CN106897988A - 单分子图像纠偏系统 - Google Patents

单分子图像纠偏系统 Download PDF

Info

Publication number
CN106897988A
CN106897988A CN201710091659.6A CN201710091659A CN106897988A CN 106897988 A CN106897988 A CN 106897988A CN 201710091659 A CN201710091659 A CN 201710091659A CN 106897988 A CN106897988 A CN 106897988A
Authority
CN
China
Prior art keywords
matrix
image
similarity value
value
simplification
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.)
Pending
Application number
CN201710091659.6A
Other languages
English (en)
Inventor
葛良进
曾健明
颜钦
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.)
SHENZHEN HANHAI GENE BIOTECHNOLOGY CO Ltd
Original Assignee
SHENZHEN HANHAI GENE BIOTECHNOLOGY CO Ltd
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 SHENZHEN HANHAI GENE BIOTECHNOLOGY CO Ltd filed Critical SHENZHEN HANHAI GENE BIOTECHNOLOGY CO Ltd
Priority to CN201710091659.6A priority Critical patent/CN106897988A/zh
Publication of CN106897988A publication Critical patent/CN106897988A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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 using two or more images, e.g. averaging or 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种单分子图像纠偏系统，该系统包括：数据输入单元；数据输出单元；存储单元，用于存储数据，包括计算机可执行程序；处理器，用于执行计算机可执行程序，执行该程序包括完成以下：根据第一和第二图像的每一像素点对应的亮度值矩阵，获取与第一图像对应的第一目标简化矩阵以及与第二图像对应的第二目标简化矩阵；对第一和第二目标简化矩阵分别进行二维离散傅里叶变换，得到分别与第一和第二目标简化矩阵对应的第一和第二傅里叶矩阵；根据第一和第二傅里叶矩阵获取第二图像相对于第一图像的偏移量；根据偏移量对第二图像进行纠偏。实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。

