CN115100273A - 一种基于图像处理的免疫层析试纸条定量分析系统及检测方法 - Google Patents

Abstract

本发明公开了一种基于图像处理的免疫层析试纸条定量分析系统及检测方法，属于免疫层析定量分析技术领域。所述分析系统包括待测试纸条图像采集装置和数据处理装置，数据处理装置内置图像处理算法，通过对图像二值化、寻找图像轮廓求质心的方式捕捉检测线和质控线，计算质心灰度值，取T/C灰度比值作为特征值，输入到对应项目的拟合方程中，计算出待测物的浓度值。本发明直接用蒙版捕捉图像中的检测线和质控线，相较于目前市面上检测仪器基于模板匹配进行图像处理的方法，分析时间大大缩短。利用本发明的检测方法，从图像输入到检测结果输出只需要10s左右。

Description

一种基于图像处理的免疫层析试纸条定量分析系统及检测 方法

技术领域

本发明涉及免疫层析定量分析技术领域，具体涉及一种基于图像处理的免疫层析试纸条定量分析系统及检测方法。

背景技术

免疫层析技术是上世纪90年代开始兴起的一种快速检测技术，是将抗原抗体反应从试管或者实验器皿中转移到试纸条上进行，利用试纸条的层析作用使待测溶液向指定方向移动进而完成整个抗原抗体特异性反应，通过肉眼观察试剂条特定位置的颜色变化即可做出定性判断。具体机理是将特异性的抗体以条带状喷涂固定在硝酸纤维膜上，并将标记物吸附在纳米金结合垫上后，当待测试液(一般为血液或者尿液)滴加到试条一端的样品垫后，会通过硝酸纤维膜的毛细作用向前移动，达到结合垫处并溶解标记物。随后继续移动至包被有抗体的检测线区域。此时，如果待测试液中含有相应的抗原，则抗原和标记物的复合物会与硝酸纤维膜上的抗体发生特异性结合而被截留。比如标记物如果是胶体金，具有高电子密度的特性，会导致复合物大量聚集在检测线上，并呈现肉眼可见红色或品红色；反之，试条检测线区域不显色。

早期的目视检测存在效率低、主观因素强、存在误判阴阳性等问题，并且需要专业水平的检测人员进行检测。随着医学图形处理技术的不断发展，智能化检测成为社会发展趋势，智能化、网络化的检测设备成为主要研究重点。免疫层析技术朝着高灵敏度、定量、多元检测方向发展。

免疫层析定量检测系统除了试纸条，还需要配套的检测设备，例如利用图像传感器采集试纸条图像信息进行分析处理，最后得出定量结果。专利文献CN 104020286 A公开的一种免疫层析试纸条定量检测仪，包括扫描装置、数据处理装置、输出装置，扫描装置对待测试纸条进行特征波长扫描和非特征波长的多波长扫描；数据处理装置进行数据分析，确认质控带和检测带的区域位置，并对光密度值进行分析识别计算，根据判读标准值表，计算出检测结果并传输给输出装置。

然而，目前市面上出现的大部分用于自动定量的胶体金等横向免疫层析装置，大多数不能够避免试纸条之间的差异性对检测结果的影响，不能够真正的实现较为精确而稳定的定量检测。改进图像处理分析手段有助于提高检测准确性。例如专利文献CN111478998 A公开了一种免疫层析试纸条的手机多波长定量快检方法，其在图像采集、处理模块中利用了边缘检测算法、参考比值算法、RGB转波长算法以及图片序列傅里叶变化，有效降低了测量过程中的人为干预，减少背景光噪声。

然而，虽然结果准确度有所提高，但是目前市面上的大多数定量检测仪的图像处理基于模板匹配，该方法运算复杂导致图像处理耗时较长，通常需要等待几分钟才有结果输出。因此，有必要对图像处理方法做出实质性的改进，发明一种定量结果判读准确且快速的可与手机APP或微信小程序结合的横向免疫层析定量仪。

发明内容

本发明的目的在于提供一种基于图像处理的免疫层析试纸条定量分析系统，通过优化图像处理算法实现对免疫层析试纸条检测结果进行快速准确地定量分析。通过将检测仪与手机APP及微信小程序有机地结合在一起，可以实现对检测数据更加系统和全面的智能化管理，更加方便患者及专家查看数据并做出精准判断。

为实现上述目的，本发明采用如下技术方案：

一种基于图像处理的免疫层析试纸条定量分析系统，包括图像采集装置和数据处理装置，所述图像采集装置用于对待测试纸条的图像进行采集；所述数据处理装置与图像采集装置通讯连接，包括图像处理模块、数据分析模块和人机交互模块；

