CN103957394B - 对象的全分辨率彩色成像 - Google Patents

对象的全分辨率彩色成像 Download PDF

Info

Publication number
CN103957394B
CN103957394B CN201310491905.9A CN201310491905A CN103957394B CN 103957394 B CN103957394 B CN 103957394B CN 201310491905 A CN201310491905 A CN 201310491905A CN 103957394 B CN103957394 B CN 103957394B
Authority
CN
China
Prior art keywords
color plane
color
green
red
image
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
CN201310491905.9A
Other languages
English (en)
Other versions
CN103957394A (zh
Inventor
J.H.乔根森
M.W.拉考特
D.J.小莫兰
D.J.哈克斯
J.怀卡里斯
S.C.阿诺德
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.)
Ortho Clinical Diagnostics Inc
Original Assignee
Ortho Clinical Diagnostics 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 Ortho Clinical Diagnostics Inc filed Critical Ortho Clinical Diagnostics Inc
Publication of CN103957394A publication Critical patent/CN103957394A/zh
Application granted granted Critical
Publication of CN103957394B publication Critical patent/CN103957394B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/693—Acquisition
    • 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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • 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
    • G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/82—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a precipitate or turbidity
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/02—Viewing or reading apparatus
    • G02B27/022—Viewing apparatus
    • G02B27/024—Viewing apparatus comprising a light source, e.g. for viewing photographic slides, X-ray transparancies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/001—Texturing; Colouring; Generation of texture or colour
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/56—Cameras or camera modules comprising electronic image sensors; Control thereof provided with illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/10—Circuitry of solid-state image sensors [SSIS]; Control thereof for transforming different wavelengths into image signals
    • H04N25/11—Arrangement of colour filter arrays [CFA]; Filter mosaics
    • H04N25/13—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements
    • H04N25/133—Arrangement of colour filter arrays [CFA]; Filter mosaics characterised by the spectral characteristics of the filter elements including elements passing panchromatic light, e.g. filters passing white light
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • 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
    • G06T2207/20216—Image averaging
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Plasma & Fusion (AREA)
  • Optics & Photonics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Color Television Image Signal Generators (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)
  • Image Input (AREA)

Abstract

本发明一般涉及用于建立诊断盒或关注对象的全分辨率彩色数字图像的方法和设备，其中使用与时间连续照射相组合的灰度数字照相机或传感器，所述时间连续照射使用加色法原色，随后进行曝光后数字处理。当在空间有限且图像质量要求较高的情况下用于诸如诊断临床分析仪的情形中时，这样的程序和设备具有显著的经济价值。