Description

单分子图像纠偏系统
相关申请
本申请是申请日为2015年08月14日，名称为“一种单分子图像纠偏装置”的中国专利申请201510500962.8的分案。
技术领域
本发明涉及计算机技术领域，尤其涉及一种单分子图像纠偏方法及装置及系统及计算机可读存储介质。
背景技术
随着测序技术的发展，单分子测序技术成为目前热门的测序技术之一。在单分子测序的过程中，在玻璃表面固定着随机分布的探针会捕获能与之配对杂交的序列，而杂交序列上面带有荧光基团(如CY3)，将这些荧光基团在显微镜下用特定波长激光激发，经EM-CCD(Electron-Multiplying CCD，光子探测器)成像后能得到灰度值图像。在单分子测序的过程中，在不同时刻对同一个坐标视野的单分子进行拍照，根据不同时刻拍摄的单分子图像，就可获取单分子随时间推移的DNA序列。然而在实际中发现，在不同时刻对同一个坐标视野的单分子进行拍照时，序列在芯片上的液体中摆动会导致同一个单分子在不同图片拥有不同的位置信息。由于不同时刻拍摄的单分子图像中单分子的位置信息不同，导致了无法确定随着时间推移的单分子的DNA序列。因此，如何对不同时刻拍摄的单分子图片进行纠偏是一个亟待解决的问题。
发明内容
本发明实施例公开了一种单分子图像纠偏方法及装置及系统及计算机可读存储介质，能够对不同时刻拍摄的单分子图片进行纠偏。
本发明实施例公开了一种单分子图像纠偏方法，包括：
根据第一图像的每一像素点对应的亮度值矩阵，获取与所述第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与所述第二图像对应的第二目标简化矩阵，其中，所述每一像素点对应的亮度值矩阵为以该像素点的亮度值为中心的拥有预设行数以及预设列数的像素点亮度值的矩阵；
对所述第一目标简化矩阵和所述第二目标简化矩阵分别进行二维离散傅里叶变换，得到与所述第一目标简化矩阵对应的第一傅里叶矩阵，并得到与所述第二目标简化矩阵对应的第二傅里叶矩阵；
根据所述第一傅里叶矩阵和所述第二傅里叶矩阵获取所述第二图像相对于所述第一图像的偏移量；
根据所述偏移量对所述第二图像进行纠偏。
在本发明实施例中，单分子图像纠偏方法根据第一图像的每一像素点对应的亮度值矩阵，获取与第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与第二图像对应的第二目标简化矩阵之后，将对第一目标简化矩阵和第二目标简化矩阵分别进行二维离散傅里叶变换，得到与第一目标简化矩阵对应的第一傅里叶矩阵，并得到与所述第二目标简化矩阵对应的第二傅里叶矩阵；单分子图像纠偏方法根据第一傅里叶矩阵和第二傅里叶矩阵获取第二图像相对于第一图像的偏移量；单分子图像纠偏方法根据偏移量对所述第二图像进行纠偏。可见，实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。
本发明实施例公开了一种单分子图像纠偏装置，所述装置包括：
第一获取模块，用于根据第一图像的每一像素点对应的亮度值矩阵，获取与所述第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与所述第二图像对应的第二目标简化矩阵，其中，所述每一像素点对应的亮度值矩阵为以该像素点的亮度值为中心的拥有预设行数以及预设列数的像素点亮度值的矩阵；
变换模块，用于对所述第一目标简化矩阵和所述第二目标简化矩阵分别进行二维离散傅里叶变换，得到与所述第一目标简化矩阵对应的第一傅里叶矩阵，并得到与所述第二目标简化矩阵对应的第二傅里叶矩阵；
第二获取模块，用于根据所述第一傅里叶矩阵和所述第二傅里叶矩阵获取所述第二图像相对于所述第一图像的偏移量；
纠偏模块，用于根据所述偏移量对所述第二图像进行纠偏。
在本发明实施例中，第一获取模块根据第一图像的每一像素点对应的亮度值矩阵，获取与第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与第二图像对应的第二目标简化矩阵之后，变换模块将对第一目标简化矩阵和第二目标简化矩阵分别进行二维离散傅里叶变换，得到与第一目标简化矩阵对应的第一傅里叶矩阵，并得到与所述第二目标简化矩阵对应的第二傅里叶矩阵；第二获取模块根据第一傅里叶矩阵和第二傅里叶矩阵获取第二图像相对于第一图像的偏移量；纠偏模块根据偏移量对所述第二图像进行纠偏。可见，实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。
本发明实施例公开了一种单分子图像纠偏系统，其包括：
数据输入单元，用于输入数据；
数据输出单元，用于输出数据；
存储单元，用于存储数据，所述数据包括计算机可执行程序；
处理器，用于执行所述计算机可执行程序，执行所述计算机可执行程序包括完成如上实施例所述的方法。可见，实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。
本发明实施例公开了一种计算机可读存储介质，其用于存储供计算机执行的程序，执行所述程序包括完成如上实施例所述的方法。可见，实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种单分子图像纠偏方法的流程示意图；
图2是本发明实施例公开的一种单分子图像纠偏装置的结构示意图；
图3是本发明实施例公开的另一种单分子图像纠偏装置的结构示意图；
图4是本发明实施例公开的另一种单分子图像纠偏装置的结构示意图；
图5是本发明实施例公开的第一图片的像素点分布示意图；
图6是本发明实施例公开的一种单分子图像纠偏系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例公开了一种单分子图像纠偏方法和装置，能够对不同时刻拍摄的单分子图片进行纠偏。以下分别进行详细说明。
请参见图1，图1为本发明实施例公开的一种单分子图像纠偏方法的流程示意图。如图1所示，该单分子图像纠偏方法可以包括以下步骤。
S101、单分子图像纠偏装置根据第一图像的每一像素点对应的亮度值矩阵，获取与所述第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与所述第二图像对应的第二目标简化矩阵。
本发明实施例中，单分子图像纠偏装置可包括但不限于智能手机、平板电脑、笔记本电脑、台式电脑等用户设备。该单分子图像纠偏装置的操作系统可包括但不限于Android操作系统、IOS操作系统、Symbian(塞班)操作系统、Black Berry(黑莓)操作系统、Windows操作系统等等，本发明实施例不做限定。