所述图像处理模块用于接收图像采集装置发送的图像并进行处理，所述图像处理包括：首先对原图像进行降噪、裁剪得到包含检测线和质控线的检测窗口图像以及图像副本；再将检测窗口图像从RGB模式转换成HSV模式，图像二值化处理区分出检测线和质控线显色区域，得到二值化图像；然后针对图像副本进行图像掩模，输出对应二值化图像显色区域的图像，寻找检测线T柱和质控线C柱的图像轮廓，求质心；最后算出质心的灰度值；

所述数据分析模块与图像处理模块连接，接收其发送的T柱和C柱灰度值数据，取T/C灰度比值作为特征值，并将特征值输入到对应项目的拟合方程中，计算出待测物的浓度值；所述数据处理模块存储有与各检测项目对应的检测参数以及经图像处理后的T/C灰度比值与已知目标检测物浓度曲线拟合后的拟合方程；

所述人机交互模块与数据分析模块连接，用于检测项目的输入和检测结果的输出。

本发明提供的定量分析系统，涉及免疫层析试纸条，免疫层析试纸条是用胶体金或者其他显色标记物(如微球、胶体硒等)标记相应的抗原抗体后制备的测试试纸条，试纸条上包被有已知抗原抗体浓度的检测线和质控线，本发明基于图像处理分析免疫层析试纸条上检测线与质控线的显色差异进而实现定量检测。

本发明通过图像分析实现定量检测，因此，批次间图像的一致性是保证检测结果准确性的前提。本发明具有配套的封闭式图像采集装置，图像采集条件保持一致，减少因图像采集引起的误差。

进一步的，所述图像采集装置包括具有中空结构的壳体，所述壳体上设有与试纸条外壳限位组装的卡槽，所述卡槽连通壳体内部空腔，壳体内部设有光源以及正对卡槽设置的摄像头；所述摄像头通过图像传输元件与图像处理模块连接。

具体的，将待测样本滴加在预先标记包被了相应的抗原抗体的侧流免疫层析试纸条上，反应显色后将试纸条插入图像采集装置的检测卡槽内，卡槽对试纸条进行限位，保证试纸条上的检测线和质控线置于摄像头的图像捕捉区域内。所述免疫层析试纸条具有包裹外壳，可避免样品污染问题。试纸条外壳插入卡槽后，与壳体内部空腔形成一个封闭的空间，为图像采集提供相对一致的条件，避免环境因素干扰。

目前市面上通用的免疫层析试纸条外壳尺寸以及检测线和质控线的显色位置大体相同，因此，上述装置适用于目前市面上大部分的免疫层析试纸条的图像采集。

所述壳体内的固定光源为图像采集提供光源，所述光源采用白光。

所述摄像头为基于CMOS传感器技术的摄像头，摄像头分辨率为1080p，摄像头芯片为400万像素，光圈为F2.4。捕捉区域图像尺寸为1280×720。

所述图像传输元件实现图像采集装置与数据处理装置的通讯连接，通讯方式可以采用WiFi、蓝牙、射频等无线通讯方法。优选的，所述图像传输元件为蓝牙传感器。

所述光源、摄像头和图像传输元件均由开关元件控制其开启或关闭。各部件通过电路连通各自的指示灯，当部件开启时，指示灯亮起，关闭后指示灯熄灭，其中当图像传输元件与图像处理模块通信连接成功，指示灯变换颜色。

所述图像采集装置还设有为装置内各部件提供电源的供电模块。

进一步的，所述图像处理模块为内置图像处理算法的微处理器。本发明中图像处理通过调用Python OpenCV库中函数实现，首先原图像裁剪去除无用背景，得到包含检测线和质控线的检测窗口图像以及图像副本，再针对检测窗口图像通过颜色空间转化将图像转换成HSV模式，相较于RGB空间，HSV空间能够非常直观的表达色彩的明暗，色调，以及鲜艳程度，方便进行颜色之间的对比；图像二值化处理将检测线和质控线的显色区域与背景区分开，然后针对图像副本灰度化处理后进行图像掩模，输出其对应二值化处理区分出的显色区域，得到显色区域的灰度图，寻找并绘制显色区域图像轮廓，计算并绘制检测线和质控线的质心；最后算出质心的灰度值。

具体的，模式转换采用CV_RGB2GRAY、CV_RGB2HSY、CV_BGR2HLS等形式；图像二值化处理采用取色器函数inRange()函数；寻找图像轮廓采用findContours()函数；求质心利用moments()函数和质心坐标计算公式；灰度值计算采用numpy.mean()函数。

进一步的，利用circle()函数绘制质心，利用rectangle()函数绘制图像轮廓。在调试程序时，绘制图像轮廓可以判断出显色区域是否被捕捉，便于调整取色范围。

