CN107274349B - 生物芯片荧光图像倾斜角度的确定方法及装置 - Google Patents
生物芯片荧光图像倾斜角度的确定方法及装置 Download PDFInfo
- Publication number
- CN107274349B CN107274349B CN201710413734.6A CN201710413734A CN107274349B CN 107274349 B CN107274349 B CN 107274349B CN 201710413734 A CN201710413734 A CN 201710413734A CN 107274349 B CN107274349 B CN 107274349B
- Authority
- CN
- China
- Prior art keywords
- roundness
- fluorescence image
- value
- preset
- inclination angle
- 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
Links
- 238000002073 fluorescence micrograph Methods 0.000 title claims abstract description 163
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000000018 DNA microarray Methods 0.000 title claims abstract description 51
- 238000005070 sampling Methods 0.000 claims abstract description 125
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000007781 pre-processing Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 abstract description 6
- 238000003702 image correction Methods 0.000 abstract description 4
- 238000012790 confirmation Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 57
- 238000012937 correction Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 102000053602 DNA Human genes 0.000 description 1
- 108020004414 DNA Proteins 0.000 description 1
- 241000872198 Serjania polyphylla Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 241000519995 Stachys sylvatica Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000012742 biochemical analysis Methods 0.000 description 1
- 239000012472 biological sample Substances 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 102000004196 processed proteins & peptides Human genes 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 229920002477 rna polymer Polymers 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06T2207/20036—Morphological image processing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种生物芯片荧光图像倾斜角度的确定方法及装置，涉及图像处理技术领域，主要目的是解决现有的获取图像倾斜角度的方法是通过计算投影角度或功率谱估计，巨大的计算量导致图像倾斜角度的确认效率较低，从而影响图像校正的速度的问题。技术方案包括：获取生物芯片的荧光图像；根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；根据筛选后的样点确定所述荧光图像的倾斜角度。主要用于生物芯片荧光图像倾斜角度的确定。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种生物芯片荧光图像倾斜角度的确定方法及装置。