本发明实施例中，第一图像为在第一时间点拍摄的图像，第二图像为在第二时间点拍摄的图像，其中，第二时间点在第一时间点之后。当用户想要纠正第一图像与第二图像之间的偏差时，用户可在单分子图像纠偏装置导入第一图像与第二图像。
在单分子图像纠偏装置读取第一图像与第二图像之后，将针对第一图像的每一像素点，确定第一图像的每一像素点对应的亮度值矩阵，并针对第二图像的每一像素点，确定第二图像的每一像素点对应的亮度值矩阵。其中，每一像素点对应的亮度值矩阵为以该像素点的亮度值为中心的拥有预设行数以及预设列数的像素点亮度值的矩阵。例如，与像素点对应的亮度值矩阵可以为以该像素点的亮度值为中心的3*3、5*5、7*7的矩阵，本发明实施例不做限定。
以第一图片举例来说，当第一图片有512*512个像素点时，则单分子图像纠偏装置总共将确定512*512个亮度值矩阵。如图5所示，图5为第一图片的像素点分布示意图，其中n为512，a11为第一行第一列的像素点，a12为第一行第二列的像素点，a1n为第一行第n列的像素点，…,ann为第n行第n列的像素点。若亮度值矩阵为3*3的矩阵，则单分子图像纠偏装置确定a11对应的亮度值矩阵时，将从第一图片中选取以a11为中心的3*3的像素点。在第一图片的像素点中的以a11为中心的3*3的像素点仅包括a12、a21和a22，单分子图像纠偏装置将获取a11、a12、a21和a22的亮度值，并将不存在第一图片的像素点中的以a11为中心的3*3的像素点的亮度值设为0；单分子图像纠偏装置以a11为中心的3*3的像素点的亮度值构成与a11对应的亮度值矩阵。
例如，若a11对应的亮度值为L11，a12对应的亮度值为L12，a21对应的亮度值为L21，a22对应的亮度值为L22，则与a11对应的亮度值矩阵A11为同理，与a12对应的亮度值矩阵A12为其中，L13为a13的亮度值，L23为a23的亮度值。同理，与a22对应的亮度值矩阵A22为其中，L31为a31的亮度值，L32为a32的亮度值，L33为a33的亮度值。
单分子图像纠偏装置确定第二图像的每一像素点对应的亮度值矩阵，与确定第一图像的每一像素点对应的亮度值矩阵的原理相同，在此不做赘述。
作为一种可选的实施方式，第一目标简化矩阵及第二目标简化矩阵均为二值化矩阵。
作为一种可选的实施方式，单分子图像纠偏装置根据第一图像的每一像素点对应的亮度值矩阵，获取与第一图像对应的第一目标简化矩阵的具体实施方式包括以下步骤：
11)单分子图像纠偏装置计算第一图像的每一像素点对应的亮度值矩阵与预设矩阵的相似度值，得到第一相似度值矩阵；
12)单分子图像纠偏装置将所述第一相似度值矩阵中的每一相似度值与预设阈值进行比较，得到所述第一相似度值矩阵中的每一相似度值对应的比较结果；
13)单分子图像纠偏装置根据所述第一相似度值矩阵中的每一相似度值对应的比较结果，对所述第一相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第一图像对应的第一目标简化矩阵。
在该实施方式中，单分子图像纠偏装置预先设置有预设矩阵，该预设矩阵与亮度值矩阵拥有相同的行数和相同的列数，且该预设矩阵的元素为亮度值。单分子图像纠偏装置确定第一图像的每一像素点对应的亮度值矩阵之后，将针对每一亮度值矩阵，计算亮度值矩阵与预设矩阵的相似度值，并将获得的所有相似度值作为矩阵元素构成第一相似度值矩阵。其中，求取两个矩阵的相似度的具体实施方式为业界公知的技术，在此不再赘述。
举例来说，当第一图片有512*512个像素点时，如图5所示，其中n为512，a11为第一行第一列的像素点，a12为第一行第二列的像素点，a1n为第一行第n列的像素点，…,ann为第n行第n列的像素点。若与a11对应的相似度值为S11，与a12对应的相似度值为S12，a1n对应的相似度值为S1n，...，与ann对应的相似度值为Snn，则相似度值矩阵
在该实施方式中，单分子图像纠偏装置预先设置有预设阈值，例如，该预设阈值可以为大于0小于1的数值，本发明实施例不做限定。单分子图像纠偏装置将第一相似度值矩阵中的每一相似度值与预设阈值进行比较，得到每一相似度值对应的比较结果。该比较结果可以为相似度值大于预设阈值，相似度值等于预设阈值，或相似度值小于预设阈值。单分子图像纠偏装置将根据比较结果对第一相似度值矩阵中的每一相似度值进行分类化处理，以得到目标图片的简化矩阵。
作为一种可选的实施方式，单分子图像纠偏装置根据所述第一相似度值矩阵中的每一相似度值对应的比较结果，对所述第一相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第一图像对应的第一目标简化矩阵的具体实施方式可以为：
针对所述第一相似度值矩阵中的每一相似度值，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值分类为第一类，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值分类为第二类，以得到与所述第一图片对应的第一目标简化矩阵。
例如，在某些实施方式中，当第一目标简化矩阵为二值化矩阵时，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值二值化为1(第一类)，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值二值化为0(第二类)，以得到与所述第一图片对应的第一目标二值化矩阵。
需要指出的是，在具体实施方式时，第一类可理解为，第一类所对应的图像像素点是需要用于定位单分子的图像像素点，第二类可理解为，第二类所对应的图像像素点是无需用于定位单分子的图像像素点，在图像处理过程中可去除或忽略的像素点。
以下以第一目标简化矩阵为二值化矩阵为例子进行说明，其它种类的简化矩阵可参下说明进行。
在该实施方式的例子中，以一个3*3的第一相似度值矩阵举例来说，若S11～S13、S21～S23为大于或等于预设阈值的相似度值，S31～S33为小于预设阈值的相似度值，则得到的二值化矩阵
作为一种可选的实施方式，单分子图像纠偏装置根据第二图像的每一像素点对应的亮度值矩阵，获取与所述第二图像对应的第二目标简化矩阵的具体实施方式可包括以下步骤：
21)单分子图像纠偏装置计算第二图像的每一像素点对应的亮度值矩阵与预设矩阵的相似度值，得到第二相似度值矩阵；
22)单分子图像纠偏装置将所述第二相似度值矩阵中的每一相似度值与预设阈值进行比较，得到所述第二相似度值矩阵中的每一相似度值对应的比较结果；