本发明中，图像处理模块通过寻找检测线和质控线质心，以质心的灰度值代表显色区域的灰度值，该方式保证定量结果准确性的同时大大节省了图像处理运算时间。

为了提高定量分析结果的准确性，在图像处理过程中进行降噪、边缘强化等处理，避免干扰因素的影响。优选的，在检测窗口图像模式转换之前，对图像进行高斯模糊；在图像模式转换之后，对图像进行腐蚀；图像二值化之后进行膨胀，或者在图像腐蚀之后再进行卷积滤波，使图像边缘变得更锋利明显些。

具体的，所述图像处理算法包括：图像降噪、图像裁剪、高斯模糊、模式转换(由RGB转换为HSV)、图像腐蚀、图像卷积滤波、取色、膨胀、图像掩模、寻找并绘制图像轮廓、计算并绘制检测线(T柱)及质控线(C柱)质心、算出T柱和C柱各自的灰度值。

图像处理模块将灰度值数据传输给数据分析模块。数据分析模块中存储有针对不同检测项目的由T/C灰度比值与已知目标检测物浓度曲线拟合的标准拟合方程，数据分析模块接收图像处理模块发送的数据，取T/C灰度比值作为特征值，并将特征值输入到对应项目的拟合方程中，计算输出待测物的浓度值。

所述拟合方程是由大样本量的实际数据拟合得到。针对不同检测项目中需选择对应的拟合方程进行数据运算，具体的，使用者可以通过人机交互界面选择对应的检测项目，数据分析模块启动该检测项目的拟合方程用于计算，输出检测结果，进而人机交互模块进行显示输出。

本发明以T/C灰度比值作为特征值，该特征值可反映试纸条检测出现的三种情况。一、检测线和质控线均有显色：则按照上述步骤计算中目标检测物浓度；二、质控线显色检测线不显色：图像分析后算出检测线灰度值为0，特征值T/C为0，即输出显示为0；三、检测线显色质控线不显色：图像分析后算出质控线灰度值为0，特征值T/C的分母为0，那么数据分析模块输出显示“上传图片异常”。

进一步的，所述数据处理装置还包括存储模块，用于存储历史检测记录。所述存储模块与人机交互模块连接，使用者通过人机交互界面可以查看历史检测数据，具体的，使用者可以按照年、月、日调取历史数据，结果可以曲线图形式显示。

本发明的图像采集装置和数据处理装置可以是集成在一台设备上，也可以是分开的两个设备。为方便使用，基于上述图像处理算法以及数据处理模式开发出手机APP或微信小程序，通过手机等通讯设备实现数据的实时传输、分析与存储。

本发明还提供了一种基于图像处理的免疫层析试纸条定量分析系统的检测方法，包括以下步骤：

(1)开启图像采集装置和数据处理装置，两者通讯连接；通过人机交互模块选择对应的免疫层析检测项目；

(2)启动图像采集装置对待测试纸条进行图像采集；

(3)数据处理装置的图像处理模块接收图像采集装置发送的图像并进行处理，所述图像处理包括：首先对图像进行降噪、裁剪得到检测窗口图像以及图像副本，再通过模式转换将检测窗口图像从RGB模式转换成HSV模式，利用取色器函数将检测线和质控线区域内显色的像素值设置为白色，其余区域设置为黑色，得到黑白图像；然后针对图像副本灰度化处理后进行图像掩模，输出对应黑白图像中白色部分的图像，寻找检测线T柱和质控线C柱的图像轮廓，求两者的质心；最后算出质心的灰度值；

(4)数据分析模块接收图像处理模块发送的T柱和C柱灰度值，取T/C灰度比值作为特征值，并将特征值输入到对应项目的拟合方程中，计算出待测物的浓度值，再将计算结果传输给人机交互模块进行显示输出。

进一步的，步骤(3)中，所述图像处理方法包括：

a、采用滤波算法对待测试纸条图像进行图像降噪，再截取包含了检测线和质控线的目标分析区域，去除无用背景，得到检测窗口图像以及图像副本；

b、将检测窗口图像从RGB模式转换成HSV模式，再进行腐蚀分割出独立的图像元素，得到预处理图像；

c、利用inRange()函数对预处理图像进行取色器取色，将检测线和质控线区域内显色的像素值设置为白色，其余区域设置为黑色，得到黑白图像，再进行膨胀；

d、将步骤a的图像副本转换成灰度图像，再进行图像掩模输出灰度图像中对应黑白图像白色部分的图像，得到源图像，再利用findContours()函数寻找源图像的图像轮廓，然后利用moments()函数确定质心，计算坐标位置；

e、利用if-else嵌套函数锁定质心坐标点，通过numpy.mean()函数计算质心灰度值均值作为T柱或C柱灰度值。

优选的，步骤a中，所述滤波算法为中值滤波算法。

图像裁剪所用函数及参数：cropped＝imgHsvExtrator[y0:y1,x0:x1]，裁剪坐标为[y0:y1,x0:x1]，原图的左上角是坐标原点。imgHsvExtrator＝cv2.imread()，先用imread方法读取待裁剪的图片。

然后再取一个裁剪后图像的副本：srcImg＝cropped.copy()。

其中检测窗口图像用于步骤b和c的图像处理，以确定检测线和质控线的显色区域；图像副本用于步骤d和e的处理，计算出显色区域的灰度值。

优选的，步骤b中，在模式转换前，利用高斯模糊对检测窗口图像进行降噪处理。所用函数及参数：gs_frame＝cv2.GaussianBlur(cropped,(5,5),0)。

模式转换采用CV_RGB2GRAY、CV_RGB2HSY、CV_BGR2HLS等。根据不同的显色媒介选择模式转换方式，例如免疫层析试纸条采用胶体金作为显色标记物，从RGB转换为HSV模式，所用函数：hsv＝cv2.cvtColor(gs_frame,cv2.COLOR_BGR2HSV)；例如采用聚合物微球作为显色标记物，呈现黑色，则先从RGB变成GARY灰度图像，再变成RGB三通道，然后转换成HSV模式。

模式转换后，图像腐蚀分割出独立的图像元，以防形成联动区域(也属于降噪处理的一部分)，也起到强化边缘的作用。优选的，迭代两次，所用函数：erode_hsv＝cv2.erode(hsv,None,iterations＝2)。

优选的，对HSV模式图像进行腐蚀再结合卷积滤波处理，使图像边缘变得更锋利明显些。

步骤c中，利用cv2.inRange()函数进行取色器取色操作，将在两个阈值内的像素值设置为白色(255)，而不在阈值区间内的像素值设置为黑色(0)，所用函数：masks＝cv2.inRange(erode_hsv,l_b,u_b)，图像中低于这个l_b的值，高于这个u_b的值，图像值变为0黑色，而在l_b～u_b之间的值变成255白色。不同的显色媒介有不同的取色范围，比如胶体金取的是紫红色范围，l_b＝np.array([127,30,0])；u_b＝np.array([180,255,148])，那么在127-180；30-255；0-148之间的像素值设置为白色。微球取的是黑色范围。

为消除T柱断掉的情况，对取色后的黑白图像进行膨胀。

步骤d中，所述图像掩模针对步骤a中裁剪后的副本srcImg，输出图像像素只有mask对应位置元素不为0(即白色)的部分才输出，否则该位置像素的所有通道分量都设置为0(黑色)；所用函数：res＝cv2.bitwise_and(srcImg,srcImg,mask＝masks)。

针对图像掩模后得到的源图寻找图像轮廓，所用函数：

cnts＝list(cv2.findContours(masks.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2])

cv2.findContours()函数首先返回一个list，list中每个元素都是图像中的一个轮廓，挨个遍历求质心。

求质心所用函数：M_center＝cv2.moments(cnts[i])。moments函数提供了所有计算出的矩值的字典，可以提取有用的数据—质心。

质心横坐标计算公式：cx＝int(M_center["m10"]/M_center["m00"])；质心纵坐标计算公式：cy＝int(M_center["m01"]/M_center["m00"])。

优选的，用circle画圆函数绘制质心，所用函数：cv2.circle(res,(cx,cy),7,128,-1)，各参数分别为源图，圆的中心坐标，圆的半径，圆边界线颜色，圆边界线的粗细像素，其中半径、颜色、线粗细的设置可根据具体情况调整。

将质心对应的图像轮廓框起来，所用函数：cv2.rectangle(res,(x,y),(x+w,y+h),(255,0,0),2,cv2.LINE_AA)，各参数分别为源图，矩形轮廓的起始坐标，矩形轮廓的结束坐标，画线颜色，画线的粗细像素，抗锯齿平滑，其中画线参数设置可根据具体情况调整。

步骤e中，质心确定后，利用if-else嵌套函数在灰度图像中锁定质心坐标点，通过numpy.mean(a,axis,dtype,out，keepdims)函数求得质心上下左右四个相邻像素灰度值的均值作为灰度值。

步骤(4)中，数据分析模块接收人机交互模块指令调用对应项目的拟合曲线模型，并将图像处理模块发送的数据，取T/C灰度比值作为特征值，输入到拟合曲线模型中，运行输出结果。

本发明中，通过软件升级更新数据分析模块中的拟合方程或者增加新的检测项目。

本发明具备的有益效果：

(1)本发明提供的免疫层析试纸条定量分析系统配套图像采集装置，利用仪器内置摄像头拍照，减少因拍照引起的误差。

(2)本发明的数据处理装置内置图像处理算法，通过对图像二值化、寻找图像轮廓求质心的方式捕捉检测线和质控线，该方法简单且准确度高；利用本发明的检测方法，从图像输入到检测结果输出只需要10s左右。本发明直接用蒙版捕捉检测窗口的检测线和质控线，相较于目前市面上检测仪器基于模板匹配进行图像处理的方法，分析时间大大缩短。

