CN102881007A - 化合物平面分离结果的图像处理方法及其系统 - Google Patents
化合物平面分离结果的图像处理方法及其系统 Download PDFInfo
- Publication number
- CN102881007A CN102881007A CN2012102902434A CN201210290243A CN102881007A CN 102881007 A CN102881007 A CN 102881007A CN 2012102902434 A CN2012102902434 A CN 2012102902434A CN 201210290243 A CN201210290243 A CN 201210290243A CN 102881007 A CN102881007 A CN 102881007A
- Authority
- CN
- China
- Prior art keywords
- gray
- pixel
- separation result
- planar separation
- result images
- 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
Abstract
本发明提供一种化合物平面分离结果的图像处理方法及其系统,通过对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理,转换为符合用户要求的灰度图像。再将所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该方程校正该行各像素点的灰度值,通过图像平滑处理和谱带分割处理,对所述平面分离结果图像准确地进行谱带划分,提取各个谱带的像素,将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集和光密度曲线;对样品中指定化合物进行定性、定量分析。本发明能够消除所述平面分离结果图像中背景的影响,提高对化合物平面分离结果图像的处理精度。
Description
技术领域
本发明涉及化合物平面分离结果处理的技术领域,特别是涉及一种化合物平面分离结果的图像处理方法,以及一种化合物平面分离结果的图像处理系统。
背景技术
平面色谱技术包括薄层色谱、纸色谱、凝胶电泳等各种在平面上用溶剂把化合物样品展开和分离,然后对结果进行分析的技术。它是一种简便、经济、微量的分析方法,广泛应用于生命科学、医学、药学、食品、化学等领域各种化合物的分析,是一种不可缺少的化合物分析工具。例如目前的DNA研究的基本技术Southern印迹杂交、RNA研究基本技术Northern印迹杂交以及蛋白研究基本技术Western印迹杂交均要使用凝胶电泳方法;中国药典中鉴别中药药材、提取物和制剂,最多使用的是薄层色谱法。
平面色谱分离结果图像中斑点的大小和颜色的深浅反映样品的实际组成和含量。因此,计算斑点累积光密度,可用于进行定量和定性分析。
平面色谱分离结果图像的定量计算是将样品斑点的积分光密度值与单个或者系列已知浓度对照品用相同方式得到的积分光密度值进行比较,按照外标定量法或带内标校正的外标定量法进行计算。
对平面色谱分离结果图像的定性分析方面,商业的图像分析系统对核苷酸、多肽、蛋白质凝胶电泳图进行指纹图谱分析,采用的相似度计算核心公式为:
其中,f为相似度;n1、n2为两待比较指纹图谱中各自的峰数;nt为两待比较指纹图谱中共有峰的峰数;
上述公式不能适用于平面色谱等其他平面分离结果的定性分析中,因此提出用相机或扫描仪获取平面色谱图像,手工调整照相时的对比度以获取清晰图像,然后手工分行(谱带分割),或者手工输入行数对图谱进行分行(分割各点样点形成的谱带),然后获取行(谱带)的积分曲线;手工输入峰高或峰宽阈值滤除杂质峰后,将数据按以下公式:
其中,f为相似度;n1、n2为两待比较色谱指纹图谱中实际色谱峰数,nt为共有峰的峰数;h1t、h2t为两待比较色谱指纹图谱中共有峰的峰高;进行相似度计算,用于中药材的指纹图谱研究。该方法缺点是需要平面色谱结果中各斑点达到较好分离。
目前薄层色谱的定性、定量分析,多采用薄层扫描法。但它需要使用精密而昂贵的数控机械设备和光电检测元件对薄层色谱图不同条带进行逐一扫描记录,存在定量速度慢,精度较低,不同样品间定量分析不同步,不直观,因无法看到扫描的定位情况,直线扫描易造成定位不准而产生较大误差等缺点。
另一种方法为使用视频光密度仪,此视频光密度仪主要由光源、暗箱、数码感光元件、计算机系统组成,具有组成简单、不需要机械移动装置、价格低、可以通过增加信号获取时间来提高灵敏度、可以迅速获取整个平面的图谱信息等优点,但是存在光照不均匀、相机镜头畸变等影响对平面分离结果图像的分析造成较大误差。
为了减小背景干扰、光照不均匀、以及相机镜头畸变所造成误差,采用在成像前先进行光发射校正;用中值滤波算法消除噪音;用数码相机或摄像机拍摄标准方格图,然后用计算机建立校正函数进行镜头畸变校正、噪声滤除预处理。但该方法操作麻烦,需要拍摄标准方格图,因此需要额外的物理材料。
目前平面色谱分离结果的图像的处理和分析方法均使用较大型的仪器硬件系统,以及个人电脑来实现,携带不方面而且成本高。
发明内容
针对现有的技术的上述问题,本发明的目的在于提供一种化合物平面分离结果的图像处理方法,以及一种化合物平面分离结果的图像处理系统,能够不需要标准方格图等额外材料就可以对图像进行校正、不需要平面分离结果中斑点完全分离就可以进行谱带图像的相似度比较,可以在移动便携、低成本的带拍照功能的智能手机上应用,并且更加准确、可靠。
一种化合物平面分离结果的图像处理方法,包括以下步骤:
获取化合物样品的平面分离结果图像;
对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理;
将处理后的所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值;
对灰度校正后的所述平面分离结果图像进行图像平滑;
对图像平滑后的所述平面分离结果图像进行谱带分割;
将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集,并绘制光密度曲线;
根据所述光密度曲线对化合物样品中指定化合物进行定量、定性分析。
一种化合物平面分离结果的图像处理系统,包括:
图像获取模块,用于获取化合物样品的平面分离结果图像;
图像处理模块,用于对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理;
灰度校正模块,用于将处理后的所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值;
图像平滑模块,用于对灰度校正后的所述平面分离结果图像进行图像平滑;
