CN102387631B - 一种免疫层析判读记录仪中光照度的自动判断和调整方法 - Google Patents
一种免疫层析判读记录仪中光照度的自动判断和调整方法 Download PDFInfo
- Publication number
- CN102387631B CN102387631B CN 201010512031 CN201010512031A CN102387631B CN 102387631 B CN102387631 B CN 102387631B CN 201010512031 CN201010512031 CN 201010512031 CN 201010512031 A CN201010512031 A CN 201010512031A CN 102387631 B CN102387631 B CN 102387631B
- Authority
- CN
- China
- Prior art keywords
- image
- standard
- incident light
- value
- light illumination
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种免疫层析判读记录仪中光照度的自动判断和调整方法,其特征在于按以下步骤进行:一:设置标准光照图像,获取标准光源下标准图像S,并输入计算机;二:算出标准图像S的标准入射光照度A;三:布置测量光源,获取当前图像S’,输入计算机,算出当前图像S’的入射光照度A’;四:判断入射光照度A’是否落入标准入射光照度A的允许误差范围内,计算机通过电路自动调节所述测量光源亮度;如果入射光照度A’都不能落入标准入射光照度A的允许误差范围内,则测量光源及其控制系统损坏。本发明的显著效果是:能够为基于机器视觉的免疫层析结果判读提供可靠的光照度调节环境,并能检测出光照环境是否受损或系统是否有偏差。
Description
技术领域
本发明属于基于机器视觉免疫层析试条测试技术领域,具体的是一种免疫层析判读记录仪中光照度的自动判断和调整方法。
技术背景
现代免疫学测定技术源于标记技术的发展。继1941年Coons等创立荧光素标记抗体技术(fIuoreseent antiboay teeh-nique)以来,上个世纪50年代末60年代初,Yalaw等创立了放射免疫分析(radlol Jnmunoass3y,RIA)技术,1966年南美国和法国学者又同时报道建立了酶免疫测定技术(enzyme im-Munoassay。EIA),包括:酶免疫组化技术,固相酶免疫测定(如ELISA,westenl blotting)和均相酶免疫测定(又称酶放大免疫分析技术,EMIT)。另一传统标记技术为胶体金标记免疫分析始于上个世纪80年代,除应用于免疫电镜外,广泛用于免疫渗滤和免疫层析试验。除此之外,目前又相继报道建立了一些新型标记免疫技术,如元素标记免疫测定,核酸标记免疫测定和量子点标记免疫测定技术。这些技术衍生的实验方法有些已在临床免疫学检验中得到了广泛的应用,布些尚处于研究和探索阶段。具有快速、可靠、操作简便、价格低等优点的免疫层析测试方法近年来在临床诊断方面的应发展迅速,现已广泛应用于临床诊断、食品安全检测、环境检测等领域。
工作原理:当待测试液滴加到免疫层析反应测试条上时,试液通过免疫层析反应测试条上吸水膜的毛细作用,将胶体金带到吸附有抗体的测试反应线上。若试液中的抗原与此抗体相对应,则产生特异性结合胶体金滞留在测试反应线上,呈红色或紫红色,颜色的深浅与被测试样品的浓度是相对应的。
目前仅靠目测对免疫层析测试结果进行定性判断,当颜色很浅或边界不清楚时,目测就很难对测试结果进行判定,也不能用量化来表达,应用范围受到很大限制。研究表明,测试线颜色的深浅与测试液的浓度显著相关,可以根据测试线的灰度值或颜色分量与测试液的浓度建立统计函数关系,通过灰度值或颜色分量得到相应的测试液浓度,给出量化的指标,完成测试结果的定性到量化的转变。如何得到灰度值或颜色分量,一种是利用光敏二极管、光导纤维等传感器得到,而这一方法在尿液等检测设备上已经有成熟的应用。但免疫层析与尿液等化学检测方法在原理上有很大不同,得到测试线远不如化学检测那样显色深、整齐、均匀,判断测试线的边缘需要通算法来实现,给测试结果的量化带来很大的困难。另外一种方法是通过CCD、CMOS等成像器件,通过对这些成像原件的感应数据进行处理,得到测试线的灰度值,类似于一般的图像处理。这两种方法对设备仪器的照明设计、制造精度和软硬件设施要求都比较高,提高了制造成本,限制了推广,并且现有尚未报道。通过图像处理对免疫层析结果判读结果用量化来表达的方法国内还未见公开报到。
