TWI786664B

TWI786664B - 影像處理裝置及基於影像的試紙辨識方法

Info

Publication number: TWI786664B
Application number: TW110120475A
Authority: TW
Inventors: 林昭源; 楊家俊
Original assignee: 緯創資通股份有限公司
Priority date: 2021-06-04
Filing date: 2021-06-04
Publication date: 2022-12-11
Also published as: US20220392071A1; TW202248959A; CN115439735A

Abstract

本發明實施例提出一種影像處理裝置及基於影像的試紙辨識方法。在這方法中，判斷試紙影像在第一軸上的數個代表值。這試紙影像是針對試紙拍攝所得的。這試紙中的測試線或控制線所平行的第二軸垂直於第一軸。依據那些代表值中的第一代表值及第二代表值之間的差異判斷這試紙的測試結果。測試結果包括陽性及陰性。藉此，可改善準確度。

Description

影像處理裝置及基於影像的試紙辨識方法

本發明是有關於一種試紙判讀技術，且特別是有關於一種影像處理裝置及基於影像的試紙辨識方法。

針對部分疾病(例如，肺炎、流感、糖尿病等)或身體狀態(例如，排卵、懷孕等)，若欲達成快速篩檢，醫療人員會使用相關檢驗試紙來檢測。然而，大多數的醫療人員都是使用人工目測來判斷試紙的陽性與陰性反應。當試紙的反應不明顯時，僅能依靠醫療人員的視力與直覺，進而會增加誤判率。

有鑑於此，本發明實施例提供一種影像處理裝置及基於影像的試紙辨識方法，依據試紙影像在不同位置之間的數值差異來判讀陽性與陰性反應，以降低誤判率。

本發明實施例的基於影像的試紙辨識方法包括(但不僅限於)下列步驟：判斷試紙影像在第一軸上的數個代表值。這試紙影像是針對試紙拍攝所得的。這試紙中的測試線或控制線所平行的第二軸垂直於第一軸。依據那些代表值中的第一代表值及第二代表值之間的差異判斷這試紙的測試結果。測試結果包括陽性及陰性。

本發明實施例的影像處理裝置包括(但不僅限於)儲存器及處理器。儲存器儲存程式碼。處理器耦接儲存器。處理器經配置用以載入程式碼而執行下列步驟：判斷試紙影像在第一軸上的數個代表值，並依據那些代表值中的第一代表值及第二代表值之間的差異判斷這試紙的測試結果。這試紙影像是針對試紙拍攝所得的。這試紙中的測試線或控制線所平行的第二軸垂直於第一軸。測試結果包括陽性及陰性。

基於上述，依據本發明實施例的影像處理裝置及基於影像的試紙辨識方法，基於試紙影像在第一軸上的兩個代表值的變化量(即，差異)判斷試紙為陽性或陰性。藉此，可提升陽性及陰性反應的辨識準確度。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

100:影像處理裝置

110:儲存器

111:特徵強化模組

113:代表決定模組

115:判讀模組

130:處理器

150:影像擷取裝置

S210~S250、S310~S350、S710~S750、S1201~S1208:步驟

CL:控制線

b1、b2:區域

V1、V2:統計代表值

h1~h3:跨越距離

D:差值

VH1~VH9:第一代表值

VL1~VL9:第二代表值

TI:試紙影像

VB1~VB4:參考值

B1~B7:主區塊

FC:曲線

SB1~SB4:次區塊

PH、PL:位置

DP:位置差異

DV:強度差異

圖1是依據本發明實施例的影像處理裝置的元件方塊圖。

圖2是依據本發明實施例的基於影像的試紙辨識方法的流程圖。

圖3是依據本發明實施例的影像特徵強化的流程圖。

圖4是依據本發明實施例的代表值判斷的流程圖。

圖5是依據本發明實施例的有限微分的示意圖。

圖6A是依據本發明實施例的初始的試紙影像的示意圖。

圖6B是依據本發明實施例的圖6A經有限微分的影像的示意圖。

圖7是依據本發明實施例說明特徵計算的示意圖。

圖8A是依據本發明實施例的在光源分佈不均下的試紙影像的示意圖。

圖8B是依據本發明實施例的代表值分佈的示意圖。

圖8C是依據本發明實施例的參考值決定的示意圖。

圖8D是依據本發明實施例的曲線的示意圖。

圖8E是依據本發明實施例的經光線校正的代表值分佈的示意圖。

圖9是依據本發明實施例的反應判讀的流程圖。

圖10A~圖10E是依據本發明實施例的波形趨勢的示意圖。

圖11是一範例說明反應不均勻。

圖12A是依據本發明實施例的次區域分割的示意圖。

圖12B是依據本發明實施例的位置差異的示意圖。

圖12C是依據本發明實施例的強度差異的示意圖。

圖1是依據本發明實施例的影像處理裝置100的元件方塊圖。請參照圖1，影像處理裝置100包括(但不僅限於)儲存器110及處理器130。影像處理裝置100可以是桌上型電腦、筆記型電腦、智慧型手機、平板電腦、伺服器、醫療檢測儀器或其他運算裝置。

儲存器110可以是任何型態的固定或可移動隨機存取記憶體(Radom Access Memory，RAM)、唯讀記憶體(Read Only Memory，ROM)、快閃記憶體(flash memory)、傳統硬碟(Hard Disk Drive，HDD)、固態硬碟(Solid-State Drive，SSD)或類似元件。在一實施例中，儲存器110用以記錄程式碼、軟體模組(例如，特徵強化模組111、代表決定模組113及判讀模組115)、組態配置、資料(例如，影像、代表值、差異、參考值、距離、門檻值等)或檔案，並待後文詳述其實施例。

處理器130耦接儲存器110，處理器130並可以是中央處理單元(Central Processing Unit，CPU)、圖形處理單元(Graphic Processing unit，GPU)，或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位信號處理器(Digital Signal Processor，DSP)、可程式化控制器、現場可程式化邏輯閘陣列(Field Programmable Gate Array，FPGA)、特殊應用積體電路(Application-Specific Integrated Circuit，ASIC)、神經網路加速器或其他類似元件或上述元件的組合。在一實施例中，處理器130用以執行影像處理裝置100的所有或部份作業，且可載入並執行儲存器110所記錄的各程式碼、軟體模組、檔案及資料。

在一實施例中，影像處理裝置100更包括影像擷取裝置150。影像擷取裝置150耦接處理器130。影像擷取裝置150可包括影像感測器(例如，電荷耦合裝置(Charge Coupled Device，CCD)、互補式金氧半導體(Complementary Metal-Oxide-Semiconductor，CMOS)等)、光學鏡頭、影像控制電路、影像處理器等元件。

在一實施例中，影像擷取裝置150的鏡頭規格(例如，取像光圈、倍率、焦距、取像可視角度、影像感測器大小等)及其數量可依據實際需求而調整。

在一實施例中，影像擷取裝置150用以對試紙拍攝，以取得試紙影像。試紙可能是針對特定疾病(例如，肺炎、流感、或糖尿病)、身體狀態(例如，懷孕、或排卵)或其他類型檢測。

下文中，將搭配影像處理裝置100中的各項裝置、元件及模組說明本發明實施例所述之方法。本方法的各個流程可依照實施情形而隨之調整，且並不僅限於此。

圖2是依據本發明實施例的基於影像的試紙辨識方法的流程圖。請參照圖2，特徵強化模組111可對試紙影像強化影像特徵(步驟S210)。具體而言，處理器130可透過內建或外接的影像擷取裝置150取得試紙影像，或者處理器130可自伺服器、電腦或儲存媒體下載試紙影像。此外，影像特徵是供後續陰性及陽性反應判斷或控制線辨識所用。

在一實施例中，特徵強化模組111可對試紙影像進行白平衡處理、Gamma校正、及/或濾波處理。舉例而言，圖3是依據本發明實施例的影像特徵強化的流程圖。請參照圖3，在一些應用情境下，對試紙拍攝的光源的色溫可能不同(例如，4500K~6000K)，並使得不同來源的試紙影像的白平衡不同。特徵強化模組111可對初始的試紙影像進行白平衡處理(步驟S310)。在一實施例中，特徵強化模組111可設定目標色溫。例如，紅色、綠色及藍色的目標色溫分別為101、205及164，但不以此為限。特徵強化模組111可取得整張或部分試紙影像的各原色的強度的統計量(例如，平均值、中位數或眾數)，並依據目標色溫與統計量的比值(或稱倍率)調整試紙影像中的所有或部分的像素(pixel)。例如，白平衡處理的數學公式為：New_R=TR/AVG_R(X_R)*R...(1)其中，X_R為輸入/初始的試紙影像中某一個紅色像素的強度，New_R為白平衡後的紅色像素的強度(對應於目標色溫)，AVG_R為整張試紙影像的紅色像素的平均值，且其餘原色可此類推。

