的智能定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006101184474A CN100465990C (zh) | 2006-11-17 | 2006-11-17 | 一种面向微流控芯片的智能定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101034438A true CN101034438A (zh) | 2007-09-12 |
CN100465990C CN100465990C (zh) | 2009-03-04 |
Family
ID=38730985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006101184474A Expired - Fee Related CN100465990C (zh) | 2006-11-17 | 2006-11-17 | 一种面向微流控芯片的智能定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100465990C (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103970922A (zh) * | 2013-01-25 | 2014-08-06 | 英属开曼群岛商达盟系统有限公司 | 在半导体晶圆厂中以设计为基础的制程最佳化装置 |
CN104324768A (zh) * | 2014-10-24 | 2015-02-04 | 武汉纺织大学 | 一种微小三维结构沟道微流芯片的制备方法 |
CN104870652A (zh) * | 2012-10-05 | 2015-08-26 | 加州理工学院 | 用于微流体成像和分析的方法和系统 |
CN107194402A (zh) * | 2017-04-02 | 2017-09-22 | 南京汇川图像视觉技术有限公司 | 一种并行细化骨架提取方法 |
CN108764092A (zh) * | 2018-05-21 | 2018-11-06 | 湖南理工学院 | 基于能量元双阈值的微流控芯片信号去噪方法 |
CN109916935A (zh) * | 2019-04-16 | 2019-06-21 | 中国石油大学(华东) | 基于三维重构模型的微通道横截面几何尺寸测量方法 |
CN110470830A (zh) * | 2018-05-11 | 2019-11-19 | 北京信息科技大学 | 用于微流控免疫分析生物芯片的荧光检测方法及装置 |
CN111310579A (zh) * | 2020-01-19 | 2020-06-19 | 徐庆 | 一种图像骨架节点特征描述符获取方法及装置 |
CN116051556A (zh) * | 2023-03-31 | 2023-05-02 | 至美时代生物智能科技(北京)有限公司 | 基于相对坐标的微流控芯片反应孔图像识别方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6868347B2 (en) * | 2002-03-19 | 2005-03-15 | The Regents Of The University Of California | System for real time, non-invasive metrology of microfluidic chips |
US20050063875A1 (en) * | 2003-09-22 | 2005-03-24 | Georgia Tech Research Corporation | Micro-fluidic processor |
CN100498297C (zh) * | 2004-07-02 | 2009-06-10 | 中国科学院大连化学物理研究所 | 一种集成式微流控芯片控制与分析平台 |
CN100557419C (zh) * | 2005-07-12 | 2009-11-04 | 东华大学 | 微流控芯片荧光检测光学装置 |
-
2006
- 2006-11-17 CN CNB2006101184474A patent/CN100465990C/zh not_active Expired - Fee Related
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104870652A (zh) * | 2012-10-05 | 2015-08-26 | 加州理工学院 | 用于微流体成像和分析的方法和系统 |
CN103970922A (zh) * | 2013-01-25 | 2014-08-06 | 英属开曼群岛商达盟系统有限公司 | 在半导体晶圆厂中以设计为基础的制程最佳化装置 |
CN104324768A (zh) * | 2014-10-24 | 2015-02-04 | 武汉纺织大学 | 一种微小三维结构沟道微流芯片的制备方法 |
CN107194402A (zh) * | 2017-04-02 | 2017-09-22 | 南京汇川图像视觉技术有限公司 | 一种并行细化骨架提取方法 |
CN107194402B (zh) * | 2017-04-02 | 2020-07-03 | 南京汇川图像视觉技术有限公司 | 一种并行细化骨架提取方法 |
CN110470830A (zh) * | 2018-05-11 | 2019-11-19 | 北京信息科技大学 | 用于微流控免疫分析生物芯片的荧光检测方法及装置 |
CN110470830B (zh) * | 2018-05-11 | 2022-07-26 | 北京信息科技大学 | 用于微流控免疫分析生物芯片的荧光检测方法及装置 |
CN108764092A (zh) * | 2018-05-21 | 2018-11-06 | 湖南理工学院 | 基于能量元双阈值的微流控芯片信号去噪方法 |
CN108764092B (zh) * | 2018-05-21 | 2021-09-21 | 湖南理工学院 | 基于能量元双阈值的微流控芯片信号去噪方法 |
CN109916935A (zh) * | 2019-04-16 | 2019-06-21 | 中国石油大学(华东) | 基于三维重构模型的微通道横截面几何尺寸测量方法 |
CN111310579A (zh) * | 2020-01-19 | 2020-06-19 | 徐庆 | 一种图像骨架节点特征描述符获取方法及装置 |
CN111310579B (zh) * | 2020-01-19 | 2023-06-23 | 徐庆 | 一种图像骨架节点特征描述符获取方法及装置 |
CN116051556A (zh) * | 2023-03-31 | 2023-05-02 | 至美时代生物智能科技(北京)有限公司 | 基于相对坐标的微流控芯片反应孔图像识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN100465990C (zh) | 2009-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101034438A (zh) | 一种面向微流控芯片的智能定位方法 | |
Wang et al. | Region proposal by guided anchoring | |
CN100351039C (zh) | 一种静态刀具图像的精密测量方法 | |
CN101387493B (zh) | 铁塔构件孔的形位尺寸非接触光电检测方法 | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
CN1737824A (zh) | 建立劣化字典的方法和装置 | |
CN1932846A (zh) | 基于外表模型的视频人脸跟踪识别方法 | |
CN1904581A (zh) | 基于主成分分析和支持向量机的油气水多相流流型识别方法 | |
EP1600883A3 (en) | Object recognition system | |
CN1565000A (zh) | 用于外表检测的图像处理方法 | |
CN1537749A (zh) | 一种车载摄像机外部参数三线标定方法 | |
CN1959702A (zh) | 人脸识别系统中的人脸特征点定位方法 | |
CN112966631A (zh) | 一种无限制安防场景下的车牌检测识别系统及其方法 | |
CN1877637A (zh) | 一种基于微机的医学图像模板匹配方法 | |
CN101075351A (zh) | 基于侧影和末端节点的视频人体三维运动恢复方法 | |
CN107610138A (zh) | 一种票据印章区域序列分割方法 | |
CN105279506A (zh) | 满文单词中轴线的定位方法 | |
CN100351057C (zh) | 基于显微图像处理的微操作工具深度信息提取方法及装置 | |
CN1916940A (zh) | 模板优化的字符识别方法和系统 | |
CN1545065A (zh) | 用于分析数字图像纹理结构的方法 | |
CN101051348A (zh) | 一种签名识别方法 | |
CN1959707A (zh) | 基于像素跳跃的图像匹配方法 | |
CN104573703B (zh) | 基于偏导分布与边界策略的输电线快速识别方法 | |
Nayef et al. | On the use of geometric matching for both: Isolated symbol recognition and symbol spotting | |
CN112902981A (zh) | 机器人导航方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090304 Termination date: 20121117 |