我们提出一种基于机器视觉的免疫层析结果判读方法,通过图像处理的方法得到测试线的颜色分量,根据数字图像处理技术和仿人视觉技术,结合背景建模技术,剔除掉生物试纸图像中的毛刺、瑕疵和图像形成过程中的噪声;粘确提取出免疫层析测试区显色线位置及宽度,测定出测试区显色线显色信息熵的大小,并与标准色卡建立了显著相关函数关系,对测试区显色线的显色深浅用量化来表达,实现了免疫层析结果判读的量化检测。
但在如何根据数字图像处理技术和仿人视觉技术,结合背景建模技术,剔除掉生物试纸图像中的毛刺、瑕疵和图像形成过程中的噪声;精确提取出测试区显色线显色熵的大小,是技术的关键,在现有的免疫层析试条的测定领域,还没有一种方法能实现该技术。
但在进行该方法前,需要对免疫层析试条图像采集光照条件进行测定和自动调整,这样才能保证免疫层析试条测试结果判定的准确性和一致性,为此,需要一种光照条件的测定和自动调整方法。
发明内容
本发明的目的是提供一种免疫层析判读记录仪中光照度的自动判断和调整方法,能够为基于机器视觉的免疫层析结果判读方法提供可靠的光照疫调节环境,使图像采集所需的光照环境达到一致性。
为达到上述目的,本发明表述一种免疫层析判读记录仪中光照度的自动判断和调整方法,其关键在于按以下步骤进行:
步骤一:设置标准光照图像,布置标准光源,并利用摄像装置获取标准光源下的标准比对卡的标准图像S,并将该标准图像S输入计算机;
步骤二:根据Retinx理论计算出标准图像S的标准入射光照度A;
步骤三:布置测量光源,并在测量光源下获取目标比对卡的当前图像S’,并将该当前图像S’输入计算机,根据Retinx理论计算出当前图像S’的入射光照度A′;
步骤四:比较所述标准入射光照度A和入射光照度A’,判断入射光照度A’是否落入标准入射光照度A的允许误差范围内,如果入射光照度A’未落入标准入射光照度A的允许误差范围内,免疫层析判读记录仪所连接的控制计算机通过电路自动调节所述测量光源亮度,入射光照度A’能落入标准入射光照度A的允许误差范围内;
如果所述测量光源亮度由最低调节到最高,入射光照度A’都不能落入标准入射光照度A的允许误差范围内,则判断所述测量光源及光源控制系统出现损坏。
所述Retinx理论的计算方法是:获取标准图像S或当前图像S’的真彩色,即在R、G、B中分别利用Retinex理论求取光度值,实现的步骤如下:
第一步:将标准图像S或当前图像S’分解为三幅灰度图像R,G,B,依次将这三幅灰度图像中的像素点的灰度值的数据类型转化成double型,以下分别对每一幅图像分别进行如下处理;
第二步:以高斯函数作为环境函数:
F(x,y)=K*exp(-(x2+y2)/σ2),
其中σ为高斯函数的标准偏差,其取值为40~100,X,Y为图像中每个像素点的坐标值,归一化条件为∫∫F(x,y)dxdy=1,根据该归一化条件可以确定K的取值;
根据中心/环绕Retinex算法理论,提出单尺度Retinex算法,其公式为:
Ri(x,y)=log(Ii(x,y)+δ)-log(F(x,y)*Ii(x,y)+δ)
其中:Ri(x,y)是Retinex的输出;Ii(x,y)是第i个像素颜色谱带的图像分布;δ是为了在取对数的时候保证结果有意义,当占取为1/255时能达到较好的效果;*代表卷积操作;log为自然对数;
Ri(x,y)是Retinex理路对应在采集图像中的(x,y)像素点的入射光光度值大小;
第三步:使用的高斯环境函数对图像进行卷积操作,其实现过程为:
上述中的为高斯环境函数,如果选择多尺度的relinex理论,则i代表着第c个像素颜色谱带第i个高斯环境函数;当使用单尺度时,即i为1,一般高斯函数的标准偏差选择在40~100之间。通过高斯环境函数算决定的窗口和离散矩阵,对图像中的每个点做卷积运算,特别注意的是:在对图像四周处理的时候,归一化因子需要更新。当然,可通过下式计算:
Ic(x,y)表示为C颜色谱带上的二维像素,C取值为R、G、B中的任意一个。上述公式的处理过程如下:先对和Ic(x,y)进行傅里叶变化到二维频域,然后再二维频域中对对每个点进行卷积运算,最后将得到结果反傅里叶变换,即可得到图像信息;