23)单分子图像纠偏装置根据所述第二相似度值矩阵中的每一相似度值对应的比较结果，对所述第二相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第二图像对应的第二目标简化矩阵。
步骤21)～步骤23)的实现原理与步骤11)～步骤13)相同，在此不做赘述。
作为一种可选的实施方式，单分子图像纠偏装置根据所述第二相似度值矩阵中的每一相似度值对应的比较结果，对所述第二相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第二图像对应的第二目标简化矩阵的具体实施方式可以为：
针对所述第二相似度值矩阵中的每一相似度值，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值分类为第一类，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值分类为第二类，以得到与所述第二图片对应的第二目标简化矩阵。
例如，在某些实施方式中，当第二目标简化矩阵为二值化矩阵时，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值二值化为1(第一类)，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值二值化为0(第二类)，以得到与所述第二图片对应的第二目标二值化矩阵。
以下以第二目标简化矩阵为二值化矩阵为例子进行说明，其它种类的简化矩阵可参下说明进行。
在该实施方式的例子中，以一个3*3的第二相似度值矩阵举例来说，若S11～S13、S21～S23为大于或等于预设阈值的相似度值，S31～S33为小于预设阈值的相似度值，则得到的二值化矩阵
S102、单分子图像纠偏装置对所述第一目标简化矩阵和所述第二目标简化矩阵分别进行二维离散傅里叶变换，得到与所述第一目标简化矩阵对应的第一傅里叶矩阵，并得到与所述第二目标简化矩阵对应的第二傅里叶矩阵。
以下以第一目标简化矩阵及第二目标简化矩阵均为二值化矩阵为例子进行说明，其它种类的简化矩阵可参下说明进行。
本发明实施例中，若第一目标二值化矩阵和第二目标二值化矩阵为N1×N2的矩阵，若第一目标二值化矩阵为f(x,y)，第二目标二值化矩阵为g(x,y)，其中，x＝-M1,...,M1(M1>0)，y＝-M2,...,M2(M2>0)，则N1＝2M1+1，N2＝2M2+1。F(k1,k2)和G(k1,k2)分别为f(x,y)和g(x,y)的二维离散傅里叶变换，定义如下：
其中，k1＝-M1,...,M1；k2＝-M2,...,M2；AF(k1,k2)和AG(k1,k2)为振幅；θF(k1,k2)和θG(k1,k2)为相位。
S103、单分子图像纠偏装置根据所述第一傅里叶矩阵和所述第二傅里叶矩阵获取所述第二图像相对于所述第一图像的偏移量。
本发明实施例中，单分子图像纠偏装置得到第一傅里叶矩阵和第二傅里叶矩阵之后，将根据第一傅里叶矩阵和第二傅里叶矩阵获取第二图像相对于第一图像的偏移量。
本发明实施例中，单分子图像纠偏装置根据所述第一傅里叶矩阵和所述第二傅里叶矩阵获取所述第二图像相对于所述第一图像的偏移量的具体实施方式可以包括以下步骤：
31)单分子图像纠偏装置将所述第二傅里叶矩阵的共轭矩阵和所述第一傅里叶矩阵进行点乘，得到点乘矩阵；
32)单分子图像纠偏装置对所述点乘矩阵进行二维离散傅里叶逆变换，得到逆变换矩阵；
33)单分子图像纠偏装置以所述逆变换矩阵的中心为原点，以水平方向为横坐标轴，以垂直方向为纵坐标轴，将所述逆变换矩阵的第一象限的元素与第三象限的元素进行整体互换，并将所述逆变换矩阵的第二象限的元素与第四象限的元素进行整体互换，以得到目标矩阵；
34)单分子图像纠偏装置获取所述目标矩阵中最大值的坐标作为目标坐标，并将所述目标坐标与所述目标矩阵的中心坐标的差值作为所述第二图像相对于所述第一图像的偏移量。
在上述实施方式的例子中，若第一目标二值化矩阵为f(x,y)和第二目标二值化矩阵为g(x,y)存在线性相关位移(x0,y0)变化，即f(x,y)＝g(x-x0,y-y0)，则二者之间的傅里叶变换关系为其中，F(k1,k2)和G(k1,k2)分别为f(x,y)和g(x,y)的二维离散傅里叶变换。
在该实施方式中，第二傅里叶矩阵的共轭矩阵和第一傅里叶矩阵进行点乘的公式为其中，RGF(k1,k2)为点乘矩阵，G*(k1,k2)为第二傅里叶矩阵的共轭矩阵。
在该实施方式中，若RGF(k1,k2)为N1×N2的矩阵，单分子图像纠偏装置对点乘矩阵进行二维离散傅里叶逆变换的公式为其中，Pgf(m,n)为逆变换矩阵。
在该实施方式中，在单分子图像纠偏装置获得逆变换矩阵之后，将以逆变换矩阵的中心为原点，以水平方向为横坐标轴，以垂直方向为纵坐标轴，将逆变换矩阵的第一象限的元素与第三象限的元素进行整体互换，并将逆变换矩阵的第二象限的元素与第四象限的元素进行整体互换，以得到目标矩阵。
举例来说，若逆变换矩阵则得到的目标矩阵为
在该实施方式中，单分子图像纠偏装置得到目标矩阵之后，将获取目标矩阵中最大值的坐标作为目标坐标；在获取目标坐标之后，单分子图像纠偏装置计算目标坐标与目标矩阵的中心坐标之间的差值，并将差值作为第二图像相对于所述第一图像的偏移量。举例来说，若目标坐标为(2,3)，中心坐标为(2,2)，则第二图像相对于所述第一图像的偏移量为(0,1)。
S104、单分子图像纠偏装置根据所述偏移量对所述第二图像进行纠偏。
本发明实施例中，在单分子图像纠偏装置获取第二图像相对于第一图像的偏移量之后，单分子图像纠偏装置将根据获取的偏移量对第二图像进行纠偏。
请参阅图2，图2是本发明实施例公开的一种单分子图像纠偏装置的结构示意图。其中，图2所示的单分子图像纠偏装置可以包括第一获取模块201、变换模块202、第二获取模块203和纠偏模块204。其中：
第一获取模块201，用于根据第一图像的每一像素点对应的亮度值矩阵，获取与所述第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与所述第二图像对应的第二目标简化矩阵。
本发明实施例中，由单分子图像纠偏装置的第一获取模块201根据第一图像的每一像素点对应的亮度值矩阵，获取与第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与第二图像对应的第二目标简化矩阵。单分子图像纠偏装置可包括但不限于智能手机、平板电脑、笔记本电脑、台式电脑等用户设备。该单分子图像纠偏装置的操作系统可包括但不限于Android操作系统、IOS操作系统、Symbian(塞班)操作系统、Black Berry(黑莓)操作系统、Windows操作系统等等，本发明实施例不做限定。