谱带分割模块,用于对图像平滑后的所述平面分离结果图像进行谱带分割;
光密度曲线计算模块,用于将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集并进一步绘成光密度曲线;
定量、定性分析模块,用于根据所述光密度曲线对化合物样品中指定化合物进行定量、定性分析。
本发明的化合物平面分离结果的图像处理方法及其系统,通过对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理,将所述平面分离结果图像转换为符合用户设定或者统一要求的灰度图像。将转换成灰度图的所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值,可以非常有效地去除所述平面分离结果图像中的背景的影响,提高对其中的化合物样品图像的处理精度。再通过图像平滑处理和谱带分割处理,能够对所述平面分离结果图像准确地进行谱带划分,提取各个谱带的像素,将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集及其光密度曲线。能够有效地提高对化合物的平面分离结果图像的处理精度。
不需要标准方格图等额外材料就可以对图像进行校正、不需要平面分离结果中斑点完全分离就可以进行谱带图像的相似度比较,可以在移动便携、低成本的带拍照功能的智能手机上应用,并且更加准确、可靠。
附图说明
图1是本发明化合物平面分离结果的图像处理方法的步骤流程图;
图2是本发明化合物平面分离结果的图像处理方法一个实施例的步骤流程图;
图3至15是图2所示的实施例中各个步骤的详细举例说明的示意图;
图16是本发明化合物平面分离结果的图像处理系统的结构示意图。
具体实施方式
请参阅图1,图1是本发明化合物平面分离结果的图像处理方法的步骤流程图。所述化合物平面分离结果的图像处理方法包括以下步骤:
S101,获取化合物样品的平面分离结果图像;
在本步骤中,优选通过智能手机等数码成像设备在预定的光源条件下,对单一或者混合化合物样品的平面分离结果进行图像采集,获取所述平面分离结果图像,并通过一定方式存贮或传送并存贮于智能手机等图像处理硬件设备中。之后的步骤S102-S107都可通过智能手机的图像处理功能进行处理,通过智能手机实现本发明的化合物平面分离结果的图像处理方法,能够大大提高设备的便携性,使用非常方便。
通常的化合物样品经过薄层色谱、纸色谱、凝胶电泳等技术进行平面分离,会使化合物样品在一平面上运动、分离并形成光密度有差异的斑点(化合物样品形成的斑点),在本步骤中,在日光、荧光但不局限于以上光照条件下,利用智能手机等数字成像设备获取平面分离结果的数字图像,亦即所述平面分离结果图像。
S102,对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理;
本步骤为对所述平面分离结果图像进行旋转、截取、缩放和灰度转换等图像处理,使所述平面分离结果图像转换成符合用户期望的角度,大小,分辨率和灰度的标准图像,更适合进行下面进一步的图像分析处理。
具体地,在进行图像旋转时,按照用户的设定或者操作指令,按照所述平面分离结果图像中的化合物样品点样起始线处于水平位置,对所述平面分离结果图像设定旋转角度并进行旋转。
在进行图像截取时,接收用户的图像截取指令,按照所述图像截取指令的截取范围对所述平面分离结果图像进行图像截取。亦即,用户可根据实际需要选择图像中分析区域的范围,截取相应图像获得符合用户希望的图像。
在进行图像缩放时,按照预定的分辨率,对所述平面分离结果图像进行图像缩放,或者按照用户的缩放指令中自定义的大小进行缩放,避免图像过大造成处理时间太长或出错。
在进行灰度转换时,将所述平面分离结果图像分别转换成灰度图、平均灰度图、红色分量灰度图、蓝色分量灰度图和绿色分量灰度图,接收用户指令选择输出相应的灰度图。可由用户根据排除干扰或提高信噪比的需要选择合适的灰度图,非常方便。其中,所述灰度图转换公式为:Gray=0.299R+0.587G+0.114B,其中,Gray为灰度图中各像素点的灰度值,R为像素点红色分量的数值,G为像素点绿色分量的数值,B为像素点蓝色分量的数值;所述平均灰度图计算公式为:Gray’=0.333R+0.333G+0.333B;其中,Gray’为平均灰度图中各像素点的灰度值,R为像素点红色分量的数值,G为像素点绿色分量的数值,B为像素点蓝色分量的数值;所述红色分量灰度图中各像素点的灰度值等于该像素点的红色分量值;所述蓝色分量灰度图中各像素点的灰度值等于该像素点的蓝色分量值;所述绿色分量灰度图中各像素点的灰度值等于该像素点的绿色分量值。
S103,将处理后的所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值;
将所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值,可以改善光照不均匀或镜头畸变造成的影响,有效地提高对所述平面分离结果图像的处理分析的精确度。
优选地,在本步骤中,按照以下方式校正所述平面分离结果图像中各像素点的灰度值:
a.将所述平面分离结果图像中每一行的所有像素点用最小二乘法拟合二次曲线方程;
b.将各个所述像素点的灰度值与所述像素点坐标对应的所述二次曲线方程计算值相比较;
如果所述平面分离结果图像中的化合物样品图像的灰度值大于背景的灰度值,则执行步骤c.剔除灰度值大于所述二次曲线方程计算值的像素点,反之则执行步骤d.剔除灰度值小于所述二次曲线方程计算值的像素点;
对该行余下的像素点重新执行步骤a至d,用最小二乘法重新拟合二次曲线方程,并再次对所述余下的像素点进行剔除,重复拟合和剔除N次后(N为预设正整数),再次拟合得到接近理想的基线二次曲线方程;
e.用所述基线二次曲线方程校正该行各像素点的灰度值。具体的校正方式如下:
如果所述平面分离结果图像中的化合物样品图像的灰度值大于背景的灰度值,则校正的计算方式为:
Gray1=Gray2-Gray3+Gray4;
其中,Gray1为像素点新灰度值,Gray2为像素点原灰度值,Gray3为该像素点坐标对应的所述基线二次曲线方程的计算值,Gray 4为使Gray1不小于0预设基础值;
如果所述平面分离结果图像中的化合物样品图像的灰度值小于背景的灰度值,则校正的计算方式为:
Gray1=-Gray2+Gray3+Gray4;
其中,Gray1为像素点新灰度值,Gray2为像素点原灰度值,Gray3为该像素点坐标对应的所述基线二次曲线方程的计算值,Gray4为使Gray1不小于0预设基础值。
本实施方式中,通过将图像中每一行的像素点用最小二乘法拟合二次曲线方程,利用与二次曲线方程计算值比较进行像素点剔除,多次剔除后获得理想的基线二次曲线方程,用该基线二次曲线方程进行图像中的像素点的灰度校正,能够改善光照不均匀和镜头畸变对平面分离结果图像的影响,极大地提高对所述平面分离结果图像的处理分析精确度。