第四步:采集的图像真实彩色,即在R、G、B中分别利用Retinex理论求取光度值,第三步中的C分别表示R、G、B,得到RR(x,y)、RG(x,y)、RB(x,y)的光度值;
标准图像S的标准入射光照度A和当前图像S’的入射光照度A’均为三维向量,具体形式如下:
A=(Ro R(x,y,Ro G(x,y),Ro B(x,y))
A′=(RR(x,y,RG(x,y),RB(x,y))。
所述测量光源亮度调节的方法是通过Retinex理论,已经得到在真彩色图像的RGB空问中入射光值,则可通过加权欧氏距离方法和标准值相比较:
familar=λR×∑|RR(x,y)-Ro R(x,y)|+λG×∑|RG(x,y)-Ro G(x,y)|+λB×∑|RB(x,y)-Ro B(x,y)|
根据上式计算出与给定值的偏差;其中R表示标准图像S的取值,Ro表示当前图像S’的取值;
免疫层析判读记录仪所连接的控制计算机通过电路自动调节所述测量光源亮度,如果familar小于或等于给定阈值ε,则调节入射光度值结束,如果familar大于给定阈值ε,则:
(λR×∑(RR(x,y)-Ro R(x,y))+λG×∑(RG(x,y)-Ro G(x,y))+λB×∑(RB(x,y)-Ro B(x,为反馈回路的调节量,λ为反馈调节比例系数,λR、λG、λB分别表示为经过retinex理论在RGB三维中得到光度偏差对总体光度偏差的权重,即λR、λG、λB是加权系数,由人为设定,可以设定为λR=λG=λB。
λ的取值为0.01~0.025。
本发明的显著效果是:提供了一种免疫层析判读记录仪中光照度的自动判断和调整方法,能够为基于机器视觉的免疫层析结果判读提供可靠的光照度调节环境,并能检测出光照环境是否受损或系统是否有偏差,为后续基于机器视觉的免疫层析结果判读提供了可靠地技术保障。
附图说明
图1是本发明的流程图。
具体实施方式
下面就具体实施例对本发明作进一步详细说明。
如图1所示:一种免疫层析判读记录仪中光照度的自动判断和调整方法,是按以下步骤进行:
步骤一:设置标准光照图像,布置标准光源,并利用摄像装置获取标准光源下的标准比对卡的标准图像S,并将该标准图像S输入计算机;
步骤二:根据Retinx理论计算出标准图像S的标准入射光照度A;
步骤三:布置测量光源,并在测量光源下获取目标比对卡的当前图像S’,并将该当前图像S’输入计算机,根据Retinx理论计算出当前图像S’的入射光照度A′;
步骤四:比较所述标准入射光照度A和入射光照度A’,判断入射光照度A’是否落入标准入射光照度A的允许误差范围内,如果入射光照度A’未落入标准入射光照度A的允许误差范围内,免疫层析判读记录仪所连接的控制计算机通过电路自动调节所述测量光源亮度,入射光照度A’能落入标准入射光照度A的允许误差范围内;
如如果所述测量光源亮度由最低调节到最高,入射光照度A’部不能落入标准入射光照度A的允许误差范围内,则判断所述测量光源损坏或系统出现偏差。
所述Retinx理论的计算方法是:获取标准图像S或当前图像S’的真彩色,即在R、G、B中分别利用Retinex理论求取光度值,实现的步骤如下:
第一步:将标准图像S或当前图像S’分解为三幅灰度图像R,G,B,依次将这三幅灰度图像中的像素点的灰度值的数据类型转化成double型,以下分别对每一幅图像分别进行如下处理;
第二步:以高斯函数作为环境函数:
F(x,y)=K*exp(-(x2+y2)/σ2),
其中σ为高斯函数的标准偏差,其取值为40~100,X,Y为图像中每个像素点的坐标值,归一化条件为∫∫F(x,y)dxdy=1,根据该归一化条件可以确定K的取值;
根据中心/环绕Retinex算法理论,提出单尺度Retinex算法,其公式为:
Ri(x,y)=log(Ii(x,y)+δ)-log(F(x,y)*Ii(x,y)+δ)
其中:Ri(x,y)是Retinex的输出;Ii(x,y)是第i个像索颜色谱带的图像分布;δ是为了在取对数的时候保证结果有意义,当占取为1/255时能达到较好的效果;*代表卷积操作;log为自然对数;
Ri(x,y)是Retinex理路对应在采集图像中的(x,y)像素点的入射光光度值大小;
第三步:使用的高斯环境函数对图像进行卷积操作,其实现过程为:
