CN112557350A - 一种基于hsv模型的溶液浊度检测方法、介质、图像系统 - Google Patents
一种基于hsv模型的溶液浊度检测方法、介质、图像系统 Download PDFInfo
- Publication number
- CN112557350A CN112557350A CN202011349367.6A CN202011349367A CN112557350A CN 112557350 A CN112557350 A CN 112557350A CN 202011349367 A CN202011349367 A CN 202011349367A CN 112557350 A CN112557350 A CN 112557350A
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- reference image
- light
- obtaining
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 claims description 25
- 238000003709 image segmentation Methods 0.000 claims description 15
- 238000012512 characterization method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 4
- 238000003702 image correction Methods 0.000 claims description 4
- 239000000523 sample Substances 0.000 description 142
- 239000012488 sample solution Substances 0.000 description 8
- 230000000903 blocking effect Effects 0.000 description 6
- 239000007787 solid Substances 0.000 description 6
- 239000000725 suspension Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000000758 substrate Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
Images
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/59—Transmissivity
-
- G06T5/80—
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
Abstract
本发明提供一种基于HSV模型的溶液浊度检测方法,包括如下步骤:获取样本图像;所述样本图像中还至少包含一用以对比的参照图像;获取在HSV模型下参照图像周围区域中单一像素点Nn的亮度值VN n;获取参照图像周围区域中若干像素点{Nn}的亮度值组{VN n},以从所述亮度值组{VN n}中得到参考亮度值V0;获取参照图像内单一像素点Mn的亮度值VM n;获取参照图像内若干像素点{Mn}的亮度值组{VM n},以从所述亮度值组{VM n}中得到表征亮度值V;根据V0、V的比值以得到所述含有待测样本的可透光溶液的浊度值τ。本发明还涉及图像系统、存储介质。本发明通过在样本位内设置参照位,以避免参照位位置的差异,导致光线照射强度不同,从而影响最终的检测结果。
Description
技术领域
本发明涉及医学检测技术领域,尤其涉及一种基于HSV模型的溶液浊度检测方法、介质、图像系统。
背景技术
现有技术中,在进行浊度检测时,往往需要至少一个样本位、参照位,通过参照位对样本位进行标定。光源照向孔板上的样本位、参照位时,参照位位置的不同会导致射入该位置处光线的亮度不同,从而引起最终检测结果的差异。
为了提高测量精度,本发明提出一种新的基于HSV模型的溶液浊度检测方法以解决上述问题。
发明内容
为了克服现有技术的不足,本发明的第一个目的是提供一种基于HSV模型的溶液浊度检测方法,包括如下步骤:
获取图像采集装置拍摄的在光源照射下的含有待测样本的可透光溶液的图像,记为样本图像;所述样本图像中还至少包含一用以对比的参照图像;其中,所述参照图像所在区域为一纯深色块的图像;
获取在HSV模型下参照图像周围区域中单一像素点Nn的亮度值VN n;