S104,对灰度校正后的所述平面分离结果图像进行图像平滑;
通常的图像平滑方法包括邻域平均滤波法、中值滤波法,或低通滤波法等。优选地,在本步骤中,对灰度校正后的所述平面分离结果图像,采用3至N个像素点的灰度值作为数字滤波窗口;并且,采用下述滤波方法中的任何一种方式或多种方式的组合,按行、按列或者按像素矩阵进行图像平滑:邻域平均滤波法、中值滤波法或者低通滤波法。其中,N为所述平面分离结果图像的行或列像素点总数十分之一、取整后获得的整数值。本方法可以应用的图像平滑方法并不限于以上数字滤波方法。所述平面分离结果图像经过平滑后,减少了所述平面分离结果图像中的随机噪声和干扰像素点,提高对所述平面分离结果图像的处理分析精确度。
S105,对图像平滑后的所述平面分离结果图像进行谱带分割;
本步骤中,所述谱带分割包括用户自定义分割或系统自动分割;
其中,所述用户自定义分割为:接收用户的谱带分割指令,根据所述谱带分割指令指定的分割点进行谱带分割;
所述系统自动分割为:将所述平面分离结果图像中纵坐标30%~70%范围内的像素点的灰度值沿纵向累加,将得到的数值按顺序存入一个数组,对所述数组的数值相连而成的曲线采用滤波方法进行平滑后,根据所述曲线的拐点确定谱带分割点,分割谱带。其中,所述滤波方法包括邻域平均滤波法、中值滤波法,低通滤波法,但不限于以上数字滤波方法。
用户可以根据自己的需要选择用户自定义分割或系统自动分割,根据所述曲线的拐点确定分割点,分割不同点样点形成的谱带,以达到最优的谱带分割效果。
S106,将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集。
在得到各谱带的累积光密度数据集的步骤之后,可进一步将所述累积光密度数据集中各个累积光密度数值,按顺序连接得到光密度曲线,便于进行分析比较。
S107,根据所述光密度曲线对化合物样品中指定化合物进行定量、定性分析.
在本步骤中,根据所述化合物样品的所述光密度曲线,进行定量、定性分析。
其中,所述定量分析为:对所述光密度曲线,按用户指定或系统根据曲线趋势变化自动确定的起点和终点间数据进行积分,得到斑点光密度积分值,将得到的所述光密度积分值与单个或者系列已知浓度的标准样品用相同方式得到的光密度积分值进行比较,按照外标定量法或带内标校正的外标定量法进行计算,对所述化合物样品中指定化合物进行定量分析。
所述定性分析包括分类分析和样品基源鉴别分析。
所述分类分析为:根据用户在化合物样品的光密度曲线中指定的两个参考点间的距离比例(例如以此距离为200),进行曲线缩放,校正所述光密度曲线上其他各点的横坐标值;将缩放后得到的所述光密度曲线,在用户指定或系统默认确定的范围内提取特征曲线用于相关系数计算,用相关系数法计算多个所述化合物样品两两之间的特征曲线的相似度,再进行聚类分析,实现分类分析。
所述样品基源鉴别分析为:将同一来源的不同样品在相同分析条件下分析产生的光密度曲线提取特征曲线,通过加权平均(权重由用户自行确定)产生标准样品对照的特征曲线,计算待鉴别样品的特征曲线与所述标准样品的特征曲线的相似系数,按照相似度大小与用户指定的判别值比较,进行样品的基源鉴别。其中,提取特征曲线的方法可与进行所述分类分析时的提取方法相同。
下面结合附图2至15详细说明本发明的一个实施例:
图2给出了本实施例的工作流程图,包括S201,获取化合物样品的平面分离结果数码图像;S202,进行旋转、裁切、缩放、灰度转换等图像处理;S203,进行图像校正;S204,用滤波算法降低噪音使图像平滑;S205,对各样品的谱带进行分割;S206,对谱带的像素点灰度进行水平方向累加,得到累积光密度数据集及其曲线;根据各样品累积光密度数据,进行定量分析(S7.1)、分类分析(S7.2)、基源鉴别(S7.3)。
其中,第一步是获取平面分离结果图像,图3给出了一种简易的图像获取方法:在暗房中,将载有分离结果的平面板a放置在紫外分析仪(波长为254nm,365nm)b下,然后由固定在脚架c上的数码相机d对平面分离结果进行拍照形成数字图像并存于图像处理计算设备中,其他图像获取方法包括用商品化的图像分析系统获取图像,但不限于以上方法。
图4给出了一幅所拍摄的平面分离结果图像,图中的各斑点是不同浓度对甲氧基肉桂酸乙酯对照品经薄层色谱分析后得到的结果图像,其中f是其中一个样品的平面分离结果斑点。
图5是显示经过旋转、裁切、缩放和灰度转换等图像处理后的平面分离结果图像。
图6是所述平面分离结果图像的一行像素的灰度值示意图,其纵坐标value为像素灰度值,横坐标x为像素横坐标。图中的g是过图5中系列斑点的一行像素点的灰度值连线,可以看出光照不均匀等干扰对背景的影响是非常大的,减少甚至消除背景的干扰对获得准确的图像分析结果非常重要。本实施例中采用的校正算法是:将图像中每一行的像素点(可以用数据集(x,value),其中x为像素点横坐标,value为纵坐标,此处为像素点的灰度值)用最小二乘法拟合二次曲线方程,然后将各像素点的灰度值value与该像素点坐标x对应的拟合曲线方程计算值value’相比较,对于斑点灰度值大于背景的图像,剔除灰度值大于拟合曲线方程计算值的一组像素点,反之则剔除灰度值小于拟合曲线方程计算值的一组像素点,对该行余下的一组像素点重复上述拟合和剔除像素点的步骤一到多次,得到一个理想的基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值。对于所述平面分离结果图像中的化合物样品图像的灰度值大于背景的灰度值的,则校正的计算方式为:Gray1=Gray2-Gray3+Gray4;否则,校正的计算方式为:Gray1=-Gray2+Gray3+Gray4;其中,Gray1为像素点新灰度值,Gray2为像素点原灰度值,Gray3为该像素点坐标对应的所述基线二次曲线方程的计算值,Gray4为使Gray1不小于0预设基础值。
其中,拟合二次曲线方程的最小二乘法算法是:定义三个变量a1、a2、a3,作为二次曲线方程V=a1+a2x+a3x2的参数;利用极值条件V=发f(x)对a1,a2,a3的值为零,得到关于a1,a2,a3的线形方程组,即求V=f(x)对a1,a2,a3的偏导得到线形方程组,用数据集(x,value)的数据按最小二乘法求出方程组矩阵的行列式,然后根据行列式求出线性方程组的解,即为拟合函数的系数,从而得到拟合曲线V=f(x)。
图6中的h为三次剔除灰度值小于拟合曲线方程计算值的像素点,逐次逼近拟合出来的供校正用的基线二次曲线方程的曲线,图6中的i为校正后的该行像素点的连线,为了避免相减出现负值的情况,各像素点应加上一个基础值,此处为50,但不限于该值。