背景技术
近年来，为了更好的对脱氧核糖核酸、核糖核酸、多肽、蛋白质以及其他生物成分的高通量快速检测，生物芯片技术被广泛应用起来。生物芯片技术是以根据分子间特异性地相互作用的原理，将生命科学领域中不连续的分析过程集成于硅芯片或玻璃芯片表面的微型生物化学分析系统。其中，在获取生物芯片荧光图像过程中，对图像进行拍摄的扫描仪器难免会存在一定的扫描偏差，造成摄取的图像倾斜，影响图像的处理。
目前，在使用自动校正算法进行图像校正时，对图像不同角度的投影来获取图像倾斜角度，但是，由于生物芯片的高度并行性和多样性，需要在短时间内获取大量的生物信息，现有的获取图像倾斜角度的方法是通过计算投影角度或功率谱估计，巨大的计算量导致图像倾斜角度的确认效率较低，从而影响图像校正的速度。
发明内容
鉴于上述问题，提出了本发明以便提供一种生物芯片荧光图像倾斜角度的确定方法及装置，主要目的是解决现有的获取图像倾斜角度的方法是通过计算投影角度或功率谱估计，巨大的计算量导致图像倾斜角度的确认效率较低，从而影响图像校正的速度的问题。
借由上述技术方案，本发明提供的一种生物芯片荧光图像倾斜角度的确定方法，包括：
获取生物芯片的荧光图像；
根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；
计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；
根据筛选后的样点确定所述荧光图像的倾斜角度。
借由上述技术方案，本发明提供的一种生物芯片荧光图像倾斜角度的确定装置，包括：
获取单元，用于获取生物芯片的荧光图像；
处理单元，用于根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；
筛选单元，用于计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；
确定单元，用于根据筛选后的样点确定所述荧光图像的倾斜角度。
本发明实施例提供的一种生物芯片荧光图像倾斜角度的确定方法及装置，与现有通过获取图像倾斜角度的方法是通过计算投影角度或功率谱估计相比，本发明实施例通过预处理不完整的荧光图像，得到填充完整的荧光图像，并计算荧光图像中所有样点的圆度值，按照圆度判断准备筛选出符合圆度条件的样点，根据筛选后的样点确定荧光图像的倾斜角度，实现在短时间内可以确定大量的荧光图像的倾斜角度，减少计算所消耗的时间，从而提高确定倾斜角度的效率，增加校正的效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了发明实施例提供的一种生物芯片荧光图像倾斜角度的确定方法的流程图；
图2示出了发明实施例提供的另一种生物芯片荧光图像倾斜角度的确定方法的流程图；
图3示出了发明实施例提供的一种生物芯片荧光图像的示意图；
图4示出了发明实施例提供的另一种生物芯片荧光图像的示意图；
图5示出了发明实施例提供的一种生物芯片荧光图像倾斜角度的确定装置的方框图；
图6示出了发明实施例提供的另一种生物芯片荧光图像倾斜角度的确定装置的方框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种生物芯片荧光图像倾斜角度的确定方法，如图1所示，所述方法包括：
101、获取生物芯片的荧光图像。
其中，所述生物芯片的荧光图像为以紫外线为光源，用以照射被检生物样本，使样点发出荧光，所形成的图像。
需要说明的是，生物芯片是指在微小的基片上集成了成千上万个样点，而每个样点对应一个基因或生物信息，通过对生物芯片使用电荷耦合器CCD相机进行拍摄，将获得的图像结合数字图像处理软件进行信息的提取，得到生物芯片的荧光图像。
102、根据预处理方法处理所述荧光图像。
其中，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像，所述完整包括样点的轮廓是否完整、图像中的区域是否可用所述预处理方法可以为对图像灰度进行处理，以及可以对图像中的样点轮廓不完整进行填充，例如，可以利用编写的程序进行灰度变换及二值化处理，当荧光图像中的样点轮廓或内部出现残缺，则通过形态学运算中的闭运算填充样点的孔洞，是荧光图像的样点更加平滑、完整。
103、计算所述荧光图像中各个样点的圆度值。
其中，由于生物芯片的荧光图像中包括成千上万的样点，且样点是按照行列进行排列的，在计算样点的圆度值时，可以按照样点排列的各个行中样点轮廓进行计算圆度值，也可以对所有的样点轮廓并行计算圆度值，本发明实施例不做具体限定。
