CN108510477B - 试纸色块的定位方法及装置 - Google Patents

试纸色块的定位方法及装置 Download PDF

Info

Publication number
CN108510477B
CN108510477B CN201810216608.6A CN201810216608A CN108510477B CN 108510477 B CN108510477 B CN 108510477B CN 201810216608 A CN201810216608 A CN 201810216608A CN 108510477 B CN108510477 B CN 108510477B
Authority
CN
China
Prior art keywords
picture
test paper
color block
determining
middle color
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
CN201810216608.6A
Other languages
English (en)
Other versions
CN108510477A (zh
Inventor
叶亚金
常玉棋
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 Feidian Health Management Co ltd
Original Assignee
Shenzhen Feidian Health Management 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 Feidian Health Management Co ltd filed Critical Shenzhen Feidian Health Management Co ltd
Priority to CN201810216608.6A priority Critical patent/CN108510477B/zh
Publication of CN108510477A publication Critical patent/CN108510477A/zh
Application granted granted Critical
Publication of CN108510477B publication Critical patent/CN108510477B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20024Filtering details
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20036Morphological image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种试纸色块的定位方法及装置,本发明包括:获取原始的试纸图片,并根据原始的试纸图片,确定待处理的试纸图片;对待处理的试纸图片进行处理;对待分割的试纸图片进行二值化分割,对二值化图片进行形态学操作,对形态学操作后的图片进行轮廓查找,并计算轮廓的几何特征;根据几何特征初步确定试纸的两端区域,并判断初步确定的两端区域是否为实际的两端区域;将两端区域所对应的位置确定为试纸的两端色块的位置。本发明中不需要设置卡槽,解决了固定标识卡槽的局限性,本申请增加了试纸放置的随意性,降低了用户尿检操作的复杂性和检测成本,进一步提高了试纸色块的定位准确度从而提高检测准确度。