(3)基于本发明提供的图像处理算法开发手机APP或微信小程序，通过手机、平板电脑等可随身携带的通讯设备就能够实现数据的实时传输、分析与存储以及数据的远程管理，可以代替现有的一些较为笨重的检测设备，使得在实际应用中更为便携，为顾客提供足不出户的数字化医疗服务。

(4)本发明具有通用性，适用于不同规格、不同检测类型的免疫层析试纸条的定量结果判定。利用定性试纸条也能实现半定量化检测。

附图说明

图1为本发明图像处理流程示意图。

图2为实施例1中图像采集装置采集的图像。

图3为实施例1中图像裁剪后得出的图像。

图4为实施例1中高斯模糊后的图像。

图5为实施例1中转换成HSV模式的图像。

图6为实施例1中图像取色、膨胀之后的图像。

图7为实施例1中图像裁剪副本灰度图。

图8为实施例1中绘制质心和图像轮廓后的图像。

具体实施方式

下面结合具体实施例对本发明做进一步说明。以下实施例仅用于说明本发明，不用来限制本发明的适用范围。在不背离本发明精神和本质的情况下，对本发明方法、步骤或条件所做的修改或替换，均属于本发明的范围。

实施例1

本实施例提供了一种免疫层析试纸条定量分析系统，涉及免疫层析试纸条，免疫层析试纸条是用胶体金或者微球、胶体硒等微粒标记相应的抗原抗体后制备的测试试纸条，所述试纸条具有包裹测试纸的塑料外壳。本实施例以胶体金试纸条为例进行阐述。

本实施例中的免疫层析试纸条定量分析系统由图像采集装置和数据处理装置组成，其中图像采集装置用于对待测试纸条的图像进行采集；数据处理装置对采集的图像进行分析处理，给出定量分析结果。

具体的，图像采集装置包括具有中空结构的壳体，所述壳体上设有与试纸条外壳限位组装的卡槽，所述卡槽连通壳体内部空腔，壳体内部设有光源以及正对卡槽设置的摄像头，其中，光源采用白光，为拍照提供光源，摄像头采用型号CMOS OV2640，分辨率为1080p，摄像头芯片为400万像素，光圈为F2.4。捕捉区域图像尺寸为1280×720。摄像头通过蓝牙传感器与数据处理装置通讯连接。

试纸条外壳插入卡槽后，与壳体内部空腔形成一个封闭的空间，为图像采集提供相对一致的条件。卡槽对试纸条进行限位，保证试纸条上的检测线和质控线置于摄像头的图像捕捉区域内。摄像头通过蓝牙传输将图像发送给数据处理装置。

壳体上设有开关元件控制光源、摄像头和图像传输元件的开启或关闭，各部件通过电路连通各自的指示灯，当部件开启时，指示灯亮起，关闭后指示灯熄灭，其中当蓝牙传感器与图像处理模块通信连接成功，指示灯变换颜色。

壳体上还设有为装置内各部件提供电源的供电模块。电源由可充电蓄电池提供。

数据处理装置包括图像处理模块、数据分析模块、人机交互模块和存储模块。图像处理模块用于接收图像采集装置发送的图像并通过内置图像处理算法进行处理，算出检测线T和质控线C的灰度值；数据分析模块存储有灰度比值与浓度换算关系表，数据分析模块与图像处理模块连接，接收其发送的灰度值数据，取T/C灰度比值作为特征值，并将特征值输入到对应项目的拟合方程中，计算出待测物的浓度值；人机交互模块与数据分析模块连接，使用者通过人机交互界面选择检测项目，数据分析模块调用对应的检测项目的计算程序进行数据分析，计算结果由人机交互界面进行显示输出。历史检测记录存储于存储模块，所述存储模块与人机交互模块连接，使用者通过人机交互界面查看历史检测数据。

本实施例中，定量检测横向免疫层析试纸条的方法，包括：将待测样本滴加在预先标记包被了相应的抗原抗体的胶体金免疫层析试纸条上，然后将试纸条插入图像采集装置的检测槽内，启动摄像头对试纸条上的检测线和质控线的图像信息进行采集，并将图像传输给数据处理装置。数据处理装置根据试纸条的硝酸纤维素膜上的检测带(T线)、质控带(C线)颜色色度及背景色度，依据仪器内部的计算程序或者灰度值与浓度换算关系表，得出待测样本所含的阳性标志物的浓度并显示及存储结果值。

为了实现检测系统的既定功能，需要根据采集到的试条图像的特点采取相应的处理手段，然后选择合适的特征值进行计算，最后根据已知的浓度和测得的特征值进行工作曲线的拟合。具体方法如下：

一、图像处理(调用Python OpenCV库中函数)的具体流程为：

1、图像降噪：

受成像设备和电路非理想化等干扰，噪声还是不可避免的存在于图像中，即始终无法完全避免采集到的图像上面存在噪音，所以就要通过一些图像滤波的方式解决图像上的噪音。

采取的滤波算法为中值滤波算法，在当前处理的像素点的邻域中，将所有像素点的灰度值进行比较，按顺序进行排列，然后取其中值代替原像素点的灰度值。

所用函数为：MedianFilter(img,k＝3,padding＝None)。

2、图片裁剪：

如图2所示，摄像头采集的原图像不仅包含了检测线、质控线等有效信息，还包含了检测窗口背景和试条外壳等无效信息。其中，试条外壳在图像中所占的比例最大而且与包含检测线与质控线的检测窗口有明显的分界。因此，为了降低无效信息对于最终结果的干扰，需要对原始试条图像进行分割，提取出包含有效信息的检测窗口。在得到准确的检测窗口图像之后，再对检测窗口图像进行相应的处理，得到检测线与质控线的信息，进而实现检测结果的定量。

如图3所示，图片裁剪截取出目标分析区域，为后期的取色块打基础，减少干扰。所用函数及参数：

cropped＝imgHsvExtrator[300:400,380:940]

注释(#)：裁剪坐标为[y0:y1,x0:x1]，原图的左上角是坐标原点。

imgHsvExtrator＝cv2.imread("block1.jpg")

#先用imread方法读取待裁剪的图片。

然后再取一个裁剪后图像的副本：srcImg＝cropped.copy()。副本转灰度图后用于后面的图像掩模。

3、高斯模糊：

也叫高斯平滑，属于降噪处理的一部分。这种模糊技术生成的图像，其视觉效果就像是经过一个毛玻璃在观察图像，这与镜头焦外成像效果散景以及普通照明阴影中的效果都明显不同。高斯平滑常用于计算机视觉算法中的预先处理阶段，目的是减少图像噪声以及降低细节层次。

所用函数及参数：

gs_frame＝cv2.GaussianBlur(cropped,(5,5),0)

#三个参数：原图像，高斯核的宽和高(建议是奇数)，x和y轴的标准差。

高斯模糊后的图像如图4所示。

4、模式转换：

胶体金免疫层析试纸条图像从RGB变成HSV模式，如图5所示。

转化目的：两者之间的转化需求来自于硬件实现和显示效果调整两方面的需求，RGB模式满足具体处理过程中简便高效实现，HSV按照人眼识别特点进行调整，更容易达到人眼预期的、显示效果的调整。

所用函数：

hsv＝cv2.cvtColor(gs_frame,cv2.COLOR_BGR2HSV)

#BGR转换成HSV转换模式，有CV_RGB2GRAY，CV_RGB2HSY，CV_BGR2HLS等。

5、腐蚀分割：

腐蚀分割(isolate)独立的图像元素，以防形成联动区域(也属于降噪处理的一部分)，起到强化边缘的作用。

所用函数及参数：

erode_hsv＝cv2.erode(hsv,None,iterations＝2)

#三个参数：原图像，卷积核，迭代次数＝2；做了两次腐蚀。

6、取色

利用cv2.inRange()函数进行取色器取色操作：可实现二值化功能，更关键的是可以同时针对多通道进行操作—主要是将在两个阈值内的像素值设置为白色(255)，而不在阈值区间内的像素值设置为黑色(0)。

所用函数及参数：

masks＝cv2.inRange(erode_hsv,l_b,u_b)

l_b＝np.array([127,30,0])

u_b＝np.array([180,255,148])

#图像中低于l_b的值，高于u_b的值，图像值变为0黑色，而在l_b～u_b之间的值变成255白色；

#inrange变成黑白图像，本实施例提取紫色，在127-180；30-255；0-148之间变白色。

7、膨胀

所用函数及参数：

cv2.dilate(masks,None,iterations＝11)

膨胀11次：消除T柱断掉这种情况，否则接下来取质心会变成两个中心。如图6所示。

8、图像掩模：

针对裁剪后的副本是srcimg，副本转灰度后如图7所示，图像掩模输出图像像素只有mask对应位置元素不为0(即白色)的部分才输出，否则该位置像素的所有通道分量都设置为0(黑色)；

所用函数：

res＝cv2.bitwise_and(srcImg,srcImg,mask＝masks)

9、寻找图像轮廓：

源图像是蒙版的副本(最好是二值图像)；只检测最外围轮廓，包含在外围轮廓内的内围轮廓被忽略；仅保存轮廓的拐点信息，拐点与拐点之间直线段上的信息点不予保留；直接使用Opencv的findContours()函数可以很容易的得到每个目标的轮廓，但是可视化后，这个次序是无序的，需要排序操作；

所用函数：

Cnts＝list(cv2.findContours(masks.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)[-2])

10、求质心：

cv2.findContours()函数首先返回一个list，list中每个元素都是图像中的一个轮廓，挨个遍历求质心——利用moments()函数。

所用函数：

M_center＝cv2.moments(cnts[i])

#moments函数提供了所有计算出的矩值的字典，可以提取有用的数据—质心。

cx＝int(M_center["m10"]/M_center["m00"])

#质心横坐标计算公式；

cy＝int(M_center["m01"]/M_center["m00"])

#质心纵坐标计算公式。

11、circle()函数画出质心，rectangle()函数把找出的轮廓框起来：

所用函数及参数：

cv2.circle(res,(cx,cy),7,128,-1)

#绘制中心点，用circle画圆函数(即把找到的质心给描画出来)。

cv2.rectangle(res,(x,y),(x+w,y+h),(255,0,0),2,cv2.LINE_AA)

#源图；矩形轮廓的左上点坐标；矩形轮廓的右下点坐标；画线对应的rgb颜色(蓝)；2是所画的线的宽度；抗锯齿平滑。

如图8所示。

12、利用if-else嵌套函数锁定质心坐标点，通过numpy.mean(a,axis,dtype,out，keepdims)函数算出质心上下左右四个相邻像素灰度值的均值作为T柱和C柱各自的灰度值。

本实施例中，选取T/C灰度比值作为特征值。三种情况需要讨论：①T和C都在：按上述步骤计算灰度比值T/C即可；②C在T不在：特征值T/C为0，即输出显示为0；③T在C不在：特征值T/C的分母为0，即输出显示上传图片异常。特征值选用的是T/C，以上三种情况每个对应得到很好的处理。

二、拟合方程

将T/C灰度比值与标准溶液的浓度值相结合，绘出两者的相关曲线，得到关系方程及相关系数值。

本实施例中，基于上述图像处理算法以及数据处理模式，开发出相应的手机APP，整个过程基于手机APP端完成。通过手机与图像采集装置通讯连接，实现数据的实时传输，智能手机上的处理软件对数据进行分析、存储以及显示。通过软件升级可以更新数据分析模块中的拟合方程或者增加新的检测项目。

本实施例中，所述图像采集装置上印有设备身份识别码，智能手机通过扫描该识别码进而实现设备连接。

应用例1

一、利用实施例1的免疫层析试纸条定量分析系统对早早孕(HCG)检测试纸(胶体金法)进行定量检测，其步骤如下：

(1)开机图像采集装置，启动手机APP，人机交互界面进入“我的-设备管理-添加仪器”，扫描图像采集装置上的身份识别码，打开手机蓝牙，将手机与图像采集装置连接；

(2)将待检尿样滴加在早早孕(HCG)检测试纸上，然后将试纸条插入图像采集装置的卡槽内。

(3)启动图像采集装置拍照，进入手机APP模块检测页面，选择“早早孕检测”。

(4)点击“开始检测”，等待检测结果。

(5)内置算法计算分析得出检测结果值，并在结果页面显示出浓度值以及所处范围区间内对应的专家建议。

(6)进入手机APP“我的-检测记录”，选择相应的检测项目，可查看浓度随时间变化的检测曲线，观察变化趋势。

二、结果分析

本实施例采用市面上常用的大卫试纸条检测100份已知HCG浓度的尿样，再利用上述系统进行定量分析，大约8～9秒显示结果，结果准确率在85.62％以上。

应用例2

一、利用实施例1的免疫层析试纸条定量分析系统对排卵(LH)检测试纸(胶体金法)进行定量检测，其步骤如下：

(1)开机图像采集装置，启动手机APP，进入“我的-设备管理-添加仪器”，扫描图像采集装置上的身份识别码，打开手机蓝牙，将手机与图像采集装置连接；

(2)将待检尿样滴加在排卵(LH)检测试纸上，然后将试纸条插入图像采集装置的卡槽内。

(3)启动图像采集装置拍照，进入手机APP模块检测页面，选择“排卵检测”。

(4)点击“开始检测”，等待检测结果。

(5)内置算法计算分析得出检测结果值，并在结果页面显示出浓度值以及所处范围区间内对应的专家建议。

(6)进入手机APP“我的-检测记录”，选择相应的检测项目，可查看浓度随时间变化的检测曲线，观察变化趋势。

二、结果分析

本实施例采用市面上常用的金秀儿试纸条检测100份已知LH浓度的尿样，再利用上述系统进行定量分析，大约8～9秒显示结果，结果准确率在81.25％以上。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于图像处理的免疫层析试纸条定量分析系统，其特征在于，包括图像采集装置和数据处理装置，所述图像采集装置用于对待测试纸条的图像进行采集；所述数据处理装置与图像采集装置通讯连接，包括图像处理模块、数据分析模块和人机交互模块；

所述图像处理模块用于接收图像采集装置发送的图像并进行处理，所述图像处理包括：首先对原图像进行降噪、裁剪得到包含检测线和质控线的检测窗口图像以及图像副本；再针对检测窗口图像从RGB模式转换成HSV模式，图像二值化处理区分出检测线和质控线显色区域，得到二值化图像；然后针对图像副本转灰度后进行图像掩模，输出对应二值化图像显色区域的图像，寻找检测线T柱和质控线C柱的图像轮廓，求质心；最后算出质心的灰度值；

所述数据分析模块与图像处理模块连接，接收其发送的T柱和C柱灰度值数据，取T/C灰度比值作为特征值，并将特征值输入到对应项目的拟合方程中，计算出待测物的浓度值；所述数据处理模块存储有与各检测项目对应的检测参数以及经图像处理后的T/C灰度比值与已知目标检测物浓度曲线拟合后的拟合方程；

所述人机交互模块与数据分析模块连接，用于检测项目的输入和检测结果的输出。

2.如权利要求1所述的基于图像处理的免疫层析试纸条定量分析系统，其特征在于，所述图像采集装置包括具有中空结构的壳体，所述壳体上设有与试纸条外壳限位组装的卡槽，所述卡槽连通壳体内部空腔，壳体内部设有光源以及正对卡槽设置的摄像头；所述摄像头通过图像传输元件与图像处理模块连接。

3.如权利要求2所述的基于图像处理的免疫层析试纸条定量分析系统，其特征在于，所述光源采用白光；所述摄像头为基于CMOS传感器技术的摄像头；所述图像传输元件为蓝牙传感器。

4.如权利要求1所述的基于图像处理的免疫层析试纸条定量分析系统，其特征在于，所述图像处理模块为内置图像处理算法的微处理器，其中图像二值化处理采用inRange()函数；寻找图像轮廓采用findContours()函数；求质心利用moments()函数和质心坐标计算公式；灰度值计算采用numpy.mean()函数。

5.如权利要求1所述的基于图像处理的免疫层析试纸条定量分析系统，其特征在于，在检测窗口图像模式转换之前，对图像进行高斯模糊；在图像模式转换之后，对图像进行腐蚀；图像二值化之后进行膨胀。

6.一种如权利要求1-5任一项所述的基于图像处理的免疫层析试纸条定量分析系统的检测方法，其特征在于，包括以下步骤：

(1)开启图像采集装置和数据处理装置，两者通讯连接；通过人机交互模块选择对应的免疫层析检测项目；

(2)启动图像采集装置对待测试纸条进行图像采集；

(3)数据处理装置的图像处理模块接收图像采集装置发送的图像并进行处理，所述图像处理包括：首先对图像进行降噪、裁剪得到检测窗口图像以及图像副本，再通过模式转换将检测窗口图像从RGB模式转换成HSV模式，利用取色器函数将检测线和质控线区域内显色的像素值设置为白色，其余区域设置为黑色，得到黑白图像；然后针对图像副本灰度化处理后进行图像掩模，输出对应黑白图像中白色部分的图像，寻找检测线T柱和质控线C柱的图像轮廓，求两者的质心；最后算出质心的灰度值；

(4)数据分析模块接收图像处理模块发送的T柱和C柱灰度值，取T/C灰度比值作为特征值，并将特征值输入到对应项目的拟合方程中，计算出待测物的浓度值，再将计算结果传输给人机交互模块进行显示输出。

7.如权利要求6所述的检测方法，其特征在于，步骤(3)中，所述图像处理方法包括：

a、采用滤波算法对待测试纸条图像进行图像降噪，再截取包含了检测线和质控线的目标分析区域，去除无用背景，得到检测窗口图像以及图像副本；

b、将检测窗口图像从RGB模式转换成HSV模式，再进行腐蚀分割出独立的图像元素，得到预处理图像；

c、利用inRange()函数对预处理图像进行取色器取色，将检测线和质控线区域内显色的像素值设置为白色，其余区域设置为黑色，得到黑白图像；

d、将步骤a的图像副本转换成灰度图像，再进行图像掩模输出灰度图像中对应黑白图像白色部分的图像，得到源图像，再利用findContours()函数寻找图像轮廓，然后利用moments()函数确定质心，计算坐标位置；

e、利用if-else嵌套函数锁定质心坐标点，通过numpy.mean()函数计算质心灰度值均值作为T柱或C柱灰度值。

8.如权利要求7所述的检测方法，其特征在于，步骤a中，所述滤波算法为中值滤波算法。

9.如权利要求7所述的检测方法，其特征在于，步骤b中，在模式转换前，利用高斯模糊对检测窗口图像进行降噪处理；模式转换后，图像腐蚀分割迭代两次。

10.如权利要求7所述的检测方法，其特征在于，步骤d中，确定质心位置后，用circle()函数描画出质心，用rectangle()把对应的轮廓框起来。

Images