需要说明的是，本实施例中的圆度为一种衡量形状是否符合标准圆的几何概念，标准圆为固定半径以固定原点旋转360度形成的圆，圆的周长平滑无棱角，利用圆度的数值来寻找出最类似圆的2个样点之间是否出现倾斜，以便确定荧光图像的倾斜角度。
例如，圆度的数值范围为0至1，1表示图像最接近标准圆，1至0方向的数值表示越来越不接近标准圆。
104、根据预设的圆度判断准则筛选出符合圆度条件的样点。
其中，所述圆度值为衡量样点对应的形状是否为标准圆的数值，所述预设的圆度判断准则为预先设定的用于判断各个行中样点圆度值是否符合圆度条件，所述的圆度条件可以设定为选取超过预定圆度阈值的样点，具体的数值可以由技术人员预先进行程序编写而设定，本发明实施例不做具体限定。例如，可以设定圆度条件为圆度阈值设定为0.8，则根据预设的圆度判断准则，一行中的两个样点的圆度值是否大于等于圆度阈值0.8。
105、根据筛选后的样点确定所述荧光图像的倾斜角度。
其中，筛选后的样点一般为两个，这样才可以根据两个样点之间的斜率求得荧光图像的倾斜角度，从而对荧光图像进行校正。
本发明实施例提供的一种生物芯片荧光图像倾斜角度的确定方法，与现有通过获取图像倾斜角度的方法是通过计算投影角度或功率谱估计相比，本发明实施例通过预处理不完整的荧光图像，得到填充完整的荧光图像，并计算荧光图像中所有样点的圆度值，按照圆度判断准备筛选出符合圆度条件的样点，根据筛选后的样点确定荧光图像的倾斜角度，实现在短时间内可以确定大量的荧光图像的倾斜角度，减少计算所消耗的时间，从而提高确定倾斜角度的效率，增加校正的效率。
本发明实施例还提供了另一种生物芯片荧光图像倾斜角度的确定方法，如图2所示，所述方法包括：
201、获取生物芯片的荧光图像。
本步骤与图1所示的步骤101方法相同，在此不再赘述。
202、通过用于处理图像灰度的程序，处理所述荧光图像。
其中，所述灰度为使用黑色调来表示物体，即用黑色为基准色，以不同的饱和度的黑色来显示图像，这样可以将图像中的各种颜色转化为单色调的图像，避免了图像轮廓的失真。所述用于处理图像灰度的程序包括灰度变换程序及二值化程序，所述二值化程序为将荧光图像转变为底色为黑色，样点为白色的图像，所述灰度变换程序及二值化程序可以利用计算机软件进行编写，计算机软件可以为MATLAB，本发明实施例不做具体限定。通过灰度处理荧光图像，进一步地提高荧光图像倾斜角度的准确性。
例如，首先利用灰度变化程序将带有颜色的荧光图像转变为单色调的图像，再利用二值化程序黑白化荧光图像，得到以黑色为底，白色样点的荧光图像。
203、当处理过灰度的荧光图像中存在不完整样点时，通过闭运算方式填充所述荧光图像。
对于本发明实施例中填充的荧光图像，以便得到完整的荧光图像，所述荧光图像中存在不完整样点为在灰度处理及二值化处理后的荧光图像中会出现图像样点轮廓不平滑、样点存在孔洞的情况，例如，在进行二值化处理后，荧光图像的底色为黑色，样点为白色，而其中会有一些白色不规则区域，并不是样点，将这样的区域当成样点会降低倾斜角度的确定，所以需要通过闭运算将白色区域填充为黑色。为了减少噪声、得到轮廓平滑的样点、排除无用白色区域，按照形态学运算中的闭运算填充荧光图像。
需要说明的是，闭运算为数学形态学中的一种，是利用将图像先膨胀再腐蚀，从而可以去掉样点轮廓的孔洞，它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。
一般地，为了确保二值化处理后的荧光图像中白色区域不被作为样点计算圆度值，会对所有的灰度处理过的荧光图像运用闭运算进行填充。
204、计算所述荧光图像中各个样点的圆度值。
本步骤与图1所示的步骤103方法相同，在此不再赘述。
205、按照所述荧光图像中样点排列的行形式，通过预设的圆度判断准则判断所述样点的圆度值是否符合圆度条件。
其中，所述按照所述荧光图像中样点排列的行形式是按照行的形式一行行进行判断，所述预设的圆度判断标准为预先设定的用于判断各个行中样点圆度值是否符合圆度条件，所述圆度条件的设定是根据圆度值越接近1时，图形的形状越接近标准圆的原理进行设定的，一般地，可以将圆度条件的值设置为0.8或0.9。通过以行形式进行判断圆度值是否符合圆度条件，实现当其中的一行满足圆度条件时，即可以根据满足圆度条件的样点确定出倾斜角度，避免重复判断其他行，减少资源浪费。
对于本发明实施例，若当前行中通过预设的圆度判断准则判断所述样点的圆度值没有符合圆度条件，则继续判断下一行，直至最后一行。
对于本发明实施例，步骤205具体可以为：逐行判断所述荧光图像的各个样点圆度值是否大于或等于预设圆度阈值。
其中，所述各个样点圆度值为根据样点轮廓进行计算的圆度值，所述预设圆度阈值为预设的接近1的圆度值，可以为0.8或0.9，越接近1，说明样点的轮廓越接近标准圆。通过判断样点圆度值是否大于或等于预设的圆度值，从而找到最接近标准圆的样点。