本发明实施例中，第一图像为在第一时间点拍摄的图像，第二图像为在第二时间点拍摄的图像，其中，第二时间点在第一时间点之后。当用户想要纠正第一图像与第二图像之间的偏差时，用户可在单分子图像纠偏装置导入第一图像与第二图像。
在单分子图像纠偏装置读取第一图像与第二图像之后，单分子图像纠偏装置将针对第一图像的每一像素点，确定第一图像的每一像素点对应的亮度值矩阵，并针对第二图像的每一像素点，确定第二图像的每一像素点对应的亮度值矩阵。其中，每一像素点对应的亮度值矩阵为以该像素点的亮度值为中心的拥有预设行数以及预设列数的像素点亮度值的矩阵。例如，与像素点对应的亮度值矩阵可以为以该像素点的亮度值为中心的3*3、5*5、7*7的矩阵，本发明实施例不做限定。
以第一图片举例来说，当第一图片有512*512个像素点时，则单分子图像纠偏装置总共将确定512*512个亮度值矩阵。如图5所示，图5为第一图片的像素点分布示意图，其中n为512，a11为第一行第一列的像素点，a12为第一行第二列的像素点，a1n为第一行第n列的像素点，…,ann为第n行第n列的像素点。若亮度值矩阵为3*3的矩阵，则单分子图像纠偏装置确定a11对应的亮度值矩阵时，将从第一图片中选取以a11为中心的3*3的像素点。在第一图片的像素点中的以a11为中心的3*3的像素点仅包括a12、a21和a22，单分子图像纠偏装置将获取a11、a12、a21和a22的亮度值，并将不存在第一图片的像素点中的以a11为中心的3*3的像素点的亮度值设为0；单分子图像纠偏装置以a11为中心的3*3的像素点的亮度值构成与a11对应的亮度值矩阵。
例如，若a11对应的亮度值为L11，a12对应的亮度值为L12，a21对应的亮度值为L21，a22对应的亮度值为L22，则与a11对应的亮度值矩阵A11为同理，与a12对应的亮度值矩阵其中，L13为a13的亮度值，L23为a23的亮度值。同理，与a22对应的亮度值矩阵A22为其中，L31为a31的亮度值，L32为a32的亮度值，L33为a33的亮度值。
单分子图像纠偏装置确定第二图像的每一像素点对应的亮度值矩阵，与确定第一图像的每一像素点对应的亮度值矩阵的原理相同，在此不做赘述。
作为一种可选的实施方式，第一目标简化矩阵及第二目标简化矩阵均为二值化矩阵。
本发明实施例中，单分子图像纠偏装置确定第一图像的每一像素点对应的亮度值矩阵和第二图像的每一像素点对应的亮度值矩阵之后，第一获取模块201将根据第一图像的每一像素点对应的亮度值矩阵，获取与第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与第二图像对应的第二目标简化矩阵。
变换模块202，用于对所述第一目标简化矩阵和所述第二目标简化矩阵分别进行二维离散傅里叶变换，得到与所述第一目标简化矩阵对应的第一傅里叶矩阵，并得到与所述第二目标简化矩阵对应的第二傅里叶矩阵。
以下以第一目标简化矩阵及第二目标简化矩阵均为二值化矩阵为例子进行说明，其它种类的简化矩阵可参下说明进行。
本发明实施例中，若第一目标二值化矩阵和第二目标二值化矩阵为N1×N2的矩阵，若第一目标二值化矩阵为f(x,y)，第二目标二值化矩阵为g(x,y)，其中，x＝-M1,...,M1(M1>0)，y＝-M2,...,M2(M2>0)，则N1＝2M1+1，N2＝2M2+1。F(k1,k2)和G(k1,k2)分别为f(x,y)和g(x,y)的二维离散傅里叶变换，定义如下：
其中，k1＝-M1,...,M1；k2＝-M2,...,M2；AF(k1,k2)和AG(k1,k2)为振幅；θF(k1,k2)和θG(k1,k2)为相位。
第二获取模块203，用于根据所述第一傅里叶矩阵和所述第二傅里叶矩阵获取所述第二图像相对于所述第一图像的偏移量。
本发明实施例中，变换模块202得到第一傅里叶矩阵和第二傅里叶矩阵之后，第二获取模块203将根据第一傅里叶矩阵和第二傅里叶矩阵获取第二图像相对于第一图像的偏移量。
纠偏模块204，用于根据所述偏移量对所述第二图像进行纠偏。
本发明实施例中，在第二获取模块203获取第二图像相对于第一图像的偏移量之后，纠偏模块204将根据获取的偏移量对第二图像进行纠偏。
请一并参阅图3，图3是本发明实施例公开的另一种单分子图像纠偏装置的结构示意图。其中，图3所示的单分子图像纠偏装置是由图2所示的单分子图像纠偏装置进行优化得到的。与图2所示的单分子图像纠偏装置相比较，图3所示的单分子图像纠偏装置包括图2所示的单分子图像纠偏装置的所有模块，其中，第二获取模块203可包括点乘单元2031、第一变换单元2032、第二变换单元2033和获取单元2034，其中：
点乘单元2031，用于将所述第二傅里叶矩阵的共轭矩阵和所述第一傅里叶矩阵进行点乘，得到点乘矩阵。
在本发明实施例的例子中，若第一目标二值化矩阵为f(x,y)和第二目标二值化矩阵为g(x,y)存在线性相关位移(x0,y0)变化，即f(x,y)＝g(x-x0,y-y0)，则二者之间的傅里叶变换关系为其中，F(k1,k2)和G(k1,k2)分别为f(x,y)和g(x,y)的二维离散傅里叶变换。
本发明实施例中，第二傅里叶矩阵的共轭矩阵和第一傅里叶矩阵进行点乘的公式为其中，RGF(k1,k2)为点乘矩阵，G*(k1,k2)为第二傅里叶矩阵的共轭矩阵。
第一变换单元2032，用于对所述点乘矩阵进行二维离散傅里叶逆变换，得到逆变换矩阵。
本发明实施例中，若RGF(k1,k2)为N1×N2的矩阵，第一变换单元2032对点乘矩阵进行二维离散傅里叶逆变换的公式为其中，Pgf(m,n)为逆变换矩阵。
第二变换单元2033，用于以所述逆变换矩阵的中心为原点，以水平方向为横坐标轴，以垂直方向为纵坐标轴，将所述逆变换矩阵的第一象限的元素与第三象限的元素进行整体互换，并将所述逆变换矩阵的第二象限的元素与第四象限的元素进行整体互换，以得到目标矩阵。
本发明实施例中，在第一变换单元2032获得逆变换矩阵之后，第二变换单元2033将以逆变换矩阵的中心为原点，以水平方向为横坐标轴，以垂直方向为纵坐标轴，将逆变换矩阵的第一象限的元素与第三象限的元素进行整体互换，并将逆变换矩阵的第二象限的元素与第四象限的元素进行整体互换，以得到目标矩阵。
举例来说，若逆变换矩阵则得到的目标矩阵为
获取单元2034，用于获取所述目标矩阵中最大值的坐标作为目标坐标，并将所述目标坐标与所述目标矩阵的中心坐标的差值作为所述第二图像相对于所述第一图像的偏移量。
本发明实施例中，第二变换单元2033得到目标矩阵之后，获取单元2034将获取目标矩阵中最大值的坐标作为目标坐标；在获取目标坐标之后，获取单元2034计算目标坐标与目标矩阵的中心坐标之间的差值，并将差值作为第二图像相对于所述第一图像的偏移量。举例来说，若目标坐标为(2,3)，中心坐标为(2,2)，则第二图像相对于所述第一图像的偏移量为(0,1)。
