CN107301639A - 利用数字图像技术改善色度检测线性范围的方法以及装置 - Google Patents

利用数字图像技术改善色度检测线性范围的方法以及装置 Download PDF

Info

Publication number
CN107301639A
CN107301639A CN201710408590.5A CN201710408590A CN107301639A CN 107301639 A CN107301639 A CN 107301639A CN 201710408590 A CN201710408590 A CN 201710408590A CN 107301639 A CN107301639 A CN 107301639A
Authority
CN
China
Prior art keywords
color
space
color channel
formula
nonlinear
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
Application number
CN201710408590.5A
Other languages
English (en)
Other versions
CN107301639B (zh
Inventor
陈铖
张冠斌
刘鹏
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201710408590.5A priority Critical patent/CN107301639B/zh
Publication of CN107301639A publication Critical patent/CN107301639A/zh
Application granted granted Critical
Publication of CN107301639B publication Critical patent/CN107301639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G01N21/251—Colorimeters; Construction thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Chemical & Material Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种利用数字图像技术改善色度检测线性范围的方法以及装置。其中方法包括：选定第一类颜色空间，并提取待测反应的图像在第一类颜色空间下的各个颜色通道的颜色特征值；确定待测反应在当前反应物浓度区域的最敏感颜色通道，并根据最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式；将目标类色度空间公式与当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线；根据浓度梯度测试结果，找出定标曲线中的非线性拐点；在非线性拐点后重新选定第二类颜色空间，并提取非线性拐点后所对应的待测反应的图像在第二类颜色空间下的各个颜色通道的颜色特征值，并重复执行上述步骤直至定标曲线满足目标需求。

Description

利用数字图像技术改善色度检测线性范围的方法以及装置
技术领域
本发明涉及生物检测领域，尤其涉及一种利用数字图像技术改善色度检测线性范围的方法以及装置。
背景技术
随着感光元件(如CCD(Charge-coupled Device，电荷耦合元件)、CMOS(Complementary Metal Oxide Semiconductor，互补金属氧化物半导体))应用的普及，在生物检测领域也开始出现大量使用图像采集方式进行检验分析的设备，例如，针对胶体金免疫层析诊断试剂的分析仪器等。
在实际测试前，需要检测一系列已知浓度的标准样品，得到待测样本浓度(即待测反应生成的颜色深浅)与检测系统读数之间的对应关系，建立该关系的过程可称为定标，该关系由定标曲线进行表示，定标曲线的线性范围代表了该系统能够准确检测的样品浓度范围。
相关技术中，使用图像采集对生物反应后的颜色进行分析的方法一般分为以下两步：第一步对获取的各个不同线性样本点的图像信息进行特征提取，得到特征值，例如，获得待测颜色区域的R、G、B或C、M、Y、K等信息作为特征值；第二步设定类色度空间公式，如：X＝K1R+K2G+K3B，选择参数K1、K2、K3，以获得待测颜色最准确的表达。其中，针对上述第二步处理方式可以严格筛选K1、K2、K3这3个参数，但是，这样会需要大量的数据和一定的算法支持才能有效地找到最合适的参数，导致人力、物力成本较高。
发明内容
本发明的目的旨在至少在一定程度上解决上述的技术问题之一。