Description

对象的全分辨率彩色成像
技术领域
本发明一般涉及使用灰度数字照相机或传感器建立诊断盒或关注对象的全分辨率彩色数字图像的方法和设备。具体地，本发明更一般涉及用于分析溶液(诸如血样)的方法和设备，并且更具体地，涉及这样的方法和设备：其通过检测和定量响应于免疫反应而在那些样品中形成的凝集物来分析血样。甚至更具体地，本发明涉及用于以此方式分析血样的自动化的系统和方法。
背景技术
免疫凝集反应被用于识别各种类型的血型和用于检测血样和其它水溶液中的各种类型的抗体和抗原。在常规操作中，将红血细胞样品与血清或血浆在试管或微板中混合，然后可以将混合物温育和离心。各种反应可能发生或不发生，这取决于例如红血细胞的血型或在血样中是否存在某些抗体。通常，这些反应将其自身显现为细胞或颗粒与它们的表面上的抗原或抗体的结合，被称作凝集物。因而，任何这样的块的缺失指示尚未发生反应；并且这样的块的存在指示已经发生反应，其中这样的块的大小和量作为样品中的水平或浓度的定量指示物，或作为用于被检测血样的反应强度和复合物亲和力的指示物。
一种传统的凝集测试方法(被称作柱凝集技术)是目前可得到的(公开在美国专利5,594,808中，其特此以引用的方式全文并入本文)。柱凝集技术被定义为，使用过滤作为将凝集的、沉淀的、吸收的或吸附的微粒组分与用于免疫测定用途的非反应性组分分离的方式，分析血液和血液制品。在该方法中，在小柱(被称作微型柱)中含有凝胶或玻璃珠微粒。将试剂(诸如抗-A)分散在微型柱内的稀释剂中，并将测试的红血细胞放在柱上面的反应室中。将所述柱(其通常是在透明盒中形成的许多柱中的一者)离心。所述离心通过牵拉红血细胞穿过试剂来增强凝集从而加速反应(如果有的话)，并随后迫使任何未结合的细胞到达柱的底部。在微型柱中的玻璃珠或凝胶充当过滤器，并抵抗或阻碍颗粒在柱中的向下运动。因此，在离心以后，微型柱中的颗粒的性质和分布会提供在微型柱中是否发生了任何凝集反应的可见指示，并且如果发生凝集反应的话，提供该反应的强度的可见指示。
具体地，如果没有发生凝集反应，那么微型柱中的所有或基本上所有的红血细胞在离心过程中向下到达柱的底部，并在该底部处形成沉淀物。如果在试剂和红血细胞之间存在非常强的反应，几乎所有的红血细胞会凝集，且大凝集物形成在微型柱的顶部处，在其中含有的凝胶或玻璃珠的上面。所述凝胶或玻璃珠阻止所述凝集物在离心过程中到达柱的底部，使得在离心以后，所述凝集物保持在凝胶或珠子的表面上。
如果在试剂和血细胞之间存在反应，但是该反应不是像上述的非常强的反应那样强烈，那么一些(但并非所有的)红血细胞会凝集。凝集的红血细胞的百分比和凝集的颗粒的大小都直接随反应的强度而变化。在离心过程中，未反应的血细胞到达柱的底部，并且凝集的颗粒在柱中向下移动的距离取决于那些颗粒的大小和数目。因此，在微型柱的底部处的红血细胞的沉淀物的大小和凝集物穿透微型柱中的凝胶或玻璃珠的程度，都与试剂和红血细胞之间的反应的强度负相关。
利用一些柱凝集技术分析仪，在已经进行期望的处理步骤以后，由人类操作员观察或判读微型柱，然后所述操作员将试剂和红血细胞之间的反应分类。常规地，将反应分类为阴性或阳性；并且如果是阳性的话，然后根据反应的强度，将反应进一步分类成四类中的一种。
常规血液分析系统(公开在美国专利5,620,898中，其特此以引用的方式全文并入本文)包括许多站或组件或子系统，它们中的每一个执行一种或多种功能，且通常需要大量操作员监督和劳动来运行所述系统。在本申请中，公开了一种成像分析子系统，其允许得到诊断盒或关注对象的高质量图像，所述图像可以以自动化的方式进行分析，从而在没有操作员干预下得到适当的分析结果。一种自动化的方法包括下述步骤：在像素阵列上产生微型柱的被照射的单色数字图像，并给照射图像中的每个像素分配代表像素上的照射图像的强度的数据值。然后根据预定的程序处理这些数据值，以确定是否存在凝集模式，并且如果存在的话，将该模式分类为多个预定义的类别中的一种。本文中公开的另一种自动化的方法包括下述步骤：在像素阵列上产生微型柱的多个被照射的单色图像，并给照射图像中的每个像素分配代表像素上的照射图像的强度的数据值。然后根据预定的程序处理这些数据值，以构建彩色数字图像，然后将所述图像用于确定是否存在凝集模式，并且如果存在的话，将该模式分类为多个预定义的类别中的一种。在上述的两种处理操作中，将像素阵列分成多个区，并且根据各个预定的操作处理每个区中的像素的数据值，以确定预定义的变量集合的值。然后，处理那些确定的值，以确定在溶液中是否存在凝集模式，并且如果存在的话，将该模式分类为预定义的类别中的一种。
所述溶液被包含在具有玻璃微珠或凝胶的柱中。图像处理程序在像素阵列上的源图像中检索柱的位置；并且在定位柱以后，所述程序产生窗口以覆盖红细胞所在的柱。所述程序然后从柱内部和外部选择3个参考区域，并测量这些区域中的强度或灰度级，并使用这些测得的灰度级来确定随后用于处理程序中的某些阈值。
就特征计算而言，将珠子／凝胶柱分成5个不同的区。在珠子／凝胶柱的顶部上的区域被定义为阳性区，在柱的底部处的区域被定义为阴性区，且在阳性区和阴性区之间的区域被分成3个中间区(也被视作“阳性区”)。使用阈值方法减去位于阳性区中的红细胞，并使用形态学过滤器减去位于中间区中的红细胞凝集物。另外，确定红细胞在柱的左侧和右侧之间的平衡。对于每个柱，优选地针对所述柱的前侧和后侧图像计算上述参数，并组合每个参数的2个计算值。然后基于这些组合的特征，将凝集反应分类。由Jian Shen、MykolaYaremko、Rosemary Chachowski、Josef Atzler、Thierry Dupinet、Daniel Kittrich、Hansjoerg Kunz、Karl Puchegger和Reiner Rohlfs的名称为“Method and system forclassifying agglutination reactions”的美国专利5,594,808以及Jian Shen、MykolaYaremko、Rosemary Chachowski、Josef Atzler、Thierry Dupinet、Daniel Kittrich、Hansjoerg Kunz、Karl Puchegger和Reiner Rohlfs的名称为“Method and system forclassifying agglutination reactions”的美国专利5,768,407公开了柱凝集结果的评价算法，它们二者特此以引用的方式全文并入本文。
与需要使用叠加的滤色器阵列的常规彩色数字照相机或传感器相比，本文中公开的发明的一些优点在于灰度数字照相机或传感器的应用。当产生指定的输出空间分辨率的彩色数字图像时，滤色器阵列(公开在美国专利3,971,065中，其特此以引用方式全文并入本文)需要使用插值算法，这会降低产生的彩色数字图像的有效分辨率。如此产生的降低的分辨率彩色数字图像会造成上述的柱凝集算法的特异性的下降，从而使得测试的结果具有更低的确定性。可替换地，可以采用使用滤色器阵列的彩色数字照相机或传感器，从而产生输出全分辨率彩色数字图像。但是，这需要具有物理上更大的传感器(更多的像素行和列)的数字传感器，以致于当与滤色器阵列和有关的插值算法联合使用时，如此产生的彩色数字图像将具有等效全分辨率。使用该后一种方法的缺点是增加的成本和更长的光学成像路径，与本文中公开的发明相比，需要更长的成像路径才能得到等效景深。
发明内容
本发明的一个目的是，克服如上所述的已知技术的缺点，和实现一个或多个下述的目的。
本文中公开的发明的一个目的是，在空间有限且图像质量要求较高的情况下，当拍摄诊断盒或关注对象的图像时，提供经济优点。
然而，本文中公开的发明的另一个目的是，提供仅使用灰度数字照相机或传感器以全传感器分辨率产生诊断盒或关注对象的彩色数字图像的能力。
然而，本文中公开的发明的另一个目的是，提供以降低的成本以全传感器分辨率产生诊断盒或关注对象的彩色数字图像的能力。
然而，本文中公开的发明的另一个目的是，提供以全传感器分辨率产生诊断盒或关注对象的彩色数字图像的能力，所述图像的质量高于使用采用滤色器阵列的等效空间分辨率的彩色数字照相机或传感器所产生的彩色数字图像。
因此，实现了本发明的前述和其它目的，其中本文中描述的发明的一个方面是一种用于构建关注对象的彩色数字图像的彩色数字设备，其包括：灰度数字照相机或传感器，其能够基于被照射对象的单次曝光而形成图像；机械装置，其在成像过程中用于保持所述要成像的诊断盒或关注对象；前照射源，其能够用红波长光、绿波长光和蓝波长光多次照射所述要成像的对象；后照射源，其能够用红波长光、绿波长光和蓝波长光多次照射所述要成像的对象；和用于构建所述要成像的对象的彩色数字图像的装置，其中所述装置与所述灰度数字照相机或传感器电接触。