Description

试纸色块的定位方法及装置
技术领域
本发明属于医疗器械技术领域,具体涉及试纸色块的定位方法及装置。
背景技术
在传统尿常规检测中,检测者去医院进行尿液检测,而检测结果是由医师靠专业仪器的比较得到,而仪器的操作、维护、校准复杂,成本高昂,对光源稳定性、环境温度湿度都有较高要求。检测者去医院进行检测流程繁琐,费时费力。
移动互联网、计算机视觉、图像处理技术的蓬勃发展,计算机计算能力的不断提高,使通过移动技术进行尿检成为现实,这种方式不仅自动、快捷、方便、成本低,而且借助移动互联网优势,可以使尿常规检测不受时空限制,随时随地进行尿液检测。
相关技术中,在移动尿检领域,进行试纸色块定位主要是把试纸放置在有定位标识的卡槽中,靠卡槽上面固定的位置标识来定位试纸色块,这种定位方式需要将试纸固定放置,对用户操作要求较高,特别对年龄大的用户来说,操作比较繁琐,除此之外,卡槽的使用也增加了使用成本。
发明内容
有鉴于此,本发明的目的在于克服现有技术的不足,提供一种尿液分析试纸的空间定位方法,以解决现有技术中定位标识要求高、操作繁琐导致检测结果受到较大影响以及卡槽成本高的问题。
为实现以上目的,本发明采用如下技术方案:包括:
获取原始的试纸图片,并根据所述原始的试纸图片,确定待处理的试纸图片;
对所述待处理的试纸图片进行处理,得到待分割的试纸图片;
对所述待分割的试纸图片进行二值化分割,得到二值化图片;
对所述二值化图片进行形态学操作,得到形态学操作后的图片;
对所述形态学操作后的图片进行轮廓查找,并计算轮廓的几何特征;
根据所述几何特征初步确定试纸的两端区域,并判断初步确定的两端区域是否为实际的两端区域;
如果初步确定的两端区域为实际的两端区域,将所述两端区域所对应的位置确定为试纸的两端色块的位置,以及,根据预设算法确定试纸的中间色块的位置。
进一步的,如果所述原始的试纸图片是试纸没有放置在指定底板上的图片,所述根据所述原始的试纸图片,确定待处理的试纸图片,包括:
将所述原始的试纸图片确定为待处理的试纸图片。
进一步的,如果所述原始的试纸图片是试纸放置在指定底板上的图片,所述根据所述原始的试纸图片,确定待处理的试纸图片,包括:
在所述原始的试纸图片为RGB图片时,将所述RGB图片转换为灰度图片;
对所述灰度图片进行二值化分割,得到二值化图片;
对所述二值化图片进行形态学操作;
对形态学操作后的图片进行轮廓查找并计算轮廓的几何特征,并根据所述几何特征确定出内旋转矩形;
根据所述内旋转矩阵构造掩码图,并将所述掩码图与所述原始的试纸图片进行与运算,得到所述内旋转矩形内的图片;
根据所述内旋转矩形的倾斜角度,对所述内旋转矩形内的图片进行角度矫正,以及,将角度矫正后的图片确定为待处理的试纸图片。
进一步的,所述待处理的试纸图片为RGB图片,所述对所述待处理的试纸图片进行处理,得到待分割的试纸图片,包括:
将所述RGB图片转换为HSV图片,并对所述HSV图片进行三通道分离,得到H通道图片、S通道图片和V通道图片,将所述S通道图片确定为待分割的试纸图片;或者,
对所述RGB图片进行三通道分离,得到R通道图片、G通道图片和B通道图片,将所述B通道图片确定为待分割的试纸图片。
进一步的,所述几何特征包括轮廓的外接旋转矩形的中心坐标,所述根据所述几何特征初步确定试纸的两端区域,包括:
对查找得到的各个轮廓的外接旋转矩形的中心坐标进行排序,将排序后位于两端的中心坐标所对应的轮廓所在区域初步确定为试纸的两端区域。
进一步的,所述判断初步确定的两端区域是否为实际的两端区域,包括:
根据初步确定的两端区域的色块颜色和尺寸,判断初步确定的两端区域是否为实际的两端区域。
进一步的,所述待处理的试纸图片为RGB图片,在所述试纸为11项尿液分析试纸时,所述根据预设算法确定试纸的中间色块的位置,包括:
对所述RGB图片进行滤波;
对滤波后的RGB图片进行三通道的漫水填充;
对漫水填充后的图片进行分割;
如果待定位的中间色块是分割后能够确定出精确位置的中间色块,则将分割后确定出的精确位置确定为所述待定位的中间色块的位置;或者,
如果待定位的中间色块是分割后不能确定出精确位置的中间色块,则根据两端色块的位置计算各个中间色块的粗略位置,以及,根据特定中间色块的精确位置和粗略位置计算出待定位的中间色块的误差,并根据待定位的中间色块的粗略位置和误差,计算出待定位的中间色块的精确位置,所述特定中间色块是在分割后能够确定出精确位置且距离所述待定位的中间色块最近的中间色块。
进一步的,所述待处理的试纸图片为RGB图片,在所述试纸为14项尿液分析试纸时,所述根据预设算法确定试纸的中间色块的位置,包括:
根据两端色块的位置计算各个中间色块的粗略位置;