上述中的为高斯环境函数,如果选择多尺度的relinex理论,则i代表着第c个像素颜色谱带第i个高斯环境函数;当使用单尺度时,即i为1,一般高斯函数的标准偏差选择在40~100之间。通过高斯环境函数算决定的窗口和离散矩阵,对图像中的每个点做卷积运算,特别注意的是:在对图像四周处理的时候,归一化因子需要更新。当然,可通过下式计算:
Ic(x,y)表示为C颜色谱带上的二维像素,C取值为R、G、B中的任意一个。上述公式的处理过程如下:先对和Ic(x,y)进行傅里叶变化到二维频域,然后再二维频域中对对每个点进行卷积运算,最后将得到结果反傅里叶变换,即可得到图像信息;
第四步:采集的图像真实彩色,即在R、G、B中分别利用Retinex理论求取光度值,第三步中的C分别表示R、G、B,得到RR(x,y)、RG(x,y)、RB(x,y)的光度值;
标准图像S的标准入射光照度A和当前图像S’的入射光照度A’均为三维向量,具体形式如下:
A=(Ro R(x,y,Ro G(x,y),Ro B(x,y))
A′=(RR(x,y,RG(x,y),RB(x,y))。
所述测量光源亮度调节的方法是通过Retinex理论,已经得到在真彩色图像的RGB空间中入射光值,则可通过加权欧氏距离方法和标准值相比较:
familar=λR×∑|RR(x,y)-Ro R(x,y)|+λG×∑|RG(x,y)-Ro G(x,y)|+λB×∑|RB(x,y)-Ro B(x,y)|
根据上式计算出与给定值的偏差;其中R表示标准图像S的取值,Ro表示当前图像S’的取值;
免疫层析判读记录仪所连接的控制计算机通过电路自动调节所述测量光源亮度,如果familar小于或等于给定阈值ε,则调节入射光度值结束,如果familar大于给定阈值ε,则:
(λR×∑(RR(x,y)-Ro R(x,y))+λG×∑(RG(x,y)-Ro G(x,y))+λB×∑(RB(x,y)-Ro B(x,y))×λ
为反馈回路的调节量,λ为反馈调节比例系数,λR、λG、λB分别表示为经过retinex理论在RGB三维中得到光度偏差对总体光度偏差的权重,即λR、λG、λB是加权系数,由人为设定,可以设定为λR=λG=λB。
λ的取值为0.01~0.025。
λ可以取0.01、0.015、0.02、0.025等。
测量光源是由多个LED或灯泡串并联组成的,LED或灯泡发出平行光照射到免疫层析试条上,也就是标准比对卡上,为实现照度可调,在LED或灯泡的供电电路上提供了一个调整LED或灯泡的硬件控制装置。计算机经过上式得出调整值后,控制调整LED或灯泡的硬件控制装置,从而达到对测量光源的整体调整。如果其中某一个LED或灯泡损坏或系统出现偏差,免疫层析试条上所对应区域的光照度就会出现偏差,该区域的RR(x,y)、RG(x,y)、RB(x,y)就不能满足要求,
familar=λR*∑|RR(x,y)-Ro R(x,y)|+λG*∑|RG(x,y)-Ro G(x,y)|+λB*∑|RB(x,y)-Ro B(x,y)与事先设定的阈值比较,由于测量光源有损坏或系统有偏差,无论怎么调节,familar始终大于跟定阈值ε,就可以判断为测量光源及光源控制系统出现损坏。
当光照度调节环境确定认可后,就可以进行免疫层析卡的免疫层析结果判读。其判读方法如下:
步骤一:采集免疫层析测试区显色特征区域及其周边非特征区的原始图像I,并获取免疫层析测试区显色特征区域的信息B;
步骤二:以非特征区的背景,采用最大似然法,拟合出免疫层析测试区显色特征区域可能的背景图像信息C;
步骤三:根据背景差分方法,用所述免疫层析测试区显色特征区域的图像信息B与背景图像信息C进行差分,得到免疫层析测试区显色特征区域中前景的真实颜色信息D;
步骤四:然后根据真实颜色信息D统计出免疫层析测试区显色特征区域包含信息熵的大小。
所述原始图像I为:
I={f(x,y)|(0<x<=width)&(0<y<=height)}
其中,f(x,y)代表图像中在(x,y)像素点处的RGB三维向量,width为图像的宽度,height为图像的高度。
所述免疫层析测试区显色特征区域的信息B为:
B={Bi|i∈1...n}
Bi(x)=(Bi(x,1),Bi(x,2),Bi(x,3))
Bi(x,m)={f(x,y,m)|0<y<=height}
m的值为1、2、3,分别表示图像的R、G、B颜色分量,则f(x,y,m)表示图像上(x,y)点处的第m个颜色分量的值。
背景图像信息C:
由于采集的图像I包含的免疫层析测试区显色特征区域,其颜色信息对y轴有较好的独立性,所以将颜色信息投影到x轴,其避免局部噪声的影响,同时又能体现出颜色的总体分布情况。