请一并参阅图4，图4是本发明实施例公开的另一种单分子图像纠偏装置的结构示意图。其中，图4所示的单分子图像纠偏装置是由图2所示的单分子图像纠偏装置进行优化得到的。与图2所示的单分子图像纠偏装置相比较，图4所示的单分子图像纠偏装置包括图2所示的单分子图像纠偏装置的所有模块，其中，第一获取模块201可包括计算单元2011、比较单元2012和简化单元2013，其中：
计算单元2011，用于计算第一图像的每一像素点对应的亮度值矩阵与预设矩阵的相似度值，得到第一相似度值矩阵。
比较单元2012，用于将所述第一相似度值矩阵中的每一相似度值与预设阈值进行比较，得到所述第一相似度值矩阵中的每一相似度值对应的比较结果。
简化单元2013，用于根据所述第一相似度值矩阵中的每一相似度值对应的比较结果，对所述第一相似度值矩阵中的每一相似度值进行简化处理，以得到与所述第一图像对应的第一目标简化矩阵。
本发明实施例中，单分子图像纠偏装置预先设置有预设矩阵，该预设矩阵与亮度值矩阵拥有相同的行数和相同的列数，且该预设矩阵的元素为亮度值。单分子图像纠偏装置确定第一图像的每一像素点对应的亮度值矩阵之后，计算单元2011将针对每一亮度值矩阵，计算亮度值矩阵与预设矩阵的相似度值，并将获得的所有相似度值作为矩阵元素构成第一相似度值矩阵。其中，求取两个矩阵的相似度的具体实施方式为业界公知的技术，在此不再赘述。
举例来说，当第一图片有512*512个像素点时，如图5所示，其中n为512，a11为第一行第一列的像素点，a12为第一行第二列的像素点，a1n为第一行第n列的像素点，…,ann为第n行第n列的像素点。若与a11对应的相似度值为S11，与a12对应的相似度值为S12，a1n对应的相似度值为S1n，...，与ann对应的相似度值为Snn，则相似度值矩阵
在该实施方式中，单分子图像纠偏装置预先设置有预设阈值，例如，该预设阈值可以为大于0小于1的数值，本发明实施例不做限定比较单元2012将第一相似度值矩阵中的每一相似度值与预设阈值进行比较，得到每一相似度值对应的比较结果。该比较结果可以为相似度值大于预设阈值，相似度值等于预设阈值，或相似度值小于预设阈值。简化单元2013将根据比较结果对第一相似度值矩阵中的每一相似度值进行分类化处理，以得到目标图片的简化矩阵。
作为一种可选的实施方式，简化单元2013根据所述第一相似度值矩阵中的每一相似度值对应的比较结果，对所述第一相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第一图像对应的第一目标简化矩阵的具体方式可以为：
针对所述第一相似度值矩阵中的每一相似度值，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值分类为第一类，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值分类为第二类，以得到与所述第一图片对应的第一目标简化矩阵。
例如，在某些实施方式中，当第一目标简化矩阵为二值化矩阵时，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值二值化为1(第一类)，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值二值化为0(第二类)，以得到与所述第一图片对应的第一目标二值化矩阵。
需要指出的是，在具体实施方式时，第一类可理解为，第一类所对应的图像像素点是需要用于定位单分子的图像像素点，第二类可理解为，第二类所对应的图像像素点是无需用于定位单分子的图像像素点，在图像处理过程中可去除或忽略的像素点。
以下以第一目标简化矩阵为二值化矩阵为例子进行说明，其它种类的简化矩阵可参下说明进行。
在该实施方式的例子中，以一个3*3的第一相似度值矩阵举例来说，若S11～S13、S21～S23为大于或等于预设阈值的相似度值，S31～S33为小于预设阈值的相似度值，则得到的二值化矩阵
作为一种可选的实施方式，所述计算单元2011，还用于计算第二图像的每一像素点对应的亮度值矩阵与预设矩阵的相似度值，得到第二相似度值矩阵；
所述比较单元2012，还用于将所述第二相似度值矩阵中的每一相似度值与预设阈值进行比较，得到所述第二相似度值矩阵中的每一相似度值对应的比较结果；
所述简化单元2013，还用于根据所述第二相似度值矩阵中的每一相似度值对应的比较结果，对所述第二相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第二图像对应的第二目标简化矩阵。
在该实施方式中，计算单元2011获取第二相似度值矩阵，与计算单元2011获取第一相似度值矩阵的实现原理相同；比较单元2012获取第二相似度值矩阵中的每一相似度值对应的比较结果，与比较单元2012获取第一相似度值矩阵中的每一相似度值对应的比较结果的实现原理相同；简化单元2013获取与第二图像对应的第二目标简化矩阵，与简化单元2013获取与第一图像对应的第一目标简化矩阵的实现原理相同，故在此不再赘述。
作为一种可选的实施方式，简化单元2013根据所述第二相似度值矩阵中的每一相似度值对应的比较结果，对所述第二相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第二图像对应的第二目标简化矩阵的具体方式可以为：
针对所述第二相似度值矩阵中的每一相似度值，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值分类为第一类，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值分类为第二类，以得到与所述第二图片对应的第二目标简化矩阵。
例如，在某些实施方式中，当第二目标简化矩阵为二值化矩阵时，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值二值化为1(第一类)，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值二值化为0(第二类)，以得到与所述第二图片对应的第二目标二值化矩阵。
以下以第二目标简化矩阵为二值化矩阵为例子进行说明，其它种类的简化矩阵可参下说明进行。
在该实施方式的例子中，以一个3*3的第二相似度值矩阵举例来说，若S11～S13、S21～S23为大于或等于预设阈值的相似度值，S31～S33为小于预设阈值的相似度值，则得到的二值化矩阵