須說明的是，在其他實施例中，特徵強化模組111也可以使用其他白平衡校正，或忽略/禁能白平衡處理。

在一些應用情境中，顯色差異度的提升有助於後續陰性或陽性反應的辨識。特徵強化模組111可對試紙影像進行Gamma校正(步驟S330)。例如，Gamma校正的數學公式為：

其中，V_out為輸出值，A為常數並例如為1.0，V_in為輸入值(初始或經白平衡校正的試紙影像中的某一像素的原色的強度)，r為校正參數並例如為1.5。

須說明的是，在其他實施例中，特徵強化模組111也可以使用其他Gamma校正，或忽略/禁能Gamma校正。

在一些應用情境中，試紙可能有髒污。特徵強化模組111可對試紙影像進行濾波處理(步驟S350)。例如，濾波處理為中值濾波、均值濾波、高斯濾波或方框濾波。在一些實施例中，濾波處理也可變更為模糊處理。

須說明的是，在其他實施例中，特徵強化模組111也可以使用其他濾波處理，或忽略/禁能濾波處理。此外，在一些實施例中，步驟S310~S350的順序可能改變，步驟S310~S350中的任一者、兩者或全部可忽略，或者是採用諸如對比度調整、暗部調整等影像處理。

代表決定模組113可判斷試紙影像在第一軸上的一個或更多個代表值(步驟S230)。具體而言，假設試紙中的測試線及/或控制線所平行的軸稱為第二軸，則第二軸垂直於第一軸。以圖6A為例，控制線CL與垂直軸(即，平行於圖面的上下方向)平行並垂直於平行軸(即，平行於圖面的左右方向)。

值得注意的是，控制線及/或測試線是反應特定試劑而顯色或變色，且經反應的控制線及/或測試線通常在第一軸上與相鄰區域(例如，非控制線及測試線的一行或更多行像素)是不同彩度、亮度及/或色相。因此，判斷第一軸上的相鄰區段(例如，間距一個或更多個像素)的變化及/或差異可有助於後續反應的判讀。各代表值(作為影像特徵)可對應於試紙影像在第一軸上分割後的數個區段中的一者。即，各代表值可視為區段上的代表數值。依據不同應用情境，代表決定模組113可縱向分割試紙影像成為數個區段。以圖6B為例，代表決定模組113沿著與控制線CL平行的方向分割試紙影像，相鄰一個像素分割一次，再分別判斷每一行像素的代表值。

圖4是依據本發明實施例的代表值判斷的流程圖。請參照圖4，在一實施例中，代表決定模組113可依據第一軸上的數個區段的統計量決定對應的數個統計代表值(即，降維處理(步驟S710))。統計量可以是平均值、眾數、中位數或其他對區段內的全部或部分像素進行函數運算所得之值。例如，代表決定模組113判斷試紙影像中各行像素的平均值並作為各行像素的統計代表值。而代表值相關於那些統計代表值。例如，代表值為統計代表值或對統計代表值進行函數運算所得之值。相同地，各統計代表值也對應於試紙影像在第一軸上分割後的那些區段中的一者。即，代表值與區段是一對一匹配/映射。藉此，試紙影像的二維資料可轉換成一維資料。

在另一實施例中，代表決定模組113可對試紙影像中的那些區段採用其他資料降維處理。例如，主要特徵擷取、取樣、或矩陣運算。

在一實施例中，代表決定模組113可依據各統計代表值與間隔跨越(stride)距離的另一統計代表值之間的差異決定數個差異代表值中的一者(即，強化差異(步驟S730))。為了更加凸顯反應區域(例如，測試線及/或控制線)及非反應區域(測試線及控制線以外的區域)之間的差異，代表決定模組113可直接依據這差異來產生代表值。值得注意的是，若試紙影像中的兩個位置的統計代表值之間的差異較小(例如，小於特定門檻值)，則代表這兩個位置同屬於反應區域或非反應區域。反之，若試紙影像中的兩個位置的統計代表值之間的差異較大(例如，大於門檻值)，則代表這兩個位置分別位於反應區域及非反應區域。而那些差異代表值可作為代表值。此外，跨越距離相關於測試線或控制線在第一軸的寬度。例如，測試線的寬度為10個像素，則跨越距離為5~8個像素。即，寬度與跨越距離的差距小於對應門檻值，但不以此為限。

在一實施例中，代表決定模組113可依據跨越距離決定各統計代表值所形成之連線經有限微分後之計算值。假設一座標系中的x軸對應於第一軸(即，位置，例如，某一行像素)且y軸對應於第二軸(即，代表值；例如，原色的強度)。那些統計代表值可在這座標系形成座標點，且這些座標點形成連線(通過這些座標點)。假設這連線可趨近於一個函數，則對此函數的有限微分即是用於求此函數的近似解。其中，有限微分是均勻分割定義域。即，限制定義域的範圍。在這實施例中，各計算值可作為那些差異代表值中的一者，且跨越距離相關於有限微分的限制定義域(即，對第一軸分割)。

舉例而言，圖5是依據本發明實施例的有限微分的示意圖。請參照圖5，代表決定模組113對綠色的數個統計代表值有限微分。例如，代表決定模組113將相距跨越距離h1的兩個統計代表值V1,V2(以強度為例)的差值D除以跨越距離h1，即得出計算值，且這計算值為差異代表值。代表決定模組113也可決定兩個統計代表值V1,V2的相鄰值的計算值，並依此類推(如圖所示跨越距離h1往第一軸的方向位移)。此外，跨越距離h1也可變更為更大的跨越距離h2,h3。

圖6A是依據本發明實施例的初始的試紙影像的示意圖，且圖6B是依據本發明實施例的圖6A經有限微分的影像的示意圖。請參照圖6A及圖6B，經有限微分所得的差異代表值在控制線CL的位置附近有大幅的變化。例如，第一軸上的位置在400的差異代表值為-20，但位置在500的差異代表值為20。

在另一實施例中，代表決定模組113可對相距跨越距離的兩統計代表值進行其他函數運算。例如，平方差、或平方根差。

在一實施例中，代表決定模組113可對那些代表值濾波處理，以過濾雜訊(步驟S750)。濾波處理可以是中值濾波、均值濾波或是模糊處理。

須說明的是，在一些實施例中，可忽略/禁能步驟S730及步驟S750中的至少一者。

判讀模組115可依據那些代表值中的第一代表值及第二代表值之間的差異判斷試紙的測試結果(步驟S250)。具體而言，由圖6A及圖6B可知，相鄰代表值的大幅變化可能是控制線或測試線有變色或顯色。因此，代表值之間的差異(作為影像特徵)可用於判斷變色或顯色的情況。

舉例而言，圖7是依據本發明實施例說明特徵計算的示意圖。請參照圖7，在兩虛線的間隔(不限於此寬度)中的第一代表值VH1(例如，這間隔內的最大值)及第二代表值VL1(例如，這間隔內的最小值)之間的差異可作為影像特徵。

須說明的是，圖7所示第一代表值VH1為最大值且第二代表值VL1為最小值，但於其他實施例中，第一代表值VH1也可選自次大者、第三大者或其他大小排序者，且第二代表值VL1也可選自次小者、第三小者或其他大小排序者。在一實施例中，第一代表值VH1大於第二代表值VL1。在另一實施例中，第一代表值VH1小於或等於第二代表值VL1。

此外，測試結果包括陽性及陰性。一般而言，測試線顯色或變色表示陽性，而測試線未顯色或未變色表示陰性，但不以此為限(仍有可能相反)。因此，變色或顯色的情況的發生代表陽性，反之則為陰性(仍有可能相反)。判讀模組115例如可將兩代表值(即，第一及第二代表值)之間的差異與特徵門檻值比較，並依據比較結果決定測試結果。例如，若比較結果為兩代表值的差異小於特徵門檻值，則測試結果為陰性。而若比較結果為兩代表值的差異大於特徵門檻值，則測試結果為陽性。須說明的是，判讀模組115可依據已知陰性樣本(即，被判讀為陰性的試紙影像)及/或已知陽性樣本(即，被判讀為陽性的試紙影像)的統計量決定特徵門檻值。例如，數個陰性樣本的差異在三個標準差(基於常態分佈)的數值作為特徵門檻值。

除此之外，代表值可進一步用於光線校正。圖8A是依據本發明實施例的在光源分佈不均下的試紙影像的示意圖，且圖8B是依據本發明實施例的代表值分佈的示意圖。請參照圖8A及圖8B，假設光源投射在試紙的某一側，則對試紙拍攝會受光源分佈不均的影響。例如，在圖8A中，試紙影像TI的右側較為亮，但左側稍微深。在圖8B中，代表值(以統計代表值為例)的強度在右側較高，且在左側較低。此時，代表值的曲線傾斜。值得注意的是，此時，尚未使用試紙測試。