进一步地，步骤205之后的步骤可以包括：若当前行中多个样点圆度值大于或等于预设圆度阈值，则提取当前行中圆度值最大的样点及圆度值次大的样点为符合圆度条件的样点，并结束判断过程；若当前行中仅存在一个圆度值大于或等于预设圆度阈值的样点，则对当前行的下一行进行继续判断；若各行中均不存在圆度值最大的样点及圆度值次大的样点的圆度值同时大于或等于预设圆度阈值，则选取全部行中圆度值最大的样点所在行中的圆度值最大的样点及所述行中圆度值次大的样点作为符合圆度条件的样点。
其中，所述圆度值最大的样点及所述圆度值次大的样点是通过对样点的圆度值进行排序得到的，对样点圆度值的排序包括以行为单位的排列，还包括对全部行中的样点圆度值进行排列，所述当前行为荧光图像中所有样点行中任意一行，且为正在判断样点圆度值的行，所述多个样点圆度值大于或等于预设圆度阈值为2个或2个以上圆度值大于或等于预设圆度阈值的样点，具体需要提取哪个样点是根据当前行中大于或等于预设圆度阈值的样点个数决定的。
需要说明的是，所述结束判断过程是指当前行中存在2个或2个以上样点圆度值大于或等于预设圆度阈值的，不再继续向下一行进行判断，无论待判断的行中是否还出现大于或等于预设圆度阈值的样点，若每一行中都没有样点圆度值大于或等于预设圆度阈值，则将所有行中的样点圆度值进行排序，找到最大值与次大值的样点。
通过判断每行中样点圆度值是否大于或等于预设阈值，来选择不同方式进行确定符合圆度条件的样点，从而准确找到可以确定倾斜角度的样点。
206、若符合圆度条件，则提取符合圆度条件样点的质心坐标。
其中，所述样点的质心坐标为以样点轮廓圆的中点，且提取符合圆度条件的样点为2个，以便根据2个样点的质心坐标求得斜率。
207、根据符合圆度条件样点的质心坐标计算参照斜率。
其中，根据两点之间可以得到唯一的直线，这条直线存在唯一的斜率，计算两个样点质心坐标之间的参照斜率，按照数学运算中计算斜率的方式计算两个质心坐标之间的斜率。
例如，符合圆度条件的两个样点在第二行中，则提取这两个样点轮廓圆对应的质心坐标，并根据两点的质心坐标计算得到一个直线斜率，将这个斜率作为参照斜率。通过计算参照斜率，进一步地准确求得以样点为参照的斜率。
208、将所述参照斜率确定为所述荧光图像的倾斜角度，并进行校正。
其中，所述荧光图像的倾斜角度的参照坐标零点可以根据待校正的方向进行设定，一般地，可以以水平方向为零度，直接将参照斜率的度数作为荧光图像的倾斜角度，所述校正可以为机械结合手动校正，也可以为利用自动校正算法进行校正，本发明实施例不做具体限定，通过将参照斜率作为倾斜角度，并进行校正，实现生物芯片在出现倾斜时的快速校正，提高对生物芯片进行获取时的效率。
对于本发明实施例，具体的应用场景可以如下所示，但不限于此，包括：利用CCD相机拍摄得到生物芯片的荧光图像，通过灰度变换程序及二值化程序处理荧光图像，得到如图3所示的荧光图像，为了确保灰度处理后的荧光图像的完整性，对灰度处理过的荧光图像利用闭运算方式进行填充，得到样点轮廓平滑、完整的荧光图像，计算所有样点的圆度值，逐行判断样点的圆度值是否大于或等于预设的圆度阈值0.8，若第一行中2个样点的圆度值分别为0.8、0.9，则将这两个样点确定为符合圆度条件的样点，结束判断其他行圆度值的判断，提取这两个样点的质心坐标，并计算出参照斜率，将参照斜率作为荧光图像清晰的斜率，并进行校正，如图4所示。
本发明实施例提供的另一种生物芯片荧光图像倾斜角度的确定方法，本发明实施例通过对获取到的荧光图像进行灰度及二值化处理，然后利用闭运算方式填充荧光图像的样点轮廓，通过计算样点的圆度值，逐行判断样点的圆度值是否大于或等于预设的圆度阈值，若一行中有2个大于或等于预设阈值则将这两个确定为待计算斜率的样点，并结束判断，若每行中存在一个或没有大于或等于预设圆度阈值的样点，则通过排序对比得到最大与次大圆度阈值的样点，根据2个样点得到斜率，最终进行校正，避免倾斜角度的粗略计算导致校正精度较差，实现在自动快速地确定大量的荧光图像的倾斜角度，减少计算所消耗的时间，从而提高确定倾斜角度的效率，增加校正的效率。
进一步地，作为图1所示方法的具体实现，本发明实施例提供一种生物芯片荧光图像倾斜角度的确定装置，如图5所示，所述装置可以包括：获取单元31、处理单元32、筛选单元33、确定单元34。
获取单元31，用于获取生物芯片的荧光图像；所述获取单元31为一种生物芯片荧光图像倾斜角度的确定装置执行获取生物芯片的荧光图像的功能模块。
处理单元32，用于根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；所述处理单元32为一种生物芯片荧光图像倾斜角度的确定装置执行根据预处理方法处理所述荧光图像的功能模块。