在图2～图4所描述的单分子图像纠偏装置中，第一获取模块根据第一图像的每一像素点对应的亮度值矩阵，获取与第一图像对应的第一目标简化矩阵，并根据第二图像的每一像素点对应的亮度值矩阵，获取与第二图像对应的第二目标简化矩阵之后，变换模块将对第一目标简化矩阵和第二目标简化矩阵分别进行二维离散傅里叶变换，得到与第一目标简化矩阵对应的第一傅里叶矩阵，并得到与所述第二目标简化矩阵对应的第二傅里叶矩阵；第二获取模块根据第一傅里叶矩阵和第二傅里叶矩阵获取第二图像相对于第一图像的偏移量；纠偏模块根据偏移量对所述第二图像进行纠偏。可见，实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例单分子图像纠偏装置中的模块或单元可以根据实际需要进行合并、划分和删减。
请参图6，本发明实施例公开了一种单分子图像纠偏系统，其包括：
数据输入单元302，用于输入数据；
数据输出单元304，用于输出数据；
存储单元306，用于存储数据，所述数据包括计算机可执行程序；
处理器308，用于执行所述计算机可执行程序，执行所述计算机可执行程序包括完成如上任一实施例所述的单分子图像纠偏方法。可见，实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。
本发明实施例公开了一种计算机可读存储介质，其用于存储供计算机执行的程序，执行所述程序包括完成如上任一实施例所述的单分子图像纠偏方法。可见，实施本发明实施例能够对不同时刻拍摄的单分子图片进行纠偏。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
以上对本发明实施例公开的一种单分子图像纠偏方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种单分子图像纠偏系统，其特征在于，包括：
数据输入单元，用于输入数据；
数据输出单元，用于输出数据；
存储单元，用于存储数据，包括计算机可执行程序；
处理器，用于执行所述计算机可执行程序，执行所述计算机可执行程序包括完成以下步骤：
根据第一图像的每一像素点对应的亮度值矩阵，获取与所述第一图像对应的第一目标简化矩阵，根据第二图像的每一像素点对应的亮度值矩阵，获取与所述第二图像对应的第二目标简化矩阵，所述每一像素点对应的亮度值矩阵为以该像素点的亮度值为中心的拥有预设行数以及预设列数的像素点亮度值的矩阵；
对所述第一目标简化矩阵和所述第二目标简化矩阵分别进行二维离散傅里叶变换，得到与所述第一目标简化矩阵对应的第一傅里叶矩阵以及与所述第二目标简化矩阵对应的第二傅里叶矩阵；
根据所述第一傅里叶矩阵和所述第二傅里叶矩阵获取所述第二图像相对于所述第一图像的偏移量；
根据所述偏移量对所述第二图像进行纠偏。
2.根据权利要求1所述的系统，其特征在于，所述第一目标简化矩阵及所述第二目标简化矩阵均为二值化矩阵。
3.根据权利要求1所述的系统，其特征在于，所述根据所述第一傅里叶矩阵和所述第二傅里叶矩阵获取所述第二图像相对于所述第一图像的偏移量，包括：
将所述第二傅里叶矩阵的共轭矩阵和所述第一傅里叶矩阵进行点乘，得到点乘矩阵；
对所述点乘矩阵进行二维离散傅里叶逆变换，得到逆变换矩阵；
以所述逆变换矩阵的中心为原点，以水平方向为横坐标轴，以垂直方向为纵坐标轴，将所述逆变换矩阵的第一象限的元素与第三象限的元素进行整体互换，并将所述逆变换矩阵的第二象限的元素与第四象限的元素进行整体互换，以得到目标矩阵；
获取所述目标矩阵中最大值的坐标作为目标坐标，并将所述目标坐标与所述目标矩阵的中心坐标的差值作为所述第二图像相对于所述第一图像的偏移量。
4.根据权利要求1或3所述的系统，其特征在于，所述根据第一图像的每一像素点对应的亮度值矩阵，获取与所述第一图像对应的第一目标简化矩阵，包括：
计算第一图像的每一像素点对应的亮度值矩阵与预设矩阵的相似度值，得到第一相似度值矩阵；
将所述第一相似度值矩阵中的每一相似度值与预设阈值进行比较，得到所述第一相似度值矩阵中的每一相似度值对应的比较结果；
根据所述第一相似度值矩阵中的每一相似度值对应的比较结果，对所述第一相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第一图像对应的第一目标简化矩阵。
5.根据权利要求4所述的系统，其特征在于，根据第二图像的每一像素点对应的亮度值矩阵，获取与所述第二图像对应的第二目标简化矩阵包括：
计算第二图像的每一像素点对应的亮度值矩阵与预设矩阵的相似度值，得到第二相似度值矩阵；
将所述第二相似度值矩阵中的每一相似度值与预设阈值进行比较，得到所述第二相似度值矩阵中的每一相似度值对应的比较结果；
根据所述第二相似度值矩阵中的每一相似度值对应的比较结果，对所述第二相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第二图像对应的第二目标简化矩阵。
6.根据权利要求5所述的系统，其特征在于，所述根据所述第一相似度值矩阵中的每一相似度值对应的比较结果，对所述第一相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第一图像对应的第一目标简化矩阵，包括：
针对所述第一相似度值矩阵中的每一相似度值，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值分类为第一类，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值分类为第二类，以得到与所述第一图片对应的第一目标简化矩阵。
7.根据权利要求6所述的系统，其特征在于，所述根据所述第二相似度值矩阵中的每一相似度值对应的比较结果，对所述第二相似度值矩阵中的每一相似度值进行分类化处理，以得到与所述第二图像对应的第二目标二简化矩阵，包括：
针对所述第二相似度值矩阵中的每一相似度值，当所述相似度值对应的比较结果为所述相似度值大于或等于所述预设阈值时，将所述相似度值分类为所述第一类，当所述相似度值对应的比较结果为所述相似度值小于所述预设阈值时，将所述相似度值分类为所述第二类，以得到与所述第二图片对应的第二目标简化矩阵。
CN201710091659.6A 2015-08-14 2015-08-14 单分子图像纠偏系统 Pending CN106897988A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710091659.6A CN106897988A (zh) 2015-08-14 2015-08-14 单分子图像纠偏系统