本文中公开的发明的另一个方面是，一种构建诊断盒或关注对象的单色数字图像的方法，所述方法包括：使用灰度数字照相机或传感器光学地获取图像数据的红彩色平面、绿彩色平面和蓝彩色平面，选择一个彩色平面用于后续操作，将所述选择的彩色平面逐个元素地乘以预定义的红加权矩阵，从而产生加权的选择的彩色平面，并将所述加权的选择的彩色平面乘以预定义的选择的增益标量，从而产生最终的选择的彩色平面。
然而，本文中描述的发明的另一个方面是，一种使用至少一种红、绿或蓝单色数字图像的组合来确定凝集反应在成像的诊断盒或关注对象中的存在或不存在的方法。
本文中描述的发明的另一个方面是，提供一种构建关注对象的彩色数字图像的方法，所述方法包括：使用灰度数字照相机或传感器光学地获取图像数据的红彩色平面，使用灰度数字照相机或传感器光学地获取图像数据的绿彩色平面，使用灰度数字照相机或传感器光学地获取图像数据的蓝彩色平面，将所述红彩色平面逐个元素地乘以预定义的红加权矩阵，从而产生加权的红彩色平面，将所述加权的红彩色平面乘以预定义的红增益标量，从而产生最终的红彩色平面，将所述绿彩色平面逐个元素地乘以预定义的绿加权矩阵，从而产生加权的绿彩色平面，将所述加权的绿彩色平面乘以预定义的绿增益标量，从而产生最终的绿彩色平面，将所述蓝彩色平面逐个元素地乘以预定义的蓝加权矩阵，从而产生加权的蓝彩色平面，将所述加权的蓝彩色平面乘以预定义的蓝增益标量，从而产生最终的蓝彩色平面，以及将所述最终的红彩色平面、所述最终的绿彩色平面和所述最终的蓝彩色平面组合成所述关注对象的所述彩色数字图像。
本文中公开的发明的另一个方面是，与采用滤色器阵列的等效分辨率的数字照相机或传感器相比，灰度数字成像仪的更小的物理大小，这导致适合有限空间的更短的和更紧凑的光程。
本文中公开的发明的另一个方面是，使校准操作能够响应于：电部件变异性，照相机灵敏度的变异，环境光的变异，能量输入的变异，需要的图像反差的变异，电部件随时间的劣化，电部件温度灵敏度，和由替换或由部件生产商的改变引起的部件变化的变异。
根据下文对实施例的详细描述，本专利申请的其他目的、特征和优点对于本领域技术人员而言将显而易见。
附图说明
图1是由灰度数字照相机或传感器100、前三色照射源101、诊断盒或关注对象102、背或后三色照射源103和机械装置104组成的连续彩色成像设备的示意图，所述机械装置104用于保持和操作所述诊断盒或关注对象102。
图2是连续曝光和成像过程的示意图。在时间1，使用红光源200从前面和背面照射彩色对象203，从而产生组合反射和透射强度平面204。在时间2，使用绿光源201从前面和背面照射彩色对象203，从而产生组合反射和透射强度平面205。在时间3，使用蓝光源202从前面和背面照射彩色对象203，从而产生组合反射和透射强度平面206。
图3是彩色重构过程的简图。将得自红彩色平面204的各个强度值与得自绿彩色平面205的各个强度值和得自蓝彩色平面206的各个强度值相组合，以产生彩色图像300。
图4是得自灰度数字照相机或传感器100的透视的诊断盒视场400的简图。在视场中是在塑料上的100％透射强度401、85％透射强度402、70％透射强度403、55％透射强度404、40％透射强度405的灰度块，和诊断盒或关注对象102。该诊断盒或关注对象102含有许多微型柱409，所述微型柱409含有凝胶或玻璃珠微粒。在视场中还有在塑料上的分辨率靶标407和在塑料上的倒置分辨率靶标408。通过灰度数字照相机或传感器100成像的区域用矩形区域410表示。
图5是发射蓝501、绿502和红503光的三色发光二极管(LED)的示例性光谱的图500。
图6是用于得到诊断盒或关注对象102的均匀照射的前照射、后照射和弯曲反射器的平面简图。灰度数字照相机或传感器100穿过弯曲反射器601中的孔得到图像。诊断盒或关注对象102的均匀照射由一组前照射发光二极管602和由后照射面板603提供。
图7是前照射发光二极管电路板602的细节的简图，其显示了垂直对齐的4个三色发光二极管701。
图8是后照射发光二极管电路板603的细节的简图，其显示了以正方形模式对齐的4行和4列三色发光二极管701。
图9是示例性的MatLab源代码的列表，所述源代码用于实现连续照射曝光后数字图像处理，包括诊断盒或关注对象的前和后图像的照射强度校正、增益校正和最终的复合颜色的构建(其接近人类观察者的视觉响应)。
具体实施方式
尽管是参照在下文中所述及在附图中所示的优选实施例来阐述本发明，然而本发明仅受下文权利要求书的范围的限定。
本文中描述的设备和方法能够使用灰度数字照相机或传感器100建立优选地全分辨率的彩色数字图像。
所述设备的有益效果包括，与使用全彩色数字照相机或传感器的等效过程相比降低的单位制造成本，和没有由于使用滤色器阵列来产生彩色图像所造成的图像质量下降。另一个重要的有益效果是，灰度数字照相机或传感器100的应用允许适合有限空间的更短的和更紧凑的光程。
为了大致理解本发明所公开的技术，可参考附图。在附图中，使用了相同的附图标记来表示相同的元件。在描述本发明所公开的技术时，使用了以下一个或多个术语。
术语“图像”或“照片”表示二维光强度函数，其任选地具有x-轴和y-轴位置坐标，所述坐标的数值与图像在指定的坐标点处的亮度或灰度级成比例。
术语“模拟”表示在二维空间上和在亮度或强度方面连续的照片或图像。
术语“数字”表示在二维空间上和在亮度或强度方面数字化至预定义数目的水平的照片或图像。数字图像可以由向量或矩阵来表示，所述向量或矩阵的行和列指数鉴别出图像中的点，且对应的向量或矩阵数值鉴别出在该点处的亮度或强度。
术语“强度”表示到达数字照相机或传感器的光的量，使得相对输出值越高，到达数字照相机或传感器的光子的数目越大。强度通常与数字照片或图像有关。
术语“密度”表示到达数字照相机或传感器的光的量，使得相对输出值越高，到达数字照相机或传感器的光子的数目越少。密度通常与摄影照片或图像有关。
术语“反射强度”表示由数字照相机或传感器接收的光的量，其中光程起源于源并反射或反弹，或反射离开关注对象，随后达到数字照相机或传感器。
术语“透射强度”表示由数字照相机或传感器接收的光的量，其中光程起源于源并前进穿过关注对象，随后达到数字照相机或传感器。
术语“反差”表示在相同视场内的对象和其它对象的颜色和亮度的差异。图像的最大反差是反差比或动态范围。
术语“动态范围”或等效术语“反差比”表示系统能够产生的最亮颜色(白色)的亮度与最暗颜色(黑色)的亮度之比。
术语“亮度”表示在给定的方向经过的光在单位面积内的强度的光度量度。它描述了经过特定区域或从特定区域发射并落入给定的立体角内的光的量。
术语“红”表示人类察觉到的、与可见光的较长波长相对应的颜色，通常在基本上630-740纳米的波长范围内。
术语“绿”表示人类察觉到的、与可见光相对应的颜色，其具有由通常在基本上520-570纳米的波长范围内的能量支配的光谱。
术语“蓝”表示人类察觉到的、与可见光的最短波长相对应的颜色，通常在基本上440-490纳米的波长范围内。
术语“单色”表示在一种颜色的图像或者一种颜色的色度或色调。由灰色的色度组成的黑白图像是单色图像的一个例子。
术语“灰度”表示这样的数字图像，其中每个像素的值是单个样品，也就是说，它仅承载强度信息。这类图像(例如，黑白)仅由灰色的色度组成，从最弱强度的黑色变化至最强强度的白色。
术语“平面”或“彩色平面”表示与单一颜色有关的强度或密度集合，其可以是反射过程、透射过程或二者的组合的结果。
术语“像素”表示数字照片或图像的离散空间组分，且是照片元素的缩写。
术语“全分辨率”表示与具有与指定数目的像素有关的最大信息含量的单色或彩色数字图像，例如，在矩形数字图像中，像素的总数是像素的行数乘以像素的列数。
术语“降低的分辨率”表示这样的单色或彩色数字图像：其中通过向原始像素数据应用数学算法(诸如插值法或低通滤波，其已经被用于产生输出像素值)，已经降低了信息含量。尽管在降低分辨率的数字图像中的像素数目可能在空间上与全分辨率数字图像相同(即2个数字图像的空间大小相同)，降低分辨率的数字图像的信息含量显著更低。
术语“空间分辨率”表示数字图像的物理大小或尺寸。对于矩形数字图像，空间分辨率是一行中的像素的数目乘以一列中的像素的数目。数字照相机或传感器的分辨率的常见单位是兆象素。
术语“适当地捕获”或“适当地捕获的”表示，能够得到诊断盒或关注对象的高质量图像的方法。
术语“景深”表示，在图像中的可接受地清晰显示的景物的最近的和最远的对象之间的距离。尽管透镜一次仅可以精确地聚焦于一个距离，清晰度的降低在聚焦距离的每一侧是逐渐的，使得在景深内，不清晰的量在正常的观察或成像条件下是难以觉察的。在成像或光学系统的景深内的所有对象被视作是在焦点处。
术语“Hadamard乘法”表示一类矩阵乘法，其中被乘的矩阵具有相同的行数和列数，得到的矩阵或输出矩阵也是如此，并且对于特定行和列而言，得到的矩阵或输出矩阵的元素由具有相同的特定行和列的元素的值的乘法形成。这也被称作逐个元素矩阵乘法。
术语“占空比”表示实体在活动状态中花费的时间占考虑的总时间的分数。对于发光二极管(LED)，占空比应当是LED从预定的开始时间以后已经实际发射光的时间的分数。LED已经实际发射光的时间的量是占空比的数值(0.0至1.0之间的数值)乘以从预定的开始时间以后逝去的时间。
术语“诊断盒”表示这样的测试元件：其通常由平坦的平面基板来限定，所述基板具有多个限定测试室的透明微管或微型柱。将预定量的惰性珠子或凝胶材料加入每个微管中。该惰性材料可以涂有抗体或抗原，或者提供有载体结合的抗体或抗原或提供有特定的试剂。通常，在测试时间之前，使用箔包裹物覆盖卡或盒的顶部，由此密封每个微型柱的内容物。所述箔包裹物是可刺穿的或以其它方式除去，以使患者样品和／或试剂的等分试样能够手工地或在自动化的设备中加入到每个微管中。
术语“诊断分析仪”或“诊断临床分析仪”表示由多个子系统组成的半自动化的或自动化的设备，所述子系统包括：患者样品操纵器、测试容器(诸如诊断盒)操纵器、培养箱、离心机、用于获取和分配试剂和患者样品的移液器、以及用于测量和定量在患者样品上的特定测试的结果的装置等。
本发明的一个方面涉及使用灰度数字照相机或传感器100产生全分辨率彩色数字图像的方法和设备。该技术的主要有益效果是，与彩色数字照相机或传感器的应用相比降低的单位制造成本，当用作诊断临床分析仪的部件时，产生等效的数字分辨率。另一个有益效果是，与采用滤色器阵列由彩色数字照相机或传感器产生的具有等效空间分辨率的图像相比，使用灰度数字照相机或传感器100通过该方法产生的得到的彩色图像质量具有更高的质量，因为在前一种情况下需要的图像传感器数据操作会造成有效分辨率的损失(产生降低的分辨率)。Bryce E.Bayer在名称为“Color imaging array”的美国专利3,971,065中描述了滤色器阵列，其特此以引用的方式全文并入本文。另一个有益效果是，与等效分辨率的彩色数字照相机或传感器的大小相比，灰度数字照相机或传感器100的更小的物理大小，会导致更适合有限空间的更短光程。产生诊断结果的过程通常需要运输诊断盒(以接收患者样品和诊断试剂)加上可能运动至高温区域(温育)或设备以施加离心力。在温育和离心过程结束时，诊断盒或关注对象102可以保持在一个或多个固定位置。在此时，可以采用连续照射来获取诊断盒或关注对象102和它的内容物的前面和后面的分辨率彩色数字图像。
图1是连续彩色成像设备的简化示意图。在概念上，灰度数字照相机或传感器100在任何特定情况下一次仅接收一种颜色的光，所述光来自至少一个可选择性地发射红、绿或蓝光的前照射光源、优选三色发光二极管(LED)101和来自至少一个可选择性地发射红、绿或蓝光的后照射源、优选三色发光二极管(LED)103。协调三色LED的照射次序，从而产生仅由红、绿或蓝光组成的连续单色曝光。图1中的机械支架104保持诊断盒或关注对象102，而诊断盒或关注对象102的前侧的连续照射和图像捕获是在过程中。由于诊断盒或关注对象102具有两侧，机械支架104能够旋转180°，使得诊断盒或关注对象102的背侧可以成像。由于诊断盒或关注对象102的前侧的连续照射和图像捕获和诊断盒或关注对象102的背侧的连续照射和图像捕获，产生了6个图像或图像平面，具体地为：
1.诊断盒或关注对象102的前面的单色红图像。
2.诊断盒或关注对象102的前面的单色绿图像。
3.诊断盒或关注对象102的前面的单色蓝图像。
4.诊断盒或关注对象102的后面的单色红图像。
5.诊断盒或关注对象102的后面的单色绿图像。
6.诊断盒或关注对象102的后面的单色蓝图像。
在2011年10月11日提交的、Robert Jones和Lynn Willett的名称为“AnApparatus for Gripping and Holding Diagnostic Cassettes”(序列号61／545651)的共同指定的共同未决的申请中，可以找到优选的机械支架104的其它细节，该申请特此以引用的方式全文并入本文。
图2是描绘连续曝光和成像过程的定性方面的示意图。在时间1，使用来自前照射LED101和后照射LED102的组合红光源200照射由红、绿、蓝、黑和白块组成的彩色对象203。通过定义，表现出红色的块是吸收除了红光以外的所有波长的光的块。类似地，绿块吸收除了绿光以外的所有波长的光，蓝块吸收除了蓝光以外的所有波长的光。黑块吸收所有波长的光并且不反射，而白块不吸收任何波长的光并反射全部。因此，定性地，对于彩色对象203的红照射200而言，得到的反射率和透光率的强度组合204(这里由5个定性值的向量代表)会产生红块的高强度、绿块的低强度、蓝块的低强度、黑块的低强度和白块的高强度。在时间2，使用来自前照射LED101和后照射LED102的绿光源201照射彩色对象203。定性地，对于彩色对象203的绿照射201而言，得到的反射率和透光率的强度组合205(这里由5个定性值的向量代表)会产生红块的低强度、绿块的高强度、蓝块的低强度、黑块的低强度和白块的高强度。在时间3，使用来自前照射LED101和后照射LED102的蓝光源202照射彩色对象203。定性地，对于彩色对象203的蓝照射102而言，得到的反射率和透光率的强度组合206(这里由5个定性值的向量代表)会产生红块的低强度、绿块的低强度、蓝块的高强度、黑块的低强度和白块的高强度。这些得到的强度中的每一组可以分别视作基于红照射、绿照射和蓝照射的强度的彩色平面。
图3是使用由上面图2所述的照射操作产生的彩色平面的彩色图像重构过程的简图。将由红彩色平面204中的特定块(或等效地，特定像素)产生的强度与绿彩色平面205和蓝彩色平面206中的相同块(或等效地，相同的特定像素)的强度相组合。使用彩色平面中的第一块(表示为元素1，1)的高和低的定性量度，该块在彩色图像300中得到的颜色需要高红、低绿和低蓝强度的组合，从而产生彩色图像300中的红块。以类似的方式，对于彩色平面中的第二块(表示为元素2，1)，该块在彩色图像300中得到的颜色需要低红、高绿和低蓝的组合，从而产生彩色图像300中的绿块。同样地，对于彩色平面中的第三块(表示为元素3，1)，该块在彩色图像300中得到的颜色需要低红、低绿和高蓝的组合，从而产生彩色图像300中的蓝块。对于彩色平面中的第四块(表示为元素4，1)，该块在彩色图像300中得到的颜色需要低红、低绿和低蓝的组合，从而产生彩色图像300中的黑块，且对于彩色平面中的第五块(表示为元素5，1)，该块在彩色图像300中得到的颜色需要高红、高绿和高蓝的组合，从而产生彩色图像300中的白块。
图4是数字照相机或传感器100的视场400的简图，显示了诊断盒或关注对象102、竖立的407和倒置的408分辨率靶标以及灰度测试块(401、402、403、404和405)。竖立的407和倒置的408分辨率靶标以及灰度测试块(401、402、403、404和405)呈现在清洁塑料方格上，所述方格处于诊断盒或关注对象102的背景中。存在2组灰度块，在诊断盒或关注对象102的每一侧各有一组。在左手侧，从上至下，存在100％透射强度401、85％透射强度402、70％透射强度403、55％透射强度404和40％透射强度405的灰度块。在右手侧，从上至下，存在40％透射强度405、55％透射强度404、70％透射强度403、85％透射强度402和100％透射强度401的灰度块。这些灰度块用于校准图像和建立适当的白色／彩色平衡。竖立的407和倒置的408分辨率靶标用于确保，诊断盒或关注对象102是在焦点处。将竖立的407和倒置的408分辨率靶标以及诊断盒或关注对象102定位，使得它们被包括在成像系统的景深内。应当指出，存在许多含有凝胶或玻璃珠微粒的微型柱409，这是要分析的溶液所在的地方。
图5是由三色LED发射的蓝光501、绿光502和红光503的示例性光谱的图500。每个示例性光谱的相对强度的峰值已经被标准化至该图的单位。
图6是图1所示的成像系统的更详细的示意平面简图。将灰度数字照相机或传感器100显示在圆柱形反射器601的后面，后者引导从三色发光二极管电路板602集合发射的光，所述电路板602安装在圆柱形反射器601的最右边缘上，所述反射器601位于诊断盒或关注对象102的前面。后照射发光二极管电路板603直接照射诊断盒或关注对象102的后面。灰度数字照相机或传感器100通过圆柱形反射器601中的开口604拍摄诊断盒或关注对象102的图像。到达灰度数字照相机或传感器100的光是由前照射发光二极管电路板602的集合和后照射发光二极管电路板603发射的光的组合。圆柱形反射器601引导由前照射发光二极管电路板602的集合发射的光朝向诊断盒或关注对象102的前面。该照射与来自后照射发光二极管电路板603的照射一起提供均匀照射强度。
图7是2个前照射发光二极管电路板602的集合中的一个的示意图。电路板602具有基本上在3：1至10：1之间的垂直：水平纵横比。三色发光二极管701垂直分布。尽管在图7中显示了4个以垂直模式布置的三色发光二极管，具有基本上2-12个垂直对齐的发光二极管的构型是可能的。
图8是后照射发光二极管电路板603的示意图。电路板603具有基本上矩形的形状，含有配置成基本上矩形的模式或阵列的三色发光二极管701。图8中显示的电路板603具有16个配置成基本上矩形的阵列的三色发光二极管701；但是，三色发光二极管701的不同模式或阵列是可能的，包括在水平(行)或垂直(列)取向具有不同数目的二极管701。另外，可能具有更小数目或更大数目的二极管701总数，基本上在9-144的范围内。
图9是用于校准、处理和产生从红单色连续曝光、绿单色连续曝光和蓝单色连续曝光得到的最终前照射和后照射全彩色图像的一个实例MatLabM-文件的列表。来自灰度数字照相机或传感器100的输出(以位图形式)被从文件f上的图像存储区读入MatLab中：在语句901。应当指出，存在每个前照射曝光和每个后照射曝光的红单色平面、绿单色平面和蓝单色平面。在语句902中限定了每个数字图像(前照射和后照射)的大小。语句903保证储存计算结果的输出的空间，并将该空间的所有元素初始化为零。在语句904中限定了每个彩色平面的标量权重。语句905将适当的标量权重分别应用于6个图像平面中的元素。在语句906中发现了前照射平面的最大强度值和后照射平面的最大强度值。然后在语句907中使用这些最大强度值将最终的前照射图像和后照射图像分级。应当指出，在该计算中已经采用了校正或校准权重矩阵。
上述设备适当地被配置成实现校准和图像处理方法，所述方法能够应付许多环境和设备相关的问题。这些问题最方便地组织成下述4层：
层1：电部件变异性
灰度数字照相机或传感器灵敏度的变异，包括照射变异性
层2：环境光的变异
输入功率的变异
获取需要的前至后图像反差
层3：电部件随时间的劣化
电部件温度灵敏度
输出图像颜色要求
层4：由替换或由部件生产商的改变引起的部件变化
成像子系统校准
成像子系统的层1校准发生在工厂制造以后不久。通过使用可机械调整的电阻器(例如，电位差计，它是具有滑动触头的三端电阻器，所述滑动触头形成可调节的分压器)和仪表实现电部件变异性，使得一系列预定义的测试信号导致一系列预定义的测试结果。通过确定乘法权重矩阵，实现灰度数字照相机或传感器100灵敏度的变异(包括照射变异性)。该乘法权重矩阵具有与来自数字照相机或传感器100的像素的输出矩阵相同的行和列尺寸，以便通过Hadamard乘法向特定图像施加特定权重。
当诊断分析仪被移动至它的生产位置时，发生层2校准。通过使用TexasInstruments TLC5923集成电路(细节参见，KouzoIchimaru，“Temperature compensatedconstant-voltage circuit and temperature compensated constant-currentcircuit”，US5,430,395，其特此以引用的方式全文并入本文)来控制输入功率的变异，所述集成电路实现补偿温度的恒定电流电路，后者也并入错误信息电路，从而允许检测毁坏的或断开的LED装置。通过调节分别发送至前照射发光二极管电路板602和后照射发光二极管电路板603的相对功率量，获得需要的前至后图像反差。基于绿图像，将前照射图像的平均强度相对于后照射图像的平均强度之比设定至预定值。这会提供需要的前至后反差。通过重复层1校准，实现灰度数字照相机或传感器100灵敏度的变异(包括照射变异性)，从而得到新的乘法权重矩阵。这会补偿灰度数字照相机或传感器100灵敏度的变异(包括照射变异性)，并且也补偿环境光的变异以及由层2校准操作的前2步造成的照射强度的任何变异。
通过采用已知的硬件行为，实现层3校准，或更精确地讲，对电部件随时间的劣化的补偿。例如，众所周知，作为使用的小时数的函数，发光二极管会在每单位输入功率产生更少的光输出。具体地，基于占空比，可以模型化作为二极管已经发光的累积时间的函数的这种光输出下降，并用于得到一阶图像校正矩阵，以维持成像子系统在更长的时间跨度内的校准。所述图像校正矩阵元素会作为时间函数而变化，取决于LED已经发光的总小时数。关于细节，参见Anthony P.Zygmunt，Chein Hsun Wang，和J.Anthony Spies“SystemandMethodfor LED Degradationand Temperature Compensation”，US2010／0007588，其特此以引用的方式全文并入本文。通过如上提及的Texas Instrument TLC5923集成电路，实现电部件温度灵敏度的补偿。
层4校准由依次执行层1、层2和层3校准增益组成。
图像处理和重构操作
通常发生在已经执行所有校准操作以后，并且是成像子系统的正常运行方式。
通过引入强度数值，可以定量地做出先前的图2和3的定性讨论。计算机字的字节或8位经常代表像素的强度值。这允许：
28=256
在[0，255]范围内的强度水平。还经常使用如在MatLab中采用的在[0.0，1.0]范围内的浮点数来描述强度范围。该后一种构造将用于描述下述优选的方法。应当指出，在下述实例中使用的示例性图像大小远远小于可能具有数千行和列的真实图像。
以矩阵形式考虑下述实例图像：
Figure BDA0000398218740000161
其中存在2行红像素(R)、2行绿像素(G)、2行蓝像素(B)、2行黑像素(K)和2行白像素(W)。在暴露于红、绿或蓝波长光以后，上述图像的反射强度将被记录为在闭区间[0.0，1.0]中的值的10×10矩阵。例如，向强度0.8的绿波长光的均匀曝光会理想地产生灰度数字照相机或传感器100的下述绿图像平面(按反射强度计)：
Figure BDA0000398218740000171
但是，难以实现均匀曝光，并且存在例如从左至右的曝光梯度，其可能产生下述绿图像平面：
这种曝光不均匀性可以通过使用绿权重矩阵来处理，所述绿权重矩阵的数字元素具有通过校准操作确定的值，其一旦被应用，将能够产生经校正的绿彩色平面。对于曝光梯度(如在上面的A最初绿中)，可以采用下述绿权重矩阵(具有精确至2个小数位的数值)：
Figure BDA0000398218740000173
从而得到如下的经校正的曝光矩阵：
A校正的绿=A绿权重(.*)A测量的绿
其中运算(.*)表示如在MatLab中定义的矩阵元素的逐个元素乘法(参见Getting Started with MatLab7，2010年9月，The Math Works，Inc.，第2-24页和第2-25页，其特此以引用的方式全文并入本文)，且也被称作Hadamard乘积。应当指出，对于该特定实例，
A校正的绿=A绿
精确至2个小数位，也就是说，会得到基本上完美的校正。
以类似的方式，可以实现替代曝光几何学的校正。作为另一个实例，假设绿波长曝光是点源，使得来自该源的最大强度被导向要成像的对象的中心。随着从要成像的对象的中心至像素的距离递增，点源曝光(按强度计)然后具有在径向方向递减的梯度。在该情况下的权重矩阵将在中心处具有最低数值，并且数值作为到中心的距离的函数而增加，以补偿曝光强度的径向下降。
除了曝光几何学校正以外，采用其它数字图像校正，诸如对LED的输出强度作为时间的函数的长期劣化的补偿和／或对灰度的光谱应答或灵敏度的补偿。在每种情况下，可以将得到的权重矩阵组合成单个权重矩阵，以解释如下使用的所有校正：
A权重=A校正#1(.*)A校正#2(.*)A校正#3
其中(.*)运算表示A绿增益标量与右侧的得到的Hadamard矩阵乘法的每个元素的乘法。进一步校正也是可能的，例如，峰相对强度以及相对强度应答或灵敏度曲线下的面积二者可以作为光波长的函数而显著变化。因此，对于特定强度曝光，红光的反射强度可能仅仅是绿光或蓝光的反射强度的分数。同样地，对于灰度数字照相机或传感器100，对红光的光谱应答或灵敏度也可能仅仅是绿光或蓝光的反射强度的分数。该变异性最容易通过具有每个波长曝光的标量增益校正来补偿。具体地，通过将增益标量应用于以前确定的下述几何学曝光校正方程式，可以校正与绿光谱应答或灰度灵敏度相组合的绿曝光反射强度：
A完全校正的绿
=A绿增益(.*)A绿权重(.*)A测量的绿
其中(.*)运算表示A绿增益标量与右侧的得到的Hadamard矩阵乘法的每个元素的乘法。总之，如下诸葛平面地进行校正处理：
A完全校正的红=A红增益(*)A红权重(.*)A测量的红
A完全校正的绿=A绿增益(*)A绿权重(.*)A测量的绿
A完全校正的蓝=A蓝增益(*)A蓝权重(.*)A测量的蓝
本领域技术人员显而易见，可以对本发明的方法和过程做出多种改变和变型。因而，本发明意图覆盖这样的改变和变型，只要它们落入所附权利要求和它们的等同方案的范围内。
上面引用的所有出版物的公开内容明确地以引用的方式全文并入本文本文，达到如同每篇单独地通过引用并入的相同程度。

Claims (21)

1.一种用于构建关注对象的彩色数字图像的设备，包括，
灰度数字照相机或传感器，所述灰度数字照相机或传感器能够在采用具有不同波长的光照射关注对象时查看多个灰度图像，
机械装置，所述机械装置用于在成像过程中保持要成像的关注对象，
前照射源，所述前照射源能够用红波长光、绿波长光和蓝波长光多次照射要成像的所述对象，
后照射源，所述后照射源能够用红波长光、绿波长光和蓝波长光多次照射要成像的所述对象，和
用于构建要成像的所述对象的彩色数字图像的装置，其中通过组合由所述灰度数字拍摄装置或者传感器所查看的多个灰度图像所形成的彩色平面数据来构建所述彩色数字图像，其中所述装置与所述灰度数字照相机或传感器电接触，
其中所述前照射源和所述后照射源配置成采用红光从前面和后面照射所述对象从而产生从所述灰度数字照相机或传感器所查看的灰度图像所创建的红色强度平面数据，以及采用绿光从前面和后面照射所述对象从而产生从所述灰度数字照相机或传感器所查看的灰度图像所创建的绿色强度平面数据，以及采用蓝光从前面和后面照射所述对象从而产生从所述灰度数字照相机或传感器所查看的灰度图像所创建的蓝色强度平面数据，
所述对象的所述彩色数字图像通过如下步骤来构建：
将所述红色强度平面数据逐个元素地乘以预定义的红加权矩阵，从而产生加权的红彩色平面，
将所述绿色强度平面数据逐个元素地乘以预定义的绿加权矩阵，从而产生加权的绿彩色平面，
将所述蓝色强度平面数据逐个元素地乘以预定义的蓝加权矩阵，从而产生加权的蓝彩色平面，以及
将所述红彩色平面、所述绿彩色平面和所述蓝彩色平面组合成所述关注对象的所述彩色数字图像。
2.根据权利要求1所述的设备，其中用于构建彩色数字图像的所述装置是含有至少一个专用集成电路的电路。
3.根据权利要求1所述的设备，其中用于构建彩色数字图像的所述装置是含有至少一个现场可编程门阵列的电路。
4.根据权利要求1所述的设备，其中用于构建彩色数字图像的所述装置是通用数字计算机中的软件。
5.根据权利要求1所述的设备，其中所述设备是用于诊断临床分析仪的成像子系统。
6.根据权利要求1所述的设备，其中所述关注对象是诊断盒。
7.根据权利要求1所述的设备，其中所构建的彩色数字图像具有全分辨率。
8.根据权利要求1所述的设备，其中与所述前照射源光学连接并与所述后照射源光学连接的圆柱形反射器向所述关注对象提供均匀照射。
9.根据权利要求1所述的设备，其中所述前照射源由多个发光二极管电路板提供。
10.根据权利要求1所述的设备，其中所述后照射源由至少一个发光二极管电路板提供。
11.一种构建关注对象的单色数字图像的方法，包括，
基于由灰度数字照相机或传感器所查看的多个灰度图像来光学地获取图像数据的红彩色平面、绿彩色平面和蓝彩色平面，
选择一个彩色平面用于后续操作，
将所述选择的彩色平面逐个元素地乘以预定义的彩色加权矩阵，从而产生加权的选择的彩色平面，以及
将所述加权的选择的彩色平面乘以预定义的选择的增益标量，从而产生最终的选择的彩色平面，所述最终的选择的彩色平面为所述构建的单色数字图像。
12.根据权利要求11所述的方法，其中所述关注对象是诊断盒。
13.根据权利要求11所述的方法，其中所选择的彩色平面是所述红彩色平面。
14.根据权利要求11所述的方法，其中所选择的彩色平面是所述绿彩色平面。
15.根据权利要求11所述的方法，其中所选择的彩色平面是所述蓝彩色平面。
16.根据权利要求11所述的方法，其中所构建的单色数字图像具有全分辨率。
17.根据权利要求11所述的方法，其中所构建的单色数字图像被用作数字图像，以确定凝集反应的存在或不存在。
18.一种构建关注对象的彩色数字图像的方法，包括，
基于由灰度数字照相机或传感器所查看的灰度图像光学地获取图像数据的红彩色平面，
基于由灰度数字照相机或传感器所查看的灰度图像光学地获取图像数据的绿彩色平面，
基于由灰度数字照相机或传感器所查看的灰度图像光学地获取图像数据的蓝彩色平面，
将所述红彩色平面逐个元素地乘以预定义的红加权矩阵，从而产生加权的红彩色平面，
将所述加权的红彩色平面乘以预定义的红增益标量，从而产生最终的红彩色平面，
将所述绿彩色平面逐个元素地乘以预定义的绿加权矩阵，从而产生加权的绿彩色平面，
将所述加权的绿彩色平面乘以预定义的绿增益标量，从而产生最终的绿彩色平面，
将所述蓝彩色平面逐个元素地乘以预定义的蓝加权矩阵，从而产生加权的蓝彩色平面，
将所述加权的蓝彩色平面乘以预定义的蓝增益标量，从而产生最终的蓝彩色平面，以及
将所述最终的红彩色平面、所述最终的绿彩色平面和所述最终的蓝彩色平面组合成所述关注对象的所述彩色数字图像。
19.根据权利要求18所述的方法，其中所述关注对象是诊断盒。
20.根据权利要求18所述的方法，其中所构建的彩色数字图像具有全分辨率。
21.根据权利要求18所述的方法，其中所述关注对象的彩色数字图像被用作数字图像以确定凝集反应的存在或不存在。
CN201310491905.9A 2012-10-18 2013-10-18 对象的全分辨率彩色成像 Active CN103957394B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/654686 2012-10-18
US13/654,686 US9066021B2 (en) 2012-10-18 2012-10-18 Full resolution color imaging of an object

Publications (2)

Publication Number Publication Date
CN103957394A CN103957394A (zh) 2014-07-30
CN103957394B true CN103957394B (zh) 2020-02-28

Family

ID=49518660

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310491905.9A Active CN103957394B (zh) 2012-10-18 2013-10-18 对象的全分辨率彩色成像

Country Status (6)

Country Link
US (3) US9066021B2 (zh)
EP (1) EP2723065A3 (zh)
JP (1) JP6490337B2 (zh)
CN (1) CN103957394B (zh)
BR (1) BR102013026974A2 (zh)
CA (2) CA2830255C (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9779643B2 (en) * 2012-02-15 2017-10-03 Microsoft Technology Licensing, Llc Imaging structure emitter configurations
WO2015171872A1 (en) * 2014-05-08 2015-11-12 Aobiome Llc Systems and methods for detecting nitric oxide
WO2015175433A1 (en) * 2014-05-12 2015-11-19 Cellomics, Inc. Automated imaging of chromophore labeled samples
BE1022861B1 (nl) * 2014-11-06 2016-09-27 Vidimsoft Bvba Inrichting voor het digitaliseren van bloedgroepcassettes
CN104880827A (zh) * 2015-04-28 2015-09-02 丁建华 一种在工业观片灯上实现电子文档即时加签名的技术方法
US10440355B2 (en) * 2015-11-06 2019-10-08 Facebook Technologies, Llc Depth mapping with a head mounted display using stereo cameras and structured light
EP3532985B1 (en) 2016-10-28 2023-07-12 Beckman Coulter, Inc. Substance preparation evaluation system
EP3382376A1 (en) * 2017-03-27 2018-10-03 Roche Diagnostics GmbH Method for determining color information and laboratory automation system
JPWO2019058512A1 (ja) * 2017-09-22 2020-10-15 オリンパス株式会社 観察システム
US10747785B2 (en) * 2017-11-01 2020-08-18 Mad Street Den, Inc. Method and system for efficient clustering of combined numeric and qualitative data records
US10507360B2 (en) * 2018-02-21 2019-12-17 William Schroeder Posture correction and weight balance apparatus
EP4006613A1 (en) * 2020-11-25 2022-06-01 PreciPoint GmbH Digital microscope and method of operating a digital microscope

