CN116309193A - 一种免疫样本的图像处理方法及装置 - Google Patents
一种免疫样本的图像处理方法及装置 Download PDFInfo
- Publication number
- CN116309193A CN116309193A CN202310585560.7A CN202310585560A CN116309193A CN 116309193 A CN116309193 A CN 116309193A CN 202310585560 A CN202310585560 A CN 202310585560A CN 116309193 A CN116309193 A CN 116309193A
- Authority
- CN
- China
- Prior art keywords
- image
- immune sample
- sample image
- noise
- standard
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000000605 extraction Methods 0.000 claims abstract description 19
- 238000003702 image correction Methods 0.000 claims abstract description 17
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 27
- 238000013519 translation Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 3
- 238000011282 treatment Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010339 medical test Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 239000002244 precipitate Substances 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000951 immunodiffusion Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 229920001817 Agar Polymers 0.000 description 1
- 239000008272 agar Substances 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T7/0012—Biomedical image inspection
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (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)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术，揭露了一种免疫样本的图像处理方法及装置，所述方法包括：获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；对所述标准免疫样本图像进行边缘提取，得到提取图像；对所述提取图像进行拟合处理，得到免疫样本图像。本发明可以提高通过对免疫样本的图像进行边缘提取及拟合处理，可以提高免疫样本图像处理的准确性。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于医学检验的免疫样本的图像处理方法及装置。
背景技术
数字图像的图像处理正变得日益重要和普遍，实际上，随着处理能力变得日益强大且成本效果较佳，大量的图像处理应用变得越来越广泛。特别地，在过去数十年，图像处理在医学领域中已变得日益普遍，在医学领域中，图像处理可以协助研究、诊断和治疗的各个方面。例如，利用计算机图象处理技术对免疫样本图像进行分析和处理，实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析，从而大大提高医疗诊断的准确性和可靠性。
然而，目前的医学领域的样本图像处理更多的是依靠图像分析软件，例如，免疫样本的图像处理，是直接采用图像软件结合最小二乘法对图像进行处理分析，得到的测量误差值相对较大；同时，免疫样本中的沉淀物大多是不规则图像并且具有严重的连续扩散现象，检验人员需要根据经验决定检测范围的大小，导致得到的测量结果误差较大、成本高，很难达到预期的医学检验效果。综上所述，现有的免疫样本的图像处理方法存在准确性较低的问题。
发明内容
本发明提供一种基于医学检验的免疫样本的图像处理方法及装置，其主要目的在于解决免疫样本的图像处理方法的准确性较低的问题。
为实现上述目的，本发明提供的一种免疫样本的图像处理方法，包括：
获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；
对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；
对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像；