本实施例中对图像的噪音滤波采用3个到n个像素点的灰度值作为数字滤波窗口,其中,n为所述平面分离结果图像的行或列像素点总数十分之一、取整后获得的整数值。然后采用下述滤波方法中的任何一种方法或一组方法组合按行、按列或区域(像素矩阵)进行图像平滑:邻域平均滤波法、或中值滤波法,或低通滤波法,但不限于以上数字滤波方法。图7是一个n×n滤波模板,例如将像素点(x,y)滤波窗口范围n内的像素点的灰度值排序,然后将中间值赋予窗口范围n×n个像素点作为新图中的灰度值,实现中值滤波。
图8a为图5校正和平滑前的灰度图及其三维立体显示,图8b为图5校正和平滑后的灰度图及其三维立体显示,从图可以看出,经过校正和平滑后,图像的变形得到有效改善。
图9显示图像中样品谱带的分割和进行灰度累积获取的光密度曲线。谱带分割可以采用人工分割和自动分割。自动分割谱带的算法为:将图像中纵坐标30%~70%范围内的像素点灰度值沿纵向累加,得到的数值按顺序存入一个数组,对数组的数值相连而成的曲线采用邻域平均滤波法、或中值滤波法,或低通滤波法,但不限于以上数字滤波方法对曲线进行平滑,然后再以5个数据点为移动窗口,在曲线上移动,拟合曲线的斜率。5个数据点连续增大且斜率为正时,判断为向上拐点,再向左移动寻找最低点作为谱带的左起点;5个数据点连续变小且斜率为负时,判断为向下拐点,再向右移动寻找最低点作为谱带的终点,依次确定各谱带的起点和终点,分割谱带。图9a为图5校正和平滑前分割出来一条谱带及谱带的光密度曲线,图9b为图5校正和平滑后分割出来一条谱带及谱带的光密度曲线。从图可以看出,样品谱带分割和灰度累积后得到光密度曲线(数字图像存贮时,亮度越大,灰度值越高,为适合习惯的显示方式将光密度垂直反转显示),对曲线上色谱峰的曲线下面积积分可以得到斑点的光密度积分值用于定量计算。另外,经过校正和平滑后,光密度曲线的基线漂移得到有效改善,有利于准确积分。
图10上方为图5校正和平滑前系列浓度对照品定量分析得到的散点图示意、线性趋势线、线性方程及其线性相关系数平方值,下方为图5校正和平滑后系列浓度对照品定量分析得到的散点图示意、线性趋势线、线性方程及其线性相关系数平方值。从图10可以看出,系列浓度的对照品与其相应的斑点光密度值呈良好线性关系,可用于进行定量计算。另外,校正和平滑后,线性相关系数平方值从0.9285提高到0.9797,得到有效改善,可提高定量的准确性。
图11显示两个平面分离结果图像,图11a为使用预制薄层板进行薄层分析得到的结果图像,图11b为使用手工铺制薄层板进行薄层分析得到的结果图像,两图中各谱带依次为八种药材:陈皮、青皮、枳壳、佛手、橘红、江西产柚皮、广东产柚皮、毛橘红薄层分析后形成的1~16个谱带。
图12为上述两个平面分离结果图像中同一陈皮样品在两次不同薄层分析中形成的谱带的光密度曲线图12a以及根据参考点校正后的光密度曲线图12b。本发明中,根据用户用鼠标点击所指定的两个参考点,其他各点以两点间的距离为标准(例如以此距离为200),校正横坐标值(x)。校正算法为:求出两个参考点间距离,建立一个长度为原光密度曲线数组长度乘上200再除以两个参考点间距离取整后的数值的新数组,该数组第i点的累积光密度值为i乘以两个参考点间距离再除以200取整后得到的数值所对应的原光密度曲线数组中的数据点的累积光密度值。从图12可以看出,经过校正后的同一样品的两条光密度曲线的相似性有明显提高。
图13显示上述两个平面分离结果图像的各样品谱带根据参考点校正前和校正后的相似度比较结果。相似度计算方法为将两条光密度曲线的数据以该曲线的参考点为准对齐,将用户指定范围内能体现样品图谱特征的曲线的对应数据集按相关系数法计算相似度,公式为:
其中ai、bi分别为两条光密度曲线的规定范围内第i点的灰度值。图13中第一个表为校正前的相似度计算结果矩阵,第二个表为校正后的相似度计算结果矩阵;对照两表中的数据,各样品点的相似度有明显改善,更真实反映同一样品和不同样品间的相似性差异。以合适的相似度阈值进行判别,可以进行样品的基源鉴别。
图14为上述两个平面分离结果图像中单独一个图的图像分析结果聚类分析图。显示样品1~8谱带可分为三类,同一生物种不同炮制药材聚为一类(1陈皮,2青皮,3枳壳)、不同生物种但遗传距离接近的聚为一类(5橘红、6江西产柚皮、7广东产柚皮、8毛橘红),余下的一个药材单独为一类(4佛手)。
图15为上述两个平面分离结果图像中样品的统一图像分析结果聚类分析图,显示图13中两个相似度矩阵数据的聚类分析结果。聚类分析使用相似度矩阵数据,以系统聚类法(最短距离法),进行分析。左边为校正前的相似度计算结果矩阵的聚类分析结果,反映出同一生物种间不同炮制药材间相似性(1、2、3、9、10、11)、以及部分反映生物遗传距离较近的样品间的相似性,柚和柚的变种的样品聚在一类(5、6、7、13、14、15、8、16),香橼变种佛手单独为一类。右边为校正后的相似度计算结果矩阵的聚类分析结果,能反映同一生物种间不同炮制药材间相似性(1、2、3、9、10、11),而且在反应生物遗传距离较近的样品间的相似性方面更准确,柚(5、6、7、13、14、15)与毛橘红(8、16)明显分开,另外同类间聚类距离更短,显示本发明对平面分离结果的图像分析能有效用于样品的分类。
下面举例说明本发明的一种硬件实施方式,载有样品平面分离结果的薄板被放置成像暗箱或暗房的特定光源下,然后用带拍照功能的智能手机获取图像,获取的数字图像用智能手机进行图像分析,图像分析后的结果输出在智能手机屏幕上。通过智能手机实现化合物平面分离结果图像的获取和分析处理,能够达到简单便携的优点。
请参阅图16,图16为本发明化合物平面分离结果的图像处理系统的结构示意图。
所述化合物平面分离结果的图像处理系统包括:
图像获取模块11,用于获取化合物样品的平面分离结果图像;
图像处理模块12,用于对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理;
灰度校正模块13,用于将处理后的所述平面分离结果图像中每一行的像素点用最小二乘法拟合二次曲线方程,用该二次曲线方程校正该行各像素点的灰度值;
图像平滑模块14,用于对灰度校正后的所述平面分离结果图像进行图像平滑;
谱带分割模块15,用于对图像平滑后的所述平面分离结果图像进行谱带分割;
光密度曲线计算模块16,用于将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集并进一步绘成光密度曲线;
定量、定性分析模块17,用于根据所述光密度曲线对化合物样品中指定化合物进行定量、定性分析。
所述图像获取模块11通过智能手机等数码成像设备在预定的光源条件下,对单一或者混合化合物样品的平面分离结果进行图像采集,获取所述平面分离结果图像,并通过一定方式存贮或传送并存贮于智能手机等图像处理硬件设备中。本发明的化合物平面分离结果的图像处理系统可以在智能手机上运行,调用智能手机的图像处理功能进行处理,通过智能手机运行本发明的化合物平面分离结果的图像处理系统,能够大大提高设备的便携性,使用非常方便。
通常的化合物样品经过薄层色谱、纸色谱、凝胶电泳等技术进行平面分离,会使化合物样品在一平面上运动、分离并形成光密度有差异的斑点(化合物样品形成的斑点),在本步骤中,在日光、荧光但不局限于以上光照条件下,利用智能手机等数字成像设备获取平面分离结果的数字图像,亦即所述平面分离结果图像。
所述图像处理模块12对所述平面分离结果图像进行旋转、截取、缩放和灰度转换等图像处理,使所述平面分离结果图像转换成符合用户期望的角度,大小,分辨率和灰度的标准图像,更适合进行下面进一步的图像分析处理。
具体地,所述图像处理模块12在进行图像旋转时,按照所述平面分离结果图像中的化合物样品点样起始线处于水平位置,对所述平面分离结果图像设定旋转角度并进行旋转。或者,按照用户的设定或者操作指令,对所述平面分离结果图像进行旋转,用户可根据图像中样品点样起始线处于水平方向的要求,选择旋转角度对图像进行旋转。
所述图像处理模块12在进行图像截取时,接收用户的图像截取指令,按照所述图像截取指令的截取范围对所述平面分离结果图像进行图像截取。亦即,用户可根据实际需要选择图像中分析区域的范围,截取相应图像获得符合用户希望的图像。
所述图像处理模块12在进行图像缩放时,按照预定的分辨率,对所述平面分离结果图像进行图像缩放,或者按照用户的缩放指令中自定义的大小进行缩放,避免图像过大造成处理时间太长或出错。
所述图像处理模块12在进行灰度转换时,将所述平面分离结果图像分别转换成灰度图、平均灰度图、红色分量灰度图、蓝色分量灰度图和绿色分量灰度图,接收用户指令选择输出相应的灰度图。可由用户根据排除干扰或提高信噪比的需要选择合适的灰度图,非常方便。其中,所述灰度图转换公式为:Gray=0.299R+0.587G+0.114B,其中,Gray为灰度图中各像素点的灰度值,R为像素点红色分量的数值,G为像素点绿色分量的数值,B为像素点蓝色分量的数值;所述平均灰度图计算公式为:Gray’=0.333R+0.333G+0.333B;其中,Gray’为平均灰度图中各像素点的灰度值,R为像素点红色分量的数值,G为像素点绿色分量的数值,B为像素点蓝色分量的数值;所述红色分量灰度图中各像素点的灰度值等于该像素点的红色分量值;所述蓝色分量灰度图中各像素点的灰度值等于该像素点的蓝色分量值;所述绿色分量灰度图中各像素点的灰度值等于该像素点的绿色分量值。
所述灰度校正模块13将所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值,可以改善光照不均匀或镜头畸变造成的影响,有效地提高对所述平面分离结果图像的处理分析的精确度。
优选地,所述灰度校正模块13按照以下方式校正所述平面分离结果图像中各像素点的灰度值:
将所述平面分离结果图像中每一行的所有像素点用最小二乘法拟合二次曲线方程;
将各个所述像素点的灰度值与所述像素点坐标对应的所述二次曲线方程计算值相比较;
如果所述平面分离结果图像中的化合物样品图像的灰度值大于背景的灰度值,则剔除灰度值大于所述二次曲线方程计算值的像素点,反之则剔除灰度值小于所述二次曲线方程计算值的像素点;
对该行余下的像素点重新用最小二乘法重新拟合二次曲线方程,并再次对所述余下的像素点进行剔除,重复拟合和剔除N次后(N为预设正整数),再次拟合得到接近理想的基线二次曲线方程;
用所述基线二次曲线方程校正该行各像素点的灰度值。具体的校正方式如下:
如果所述平面分离结果图像中的化合物样品图像的灰度值大于背景的灰度值,则校正的计算方式为:
Gray1=Gray2-Gray3+Gray4;
其中,Gray1为像素点新灰度值,Gray2为像素点原灰度值,Gray3为该像素点坐标对应的所述基线二次曲线方程的计算值,Gray4为使Gray1不小于0预设基础值;
如果所述平面分离结果图像中的化合物样品图像的灰度值小于背景的灰度值,则校正的计算方式为:
Gray1=-Gray2+Gray3+Gray4;
其中,Gray1为像素点新灰度值,Gray2为像素点原灰度值,Gray3为该像素点坐标对应的所述基线二次曲线方程的计算值,Gray4为使Gray1不小于0预设基础值。
本实施方式中,通过将图像中每一行的像素点用最小二乘法拟合二次曲线方程,利用与二次曲线方程计算值比较进行像素点剔除,多次剔除后获得理想的基线二次曲线方程,用该基线二次曲线方程进行图像中的像素点的灰度校正,能够改善光照不均匀和镜头畸变对平面分离结果图像的影响,极大地提高对所述平面分离结果图像的处理分析精确度。
通常的图像平滑方法包括邻域平均滤波法、中值滤波法,或低通滤波法等。优选地,所述图像平滑模块14对灰度校正后的所述平面分离结果图像,采用3至N个像素点的灰度值作为数字滤波窗口;并且,采用下述滤波方法中的任何一种方式或多种方式的组合,按行、按列或者按像素矩阵进行图像平滑:邻域平均滤波法、中值滤波法或者低通滤波法。其中,N为所述平面分离结果图像的行或列像素点总数十分之一、取整后获得的整数值。本方法可以应用的图像平滑方法并不限于以上数字滤波方法。所述平面分离结果图像经过平滑后,减少了所述平面分离结果图像中的随机噪声和干扰像素点,提高对所述平面分离结果图像的处理分析精确度。
所述谱带分割模块15对图像平滑后的所述平面分离结果图像进行的谱带分割包括用户自定义分割或系统自动分割;
其中,所述用户自定义分割为:接收用户的谱带分割指令,根据所述谱带分割指令指定的分割点进行谱带分割;
所述系统自动分割为:将所述平面分离结果图像中纵坐标30%~70%范围内的像素点的灰度值沿纵向累加,将得到的数值按顺序存入一个数组,对所述数组的数值相连而成的曲线采用滤波方法进行平滑后,根据所述曲线的拐点确定谱带分割点,分割谱带。其中,所述滤波方法包括邻域平均滤波法、中值滤波法,低通滤波法,但不限于以上数字滤波方法。
用户可以根据自己的需要选择用户自定义分割或系统自动分割,根据所述曲线的拐点确定分割点,分割不同点样点形成的谱带,以达到最优的谱带分割效果。
所述光密度计算模块16在得到各谱带的累积光密度数据集的步骤之后,可进一步将所述累积光密度数据集中各个累积光密度数值,按顺序连接得到光密度曲线,便于进行分析比较。
所述定量、定性分析模块17根据所述化合物样品的所述光密度曲线,进行定量、定性分析。
其中,所述定量分析为:对所述光密度曲线,按用户指定或系统根据曲线趋势变化自动确定的起点和终点间数据进行积分,得到斑点光密度积分值,将得到的所述光密度积分值与单个或者系列已知浓度的标准样品用相同方式得到的光密度积分值进行比较,按照外标定量法或带内标校正的外标定量法进行计算,对所述化合物样品中指定化合物进行定量分析。
所述定性分析包括分类分析和样品基源鉴别分析。
所述分类分析为:根据用户在化合物样品的光密度曲线中指定的两个参考点间的距离比例(例如以此距离为200),进行曲线缩放,校正所述光密度曲线上其他各点的横坐标值;将缩放后得到的所述光密度曲线,在用户指定或系统默认确定的范围内提取特征曲线用于相关系数计算,用相关系数法计算多个所述化合物样品两两之间的特征曲线的相似度,再进行聚类分析,实现分类分析。