筛选单元33，用于计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；所述筛选单元33为一种生物芯片荧光图像倾斜角度的确定装置执行计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点的功能模块。
确定单元34，用于根据筛选后的样点确定所述荧光图像的倾斜角度；所述确定单元34为一种生物芯片荧光图像倾斜角度的确定装置执行根据筛选后的样点确定所述荧光图像的倾斜角度的功能模块。
该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供的一种生物芯片荧光图像倾斜角度的确定装置，与现有通过获取图像倾斜角度的方法是通过计算投影角度或功率谱估计相比，本发明实施例通过预处理不完整的荧光图像，得到填充完整的荧光图像，并计算荧光图像中所有样点的圆度值，按照圆度判断准备筛选出符合圆度条件的样点，根据筛选后的样点确定荧光图像的倾斜角度，实现在短时间内可以确定大量的荧光图像的倾斜角度，减少计算所消耗的时间，从而提高确定倾斜角度的效率，增加校正的效率。
进一步地，作为图2所示方法的具体实现，本发明实施例提供另一种生物芯片荧光图像倾斜角度的确定装置，如图6所示，所述装置可以包括：获取单元41、处理单元42、筛选单元43、确定单元44。
获取单元41，用于获取生物芯片的荧光图像；
处理单元42，用于根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；
筛选单元43，用于计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；
确定单元44，用于根据筛选后的样点确定所述荧光图像的倾斜角度。
具体地，为了确保二值化处理后的荧光图像中白色区域不被作为样点计算圆度值，所述处理单元42包括：
处理模块4201，用于通过用于处理图像灰度的程序，处理所述荧光图像；
填充模块4202，用于当处理过灰度的荧光图像中存在不完整样点时，通过闭运算方式填充所述荧光图像。
具体地，为了进一步地避免重复判断其他行，减少资源浪费，所述筛选单元43包括：
第一判断模块4301，用于按照所述荧光图像中样点排列的行形式，通过预设的圆度判断准则判断所述样点的圆度值是否符合圆度条件；
第一提取模块4302，用于若符合圆度条件，则提取符合圆度条件样点的质心坐标。
具体地，为了找到最接近标准圆的样点，所述筛选单元43还包括：第二提取模块4303，第二判断模块4304，选取模块4305，
所述第一判断模块4301，具体用于逐行判断所述荧光图像的各个样点圆度值是否大于或等于预设圆度阈值；
所述第二提取模块4303，用于若当前行中多个样点圆度值大于或等于预设圆度阈值，则提取当前行中圆度值最大的样点及圆度值次大的样点为符合圆度条件的样点，并结束判断过程，所述圆度值最大的样点及所述圆度值次大的样点是通过对样点的圆度值进行排序得到的；
所述第二判断模块4304，用于若当前行中仅存在一个圆度值大于或等于预设圆度阈值的样点，则对当前行的下一行进行继续判断；
所述选取模块4305，用于若各行中均不存在圆度值最大的样点及圆度值次大的样点的圆度值同时大于或等于预设圆度阈值，则选取全部行中圆度值最大的样点所在行中的圆度值最大的样点及所述行中圆度值次大的样点作为符合圆度条件的样点。
具体地，为了计算参照斜率，进一步地准确求得以样点为参照的斜率，所述确定单元44包括：
计算模块4401，用于根据符合圆度条件样点的质心坐标计算参照斜率；
确定模块4402，用于将所述参照斜率确定为所述荧光图像的倾斜角度，并进行校正。
该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。
本发明实施例提供的另一种生物芯片荧光图像倾斜角度的确定装置，本发明实施例通过对获取到的荧光图像进行灰度及二值化处理，然后利用闭运算方式填充荧光图像的样点轮廓，通过计算样点的圆度值，逐行判断样点的圆度值是否大于或等于预设的圆度阈值，若一行中有2个大于或等于预设阈值则将这两个确定为待计算斜率的样点，并结束判断，若每行中存在一个或没有大于或等于预设圆度阈值的样点，则通过排序对比得到最大与次大圆度阈值的样点，根据2个样点得到斜率，最终进行校正，避免倾斜角度的粗略计算导致校正精度较差，实现在自动快速地确定大量的荧光图像的倾斜角度，减少计算所消耗的时间，从而提高确定倾斜角度的效率，增加校正的效率。
所述生物芯片荧光图像倾斜角度的确定装置包括处理器和存储器，上述获取单元、处理单元、筛选单元和确定单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有的获取图像倾斜角度的方法是通过计算投影角度或功率谱估计，巨大的计算量导致图像倾斜角度的确认效率较低，从而影响图像校正的速度的问题。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)，存储器包括至少一个存储芯片。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序代码：获取生物芯片的荧光图像；根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；根据筛选后的样点确定所述荧光图像的倾斜角度。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种生物芯片荧光图像倾斜角度的确定方法，其特征在于，包括：
获取生物芯片的荧光图像；
根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；
计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；
根据筛选后的样点确定所述荧光图像的倾斜角度；
所述根据预处理方法处理所述荧光图像包括：
通过用于处理图像灰度的程序，处理所述荧光图像；
当处理过灰度的荧光图像中存在不完整样点时，通过闭运算方式填充所述荧光图像；
所述根据筛选后的样点确定所述荧光图像的倾斜角度包括：
根据符合圆度条件样点的质心坐标计算参照斜率；
将所述参照斜率确定为所述荧光图像的倾斜角度，并进行校正。
2.根据权利要求1所述的方法，其特征在于，所述根据预设的圆度判断准则筛选出符合圆度条件的样点包括：
按照所述荧光图像中样点排列的行形式，通过预设的圆度判断准则判断所述样点的圆度值是否符合圆度条件；
若符合圆度条件，则提取符合圆度条件样点的质心坐标。
3.根据权利要求2所述的方法，其特征在于，所述按照所述荧光图像中样点排列的行形式，通过预设的圆度判断准则判断所述样点的圆度值是否符合圆度条件包括：
逐行判断所述荧光图像的各个样点圆度值是否大于或等于预设圆度阈值；
所述逐行判断所述荧光图像的各个样点圆度值是否大于或等于预设圆度阈值之后，还包括：
若当前行中多个样点圆度值大于或等于预设圆度阈值，则提取当前行中圆度值最大的样点及圆度值次大的样点为符合圆度条件的样点，并结束判断过程，所述圆度值最大的样点及所述圆度值次大的样点是通过对样点的圆度值进行排序得到的；
若当前行中仅存在一个圆度值大于或等于预设圆度阈值的样点，则对当前行的下一行进行继续判断；
若各行中均不存在圆度值最大的样点及圆度值次大的样点的圆度值同时大于或等于预设圆度阈值，则选取全部行中圆度值最大的样点所在行中的圆度值最大的样点及所述行中圆度值次大的样点作为符合圆度条件的样点。
4.一种生物芯片荧光图像倾斜角度的确定装置，其特征在于，包括：
获取单元，用于获取生物芯片的荧光图像；
处理单元，用于根据预处理方法处理所述荧光图像，所述预处理方法用于将不完整的荧光图像填充为完整的荧光图像；
筛选单元，用于计算所述荧光图像中各个样点的圆度值，根据预设的圆度判断准则筛选出符合圆度条件的样点，所述圆度值为衡量样点对应的形状是否为标准圆的数值；
确定单元，用于根据筛选后的样点确定所述荧光图像的倾斜角度；
所述处理单元包括：
处理模块，用于通过用于处理图像灰度的程序，处理所述荧光图像；
填充模块，用于当处理过灰度的荧光图像中存在不完整样点时，通过闭运算方式填充所述荧光图像；
所述确定单元包括：
计算模块，用于根据符合圆度条件样点的质心坐标计算参照斜率；
确定模块，用于将所述参照斜率确定为所述荧光图像的倾斜角度，并进行校正。
5.根据权利要求4所述的装置，其特征在于，所述筛选单元包括：
第一判断模块，用于按照所述荧光图像中样点排列的行形式，通过预设的圆度判断准则判断所述样点的圆度值是否符合圆度条件；
第一提取模块，用于若符合圆度条件，则提取符合圆度条件样点的质心坐标。
6.根据权利要求5所述的装置，其特征在于，所述筛选单元还包括：第二提取模块，第二判断模块，选取模块，
所述第一判断模块，具体用于逐行判断所述荧光图像的各个样点圆度值是否大于或等于预设圆度阈值；
所述第二提取模块，用于若当前行中多个样点圆度值大于或等于预设圆度阈值，则提取当前行中圆度值最大的样点及圆度值次大的样点为符合圆度条件的样点，并结束判断过程，所述圆度值最大的样点及所述圆度值次大的样点是通过对样点的圆度值进行排序得到的；
所述第二判断模块，用于若当前行中仅存在一个圆度值大于或等于预设圆度阈值的样点，则对当前行的下一行进行继续判断；