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510500962.8A CN105303540A (zh) 2015-08-14 2015-08-14 一种单分子图像纠偏装置
CN201710091659.6A CN106897988A (zh) 2015-08-14 2015-08-14 单分子图像纠偏系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201510500962.8A Division CN105303540A (zh) 2015-08-14 2015-08-14 一种单分子图像纠偏装置

Publications (1)

Publication Number Publication Date
CN106897988A true CN106897988A (zh) 2017-06-27

Family

ID=55200764

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201710091659.6A Pending CN106897988A (zh) 2015-08-14 2015-08-14 单分子图像纠偏系统
CN201510500962.8A Pending CN105303540A (zh) 2015-08-14 2015-08-14 一种单分子图像纠偏装置
CN201910975632.2A Pending CN111062898A (zh) 2015-08-14 2015-08-14 一种单分子图像纠偏装置

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201510500962.8A Pending CN105303540A (zh) 2015-08-14 2015-08-14 一种单分子图像纠偏装置
CN201910975632.2A Pending CN111062898A (zh) 2015-08-14 2015-08-14 一种单分子图像纠偏装置

Country Status (2)

Country Link
CN (3) CN106897988A (zh)
HK (1) HK1220537A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10127645B2 (en) 2015-08-14 2018-11-13 Direct Genomics Co., Ltd Single-molecule image correction method, device and system, and computer-readable storage medium
CN108229098A (zh) * 2016-12-09 2018-06-29 深圳市瀚海基因生物科技有限公司 单分子的识别、计数方法及装置
US10303847B2 (en) 2016-12-09 2019-05-28 Direct Genomics Co., Ltd. Single molecule identification using intensity time sequencing, line charting and run-length coding
CN108229097A (zh) * 2016-12-09 2018-06-29 深圳市瀚海基因生物科技有限公司 单分子的识别、计数方法及装置
CN108034699A (zh) * 2017-11-22 2018-05-15 深圳市瀚海基因生物科技有限公司 一种检测核苷酸特异性和/或非特异性吸附的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101377848A (zh) * 2007-08-28 2009-03-04 中国科学院国家天文台 一种观测数据处理方法
CN101751572A (zh) * 2008-12-05 2010-06-23 比亚迪股份有限公司 一种图案检测方法、装置、设备及系统
CN103996164A (zh) * 2014-05-29 2014-08-20 东北大学 基于实分数傅里叶变换的医学影像零水印嵌入和提取方法
CN104331856A (zh) * 2014-09-26 2015-02-04 东北大学 一种基于实分数傅立叶变换的图像零水印嵌入和提取方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102866391B (zh) * 2012-09-05 2014-08-27 中北大学 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法
CN103077540A (zh) * 2013-01-30 2013-05-01 中国科学院自动化研究所 快速路视频监控中车辆运动区域自动检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101377848A (zh) * 2007-08-28 2009-03-04 中国科学院国家天文台 一种观测数据处理方法
CN101751572A (zh) * 2008-12-05 2010-06-23 比亚迪股份有限公司 一种图案检测方法、装置、设备及系统
CN103996164A (zh) * 2014-05-29 2014-08-20 东北大学 基于实分数傅里叶变换的医学影像零水印嵌入和提取方法
CN104331856A (zh) * 2014-09-26 2015-02-04 东北大学 一种基于实分数傅立叶变换的图像零水印嵌入和提取方法

Also Published As

Publication number Publication date
HK1220537A1 (zh) 2017-05-05
CN105303540A (zh) 2016-02-03
CN111062898A (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
CN106897988A (zh) 单分子图像纠偏系统
US10043113B1 (en) Method and device for generating feature maps by using feature upsampling networks
CN103531175B (zh) 拼接显示装置屏幕亮度均匀性调节方法和系统
AU2012200236B2 (en) Methods and Systems for Capturing Biometric Data
CN102682446A (zh) 使用自适应联合双边滤波器生成稠密深度图的设备和方法
CN110348412A (zh) 一种关键点定位方法、装置、电子设备及存储介质
CN107749050B (zh) 鱼眼图像矫正方法、装置及计算机设备
JP2021531571A (ja) 証明書画像抽出方法及び端末機器
CN102236790B (zh) 一种图像处理方法和设备
CN109726195A (zh) 一种数据增强方法及装置
CN106878700A (zh) 广角镜头校正系统及其方法
CN105303551A (zh) 一种单分子定位方法
CN103208111B (zh) 用于修正图像角点的方法和装置以及图像处理设备
CN113963072B (zh) 双目摄像头标定方法、装置、计算机设备和存储介质
CN112950528A (zh) 证件姿态确定方法、模型训练方法、装置、服务器及介质
TWI281641B (en) Image sharpness method and device
CN108563046A (zh) 隔垫物支撑能力评价方法和装置及计算机可读存储介质
CN116091400A (zh) 一种证件检测方法、装置、电子设备和存储介质
US20170140538A1 (en) Image preprocessing method and electronic device for image registration
CN111182293A (zh) 一种镜头阴影校正数据的检测方法及系统
CN105303541A (zh) 一种单分子图像纠偏方法
US10127645B2 (en) Single-molecule image correction method, device and system, and computer-readable storage medium
WO2021017979A1 (zh) 一种灰阶强度数据的处理方法、存储介质及终端设备
CN103559692B (zh) 处理图像的方法与装置
Xu et al. Understanding adversarial robustness through loss landscape geometries

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1234192

Country of ref document: HK

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 518000 Shenye Jinyuan Building, No. 116 Qingshuihe Road, Qingshuihe Street, Luohu District, Shenzhen City, Guangdong Province, 2 5th and 6th floors

Applicant after: Shenzhen Zhenmai Biotechnology Co., Ltd.

Address before: 518000 National Supercomputing Shenzhen Center Research Building, No. 9 Tuxue Road, Xili University Town, Nanshan District, Shenzhen City, Guangdong Province, 10th Floor

Applicant before: SHENZHEN HANHAI GENE BIOTECHNOLOGY CO., LTD.