获取参照图像周围区域中若干像素点{Nn}的亮度值组{VN n},以从所述亮度值组{VN n}中得到参考亮度值V0,所述参考亮度值V0为亮度值组{VN n}中的最大值/最小值;或为亮度值组{VN n}的算术平均值;
获取在HSV模型下叠加有待测样本的可透光溶液散射作用的所述参照图像内单一像素点Mn的亮度值VM n;
获取参照图像内若干像素点{Mn}的亮度值组{VM n},以从所述亮度值组{VM n}中得到表征亮度值V,所述表征亮度值V为亮度值组{VM n}中的最大值/最小值;或为亮度值组{VM n}的算术平均值;
根据V0、V的比值以得到所述含有待测样本的可透光溶液的浊度值τ。
优选地,所述图像采集装置拍摄若干所述样本图像。
优选地,还包括图像分割步骤:
对所述图像采集装置拍摄的原始图像通过算法模型进行图像分割以获取若干样本图像。
优选地,所述参照图像为样本图像内的一圆形图像。
优选地,从样本图像提取参照图像时,还包括步骤:
获取样本容器上形成参照图像的参照物的半径;
根据样本容器的型号信息确定参照图像的圆心在样本图像内的位置,所述型号信息为样本容器上样本位与参照物的相对位置关系;
根据参照图像的圆心位置、参照物的半径在所述样本图像内定位所述参照图像的所在区域。
优选地,
在获取样本图像后还包括图像校正步骤:
逐行逐点获取在HSV模型下样本图像H、S、V三通道的像素值;
根据校正系数、拉伸系数对接收到的每行像素值进行拉伸、校正直至完成对所述样本图像的最后一行像素值完成校正。
本发明的第二个目的是提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行如上任一项所述的方法。
本发明的第三个目的是提供一种图像系统,包括:
浊度检测模块,配置为执行如上所述的基于HSV模型的溶液浊度检测方法;
图像采集模块,用于采集样本位的图像信息,记为样本图像,所述样本图像中包括一用以对比的参照图像;
发光模块,用于提供照明;
图像采集模块在发光模块下采集样本图像、参照图像,所述样本图像、参照图像传输至浊度检测模块进行图像处理,以输出该样本位的浊度值。
优选地,还包括反射模块,以将所述发光模块自所述样本位照射出的光线反射射向所述图像采集模块。
相比现有技术,本发明的有益效果在于:
(1)本发明涉及的溶液浊度检测方法,通过取消单独设置参照位,避免参照位位置的差异对最终检测结果造成影响。
(2)本发明通过使用HSV模型直接得到目标区域的亮度值,无需模型转换,方便快捷。
(3)通过利用图像采集装置拍摄若干所述样本图像,以实现大通量检测。
(4)通过采用图像分割法对待处理的三通道RGB图像进行图像处理,简单快捷。
(5)通过设置参照图像为圆形,以使得射向参照图像内的光线尽量均匀。
(6)通过对样本图像进行图像校正,以提升获取的样本图像的准确性,最终提升浊度值的精度。
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,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的一种基于HSV模型的溶液浊度检测方法的流程图;
图2为本发明中一种图像分割方法的流程图;
图3为本发明中提高图像分割准确性的流程图;
图4为本发明从样本图像中定位参照图像的流程图;
图5为本发明在一些实施例中图像校正的流程图;
图6为本发明的一种图像系统的结构示意图;
图7为本发明的样本容器的结构示意图;
图8为本发明的阻光层的结构示意图;
图9为本发明的可透光溶液的浊度与表征亮度值与参考亮度值的比值的关系图;
附图标记:1、图像表征主体;11、载台;12、样本容器;13、光源;14、图像采集装置;15、光线调整装置;121、本体;1211、样本位;123、阻光层;1231、不透光区。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一
浊度检测法的主要依据是悬浊液中的颗粒对光线的散射的性质。当一束光线通过悬浊液时,在一定条件下散射光的程度(或透射光减弱的程度)和悬浊液中颗粒的数量成比例关系,具体可见公式:I=I0eτb,其中,I为透射光强度,I0为入射光强度,b为光径,τ为浊度。目前使用的检测技术都是基于光电技术,当光束通过悬浊液时,由于被散射或吸收而降低其透过量,悬浊液的浓度同光密度成正比,同透光度成反比,光密度或透光度则可以借光电器件测定,这就是光电浊度检测法的依据。传统的光电浊度检测不能体现测量值的空间位置信息,无法实现大通量检测。
本申请涉及一种新型的基于HSV模型的溶液浊度检测方法,该方法通过图像采集装置获取图像信息,通过提取有效图像信息经过数据处理得到最终的浊度值,由于图像采集装置获取的为一空间内的图像信息,因此该方法可避免当包括多个样本位时,光线射入方向对最终测量结果的影响。该方法主要匹配一种浊度检测仪,该浊度检测仪的工作原理为:通过图像采集装置获取待测样本的图像信息,该图像信息上传至上位机后,上位机(如计算机等)对图像信息进行信息加工,如公式运算等,以将图像信息转换成待测样本的混浊度,即通过拍照获取待测样本的浊度值,快捷方便,适用于大通量样本检测。HSV是一种将RGB色彩空间中的点在倒圆锥体中的表示方法。HSV即色相(Hue)、饱和度(Saturation)、亮度(Value)。色相是色彩的基本属性,就是平常说的颜色的名称,如红色、黄色等。饱和度(S)是指色彩的纯度,越高色彩越纯,低则逐渐变灰,取0-100%的数值。亮度(V),取0-max(计算机中HSV取值范围和存储的长度有关)。应当理解,HSB模型仅为HSV模型的另一种描述方式,实则为同一种模型。具体包括如下步骤,如图1所示:
S101:获取图像采集装置拍摄的在光源照射下的含有待测样本的可透光溶液的图像,记为样本图像;所述样本图像中还至少包含一用以对比的参照图像;其中,所述参照图像所在区域为一纯深色块的图像;该图像采集装置可为相机、摄像机等;如图像采集装置可为数码相机,以采集数码图像;该图像采集装置也可为电荷耦合装置(CCD);该含有待测样本的可透光溶液可为乳糜血或其他包含颗粒物质的可透光溶液;该纯深色块的图像可为黑色图像;在一些实施例中,参照图像对应的为当样本容器(样本容器包括容器本体以及防止容器挥发的上盖)上盖包括一衬底如纯黑色的底色时(该纯黑色的底色可直接印制在上盖上或通过后期加工与上盖固定连接,该固定连接方式包括粘接等);光线透过该具有纯黑色的底色的封盖在样本图像内形成的黑色块图像(纯深色块的图像)。
应当理解,参照图像、样本图像可为任意形状,优选地,参照位图像、样本位图像为圆形的图像,以尽可能保证光线照射参照位、样本位时光线的均匀性。
S102:获取在HSV模型下参照图像周围区域中单一像素点Nn的亮度值VN n;
S103:获取参照图像周围区域中若干像素点{Nn}的亮度值组{VN n},以从所述亮度值组{VN n}中得到参考亮度值V0,所述参考亮度值V0为亮度值组{VN n}中的最大值/最小值;或为亮度值组{VN n}的算术平均值;
参照图像周围区域由若干像素点构成,分别记为像素点N1、N2、N3、N4直到Mn;1-n个像素点涵盖了参照图像周围区域内所有的像素点;以S102的方式获取该区域内所有像素点的亮度值,即得到若干与目标像素点对应的该像素点的亮度值VN n;在一些实施例中,对获取的该区域内所有像素点值VN n进行大小比较,以通过VN n中的最大值或最小值来衡量参照图像周围区域内的亮度值V0;具体地,N1对应的亮度值为VN 1,N2对应的亮度值为VN 2,Nn对应的亮度值为VN n,对VN n进行大小排序,以得出该区域内单一像素点值中的最大值或最小值,并以此表征该参照图像周围区域的亮度值;在另一些实施例中,对获取的该区域内所有像素点值VN n求算术平均值,并以该平均值作为该区域内的亮度值,以平均值作为亮度值可提升该区域内亮度值的准确性。具体地,在参照图像周围区域内包括像素点N1、N2、N3、N4直到Nn,则参照图像周围区域的亮度值通过(VN 1+VN 2+VN 3+……+VN n)/n计算,该计算式的分子为该区域内所有单一像素点亮度值的和,分母为该区域内单一像素点的个数。
S104:获取在HSV模型下叠加有待测样本的可透光溶液散射作用的所述参照图像内单一像素点Mn的亮度值VM n;
S105:获取参照图像内若干像素点{Mn}的亮度值组{VM n},以从所述亮度值组{VM n}中得到表征亮度值V,所述表征亮度值V为亮度值组{VM n}中的最大值/最小值;或为亮度值组{VM n}的算术平均值;获取参照图像内若干像素点的亮度值VM n并对若干像素点的亮度值大小进行排序以将VM n中的最大值/最小值或对若干像素点的的亮度值VM n计算算术平均值以得到V;参照图像内的图像由若干像素点构成,分别记为像素点M1、M2、M3、M4直到Mn;1-n个像素点涵盖了参照图像内所有的像素点;以S104的方式获取该区域内所有像素点的亮度值,即得到若干与目标像素点对应的该像素点的亮度值VM n;在一些实施例中,对获取的该区域内所有像素点值VM n进行大小比较,以通过VM n中的最大值或最小值来衡量参照图像内区域的亮度值V;具体地,M1对应的亮度值为VM 1,M2对应的亮度值为VM 2,Mn对应的亮度值为VM n,对VM n进行大小排序,以得出该区域内单一像素点值中的最大值或最小值,并以此表征该参照图像内所在区域的亮度值;在另一些实施例中,对获取的该区域内所有像素点值VM n求算术平均值,并以该平均值作为该区域内的亮度值,以平均值作为亮度值可提升该区域内亮度值的准确性。具体地,在参照图像内的图像包括像素点M1、M2、M3、M4直到Mn,则该所在区域的亮度值通过(VM 1+VM 2+VM 3+……+VM n)/n计算,该计算式的分子为该区域内所有单一像素点亮度值的和,分母为该区域内单一像素点的个数。