利用下式对所述标准免疫样本图像进行梯度计算：
其中，
表示为所述标准免疫样本图像中的像素点的梯度值；/>
表示为所述标准免疫样本图像中像素点的梯度大小；/>
表示为所述标准免疫样本图像中的像素点的横坐标；/>
表示为所述标准免疫样本图像中的像素点的纵坐标；
对所述提取图像进行拟合处理，得到免疫样本图像。
可选地，所述对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像，包括：
对所述待测免疫样本进行灰度化，得到灰度图像；
对所述灰度图像进行均值滤波处理，得到滤波图像；
对所述滤波图像进行去噪增强处理，得到所述降噪免疫样本图像。
可选地，所述对所述灰度图像进行均值滤波处理，得到滤波图像，包括：
利用预设的矩形窗口对所述灰度图像进行像素点选取，得到多个图像块；
分别计算多个所述图像块中像素的灰度均值；
利用下式分别计算多个所述图像块中像素的灰度均值：
其中，
表示所述矩形窗口中的灰度均值；/>
表示为所述灰度图像的像素值；/>
表示为所述矩形窗口中被覆盖的像素点的个数；/>
表示为所述矩形窗口中被覆盖的中心像素点的领域像素坐标集合；/>
表示为所述灰度图像中像素点在横轴上的坐标值；
表示为所述灰度图像中像素点在纵轴上的坐标值；
将所述灰度均值更新为所述图像块的中心像素位置的像素点，根据更新的结果生成所述滤波图像。
可选地，所述对所述滤波图像进行去噪增强处理，得到所述降噪免疫样本图像，包括：
对所述滤波图像进行分解处理，得到分解样本；
对所述分解样本进行阈值分析，得到目标阈值；
根据所述目标阈值对所述滤波图像进行低频增强处理，得到所述降噪免疫样本图像。
可选地，所述对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像，包括：
获取所述降噪免疫样本图像的空间坐标，根据所述空间坐标对所述降噪免疫样本图像进行参数求解，得到中间参数；
根据所述中间参数构造所述降噪免疫样本图像的旋转矩阵，根据所述旋转矩阵生成矫正参数；
根据所述矫正参数对所述降噪免疫样本图像进行矫正处理，得到标准免疫样本图像。
可选地，所述根据所述空间坐标对所述降噪免疫样本图像进行参数求解，得到中间参数，包括：
根据所述空间坐标生成矩阵元素集；
将所述矩阵元素集与预设的平移矩阵进行函数计算，得到元素比；
根据所述元素比对所述降噪免疫样本图像线性计算，得到所述中间参数。
可选地，所述根据所述元素比对所述降噪免疫样本图像线性计算，得到所述中间参数，包括：
利用下式根据所述元素比对所述降噪免疫样本图像线性计算：
其中，
表示为所述平移矩阵；/>
表示为所述中间参数；/>
表示为所述降噪免疫样本图像中像素点的横坐标集合。
可选地，所述对所述提取图像进行拟合处理，得到免疫样本图像，包括：
对所述提取图像进行距离计算，得到圆拟合参数；
根据所述圆拟合参数对所述提取图像进行曲线拟合，得到免疫样本图像。
可选地，所述根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像，包括：
根据所述梯度值与梯度方向对所述标准免疫样本图像进行幅度插值比较，根据幅度插值比较的结果对所述标准免疫样本图像进行边缘标记，得到标记数据；
根据预设的滞后阈值对所述标记数据进行边缘筛选，得到提取图像。
为了解决上述问题，本发明还提供一种免疫样本的图像处理装置，所述装置包括：
图像预处理模块，用于获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；
图像矫正模块，用于对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；
边缘提取模块，用于对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像；
拟合处理模块，用于对所述提取图像进行拟合处理，得到免疫样本图像。
本发明通过对待测免疫样本进行图像预处理，可以去除待测免疫样本中的图像噪点以及干扰信息，提高了免疫样本图像处理的准确性；通过对标准免疫样本图像进行边缘提取，可以对标准免疫样本图像中的图像边缘进行精确细化，避免了图像边缘模糊的情况，使得标准免疫样本图像的边界像素更加清晰完整。因此本发明提出的基于医学检验的免疫样本的图像处理方法及装置，可以解决进行免疫样本的图像处理方法的准确性较低的问题。
附图说明
图1为本发明一实施例提供的免疫样本的图像处理方法的流程示意图；
图2为本发明一实施例提供的对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像的流程示意图；
图3为本发明一实施例提供的对降噪免疫样本图像进行图像矫正，得到标准免疫样本图像的流程示意图；
图4为本发明一实施例提供的免疫样本的图像处理装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于医学检验的免疫样本的图像处理方法。所述基于医学检验的免疫样本的图像处理方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于医学检验的免疫样本的图像处理方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于医学检验的免疫样本的图像处理方法的流程示意图。在本实施例中，所述基于医学检验的免疫样本的图像处理方法包括：
S1、获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像。
本发明实施例中，所述待测免疫样本可以是一种单向免疫扩散样本，主要是经过单向免疫扩散试验获得，可以在琼脂介质的基础上添加相应的可溶性抗原和抗体进行接触性反应，得到明显不溶性沉淀，然后可以利用CCD相机（charge coupled device，电荷藕合器件）对所述不溶性沉淀进行图像生成，得到所述待测免疫样本；所述待测免疫样本中可能包含多个大小不同的粉色类圆形沉淀物，并且伴随明显的畸形形变。
请参阅图2所示，本发明实施例中，所述对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像，包括：
S21、对所述待测免疫样本进行灰度化，得到灰度图像；
S22、对所述灰度图像进行均值滤波处理，得到滤波图像；
S23、对所述滤波图像进行去噪增强处理，得到所述降噪免疫样本图像。
本发明实施例中，所述待测免疫样本是彩色的RGB图像，包含着图像细节、彩色分布等信息，为了在图像预处理中提高效率，减少干扰信息的影响，需要对所述待测免疫样本进行灰度化处理，将其去彩色，进而得到所述灰度图像；对所述待测免疫样本进行灰度化可以采用平均值转化法，将所述待测免疫样本中的彩色像素值分别作为所述灰度图像的分量值，然后对所述分量值进行均值计算，将均值计算得到的结果作为所述灰度图像的像素值。
本发明实施例中，均值滤波处理是计算所述灰度图像中每一个像素点周围像素的平均值，将所述平均值作为每一个像素点滤波之后的值，采用均值滤波处理算法可以去除所述灰度图像中的噪点以及图像斑点；去噪增强处理的目的是增强所述滤波图像中的目标信息，减弱干扰信息的影响，从而扩大目标信息与所述滤波图像中的背景之间的特征区别。
本发明实施例中，所述对所述灰度图像进行均值滤波处理，得到滤波图像，包括：
利用预设的矩形窗口对所述灰度图像进行像素点选取，得到多个图像块；
分别计算多个所述图像块中像素的灰度均值；
将所述灰度均值更新为所述图像块的中心像素位置的像素点，根据更新的结果生成所述滤波图像。
本发明实施例中，所述矩形窗口是一个样本模板，大小可以为3*3，将所述矩形窗口覆盖在所述灰度图像上，然后分别对被所述矩形窗口覆盖到的像素点进行均值计算，将计算得到的新的像素点作为当前所述矩形窗口下的中心位置的像素点，按照该方法直至遍历完所述灰度图像中的所有像素点，完成像素点的更新。
本发明实施例中，利用下式分别计算多个所述图像块中像素的灰度均值：
其中，
表示所述矩形窗口中的灰度均值；/>
表示为所述灰度图像的像素值；/>
表示为所述矩形窗口中被覆盖的像素点的个数；/>
表示为所述矩形窗口中被覆盖的中心像素点的领域像素坐标集合；/>
表示为所述灰度图像中像素点在横轴上的坐标值；
表示为所述灰度图像中像素点在纵轴上的坐标值。
本发明实施例中，所述对所述滤波图像进行去噪增强处理，得到所述降噪免疫样本图像，包括：
对所述滤波图像进行分解处理，得到分解样本；
对所述分解样本进行阈值分析，得到目标阈值；
根据所述目标阈值对所述滤波图像进行低频增强处理，得到所述降噪免疫样本图像。
本发明实施例中，分解处理可以采用小波变换的分解方法，小波变化能对所述滤波图像中的低频信息区域做进一步的分解，对高频信息区域不再继续分解，从而完成区域划分；阈值分析可以采用半软阈值的处理方法，利用预设的阈值函数对所述分解样本进行阈值分析。生成所述目标阈值，所述目标阈值可以表示为低阈值72、高阈值215。
本发明实施例中，低频增强处理是将所述滤波图像进行低频信息提取，生成多个均匀信息区域，然后根据所述目标阈值对多个所述均匀信息区域进行像素筛选，将所述均匀信息区域中像素值高于所述目标阈值的像素点重新分配到新的信息区域中，直至遍历完所述滤波图像中的所有像素点，得到所述降噪免疫样本图像。
S2、对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像。
请参阅图3所示，本发明实施例中，所述对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像，包括：
S31、获取所述降噪免疫样本图像的空间坐标，根据所述空间坐标对所述降噪免疫样本图像进行参数求解，得到中间参数；
S32、根据所述中间参数构造所述降噪免疫样本图像的旋转矩阵，根据所述旋转矩阵生成矫正参数；
S33、根据所述矫正参数对所述降噪免疫样本图像进行矫正处理，得到标准免疫样本图像。
本发明实施例中，首先对所述降噪免疫样本图像进行空间坐标系的建立，将所述降噪免疫样本图像的中心像素点作为所述空间坐标系的原点，然后根据所述原点构建所述降噪免疫样本图像的横轴以及纵轴，得到所述空间坐标系；基于所述空间坐标系，每个所述降噪免疫样本图像的像素点都有一个空间坐标，并且存在与像素点对应的特征点，所述特征点是指所述降噪免疫样本图像中的像素点的边缘交点，例如，某个像素点的坐标为
，则该像素点对应的特征点表示为/>
，其中，/>
；所述旋转矩阵是根据所述中间参数与所述空间坐标生成的，根据所述旋转矩阵可以生成正交约束条件，从而对所述降噪免疫样本图像的空间坐标进行线性计算，得到所述矫正参数。
本发明实施例中，所述根据所述空间坐标对所述降噪免疫样本图像进行参数求解，得到中间参数，包括：
根据所述空间坐标生成矩阵元素集；
将所述矩阵元素集与预设的平移矩阵进行函数计算，得到元素比；
根据所述元素比对所述降噪免疫样本图像线性计算，得到所述中间参数。
本发明实施例中，所述矩阵元素集中的元素可以表示为
，则所述矩阵元素集可以表示为