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1998000980A1 (en) * 1996-07-03 1998-01-08 Sri International Method and apparatus for decoding spatiochromatically multiplexed color images using predetermined coefficients
US5767407A (en) * 1996-01-23 1998-06-16 The Regents Of The University Of California Noninvasive identification of fluids by swept-frequency acoustic interferometry
CN101039437A (zh) * 2006-03-17 2007-09-19 中国科学院长春光学精密机械与物理研究所 数字图像视频自动判读方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3971065A (en) 1975-03-05 1976-07-20 Eastman Kodak Company Color imaging array
JPS59214010A (ja) * 1983-05-20 1984-12-03 Hakko:Kk 光照射装置
JPH0375561A (ja) * 1989-08-17 1991-03-29 Olympus Optical Co Ltd 粒子凝集パターン判定方法
JP3322685B2 (ja) 1992-03-02 2002-09-09 日本テキサス・インスツルメンツ株式会社 定電圧回路および定電流回路
US5578269A (en) 1993-06-11 1996-11-26 Ortho Diagnostic Systems Inc. Automated blood analysis system with an integral centrifuge
US5594808A (en) 1993-06-11 1997-01-14 Ortho Diagnostic Systems Inc. Method and system for classifying agglutination reactions
US5398066A (en) * 1993-07-27 1995-03-14 Sri International Method and apparatus for compression and decompression of digital color images
JPH0879773A (ja) * 1994-08-31 1996-03-22 Sony Corp シェーディング補正装置
JPH10190942A (ja) * 1996-12-27 1998-07-21 Canon Inc 光電変換装置
US5872860A (en) * 1997-03-13 1999-02-16 Ortho Diagnostic Systems, Inc. Calibration cassette for use in calibrating an automated agglutination reaction analyzing system
US6366319B1 (en) * 1997-07-03 2002-04-02 Photronics Corp. Subtractive color processing system for digital imaging
US7012633B2 (en) 2002-03-06 2006-03-14 Radiant Imaging, Inv. Color calibration method for imaging color measurement device
CN1663285A (zh) * 2002-06-18 2005-08-31 诺基亚公司 图像处理装置及方法、图象输出装置以及利用了它们的数字照相机装置及便携信息终端
JP4004943B2 (ja) * 2002-12-25 2007-11-07 富士フイルム株式会社 画像合成方法および撮像装置
US20070211460A1 (en) 2006-03-09 2007-09-13 Ilya Ravkin Multi-color LED light source for microscope illumination
US20070253040A1 (en) * 2006-04-28 2007-11-01 Eastman Kodak Company Color scanning to enhance bitonal image
US7893975B2 (en) * 2006-10-13 2011-02-22 Apple Inc. System and method for processing images using predetermined tone reproduction curves
US20100007588A1 (en) 2008-07-09 2010-01-14 Adaptive Micro Systems Llc System and method for led degradation and temperature compensation
KR101672944B1 (ko) * 2009-12-14 2016-11-04 엘지이노텍 주식회사 오토 포커스 카메라 모듈에서의 렌즈 셰이딩 보상방법
US20110176029A1 (en) 2010-01-15 2011-07-21 Kenneth Wayne Boydston Multispectral and Colorimetric Imaging System
LV14207B (lv) * 2010-06-29 2010-11-20 Univ Latvijas Metode un ierīce multispektrālu attēlu iegūšanai ar digitālo RGB sensoru
JP5733949B2 (ja) * 2010-10-25 2015-06-10 キヤノン株式会社 撮像装置及びその制御方法
JP2012234393A (ja) * 2011-05-02 2012-11-29 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム
US9075031B2 (en) 2011-10-11 2015-07-07 Ortho-Clinical Diagnostics, Inc. Apparatus for gripping and holding diagnostic cassettes

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5767407A (en) * 1996-01-23 1998-06-16 The Regents Of The University Of California Noninvasive identification of fluids by swept-frequency acoustic interferometry
WO1998000980A1 (en) * 1996-07-03 1998-01-08 Sri International Method and apparatus for decoding spatiochromatically multiplexed color images using predetermined coefficients
CN101039437A (zh) * 2006-03-17 2007-09-19 中国科学院长春光学精密机械与物理研究所 数字图像视频自动判读方法

Also Published As

Publication number Publication date
CN103957394A (zh) 2014-07-30
BR102013026974A2 (pt) 2014-07-15
US20150269412A1 (en) 2015-09-24
US20140113383A1 (en) 2014-04-24
CA2830255C (en) 2022-03-08
CA3143569A1 (en) 2014-04-18
CA3143569C (en) 2024-02-06
EP2723065A2 (en) 2014-04-23
US11741729B2 (en) 2023-08-29
US20190197295A1 (en) 2019-06-27
EP2723065A3 (en) 2014-08-13
JP6490337B2 (ja) 2019-03-27
US10255478B2 (en) 2019-04-09
CA2830255A1 (en) 2014-04-18
JP2014087060A (ja) 2014-05-12
US9066021B2 (en) 2015-06-23

Similar Documents

Publication Publication Date Title
CN103957394B (zh) 对象的全分辨率彩色成像
US10754138B2 (en) Multi-well fourier ptychographic and fluorescence imaging
CN114062231B (zh) 分析装置
JP4402733B2 (ja) 凝集反応を分析するためのイメージング装置を校正するための方法及び装置
JP2020516894A (ja) 試料の特性評価中にラベル数を決定するための方法および装置
CN104284626A (zh) 鱼眼透镜分析器
EP2588835B1 (en) Apparatus, system, and method for increasing measurement accuracy in a particle imaging device
EP3737930A1 (en) Methods and apparatus for bio-fluid specimen characterization using neural network having reduced training
CN115032196B (zh) 一种全划片高通量彩色病理成像分析仪器及方法
WO2017019762A1 (en) Image based photometry
CN110998330B (zh) 用于分析荧光免疫斑点测定的方法和系统
US9292938B2 (en) Methods and systems for image data processing
US20220113671A1 (en) Portable uv holographic microscope for high-contrast protein crystal imaging
JP7462039B2 (ja) 試料容器を特性評価するための前景照明の較正を提供する方法および装置
CN118392835B (zh) 全自动液态悬浮芯片检测方法
CN116559082A (zh) 传感装置、检测系统、和尿液检测系统
CN118392835A (zh) 全自动液态悬浮芯片检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant