CN112070678A - 一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统 - Google Patents

一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统 Download PDF

Info

Publication number
CN112070678A
CN112070678A CN202010794867.4A CN202010794867A CN112070678A CN 112070678 A CN112070678 A CN 112070678A CN 202010794867 A CN202010794867 A CN 202010794867A CN 112070678 A CN112070678 A CN 112070678A
Authority
CN
China
Prior art keywords
image
membrane strip
western blotting
western
western blot
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
CN202010794867.4A
Other languages
English (en)
Other versions
CN112070678B (zh
Inventor
朱志亮
李泽寰
罗国亮
肖美华
涂文
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.)
Hebei Compass Information Technology Co.,Ltd.
Original Assignee
East China Jiaotong 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 East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN202010794867.4A priority Critical patent/CN112070678B/zh
Publication of CN112070678A publication Critical patent/CN112070678A/zh
Application granted granted Critical
Publication of CN112070678B publication Critical patent/CN112070678B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统，其中，方法包括以下步骤：S1:获取含有多个蛋白质印迹膜条的图像，并对图像进行分割；S2:获取分割后的图像中每个蛋白质印迹膜条的倾斜角度，并根据倾斜角度对各自对应的蛋白质印迹膜条进行矫正，获得初步倾斜矫正图像；S3:对初步倾斜矫正图像进行预处理；S4:提取预处理图像中每个蛋白质印迹膜条的多个印迹区域，并进行定位；S5:分别将每个蛋白质印迹膜条对应的多个印迹区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。能够避免因膜条本身的空间弯曲导致的倾斜矫正不准确的不足，提升矫正的准确度。

Description

一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统
技术领域
本发明涉及蛋白质印迹膜条矫正技术领域，尤其涉及一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统。
背景技术
蛋白质印迹膜条，即打印在膜条上的条状蛋白质印记图。“印迹”或“电印迹”是指在电场影响下，用于将生物样品从凝胶转移到膜上的方法。该方法需要可固定生物分子样品用于随后检测的膜。这对于膜的表面积、孔隙和蛋白结合能力均提出了特殊要求。蛋白质印迹是对该技术的一种修饰，其包括在使用单克隆或多克隆抗体检测前，将蛋白质在膜上固定。在蛋白质固定到膜上之前，使用SDS聚丙烯酰胺凝胶电泳(SDS-PAGE)将样品蛋白分离为天然或变性的蛋白。所述蛋白随后转移或电印迹至膜上，进而采用对靶蛋白特异性的抗体对它们进行探测并最终检测。
蛋白质印迹法属于经验依赖性的多步骤方法，结果的优劣受到多个因素的影响，传统的手工操作容易引入误差，难以保证重复性和准确性，且试验后的蛋白质印迹膜条的处理也较难以人工精确完成，因此，蛋白质印迹膜条识别处理与图像处理技术相结合将是未来的必然趋势。计算机图像处理所拥有的准确性、高效性是人眼识别所无法比拟的。采用图像处理的方法来对蛋白质印迹膜条的结果进行分析的一个重要步骤就是对膜条进行倾斜矫正,倾斜矫正的准确性影响着后续蛋白质印迹膜条的分析的准确性。
发明内容
本发明所要解决的技术问题是针对上述现有技术的不足，一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统，能准确、鲁棒的矫正蛋白质印迹膜条，能批量矫正多个膜条，矫正效率高。
本发明解决上述技术问题的技术方案如下：一种批量蛋白质印迹膜条倾斜矫正和分割方法，包括以下步骤：
S1:获取含有多个蛋白质印迹膜条的图像，并对所述图像进行分割，获得分割后的图像；
S2:获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度，并根据所述倾斜角度对各自对应的蛋白质印迹膜条进行矫正，获得初步倾斜矫正图像；
S3:对所述初步倾斜矫正图像进行预处理，获得预处理图像；
S4:提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，并进行定位；
S5:分别将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
本发明的有益效果是，对含有多个蛋白质印迹膜条的图像进行分割可以将批量的蛋白质印迹膜条中的每一个膜条单独地提取出来，便于后续的分析；根据所述倾斜角度对各自对应的蛋白质印迹膜条进行初步矫正，批量处理多个蛋白质印迹膜条，增大矫正效率，最后基于重组策略对蛋白质印迹膜条进行倾斜矫正，能够避免因膜条本身的空间弯曲导致的倾斜矫正不准确的不足，进一步提升矫正的准确度，能更加准确、鲁棒的对膜条进行倾斜矫正。
进一步，所述S1中对所述含有多个蛋白质印迹膜条的图像分割的具体过程包括：
S101:采用Canny算子对所述含有多个蛋白质印迹膜条的图像进行边缘检测；
S102:对边缘检测结果的图像中，每个蛋白质印迹膜条进行线段检测和提取，获得每个所述蛋白质印迹膜条内部包含的直线；
S103:采用形态学膨胀和腐蚀方法获取每个蛋白质印迹膜条完整的区域，并进行二值化，获得蛋白质印迹膜条区域图；
S104:对所述蛋白质印迹膜条区域图进行轮廓提取，获得含有每个蛋白质印迹膜条的外接矩形区域图作为所述分割后的图像。
采用上述进一步方案的有益效果是，基于直线检测和形态学膨胀与腐蚀方法进行分割，可以准确地将批量的蛋白质印迹膜条中的每一个蛋白质印迹膜条单独地提取出来，进而有助于后续的分析工作。
进一步，所述S2中获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度具体过程为：
S201:将所述分割后的图像中每个蛋白质印迹膜条的图像均用矩阵形式表示，并求出所述矩阵的秩；
S202:按照一定的步长多次旋转所述每个蛋白质印迹膜条的图像，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度。
采用上述进一步方案的有益效果是，当分割后的图像中的蛋白质印迹膜条的长度方向沿着水平方向或者垂直方向时，该蛋白质印迹膜条图像对应的矩阵的秩是最小的，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度，能够克服传统倾斜方法对噪声、污迹和边缘较为敏感的不足，能够更加准确、更加鲁棒地对膜条进行倾斜矫正。
进一步，所述S3具体包括：
S301:对所述初步倾斜矫正图像进行Lab色彩空间的分解，并在a分量进行二值化操作，获得预处理图像。
进一步，所述S5具体包括：
S501:将每个蛋白质印迹膜条对应的多个印迹区域根据坐标进行排序；
S502:按顺序将所述多个印迹区域复制到对应位置的空白图片中；
S503:将所述多个印迹区域之间的背景区域复制到所述空白图片的对应位置上，获得单个重组的蛋白质印迹膜条；
S504:重复S501-S503,直到处理完所有所述预处理图像的蛋白质印迹膜条，获得多个重组的蛋白质印迹膜条；
S505:将所述多个重组的蛋白质印迹膜条的标签位置进行统一，获得矫正结果；
S506:输出所述矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
采用上述进一步方案的有益效果是，由于存在蛋白质印迹膜条本身弯曲的情况，获得的初步倾斜矫正图像不能完全精准的能对这种情况的将蛋白质印迹膜条进行矫正，但是初步倾斜矫正图像可以保证得到的蛋白质印迹膜条图像的局部的结果区域是准确的，为了进一步准确得到蛋白质印迹膜条图像，在初步矫正后的图像中，通过提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，最后将这些印迹区域以及印迹区域之间的背景区域重新组合在一起，能够精确得到蛋白质印迹膜条图像。
一种批量蛋白质印迹膜条倾斜矫正和分割系统，包括：图像获取模块、图像分割模块、初步矫正模块、预处理模块、印迹区域定位模块、重组模块；
所述图像获取模块用于获取含有多个蛋白质印迹膜条的图像并发送至所述图像分割模块；
所述图像分割模块用于对所述图像进行分割，获得分割后的图像并发送至所述初步矫正模块；
所述初步矫正模块用于获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度，并根据所述倾斜角度对各自对应的蛋白质印迹膜条进行矫正，获得初步倾斜矫正图像并发送至所述预处理模块；
所述预处理模块用于对所述初步倾斜矫正图像进行预处理，获得预处理图像并发送至所述印迹区域定位模块；
所述印迹区域定位模块用于提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，并进行定位；
所述重组模块用于分别将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
本发明的有益效果是，对含有多个蛋白质印迹膜条的图像进行分割可以将批量的蛋白质印迹膜条中的每一个膜条单独地提取出来，便于后续的分析；根据所述倾斜角度对各自对应的蛋白质印迹膜条进行初步矫正，批量处理多个蛋白质印迹膜条，增大矫正效率，最后基于重组策略对蛋白质印迹膜条进行倾斜矫正，能够避免因膜条本身的空间弯曲导致的倾斜矫正不准确的不足，进一步提升矫正的准确度，能更加准确、鲁棒的对膜条进行倾斜矫正。
进一步，所述图像分割模块对所述含有多个蛋白质印迹膜条的图像进行分割的具体过程包括：
S101:采用Canny算子对所述含有多个蛋白质印迹膜条的图像进行边缘检测；
S102:对边缘检测结果的图像中，每个蛋白质印迹膜条进行线段检测和提取，获得每个所述蛋白质印迹膜条内部包含的直线；
S103:采用形态学膨胀和腐蚀方法获取每个蛋白质印迹膜条完整的区域，并进行二值化，获得蛋白质印迹膜条区域图；
S104:对所述蛋白质印迹膜条区域图进行轮廓提取，获得含有每个蛋白质印迹膜条的外接矩形区域图作为所述分割后的图像。
采用上述进一步方案的有益效果是，基于直线检测和形态学膨胀与腐蚀方法进行分割，可以准确地将批量的蛋白质印迹膜条中的每一个蛋白质印迹膜条单独地提取出来，进而有助于后续的分析工作。
进一步，所述初步矫正模块获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度具体过程为：
S201:将所述分割后的图像中每个蛋白质印迹膜条的图像均用矩阵形式表示，并求出所述矩阵的秩；
S202:按照一定的步长多次旋转所述每个蛋白质印迹膜条的图像，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度。
采用上述进一步方案的有益效果是，当分割后的图像中的蛋白质印迹膜条的长度方向沿着水平方向或者垂直方向时，该蛋白质印迹膜条图像对应的矩阵的秩是最小的，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度，能够克服传统倾斜方法对噪声、污迹和边缘较为敏感的不足，能够更加准确、更加鲁棒地对膜条进行倾斜矫正。
进一步，所述预处理模块对所述初步倾斜矫正图像进行预处理的具体过程为：
S301:对所述初步倾斜矫正图像进行Lab色彩空间的分解，并在a分量进行二值化操作，获得预处理图像。
进一步，所述重组模块将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标的具体过程为：
S501:将每个蛋白质印迹膜条对应的多个印迹区域根据坐标进行排序；
S502:按顺序将所述多个印迹区域复制到对应位置的空白图片中；
S503:将所述多个印迹区域之间的背景区域复制到所述空白图片的对应位置上，获得单个重组的蛋白质印迹膜条；
S504:重复S501-S503,直到处理完所有所述预处理图像的蛋白质印迹膜条，获得多个重组的蛋白质印迹膜条；
S505:将所述多个重组的蛋白质印迹膜条的标签位置进行统一，获得矫正结果；
S506:输出所述矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
采用上述进一步方案的有益效果是，由于存在蛋白质印迹膜条本身弯曲的情况，获得的初步倾斜矫正图像不能完全精准的能对这种情况的将蛋白质印迹膜条进行矫正，但是初步倾斜矫正图像可以保证得到的蛋白质印迹膜条图像的局部的结果区域是准确的，为了进一步准确得到蛋白质印迹膜条图像，在初步矫正后的图像中，通过提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，最后将这些印迹区域以及印迹区域之间的背景区域重新组合在一起，能够精确得到蛋白质印迹膜条图像。
附图说明
图1为本发明一种批量蛋白质印迹膜条倾斜矫正和分割方法流程图；
图2为本发明的S1中含有多个蛋白质印迹膜条的图像；
图3为本发明的边缘检测的结果图像；
图4为本发明的蛋白质印迹膜条区域图；
图5为本发明的蛋白质印迹膜条的外接矩形区域图；
图6为本发明的初步倾斜矫正图；
图7为本发明的预处理图像；
图8为本发明的印迹区域示意图；
图9为本发明包含多个重组的蛋白质印迹膜条的图像；
图10为本发明进行标签位置统一后的多个重组的蛋白质印迹膜条的图像；
图11为本发明的矫正结果图。
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所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
一种批量蛋白质印迹膜条倾斜矫正和分割方法，包括以下步骤：
S1:获取含有多个蛋白质印迹膜条的图像，并对所述图像进行分割，获
得分割后的图像；
S2:获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度，并根据所述倾斜角度对各自对应的蛋白质印迹膜条进行矫正，获得初步倾斜矫正图像；
S3:对所述初步倾斜矫正图像进行预处理，获得预处理图像；
S4:提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，并进行定位；
S5:分别将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
对含有多个蛋白质印迹膜条的图像进行分割可以将批量的蛋白质印迹膜条中的每一个膜条单独地提取出来，便于后续的分析；根据所述倾斜角度对各自对应的蛋白质印迹膜条进行初步矫正，批量处理多个蛋白质印迹膜条，增大矫正效率，最后基于重组策略对蛋白质印迹膜条进行倾斜矫正，能够避免因膜条本身的空间弯曲导致的倾斜矫正不准确的不足，进一步提升矫正的准确度，能更加准确、鲁棒的对膜条进行倾斜矫正。
所述S1中对所述含有多个蛋白质印迹膜条的图像分割的具体过程包括：
S101:采用Canny算子对所述含有多个蛋白质印迹膜条的图像进行边缘检测；
在本实施例中，采用的Canny边缘检测算子是一个多级边缘检测算子，它的最重要的一个新特点是其试图将独立的候选像素拼装成轮廓。轮廓的形成是对这些像素运用滞后性阈值。这意味着有两个阈值，上限和下限。如果一个像素的梯度大于上限阈值，则被认为是边缘像素；如果低于下限阈值，则被抛弃；如果介于二者之间，则只有当其与高于上限阈值的像素连接时才会被接受。参照图2和图3，图2为含有多个蛋白质印迹膜条的图像，其中灰色部分为背景图，图3为采用Canny算子对所述含有多个蛋白质印迹膜条的图像进行边缘检测后的结果。从图3中可以看出，该结果初步描绘出了蛋白质印迹膜条的轮廓。
S102:对边缘检测结果的图像中，每个蛋白质印迹膜条进行线段检测和提取，获得每个所述蛋白质印迹膜条内部包含的直线；
在本实施例中，基于Hough变换的直线检测对边缘检测结果进行线段检测和提取，Hought变换是一种使用表决原理的参数估计技术。它的原理是通过在参数空间里进行简单的累加统计，然后在Hough参数空间寻找累加器峰值的方法来检测直线。由于其根据局部度量来计算全局描述参数，因而对于区域边界被噪声干扰或被其他目标遮盖而引起边界发生某些间断的情况，它具有很好的容错性和鲁棒性。Hough变换的实质是将图像空间内具有一定关系的像元进行聚类，寻找能把这些像元用某一解析形式联系起来的参数空间累计对应点。在参数空间不超过二维的情况下，这种变换有着理想的效果。
S103:采用形态学膨胀和腐蚀方法获取每个蛋白质印迹膜条完整的区域，并进行二值化，获得蛋白质印迹膜条区域图；
使用Hough变换来进行直线检测后，通过膨胀的方法来将检测到的直线进行填充，最后通过腐蚀的方法来对填充后的结果进行修复，以此来确定蛋白质印迹膜条的区域，并用二值图进行表示，参照图4。
S104:对所述蛋白质印迹膜条区域图进行轮廓提取，获得含有每个蛋白质印迹膜条的外接矩形区域图作为所述分割后的图像。
从图4中可以看出，蛋白质印迹膜条的区域基本确定了，为了对其做进一步的处理，需要将其提取出来。在本实施例中，采用轮廓跟踪的方法来提取蛋白质印迹膜条的图像。参照图5为提取出的印迹膜条图片，其中深灰色框架为蛋白质印迹膜条轮廓对应的外接矩形。
基于直线检测和形态学膨胀与腐蚀方法进行分割，可以准确地将批量的蛋白质印迹膜条中的每一个蛋白质印迹膜条单独地提取出来，进而有助于后续的分析工作。
所述S2中获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度具体过程为：
S201:将所述分割后的图像中每个蛋白质印迹膜条的图像均用矩阵形式表示，并求出所述矩阵的秩；
S202:按照一定的步长多次旋转所述每个蛋白质印迹膜条的图像，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度。
纹理是图像的一个重要特征，它能很好地描述图像的外部轮廓和内部细节，当分割后的图像中的蛋白质印迹膜条的长度方向沿着水平方向或者垂直方向时，该蛋白质印迹膜条图像对应的矩阵的秩是最小的，这样通过按照一定的步长来多次旋转图像，通过寻找最小秩对应的旋转角度就可以直接获取蛋白质印迹膜条的倾斜角度，进而对蛋白质印迹膜条进行倾斜矫正操作，不需要图像的边缘信息，不需要图像的先验特征，能够克服传统倾斜方法对噪声、污迹和边缘较为敏感的不足，能够更加准确、更加鲁棒地对膜条进行倾斜矫正。
在本实施例中，低秩纹理(Low-Rank Textures)的公式定义为：
r＝dim(span{I(x,y0)|y0∈R})≤k (1)
其中I(x,y)是给定平面空间R2上的一个2D纹理图像，{I(x,y0)|y0∈R}表示该图像对应的一维函数族生成的空间，span{V}表示空间V的一个低维线性子空间，即空间V的最大线性无关组，dim表示空间的维数，此处也就是空间V的最大线性无关组的个数。当r存在，并且k足够小时，则称I是一个秩为r的纹理。
通过该定义可以得到一个重要结论，那就是一个具有规则对称结构的图像通常就是一个低秩纹理。但实际观测到的图像由于存在一些视角的差异以及噪声的干扰，在2D平面中往往不是低秩的。为了得到该低秩纹理，可以构造模型：
Figure BDA0002625166580000111
其中I表示实际观测到的蛋白质印迹膜条图像，I0表示I对应的低秩纹理，τ表示R2→R2的一个仿射变换函数，E表示图像中的噪声、污迹、遮挡、阴影等干扰量，为了表述的方便，上式可以改写为：
Figure BDA0002625166580000112
这样，求解低秩纹理的过程就变成了求解如下最优化模型的过程了，
Figure BDA0002625166580000113
Figure BDA0002625166580000114
但是该模型是一个非凸模型，很难对其进行求解，可以将该模型转化为如下的凸优化模型来对其近似求解：
Figure BDA0002625166580000115
Figure BDA0002625166580000116
其中||*||*表示矩阵的核范数，
Figure BDA0002625166580000117
δi(X)表示X的第i个最大的奇异值，即X的所有奇异值按从大到小的顺序排列后的第i个奇异值。奇异值分解表示为：X＝UΣVT；||*||1表示矩阵的1范数，
Figure BDA0002625166580000121
即所有元素绝对值之和。
对该模型进行求解时，现将其转为无约束的等式模型，即上述模型的解即最小化下式的解：
Figure BDA0002625166580000122
其中||*||F表示矩阵的F范数，
Figure BDA0002625166580000123
这样，通过固定τ，可以求出一个对应的L(I0,E,τ)值，取最小的L(I0,E,τ)值对应的τ就得到了印迹膜条的倾斜参数了。最后，利用该倾斜矫正参数可以完成对印迹膜条的倾斜矫正，初步矫正后的结果如图6所示。所述S3具体包括：
S301:对所述初步倾斜矫正图像进行Lab色彩空间的分解，并在a分量进行二值化操作，获得预处理图像，参照图7。
S4:提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，并进行定位，印迹区域示意图参照图8。
所述S5具体包括：
S501:将每个蛋白质印迹膜条对应的多个印迹区域根据坐标进行排序；
S502:按顺序将所述多个印迹区域复制到对应位置的空白图片中；
S503:将所述多个印迹区域之间的背景区域复制到所述空白图片的对应位置上，获得单个重组的蛋白质印迹膜条；
S504:重复S501-S503,直到处理完所有所述预处理图像的蛋白质印迹膜条，获得多个重组的蛋白质印迹膜条，参照图9；
S505:将所述多个重组的蛋白质印迹膜条的标签位置进行统一，获得矫正结果；在本实施例中，对比图9和图10，蛋白质印迹膜条的标签统一显示在左边。
S506:输出所述矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。在本实施例中，位置坐标即为图像中印迹区域的像素坐标，参照图11。
由于存在蛋白质印迹膜条本身弯曲的情况，获得的初步倾斜矫正图像不能完全精准的能对这种情况的将蛋白质印迹膜条进行矫正，但是初步倾斜矫正图像可以保证得到的蛋白质印迹膜条图像的局部的结果区域是准确的，为了进一步准确得到蛋白质印迹膜条图像，在初步矫正后的图像中，通过提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，最后将这些印迹区域以及印迹区域之间的背景区域重新组合在一起，能够精确得到蛋白质印迹膜条图像。
实施例2
在实施例1的基础上，一种批量蛋白质印迹膜条倾斜矫正和分割系统，包括：图像获取模块、图像分割模块、初步矫正模块、预处理模块、印迹区域定位模块、重组模块；
所述图像获取模块用于获取含有多个蛋白质印迹膜条的图像并发送至所述图像分割模块；
所述图像分割模块用于对所述图像进行分割，获得分割后的图像并发送至所述初步矫正模块；
所述初步矫正模块用于获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度，并根据所述倾斜角度对各自对应的蛋白质印迹膜条进行矫正，获得初步倾斜矫正图像并发送至所述预处理模块；
所述预处理模块用于对所述初步倾斜矫正图像进行预处理，获得预处理图像并发送至所述印迹区域定位模块；
所述印迹区域定位模块用于提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，并进行定位；
所述重组模块用于分别将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
对含有多个蛋白质印迹膜条的图像进行分割可以将批量的蛋白质印迹膜条中的每一个膜条单独地提取出来，便于后续的分析；根据所述倾斜角度对各自对应的蛋白质印迹膜条进行初步矫正，批量处理多个蛋白质印迹膜条，增大矫正效率，最后基于重组策略对蛋白质印迹膜条进行倾斜矫正，能够避免因膜条本身的空间弯曲导致的倾斜矫正不准确的不足，进一步提升矫正的准确度，能更加准确、鲁棒的对膜条进行倾斜矫正。
在本实施例中，图像获取模块可使用高清摄像头，图像分割模块、初步矫正模块、预处理模块、印迹区域定位模块、重组模块均可使用具有计算机。
所述图像分割模块对所述含有多个蛋白质印迹膜条的图像进行分割的具体过程包括：
S101:采用Canny算子对所述含有多个蛋白质印迹膜条的图像进行边缘检测；
S102:对边缘检测结果的图像中，每个蛋白质印迹膜条进行线段检测和提取，获得每个所述蛋白质印迹膜条内部包含的直线；
S103:采用形态学膨胀和腐蚀方法获取每个蛋白质印迹膜条完整的区域，并进行二值化，获得蛋白质印迹膜条区域图；
S104:对所述蛋白质印迹膜条区域图进行轮廓提取，获得含有每个蛋白质印迹膜条的外接矩形区域图作为所述分割后的图像。
基于直线检测和形态学膨胀与腐蚀方法进行分割，可以准确地将批量的蛋白质印迹膜条中的每一个蛋白质印迹膜条单独地提取出来，进而有助于后续的分析工作。
所述初步矫正模块获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度具体过程为：
S201:将所述分割后的图像中每个蛋白质印迹膜条的图像均用矩阵形式表示，并求出所述矩阵的秩；
S202:按照一定的步长多次旋转所述每个蛋白质印迹膜条的图像，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度。
当分割后的图像中的蛋白质印迹膜条的长度方向沿着水平方向或者垂直方向时，该蛋白质印迹膜条图像对应的矩阵的秩是最小的，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度，能够克服传统倾斜方法对噪声、污迹和边缘较为敏感的不足，能够更加准确、更加鲁棒地对膜条进行倾斜矫正。
所述预处理模块对所述初步倾斜矫正图像进行预处理的具体过程为：
S301:对所述初步倾斜矫正图像进行Lab色彩空间的分解，并在a分量进行二值化操作，获得预处理图像。
所述重组模块将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标的具体过程为：
S501:将每个蛋白质印迹膜条对应的多个印迹区域根据坐标进行排序；
S502:按顺序将所述多个印迹区域复制到对应位置的空白图片中；
S503:将所述多个印迹区域之间的背景区域复制到所述空白图片的对应位置上，获得单个重组的蛋白质印迹膜条；
S504:重复S501-S503,直到处理完所有所述预处理图像的蛋白质印迹膜条，获得多个重组的蛋白质印迹膜条；
S505:将所述多个重组的蛋白质印迹膜条的标签位置进行统一，获得矫正结果；
S506:输出所述矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
由于存在蛋白质印迹膜条本身弯曲的情况，获得的初步倾斜矫正图像不能完全精准的能对这种情况的将蛋白质印迹膜条进行矫正，但是初步倾斜矫正图像可以保证得到的蛋白质印迹膜条图像的局部的结果区域是准确的，为了进一步准确得到蛋白质印迹膜条图像，在初步矫正后的图像中，通过提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，最后将这些印迹区域以及印迹区域之间的背景区域重新组合在一起，能够精确得到蛋白质印迹膜条图像。
以上对本发明实施例所提供的技术方案进行了详细介绍，本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述，以上实施例的说明只适用于帮助理解本发明实施例的原理；同时，对于本领域的一般技术人员，依据本发明实施例，在具体实施方式以及应用范围上均会有改变之处，即应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。

Claims (10)

1.一种批量蛋白质印迹膜条倾斜矫正和分割方法，其特征在于，包括以下步骤：
S1:获取含有多个蛋白质印迹膜条的图像，并对所述图像进行分割，获得分割后的图像；
S2:获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度，并根据所述倾斜角度对各自对应的蛋白质印迹膜条进行矫正，获得初步倾斜矫正图像；
S3:对所述初步倾斜矫正图像进行预处理，获得预处理图像；
S4:提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，并进行定位；
S5:分别将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
2.根据权利要求1所述的方法，其特征在于，所述S1中对所述含有多个蛋白质印迹膜条的图像分割的具体过程包括：
S101:采用Canny算子对所述含有多个蛋白质印迹膜条的图像进行边缘检测；
S102:对边缘检测结果的图像中，每个蛋白质印迹膜条进行线段检测和提取，获得每个所述蛋白质印迹膜条内部包含的直线；
S103:采用形态学膨胀和腐蚀方法获取每个蛋白质印迹膜条完整的区域，并进行二值化，获得蛋白质印迹膜条区域图；
S104:对所述蛋白质印迹膜条区域图进行轮廓提取，获得含有每个蛋白质印迹膜条的外接矩形区域图作为所述分割后的图像。
3.根据权利要求1所述的方法，其特征在于，所述S2中获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度具体过程为：
S201:将所述分割后的图像中每个蛋白质印迹膜条的图像均用矩阵形式表示，并求出所述矩阵的秩；
S202:按照一定的步长多次旋转所述每个蛋白质印迹膜条的图像，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度。
4.根据权利要求1所述的方法，其特征在于，所述S3具体包括：
S301:对所述初步倾斜矫正图像进行Lab色彩空间的分解，并在a分量进行二值化操作，获得预处理图像。
5.根据权利要求1-4任一所述的方法，其特征在于，所述S5具体包括：
S501:将每个蛋白质印迹膜条对应的多个印迹区域根据坐标进行排序；
S502:按顺序将所述多个印迹区域复制到对应位置的空白图片中；
S503:将所述多个印迹区域之间的背景区域复制到所述空白图片的对应位置上，获得单个重组的蛋白质印迹膜条；
S504:重复S501-S503,直到处理完所有所述预处理图像的蛋白质印迹膜条，获得多个重组的蛋白质印迹膜条；
S505:将所述多个重组的蛋白质印迹膜条的标签位置进行统一，获得矫正结果；
S506:输出所述矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
6.一种批量蛋白质印迹膜条倾斜矫正和分割系统，其特征在于，包括：图像获取模块、图像分割模块、初步矫正模块、预处理模块、印迹区域定位模块、重组模块；
所述图像获取模块用于获取含有多个蛋白质印迹膜条的图像并发送至所述图像分割模块；
所述图像分割模块用于对所述图像进行分割，获得分割后的图像并发送至所述初步矫正模块；
所述初步矫正模块用于获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度，并根据所述倾斜角度对各自对应的蛋白质印迹膜条进行矫正，获得初步倾斜矫正图像并发送至所述预处理模块；
所述预处理模块用于对所述初步倾斜矫正图像进行预处理，获得预处理图像并发送至所述印迹区域定位模块；
所述印迹区域定位模块用于提取所述预处理图像中每个蛋白质印迹膜条的多个印迹区域和所述多个印迹区域之间的背景区域，并进行定位；
所述重组模块用于分别将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
7.根据权利要求6所述的系统，其特征在于，所述图像分割模块对所述含有多个蛋白质印迹膜条的图像进行分割的具体过程包括：
S101:采用Canny算子对所述含有多个蛋白质印迹膜条的图像进行边缘检测；
S102:对边缘检测结果的图像中，每个蛋白质印迹膜条进行线段检测和提取，获得每个所述蛋白质印迹膜条内部包含的直线；
S103:采用形态学膨胀和腐蚀方法获取每个蛋白质印迹膜条完整的区域，并进行二值化，获得蛋白质印迹膜条区域图；
S104:对所述蛋白质印迹膜条区域图进行轮廓提取，获得含有每个蛋白质印迹膜条的外接矩形区域图作为所述分割后的图像。
8.根据权利要求6所述的系统，其特征在于，所述初步矫正模块获取所述分割后的图像中每个蛋白质印迹膜条的倾斜角度具体过程为：
S201:将所述分割后的图像中每个蛋白质印迹膜条的图像均用矩阵形式表示，并求出所述矩阵的秩；
S202:按照一定的步长多次旋转所述每个蛋白质印迹膜条的图像，通过寻找最小秩对应的旋转角度获得所述蛋白质印迹膜条的倾斜角度。
9.根据权利要求6所述的系统，其特征在于，所述预处理模块对所述初步倾斜矫正图像进行预处理的具体过程为：
S301:对所述初步倾斜矫正图像进行Lab色彩空间的分解，并在a分量进行二值化操作，获得预处理图像。
10.根据权利要求6-9任一所述的系统，其特征在于，所述重组模块将每个蛋白质印迹膜条对应的多个印迹区域和多个背景区域进行重组，获得多个重组的蛋白质印迹膜条，输出矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标的具体过程为：
S501:将每个蛋白质印迹膜条对应的多个印迹区域根据坐标进行排序；
S502:按顺序将所述多个印迹区域复制到对应位置的空白图片中；
S503:将所述多个印迹区域之间的背景区域复制到所述空白图片的对应位置上，获得单个重组的蛋白质印迹膜条；
S504:重复S501-S503,直到处理完所有所述预处理图像的蛋白质印迹膜条，获得多个重组的蛋白质印迹膜条；
S505:将所述多个重组的蛋白质印迹膜条的标签位置进行统一，获得矫正结果；
S506:输出所述矫正结果以及所述矫正结果中每个蛋白质印迹膜条对应的印迹区域的位置坐标。
CN202010794867.4A 2020-08-10 2020-08-10 一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统 Active CN112070678B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010794867.4A CN112070678B (zh) 2020-08-10 2020-08-10 一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010794867.4A CN112070678B (zh) 2020-08-10 2020-08-10 一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统

Publications (2)

Publication Number Publication Date
CN112070678A true CN112070678A (zh) 2020-12-11
CN112070678B CN112070678B (zh) 2023-04-11

Family

ID=73660982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010794867.4A Active CN112070678B (zh) 2020-08-10 2020-08-10 一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统

Country Status (1)

Country Link
CN (1) CN112070678B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5247583A (en) * 1989-11-01 1993-09-21 Hitachi, Ltd. Image segmentation method and apparatus therefor
CN101821291A (zh) * 2007-10-12 2010-09-01 诺瓦提斯公司 抗硬骨素抗体的组合物和应用方法
CN102037352A (zh) * 2008-05-19 2011-04-27 荧光生物有限公司 累积的时间分辨发射双向凝胶电泳
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
CN104677974A (zh) * 2013-12-02 2015-06-03 陈惠� 急性缺血性脑卒中多种蛋白标志物联合诊断模型
CN106295242A (zh) * 2016-08-04 2017-01-04 上海交通大学 基于代价敏感lstm网络的蛋白质域检测方法
CN107092908A (zh) * 2017-06-12 2017-08-25 华东交通大学 一种基于列车转向架上的平面压印字符自动识别方法
CN109272513A (zh) * 2018-09-30 2019-01-25 清华大学 基于深度相机的手与物体交互分割方法及装置
CN109886896A (zh) * 2019-02-28 2019-06-14 闽江学院 一种蓝色车牌分割与矫正方法
CN110084236A (zh) * 2019-04-29 2019-08-02 北京朗镜科技有限责任公司 一种图像的矫正方法及装置
CN110136069A (zh) * 2019-05-07 2019-08-16 语联网（武汉）信息技术有限公司 文本图像矫正方法、装置与电子设备