所述选取模块，用于若各行中均不存在圆度值最大的样点及圆度值次大的样点的圆度值同时大于或等于预设圆度阈值，则选取全部行中圆度值最大的样点所在行中的圆度值最大的样点及所述行中圆度值次大的样点作为符合圆度条件的样点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710413734.6A CN107274349B (zh) | 2017-06-05 | 2017-06-05 | 生物芯片荧光图像倾斜角度的确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710413734.6A CN107274349B (zh) | 2017-06-05 | 2017-06-05 | 生物芯片荧光图像倾斜角度的确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107274349A CN107274349A (zh) | 2017-10-20 |
| CN107274349B true CN107274349B (zh) | 2021-03-09 |
Family
ID=60065830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710413734.6A Active CN107274349B (zh) | 2017-06-05 | 2017-06-05 | 生物芯片荧光图像倾斜角度的确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107274349B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230230229A1 (en) * | 2021-02-23 | 2023-07-20 | Boe Technology Group Co., Ltd. | Method and apparatus for analyzing biochip image, computer device, and storage medium |
| CN113450336B (zh) * | 2021-07-01 | 2022-10-25 | 维柯基科技(上海)有限公司 | 一种多孔荧光微阵列图像的处理方法、装置、计算机设备及计算机可读存储介质 |
| CN114612474B (zh) * | 2022-05-11 | 2023-12-19 | 杭州众硅电子科技有限公司 | 一种晶圆清洁干燥模组状态检测方法、装置及平坦化设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003030620A2 (en) * | 2001-10-12 | 2003-04-17 | Vysis, Inc. | Imaging microarrays |
| WO2003038754A1 (en) * | 2001-11-01 | 2003-05-08 | Diachip Co., Ltd. | Method for analyzing image of biochip |
| CN101726477A (zh) * | 2008-10-20 | 2010-06-09 | 三星电子株式会社 | 用于生物芯片的光学检测装置 |
| CN101777118A (zh) * | 2010-03-16 | 2010-07-14 | 刘国传 | 一种基于参数化变形模板的生物芯片图像样点自动识别方法 |
| CN101839688A (zh) * | 2009-08-21 | 2010-09-22 | 上海铭源数康生物芯片有限公司 | 基于机器视觉的生物芯片点样过程实时检测系统及分析方法 |
| CN103236065A (zh) * | 2013-05-09 | 2013-08-07 | 中南大学 | 基于主动轮廓模型和细胞神经网络的生物芯片分析方法 |
-
2017
- 2017-06-05 CN CN201710413734.6A patent/CN107274349B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2003030620A2 (en) * | 2001-10-12 | 2003-04-17 | Vysis, Inc. | Imaging microarrays |
| WO2003038754A1 (en) * | 2001-11-01 | 2003-05-08 | Diachip Co., Ltd. | Method for analyzing image of biochip |
| CN101726477A (zh) * | 2008-10-20 | 2010-06-09 | 三星电子株式会社 | 用于生物芯片的光学检测装置 |
| CN101839688A (zh) * | 2009-08-21 | 2010-09-22 | 上海铭源数康生物芯片有限公司 | 基于机器视觉的生物芯片点样过程实时检测系统及分析方法 |
| CN101777118A (zh) * | 2010-03-16 | 2010-07-14 | 刘国传 | 一种基于参数化变形模板的生物芯片图像样点自动识别方法 |