将图像I的向x轴的投影设为E(x),即使关于x轴方向的height×3二维向量,其表达式如下:
E(x)=(E1(x)′,E2(x)′,E3(x)′)
其中m的取值为1、2、3分别代表着R、G、B维度,f(x,j,m)代表着在图像I中(x,j)点处的第m分量的颜色值。
由于被测试样本有所差异,在免疫层析测试反应完成后会出现颜色,其颜色特征区域边界与背景之间存在作颜色差异,目前免疫层析测试结果的判读都是通过肉眼对显色的深浅程度来作出的,即能看见颜色的出现判定为阳性(负判定则相反),反之为阴性,根据模拟人肉眼判读法则,假设能够模拟出没有反应物时免疫层析测试显色区域可能的背景,如此便可真实的反映出反应显色的真实情况。
所述免疫层析测试区显色特征区域建模过程如下:
第i个特征区域第m个颜色维度的左、右边缘非特征区采样点集合为:
Δ值决定拟合采样点的多少,如果Δ过小,则由于采样样本过于简单,所以不能真实反映曲线的形状;如果过大,增加了运算复杂度,根据数理统计原理,在Δ取值在(15,25)为宜。
拟合背景所选取的曲线形式,则需要根据图像采集光源的具体情况进行分析,如采用单光源,则图像的背景程抛物线形式分布,即第i个特征区域第m个颜色维度关于x轴的函数表达式为:
ci(x,m)=k×(x-x0)2+a
其中k、x0、a为抛物线的形状控制参数;
假如采用平行光源,则可通过线性拟合便可进行背景建模,函数形式为:
ci(x,m)=k×x+a
所述免疫层析测试区显色特征区域中前景的真实颜色信息D获取如下:
获取第i个免疫层析测试区显色特征区域x轴上第m个颜色维度的真实颜色信息Di(x,m):
Di(x,m)=Bi(x,m)-ci(x,m)
Di(x,y,m)=f(x,y,m)-ci(x,m)
Di(x)=(Di(x,1),Di(x,2),Di(x,3)}
D={Di|i=1...n}
其中,D为图像上所有免疫层析测试区显色特征区域真实的颜色矩阵;
则总体的颜色信息熵Entropyi包括R、G、B分别得颜色信息熵EntropyR、EntropyG、EntropyB,其分别得表达式如下所示:
上式中λ1、λ2、λ3分别为对总体颜色熵的作用,主要按照免疫层析测试区显色的颜色来进行适当的选择,大多数反应显色线为红色或兰色线,而背景的颜色一般为白色,所以为了保证颜色信息熵的累加非负性,则选取λ1=-2、λ2=1、λ3=1较为合适。
在拟合免疫层析测试区显色特征区域可能的背景图像信息B’??时:
以图像的左下为坐标原点,设定水平方向为x轴,垂直方向为y轴,根据图像的低频信息,采用免疫层测试目标区域与y轴的独立性,可以利用颜色在x轴上y向的所有点的像素累加,然后,取该累加值的平均值去描述图像水平方向的像素信息分布情况,即向x轴将三维颜色垂直投影,其表达形式为关于x轴的颜色一维累加向量;
在免疫层析测试区显色特征区域的位置已经确定为前提下,在免疫层析测试区显色特征区域左右两侧的非特征区域各提取出20个背景信息(经验值,取少很难对背景进行建模;取多则会影响建模的速度,同时,离免疫层析测试区显色特征区越远对背景的建模影响越小),得到S集合:
S={(x,x_background)|(x_detection_left>x>x_detection_left-20)or(x_detection_right>x>x_detection_right-20)}
利用S集合推导出免疫层析测试区显色特征区域中可能的背景信息。假定背景按照抛物线分布,则抛物线的方程为:x_background=k*(x-x0)2,其中x0=(x_detection_left+x_detection_right)/2。因为本发明是在图像采集环境相对恒定、平行)光源的条件下进行,则一般图像的光照具有平滑(连续)特性,所以应当将k值的很小,因为集合S的点落在该抛物线上,根据最小二乘法则,求取参数k的最优解。具体如下:
假定特征区两端的40个采样向量为
ln(x_backgroundi)=k′+2ln(x-x0)+εi
k=exp(k′)
其中i∈1,2,3...40,因为抛物线方程具有非线性;则对两边ln得到:
ln(x_background)=lnk+2ln(x-x0)
令lnk为k′则上为式:ln(x_background)=k′+2ln(x-x0)
Claims (2)
1.一种免疫层析判读记录仪中光照度的自动判断和调整方法,其特征在于按以下步骤进行:
步骤一:设置标准光照图像,布置标准光源,并利用摄像装置获取标准光源下的标准比对卡的标准图像S,并将该标准图像S输入计算机;
步骤二:根据Retinex理论计算出标准图像S的标准入射光照度A;
步骤三:布置测量光源,并在测量光源下获取目标比对卡的当前图像S’,并将该当前图像S’输入计算机,根据Retinex理论计算出当前图像S’的入射光照度A';
步骤四:比较所述标准入射光照度A和入射光照度A’,判断入射光照度A’是否落入标准入射光照度A的允许误差范围内,如果入射光照度A’未落入标准入射光照度A的允许误差范围内,免疫层析判读记录仪所连接的控制计算机通过电路自动调节所述测量光源亮度,直到入射光照度A’能落入标准入射光照度A的允许误差范围内为止;
如果所述测量光源亮度由最低调节到最高,入射光照度A’都不能落入标准入射光照度A的允许误差范围内,则判断所述测量光源及光源控制系统出现损坏;
所述测量光源亮度调节的方法是通过Retinex理论,已经得到在真彩色图像的RGB空间中入射光值,则可通过加权欧氏距离方法和标准值相比较:
familar=λR×Σ|RR(x,y)-Ro R(x,y)|+λG×Σ|RG(x,y)-Ro G(x,y)|+λB×Σ|RB(x,y)-Ro B(x,y)|
根据上式计算出与给定值的偏差;其中R表示标准图像S的取值,R0表示当前图像S’的取值;
免疫层析判读记录仪所连接的控制计算机通过电路自动调节所述测量光源亮度,如果familar小于或等于给定阈值ε,则调节入射光度值结束,如果familar大于给定阈值ε,则:
(λR×Σ(RR(x,y)-Ro R(x,y))+λG×Σ(RG(x,y)-Ro G(x,y))+λB×Σ(RB(x,y)-Ro B(x,y)))×λ
为反馈回路的调节量,λ为反馈调节比例系数,λR、λG、λB分别表示为经过retinex理论在RGB三维中得到光度偏差对总体光度偏差的权重;
λ的取值为0.01~0.025。
2.根据权利要求1所述的一种免疫层析判读记录仪中光照度的自动判断和调整方法,其特征在于,所述Retinex理论的计算方法是:获取标准图像S或当前图像S’的真彩色,即在R、G、B中分别利用Retinex理论求取光度值,实现的步骤如下:
第一步:将标准图像S或当前图像S’分解为三幅灰度图像R,G,B,依次将这三幅灰度图像中的像素点的灰度值的数据类型转化成double型,以下分别对每一幅图像分别进行如下处理;
第二步:以高斯函数作为环境函数:
F(x,y)=K*exp(-(x2+y2)/σ2),
其中σ为高斯函数的标准偏差,其取值为40~100,x,y为图像中每个像素点的坐标值,归一化条件为∫∫F(x,y)dxdy=1,根据该归一化条件可以确定K的取值;
根据中心/环绕Retinex算法理论,提出单尺度Retinex算法,其公式为:
Ri(x,y)=log(Ii(x,y)+δ)-log(F(x,y)*Ii(x,y)+δ)
其中:Ri(x,y)是Retinex的输出;Ii(x,y)是第i个像素颜色谱带的图像分布;δ是为了在取对数的时候保证结果有意义,当取值为1/255时能达到较好的效果;*代表卷积操作;log为自然对数;
Ri(x,y)是Retinex理论对应在采集图像中的(x,y)像素点的入射光光度值大小;
第三步:使用的高斯环境函数对图像进行卷积操作,其实现过程为:
Rc(x,y)=Fi c(x,y).*I(x,y)
上述中的Fi c(x,y)为高斯环境函数,如果选择多尺度的retinex理论,则i代表着第c个像素颜色谱带第i个高斯环境函数;当使用单尺度时,即i为1,一般高斯函数的标准偏差选择在40~100之间,通过高斯环境函数算决定的窗口和离散矩阵,对图像中的每个点做卷积运算,在对图像四周处理的时候,归一化因子需要更新,当然,也可通过下式计算:
Rc(x,y)=DFT-1[DFT(Fi c(x,y))*DFT(Ic(x,y))]
Ic(x,y)表示为c颜色谱带上的二维像素,c取值为R、G、B中的任意一个;上述公式的处理过程如下:先对Fi c(x,y)和Ic(x,y)进行傅里叶变化到二维频域,然后在二维频域中对每个点进行卷积运算,最后将得到结果反傅里叶变换,即可得到图像信息;
第四步:采集的图像真实彩色,即在R、G、B中分别利用Retinex理论求取光度值,第三步中的C分别表示R、G、B,得到RR(x,y)、RG(x,y)、RB(x,y) 的光度值;
标准图像S的标准入射光照度A和当前图像S’的入射光照度A’均为三维向量,具体形式如下:
A=(Ro R(x,y,Ro G(x,y),Ro B(x,y))
A'=(RR(x,y,RG(x,y),RB(x,y))。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010512031 CN102387631B (zh) | 2010-10-19 | 2010-10-19 | 一种免疫层析判读记录仪中光照度的自动判断和调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010512031 CN102387631B (zh) | 2010-10-19 | 2010-10-19 | 一种免疫层析判读记录仪中光照度的自动判断和调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102387631A CN102387631A (zh) | 2012-03-21 |
CN102387631B true CN102387631B (zh) | 2013-09-11 |
Family
ID=45826434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010512031 Expired - Fee Related CN102387631B (zh) | 2010-10-19 | 2010-10-19 | 一种免疫层析判读记录仪中光照度的自动判断和调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102387631B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968979B (zh) * | 2012-11-12 | 2015-06-17 | 广东欧珀移动通信有限公司 | 一种基于曲线拟合的屏幕亮度调节方法 |
CN103308676B (zh) * | 2013-05-31 | 2015-05-13 | 中国科学院上海光学精密机械研究所 | 金标条阅读仪及检测方法 |
CN104142395B (zh) * | 2014-08-01 | 2016-03-23 | 厦门大学 | 一种免疫层析试条动态定量测试方法 |
CN106506980A (zh) * | 2016-11-04 | 2017-03-15 | 天津大学 | 一种基于判断图像像素强度的光源自适应控制方法 |
CN114397929B (zh) * | 2022-01-18 | 2023-03-31 | 中山东菱威力电器有限公司 | 一种可以改善冲洗水初始温度的智能马桶盖控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101102398A (zh) * | 2007-07-26 | 2008-01-09 | 上海交通大学 | 全自动的实时数字图像处理增强系统 |
CN101413884A (zh) * | 2008-11-21 | 2009-04-22 | 聚光科技(杭州)有限公司 | 近红外光谱分析仪及其分辨率的校正方法 |
CN101608950A (zh) * | 2009-07-21 | 2009-12-23 | 宁书存 | 通用ccd摄像机光照度检测仪 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011507023A (ja) * | 2007-12-11 | 2011-03-03 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | カメラの照明デバイス |
-
2010
- 2010-10-19 CN CN 201010512031 patent/CN102387631B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101102398A (zh) * | 2007-07-26 | 2008-01-09 | 上海交通大学 | 全自动的实时数字图像处理增强系统 |
CN101413884A (zh) * | 2008-11-21 | 2009-04-22 | 聚光科技(杭州)有限公司 | 近红外光谱分析仪及其分辨率的校正方法 |
CN101608950A (zh) * | 2009-07-21 | 2009-12-23 | 宁书存 | 通用ccd摄像机光照度检测仪 |
Also Published As
Publication number | Publication date |
---|---|
CN102387631A (zh) | 2012-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Davis et al. | Real-time observation of taxa-specific plankton distributions: an optical sampling method | |
Meyer et al. | An electronic image plant growth measurement system | |
CN103528617B (zh) | 一种座舱仪表自动识别和检测方法及装置 | |
CN108460739A (zh) | 一种基于生成对抗网络的遥感图像薄云去除方法 | |
CN102387631B (zh) | 一种免疫层析判读记录仪中光照度的自动判断和调整方法 | |
CN109214399A (zh) | 一种嵌入SENet结构的改进YOLOV3目标识别算法 | |
Kider Jr et al. | A framework for the experimental comparison of solar and skydome illumination | |
AU2020104490A6 (en) | Method and device for analyzing plants | |
CN105842173A (zh) | 一种高光谱材质鉴别方法 | |
Jehle et al. | Learning of optimal illumination for material classification | |
CN102384972B (zh) | 一种基于机器视觉的免疫层析结果判读方法 | |
CN103957394A (zh) | 对象的全分辨率彩色成像 | |
CN107679569A (zh) | 基于自适应超图算法的拉曼光谱物质自动识别方法 | |
CN109827957B (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
CN105974120A (zh) | 一种c反应蛋白色度自动检测装置与方法 | |
JP5984127B2 (ja) | 真珠評価システム、真珠評価装置、及び真珠評価方法 | |
CN112132803A (zh) | 一种基于卷积神经网络的鸡蛋新鲜度检测方法 | |
Dmitriev | Classification of the forest cover of Tver oblast using hyperspectral airborne imagery | |
Varjo et al. | Image based visibility estimation during day and night | |
CN112926702A (zh) | 主动光源式物体材质识别系统及方法 | |
WO2023034441A1 (en) | Imaging test strips | |
CN111881030B (zh) | 基于可理解特征变异的智能交通数据测试样本生成方法 | |
CN210867988U (zh) | 一种成像系统空间测试装置 | |
CN109060802B (zh) | 一种基于手机的纸基层析传感器定量分析系统、分析方法 | |
Chang et al. | RGB imaging based estimation of leaf chlorophyll content |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130911 Termination date: 20181019 |
|
CF01 | Termination of patent right due to non-payment of annual fee |