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5247583A (en) * 1989-11-01 1993-09-21 Hitachi, Ltd. Image segmentation method and apparatus therefor
CN101821291A (zh) * 2007-10-12 2010-09-01 诺瓦提斯公司 抗硬骨素抗体的组合物和应用方法
CN102037352A (zh) * 2008-05-19 2011-04-27 荧光生物有限公司 累积的时间分辨发射双向凝胶电泳
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
CN104677974A (zh) * 2013-12-02 2015-06-03 陈惠� 急性缺血性脑卒中多种蛋白标志物联合诊断模型
CN106295242A (zh) * 2016-08-04 2017-01-04 上海交通大学 基于代价敏感lstm网络的蛋白质域检测方法
CN107092908A (zh) * 2017-06-12 2017-08-25 华东交通大学 一种基于列车转向架上的平面压印字符自动识别方法
CN109272513A (zh) * 2018-09-30 2019-01-25 清华大学 基于深度相机的手与物体交互分割方法及装置
CN109886896A (zh) * 2019-02-28 2019-06-14 闽江学院 一种蓝色车牌分割与矫正方法
CN110084236A (zh) * 2019-04-29 2019-08-02 北京朗镜科技有限责任公司 一种图像的矫正方法及装置
CN110136069A (zh) * 2019-05-07 2019-08-16 语联网（武汉）信息技术有限公司 文本图像矫正方法、装置与电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
农远峰: "基于OpenCV的医疗试纸检测技术", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 *

Also Published As

Publication number Publication date
CN112070678B (zh) 2023-04-11

Similar Documents

Publication Publication Date Title
WO2021051885A1 (zh) 目标标注的方法及装置
US11156564B2 (en) Dirt detection on screen
CN114529459B (zh) 一种对图像边缘进行增强处理的方法和系统及介质
CN105957082A (zh) 一种基于面阵相机的印刷质量在线监测方法
CN112308854B (zh) 一种芯片表面瑕疵的自动检测方法、系统及电子设备
CN111753692A (zh) 目标对象提取方法、产品检测方法、装置、计算机和介质
CN114565612B (zh) 一种基于图像对比的pcb板u型槽加工异常检测方法
CN115170669A (zh) 基于边缘特征点集配准的识别定位方法及系统、存储介质
CN111033563A (zh) 一种免疫层析检测的图像分析方法以及系统
CN113903024A (zh) 一种手写票据数值信息识别方法、系统、介质及装置
CN101315664A (zh) 用于文字识别的文本图像预处理方法
CN114004858A (zh) 基于机器视觉识别航空线缆表面编码的方法及装置
CN113920520A (zh) 图像文本识别方法、系统、存储介质及电子设备
CN112070678B (zh) 一种批量蛋白质印迹膜条倾斜矫正和分割方法及系统
CN111311602A (zh) 中医面诊的嘴唇图像分割装置及方法
CN117372812A (zh) 基于网络学习的电池ct图像极片对齐度智能识别方法
CN110298347B (zh) 一种基于GrayWorld与PCA-CNN的汽车尾气分析仪屏幕的识别方法
CN115439477B (zh) 24色卡定位方法、装置、电子设备及存储介质
CN116563298A (zh) 基于高斯拟合的十字线中心亚像素检测方法
CN116433978A (zh) 一种高质量瑕疵图像自动生成与自动标注方法及装置
CN115063375B (zh) 一种对排卵试纸检测结果进行自动分析的图像识别方法
CN111368572A (zh) 一种二维码的识别方法及系统
CN115511819A (zh) 一种x射线焊缝边界识别方法、装置、设备及存储介质
KR101766787B1 (ko) Gpu장치를 기반으로 하는 딥러닝 분석을 이용한 영상 보정 방법
CN116958019A (zh) 基于机器视觉的缺陷检测方法、装置及存储介质

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240725

Address after: No. 30 Xueyuan Road, High tech Zone, Shijiazhuang City, Hebei Province, China. No. A003, Commercial Zone 1, Aohu District 2, Deputy No. 6

Patentee after: Hebei Compass Information Technology Co.,Ltd.

Country or region after: China

Address before: No. 808, Shuanggang East Street, Nanchang Economic and Technological Development Zone, Jiangxi Province

Patentee before: East China Jiaotong University

Country or region before: China