CN109991216A - 一种尿检仪试纸条颜色识别方法 - Google Patents
一种尿检仪试纸条颜色识别方法 Download PDFInfo
- Publication number
- CN109991216A CN109991216A CN201910186494.XA CN201910186494A CN109991216A CN 109991216 A CN109991216 A CN 109991216A CN 201910186494 A CN201910186494 A CN 201910186494A CN 109991216 A CN109991216 A CN 109991216A
- Authority
- CN
- China
- Prior art keywords
- color
- indicator paper
- paper block
- subgraph
- test strips
- 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
Links
Classifications
-
- 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
- G01N21/78—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 change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Abstract
本发明公开了一种用于尿液检测仪试纸条颜色识别的方法,它包含如下步骤:一、试纸块测试样本的大批量收集;二、试纸块子图像中外围浅色区域的处理;三、试纸块子图像上的高亮反光点的检测与过滤;四、颜色空间的选择;五、两个像素的颜色相似性的计算;六、针对每一个测试项,进行候选颜色集的建立;七、对当前待检测的试纸块的颜色进行识别;八、对某些情形进行拒识;九、利用多次图像抓拍检测反应是否充分;本发明通过对噪声信息进行过滤,对颜色的概率进行建模,使得试纸条颜色检测不再受到反光点、颗粒状像素、光照干扰、灰色像素色相值不稳定、低亮度像素颜色难以对比、用户难以掌握测试时间等问题的困扰,提高了尿检仪的检测稳定性。
Description
技术领域
本发明属于医疗分析器械技术领域,尤其是涉及一种尿检仪试纸条颜色识别方法。
背景技术
随着社会经济的发展和人们收入水平的提高,人们对于健康预防和疾病管理的需求日益增长,尤其是家庭健康预防和疾病管理方面的需求呈现出快速增长的趋势。
当前人们对身体健康情况进行检测判断主要是通过对身体中各项指标的分析解读来完成的,例如常见的心电、超声、血氧、血压、血检、尿检等,其中通过检测尿液中指标的含量来判断身体健康状况的方法,由于具有检测时间短、无创无痛、检测成本低、操作方便等优点,成为常用的临床和家庭检测方法。
传统的尿液检测主要是在医院进行,检测耗费时间较长、检测流程较为繁琐、检测成本高、结果获取时间长,给用户带来许多使用中的不便;而通过便携式尿液检测仪和尿液分析试纸,可以让用户在家即可进行尿液检测,具有方便、快捷、简单、成本低的优势,已成为越来越普遍的选择。
当前市场上采用尿液检测仪和尿检试纸来检测身体健康状况的尿液检测设备,大部分是通过检测仪内部的摄像头或颜色传感器获取试剂块的颜色信息,再通过对试剂块颜色进行分析得出对应的指标含量,从而判断身体的健康状况。
但是,当前的尿检仪中比较主流的一类,即利用视觉技术在试纸条图像中进行颜色识别方法,存在如下的难题:
1、由于尿液容易附着在试纸块的表面,尿检仪的光源很容易在图像中造成高亮的反光点,影响颜色值的计算;
2、试纸块上可能出现颗粒状像素分布。此时,直接用颜色平均值进行识别,指标结果并不准确;
3、基于RGB色彩空间的方法,容易受到光照强度的影响,识别结果很不稳定;
4、当前的颜色识别算法,对噪声的滤除效果不好;
5、基于HSV色彩空间的方法,在颜色块接近黑、白、灰色时,不能精准地计算色相值,识别结果不稳定;
6、试纸块上存在多种颜色时,使用平均值进行识别和分类并不准确;
7、如果用户对测试时间掌握不精准,在试纸块上的试剂反应还不充分的时候就进行测试了,势必导致结果不准确。
上述现象对尿检仪的检测性能影响较大。如果不能有效解决这些问题,将严重影响尿检仪的用户体验,甚至给用户带来不必要的损失。
发明内容
本发明的目的在于为尿检仪试纸条的颜色识别提供一种稳定的方法,能够不受到试纸块表面反光点、颗粒状像素、光照干扰、灰色像素色相值不稳定、低亮度像素颜色难以对比、用户难以掌握精准的测试时间等问题的干扰。
为实现上述目的,本发明采用的技术方案是:它包含如下步骤:
一、试纸块测试样本的大批量收集;
二、试纸块子图像中外围浅色区域的处理;
三、试纸块子图像上的高亮反光点的检测与过滤;
四、颜色空间的选择;
五、两个像素的颜色相似性的计算;
六、针对每一个测试项,进行候选颜色集的建立;
七、对当前待检测的试纸块的颜色进行识别;
八、对某些情形进行拒识;
九、利用尿检仪进行多次图像抓拍的方式来检测化学反应是否充分;
进一步地,步骤一中的试纸块测试样本的大批量收集包括两种样本:
(1)通过人工配置各种不同浓度的对应试剂,然后将试纸条浸泡其中,得到相应的样本子图像。
(2)在用户检测尿液指标的过程中,将用户每一次检测时抓拍的图像保存在云端数据库中。
进一步地,步骤二中的试纸块子图像中外围浅色区域的处理方法为:在试纸块对应的子图像的上下左右各裁剪掉0.5mm宽度的窄条,最终的试纸块中心区域尺寸为4mm*4mm。
进一步地,步骤三中的试纸块子图像上的高亮反光点的检测与过滤的具体方法为:如果当前像素RGB三个通道中,只要有一个通道的色彩值高于阈值Th_GLINT(经验值,默认为245),则该像素可以被认为是反光点,可以最先过滤。
进一步地,步骤四中的色彩空间的选择包括三种色彩空间:
(1)HSV色彩空间:
(2)归一化RGB色彩空间;
(3)RGB色彩空间;
这三种色彩空间的综合运用方法如下:
(a)在HSV色彩空间中提取色相特征h;
(b)如果h特征不稳定,则在归一化RGB空间中提取r、g特征;
(c)如果特征r、g不稳定,则直接在RGB空间中提取R、G、B特征;
进一步地,步骤五中的两个像素的颜色相似性的计算方法如下:
(1)如果两个像素的色相特征稳定,则直接利用两个颜色的色相值h做差;
(2)如果色相特征不稳定,则比较r、g的差值;
(3)如果r、g不稳定,即R、G、B的总和小于20的情形。此时直接比较R、G、B的差值。
进一步地,步骤六中针对每一个测试项,进行候选颜色集的建立。具体步骤如下:
(1)从比色卡上,将当前参考色块的指标值范围提取出来。相关信息都记录在比色卡上;
(2)将步骤一中收集的所有属于该浓度范围的图像样本归属到一个样本图像子集S_image_i;
(4)针对样本图像子集S_image_i中的每一幅图像,进行反光点的检测和过滤;
(5)提取样本图像子集S_image_i中的每一幅图像中的过滤反光点以后的所有像素,计算其颜色特征值;
(6)利用均值漂移聚类法,为图像子集S_image_i中的所有颜色特征值进行聚类。
(7)利用分类结果和所有像素的颜色特征,对每个子类建立高斯概率模型。
进一步地,步骤七中对当前待检测的试纸块的颜色进行识别的具体步骤如下:
(1)遍历比色卡上的每一个参考色块,获取其标准颜色特征R、G、B、Hue、r、g;
(2)遍历当前试纸块上的每一个像素,提取其颜色特征:R、G、B、Hue、r、g;
(3)利用概率的方法,对试纸块上每一个像素是否为噪声进行判断。
(4)当前像素的识别与分类。计算当前像素被分类为比色卡上的各个对应参考类的概率。选择概率最大的参考类作为分类结果。
(5)在得到每一个像素的分类结果之后,就需要对整个试纸块的所有像素进行综合分析,然后得到整个试纸块的分类结果。
进一步地,步骤八中在当前试纸块在完成各种噪声过滤之后,该试纸块真实像素数目的比例低于10%则需要进行拒识。
进一步地,步骤九中利用尿检仪进行多次图像抓拍的方式来检测化学反应是否充分。其具体步骤如下:
(1)连续抓拍10幅图像;
(2)进行试纸块裁剪;
(3)针对某一个检测项,分析这10幅子图像内容的变化情况。将每一幅子图像,都与前、后两帧中对应的子图像各自做差,比较图像的变化程度,统计发生了变化的像素总数目;
(4)针对当前检测项,遍历其对应的所有的子图像,将像素数目变化最少的那幅子图像作为最稳定的时刻进行检测。
采用上述方案后,本发明一种尿检仪试纸条颜色识别方法具有如下特点:
1、在尿液覆盖试纸块之后,本发明依然不会受到试纸块表面高亮反光点的干扰;
2、试纸块呈现颗粒状分布、多种颜色分布时,可以正常进行颜色识别;
3、本发明算法不会受到光照变化的影响;
4、本发明算法可以有效滤除试纸块中的干扰像素;
5、在试纸块的颜色接近黑、白、灰三种颜色的时候,同样可以进行颜色识别的计算,结果不会受到影响;