；所述平移矩阵是一个1×3的矩阵矢量，所述平移矩阵中的元素可以表示为（/>
），其中，/>
表示为所述平移矩阵在/>
轴方向上的平移向量，/>
表示为所述平移矩阵在/>
轴方向上的平移向量；所述平移矩阵与所述矩阵元素集的关系可以表示为：
其中，
表示为所述中间参数。
本发明实施例中，利用下式根据所述元素比对所述降噪免疫样本图像线性计算：
其中，
表示为所述平移矩阵；/>
表示为所述中间参数；/>
表示为所述降噪免疫样本图像中像素点的横坐标集合。
S3、对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像，其中，利用下式对所述标准免疫样本图像进行梯度计算：
其中，
表示为所述标准免疫样本图像中的像素点的梯度值；/>
表示为所述标准免疫样本图像中像素点的梯度大小；/>
表示为所述标准免疫样本图像中的像素点的横坐标；/>
表示为所述标准免疫样本图像中的像素点的纵坐标。
本发明实施例中，所述根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像，包括：
根据所述梯度值与梯度方向对所述标准免疫样本图像进行幅度插值比较，根据幅度插值比较的结果对所述标准免疫样本图像进行边缘标记，得到标记数据；
根据预设的滞后阈值对所述标记数据进行边缘筛选，得到提取图像。
本发明实施例中，幅度插值比较是根据所述标准免疫样本图像中的像素点的梯度值与梯度方向对所述标准免疫样本图像中每一个像素点的八邻域进行插值计算，可以采用3*3的窗口进行插值，将插值计算得到的像素点的幅度插值与相邻方向上的两个像素点的幅度插值进行大小比较，若插值计算得到的像素点的幅度插值小于该像素点相邻两个像素点的幅度插值，则将该像素点标志为0；所述滞后阈值是用来确定提取图像的边缘，包含高阈值与低阈值；将标记数据中的像素点的幅度插值与所述滞后阈值进行比较，如所述标记数据中的像素点的幅度插值小于所述滞后阈值，则将该像素点的灰度值设为0，若所述标记数据中的像素点的幅度插值大于所述滞后阈值，则将该像素点的幅度插值保留成边缘像素。
S4、对所述提取图像进行拟合处理，得到免疫样本图像。
本发明实施例中，所述对所述提取图像进行拟合处理，得到免疫样本图像，包括：
对所述提取图像进行距离计算，得到圆拟合参数；
根据所述圆拟合参数对所述提取图像进行曲线拟合，得到免疫样本图像。
本发明实施例中，拟合处理可以采用最小二乘法圆拟合，由于最小二乘法对于圆心和半径的定位直接影响到图像处理的精度，所以需要先计算理想圆的圆心和半径，使得所述免疫样本图像的误差变小；首先根据所述提取图像中像素点的坐标计算所述提取图像中像素点到理想圆的圆心的距离，当所述距离最小的时候，得到理想圆的理想圆心和半径，即为所述圆拟合参数；曲线拟合可以采用霍夫变换，霍夫变换可以选取所述提取图像中的任意像素点作为参考点，然后根据所述圆拟合参数以及参考点对所述提取图像中的图形边缘进行边缘曲线检测，得到所述免疫样本图像；由于免疫样本中的沉淀物大多包含不规则的曲线，采用霍夫变换进行边缘曲线检测可以避免所述提取图像中的残缺部分以及非直线结构的影响，增强了图像处理的准确性。
由此，本发明通过对待测免疫样本进行图像预处理，可以去除待测免疫样本中的图像噪点以及干扰信息，提高了免疫样本图像处理的准确性；通过对标准免疫样本图像进行边缘提取，可以对标准免疫样本图像中的图像边缘进行精确细化，避免了图像边缘模糊的情况，使得标准免疫样本图像的边界像素更加清晰完整，以解决免疫样本的图像处理方法的准确性较低的问题。
如图4所示，是本发明一实施例提供的免疫样本的图像处理装置的功能模块图。
所述免疫样本的图像处理装置400可以安装于电子设备中。根据实现的功能，所述基于医学检验的免疫样本的图像处理装置400可以包括图像预处理模块401、图像矫正模块402、边缘提取模块403及拟合处理模块404。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图像预处理模块401，用于获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；
所述图像矫正模块402，用于对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；
所述边缘提取模块403，用于对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像；
所述拟合处理模块404，用于对所述提取图像进行拟合处理，得到免疫样本图像。
详细地，本发明实施例中的免疫样本的图像处理装置400中所述的各模块在使用时采用与附图中所述的基于医学检验的免疫样本的图像处理方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
本发明一实施例还提供一种实现上述免疫样本的图像处理方法的电子设备。
所述电子设备可以包括处理器、存储器、通信总线以及通信接口，还可以包括存储在所述存储器中并可在所述处理器上运行的计算机程序，如基于医学检验的免疫样本的图像处理程序。
所述电子设备中的存储器存储的免疫样本的图像处理程序是多个指令的组合，在所述处理器中运行时，可以实现：
获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；
对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；