当样本容器上盖包括纯黑色的底色时,此时,标准样品(如:澄清溶液)在纯黑色的底色部分的图像的亮度值在理想状态下为0;在一些实施例中,可在实验开始前展开预实验,具体可在样本容器内放入澄清溶液,测量该样本位上的亮度值,若不为0,可设置当前的澄清溶液所对应的样本位的亮度值为0,即在正式实验开始前预先进行校零实验。
应当理解,当待测样本中包括颗粒物时,参照图像周围的颗粒对入射光产生散射,散射光照亮参照图像的内部区域,因此,将参照图像周围区域的亮度记为V0,将参照图像内部区域的亮度记为V。
应当理解,该V、V0为对应区域亮度的最大值或相应区域的平均值,优选地,为了保证获取的对应区域的亮度的准确性,V、V0为对应区域亮度的平均值。
S106:根据V0、V的比值以得到所述含有待测样本的可透光溶液的浊度值τ。
具体地,准备14组可透光溶液用以做线性回归分析。分别获取相应的图像,以根据可透光溶液的图像的参考亮度值、表征亮度值的比值与溶液浊度之间的关系确定a、b系数值。如图9所示,以14组可透光溶液的表征亮度值与参考亮度值的比值、浊度分别为横坐标、纵坐标形成关系图;横坐标x表示V/V0,y表示浊度,得到x与y的关系式,为y=2.5212e4.0592x;其中,系数1/b等于2.5212;a等于4.0592;R2表示相关指数,用以反应线性回归分析的效果,介于0~1之间,越接近1,回归拟合效果越好,一般认为超过0.8的模型拟合优度比较高。进而确定一种新的、便捷的浊度计算公式可对可透光溶液进行浊度测定,也可同时对若干个待检测可透光溶液进行浊度测定,实现高通量的定量分析,快速、便捷。
14组可透光溶液的表征亮度值与参考亮度值的比值、浊度值对应关系见表一。
表一
V/V<sub>0</sub> | 浊度(%) |
0.93 | 100 |
0.89 | 90 |
0.88 | 80 |
0.83 | 70 |
0.8 | 60 |
0.75 | 50 |
0.65 | 40 |
0.56 | 30 |
0.31 | 10 |
0.19 | 5 |
0.49 | 25 |
0.34 | 12.5 |
0.23 | 6.25 |
0.16 | 3.125 |
具体地,在执行S101时,由于图像采集装置拍摄的为一图像,上位机需要对获取的图像进行特征提取以明确样本图像、参照图像的具体所在区域。特征提取可为基于人工智能算法对应于整个图像的特征识别结果。所述人工智能算法例如可以由深度神经网络实现。举例来说,所述深度神经网络可以是基于GoogLeNet,AlexNet、ZFnet、ResNet等神经网络模型,并通过训练样本数据库来实现对图像进行图像处理,以实现特征提取。即在具体实施时,对图像采集装置拍摄的图像进行特征提取以确定样本图像、参照图像。
上述对应的实施例围绕一个样本位展开;而在实际进行检测操作时,样本容器往往包括若干样本位,此时图像采集装置拍摄的图像为包含若干样本图像的图像。
当包含若干样本图像时,还包括图像分割步骤,如图2所示:
S201:对所述图像采集装置拍摄的原始图像通过算法模型进行图像分割以获取若干样本图像。在一些实施例中,可根据智能算法对包含若干样本图像的原始图像进行图像分割,以获取若干目标图像,若干样本图像互不重叠,相互独立。
在一些实施例中,为了提升获取的包括若干目标样本位图像的准确性,在一些实施例中,在S201后还包括步骤,如图3所示:
S202:比较所述包括若干样本图像的原始图像与包括若干样本位的标准图像的相似度;计算机程序里可预存有包含多个样本位的样本容器的标准图像,将该标准图像与S201中获取的包括若干样本图像的原始进行比较,以判定两者之间的相似度。
S203:若所述相似度满足图像分割条件时,则在所述原始图像中分割若干样本图像对应的图块。图像分割条件可预存于计算机程序中或人工设定相应的图像分割条件,如设定相似度达到85%及以上则为满足图像分割条件,应当理解,图像分割条件可根据具体的需求进行设定,当满足该条件时,对该原始图像进行图像分割。
通过执行S201-S203以确保图像分割的准确性。
S101中涉及的参照图像为样本容器上阻光区在样本容器的样本位内形成的正投影,该参照图像可为任意形状,仅需要限定参照图像不超出样本图像的所在区域。在一些实施例中,参照图像为圆形,以使得光线射向参照图像时,参照图像的四周具有均匀的散射光。
当参照图像为圆形时,在从样本图像提取参照图像时,还包括步骤,如图4所示:
S301:获取样本容器上形成参照图像的参照物的半径;在一些实施例中,用户可根据样本容器的型号人工输入该样本容器内阻光区的半径;在另一些实施例中,针对不同的样本容器,阻光区的半径为一定值,此时,用于执行该方法的介质可存储有直接获取存储的参照物的半径。
S302:根据样本容器的型号信息确定参照图像的圆心在样本图像内的位置,所述型号信息为样本容器上样本位与参照物的相对位置关系;由于参照图像设置于样本图像内,当样本图像的位置、样本图像的圆心确定后,此时仅需要根据理论上样本容器的阻光区的正投影的圆心与样本位圆心的位置关系确定样本图像内参照图像的圆心位置。
S303:根据参照图像的圆心位置、参照物的半径在所述样本图像内定位所述参照图像的所在区域。当S302确定好圆心后,以S301的参照物的半径在样本图像内定位参照图像的所在区域。应当理解,阻光区为样本容器上的黑色衬底,该黑色衬底与样本位一一对应设置,且黑色衬底的正投影处于样本位内。
由于图像采集装置获取的图像会存在畸变,因此为了提升最终图像的精准性,需要对所获取的图像进行校正。在一些实施例中,在获取图像采集装置反馈的待测透光溶液的三通道HSV图像时还包括校正步骤,如图5所示:
S401:逐行逐点获取三通道HSV图像的原始数据;逐行逐点获取三通道HSV图像的像素值。
S402:根据校正系数、拉伸系数对接收到的图像原始数据中的每行像素进行拉伸、校正直至完成对所述图像的最后一行像素完成校正。拉伸系数为将畸变图像拉伸的倍数,该校正系数是由采集所述畸变图像所使用的光学镜头的径向畸变参数和切向畸变参数确定的,所述畸变图像中的每个原像素均具有一组校正系数,并与所述校正图像中的一个校正像素对应。按照设定的校正系数,对畸变图像的每行像素进行校正,直至完成对畸变图像的最后一行像素的拉伸和较正后,获得畸变图像的校正图像。
一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行如上的方法。
实施例二
如图6-8所示,一种图像系统,包括:浊度检测模块,配置为执行如实施例一中的基于HSV模型的溶液浊度检测方法;图像采集模块,用于采集样本位的图像信息,记为样本图像,所述样本图像中包括一用以对比的参照图像;发光模块,用于提供照明;图像采集模块在发光模块下采集样本图像、参照图像,所述样本图像、参照图像传输至浊度检测模块进行图像处理,以输出该样本位的浊度值。
在一些实施例中,还包括反射模块,以将所述发光模块自所述样本位照射出的光线反射射向所述图像采集模块,以此避免光线路径过长,保证图像系统的整体结构大小适中。
图像系统包括图像表征主体,该图像表征主体1为避光式壳体结构;该图像表征主体1包括:载台11,用以放置样本容器12;光源13,用于提供照设样本容器12内的样本溶液;至少一个图像采集装置14,以采集样本溶液的图像;浊度检测模块,用于获取样本溶液的图像并将其转化为浊度值;光源13、图像采集装置14分别位于载台11两侧;光源13被触发后,图像采集装置14获取若干个样本位内样本溶液的图像,经所述浊度检测模块转化为表征各自样本位内溶液中悬浮物的浊度值。
应当理解,图像表征主体1为封闭式结构,以为图像采集提供一避光的采集环境,以保证检测结果的准确性。在一些实施例中,浊度检测模块存储于上位机,以通过上位机显示浊度。该上位机可为电脑、平板、手机等,上位机可装载有该浊度检测模块且上位机包括显示装置,以直接将浊度检测模块最终获得的浊度信息直接显示于上位机,以供用户第一时间快速了解待测样本溶液的浊度信息。
在一些实施例中,载台11,固定安装于图像表征主体1的内部,以为样本容器12提供支撑平台。此外,载台11也可活动安装于图像表征主体1的内部,即载台11可活动运动于活动开口位置处,以方便样本容器12在图像表征主体1内的取放。为了保证检测结果的精准性,在另一些实施例中,载台11上还包括至少一个传感器(未图示),该传感器可为定位传感器,用于样本容器12的精确定位,保证光源13发射的光线与样本容器12正对设置。为了保证光线能够穿透载台11,载台11优选由透明材料制成。
光源13,可在两个或更多个波长光谱之间可切换,如可在白光、红光、蓝光、绿光、紫外光(UV)、近红外光(近IR)和红外光(IR)以及前述的组合等之间切换。光源13为面光源,以保证光线直射进入每一样本容器内的样本位中。
至少一个图像采集装置14用于对载台11上的样本容器12进行光学成像。由于一个图像采集装置14会造成采集图像信息的缺失,为了保证采集的图像信息的全面性,可在图像表征主体1内设置多个图像采集装置14,多个图像采集装置14可以布置成从围绕成像位置布置的不同视角拍摄图像。图像采集装置14可为数码相机,以采集数码图像;图像采集装置14可为电荷耦合装置(CCD)、摄像机等具有图像采集功能的设备。
在一实施例中,当图像采集装置14为CCD相机时,光源13被触发后,CCD相机获取样本容器12内各样本的图像信息,该图像信息经传输装置传输至计算机后,计算机内的预设公式将获取的图像信息代入公式以输出若干浊度值以表征待测样本。CCD相机可与计算机通信连接,样本容器12可包括若干个样本位,该若干个可为任意个数,具体根据实际检测需求进行设置。为了满足高通量检测的需求,该样本容器12可为96孔板,以一次性对96个样本进行检测,CCD相机拍摄96孔板以获取96孔板的图像信息,该图像信息上传至计算机后,计算机首先对获取的图像信息进行有效特征提取,再将有效图像信息输入预设公式进行计算以获取96个样本位的浊度值。
在一些实施例中,样本容器11为包括若干样本位的孔板或为用于容纳透明试管的试管架;当样本容器11为包括若干样本位的孔板时,该样本容器11可直接用于盛放待测样本溶液;当样本容器11为用于容纳透明试管的试管架时,样本容器11用于装载盛放待测样本溶液的透明试管。
在一些实施例中,还包括反射组件(未图示),反射组件位于样本容器12与图像采集装置14之间,以将样本溶液的图像反射射向图像采集装置14;避免图像采集装置14与孔板12之间的距离过长,成像路径过长,导致图像表征主体1的整体结构过大。
为了在样本图像中形成一用以对比的参照图像,样本容器12包括:本体121,所述本体121上设有若干样本位1211,所述样本位1211用于装载有待测样本的可透光溶液或用于装载有待测样本的可透光溶液的透明试管;阻光层123,盖设于所述本体121上且覆盖所述若干样本位1211,所述阻光层123包括若干不透光区1231,所述不透光区1231与所述样本位1211一一对应且所述不透光区1231的正投影处于所述样本位1211内;光源发出的光透过阻光层123上的若干不透光区1231照射到与所述不透光区对应的样本位1211内,以使得所述样本位1211内不透光区1231的正投影上叠加有待测样本的可透光溶液散射作用的光线亮度。
应当理解,图7-图8仅用于表示结构本身、连接方式、位置关系等,不代表该结构各部件之间的大小比例关系等。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书一个或多个实施例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,本说明书一个或多个实施例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。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出的实施例。
Claims (10)
1.一种基于HSV模型的溶液浊度检测方法,其特征在于,包括如下步骤:
获取图像采集装置拍摄的在光源照射下的含有待测样本的可透光溶液的图像,记为样本图像;所述样本图像中还至少包含一用以对比的参照图像;其中,所述参照图像所在区域为一纯深色块的图像;
获取在HSV模型下参照图像周围区域中单一像素点Nn的亮度值VN n;
获取参照图像周围区域中若干像素点{Nn}的亮度值组{VN n},以从所述亮度值组{VN n}中得到参考亮度值V0,所述参考亮度值V0为亮度值组{VN n}中的最大值/最小值;或为亮度值组{VN n}的算术平均值;
获取在HSV模型下叠加有待测样本的可透光溶液散射作用的所述参照图像内单一像素点Mn的亮度值VM n;
获取参照图像内若干像素点{Mn}的亮度值组{VM n},以从所述亮度值组{VM n}中得到表征亮度值V,所述表征亮度值V为亮度值组{VM n}中的最大值/最小值;或为亮度值组{VM n}的算术平均值;
根据V0、V的比值以得到所述含有待测样本的可透光溶液的浊度值τ。
3.根据权利要求1所述的一种基于HSV模型的溶液浊度检测方法,其特征在于,所述图像采集装置拍摄若干所述样本图像。
4.根据权利要求3所述的一种基于HSV模型的溶液浊度检测方法,其特征在于,还包括图像分割步骤:
对所述图像采集装置拍摄的原始图像通过算法模型进行图像分割以获取若干样本图像。
5.根据权利要求1所述的一种基于HSV模型的溶液浊度检测方法,其特征在于,所述参照图像为样本图像内的一圆形图像。
6.根据权利要求5所述的一种基于HSV模型的溶液浊度检测方法,其特征在于,从样本图像提取参照图像时,还包括步骤:
获取样本容器上形成参照图像的参照物的半径;
根据样本容器的型号信息确定参照图像的圆心在样本图像内的位置,所述型号信息为样本容器上样本位与参照物的相对位置关系;
根据参照图像的圆心位置、参照物的半径在所述样本图像内定位所述参照图像的所在区域。
7.根据权利要求1所述的一种基于HSV模型的溶液浊度检测方法,其特征在于,在获取样本图像后还包括图像校正步骤:
逐行逐点获取在HSV模型下样本图像H、S、V三通道的像素值;
根据校正系数、拉伸系数对接收到的每行像素值进行拉伸、校正直至完成对所述样本图像的最后一行像素值完成校正。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行如权利要求1-7任一项所述的方法。
9.一种图像系统,其特征在于,包括:
浊度检测模块,配置为执行如权利要求1所述的基于HSV模型的溶液浊度检测方法;
图像采集模块,用于采集样本位的图像信息,记为样本图像,所述样本图像中包括一用以对比的参照图像;
发光模块,用于提供照明;
图像采集模块在发光模块下采集样本图像、参照图像,所述样本图像、参照图像传输至浊度检测模块进行图像处理,以输出该样本位的浊度值。
10.根据权利要求9所述的图像系统,其特征在于,还包括反射模块,以将所述发光模块自所述样本位照射出的光线反射射向所述图像采集模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011349367.6A CN112557350B (zh) | 2020-11-26 | 2020-11-26 | 一种基于hsv模型的溶液浊度检测方法、介质、图像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011349367.6A CN112557350B (zh) | 2020-11-26 | 2020-11-26 | 一种基于hsv模型的溶液浊度检测方法、介质、图像系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112557350A true CN112557350A (zh) | 2021-03-26 |
CN112557350B CN112557350B (zh) | 2022-11-11 |
Family
ID=75046897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011349367.6A Active CN112557350B (zh) | 2020-11-26 | 2020-11-26 | 一种基于hsv模型的溶液浊度检测方法、介质、图像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112557350B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005292124A (ja) * | 2004-03-09 | 2005-10-20 | Matsushita Electric Ind Co Ltd | 撮影装置 |
JP2008029271A (ja) * | 2006-07-31 | 2008-02-14 | Matsushita Electric Ind Co Ltd | 細菌検出装置及び方法 |
CN107356596A (zh) * | 2017-07-11 | 2017-11-17 | 南京工程学院 | 水下标定目标成像装置及光学图像法水质浊度在线检测方法 |
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 |
CN109632087A (zh) * | 2019-01-04 | 2019-04-16 | 北京环境特性研究所 | 适用于成像亮度计的现场标定方法及成像亮度计标定装置 |
CN109691083A (zh) * | 2016-09-05 | 2019-04-26 | 株式会社斯库林集团 | 图像处理方法、图像处理装置及摄像装置 |
-
2020
- 2020-11-26 CN CN202011349367.6A patent/CN112557350B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005292124A (ja) * | 2004-03-09 | 2005-10-20 | Matsushita Electric Ind Co Ltd | 撮影装置 |
JP2008029271A (ja) * | 2006-07-31 | 2008-02-14 | Matsushita Electric Ind Co Ltd | 細菌検出装置及び方法 |
CN109691083A (zh) * | 2016-09-05 | 2019-04-26 | 株式会社斯库林集团 | 图像处理方法、图像处理装置及摄像装置 |
CN107356596A (zh) * | 2017-07-11 | 2017-11-17 | 南京工程学院 | 水下标定目标成像装置及光学图像法水质浊度在线检测方法 |
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 |
CN109632087A (zh) * | 2019-01-04 | 2019-04-16 | 北京环境特性研究所 | 适用于成像亮度计的现场标定方法及成像亮度计标定装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112557350B (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1191462C (zh) | 平面被测对象的逐个像素光电测量装置 | |
CN1188672C (zh) | 平面被测对象的逐个像素光电测量装置 | |
KR101284268B1 (ko) | 비전시스템의 이미지 품질 향상을 위한 컬러조명 제어방법 | |
JP5833631B2 (ja) | 光学検査システム中の1つ以上の検査パラメータの1つ以上の範囲を設定する方法 | |
CN112964652A (zh) | 一种溶液比色分析快速检测装置、系统和检测方法 | |
CN115032196B (zh) | 一种全划片高通量彩色病理成像分析仪器及方法 | |
CA2754822A1 (en) | Apparatus and method for measuring haze of sheet materials or other materials | |
KR20180114826A (ko) | 시트 검사 장치 | |
US9531950B2 (en) | Imaging system and imaging method that perform a correction of eliminating an influence of ambient light for measurement data | |
CN111812013A (zh) | 用于光学地检测生物标志物的方法 | |
JP2021113744A (ja) | 撮像システム | |
CN112505002B (zh) | 一种基于rgb模型的溶液浊度检测方法、介质、图像系统 | |
CN112557350B (zh) | 一种基于hsv模型的溶液浊度检测方法、介质、图像系统 | |
CN112461762B (zh) | 基于hsv模型的溶液浊度检测方法、介质、图像处理系统 | |
CN111398138A (zh) | 一种干式血液细胞分析装置的光学检测系统及方法 | |
TW202014930A (zh) | 以彩色相機進行光譜分析之方法 | |
JP3770294B2 (ja) | フィルム評価方法およびフィルム評価装置 | |
US11698342B2 (en) | Method and system for analysing fluorospot assays | |
CN214584857U (zh) | 一种溶液比色分析快速检测装置、系统 | |
KR102480725B1 (ko) | 콘택트렌즈의 광학 특성을 측정하기 위한 방법 및 시스템 | |
CN216560316U (zh) | 一种基于任意光谱的积分球结构及校准设备 | |
KR20100110120A (ko) | 면역학적 분석 장치 및 이를 이용한 광학 이미지 상의 표적 영역으로부터의 밝기 값을 결정하는 방법 | |
CN114503097A (zh) | 使用移动设备进行颜色查找的方法和装置 | |
CN114827586B (zh) | 一种基于图像传感器量子效率的相机辐照后成像分辨率退化评估方法 | |
EP3724664A1 (en) | Combination imaging of assays |
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 |