6、本发明自动进行多次测试,解决了用户对测试时间的掌握难题,降低了设备的使用难度。
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是一种用于尿液检测仪试纸条颜色识别的方法;
图2是具体实施方式步骤四色彩空间的选择中三种色彩空间的综合运用流程图;
图3是具体实施方式步骤五两个像素的颜色相似性计算的流程图;
图4是具体实施方式步骤六中聚类过程的流程图;
图5是具体实施方式步骤六针对每一个测试项,进行候选颜色集建立的流程图;
图6是具体实施方式步骤七对当前待检测的试纸块的颜色进行识别的流程图;
图7是具体实施方式步骤九利用尿检仪进行多次图像抓拍的方式来检测化学反应是否充分的流程图;
具体实施方式
下面结合附图,对本发明作进一步的说明。
本具体实施方式采用的技术方案是:它包含如下步骤:
一、试纸块测试样本的大批量收集:
(1)人工样本的收集
在产品发布之前,需要大量收集每一个试纸块浸泡尿液之后的样本图像(比如每个试纸块对应的子图像超过1000张)。通过人工配置各种不同浓度的对应试剂,然后将试纸条浸泡其中,得到相应的样本子图像。该方法得到的每一幅样本子图像,都有精准的浓度指标对应,因此具有极强的参考意义。
(2)用户真实测试样本的收集
在尿检仪投入市场真实使用之后,在用户检测尿液指标的过程中,还可以将用户每一次检测时抓拍的图像保存在云端数据库中。这些图像既可以留作备份,以解决数据的可追溯问题,又可以用于扩充样本库。通过利用算法自动裁剪出每一个指标对应的试纸块子图像,就可以积累丰富的样本数据。
二、试纸块子图像中外围浅色区域的处理:
在试纸块的制作过程中,需要利用切刀将大块的试纸切割成一个个的小试纸块(5mm*5mm)。在裁剪的时候,大试纸块上的反应酶是液体状态。此时,由于切刀的压力作用,将把切刀两侧一定范围内(不超过0.5mm)的反应酶挤压到小试纸块的中心区域。这种压力作用导致最终的小试纸块的周边区域一定范围内(一般不会超过0.5mm的宽度)反应酶的浓度不如中间区域反应酶大。因此在进行颜色识别之前,需要在试纸块对应的子图像的上下左右各裁剪掉0.5mm宽度的窄条,这样最终用于颜色识别的试纸块的中心区域,其实际尺寸4mm*4mm。
三、试纸块子图像上的高亮反光点的检测与过滤:
在试纸块上覆盖尿液之后,由于尿检仪内部的LED照明光源的存在,使得试纸块上很容易出现高亮的反光点。这些反光点对颜色识别的干扰很大。本发明采用如下步骤过滤掉高亮反光点:
(1)如果当前像素RGB三个通道中,只要有一个通道的色彩值高于阈值Th_GLINT(经验值,默认为245),则该像素可以被认为是反光点,可以最先过滤。三个条件如下:
R≥Th_GLINT
G≥Th_GLINT
B≥Th_GLINT
(2)建立反光点ROI图像img_GLINT_ROI。该ROI图与试纸块彩色图img_patch_color尺寸一致,为灰度图。默认将该图的每个像素值设置为255;
(3)遍历彩色图img_patch_color的每一个像素点。如果当前像素被检测为反光点,则将img_GLINT_ROI中该位置像素值设置为0;
(4)反光点ROI图像img_GLINT_ROI将在后续步骤中被用到。
四、色彩空间的选择
为了方便后续步骤:颜色集的建立、颜色特征提取、颜色识别等步骤的开展,本发明选用三种色彩空间进行后续的处理——RGB空间、归一化RGB空间、HSV空间。
(1)HSV色彩空间:
HSV色彩空间是一种极其常见、使用频率极高的色彩空间。由于其能够将色彩的表述分解为色相、饱和度、亮度三个因素,因此很适合人类进行理解,同时也更符合人类大脑的视觉感知规律。
HSV色彩空间中的色相(Hue),是用来区分颜色的最常用的特征。通过色相环,各种颜色都被映射到一个连续的空间上,使得对色彩的表述,只需要一个数值即可做到。这给算法的设计和计算带来极大的便捷性。色相环从0开始,结束于359。一般按照逆时针方向,色相值从0增长到359.色相值具有很高的稳定性。在各种颜色特征中,它是受到光照干扰最小的特征。
但是,HSV色彩空间,在实用时是具有缺陷的。其本质根源来自于其色相环控件,以及其对色相值H的公式定义的缺陷。相关公式如下所示:
max=max(R,G,B);
min=min(R,G,B);
if(H<0),H=H+360;