所述样品基源鉴别分析为:将同一来源的不同样品在相同分析条件下分析产生的光密度曲线提取特征曲线,通过加权平均(权重由用户自行确定)产生标准样品对照的特征曲线,计算带鉴别样品的特征曲线与所述标准样品的特征曲线的相似系数,按照相似度大小与用户指定的判别值比较,进行样品的基源鉴别。其中,提取特征曲线的方法可与进行所述分类分析时的提取方法相同。
本领域普通技术人员可以理解实现上述实施方式中的全部或部分流程,以及对应的控制系统,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各实施方式的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种化合物平面分离结果的图像处理方法,其特征在于,包括步骤:
获取化合物样品的平面分离结果图像;
对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理;
将处理后的所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值;
对灰度校正后的所述平面分离结果图像进行图像平滑;
对图像平滑后的所述平面分离结果图像进行谱带分割;
将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集,并绘制光密度曲线;
根据所述光密度曲线对化合物样品中指定化合物进行定量、定性分析。
2.如权利要求1所述的化合物平面分离结果的图像处理方法,其特征在于,所述获取化合物样品的平面分离结果图像的步骤包括:
通过智能手机在预定的光源条件下,对单一或者混合化合物样品的平面分离结果进行图像采集,获取所述平面分离结果图像并储存在所述智能手机中。
3.如权利要求1所述的化合物平面分离结果的图像处理方法,其特征在于,对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理的步骤包括:
按照所述平面分离结果图像中的化合物样品点样起始线处于水平位置,对所述平面分离结果图像设定旋转角度并进行旋转;
接收用户的图像截取指令,按照所述图像截取指令的截取范围对所述平面分离结果图像进行图像截取;
按照预定的分辨率,对所述平面分离结果图像进行图像缩放;
将所述平面分离结果图像分别转换成灰度图、平均灰度图、红色分量灰度图、蓝色分量灰度图和绿色分量灰度图,接收用户指令选择输出相应的灰度图;
其中,所述灰度图转换公式为:Gray=0.299R+0.587G+0.114B,其中,Gray为灰度图中各像素点的灰度值,R为像素点红色分量的数值,G为像素点绿色分量的数值,B为像素点蓝色分量的数值;
所述平均灰度图计算公式为:Gray’=0.333R+0.333G+0.333B;其中,Gray’为平均灰度图中各像素点的灰度值,R为像素点红色分量的数值,G为像素点绿色分量的数值,B为像素点蓝色分量的数值;
所述红色分量灰度图中各像素点的灰度值等于该像素点的红色分量值;所述蓝色分量灰度图中各像素点的灰度值等于该像素点的蓝色分量值;所述绿色分量灰度图中各像素点的灰度值等于该像素点的绿色分量值。
4.如权利要求1所述的化合物平面分离结果的图像处理方法,其特征在于,将处理后的所述平面分离结果图像中每一行的像素点用最小二乘法拟合基线二次曲线方程,用该基线二次曲线方程校正该行各像素点的灰度值的步骤包括:
将所述平面分离结果图像中每一行的所有像素点用最小二乘法拟合二次曲线方程;
将各个所述像素点的灰度值与所述像素点坐标对应的所述二次曲线方程计算值相比较;
如果所述平面分离结果图像中的化合物样品图像的灰度值大于背景的灰度值,则剔除灰度值大于所述二次曲线方程计算值的像素点,反之则剔除灰度值小于所述二次曲线方程计算值的像素点;
对该行余下的像素点重新用最小二乘法拟合二次曲线方程,并对所述余下的像素点进行剔除,重复拟合和剔除若干次后,再次拟合得到基线二次曲线方程;
通过以下方式用所述基线二次曲线方程校正该行各像素点的灰度值:
如果所述平面分离结果图像中的化合物样品图像的灰度值大于背景的灰度值,则校正的计算方式为:
Gray 1=Gray 2-Gray 3+Gray 4;
其中,Gray 1为像素点新灰度值,Gray 2为像素点原灰度值,Gray 3为该像素点坐标对应的所述基线二次曲线方程的计算值,Gray 4为预设基础值;
否则,校正的计算方式为:
Gray 1=-Gray 2+Gray 3+Gray 4;
其中,Gray 1为像素点新灰度值,Gray 2为像素点原灰度值,Gray 3为该像素点坐标对应的所述基线二次曲线方程的计算值,Gray 4为预设基础值。
5.如权利要求1所述的化合物平面分离结果的图像处理方法,其特征在于,对灰度校正后的所述平面分离结果图像进行图像平滑的步骤包括:
对灰度校正后的所述平面分离结果图像,采用3至N个像素点的灰度值作为数字滤波窗口;采用下述滤波方法中的任何一种方式或多种方式的组合,按行、按列或者按像素矩阵进行图像平滑:邻域平均滤波法、中值滤波法或者低通滤波法;其中,N为所述平面分离结果图像的行或列像素点总数十分之一、取整后获得的整数值。
6.如权利要求1所述的化合物平面分离结果的图像处理方法,其特征在于,对图像平滑后的所述平面分离结果图像进行谱带分割的步骤中,所述谱带分割包括用户自定义分割或系统自动分割;
其中,所述用户自定义分割为:接收用户的谱带分割指令,根据所述谱带分割指令指定的分割点进行谱带分割;
所述系统自动分割为:将所述平面分离结果图像中纵坐标30%~70%范围内的像素点的灰度值沿纵向累加,将得到的数值按顺序存入一个数组,对所述数组的数值相连而成的曲线采用滤波方法进行平滑后,根据所述曲线的拐点确定谱带分割点,分割谱带。
7.如权利要求1所述的化合物平面分离结果的图像处理方法,其特征在于,所述绘制光密度曲线的步骤包括:
将所述累积光密度数据集中各个累积光密度数值,按顺序连接得到光密度曲线。
8.如权利要求1所述的化合物平面分离结果的图像处理方法,其特征在于,根据所述光密度曲线对化合物样品中指定化合物进行定量、定性分析的步骤中,所述定量分析包括:
对所述光密度曲线,按用户指定或系统根据曲线趋势变化自动确定的起点和终点进行积分,得到光密度积分值,将得到的所述光密度积分值与已知浓度的标准样品用相同方式得到的光密度积分值进行比较,按照外标定量法或带内标校正的外标定量法进行计算,对所述化合物样品中指定化合物进行定量分析;
所述定性分析包括:根据用户在化合物样品的光密度曲线中指定的两个参考点间的距离比例,进行光密度曲线缩放,校正光密度曲线上的其他各点的横坐标值;将缩放后得到的所述光密度曲线在用户指定或系统默认确定的范围内提取特征曲线,并进行相关系数计算,用相关系数法计算多个所述化合物样品两两之间的特征曲线的相似度,再通过聚类分析进行分类分析;或按照相似度大小与用户指定的判别值比较,进行样品的基源鉴别。
9.一种化合物平面分离结果的图像处理系统,其特征在于,包括:
图像获取模块,用于获取化合物样品的平面分离结果图像;
图像处理模块,用于对所述平面分离结果图像进行旋转、截取、缩放和灰度转换处理;
灰度校正模块,用于将处理后的所述平面分离结果图像中每一行的像素点用最小二乘法拟合二次曲线方程,用该二次曲线方程校正该行各像素点的灰度值;
图像平滑模块,用于对灰度校正后的所述平面分离结果图像进行图像平滑;
谱带分割模块,用于对图像平滑后的所述平面分离结果图像进行谱带分割;
光密度曲线计算模块,用于将所述平面分离结果图像中的各个谱带内的像素,沿水平方向进行灰度值累加,得到各谱带的累积光密度数据集并进一步绘成光密度曲线;
定量、定性分析模块,用于将获得的光密度曲线应用于有实用意义的定量、定性结果解读。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210290243.4A CN102881007B (zh) | 2012-08-15 | 2012-08-15 | 化合物平面分离结果的图像处理方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210290243.4A CN102881007B (zh) | 2012-08-15 | 2012-08-15 | 化合物平面分离结果的图像处理方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102881007A true CN102881007A (zh) | 2013-01-16 |
CN102881007B CN102881007B (zh) | 2016-01-20 |
Family
ID=47482320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210290243.4A Active CN102881007B (zh) | 2012-08-15 | 2012-08-15 | 化合物平面分离结果的图像处理方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102881007B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502519A (zh) * | 2014-12-23 | 2015-04-08 | 厦门海荭兴科技股份有限公司 | 一种基于图像处理的薄层色谱农药残留快速检测方法 |
CN106485698A (zh) * | 2016-09-21 | 2017-03-08 | 上海理工大学 | 从凝胶电泳条带图像中获取dna色谱的方法 |
CN107452039A (zh) * | 2016-06-01 | 2017-12-08 | 上海东方传媒技术有限公司 | 压缩rgb颜色空间的方法及装置 |
CN107784680A (zh) * | 2017-10-26 | 2018-03-09 | 芜湖市纯至网络科技有限公司 | 一种真空熔炼过滤杂质效果记录方法 |
CN109738433A (zh) * | 2018-11-30 | 2019-05-10 | 西北大学 | 基于图像处理的水油分层混合液含水率检测方法及装置 |
CN112446715A (zh) * | 2021-02-01 | 2021-03-05 | 深圳华龙讯达信息技术股份有限公司 | 一种基于工业互联网云平台的产品溯源方法 |
CN112950510A (zh) * | 2021-03-22 | 2021-06-11 | 南京莱斯电子设备有限公司 | 一种大场景拼接图像色差校正方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1006714A2 (en) * | 1998-12-02 | 2000-06-07 | Xerox Corporation | Method of processing mixed raster content planes |
CN1766607A (zh) * | 2005-11-11 | 2006-05-03 | 清华大学 | 基于图像处理技术的薄层色谱定量分析方法 |
CN101608909A (zh) * | 2009-06-25 | 2009-12-23 | 复旦大学 | Led精密进近航道指示器两色光束中心过渡区角度的测量方法 |
CN102411775A (zh) * | 2011-08-10 | 2012-04-11 | Tcl集团股份有限公司 | 一种校正文本图像亮度的方法和系统 |
-
2012
- 2012-08-15 CN CN201210290243.4A patent/CN102881007B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1006714A2 (en) * | 1998-12-02 | 2000-06-07 | Xerox Corporation | Method of processing mixed raster content planes |
CN1766607A (zh) * | 2005-11-11 | 2006-05-03 | 清华大学 | 基于图像处理技术的薄层色谱定量分析方法 |
CN101608909A (zh) * | 2009-06-25 | 2009-12-23 | 复旦大学 | Led精密进近航道指示器两色光束中心过渡区角度的测量方法 |
CN102411775A (zh) * | 2011-08-10 | 2012-04-11 | Tcl集团股份有限公司 | 一种校正文本图像亮度的方法和系统 |
Non-Patent Citations (2)
Title |
---|
敬小丽: "数字图像处理技术在平面色谱和点阵检测中的应用研究", 《中国优秀硕士论文全文数据库》, no. 01, 15 January 2005 (2005-01-15), pages 14 - 45 * |
许建新等: "田基黄薄层色谱分类的图像分析方法研究", 《福建电脑》, no. 2, 25 February 2005 (2005-02-25), pages 68 - 69 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104502519A (zh) * | 2014-12-23 | 2015-04-08 | 厦门海荭兴科技股份有限公司 | 一种基于图像处理的薄层色谱农药残留快速检测方法 |