在一實施例中，判讀模組115可對那些代表值在第一軸上分割成數個主區塊。以圖8A為例，對試紙影像TI縱向分割。舉例而言，圖8C是依據本發明實施例的參考值決定的示意圖。請參照圖8C，試紙影像TI包括主區塊B1~B4且這些主區塊B1~B4的大小大致相同。須說明的是，主區塊的大小及數量可依據實際需求而變更。判讀模組115可決定各主區塊中的那些代表值的參考值。參考值可以是對應主區塊的統計量或經其他函數所得之值。以圖8C為例，主區塊B1~B4的參考值VB1~VB4為其內的所有或部分的代表值的平均值。

判讀模組115可依據那些主區塊的參考值所形成的曲線及目標值修正那些代表值。這目標值相關於亮度校正的目標。例如，紅色的目標為120，綠色的目標為180，且藍色的目標為188。另一方面，圖8D是依據本發明實施例的曲線的示意圖。請參照圖8D，判讀模組115可對參考值VB1~VB4進行曲線擬合(curve fitting)(例如，插值法、或遞歸分析)，並據以形成通過這些參考值VB1~VB4的曲線FC。

在一些實施例中，曲線FC可用方程式表示。例如，三階方程式ax^3+bx^2+cx+d=y。其中，x代表x軸(對應於第一軸及位置)的座標，y代表y軸(對應於第二軸及代表值)的座標，且a、b、c及d為係數。判讀模組115可將各原色的目標值與曲線在強度上的差異，得出各位置所應校正之值。以圖8D為例，判讀模組115將紅色的目標值帶入前述三階方程式中的y以求出最後的數值(即，係數d)。而判讀模組115將特定位置(例如，x為10)帶入方程式後即可得出此位置的新校正值(即，所應增加或減少的修正值)。針對其他位置，也可以透過相同帶入方式得出對應的新校正值。

得出各位置的新校正值後，試紙可供測試，且影像處理裝置100取得對應的試紙影像。判讀模組115可依據對應位置的校正值調整試紙影像上的像素。此時，同一行或同一區段(可能包括數行)像素可使用相同的新校正值。

圖8E是依據本發明實施例的經光線校正的代表值分佈的示意圖。請參照圖8E，經光線校正後，圖8E上的各原色的強度接近或相同於目標值。

在一實施例中，判讀模組115可分別計算統計代表值與目標值的比值，並對同一行或同一區段像素使用相同的比值調整強度。在其他實施例中，判讀模組115也可使用其他亮度校正演算法。

此外，代表值也能用於排除偽陽性。在一些應用情境中，部分已受判讀為陽性的試紙事實上是陰性。圖9是依據本發明實施例的反應判讀的流程圖。請參照圖9，判讀模組115可判斷第一代表值及第二代表值的波形趨勢，並依據這波形趨勢判斷測試結果(例如，是否為陽性)(步驟S1201)。具體而言，波形趨勢為第一代表值至第二代表值在第一軸上的強度趨勢。在這實施例中，前述第一及第二代表值之間的差異為波形趨勢。假設第一代表值為最大值，且第二代表值為最小值。波形可以是所有代表值之連線的形狀。由於試紙中陽性反應的區域較週圍顏色更深，因此基於代表值(例如，有限微分是左邊位置的值減右邊位置的值)，代表值的波形趨勢應是由左至右先高後低。

圖10A~圖10E是依據本發明實施例的波形趨勢的示意圖。以差異代表值為例，請參照圖10A，判讀模組115可在主區塊B5中決定最高值為第一代表值VH2，且決定最低值為第二代表值VL2。由於第一代表值VH2位於第二代表值VL2右側(即，由左至右的強度為先低後高)，因此判讀模組115可判斷這試紙為偽陽性，並據以判斷為測試結果為陰性(步驟S1202)。

請參照圖10B，假設在主區塊B5中有比第一代表值VH2更高的另一個第一代表值VH3。由於第一代表值VH3位於第二代表值VL2左側(即，由左至右的強度為先高後低)，因此判讀模組115可進一步透過其他機制判斷測試結果或直接認定測試結果為陽性。

請參照圖10C，由於第一代表值VH5位於第二代表值VL5右側(即，由左至右的強度為先低後高)，因此判讀模組115可判斷這試紙的測試結果為陰性。

請參照圖10D，由於第一代表值VH6位於第二代表值VL6右側(即，由左至右的強度為先低後高)，因此判讀模組115可判斷這試紙的測試結果為陰性。

請參照圖10E，在主區塊B6中，由於第一代表值VH7位於第二代表值VL7右側(即，由左至右的強度為先低後高)，因此判讀模組115可判斷這試紙的測試結果為陰性。藉由過濾這些偽陽性，將有助於增進判讀的準確率。

在一些應用情境中，請參照圖11是一範例說明反應不均勻，當試劑在試紙上由左向右擴散時，在早期會有不均勻的情況，進而提升誤判的機率。

為了過濾不均勻的偽陽性情況，在一實施例中，判讀模組115可判斷第一代表值及第二代表值的位置差異，並依據這位置差異判斷測試結果。具體而言，位置差異為第一代表值與第二代表值在第一軸的位置之間的差異。在這實施例中，前述第一及第二代表值之間的差異為位置差異。

判讀模組115可對反應區域(可能對應於一個或更多個主區塊)在第二軸上分割成數個次區域(步驟S1203)。即，對主區塊橫向切割。舉例而言，圖12A是依據本發明實施例的次區域分割的示意圖。請參照圖12A，主區塊B7包括四個次區塊SB1~SB4。須說明的是，次區塊SB1~SB4的高度及數量可視實際需求而變更。

判讀模組115可自那些次區塊中的一者或更多者決定第一代表值及第二代表值，並決定第一代表值及第二代表值的位置差異。舉例而言，圖12B是依據本發明實施例的位置差異的示意圖。請參照圖12B，針對某一次區塊(例如，圖12A的次區塊SB1)，判讀模組115決定第一代表值VH8及第二代表值VL8，並決定兩者在第一軸(即，圖面的左右方向)所處位置PH,PL的位置差異DP。

在一實施例中，判讀模組115可將那些次區域的差異(在這實施例為位置差異)中的二者之間的第二差異與位置門檻值比較，以產生比較結果。例如，判讀模組115自那些次區塊中挑選位置差異的最大者及最小者，並將最大者與最小者的差異作為第二差異。又例如，判讀模組115自那些次區塊中挑選任意兩者。

在一實施例中，判讀模組115可判斷位置差異代表值是否小於位置門檻值(步驟S1204)。位置差異代表值可以是前述兩次區域的位置差異之間的第二差異，或是第二差異除以所挑選的次區域的二者中的一者所得之值。例如，位置差異代表值的公式為： (max_line_position-min_line_position)/max_line_position * 100%。其中，max_line_position為次區域的最大者，min_line_position為次區域的最小者。以圖12A為例，假設次區域SB1的位置差異為60，次區域SB2的位置差異為70，次區域SB3的位置差異為55，且次區域SB4的位置差異為65。位置差異代表值為(70-55)/70*100%=21.428%。

另一方面，判讀模組115可依據已知陰性樣本及/或已知陽性樣本的統計量決定位置門檻值。例如，數個陰性樣本的位置差異代表值在三個標準差(基於常態分佈)的數值作為位置門檻值。

判讀模組115可依據位置差異代表值(相關於第二差異)與位置門檻值的比較結果決定測試結果。若比較結果是位置差異代表值小於位置門檻值，則判讀模組115可判斷這試紙的測試結果為陰性(步驟S1205)。若比較結果是位置差異代表值大於位置門檻值，則判讀模組115可進一步透過其他機制判斷測試結果或直接認定測試結果為陽性。

在一實施例中，判讀模組115可判斷第一代表值及第二代表值的強度差異，並依據這強度差異判斷測試結果。具體而言，強度差異為第一代表值與第二代表值的數值之間的差異。在這實施例中，前述第一及第二代表值之間的差異為強度差異。相似地，判讀模組115可對反應區域(可能對應於一個或更多個主區塊)在第二軸上分割成數個次區域。此外，判讀模組115可自那些次區塊中的一者或更多者決定第一代表值及第二代表值，並決定第一代表值及第二代表值的強度差異。舉例而言，圖12C是依據本發明實施例的強度差異的示意圖。請參照圖12C，針對某一次區塊(例如，圖12A的次區塊SB2)，判讀模組115決定第一代表值VH9及第二代表值VL9，並決定兩者在強度/數值上的強度差異DV。

在一實施例中，判讀模組115可將那些次區域的差異(在這實施例為強度差異)中的二者之間的第二差異與強度門檻值比較，以產生比較結果。例如，判讀模組115自那些次區塊中挑選強度差異的最大者及最小者，並將最大者與最小者的差異作為第二差異。又例如，判讀模組115自那些次區塊中挑選任意兩者。

在一實施例中，判讀模組115可判斷強度差異代表值是否小於強度門檻值(步驟S1206)。強度差異代表值可以是前述兩次區域的強度差異之間的第二差異，或是第二差異除以所挑選的次區域的二者中的一者所得之值。例如，強度差異代表值的公式為：(max_strength_distance-min_strength_distance)/max_strength_position * 100%。其中，max_strength_distance為次區域的最大者，min_strength_distance為次區域的最小者。以圖12A為例，假設次區域SB1的強度差異為9，次區域SB2的強度差異為10，次區域SB3的強度差異為11，且次區域SB4的強度差異為11。強度差異代表值為(11-9)/11*100%=18.182%。

另一方面，判讀模組115可依據已知陰性樣本及/或已知陽性樣本的統計量決定強度門檻值。例如，數個陰性樣本的強度差異代表值在三個標準差(基於常態分佈)的數值作為強度門檻值。

判讀模組115可依據強度差異代表值(相關於第二差異)與強度門檻值的比較結果決定測試結果。若比較結果是強度差異代表值小於強度門檻值，則判讀模組115可判斷這試紙的測試結果為陰性(步驟S1207)。若比較結果是位置差異代表值大於位置門檻值，則判讀模組115可進一步透過其他機制判斷測試結果或直接認定測試結果為陽性(步驟S1208)。

須說明的是，前述步驟S1201,S1204,S1206的順序可變化。此外，在一些實施例中，只要步驟S1201,S1204,S1206中的任一者或任兩者符合(即，決定為是)，即可確定測試結果為陽性。在其他實施例中，判讀模組115可忽略/禁能步驟S1201,S1204,S1206中的至少一者。

綜上所述，在本發明實施例的影像處理裝置及基於影像的試紙辨識方法中，可強化影像特徵、以資料降維方式取得代表值且過濾偽陽性。藉此，可提升試紙的陽性或陰性判讀的準確性。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

VH1:第一代表值

VL1:第二代表值

Claims

一種基於影像的試紙辨識方法，包括：藉由一處理器判斷一試紙影像在一第一軸上的多個代表值，其中該試紙影像是針對一試紙拍攝所得的，且該試紙中的一測試線或一控制線所平行的一第二軸垂直於該第一軸；以及藉由該處理器依據該些代表值中的一第一代表值及一第二代表值之間的一差異判斷該試紙的一測試結果，其中該測試結果包括一陽性及一陰性。
如請求項1所述的基於影像的試紙辨識方法，其中藉由該處理器判斷該試紙影像在該第一軸上的該些代表值的步驟包括：藉由該處理器依據該第一軸上的多個區段的統計量決定對應的多個統計代表值，其中該些代表值相關於該些統計代表值，且每一該統計代表值對應於該試紙影像在該第一軸上分割後的該些區段中的一者。
如請求項2所述的基於影像的試紙辨識方法，其中藉由該處理器判斷該試紙影像在該第一軸上的該些代表值的步驟包括：藉由該處理器依據每一該統計代表值與間隔一跨越距離的另一該統計代表值之間的差異決定多個差異代表值中的一者，其中該些代表值為該些差異代表值，且該跨越距離相關於該測試線或該控制線在該第一軸的寬度。
如請求項3所述的基於影像的試紙辨識方法，其中藉由該處理器決定該些第二代表值中的一者的步驟包括：藉由該處理器依據該跨越距離決定該些統計代表值所形成之連線經一有限微分後之計算值，其中該計算值為該些差異代表值中的一者，且該跨越距離相關於該有限微分的限制定義域。
如請求項1所述的基於影像的試紙辨識方法，其中藉由該處理器依據該些代表值中的該第一代表值及該第二代表值之間的該差異判斷該試紙的該測試結果的步驟包括：藉由該處理器判斷該第一代表值及該第二代表值的一波形趨勢、一位置差異及一強度差異中的至少一者，其中該差異為該波形趨勢、該位置差異或該強度差異，該波形趨勢為該第一代表值至該第二代表值在該第一軸上的強度趨勢，該位置差異為該第一代表值與該第二代表值在該第一軸的位置之間的差異，該強度差異為該第一代表值與該第二代表值的數值之間的差異，該第一代表值為該些代表值中的一最高者，且該第二代表值為該些代表值中的一最低者；以及藉由該處理器依據該波形趨勢、該位置差異及該強度差異中的至少一者判斷該測試結果。
如請求項5所述的基於影像的試紙辨識方法，更包括：藉由該處理器對該些代表值在該第一軸上分割成多個主區塊；以及藉由該處理器自該些主區塊中的一者決定該第一代表值及該第二代表值。
如請求項6所述的基於影像的試紙辨識方法，其中藉由該處理器自該些主區塊中決定該第一代表值及該第二代表值的步驟包括：藉由該處理器對該些主區塊中的一者在該第二軸上分割成多個次區塊；以及藉由該處理器自該些次區塊中的一者決定該第一代表值及該第二代表值。
如請求項7所述的基於影像的試紙辨識方法，其中藉由該處理器依據該波形趨勢、該位置差異及該強度差異中的至少一者判斷該測試結果的步驟更包括：藉由該處理器將該些次區域的該差異中的二者之間的第二差異與一門檻值比較，以產生一比較結果；以及藉由該處理器依據該比較結果決定該測試結果。
如請求項6所述的基於影像的試紙辨識方法，更包括：藉由該處理器決定每一該主區塊中的該些代表值的參考值；以及藉由該處理器依據該些主區塊的參考值所形成的曲線及一目標值修正該些代表值，其中該目標值相關於亮度校正的目標。
如請求項1所述的基於影像的試紙辨識方法，其中藉由該處理器判斷該試紙影像在該第一軸上的該些代表值的步驟之前，更包括：藉由該處理器對該試紙影像進行一白平衡處理、一Gamma校正、及一濾波處理中的至少一者。
一種影像處理裝置，包括：一儲存器，儲存一程式碼；以及一處理器，耦接該儲存器，並經配置用以載入該程式碼而執行：判斷一試紙影像在一第一軸上的多個代表值，其中該試紙影像是針對一試紙拍攝所得的，且該試紙中的一測試線或一控制線所平行的一第二軸垂直於該第一軸；以及依據該些代表值中的一第一代表值及一第二代表值之間的一差異判斷該試紙的一測試結果，其中該測試結果包括一陽性及一陰性。
如請求項11所述的影像處理裝置，其中該處理器更經配置用以執行：依據該第一軸上的多個區段的統計量決定對應的多個統計代表值，其中該些代表值相關於該些統計代表值，且每一該統計代表值對應於該試紙影像在該第一軸上分割後的該些區段中的一者。
如請求項12所述的影像處理裝置，其中該處理器更經配置用以執行：依據每一該統計代表值與間隔一跨越距離的另一該統計代表值之間的差異決定多個差異代表值中的一者，其中該些代表值為該些差異代表值，且該跨越距離相關於該測試線或該控制線在該第一軸的寬度。
如請求項13所述的影像處理裝置，其中該處理器更經配置用以執行：依據該跨越距離決定該些統計代表值所形成之連線經一有限微分後之計算值，其中該計算值為該些差異代表值中的一者，且該跨越距離相關於該有限微分的限制定義域。
如請求項11所述的影像處理裝置，其中該處理器更經配置用以執行：判斷該第一代表值及該第二代表值的一波形趨勢、一位置差異及一強度差異中的至少一者，其中該差異為該波形趨勢、該位置差異或該強度差異，該波形趨勢為該第一代表值至該第二代表值在該第一軸上的強度趨勢，該位置差異為該第一代表值與該第二代表值在該第一軸的位置之間的差異，該強度差異為該第一代表值與該第二代表值的數值之間的差異，該第一代表值為該些代表值中的一最高者，且該第二代表值為該些代表值中的一最低者；以及依據該波形趨勢、該位置差異及該強度差異中的至少一者判斷該測試結果。
如請求項15所述的影像處理裝置，其中該處理器更經配置用以執行：對該些代表值在該第一軸上分割成多個主區塊；以及自該些主區塊中的一者決定該第一代表值及該第二代表值。
如請求項16所述的影像處理裝置，其中該處理器更經配置用以執行：對該些主區塊中的一者在該第二軸上分割成多個次區塊；以及自該些次區塊中的一者決定該第一代表值及該第二代表值。
如請求項17所述的影像處理裝置，其中該處理器更經配置用以執行：將該些次區域的該差異中的二者之間的第二差異與一門檻值比較，以產生一比較結果；以及依據該比較結果決定該測試結果。
如請求項16所述的影像處理裝置，其中該處理器更經配置用以執行：決定每一該主區塊中的該些代表值的參考值；以及依據該些主區塊的參考值所形成的曲線及一目標值修正該些代表值，其中該目標值相關於亮度校正的目標。
如請求項11所述的影像處理裝置，其中該處理器更經配置用以執行：對該試紙影像進行一白平衡處理、一Gamma校正、及一濾波處理中的至少一者。