为此，本发明的第一个目的在于提出一种利用数字图像技术改善色度检测线性范围的方法。该方法可以在不增加人力、物理成本的情况下，提高了测试线性范围。
本发明的第二个目的在于提出一种利用数字图像技术改善色度检测线性范围的装置。
为达到上述目的，本发明第一方面实施例提出的利用数字图像技术改善色度检测线性范围的方法，包括：S1，通过图像采集系统获取待测反应的图像；S2，选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值；S3，从所述各个颜色通道中确定所述待测反应在当前反应物浓度区域的最敏感颜色通道，并根据所述最敏感颜色通道以及所述各个颜色通道的颜色特征值设定目标类色度空间公式；S4，将所述目标类色度空间公式与所述当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线；S5，根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点；S6，在所述非线性拐点后重新选定第二类颜色空间，并提取所述非线性拐点后所对应的待测反应的图像在所述第二类颜色空间下的各个颜色通道的颜色特征值，并重复执行所述步骤S3至S6，直至定标曲线满足目标需求。
根据本发明实施例的利用数字图像技术改善色度检测线性范围的方法，可通过图像采集系统获取待测反应的图像，选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值，之后，可从各个颜色通道中确定待测反应在当前反应物浓度区域的最敏感颜色通道，并根据该最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式，并将目标类色度空间公式与当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线，然后，根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点，并在该非线性拐点后重新设定一个目标类色度空间公式，并使用该新的目标类色度空间公式与非线性拐点后的已知反应物浓度进行线性拟合，得到新的定标曲线，依次循环，直至得到的最新定标曲线满足了目标需求，由此实现了在不增加人力、物理成本的情况下，提高了测试线性范围。
为达到上述目的，本发明第二方面实施例提出的利用数字图像技术改善色度检测线性范围的装置，包括：图像获取模块，用于通过图像采集系统获取待测反应的图像；提取模块，用于选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值；确定模块，用于从所述各个颜色通道中确定所述待测反应在当前反应物浓度区域的最敏感颜色通道；公式生成模块，用于根据所述最敏感颜色通道以及所述各个颜色通道的颜色特征值设定目标类色度空间公式；线性拟合模块，用于将所述目标类色度空间公式与所述当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线；非线性拐点获取模块，用于根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点；其中，所述提取模块还用于在所述非线性拐点后重新选定第二类颜色空间，并提取所述非线性拐点后所对应的待测反应的图像在所述第二类颜色空间下的各个颜色通道的颜色特征值；控制模块，用于控制重复执行所述确定模块、所述公式生成模块、所述线性拟合模块、所述非线性拐点获取模块和所述提取模块的步骤，直至定标曲线满足目标需求。
根据本发明实施例的利用数字图像技术改善色度检测线性范围的装置，可通过图像采集系统获取待测反应的图像，选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值，之后，可从各个颜色通道中确定待测反应在当前反应物浓度区域的最敏感颜色通道，并根据该最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式，并将目标类色度空间公式与当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线，然后，根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点，并在该非线性拐点后重新设定一个目标类色度空间公式，并使用该新的目标类色度空间公式与非线性拐点后的已知反应物浓度进行线性拟合，得到新的定标曲线，依次循环，直至得到的最新定标曲线满足了目标需求，由此实现了在不增加人力、物理成本的情况下，提高了测试线性范围。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1是根据本发明一个实施例的利用数字图像技术改善色度检测线性范围的方法的流程图；
图2是仅使用单一CMYK-M通道生成的定标曲线的示例图；
图3是根据本发明实施例的方法使用CMYK-M/CMYK-Y通道生成的目标类色度空间公式1所对应的定标曲线的示例图；
图4是根据本发明实施例的方法使用CMYK-M/CMYK-Y通道生成的目标类色度空间公式2所对应的定标曲线的示例图；
图5是根据本发明实施例的方法使用Lab-a/CMYK-Y通道生成的目标类色度空间公式1所对应的定标曲线的示例图；
图6是根据本发明实施例的方法使用Lab-a/CMYK-Y通道生成的目标类色度空间公式2所对应的定标曲线的示例图；
图7是根据本发明一个实施例的利用数字图像技术改善色度检测线性范围的装置的结构示意图；
图8是根据本发明一个实施例的公式生成模块的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的利用数字图像技术改善色度检测线性范围的方法以及装置。
图1是根据本发明一个实施例的利用数字图像技术改善色度检测线性范围的方法的流程图。如图1所示，该利用数字图像技术改善色度检测线性范围的方法可以包括：
S110，通过图像采集系统获取待测反应的图像。
具体地，可通过图像采集系统对不同梯度浓度的待测反应完成后的结果进行拍摄，以得到不同梯度浓度的待测反应完成后的结果所对应的图像。其中，该图像采集系统可理解为具有拍摄功能的设备，例如，具有拍摄功能的移动终端(如手机、平板电脑等)、PC(Personal Computer，人计算机)机、数码相机、单反相机等。
S120，选定第一类颜色空间，并提取图像在第一类颜色空间下的各个颜色通道的颜色特征值。
可以理解，上述第一类颜色空间可以有很多种，例如，上述第一类颜色空间可以是RGB颜色空间、CMYK颜色空间、HSV颜色空间、HSI颜色空间和Lab颜色空间等。
在本步骤中，在获得待测反应的图像之后，可选定一个颜色空间(即上述的第一类颜色空间)以将所述图像调整到该颜色空间，之后，可提取各个颜色通道的颜色特征值。例如，以CMYK颜色空间为例，可将所述待测反应的图像调整到该CMYK颜色空间，并，提取各个颜色通道的颜色特征值C、M、Y、K。
S130，从各个颜色通道中确定待测反应在当前反应物浓度区域的最敏感颜色通道，并根据最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式。
具体地，可从各个颜色通道中找出待测反应在当前反应物浓度区域的最敏感颜色通道，其中，该最敏感颜色通道可理解为对当前反应物浓度所反映的颜色深浅最为敏感的通道，之后，可根据该最敏感颜色通道和上述各个颜色通道的颜色特征值设定目标类色度空间公式。
在本发明的实施例中，上述根据最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式的具体实现过程可如下：可先根据各个颜色通道的颜色特征值设定预设的标准类色度空间公式，之后，可将标准类色度空间公式中与最敏感颜色通道对应的权重设定为第一权重值，并将标准类色度空间公式中与其他颜色通道对应的权重设定为第二权重值，形成目标类色度空间公式，其中，其他颜色通道为各个颜色通道中除最敏感颜色通道之外的颜色通道。
需要说明的是，颜色空间的不同，则该颜色空间下的标准类色度空间公式也会不同。作为一种示例，以CMYK颜色空间为例，该颜色空间下的标准类色度空间公式可为：X＝K1C+K2M+K3Y+K4K。其中，X为像素值，C为青色颜色通道，M为品红色颜色通道，Y为黄色颜色通道，K为定位套版色(即黑色)颜色通道。
也就是说，在确定待测反应在当前反应物浓度区域的最敏感颜色通道之后，可先根据各个颜色通道的颜色特征值确定该颜色空间下的标准类色度空间公式，之后，可将该标准类色度空间公式中与最敏感颜色通道对应的权重设定为第一权重值，并将标准类色度空间公式中与其他颜色通道对应的权重设定为第二权重值，以得到目标类色度空间公式。
作为一种示例，上述第一权重值为1，第二权重值为0。也就是说，可将标准类色度空间公式中与最敏感颜色通道对应的权重设定为1，并将其他颜色通道对应的权重设定为0。
举例而言，假设第一类颜色空间为CMYK颜色空间，从C、M、Y、K颜色通道中确定待测反应在当前反应物浓度区域的最敏感颜色通道为M通道，Y通道次之。这样，可确定在该CMYK颜色空间下的标准类色度空间公式为：X＝K1C+K2M+K3Y+K4K，之后，可根据最敏感颜色通道(即M通道)，将该标准类色度空间中与M通道对应的权重设定为1，并将与其他颜色通道对应的权重设定为0，即K1＝0、K2＝1、K3＝0、K4＝0，最终得到该CMYK颜色空间下的目标类色度空间公式：X＝K2M。
S140，将目标类色度空间公式与当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线。
其中，上述目标反应物浓度值可为当前反应物浓度区域内的已知反应物浓度值。在本步骤中，在得到当前颜色空间下的目标类色度空间公式之后，可将所述目标类色度空间公式与当前反应物浓度区域内的已知反应物浓度值进行线性拟合，以得到定标曲线。
S150，根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点。
可以理解，本发明是对不同梯度浓度的待测反应完成后的结果进行拍照，并对拍照得到的图像进行处理以得到定标曲线，而定标曲线的线性范围代表了检测系统能够准确检测的样品浓度范围。
为此，为了能够改善色度检测线性范围，在本步骤中，在得到所述定标曲线之后，可根据浓度梯度测试结果找到所述定标曲线中的非线性拐点。其中，上述定标曲线中的非线性拐点可理解为将所述定标曲线中开始表现出非线性状态的点作为所述非线性拐点。
S160，在非线性拐点后重新选定第二类颜色空间，并提取非线性拐点后所对应的待测反应的图像在第二类颜色空间下的各个颜色通道的颜色特征值，并重复执行步骤S130至S160，直至定标曲线满足目标需求。
具体地，在找到所述定标曲线中的非线性拐点之后，可重新选定一个颜色空间(即上述第二类颜色空间)，并提取所述非线性拐点后所对应的待测反应的图像在该第二类颜色空间下的各个颜色通道的颜色特征值，并重复执行步骤S130至S160，直至得到的定标曲线满足了目标需求。其中，所述目标需求可以由检测系统按照实际需求来决定的，即所述目标需求可以由检测系统按照检测线性范围的实际需求来决定的。也就是说，如果需求进一步提高检测线性范围，则可以多选择几个浓度拐点，并分别在每个拐点处设定新的类色度空间公式，找到新的最敏感颜色通道，并设定相应的权重，得到新的定标曲线。
可以理解，反应物浓度在所述非线性拐点前，并通过目标类色度空间公式进行阈值判定时，可使用所述非线性拐点前得到的定标曲线进行浓度换算，反应物浓度在拐点后、且通过目标类色度空间公式进行阈值判定时，可使用所述非线性拐点后得到的定标曲线进行浓度换算。由此，通过所述非线性拐点前得到的目标类色度空间公式和所述非线性拐点后得到的目标类色度空间公式对反应物不同浓度区域的结合判定，从而可以达到提高检测线性范围的目的。
需要说明的是，本发明实施例的利用数字图像技术改善色度检测线性范围的方法，可适用于CCD、CMOS或其他数字图像采集技术型的，胶体金免疫层析诊断试纸定量分析系统、干化学诊断试纸定量分析系统及显色法的微流体芯片型定量检测分析系统。
还需要说明的是，在本发明的实施例中，上述第一类颜色空间可与第二类颜色空间不一致，或者，上述第一类颜色空间与第二类颜色空间相同。也就是说，上述第一类颜色空间可与第二类颜色空间可以是属于同一种颜色空间，也可以是不同种类的颜色空间。
下面结合总胆固醇(TC)检测系统对本发明实施例的利用数字图像技术改善色度检测线性范围的方法的具体实施方式作详细说明。
首先介绍该实验所使用的总胆固醇(TC)检测试剂的反应原理如下：
采用胆固醇酯酶水解酶将胆固醇脂水解成游离胆固醇，所述游离胆固醇被胆固醇氧化酶氧化成胆甾烯酮并产生过氧化氢，过氧化氢再经过氧化物酶、4-氨基安替吡啉与3,5-二氯-2-羟基苯磺酸钠反应，生成红色化合物。该红色化合物的颜色深浅与样本中总胆固醇的含量成正比，使用线性拟合的标准曲线可以计算出样本中总胆固醇的浓度。
也就是说，用胆固醇酯酶水解酶(COE)将胆固醇脂(即血清中的胆固醇约1/3为游离胆固醇，2/3为与脂肪酸结合的胆固醇脂)水解成游离胆固醇，游离胆固醇被胆固醇氧化酶(COD)氧化成胆甾烯酮并产生过氧化氢(H2O2)，H2O2再经过氧化物酶(POD)、4-氨基安替吡啉(4-AAP)与3,5-二氯-2-羟基苯磺酸钠(DHBS)反应，生成红色化合物。其中，反应式如下：
示例一：
可通过手机对不同梯度浓度的TC反应完成后的结果进行拍照，获得相应的图像。之后，可将图像调整至CMYK色度空间，提取各个色度通道的颜色特征值C、M、Y、K，并通过如下面表1中的数据分析可知M通道对TC浓度所反映的红色深浅最敏感，Y通道次之，所以先使用M通道进行线性拟合分析，即设定目标类色度空间公式1：X1＝K1C+K2M+K3Y+K4K，其中，K1＝0、K2＝1、K3＝0、K4＝0。由结果发现M通道在TC浓度达到7mmol/L左右时线性相关程度严重下降，例如，如图2所示，为仅使用单一CMYK-M通道生成的曲线，其中，所述曲线的公式为y＝5.5913x+30.516，x为TC样本浓度，y为与TC样本浓度对应的CMKY-M值，R2为拟合曲线的相关系数，可见，如图2所示的曲线中M通道在TC浓度达到7mmol/L左右时线性相关程度严重下降，所以，可确定该TC浓度为7mmol/L为非线性拐点，此时，可在非线性拐点7mmol/L后的浓度使用相同的颜色空间(即CMYK颜色空间)，并使用仅次于最敏感颜色通道的Y通道进行线性拟合，设定此时的目标类色度空间公2：X2＝K1C+K2M+K3Y+K4K其中，K1＝0、K2＝0、K3＝1、K4＝0。例如，如图3所示，为根据本发明实施例的方法使用CMYK-M/CMYK-Y通道生成的目标类色度空间公式1所对应的定标曲线的示例图，其中，所述定标曲线的公式为y＝8.2608x+18.451，x为TC样本浓度，y为与TC样本浓度对应的CMYK-M值，R2为拟合曲线的相关系数，如图4所示，为根据本发明实施例的方法使用CMYK-M/CMYK-Y通道生成的目标类色度空间公式2所对应的定标曲线的示例图，其中，所述定标曲线的公式为y＝1.3996x+80.791，x为TC样本浓度，y为与TC样本浓度对应的CMYK-Y值，R2为拟合曲线的相关系数。由此可见，图4所示的定标曲线能够将整体检测线性提升至10mmol/L左右。
表1
示例二：
可通过手机对不同梯度浓度的TC反应完成后的结果进行拍照，获得相应的图像。之后，可将图像调整至Lab颜色空间，提取各个色度通道的颜色特征值L、a、b，并通过如下面表2中的数据分析可知a通道对TC浓度所反映的红色深浅最敏感，所以先使用a通道进行线性拟合分析，即设定目标类色度空间公式1：X1＝K1L+K2a+K3b，其中，K1＝0、K2＝1、K3＝0。由结果发现a通道在TC浓度达到7mmol/L左右时线性相关程度严重下降，所以，可确定该TC浓度为7mmol/L为非线性拐点，此时，可在非线性拐点7mmol/L后的浓度使用不同种类的颜色空间(如使用CMYK颜色空间)，并使用当前的最敏感颜色通道(即Y通道)进行线性拟合，设定此时的目标类色度空间公2：X2＝K1C+K2M+K3Y+K4K其中，K1＝0、K2＝0、K3＝1、K4＝0。例如，如图5所示，为根据本发明实施例的方法使用Lab-a/CMYK-Y通道生成的目标类色度空间公式1所对应的定标曲线的示例图，其中，所述定标曲线的公式为y＝8.5715x+2.7952，x为TC样本浓度，y为与TC样本浓度对应的Lab-a值，R2为拟合曲线的相关系数，如图6所示，为根据本发明实施例的方法使用Lab-a/CMYK-Y通道生成的目标类色度空间公式2所对应的定标曲线的示例图，其中，所述定标曲线的公式为y＝1.3996x+80.791，x为TC样本浓度，y为与TC样本浓度对应的CMYK-Y值，R2为拟合曲线的相关系数。
表2
根据本发明实施例的利用数字图像技术改善色度检测线性范围的方法，可通过图像采集系统获取待测反应的图像，选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值，之后，可从各个颜色通道中确定待测反应在当前反应物浓度区域的最敏感颜色通道，并根据该最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式，并将目标类色度空间公式与当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线，然后，根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点，并在该非线性拐点后重新设定一个目标类色度空间公式，并使用该新的目标类色度空间公式与非线性拐点后的已知反应物浓度进行线性拟合，得到新的定标曲线，依次循环，直至得到的最新定标曲线满足了目标需求，由此实现了在不增加人力、物理成本的情况下，提高了测试线性范围。
与上述几种实施例提供的利用数字图像技术改善色度检测线性范围的方法相对应，本发明的一种实施例还提供一种利用数字图像技术改善色度检测线性范围的装置，由于本发明实施例提供的利用数字图像技术改善色度检测线性范围的装置与上述几种实施例提供的利用数字图像技术改善色度检测线性范围的方法相对应，因此在前述利用数字图像技术改善色度检测线性范围的方法的实施方式也适用于本实施例提供的利用数字图像技术改善色度检测线性范围的装置，在本实施例中不再详细描述。图7是根据本发明一个实施例的利用数字图像技术改善色度检测线性范围的装置的结构示意图。如图7所示，该利用数字图像技术改善色度检测线性范围的装置可以包括：图像获取模块710、提取模块720、确定模块730、公式生成模块740、线性拟合模块750、非线性拐点获取模块760和控制模块770。
具体地，图像获取模块710用于通过图像采集系统获取待测反应的图像。
提取模块720用于选定第一类颜色空间，并提取图像在第一类颜色空间下的各个颜色通道的颜色特征值。
确定模块730用于从各个颜色通道中确定待测反应在当前反应物浓度区域的最敏感颜色通道。
公式生成模块740用于根据最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式。作为一种示例，如图8所示，公式生成模块740可包括：设定单元741和生成单元742。其中，设定单元741用于根据各个颜色通道的颜色特征值设定预设的标准类色度空间公式。生成单元742用于将标准类色度空间公式中与最敏感颜色通道对应的权重设定为第一权重值，并将标准类色度空间公式中与其他颜色通道对应的权重设定为第二权重值，形成目标类色度空间公式，其中，其他颜色通道为各个颜色通道中除最敏感颜色通道之外的颜色通道。
作为一种示例，上述第一权重值为1，第二权重值为0。也就是说，可将标准类色度空间公式中与最敏感颜色通道对应的权重设定为1，并将其他颜色通道对应的权重设定为0。
需要说明的是，在本发明的实施例中，上述第一类颜色空间与第二类颜色空间不一致，或者，上述第一类颜色空间与第二类颜色空间相同。也就是说，上述第一类颜色空间可与第二类颜色空间可以是属于同一种颜色空间，也可以是不同种类的颜色空间。
线性拟合模块750用于将目标类色度空间公式与当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线。
非线性拐点获取模块760用于根据浓度梯度测试结果，找出定标曲线中的非线性拐点。
其中，提取模块720还用于在非线性拐点后重新选定第二类颜色空间，并提取非线性拐点后所对应的待测反应的图像在第二类颜色空间下的各个颜色通道的颜色特征值。
控制模块770用于控制重复执行确定模块730、公式生成模块740、线性拟合模块750、非线性拐点获取模块760和提取模块720的步骤，直至定标曲线满足目标需求。
根据本发明实施例的利用数字图像技术改善色度检测线性范围的装置，可通过图像采集系统获取待测反应的图像，选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值，之后，可从各个颜色通道中确定待测反应在当前反应物浓度区域的最敏感颜色通道，并根据该最敏感颜色通道以及各个颜色通道的颜色特征值设定目标类色度空间公式，并将目标类色度空间公式与当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线，然后，根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点，并在该非线性拐点后重新设定一个目标类色度空间公式，并使用该新的目标类色度空间公式与非线性拐点后的已知反应物浓度进行线性拟合，得到新的定标曲线，依次循环，直至得到的最新定标曲线满足了目标需求，由此实现了在不增加人力、物理成本的情况下，提高了测试线性范围。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种利用数字图像技术改善色度检测线性范围的方法，其特征在于，包括以下步骤：
S1，通过图像采集系统获取待测反应的图像；
S2，选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值；
S3，从所述各个颜色通道中确定所述待测反应在当前反应物浓度区域的最敏感颜色通道，并根据所述最敏感颜色通道以及所述各个颜色通道的颜色特征值设定目标类色度空间公式；
S4，将所述目标类色度空间公式与所述当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线；
S5，根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点；
S6，在所述非线性拐点后重新选定第二类颜色空间，并提取所述非线性拐点后所对应的待测反应的图像在所述第二类颜色空间下的各个颜色通道的颜色特征值，并重复执行所述步骤S3至S6，直至定标曲线满足目标需求。
2.如权利要求1所述的方法，其特征在于，所述根据所述最敏感颜色通道以及所述各个颜色通道的颜色特征值设定目标类色度空间公式，包括：
根据所述各个颜色通道的颜色特征值设定预设的标准类色度空间公式；
将所述标准类色度空间公式中与所述最敏感颜色通道对应的权重设定为第一权重值，并将所述标准类色度空间公式中与其他颜色通道对应的权重设定为第二权重值，形成所述目标类色度空间公式，其中，所述其他颜色通道为所述各个颜色通道中除所述最敏感颜色通道之外的颜色通道。
3.如权利要求2所述的方法，其特征在于，其中，所述第一权重值为1，所述第二权重值为0。
4.如权利要求1所述的方法，其特征在于，所述第一类颜色空间与所述第二类颜色空间不一致。
5.如权利要求1所述的方法，其特征在于，所述第一类颜色空间与所述第二类颜色空间相同。
6.一种利用数字图像技术改善色度检测线性范围的装置，其特征在于，包括：
图像获取模块，用于通过图像采集系统获取待测反应的图像；
提取模块，用于选定第一类颜色空间，并提取所述图像在所述第一类颜色空间下的各个颜色通道的颜色特征值；
确定模块，用于从所述各个颜色通道中确定所述待测反应在当前反应物浓度区域的最敏感颜色通道；
公式生成模块，用于根据所述最敏感颜色通道以及所述各个颜色通道的颜色特征值设定目标类色度空间公式；
线性拟合模块，用于将所述目标类色度空间公式与所述当前反应物浓度区域内的目标反应物浓度值进行线性拟合，得到定标曲线；
非线性拐点获取模块，用于根据浓度梯度测试结果，找出所述定标曲线中的非线性拐点；
其中，所述提取模块还用于在所述非线性拐点后重新选定第二类颜色空间，并提取所述非线性拐点后所对应的待测反应的图像在所述第二类颜色空间下的各个颜色通道的颜色特征值；
控制模块，用于控制重复执行所述确定模块、所述公式生成模块、所述线性拟合模块、所述非线性拐点获取模块和所述提取模块的步骤，直至定标曲线满足目标需求。
7.如权利要求6所述的装置，其特征在于，所述公式生成模块包括：
设定单元，用于根据所述各个颜色通道的颜色特征值设定预设的标准类色度空间公式；
生成单元，用于将所述标准类色度空间公式中与所述最敏感颜色通道对应的权重设定为第一权重值，并将所述标准类色度空间公式中与其他颜色通道对应的权重设定为第二权重值，形成所述目标类色度空间公式，其中，所述其他颜色通道为所述各个颜色通道中除所述最敏感颜色通道之外的颜色通道。
8.如权利要求7所述的装置，其特征在于，其中，所述第一权重值为1，所述第二权重值为0。
9.如权利要求6所述的装置，其特征在于，所述第一类颜色空间与所述第二类颜色空间不一致。
10.如权利要求6所述的装置，其特征在于，所述第一类颜色空间与所述第二类颜色空间相同。
CN201710408590.5A 2017-06-02 2017-06-02 利用数字图像技术改善色度检测线性范围的方法以及装置 Active CN107301639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710408590.5A CN107301639B (zh) 2017-06-02 2017-06-02 利用数字图像技术改善色度检测线性范围的方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710408590.5A CN107301639B (zh) 2017-06-02 2017-06-02 利用数字图像技术改善色度检测线性范围的方法以及装置

Publications (2)

Publication Number Publication Date
CN107301639A true CN107301639A (zh) 2017-10-27
CN107301639B CN107301639B (zh) 2019-10-29

Family

ID=60134607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710408590.5A Active CN107301639B (zh) 2017-06-02 2017-06-02 利用数字图像技术改善色度检测线性范围的方法以及装置

Country Status (1)

Country Link
CN (1) CN107301639B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109030480A (zh) * 2018-08-16 2018-12-18 湖南友哲科技有限公司 样品分析方法、装置、可读存储介质及计算机设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102196119A (zh) * 2010-02-01 2011-09-21 夏普株式会社 图像处理方法、图像处理装置和图像形成装置
WO2015185662A2 (en) * 2014-06-05 2015-12-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method and means for multispectral imaging
CN106405112A (zh) * 2016-09-10 2017-02-15 天津大学 基于量子点的ca15‑3免疫层析试纸条的制备方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102196119A (zh) * 2010-02-01 2011-09-21 夏普株式会社 图像处理方法、图像处理装置和图像形成装置
WO2015185662A2 (en) * 2014-06-05 2015-12-10 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method and means for multispectral imaging
CN106405112A (zh) * 2016-09-10 2017-02-15 天津大学 基于量子点的ca15‑3免疫层析试纸条的制备方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李卓凡: "单色仪定标曲线的非线性拟合", 《大学物理实验》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109030480A (zh) * 2018-08-16 2018-12-18 湖南友哲科技有限公司 样品分析方法、装置、可读存储介质及计算机设备
CN109030480B (zh) * 2018-08-16 2021-03-19 湖南友哲科技有限公司 样品分析方法、装置、可读存储介质及计算机设备

Also Published As

Publication number Publication date
CN107301639B (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
US9506855B2 (en) Method and system for analyzing a colorimetric assay
CA2859269C (en) System for detecting genes in tissue samples
CN105388144A (zh) 用于纸基传感器的稳健比色处理方法
CN112930572B (zh) 用于执行分析测量的方法和装置
WO2013120191A1 (en) Informative diagnostic kit and device for immunochromatographic detection
KR20200078548A (ko) 컬러 형성 반응에 기초하여 분석 측정을 수행하기 위한 방법들 및 디바이스들
US20210158572A1 (en) Method and system for measuring biochemical information using color space conversion
CN112020640B (zh) 用于校准和使用相机检测样本中分析物的方法和系统
TW202212787A (zh) 評估色彩參考卡品質的方法
CN107301639B (zh) 利用数字图像技术改善色度检测线性范围的方法以及装置
JP4715288B2 (ja) 分光反射率候補算出方法、色変換方法、分光反射率候補算出装置、色変換装置、分光反射率候補算出プログラム、色変換プログラム
US7268925B1 (en) Image sensor optimization
US20220104736A1 (en) Method of determining a concentration of an analyte in a bodily fluid and mobile device configured for determining a concentration of an analyte in a bodily fluid
JP4692190B2 (ja) 分光反射率推定方法、分光反射率推定装置、ならびに分光反射率推定プログラム
US11906436B2 (en) Method of determining a concentration of an analyte in a bodily fluid
CN110426389B (zh) 一种基于可视化嗅觉技术的牛肉中掺假猪肉快速鉴别方法
EP3724664B1 (en) Combination imaging of assays
Moomaw et al. Overview of digital electrophoresis analysis
EP4113429A1 (en) Computer-implemented method and system for image correction for a biomarker test
KR20200140500A (ko) 검출 방법 및 검출 패드
RU2786271C2 (ru) Способ и устройства для проведения аналитического измерения
Wang et al. Overview of Digital Electrophoresis Analysis
KR20200128857A (ko) 타겟 물질을 검출하는 방법을 실행시키기 위한 프로그램
Moomaw et al. Overview of Digital Electrophoresis Analysis
Aiken et al. Digital Image DNA Band Quantitation for Soil 16S TRFLP Fingerprinting

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