CN107452039A (zh) * | 2016-06-01 | 2017-12-08 | 上海东方传媒技术有限公司 | 压缩rgb颜色空间的方法及装置 |
CN106485698A (zh) * | 2016-09-21 | 2017-03-08 | 上海理工大学 | 从凝胶电泳条带图像中获取dna色谱的方法 |
CN107784680A (zh) * | 2017-10-26 | 2018-03-09 | 芜湖市纯至网络科技有限公司 | 一种真空熔炼过滤杂质效果记录方法 |
CN109738433A (zh) * | 2018-11-30 | 2019-05-10 | 西北大学 | 基于图像处理的水油分层混合液含水率检测方法及装置 |
CN109738433B (zh) * | 2018-11-30 | 2021-03-26 | 西北大学 | 基于图像处理的水油分层混合液含水率检测方法及装置 |
CN112446715A (zh) * | 2021-02-01 | 2021-03-05 | 深圳华龙讯达信息技术股份有限公司 | 一种基于工业互联网云平台的产品溯源方法 |
CN112950510A (zh) * | 2021-03-22 | 2021-06-11 | 南京莱斯电子设备有限公司 | 一种大场景拼接图像色差校正方法 |
CN112950510B (zh) * | 2021-03-22 | 2024-04-02 | 南京莱斯电子设备有限公司 | 一种大场景拼接图像色差校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102881007B (zh) | 2016-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102881007B (zh) | 化合物平面分离结果的图像处理方法及其系统 | |
Urrutia et al. | The MUSE-Wide Survey: survey description and first data release | |
US8068988B2 (en) | Method for automated processing of digital images of tissue micro-arrays (TMA) | |
US7133547B2 (en) | Method for quantitative video-microscopy and associated system and computer software program product | |
EP4220564A2 (en) | Image processing systems and methods for displaying multiple images of a biological specimen | |
US5420628A (en) | Video densitometer with determination of color composition | |
Uss et al. | Maximum likelihood estimation of spatially correlated signal-dependent noise in hyperspectral images | |
AU2002334590A1 (en) | Method quantitative video-microscopy and associated system and computer software program product | |
EP1428016A2 (en) | Method quantitative video-microscopy and associated system and computer software program product | |
US11417021B2 (en) | System and method for color deconvolution of a slide image to assist in the analysis of tissue specimen | |
CN106055923A (zh) | 一种基因拷贝数变异分析方法 | |
Bajla et al. | GASepo—a software solution for quantitative analysis of digital images in Epo doping control | |
CN106802346B (zh) | 一种基于免疫组化技术的病理数字图像分析方法 | |
CN113936005A (zh) | 一种dna指数计算方法、装置、计算机设备及存储介质 | |
US5194949A (en) | Video densitometer | |
EP0437968B1 (en) | Video densitometer | |
CN111413504B (zh) | 一种辅助判读ki67增殖指数的标准比对卡 | |
JP2023511761A (ja) | 訓練ゲートを調整してフローサイトメータデータに適応させるための方法およびシステム | |
CA2155437A1 (en) | Video densitometer with determination of color composition | |
JP4211463B2 (ja) | 画像からの濃度定量法 | |
Wolniewicz | Stromatoporoid biometrics using image analysis software: a first order approach | |
CN115219516A (zh) | 基于深度学习技术的绝缘子污秽成分识别方法 | |
CN116029901A (zh) | 一种高精度自动化单分子定位重构算法 | |
CN1282929A (zh) | 分子生物学图像分析系统及其方法 | |
Zeineh et al. | High-tech breakthrough DNA scanner for reading sequence and detecting gene mutation: A powerful 1 Ib, 20 μm resolution, 16-bit personal scanner (PS) that scans 17 ″× 14 ″X-ray film in 48 s, with laser, UV and white light sources |
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 |