对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像；
对所述提取图像进行拟合处理，得到免疫样本图像。
具体地，所述处理器对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；
对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；
对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像；
对所述提取图像进行拟合处理，得到免疫样本图像。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
最后应说明的是，以上实施例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等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种免疫样本的图像处理方法，其特征在于，所述方法包括：
获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；
对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；
对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像；
利用下式对所述标准免疫样本图像进行梯度计算：
其中，
表示为所述标准免疫样本图像中的像素点的梯度值；/>
表示为所述标准免疫样本图像中像素点的梯度大小；/>
表示为所述标准免疫样本图像中的像素点的横坐标；/>
表示为所述标准免疫样本图像中的像素点的纵坐标；
对所述提取图像进行拟合处理，得到免疫样本图像。
2.如权利要求1所述的图像处理方法，其特征在于，所述对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像，包括：
对所述待测免疫样本进行灰度化，得到灰度图像；
对所述灰度图像进行均值滤波处理，得到滤波图像；
对所述滤波图像进行去噪增强处理，得到所述降噪免疫样本图像。
3.如权利要求2所述的图像处理方法，其特征在于，所述对所述灰度图像进行均值滤波处理，得到滤波图像，包括：
利用预设的矩形窗口对所述灰度图像进行像素点选取，得到多个图像块；
分别计算多个所述图像块中像素的灰度均值；
利用下式分别计算多个所述图像块中像素的灰度均值：
其中，
表示所述矩形窗口中的灰度均值；/>
表示为所述灰度图像的像素值；/>
表示为所述矩形窗口中被覆盖的像素点的个数；/>
表示为所述矩形窗口中被覆盖的中心像素点的领域像素坐标集合；/>
表示为所述灰度图像中像素点在横轴上的坐标值；/>
表示为所述灰度图像中像素点在纵轴上的坐标值；
将所述灰度均值更新为所述图像块的中心像素位置的像素点，根据更新的结果生成所述滤波图像。
4.如权利要求2所述的图像处理方法，其特征在于，所述对所述滤波图像进行去噪增强处理，得到所述降噪免疫样本图像，包括：
对所述滤波图像进行分解处理，得到分解样本；
对所述分解样本进行阈值分析，得到目标阈值；
根据所述目标阈值对所述滤波图像进行低频增强处理，得到所述降噪免疫样本图像。
5.如权利要求1所述的图像处理方法，其特征在于，所述对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像，包括：
获取所述降噪免疫样本图像的空间坐标，根据所述空间坐标对所述降噪免疫样本图像进行参数求解，得到中间参数；
根据所述中间参数构造所述降噪免疫样本图像的旋转矩阵，根据所述旋转矩阵生成矫正参数；
根据所述矫正参数对所述降噪免疫样本图像进行矫正处理，得到标准免疫样本图像。
6.如权利要求5中所述的图像处理方法，其特征在于，所述根据所述空间坐标对所述降噪免疫样本图像进行参数求解，得到中间参数，包括：
根据所述空间坐标生成矩阵元素集；
将所述矩阵元素集与预设的平移矩阵进行函数计算，得到元素比；
根据所述元素比对所述降噪免疫样本图像线性计算，得到所述中间参数。
7.如权利要求6所述的图像处理方法，其特征在于，所述根据所述元素比对所述降噪免疫样本图像线性计算，得到所述中间参数，包括：
利用下式根据所述元素比对所述降噪免疫样本图像线性计算：
其中，
表示为所述平移矩阵；/>
表示为所述中间参数；/>
表示为所述降噪免疫样本图像中像素点的横坐标集合。
8.如权利要求1所述的基于医学检验的免疫样本的图像处理方法，其特征在于，所述对所述提取图像进行拟合处理，得到免疫样本图像，包括：
对所述提取图像进行距离计算，得到圆拟合参数；
根据所述圆拟合参数对所述提取图像进行曲线拟合，得到免疫样本图像。
9.如权利要求1所述的图像处理方法，其特征在于，所述根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像，包括：
根据所述梯度值与梯度方向对所述标准免疫样本图像进行幅度插值比较，根据幅度插值比较的结果对所述标准免疫样本图像进行边缘标记，得到标记数据；
根据预设的滞后阈值对所述标记数据进行边缘筛选，得到提取图像。
10.一种免疫样本的图像处理装置，其特征在于，所述装置包括：
图像预处理模块，用于获取待测免疫样本，对所述待测免疫样本进行图像预处理，得到降噪免疫样本图像；
图像矫正模块，用于对所述降噪免疫样本图像进行图像矫正，得到标准免疫样本图像；
边缘提取模块，用于对所述标准免疫样本图像进行梯度计算，得到所述标准免疫样本图像的梯度值与梯度方向，根据所述梯度值与梯度方向对所述标准免疫样本图像进行边缘提取，得到提取图像；
拟合处理模块，用于对所述提取图像进行拟合处理，得到免疫样本图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310585560.7A CN116309193B (zh) | 2023-05-23 | 2023-05-23 | 一种免疫样本的图像处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310585560.7A CN116309193B (zh) | 2023-05-23 | 2023-05-23 | 一种免疫样本的图像处理方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116309193A true CN116309193A (zh) | 2023-06-23 |
| CN116309193B CN116309193B (zh) | 2023-08-25 |
Family
ID=86785475
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310585560.7A Active CN116309193B (zh) | 2023-05-23 | 2023-05-23 | 一种免疫样本的图像处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116309193B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507565A (zh) * | 2011-11-30 | 2012-06-20 | 刘江 | 一种免疫层析试条反应显色区域搜寻方法 |
| CN108376403A (zh) * | 2018-01-30 | 2018-08-07 | 西安电子科技大学 | 基于霍夫圆变换的网格菌落图像分割方法 |
| CN109118475A (zh) * | 2018-07-09 | 2019-01-01 | 西安工程大学 | 一种单向免疫扩散的图像测量方法 |
| CN110321908A (zh) * | 2018-03-29 | 2019-10-11 | 华为技术有限公司 | 图像识别方法、终端设备及计算机可读存储介质 |
| CN110543859A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种基于深度学习和双目定位的海参自主识别和抓取方法 |
| US20190392585A1 (en) * | 2018-06-26 | 2019-12-26 | Beijing Smarter Eye Technology Co. Ltd. | Image edge extraction method and device, and automated driving system |
| CN112862703A (zh) * | 2021-01-21 | 2021-05-28 | 平安科技（深圳）有限公司 | 基于移动拍照的图像校正方法、装置、电子设备及介质 |
| CN116152483A (zh) * | 2022-11-30 | 2023-05-23 | 西安科技大学 | 一种基于轮廓几何约束的锚钻孔轮廓提取方法及系统 |
-
2023
- 2023-05-23 CN CN202310585560.7A patent/CN116309193B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507565A (zh) * | 2011-11-30 | 2012-06-20 | 刘江 | 一种免疫层析试条反应显色区域搜寻方法 |
| CN108376403A (zh) * | 2018-01-30 | 2018-08-07 | 西安电子科技大学 | 基于霍夫圆变换的网格菌落图像分割方法 |
| CN110321908A (zh) * | 2018-03-29 | 2019-10-11 | 华为技术有限公司 | 图像识别方法、终端设备及计算机可读存储介质 |
| US20190392585A1 (en) * | 2018-06-26 | 2019-12-26 | Beijing Smarter Eye Technology Co. Ltd. | Image edge extraction method and device, and automated driving system |
| CN109118475A (zh) * | 2018-07-09 | 2019-01-01 | 西安工程大学 | 一种单向免疫扩散的图像测量方法 |
| CN110543859A (zh) * | 2019-09-05 | 2019-12-06 | 大连海事大学 | 一种基于深度学习和双目定位的海参自主识别和抓取方法 |
| CN112862703A (zh) * | 2021-01-21 | 2021-05-28 | 平安科技（深圳）有限公司 | 基于移动拍照的图像校正方法、装置、电子设备及介质 |
| CN116152483A (zh) * | 2022-11-30 | 2023-05-23 | 西安科技大学 | 一种基于轮廓几何约束的锚钻孔轮廓提取方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王延年;耿琅环;张豪;李文婷;程燕杰;: "单向免疫扩散样本的图像测量", 激光杂志, no. 08 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116309193B (zh) | 2023-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109389552B (zh) | 一种基于上下文相关多任务深度学习的图像超分辨算法 | |
| US20220215618A1 (en) | Image processing method and apparatus, computer storage medium, and electronic device | |
| CN109949224B (zh) | 一种基于深度学习的联级超分辨率重建的方法及装置 | |
| CN110956632B (zh) | 钼靶图像中胸大肌区域自动检测方法及装置 | |
| WO2014070273A1 (en) | Recursive conditional means image denoising | |
| CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
| CN114529946A (zh) | 基于自监督学习的行人重识别方法、装置、设备及存储介质 | |
| CN108932699A (zh) | 基于变换域的三维匹配调和滤波图像去噪方法 | |
| WO2021102644A1 (zh) | 图像增强方法、装置及终端设备 | |
| CN106599891A (zh) | 一种基于尺度相位谱显著性的遥感图像兴趣区快速提取方法 | |
| CN112991199A (zh) | 一种基于残差密集网络的图像高低频分解噪声去除方法 | |
| CN114926374B (zh) | 一种基于ai的图像处理方法、装置、设备及可读存储介质 | |
| CN116309193B (zh) | 一种免疫样本的图像处理方法及装置 | |
| CN118608438A (zh) | 一种图像质量提升方法、装置、设备及介质 | |
| CN112562004B (zh) | 图像映射参数生成方法、装置和计算机可读介质 | |
| CN114626118A (zh) | 建筑物室内模型生成方法及装置 | |
| CN108537786B (zh) | 用于处理图像方法和装置 | |
| CN114241204B (zh) | 图像识别方法、装置、设备、介质及计算机产品 | |
| CN114549613B (zh) | 基于深度超分辨率网络的结构位移测量方法及装置 | |
| CN116862812A (zh) | 红外图像处理方法、装置、计算机设备、存储介质及产品 | |
| CN112652004B (zh) | 一种图像处理方法、装置、设备及介质 | |
| CN116563582A (zh) | 基于国产CPU和opencv的图像模板匹配方法及装置 | |
| CN107644199A (zh) | 一种基于特征和区域协同匹配的刚体目标跟踪方法 | |
| CN116205940B (zh) | 基于医学检验的数字图像目标检测方法及系统 | |
| CN113888422A (zh) | 一种基于OpenCV的图像模糊快速检测方法及工具 |
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 | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20230623 Assignee: Hubei Yunyihui Medical Technology Co.,Ltd. Assignor: RENMIN HOSPITAL OF WUHAN University (HUBEI GENERAL Hospital) Contract record no.: X2024980000802 Denomination of invention: An Image Processing Method and Device for Immune Samples Granted publication date: 20230825 License type: Common License Record date: 20240119 Application publication date: 20230623 Assignee: Hubei yapunodi Technology Development Co.,Ltd. Assignor: RENMIN HOSPITAL OF WUHAN University (HUBEI GENERAL Hospital) Contract record no.: X2024980000793 Denomination of invention: An Image Processing Method and Device for Immune Samples Granted publication date: 20230825 License type: Common License Record date: 20240119 |