以R==max这种情形为例,当max-min这个值很小时(比如低于20),很容易出现色相值不稳定的现象。这是因为此时分母很小,而分子的很小的变动,就可以使整个分数值发生较大的变动。而图像在实际采集过程中,RGB三个通道的亮度值发生变动(10以内)则是很常见的现象。因此,在max-min的值较小的时候(其实就是色彩值的饱和度很低的时候),色相值是很不精准的。
此外,在max==min的时候,H值是无法计算的,此时分母为0。这些问题给基于HSV色彩空间的颜色识别和色彩处理等操作造成很大的障碍。max==min的情形,就是色彩为黑、灰、白等颜色的情形。此时色相值很也不稳定。
为了弥补色相值的这个缺陷,本发明引入归一化RGB空间。
(2)归一化RGB色彩空间
在RGB色彩空间中,R、G、B三个颜色值的相关性非常高,而且很容易受到光照的干扰。它们并不能稳定地描述物体表面的反射率。为了消除光照变化带来的干扰,归一化RGB色彩空间将RGB三个通道的总和作为光照值,然后计算每个颜色通道的比例,得到三个归一化的颜色特征:r、g、b。具体如下式所示:
在进行颜色识别的时候,b这个特征是不需要的。因为r+g+b=1,只要知道了r和g,b就确定了。因此只需要r、g两个特征就可以描述物体表面的反射系数,这正是颜色的本质——物体的表面反射率。
但是,归一化RGB色彩空间依然有缺陷。当R+G+B的值很小的时候,比如低于40的时候,r、g两个值的计算依然不稳定。此时需要直接使用RGB色彩空间来表述颜色。
(3)三种色彩空间的综合运用
在后续步骤需要用到色彩值的时候,按照如下流程来进行:
(a)在HSV色彩空间中提取色相特征h;
(b)如果h特征不稳定,则在归一化RGB空间中提取r、g特征;
(c)如果特征r、g不稳定,则直接在RGB空间中提取R、G、B特征;
五、两个像素的颜色相似性的计算:
由于本发明在表述颜色时,同时用到了三种色彩空间,因此相似性的度量方法稍显复杂,具体如下:
(1)判断色相特征h是否稳定,即max与min的差值大于50的情形:如果稳定,则直接利用两个颜色的色相值h1、h2做差。差值越大,相似度越低。颜色差值的计算如下:
dist=|h1-h2|
(2)色相特征不稳定,则比较两个像素的r、g的差值。具体如下:
dist=|r1-r2|+|g1-g2|
该差值越小,说明两个像素的颜色越接近。
(3)r、g不稳定,即R、G、B的总和小于20的情形。此时直接比较R、G、B的差值。具体如下:
dist=|R1-R2|+|G1-G2|+|B1-B2|
该差值越小,说明两个颜色值越接近。
六、针对每一个测试项,进行候选颜色集的建立。具体方法如下:
比色卡是指在进行人工尿液指标检测时,用户将试纸条用于对比参考的色卡。根据色卡上的多个参考颜色块,用户通过人眼对比试纸条上的试纸块与哪个参考色块颜色最接近,就知道当前试纸条的检测结果了。
每个参考块都对应指标值的一个范围。针对该参考块的指标值的范围,可以将步骤一中的对应浓度的样本归属到该样本子集S中。然后,分析该样本子集S中的所有子图像块,然后提取子图像中的所有像素,得到颜色子集S_patch;该颜色子集包含了该参考块所对应的参考范围内的所有可能的颜色,并且可以计算出每一种颜色属于该参考块的概率。由于每个试纸块都包含了固定浓度的反应酶,因此它可能出现的颜色种类是有限的。因此颜色子集S_patch中的元素数目并不多。
以某型比色卡为例子,针对葡萄糖这一个检测项,比色卡上总共有5个参考色块。那么就需要为葡萄糖这个检测项建立5个颜色子集。其中一个颜色子集S_patch_sugar_i的建立过程如下:
(1)从比色卡上,将当前参考色块的指标值范围提取出来。相关信息都记录在比色卡上;
(2)将步骤一中收集的所有属于该浓度范围的图像样本归属到一个样本图像子集S_image_i;
(3)针对样本图像子集S_image_i中的每一幅图像,进行反光点的检测和过滤;
(4)提取样本图像子集S_image_i中的每一幅图像中的过滤反光点以后的所有像素,计算其颜色特征值;
(5)利用均值漂移聚类法,为图像子集S_image_i中的所有颜色特征值进行聚类。每个子集的子类数目设定为10.聚类完成之后,得到10个聚类中心。由于均值漂移聚类为已有技术,本具体实施方案仅简要介绍其聚类的过程:
(a)随机设定10个类的初始中心位置;
(b)设定搜索窗口的大小;
(c)迭代搜索,每次都找到窗口内的样本密度最大的位置,作为新的窗口中心;
(d)重复迭代,直到任何一个类的中心位置都不再变动为止;
(e)根据10个类的最终的中心位置,对所有的像素进行分类,得到10个子类。
(6)利用分类结果和所有像素的颜色特征,对每个子类建立高斯概率模型。为当前子类的从R、G、B、Hue、r、g六个特征上建立高斯概率模型。高斯概率模型的建模为公知,此处不详述。
七、对当前待检测的试纸块的颜色进行识别。具体流程如下:
比色卡包含多个检测项。每个检测项包含多个参考色块。参考色块具有固定的颜色值。该颜色值是试纸制造厂家利用专业的色度计在光照充分的情形下测量出来的。
(1)遍历比色卡上的每一个参考色块,获取其标准颜色特征R、G、B、Hue、r、g;
(2)遍历当前试纸块上的每一个像素,提取其颜色特征:R、G、B、Hue、r、g;
(3)利用概率的方法,对试纸块上每一个像素是否为噪声进行判断。在试纸条浸泡尿液之后,进行检测时,很容易出现少量的颗粒状噪声。这有可能是因为尿液中的某些大分子物质附着在试纸块上,也可能是试纸在制造过程中出现的污染(试纸块在裁剪时,裁剪刀上难免偶尔出现杂质),或者是相邻试纸块因为尿液串流导致的污染。噪声点对颜色识别的干扰影响很大。本发明采用如下方法过滤噪声:
(a)利用颜色特征以及步骤六中得到的聚类结果和高斯概率模型,计算当前像素属于每一个参考类的概率;
(b)如果该像素属于任何一个参考类的概率都低于0.001,则将该像素作为噪声进行过滤。
(4)当前像素的识别与分类。计算当前像素被分类为比色卡上的各个对应参考类的概率。选择概率最大的参考类作为分类结果。具体如下:
(a)利用颜色特征以及步骤六中得到的聚类结果和高斯概率模型,计算当前像素属于每一个参考类的概率;
(b)比较所有的参考类的概率,将最大那个概率值所对应的参考块的序号作为该像素的分类结果;
(c)选择概率最大的参考类作为该像素的分类结果。
(5)在得到每一个像素的分类结果之后,就需要对整个试纸块的所有像素进行综合分析,然后得到整个试纸块的分类结果。具体步骤如下:
(a)统计每个像素的分类结果,得到分类直方图;
(b)根据分类直方图,计算出该试纸块属于每一个参考类的概率。计算方法为:
其中Pi试纸块属于第i个参考类的概率。而ci是试纸块图像中分类为第i个参考类的像素数目。N是图像中所有像素的总数目。
(c)在所有的参考类概率Pi中,选择概率最大的参考类,作为试纸块最终的颜色识别结果。
(d)计算当前试纸块对应的指标值。利用各参考块的指标值加权得到该结果:
其中,resi是每个参考类对应的指标值。Pi为参考类概率。N是参考类的数目。
八、部分时刻需要进行拒识的情形:
如果当前试纸块在完成各种噪声过滤之后,剩余的像素总数目N,占该试纸块真实像素数目的比例低于10%,则说明该试纸块有异常,该次测试出现异常,需要对算法进行拒识,并且从软件上进行预警提醒用户重新进行检测。
九、利用尿检仪进行多次图像抓拍的方式来检测化学反应是否充分。由于化学反应需要一定的时间,而且尿液在充分浸透到试纸块中的过程中,也需要一定的时间。因此虽然尿液检测要求在1分钟内完成测试(防止时间太久了试纸块与空气发生反应从而导致颜色识别的结果不精准),但也不能太快而导致反应试纸块上的反应不充分,引起测量数据不准确。用户是很难把握好精准的测试时间的。本发明采用如下的办法来解决该难题:
(1)在用户将试纸条插入到尿检仪之后的50秒钟的时间内,控制摄像头进行多次图像抓拍;将每两次抓拍的时间间隔设定为5秒钟,总共抓拍10幅图像。
(2)在所有被抓拍的10幅图像中,根据每个试纸块的位置经验值,将每一个试纸块裁剪出来。因此对于每个检测项来说,对应的都有10个试纸块子图像。
(3)针对某一个检测项,分析这10幅子图像内容的变化情况。将每一幅子图像,都与前、后两帧中对应的子图像各自做差,比较图像的变化程度,统计发生了变化的像素总数目。具体如下:
(a)当前图与前一帧子图像进行逐像素比较,判断有多少个像素不一样,记录下不一样的像素的总数目。两个像素,如果满足如下条件中的至少一个,就可以认为它们是不一样的:
|R1(x,y)-R2(x,y)|>Th_diff
|G1(x,y)-G2(x,y)|>Th_diff
|B1(x,y)-B2(x,y)|>Th_diff
其中,R1(x,y)表示当前帧(x,y)位置的R值,R2(x,y)表示前一帧(x,y)位置的R值。G1(x,y)表示当前帧(x,y)位置的G值,G2(x,y)表示前一帧(x,y)位置的G值。B1(x,y)表示当前帧(x,y)位置的B值,B2(x,y)表示前一帧(x,y)位置的B值。
当前图与前一帧图的某个像素,只要在RGB三个通道的任何一个通道颜色值差异过大,就可以认为该像素发生了变化。
其中,Th_diff是经验阈值,设置为10.
(b)统计当前图与前一帧图不一样的像素的数目N1.
(c)统计当前图与后一帧图不一样的像素的数目N2.
(d)统计当前图的不稳定像素总数目,公式如下:
N=N1+N2.
(4)针对当前检测项,遍历其对应的所有的子图像,将像素数目变化最少(N值最小)的那幅子图像作为最稳定的时刻进行检测。
每个检测项的反应时间不一致,因此不同检测项对应的最稳定的子图像,很可能并不是同一时刻的。但这并不影响算法得到最稳定的子图像。
以上所述,仅用以说明本发明的技术方案,而非限制本领域普通技术人员对本发明的技术方案所做的其它修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种用于尿液检测仪试纸条颜色识别的方法,其特征在于它包含如下步骤:
一、试纸块测试样本的大批量收集;
二、试纸块子图像中外围浅色区域的处理;
三、试纸块子图像上的高亮反光点的检测与过滤;
四、颜色空间的选择;
五、两个像素的颜色相似性的计算;
六、针对每一个测试项,进行候选颜色集的建立;
七、对当前待检测的试纸块的颜色进行识别;
八、对某些情形进行拒识;
九、利用尿检仪进行多次图像抓拍的方式来检测化学反应是否充分。
2.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤一中的试纸块测试样本的大批量收集包括两种样本:
(1)通过人工配置各种不同浓度的对应试剂,然后将试纸条浸泡其中,得到相应的样本子图像。
(2)在用户检测尿液指标的过程中,将用户每一次检测时抓拍的图像保存在云端数据库中。
3.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤二中的试纸块子图像中外围浅色区域的处理方法为:在试纸块对应的子图像的上下左右各裁剪掉0.5mm宽度的窄条,最终的试纸块中心区域尺寸为4mm*4mm。
4.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤三中的试纸块子图像上的高亮反光点的检测与过滤的具体方法为:如果当前像素RGB三个通道中,只要有一个通道的色彩值高于阈值Th_GLINT(经验值,默认为245),则该像素可以被认为是反光点,可以最先过滤。
5.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤四中的色彩空间的选择包括三种色彩空间:
(1)HSV色彩空间:
(2)归一化RGB色彩空间;
(3)RGB色彩空间;
这三种色彩空间的综合运用方法如下:
(a)在HSV色彩空间中提取色相特征h;
(b)如果h特征不稳定,则在归一化RGB空间中提取r、g特征;
(c)如果特征r、g不稳定,则直接在RGB空间中提取R、G、B特征。
6.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤五中的两个像素的颜色相似性的计算方法如下:
(1)如果两个像素的色相特征稳定,则直接利用两个颜色的色相值h做差;
(2)如果色相特征不稳定,则比较r、g的差值;
(3)如果r、g不稳定,即R、G、B的总和小于20的情形。此时直接比较R、G、B的差值。
7.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤六中针对每一个测试项,进行候选颜色集的建立。具体步骤如下:
(1)从比色卡上,将当前参考色块的指标值范围提取出来。相关信息都记录在比色卡上;
(2)将步骤一中收集的所有属于该浓度范围的图像样本归属到一个样本图像子集S_image_i;
(4)针对样本图像子集S_image_i中的每一幅图像,进行反光点的检测和过滤;
(5)提取样本图像子集S_image_i中的每一幅图像中的过滤反光点以后的所有像素,计算其颜色特征值;
(6)利用均值漂移聚类法,为图像子集S_image_i中的所有颜色特征值进行聚类。
(7)利用分类结果和所有像素的颜色特征,对每个子类建立高斯概率模型。
8.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤七中对当前待检测的试纸块的颜色进行识别的具体步骤如下:
(1)遍历比色卡上的每一个参考色块,获取其标准颜色特征R、G、B、Hue、r、g;
(2)遍历当前试纸块上的每一个像素,提取其颜色特征:R、G、B、Hue、r、g;
(3)利用概率的方法,对试纸块上每一个像素是否为噪声进行判断。
(4)当前像素的识别与分类。计算当前像素被分类为比色卡上的各个对应参考类的概率。选择概率最大的参考类作为分类结果。
(5)在得到每一个像素的分类结果之后,就需要对整个试纸块的所有像素进行综合分析,然后得到整个试纸块的分类结果。
9.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤八中在当前试纸块在完成各种噪声过滤之后,该试纸块真实像素数目的比例低于10%则需要进行拒识。
10.根据权利要求1所述的一种用于尿液检测仪试纸条颜色识别的方法,其特征在于步骤九中利用尿检仪进行多次图像抓拍的方式来检测化学反应是否充分。其具体步骤如下:
(1)连续抓拍10幅图像;
(2)进行试纸块裁剪;
(3)针对某一个检测项,分析这10幅子图像内容的变化情况。将每一幅子图像,都与前、后两帧中对应的子图像各自做差,比较图像的变化程度,统计发生了变化的像素总数目;
(4)针对当前检测项,遍历其对应的所有的子图像,将像素数目变化最少的那幅子图像作为最稳定的时刻进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910186494.XA CN109991216A (zh) | 2019-03-12 | 2019-03-12 | 一种尿检仪试纸条颜色识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910186494.XA CN109991216A (zh) | 2019-03-12 | 2019-03-12 | 一种尿检仪试纸条颜色识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109991216A true CN109991216A (zh) | 2019-07-09 |
Family
ID=67130586
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910186494.XA Pending CN109991216A (zh) | 2019-03-12 | 2019-03-12 | 一种尿检仪试纸条颜色识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109991216A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455789A (zh) * | 2019-07-18 | 2019-11-15 | 深圳市象形字科技股份有限公司 | 一种利用尿检仪进行饮水量监控装置及方法 |
CN112132154A (zh) * | 2020-09-02 | 2020-12-25 | 杭州棒糖网络科技有限公司 | 一种早孕试纸t线加深方法 |
CN113252654A (zh) * | 2021-05-13 | 2021-08-13 | 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 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070196862A1 (en) * | 2003-01-02 | 2007-08-23 | Kuo-Jeng Wang | Method for detecting a response of each probe zone on a test strip |
CN102800094A (zh) * | 2012-07-13 | 2012-11-28 | 南京邮电大学 | 一种快速彩色图像分割方法 |
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 |
CN105388147A (zh) * | 2015-10-21 | 2016-03-09 | 深圳市宝凯仑生物科技有限公司 | 一种基于专用试纸对体液的检测方法 |
CN106468661A (zh) * | 2016-09-12 | 2017-03-01 | 深圳市飞点健康管理有限公司 | 一种尿检试纸彩色成像相关性检测方法及系统 |
CN106683140A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市中达瑞和科技有限公司 | 一种颜色识别方法及系统 |
CN106991679A (zh) * | 2017-03-16 | 2017-07-28 | 四川大学 | 一种基于云平台尿检试纸生理指标量化识别方法 |
CN108562548A (zh) * | 2018-01-26 | 2018-09-21 | 北京秒康智能科技有限公司 | 智能尿检马桶的颜色识别方法及其系统 |
CN108593643A (zh) * | 2018-03-13 | 2018-09-28 | 重庆交通大学 | 基于智能移动终端的尿液检测方法 |
CN108593645A (zh) * | 2018-04-24 | 2018-09-28 | 沈阳普泽众康医药科技有限公司 | 一种尿液试纸的检测结果确定方法及确定装置 |
CN108830834A (zh) * | 2018-05-23 | 2018-11-16 | 重庆交通大学 | 一种爬索机器人视频缺陷信息自动提取方法 |
CN109087287A (zh) * | 2018-07-19 | 2018-12-25 | 北京航空航天大学 | 基于图像分析评价空间舱室材料表面菌斑清除效果的方法 |
-
2019
- 2019-03-12 CN CN201910186494.XA patent/CN109991216A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070196862A1 (en) * | 2003-01-02 | 2007-08-23 | Kuo-Jeng Wang | Method for detecting a response of each probe zone on a test strip |
CN102800094A (zh) * | 2012-07-13 | 2012-11-28 | 南京邮电大学 | 一种快速彩色图像分割方法 |
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 |
CN105388147A (zh) * | 2015-10-21 | 2016-03-09 | 深圳市宝凯仑生物科技有限公司 | 一种基于专用试纸对体液的检测方法 |
CN106468661A (zh) * | 2016-09-12 | 2017-03-01 | 深圳市飞点健康管理有限公司 | 一种尿检试纸彩色成像相关性检测方法及系统 |
CN106683140A (zh) * | 2016-12-16 | 2017-05-17 | 深圳市中达瑞和科技有限公司 | 一种颜色识别方法及系统 |
CN106991679A (zh) * | 2017-03-16 | 2017-07-28 | 四川大学 | 一种基于云平台尿检试纸生理指标量化识别方法 |
CN108562548A (zh) * | 2018-01-26 | 2018-09-21 | 北京秒康智能科技有限公司 | 智能尿检马桶的颜色识别方法及其系统 |
CN108593643A (zh) * | 2018-03-13 | 2018-09-28 | 重庆交通大学 | 基于智能移动终端的尿液检测方法 |
CN108593645A (zh) * | 2018-04-24 | 2018-09-28 | 沈阳普泽众康医药科技有限公司 | 一种尿液试纸的检测结果确定方法及确定装置 |
CN108830834A (zh) * | 2018-05-23 | 2018-11-16 | 重庆交通大学 | 一种爬索机器人视频缺陷信息自动提取方法 |
CN109087287A (zh) * | 2018-07-19 | 2018-12-25 | 北京航空航天大学 | 基于图像分析评价空间舱室材料表面菌斑清除效果的方法 |
Non-Patent Citations (3)
Title |
---|
曾德文: ""试纸颜色识别技术研究"", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
杨任兵 等: ""尿液试纸条的手机图像比色分析新方法的研究"", 《影像科学与光化学》 * |
陆旭: ""嵌入式干化学试纸颜色识别关键技术研究"", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455789A (zh) * | 2019-07-18 | 2019-11-15 | 深圳市象形字科技股份有限公司 | 一种利用尿检仪进行饮水量监控装置及方法 |
CN112132154A (zh) * | 2020-09-02 | 2020-12-25 | 杭州棒糖网络科技有限公司 | 一种早孕试纸t线加深方法 |
CN113252654A (zh) * | 2021-05-13 | 2021-08-13 | 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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11933711B2 (en) | Systems and methods for sample display and review | |
Kauppi et al. | The diaretdb1 diabetic retinopathy database and evaluation protocol. | |
Heijl et al. | Visual field interpretation with empiric probability maps | |
US6728561B2 (en) | Multispectral image processing method, apparatus and computer program product for determining the blood oxygen saturation in a vessel | |
CN109991216A (zh) | 一种尿检仪试纸条颜色识别方法 | |
CN107330449A (zh) | 一种糖尿病性视网膜病变体征检测方法及装置 | |
CA2805256C (en) | Method and system for analyzing optical coherence tomography (oct) results using color reflectivity discrelization analysis | |
US11779205B2 (en) | Image classification method, device, and program | |
CN104102899A (zh) | 视网膜血管识别方法及装置 | |
WO2010131944A2 (en) | Apparatus for monitoring and grading diabetic retinopathy | |
CN116228764B (zh) | 一种新生儿疾病筛查血片采集质量检测方法及系统 | |
Kavitha et al. | Hierarchical classifier for soft and hard exudates detection of retinal fundus images | |
CN107543788A (zh) | 一种尿红细胞畸形率检测方法及系统 | |
Yao et al. | Generic features for fundus image quality evaluation | |
Martinez-Perez et al. | Automatic optic disc detection in colour fundus images by means of multispectral analysis and information content | |
CN112256754A (zh) | 基于标准模型的超声检测分析系统及方法 | |
US20040024296A1 (en) | System, method and computer program product for screening a spectral image | |
CN104573668B (zh) | 基于光谱反射率的面部色泽适应性自动识别方法 | |
EP3896650A1 (en) | Quality control system for series production | |
KR101551814B1 (ko) | 설진 영상의 평가지표 정량화를 통한 설진 분석 방법, 시스템 및 그 기록매체 | |
US20150117745A1 (en) | Method, system and a service for analyzing samples of a dried liquid | |
EP4113433A1 (en) | Classification and improvement of quality of vascular images | |
CN109406506A (zh) | 一种共享式自测健康终端及测试方法 | |
KR102595429B1 (ko) | 장 정결도의 자동화 계산 장치 및 방법 | |
CN109946290A (zh) | 一种便携式尿液检测装置与方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190709 |