获取两端色块之间色块区域的外接旋转矩形;
如果所述粗略位置在所述外接旋转矩形中,求得外接旋转矩形中心位置和粗略位置的偏差,依次处理,求得所有色块偏差,如果所述粗略位置不在外接旋转矩形内,使用粗略位置最近的已求取的偏差修正位置;最后根据色块的偏差取修正粗略位置来获得精确位置。
进一步的,包括:
获取模块,用于获取原始的试纸图片,并根据所述原始的试纸图片,确定待处理的试纸图片;
第一处理模块,用于对所述待处理的试纸图片进行处理,得到待分割的试纸图片;
第一计算模块,用于对所述待分割的试纸图片进行二值化分割,得到二值化图片;
第二处理模块,用于对所述二值化图片进行形态学操作,得到形态学操作后的图片;
第二计算模块,用于对所述形态学操作后的图片进行轮廓查找,并计算轮廓的几何特征;
确定模块,用于根据所述几何特征初步确定试纸的两端区域,并判断初步确定的两端区域是否为实际的两端区域;如果初步确定的两端区域为实际的两端区域,将所述两端区域所对应的位置确定为试纸的两端色块的位置,以及,根据预设算法确定试纸的中间色块的位置。
进一步的,所述第一处理模块对所述待处理的试纸图片进行处理,得到待分割的试纸图片,包括:
将所述RGB图片转换为HSV图片,并对所述HSV图片进行三通道分离,得到H通道图片、S通道图片和V通道图片,将所述S通道图片确定为待分割的试纸图片;或者,
对所述RGB图片进行三通道分离,得到R通道图片、G通道图片和B通道图片,将所述B通道图片确定为待分割的试纸图片。
本发明采用以上技术方案,能够达到的有益效果包括:
本发明中不需要设置卡槽,解决了固定标识卡槽的局限性,本申请增加了试纸放置的随意性,降低了用户尿检操作的复杂性和检测成本,进一步提高了试纸色块的定位准确度从而提高检测准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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为本发明一种试纸色块的定位方法步骤示意图;
图2为本发明一种试纸色块的定位装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅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的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
下面结合附图介绍本申请实施例中提供的一个具体的尿液分析试纸的空间定位方法。
如图1所示,本申请提供一种试纸色块的定位方法,包括:
S1、获取原始的试纸图片,并根据所述原始的试纸图片,确定待处理的试纸图片;
S2、对所述待处理的试纸图片进行处理,得到待分割的试纸图片;
S3、对所述待分割的试纸图片进行二值化分割,得到二值化图片;
S4、对所述二值化图片进行形态学操作,得到形态学操作后的图片;
S5、对所述形态学操作后的图片进行轮廓查找,并计算轮廓的几何特征;
S6、根据所述几何特征初步确定试纸的两端区域,并判断初步确定的两端区域是否为实际的两端区域;
S7、如果初步确定的两端区域为实际的两端区域,将所述两端区域所对应的位置确定为试纸的两端色块的位置,以及,根据预设算法确定试纸的中间色块的位置。
本申请提供的一种试纸色块的定位方法,通过带有摄像头的智能终端通过摄像头从视频流中逐帧处理图片。
其中,智能终端为下列终端之一或组合:
手机、平板电脑、智能手表。
一些实施例中,如果所述原始的试纸图片是试纸没有放置在指定底板上的图片,所述根据所述原始的试纸图片,确定待处理的试纸图片,包括:
将所述原始的试纸图片确定为待处理的试纸图片。
一些实施例中,如果所述原始的试纸图片是试纸放置在指定底板上的图片,所述根据所述原始的试纸图片,确定待处理的试纸图片,包括:
在所述原始的试纸图片为RGB图片时,将所述RGB图片转换为灰度图片,对所述灰度图片进行二值化分割,得到二值化图片;
二值化分割方法采用大律法,是一种自适应阈值的二值化算法,它是根据图像的灰度特性,将图像分为前景和背景两个部分,它对类间方差为单峰的图像可以产生较好的分割效果。
对所述二值化图片进行形态学操作;
形态学操作的作用是为了消除二值化图片噪点和弥合两端色条额细缝,对图片进行形态学操作。先用矩形结构元素进行腐蚀一次运算,再进行三次膨胀运算。
对形态学操作后的图片进行轮廓查找并计算轮廓的几何特征,并根据所述几何特征确定出内旋转矩形;
几何特征包括重心、几何中心、外接旋转矩形、旋转矩形、面积、周长、中心距等特征,然后按特征进行排序选择想要的轮廓。这里按照轮廓外接旋转矩形中心X坐标排序来得到试纸两端区域。
根据所述内旋转矩阵构造掩码图,并将所述掩码图与所述原始的试纸图片进行与运算,得到所述内旋转矩形内的图片;
根据所述内旋转矩形的倾斜角度,对所述内旋转矩形内的图片进行角度矫正,以及,将角度矫正后的图片确定为待处理的试纸图片。
一些实施例中,所述待处理的试纸图片为RGB图片,所述对所述待处理的试纸图片进行处理,得到待分割的试纸图片,包括:
将所述RGB图片转换为HSV图片,并对所述HSV图片进行三通道分离,得到H通道图片、S通道图片和V通道图片,将所述S通道图片确定为待分割的试纸图片;或者,
对所述RGB图片进行三通道分离,得到R通道图片、G通道图片和B通道图片,将所述B通道图片确定为待分割的试纸图片。
其中,H通道代表色相,S通道代表饱和度,V通道代表明度,它比较符合人眼的生理特性,对阴影和光照不敏感,因此可以准确进行颜色识别。首先对H通道图片根据直方图峰值进行偏色判断,如果偏色就对原始RGB图片做自动白平衡处理,处理采用灰度世界算法,然后重新转换到HSV空间进行后续处理。
其中,分离出的S通道图片有明显特征来识别定位试纸两端区域。
一些实施例中,所述几何特征包括轮廓的外接旋转矩形的中心坐标,所述根据所述几何特征初步确定试纸的两端区域,包括:
对查找得到的各个轮廓的外接旋转矩形的中心坐标进行排序,将排序后位于两端的中心坐标所对应的轮廓所在区域初步确定为试纸的两端区域。
一些实施例中,所述判断初步确定的两端区域是否为实际的两端区域,包括:
根据初步确定的两端区域的色块颜色和尺寸,判断初步确定的两端区域是否为实际的两端区域。
具体的,由两端旋转矩形位置根据色条颜色、尺寸判断是不是试纸两端。颜色判断根据前面分离的H通道判断,左边依次判断蓝红绿,右边判断黄蓝红绿。规定手持端靠右放置为正方向,判断颜色的同时,对试纸放置方向也可判断。尺寸则根据两端区域的长宽比、矩形度、相对尺寸比来判断。为防止阴影对色块颜色的干扰,需要过滤掉光照不均阴影大的图片,把V通道图片左右均分,计算左右两部分的均值,然后取左右均值之差和先验阈值比较判断。同时为防止图片过曝,自动调整相机曝光,需要根据右端色块的位置计算手持端白块的V通道均值。
一些实施例中,所述待处理的试纸图片为RGB图片,在所述试纸为11项尿液分析试纸时,所述根据预设算法确定试纸的中间色块的位置,包括:
对所述RGB图片进行滤波;
对滤波后的RGB图片进行三通道的漫水填充;
对漫水填充后的图片进行分割;
如果待定位的中间色块是分割后能够确定出精确位置的中间色块,则将分割后确定出的精确位置确定为所述待定位的中间色块的位置;或者,
如果待定位的中间色块是分割后不能确定出精确位置的中间色块,则根据两端色块的位置计算各个中间色块的粗略位置,以及,根据特定中间色块的精确位置和粗略位置计算出待定位的中间色块的误差,并根据待定位的中间色块的粗略位置和误差,计算出待定位的中间色块的精确位置,所述特定中间色块是在分割后能够确定出精确位置且距离所述待定位的中间色块最近的中间色块。
具体的,粗略计算中间各个色块的位置,由两端色块中心计算两点间的斜率,根据斜率和两点距离对试纸色块均分得到中间色块大概位置。计算出大概位置后作为种子点,对滤波后的RGB图片进行三通道的漫水填充算法进一步分割得到中间多个色块的位置区域。对区域轮廓查找并计算几何特征后求取中间色块区域的外接旋转矩形并获得中心作为精确的色块位置。漫水填充算法处理质量较差的图片,中间色块有的可能会处理失败,还需要根据已知色块的大概位置和精确位置的偏差对其他处理失败的色块进行位置修正,这里修正策略是找到离失败色块最近的精确色块的偏差修正。
一些实施例中,所述待处理的试纸图片为RGB图片,在所述试纸为14项尿液分析试纸时,所述根据预设算法确定试纸的中间色块的位置,包括:
根据两端色块的位置计算各个中间色块的粗略位置;
获取两端色块之间色块区域的外接旋转矩形;
如果所述粗略位置在所述外接旋转矩形中,求得外接旋转矩形中心位置和粗略位置的偏差,依次处理,求得所得色块偏差。最后根据色块的偏差取修正粗略位置来获得精确位置。如果所述粗略位置不在外接旋转矩形内,使用粗略位置最近的已求取的偏差修正位置。
具体的,假设前面求得中间十四个色块的粗略位置x坐标为x0,x1,x2…x13,分割后色块区域的外接矩形为r0,r1,r3,r4,r7,r9,r13,对应的中心x坐标为xr0,xr1,xr3,,xr4,xr7,xr9,xr13。
先判断粗略位置坐标是否在外接矩形r内,若在矩形内,记录下偏差(xr-x)和对应索引。
然后对x坐标根据离得最近的索引对应的偏差修正,例如x0与(xr0-x0)靠得近。x2与(xr1-x1)、(xr3-x3)一样近,就取两个偏差的平均值修正。
同理,获取y坐标,得到色块的精确位置。
需要说明的是,在判断试纸两端区域时,主要判断绿色、矩形度、长宽比、相对尺寸比等。可以根据两端块的面积大小判断试纸放置方向。为防止图片模糊对检测结果影响,对右端大定位块求取边缘梯度,用Tenengrad评价函数计算,归一化作为清晰度度量值。如果,试纸图片在经过干扰后,不符合条件,再将图片转换到HSV颜色空间,再进行后续处理。
本申请提供的一种试纸色块的定位装置,如图2所示,包括:
获取模块1,用于获取原始的试纸图片,并根据所述原始的试纸图片,确定待处理的试纸图片;
第一处理模块2,用于对所述待处理的试纸图片进行处理,得到待分割的试纸图片;
第一计算模块3,用于对所述待分割的试纸图片进行二值化分割,得到二值化图片;
第二处理模块4,用于对所述二值化图片进行形态学操作,得到形态学操作后的图片;
第二计算模块5,用于对所述形态学操作后的图片进行轮廓查找,并计算轮廓的几何特征;
确定模块6,用于根据所述几何特征初步确定试纸的两端区域,并判断初步确定的两端区域是否为实际的两端区域;如果初步确定的两端区域为实际的两端区域,将所述两端区域所对应的位置确定为试纸的两端色块的位置,以及,根据预设算法确定试纸的中间色块的位置。
一些实施例中,所述第一处理模块对所述待处理的试纸图片进行处理,得到待分割的试纸图片,包括:
将所述RGB图片转换为HSV图片,并对所述HSV图片进行三通道分离,得到H通道图片、S通道图片和V通道图片,将所述S通道图片确定为待分割的试纸图片;或者,
对所述RGB图片进行三通道分离,得到R通道图片、G通道图片和B通道图片,将所述B通道图片确定为待分割的试纸图片。
可以理解的是,上述提供的方法实施例与上述的方法实施例对应,相应的具体内容可以相互参考,在此不再赘述。
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和光学存储器等)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方法。
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方法的制造品,该指令方法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。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种试纸色块的定位方法,其特征在于,包括:
获取原始的试纸图片,并根据所述原始的试纸图片,确定待处理的试纸图片;
对所述待处理的试纸图片进行处理,得到待分割的试纸图片;
对所述待分割的试纸图片进行二值化分割,得到二值化图片;
对所述二值化图片进行形态学操作,得到形态学操作后的图片;
对所述形态学操作后的图片进行轮廓查找,并计算轮廓的几何特征;
根据所述几何特征初步确定试纸的两端区域,并判断初步确定的两端区域是否为实际的两端区域;
如果初步确定的两端区域为实际的两端区域,将所述两端区域所对应的位置确定为试纸的两端色块的位置,以及,根据预设算法确定试纸的中间色块的位置;
所述待处理的试纸图片为RGB图片,在所述试纸为11项尿液分析试纸时,所述根据预设算法确定试纸的中间色块的位置,包括:
对所述RGB图片进行滤波;
对滤波后的RGB图片进行三通道的漫水填充;
对漫水填充后的图片进行分割;
如果待定位的中间色块是分割后能够确定出精确位置的中间色块,则将分割后确定出的精确位置确定为所述待定位的中间色块的位置;
如果待定位的中间色块是分割后不能确定出精确位置的中间色块,则根据两端色块的位置计算各个中间色块的粗略位置,以及,根据特定中间色块的精确位置和粗略位置计算出待定位的中间色块的误差,并根据待定位的中间色块的粗略位置和误差,计算出待定位的中间色块的精确位置,所述特定中间色块是在分割后能够确定出精确位置且距离所述待定位的中间色块最近的中间色块。
2.根据权利要求1所述的方法,其特征在于,如果所述原始的试纸图片是试纸没有放置在指定底板上的图片,所述根据所述原始的试纸图片,确定待处理的试纸图片,包括:
将所述原始的试纸图片确定为待处理的试纸图片。
3.根据权利要求1所述的方法,其特征在于,如果所述原始的试纸图片是试纸放置在指定底板上的图片,所述根据所述原始的试纸图片,确定待处理的试纸图片,包括:
在所述原始的试纸图片为RGB图片时,将所述RGB图片转换为灰度图片;
对所述灰度图片进行二值化分割,得到二值化图片;
对所述二值化图片进行形态学操作;
对形态学操作后的图片进行轮廓查找并计算轮廓的几何特征,并根据所述几何特征确定出内旋转矩形;
根据所述内旋转矩形构造掩码图,并将所述掩码图与所述原始的试纸图片进行与运算,得到所述内旋转矩形内的图片;
根据所述内旋转矩形的倾斜角度,对所述内旋转矩形内的图片进行角度矫正,以及,将角度矫正后的图片确定为待处理的试纸图片。
4.根据权利要求1所述的方法,其特征在于,所述待处理的试纸图片为RGB图片,所述对所述待处理的试纸图片进行处理,得到待分割的试纸图片,包括:
将所述RGB图片转换为HSV图片,并对所述HSV图片进行三通道分离,得到H通道图片、S通道图片和V通道图片,将所述S通道图片确定为待分割的试纸图片;或者,
对所述RGB图片进行三通道分离,得到R通道图片、G通道图片和B通道图片,将所述B通道图片确定为待分割的试纸图片。
5.根据权利要求1所述的方法,其特征在于,所述几何特征包括轮廓的外接旋转矩形的中心坐标,所述根据所述几何特征初步确定试纸的两端区域,包括:
对查找得到的各个轮廓的外接旋转矩形的中心坐标进行排序,将排序后位于两端的中心坐标所对应的轮廓所在区域初步确定为试纸的两端区域。
6.根据权利要求1所述的方法,其特征在于,所述判断初步确定的两端区域是否为实际的两端区域,包括:
根据初步确定的两端区域的色块颜色和尺寸,判断初步确定的两端区域是否为实际的两端区域。
7.根据权利要求1所述的方法,其特征在于,所述待处理的试纸图片为RGB图片,在所述试纸为14项尿液分析试纸时,所述根据预设算法确定试纸的中间色块的位置,包括:
根据两端色块的位置计算各个中间色块的粗略位置;
获取两端色块之间色块区域的外接旋转矩形;
如果所述粗略位置在所述外接旋转矩形中,求得外接旋转矩形中心位置和粗略位置的偏差,依次处理,求得所有色块偏差,如果所述粗略位置不在外接旋转矩形内,使用粗略位置最近的已求取的偏差修正位置;最后根据色块的偏差取修正粗略位置来获得精确位置。
8.一种试纸色块的定位装置,其特征在于,包括:
获取模块,用于获取原始的试纸图片,并根据所述原始的试纸图片,确定待处理的试纸图片;
第一处理模块,用于对所述待处理的试纸图片进行处理,得到待分割的试纸图片;
第一计算模块,用于对所述待分割的试纸图片进行二值化分割,得到二值化图片;
第二处理模块,用于对所述二值化图片进行形态学操作,得到形态学操作后的图片;
第二计算模块,用于对所述形态学操作后的图片进行轮廓查找,并计算轮廓的几何特征;
确定模块,用于根据所述几何特征初步确定试纸的两端区域,并判断初步确定的两端区域是否为实际的两端区域;如果初步确定的两端区域为实际的两端区域,将所述两端区域所对应的位置确定为试纸的两端色块的位置,以及,根据预设算法确定试纸的中间色块的位置;
所述待处理的试纸图片为RGB图片,在所述试纸为11项尿液分析试纸时,所述根据预设算法确定试纸的中间色块的位置,包括:
对所述RGB图片进行滤波;
对滤波后的RGB图片进行三通道的漫水填充;
对漫水填充后的图片进行分割;
如果待定位的中间色块是分割后能够确定出精确位置的中间色块,则将分割后确定出的精确位置确定为所述待定位的中间色块的位置;
如果待定位的中间色块是分割后不能确定出精确位置的中间色块,则根据两端色块的位置计算各个中间色块的粗略位置,以及,根据特定中间色块的精确位置和粗略位置计算出待定位的中间色块的误差,并根据待定位的中间色块的粗略位置和误差,计算出待定位的中间色块的精确位置,所述特定中间色块是在分割后能够确定出精确位置且距离所述待定位的中间色块最近的中间色块。
9.根据权利要求8所述的装置,其特征在于,所述第一处理模块对所述待处理的试纸图片进行处理,得到待分割的试纸图片,包括:
将所述RGB图片转换为HSV图片,并对所述HSV图片进行三通道分离,得到H通道图片、S通道图片和V通道图片,将所述S通道图片确定为待分割的试纸图片;或者,
对所述RGB图片进行三通道分离,得到R通道图片、G通道图片和B通道图片,将所述B通道图片确定为待分割的试纸图片。
CN201810216608.6A 2018-03-15 2018-03-15 试纸色块的定位方法及装置 Active CN108510477B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810216608.6A CN108510477B (zh) 2018-03-15 2018-03-15 试纸色块的定位方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810216608.6A CN108510477B (zh) 2018-03-15 2018-03-15 试纸色块的定位方法及装置

Publications (2)

Publication Number Publication Date
CN108510477A CN108510477A (zh) 2018-09-07
CN108510477B true CN108510477B (zh) 2021-08-24

Family

ID=63375828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810216608.6A Active CN108510477B (zh) 2018-03-15 2018-03-15 试纸色块的定位方法及装置

Country Status (1)

Country Link
CN (1) CN108510477B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109870448B (zh) * 2019-02-09 2023-12-29 智锐达仪器科技南通有限公司 一种胶体金试纸卡检测仪器及相应的检测控制方法
CN112233050B (zh) * 2020-12-17 2021-03-09 之江实验室 一种光线自适应的绿色场地提取方法
CN113252654B (zh) * 2021-05-13 2022-12-09 北京贝塔钡尔健康科技有限公司 一种尿试纸抗干扰自适应智能定位识别方法及系统
CN113327236B (zh) * 2021-06-04 2022-08-02 天津大学 新型冠状病毒抗体快速检测试剂的识别方法及系统
CN115931838A (zh) * 2022-11-04 2023-04-07 湖北大场科技有限公司 适用于试纸法的水质检测方法、控制器及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081802A (zh) * 2011-01-26 2011-06-01 北京中星微电子有限公司 一种基于块匹配的色卡检测方法和装置
CN103177259A (zh) * 2013-04-11 2013-06-26 中国科学院深圳先进技术研究院 色块识别方法及装置
CN105335658A (zh) * 2014-08-15 2016-02-17 张钰昕 一种用智能移动设备的照相功能进行尿液分析的应用系统
CN106468543A (zh) * 2015-08-21 2017-03-01 浙江托普云农科技股份有限公司 一种基于图像处理的叶片面积测量方法
CN106546581A (zh) * 2016-11-02 2017-03-29 长沙云知检信息科技有限公司 试纸检测卡智能检测系统以及试纸检测卡智能分析方法
CN106770333A (zh) * 2017-02-20 2017-05-31 重庆邮电大学 一种bga缺陷自动检测方法
CN106803269A (zh) * 2015-11-25 2017-06-06 富士通株式会社 对文档图像进行透视校正的方法和设备

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8655009B2 (en) * 2010-09-15 2014-02-18 Stephen L. Chen Method and apparatus for performing color-based reaction testing of biological materials

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081802A (zh) * 2011-01-26 2011-06-01 北京中星微电子有限公司 一种基于块匹配的色卡检测方法和装置
CN103177259A (zh) * 2013-04-11 2013-06-26 中国科学院深圳先进技术研究院 色块识别方法及装置
CN105335658A (zh) * 2014-08-15 2016-02-17 张钰昕 一种用智能移动设备的照相功能进行尿液分析的应用系统
CN106468543A (zh) * 2015-08-21 2017-03-01 浙江托普云农科技股份有限公司 一种基于图像处理的叶片面积测量方法
CN106803269A (zh) * 2015-11-25 2017-06-06 富士通株式会社 对文档图像进行透视校正的方法和设备
CN106546581A (zh) * 2016-11-02 2017-03-29 长沙云知检信息科技有限公司 试纸检测卡智能检测系统以及试纸检测卡智能分析方法
CN106770333A (zh) * 2017-02-20 2017-05-31 重庆邮电大学 一种bga缺陷自动检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
"Smartphone-based Urine Strip Analysis";Marios Anthimopoulos et al.;《2016 IEEE International Conference on Imaging Systems and Techniques》;20161006;论文II-III节 *
"倾斜金标试纸图像的线宽测量方法";周律 等;《实验室研究与探索》;20150331;第34卷(第3期);论文1-3节 *
"基于Android平台的车牌识别软件开发";陈小龙;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170115(第01期);论文第3-5章 *
"基于OpenCV的医疗试纸检测技术";农远峰;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170715(第07期);论文1.4节、2.1节、3.4节、4.1-4.4节、5.1-5.2节 *
"试纸颜色识别技术研究";曾德文;《中国优秀硕士学位论文全文数据库 信息科技辑》;20160415(第04期);论文第三章 *

Also Published As

Publication number Publication date
CN108510477A (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
CN108510477B (zh) 试纸色块的定位方法及装置
CN111028213B (zh) 图像缺陷检测方法、装置、电子设备及存储介质
US20170249783A1 (en) System and method of 3d modeling and virtual fitting of 3d objects
US20110150358A1 (en) Method and system for factoring an illumination image
CN105989588B (zh) 一种异形材料切割图像校正方法及系统
JP2002513193A (ja) サンプルイメージ中のエラーを検出する方法およびシステム
CN111126393A (zh) 车辆外观改装判断方法、装置、计算机设备及存储介质
CN107622475A (zh) 图像拼接中的灰度校正方法
CN115619787B (zh) 一种uv胶缺陷检测方法、系统、设备及介质
CN104574312A (zh) 标靶图像求圆心的方法和装置
CN112700488A (zh) 基于图像拼接的活体长叶片叶面积分析方法、系统及装置
CN110287865A (zh) 基于视觉伺服的医学载玻片码放校正方法、控制器及系统
CN104346817A (zh) 一种视频图像偏色检测方法及装置
US9754155B2 (en) Method and system for generating intrinsic images using a single reflectance technique
CA3131590A1 (en) Golf ball set-top detection method, system and storage medium
CN110689586B (zh) 中医智能舌诊中的舌像识别方法和用于该方法的便携式校正色卡
CN115272923B (zh) 一种基于大数据平台的智能识别方法和系统
CN114581433B (zh) 一种获取金属球腔内表面形貌检测图像的方法及系统
CN116385567A (zh) 获取色卡roi坐标信息的方法、装置和介质
CN115761270A (zh) 色卡的检测方法、装置、电子设备及存储介质
Ernst et al. Check my chart: A robust color chart tracker for colorimetric camera calibration
CN113034449B (zh) 目标检测模型训练方法、装置及通信设备
CN115147410A (zh) 一种多色块包装覆膜缺陷检测方法
US20180061067A1 (en) Image processing method and apparatus for x-ray imaging device
CN114187309A (zh) 一种基于卷积神经网络的头发分割方法及系统

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