| CN103236065A (zh) * | 2013-05-09 | 2013-08-07 | 中南大学 | 基于主动轮廓模型和细胞神经网络的生物芯片分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| "An Automatic and Power Spectra-based Rotate Correcting Algorithm for Microarray Image";Ning Deng, Huilong Duan;《IEEE》;20050930;第898-901页 * |
| "基于回归分析的基因芯片图像倾斜校正方法";马帅营;《大连民族学院学报》;20100131;第12卷(第1期);第65-67页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107274349A (zh) | 2017-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107918931B (zh) | 图像处理方法及系统及计算机可读存储介质 | |
| CN112823352B (zh) | 碱基识别方法、系统和测序系统 | |
| CN107274349B (zh) | 生物芯片荧光图像倾斜角度的确定方法及装置 | |
| US11847766B2 (en) | Method and device for detecting bright spots on image, and computer program product | |
| US20070206858A1 (en) | Method and system for object recognition using fractal maps | |
| CN112289377B (zh) | 检测图像上的亮斑的方法、装置和计算机程序产品 | |
| CN114910480A (zh) | 一种基于机器视觉的晶圆表面缺陷检测方法 | |
| CN112204615A (zh) | 荧光图像配准方法、基因测序仪及系统、存储介质 | |
| KR20200014438A (ko) | 대상체의 외부의 검사를 최적화하기 위한 장치 및 그 방법 | |
| CN114187289B (zh) | 一种基于计算机视觉的塑料制品缩坑检测方法及系统 | |
| CN116503388B (zh) | 缺陷检测方法、装置及存储介质 | |
| CN110991437B (zh) | 字符识别方法及其装置、字符识别模型的训练方法及其装置 | |
| WO2020037572A1 (zh) | 检测图像上的亮斑的方法和装置、图像配准方法和装置 | |
| US7062079B2 (en) | Method and system for image segmentation | |
| US12008775B2 (en) | Method and device for image registration, and computer program product | |
| US7551762B2 (en) | Method and system for automatic vision inspection and classification of microarray slides | |
| CN112289381B (zh) | 基于图像构建测序模板的方法、装置和计算机产品 | |
| JP2020155128A (ja) | シンボルを評価するためのシステムおよび方法 | |
| CN112634248B (zh) | 颗粒状原料粒度测量系统及方法、电子设备及存储介质 | |
| CN117433966A (zh) | 一种粉磨颗粒粒径非接触测量方法及系统 | |
| CN110031471B (zh) | 大口径光学元件表面缺陷增长分析方法、系统、装置 | |
| CN112288781B (zh) | 图像配准方法、装置和计算机程序产品 | |
| WO2020037571A1 (zh) | 基于图像构建测序模板的方法、装置和计算机程序产品 | |
| US11170506B2 (en) | Method for constructing sequencing template based on image, and base recognition method and device | |
| CN112285070B (zh) | 检测图像上的亮斑的方法和装置、图像配准方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |