TWI789957B - 配合拉曼光譜儀於檢體中尋找取樣點的方法和系統 - Google Patents
配合拉曼光譜儀於檢體中尋找取樣點的方法和系統 Download PDFInfo
- Publication number
- TWI789957B TWI789957B TW110138975A TW110138975A TWI789957B TW I789957 B TWI789957 B TW I789957B TW 110138975 A TW110138975 A TW 110138975A TW 110138975 A TW110138975 A TW 110138975A TW I789957 B TWI789957 B TW I789957B
- Authority
- TW
- Taiwan
- Prior art keywords
- image
- value
- sample
- proportion
- nth block
- Prior art date
Links
Images
Abstract
本發明公開一種配合拉曼光譜儀於檢體中尋找取樣點的方法和系統,方法包括如下步驟。通過拍攝裝置來取得檢體的一區域的影像,並且將影像分為多個區塊。每一區塊在檢體上對應的面積能被拉曼光譜儀的雷射光束照射面積所覆蓋。針對這些區塊的每一者,計算第n個區塊內影像特徵強度高於、低於、及/或介於一預定範圍的像素之分布型態,並且當分布型態符合一允收條件時,決定檢體中對應第n個區塊的位置能夠作為取樣點。n為變數,預定範圍為依據多個可分析拉曼光譜所對應的多個微生物體的影像特徵來決定,且每一可分析拉曼光譜內含一微生物體特徵型態。
Description
本發明涉及一種尋找取樣點的方法和系統,特別涉及一種配合拉曼光譜儀於檢體中尋找取樣點的方法和系統。
拉曼光譜儀在對檢體進行檢測時,通常是以雷射光使得檢體激發帶有拉曼光譜(Raman Spectra)的散射光,並且再針對散射光的拉曼光譜進行分析。另外,目前拉曼光譜儀是會使用取樣方式來對檢體進行檢測,也就是說將雷射光聚焦投射在檢體的取樣點上,因此如何配合拉曼光譜儀於檢體中尋找取樣點則成為本領域的一項技術問題。
為了解決上述技術問題,本發明提供一種配合拉曼光譜儀於檢體中尋找取樣點的方法,包括如下步驟。通過拍攝裝置來取得檢體的一區域的影像,並且將影像分為多個區塊。每一區塊在檢體上對應的面積能被拉曼光譜儀的雷射光束照射面積所覆蓋。針對這些區塊的每一者,計算第n個區塊內影像特徵強度高於、低於、及/或介於一預定範圍的像素之分布型態,並且當分布型態符合一允收條件時,決定檢體中對應第n個區塊的位置能夠作為取樣點。n為變數,預定範圍為依據多個可分析拉曼光譜所對應的多個微生物體的影像特徵來決定,且每一可分析拉曼光譜內含一微生物體特徵型態。
除此之外,本發明另提供一種配合拉曼光譜儀於檢體中尋找取樣點的系統,包括拍攝裝置以及運算電路。拍攝裝置用來拍攝檢體。運算電路耦接拍攝裝置,並且用來執行如下步驟。通過拍攝裝置來取得檢體的一區域的影像,並且將影像分為多個區塊。每一區塊在檢體上對應的面積能被拉曼光譜儀的雷射光束照射面積所覆蓋。針對這些區塊的每一者,計算第n個區塊內影像特徵強度高於、低於、及/或介於一預定範圍的像素之分布型態,並且當分布型態符合一允收條件時,決定檢體中對應第n個區塊的位置能夠作為取樣點。n為變數,預定範圍為依據多個可分析拉曼光譜所對應的多個微生物體的影像特徵來決定,且每一可分析拉曼光譜內含一微生物體特徵型態。
依據本發明提出的方法與系統,於使用高拉曼光譜儀檢測檢體中的微生物體、判斷該微生物體是何種細菌時,不僅能提高判斷菌種的準確度,更可大幅減少檢需要測耗費的時間。
為使能更進一步瞭解本發明的特徵及技術內容,請參閱以下有關本發明的詳細說明與圖式,然而所提供的圖式僅用於提供參考與說明,並非用來對本發明加以限制。
請同時參閱圖1和圖7,圖1是本發明第一實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖,圖7是本發明實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的系統的方塊圖。本發明的方法可以是適用於圖7的系統70中,且系統70至少包括拍攝裝置700和運算電路702。拍攝裝置700用來拍攝檢體,但本發明不限制拍攝裝置700及其拍攝檢體時的具體實現方式。運算電路702耦接拍攝裝置700,且其可以是由硬體搭配軟體與/或韌體來實現,但本發明亦不限制運算電路702的具體實現方式。另外,拍攝裝置700與/或運算電路702可以是被整合在拉曼光譜儀72之中,或者獨立於拉曼光譜儀72之外。總而言之,本發明的方法和系統70雖然可以配合拉曼光譜儀72,但本發明亦不限制拉曼光譜儀72的具體實現方式。
拉曼光譜儀72會將檢體分為多個區域來進行檢測。舉例來說,拉曼光譜儀72通常是以顯微鏡來對檢體進行檢測,且顯微鏡的視野大小遠小於檢體的大小,因此拉曼光譜儀72可依照顯微鏡的視野大小來將檢體分為多個區域,但本發明不以此為限制。而本發明之尋找取樣點的方法如圖1所示,在步驟S110中,運算電路702可通過拍攝裝置700來取得檢體的一區域的影像,並且在步驟S120中,將影像分為多個區塊,而每個區塊中可能存在有數個微生物體。然而,本發明也不限制影像的具體格式。總而言之,通過拍攝裝置700所取得到的影像可以是動態影像或靜態影像,例如影片、灰階影像或彩色影像等。另外,既然是對檢體的一區域的影像進行分割,因此每一區塊就能對應檢體中的一位置,且每一區塊在檢體上對應的面積能被拉曼光譜儀72的雷射光束照射面積所覆蓋。
請一併參閱圖2,圖2是本發明實施例的影像被分為多個區塊的示意圖。如圖2所示,根據顯微鏡的視野大小,運算電路702可得到尺寸為320微米×240微米的影像Im,並且根據拉曼光譜儀72的雷射光束照射面積大小,運算電路702可將影像Im分為12個區塊,每個區塊在檢體上對應的面積尺寸都是80微米×80微米,但本發明不以此為限制。在其他實施例中,區塊之間還可能有重疊的部分。總而言之,本發明不限制運算電路702將影像Im分為多個區塊的具體實現方式。接著,在步驟S130中,針對這些區塊的每一者,運算電路702可給予一編號n, n為變數,而且若以圖2的12個區塊為例,n的值就可依序為1到12的整數,但本發明亦不以此為限制。另外,運算電路702可計算在第n個區塊內的影像特徵強度高於、低於、及/或介於一預定範圍的像素之分布型態,並且當分布型態符合一允收條件時,運算電路702則決定檢體中對應第n個區塊的位置能夠作為取樣點。而檢體中對應第n個區塊的位置例如是第n個區塊在檢體上對應的面積之中心點、四個端點其中之一、該對應面積的幾何中心或該對應面積內的任一座標點等。上述的影像特徵強度例如是指像素的灰階值,但本發明不以此為限制。在其他實施例中,影像特徵強度可以是指靜態的色彩尺度或者動態的閃爍頻率等,且色彩尺度包括灰階值、色相/飽和度、亮度、色度和對比度等。
由於不同種類細菌的拉曼光譜會有不同的特徵峰值位置,故拉曼光譜儀72可透過識別光譜中峰值的頻譜位置來區分出取樣點處的微生物體屬於何種細菌,而具有這類特徵峰值位置的拉曼光譜在此稱之為「內含一微生物體特徵型態」的拉曼光譜。然而,並非所有生成的拉曼光譜都能夠被分析。若雷射光投射在區塊內的微生物體上,所產生的拉曼光譜無法被分析,此類無法被分析的拉曼光譜在本發明中將被稱做是不可分析光譜,能夠被分析的拉曼光譜在本發明中則被稱為可分析拉曼光譜。而由上述可知,可分析拉曼光譜具有微生物體特徵型態。另外,拉曼光譜儀72的資料庫會儲存這些可分析拉曼光譜、產生出這些可分析拉曼光譜所對應的微生物體資料以及這些微生物體之影像特徵。若以影像特徵為像素的灰階值為例,經過大數據分析後,可知道雷射光投射在太黑或太白的區塊內的微生物體上,將不會產生任何可分析拉曼光譜,因此預定範圍可設定為灰階值120到250。另外,預定範圍也可依據多個可分析拉曼光譜所對應的多個微生物體之影像特徵來決定,且每一可分析拉曼光譜為內含一微生物體特徵型態。
接著請參閱圖3,圖3是本發明第二實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖。圖3中與圖1相同的步驟以相同的標號表示,故於此不再詳述其細節。如圖3所示,步驟S130可包括步驟S331、S332和S333。在步驟S331中,運算電路702可計算第n個區塊內灰階值介於預定範圍(例如灰階值120到250)的像素的占比,即該占比等於第n個區塊內灰階值介於預定範圍的像素數量除以第n個區塊的像素總數後再乘上100%。接著,在步驟S332中,運算電路702可判斷該占比是否符合允收條件(例如大於等於50%)。若符合允收條件,運算電路702可先執行步驟S333,以決定檢體中對應第n個區塊的位置能夠作為取樣點,並且再執行步驟S340;若不符合允收條件,運算電路702則直接執行步驟S340。
在步驟S340中,運算電路702可判斷是否已經檢查過影像Im的每一區塊。若是,代表運算電路702已經計算過每一區塊內灰階值介於預定範圍的像素的占比,並且也已經判斷過每一區塊的該占比是否符合允收條件,因此運算電路702可執行步驟S360;若影像Im的所有區塊尚未被全部檢查過,運算電路702可執行步驟S350,以改變n的值,並且在n的值改變後返回步驟S331。另外,由於拉曼光譜儀72可將檢體分為多個區域來進行檢測,且目前取得的影像Im是檢體的一區域的影像,因此在步驟S360中,運算電路702可判斷檢體是否還有其他區域能尋找取樣點。若不是,代表目前檢體沒有其他區域能尋找取樣點,因此運算電路702可執行步驟S370,以結束於目前檢體中尋找取樣點的方法,直到又要於其他檢體中來尋找取樣點的話,系統70就會重新執行本方法。
另一方面,在判斷檢體還有其他區域能尋找取樣點時,運算電路702則返回步驟S110,但為了避免重複對同一區域進行分析,運算電路702每次執行步驟S110時,可以將正在對準取樣的區域影像與之前檢測區域的影像做比對,以確認正在對準取樣的區域不同於先前尋找過取樣點的區域。需說明的是,拉曼光譜儀72在對檢體進行檢測時,通常是會移動其放置檢體的載台來使得對檢體的不同區域進行檢測,因此雖然本發明不限制拍攝裝置700及其拍攝檢體時的具體實現方式,但如果拍攝裝置700是被整合在拉曼光譜儀72之中且在運算電路702每次執行步驟S110時就只拍攝到載台上的檢體的一區域的話,那麼從步驟S360返回到步驟S110的過程中,運算電路702還可增加執行一步驟,以移動載台來使得拍攝裝置700能夠拍攝到檢體的另一區域。另外,本發明也不限制改變n的值的具體實現方式。
若以圖2的影像Im被分成12個區塊為例,運算電路702還可在執行步驟S130之前先初始化n的值為1,並且在步驟S350中,對n的值加1。相對地,運算電路702也可在執行步驟S130之前先初始化n的值為12,並且在步驟S350中,對n的值減1。總而言之,本發明不限制改變n的值的具體實現方式。另外,針對計算第n個區塊內影像特徵強度高於、低於、及/或介於預定範圍的像素之分布型態,圖3的第二實施例就是只計算第n個區塊內灰階值介於預定範圍的像素的占比,因此如果通過拍攝裝置700所取得到的影像Im是彩色影像的話,運算電路702還可在執行圖3的步驟S130之前先將彩色影像轉為灰階影像,或者請參閱圖4A和圖4B,圖4A和圖4B是本發明第三實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖。
如圖4A和圖4B所示,步驟S130也可包括步驟S431、S432、S433、S434、S435和S436。在步驟S431中,運算電路702可分別計算第n個區塊內紅色(R)值介於第一預定範圍的像素的第一占比、綠色(G)值介於第二預定範圍的像素的第二占比以及藍色(B)值介於第三預定範圍的像素的第三占比。為了方便以下說明,本實施例可將第一占比、第二占比以及第三占比分別用以RR、GR以及BR來表示,並且在步驟S432中,根據RR、GR以及BR,運算電路702可計算R值的第一權重、G值的第二權重以及B值的第三權重。R值的第一權重、G值的第二權重以及B值的第三權重可分別用以Wr、Wg以及Wb來表示,且Wr=RR/(RR+GR+BR)、Wg=GR/(RR+GR+BR)以及Wb=BR/(RR+GR+BR),因此在步驟S433中,根據Wr、Wg以及Wb,運算電路702可計算第n個區塊內每一像素的深淺度值,即每一像素的深淺度值等於該像素的R值乘上Wr、G值乘上Wg以及B值乘上Wb的總和。
然後,在步驟S434中,運算電路702可計算第n個區塊內深淺度值介於第四預定範圍的像素的第四占比,並且在步驟S435中,判斷第四占比是否符合允收條件(例如小於70%)。若符合允收條件,運算電路702可先執行步驟S436,以決定檢體中對應第n個區塊的位置能夠作為取樣點,並且再執行步驟S440;若不符合允收條件,運算電路702則直接執行步驟S440。
類似地,在步驟S440中,運算電路702可判斷是否已經檢查過影像Im的每一區塊。若不是,運算電路702可執行步驟S450,以改變n的值,並且在n的值改變後返回步驟S431;若是,代表運算電路702已經計算過影像Im的每一區塊內深淺度值介於第四預定範圍的像素的第四占比,並且也已經判斷過每一區塊的該第四占比是否符合允收條件,因此運算電路702可執行步驟S460,以判斷檢體是否還有其他區域能尋找取樣點,並且在判斷檢體沒有其他區域能尋找取樣點時,運算電路702執行步驟S470,以結束於目前檢體中尋找取樣點的方法
然而,由於圖4A和圖4B的第三實施例還假設拍攝裝置700是被整合在拉曼光譜儀72之中,且在運算電路702每次執行步驟S110時就只拍攝到載台上的檢體的一區域,因此在判斷檢體還有其他區域能尋找取樣點時,運算電路702可執行步驟S480,以移動載台來使得拍攝裝置700能夠拍攝到檢體的另一區域,並且再返回步驟S110,但本發明不以此為限制。總而言之,如果拍攝裝置700是沒被整合在拉曼光譜儀72之中的話,運算電路702就可在判斷檢體還有其他區域能尋找取樣點時跳過步驟S480而直接返回步驟S110,但運算電路702每次執行步驟S110時是取得檢體的另一區域的影像。由於相關細節已如同前實施例內容,故於此就不再多加贅述。
另外,本發明也不限制運算電路702移動載台的具體實現方式,而且運算電路702還可以增加其他判斷條件來結束於目前檢體中尋找取樣點的方法。例如,本發明可針對每一檢體只限制找出20個取樣點,因此在運算電路702決定檢體中對應第n個區塊的位置能夠作為取樣點後,運算電路702還可先判斷目前決定能作為取樣點的位置是否已達20個。若是,運算電路702就可直接結束於目前檢體中尋找取樣點的方法。再者,如果運算電路702也是被整合在拉曼光譜儀72之中,且拉曼光譜儀72亦能夠直接配合運算電路702來將雷射光投射在第n個區塊內的微生物體位置上,運算電路702就可以僅紀錄第n個區塊的編號。
換句話說,針對計算第n個區塊內影像特徵強度高於、低於、及/或介於預定範圍的像素之分布型態,圖4A和圖4B的第三實施例是計算第n個區塊內深淺度值介於第四預定範圍的像素的第四占比,而且既然每一像素的深淺度值等於該像素的R值乘上Wr、G值乘上Wg以及B值乘上Wb的總和,因此如果能夠固定Wr、Wg以及Wb的話,運算電路702就可再省略執行步驟S431和S432。於是請參閱圖5,圖5是本發明實施例所提供一次性計算紅色值、綠色值以及藍色值的權重的步驟流程圖。如圖5所示,步驟S500包括步驟S501到S504。
在步驟S501中,運算電路702可將拍攝裝置700的物鏡切換為低倍率(例如,×4)狀態使得其視野涵蓋檢體的整個菌落。其次在步驟S502中,運算電路702可通過演算法找出菌落邊界,並定義菌落範圍。接著在步驟S503中,運算電路702可計算菌落範圍內的全部像素的R值總和、G值總和以及B值總和。為了方便以下說明,菌落範圍內的全部像素的R值總和、G值總和以及B值總和可分別用以RS、GS以及BS來表示,並且在步驟S504中,根據RS、GS以及BS,運算電路702可計算Wr=RS/(RS+GS+BS)、Wg=GS/(RS+GS+BS)以及Wb=BS/(RS+GS+BS)。換句話說,運算電路702也可藉由圖5的步驟S500來計算Wr、Wg以及Wb,而不用再根據RR、GR以及BR來計算Wr、Wg以及Wb。於是請參閱圖6A和圖6B,圖6A和圖6B是本發明第四實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖。
如圖6A和圖6B所示,在運算電路702執行步驟S500以算出Wr、Wg以及Wb後,運算電路702可執行步驟S610,以將拍攝裝置700的物鏡切換為高倍率(例如,×20)狀態,並且再執行步驟S110。另外,參考圖3的第二實施例,圖6A和圖6B的第四實施例也可在步驟S120之前包括S611、S612、S613和S680。在步驟S611中,運算電路702可將影像Im由彩色影像轉為灰階影像,並且在步驟S612中,運算電路702可計算該灰階影像內灰階值介於第一預定範圍的像素的第一占比。接著,在步驟S613中,運算電路702可判斷該第一占比是否小於第一門限(例如80%)。若是,代表運算電路702可初步判斷這時候的影像Im所對應檢體的區域還不會產生可分析拉曼光譜,因此運算電路702可執行步驟S680,以移動載台來使得拍攝裝置700能夠拍攝到檢體的另一區域,並且再返回步驟S110;若不是,運算電路702才執行步驟S120,以將影像Im分為多個區塊。
類似地,如果拍攝裝置700是沒被整合在拉曼光譜儀72之中的話,運算電路702也可在判斷該第一占比小於第一門限時直接返回步驟S110,但運算電路702每次執行步驟S110時是取得檢體的另一區域的影像。另外,圖6A和圖6B的步驟S130可包括步驟S631、S632、S633和S634。在步驟S631中,根據Wr、Wg以及Wb,運算電路702可計算第n個區塊內每一像素的深淺度值,並且在步驟S632中,運算電路702可計算第n個區塊內深淺度值介於第二預定範圍的像素的第二占比。接著,在步驟S633中,運算電路702可判斷第二占比是否符合允收條件(例如小於70%)。若是,運算電路702可先執行步驟S634,以決定檢體中對應第n個區塊的位置能夠作為取樣點,並且再執行步驟S640;若不是,運算電路702則直接執行步驟S640。
在步驟S640中,運算電路702可判斷是否已經檢查過影像Im的每一區塊。若不是,運算電路702可執行步驟S650,以改變n的值,並且在n的值改變後返回步驟S631;若是,代表運算電路702已經計算過影像Im的每一區塊內深淺度值介於第二預定範圍的像素的第二占比,並且也已經判斷過每一區塊的該第二占比是否符合允收條件,因此運算電路702可執行步驟S660,以判斷檢體是否還有其他區域能尋找取樣點,並且在判斷檢體沒有其他區域能尋找取樣點時,運算電路702則執行步驟S670,以結束於目前檢體中尋找取樣點的方法。相反地,在判斷檢體還有其他區域能尋找取樣點時,運算電路702可執行步驟S680,以移動載台來使得拍攝裝置700能夠拍攝到檢體的另一區域,並且再返回步驟S110。由於相關細節已如同前實施例內容,故於此就不再多加贅述。
綜合上述,本發明實施例提出的方法與系統中,利用將影像被分成多個區塊以及判斷區塊中的影像特徵是否符合特定條件的技術手段,來判斷特定區塊對應的檢體位置是否能成為取樣點,以達到快速檢測的目的。於使用高拉曼光譜儀檢測檢體中的微生物體、判斷該微生物體是何種細菌時,不僅能提高判斷菌種的準確度,更可大幅減少檢測需要耗費的時間。
以上所提供的內容僅為本發明的優選可行實施例,並非因此侷限本發明的申請專利範圍,所以凡是運用本發明說明書及圖式內容所做的等效技術變化,均包含於本發明的申請專利範圍內。
S110~S130,S331~S333,S340~S370,S431~S436,S440~S480,S500,S501~ S504,S610, S611~S613,S631~S634,S640~S680:流程步驟
Im:影像
70:系統
700:拍攝裝置
702:運算電路
72:拉曼光譜儀
圖1是本發明第一實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖。
圖2是本發明實施例的影像被分為多個區塊的示意圖。
圖3是本發明第二實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖。
圖4A和圖4B是本發明第三實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖。
圖5是本發明實施例所提供一次性計算紅色值、綠色值以及藍色值的權重的步驟流程圖。
圖6A和圖6B是本發明第四實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的方法的步驟流程圖。
圖7是本發明實施例所提供配合拉曼光譜儀於檢體中尋找取樣點的系統的方塊圖。
S110~S130:流程步驟
Claims (11)
- 一種配合拉曼光譜儀於一檢體中尋找一取樣點的方法,包括:通過一拍攝裝置來取得該檢體的一區域的一影像,並且將該影像分為多個區塊,其中每一該些區塊於該檢體上對應的面積能被該拉曼光譜儀的雷射光束照射面積所覆蓋;以及針對該些區塊的每一者,計算第n個區塊內影像特徵強度高於、低於、及/或介於一預定範圍的像素之分布型態,並且當該分布型態符合一允收條件時,決定該檢體中對應該第n個區塊的一位置能夠作為該取樣點;其中n為變數,該預定範圍為依據多個可分析拉曼光譜所對應的多個微生物體的影像特徵來決定,且每一該些可分析拉曼光譜內含一微生物體特徵型態;其中該影像特徵強度係指色彩尺度或閃爍頻率,且該色彩尺度是灰階值、色相/飽和度、亮度、色度、對比度或深淺度值。
- 如請求項1所述的方法,其中在從計算該第n個區塊的該分布型態到決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點的步驟中,包括:計算該第n個區塊內該灰階值介於該預定範圍的像素的一占比,並且判斷該占比是否符合該允收條件;以及當該占比符合該允收條件時,決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點。
- 如請求項2所述的方法,其中在決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點或者判斷該占比不符合該允 收條件後,該方法更包括:判斷是否已經檢查過該影像的每一該些區塊;若不是,改變n的值,並且返回計算該占比的步驟;以及若是,判斷該檢體是否還有其他區域能尋找其他取樣點。
- 如請求項1所述的方法,其中在從計算該第n個區塊的該分布型態到決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點的步驟中,包括:分別計算該第n個區塊內紅色值介於一第一預定範圍的像素的一第一占比、綠色值介於一第二預定範圍的像素的一第二占比以及藍色值介於一第三預定範圍的像素的一第三占比;根據該第一占比、該第二占比以及該第三占比,計算該紅色值的一第一權重、該綠色值的一第二權重以及該藍色值的一第三權重,並且根據該第一權重、該第二權重以及該第三權重,計算該第n個區塊內每一像素的該深淺度值;計算該第n個區塊內該深淺度值介於一第四預定範圍的像素的一第四占比,並且判斷該第四占比是否符合該允收條件;以及當該第四占比符合該允收條件時,決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點。
- 如請求項4所述的方法,其中在決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點或者判斷該四占比不符合該允收條件後,該方法更包括:判斷是否已經檢查過該影像的每一該些區塊;若不是,改變n的值,並且返回分別計算該第一占比、該第 二占比以及該第三占比的步驟;以及若是,判斷該檢體是否還有其他區域能尋找其他取樣點。
- 如請求項1所述的方法,其中在通過該拍攝裝置來取得該影像前,該方法更包括:將該拍攝裝置的一物鏡切換為一低倍率狀態使得其視野涵蓋該檢體的整個菌落;通過演算法找出一菌落邊界,並定義一菌落範圍;計算該菌落範圍內的全部像素的一紅色值總和、一綠色值總和以及一藍色值總和;根據該紅色值總和、該綠色值總和以及該藍色值總和,計算該紅色值的一第一權重、該綠色值的一第二權重以及該藍色值的一第三權重;以及將該拍攝裝置的該物鏡切換為一高倍率狀態。
- 如請求項6所述的方法,其中在將該影像分為該些區塊前,該方法更包括:將該影像轉為一灰階影像;計算該灰階影像內該灰階值介於一第一預定範圍的像素的一第一占比,並且判斷該第一占比是否小於第一門限;若是,返回取得該影像的步驟,且每次執行該步驟所取得的該影像是該檢體的不同區域的影像;以及若不是,執行將該影像分為該些區塊的步驟。
- 如請求項7所述的方法,其中在從計算該第n個區塊的該分布型態到決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點的步驟中,包括: 根據該第一權重、該第二權重以及該第三權重,計算該第n個區塊內每一像素的該深淺度值;計算該第n個區塊內該深淺度值介於一第二預定範圍的像素的一第二占比,並且判斷該第二占比是否符合該允收條件;以及當該第二占比符合該允收條件時,決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點。
- 如請求項8所述的方法,其中在決定該檢體中對應該第n個區塊的該位置能夠作為該取樣點或者判斷該第二占比不符合該允收條件後,該方法更包括:判斷是否已經檢查過該影像的每一該些區塊;若不是,改變n的值,並且返回計算該第n個區塊內該每一像素的該深淺度值的步驟;以及若是,判斷該檢體是否還有其他區域能尋找其他取樣點。
- 如請求項3、5或9所述的方法,其中當該檢體還有該其他區域能尋找其他取樣點時,返回取得該影像的步驟,且每次執行該步驟所取得的該影像是該檢體的不同區域的影像。
- 一種配合拉曼光譜儀於一檢體中尋找一取樣點的系統,包括:一拍攝裝置,用來拍攝該檢體;以及一運算電路,耦接該拍攝裝置,用來執行以下步驟:通過該拍攝裝置來取得該檢體的一區域的一影像,並且將該影像分為多個區塊,其中每一該些區塊在該檢體上對應的面積能被該拉曼光譜儀的雷射光束照射面積所覆蓋;以及 針對該些區塊的每一者,計算第n個區塊內影像特徵強度高於、低於、及/或介於一預定範圍的像素之分布型態,並且當該分布型態符合一允收條件時,決定該檢體中對應該第n個區塊的位置能夠作為該取樣點;其中n為變數,該預定範圍為依據多個可分析拉曼光譜所對應的多個微生物體的影像特徵來決定,且每一該些可分析拉曼光譜內含一微生物體特徵型態;其中該影像特徵強度係指色彩尺度或閃爍頻率,且該色彩尺度是灰階值、色相/飽和度、亮度、色度、對比度或深淺度值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110138975A TWI789957B (zh) | 2021-10-21 | 2021-10-21 | 配合拉曼光譜儀於檢體中尋找取樣點的方法和系統 |
CN202211241720.8A CN116008247A (zh) | 2021-10-21 | 2022-10-11 | 配合拉曼光谱仪于检体中寻找取样点的方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110138975A TWI789957B (zh) | 2021-10-21 | 2021-10-21 | 配合拉曼光譜儀於檢體中尋找取樣點的方法和系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI789957B true TWI789957B (zh) | 2023-01-11 |
TW202317972A TW202317972A (zh) | 2023-05-01 |
Family
ID=86036095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110138975A TWI789957B (zh) | 2021-10-21 | 2021-10-21 | 配合拉曼光譜儀於檢體中尋找取樣點的方法和系統 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116008247A (zh) |
TW (1) | TWI789957B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI283296B (en) * | 2002-02-04 | 2007-07-01 | Ortho Mcneil Pharm Inc | Method and apparatus for obtaining molecular data from a pharmaceutical specimen |
CN100998499A (zh) * | 2003-10-28 | 2007-07-18 | 薇拉莱特公司 | 使用组织荧光确定某一糖化终产物或疾病状态 |
CN103645170A (zh) * | 2013-12-03 | 2014-03-19 | 北京航空航天大学 | 一种利用拉曼光谱检测肿瘤性质的装置 |
TWM506286U (zh) * | 2015-05-14 | 2015-08-01 | Phansco Co Ltd | 成品農藥檢測裝置 |
CN106874687A (zh) * | 2017-03-03 | 2017-06-20 | 深圳大学 | 病理切片图像智能分类方法及装置 |
TW201732243A (zh) * | 2015-12-15 | 2017-09-16 | 諾發測量儀器股份有限公司 | 圖案化結構中基於拉曼光譜之測量 |
CN112119425A (zh) * | 2018-04-27 | 2020-12-22 | 贝克顿·迪金森公司 | 用于图像控制和颗粒分析仪图像显示的方法和装置 |
TWI732544B (zh) * | 2020-05-05 | 2021-07-01 | 國立中正大學 | 二維材料薄膜檢測方法及二維材料薄膜檢測系統 |
TWM619099U (zh) * | 2021-06-25 | 2021-11-01 | 汎鍶科藝股份有限公司 | 作物農藥檢測裝置 |
-
2021
- 2021-10-21 TW TW110138975A patent/TWI789957B/zh active
-
2022
- 2022-10-11 CN CN202211241720.8A patent/CN116008247A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI283296B (en) * | 2002-02-04 | 2007-07-01 | Ortho Mcneil Pharm Inc | Method and apparatus for obtaining molecular data from a pharmaceutical specimen |
CN100998499A (zh) * | 2003-10-28 | 2007-07-18 | 薇拉莱特公司 | 使用组织荧光确定某一糖化终产物或疾病状态 |
CN103645170A (zh) * | 2013-12-03 | 2014-03-19 | 北京航空航天大学 | 一种利用拉曼光谱检测肿瘤性质的装置 |
TWM506286U (zh) * | 2015-05-14 | 2015-08-01 | Phansco Co Ltd | 成品農藥檢測裝置 |
TW201732243A (zh) * | 2015-12-15 | 2017-09-16 | 諾發測量儀器股份有限公司 | 圖案化結構中基於拉曼光譜之測量 |
CN106874687A (zh) * | 2017-03-03 | 2017-06-20 | 深圳大学 | 病理切片图像智能分类方法及装置 |
CN112119425A (zh) * | 2018-04-27 | 2020-12-22 | 贝克顿·迪金森公司 | 用于图像控制和颗粒分析仪图像显示的方法和装置 |
TWI732544B (zh) * | 2020-05-05 | 2021-07-01 | 國立中正大學 | 二維材料薄膜檢測方法及二維材料薄膜檢測系統 |
TWM619099U (zh) * | 2021-06-25 | 2021-11-01 | 汎鍶科藝股份有限公司 | 作物農藥檢測裝置 |
Also Published As
Publication number | Publication date |
---|---|
TW202317972A (zh) | 2023-05-01 |
CN116008247A (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11914130B2 (en) | Auto-focus methods and systems for multi-spectral imaging | |
US8264594B2 (en) | Exposure control for an imaging system | |
RU2400815C2 (ru) | Способ повышения качества цифрового фотоизображения | |
JP2011188496A (ja) | 逆光検知装置及び逆光検知方法 | |
US20220198634A1 (en) | Method for selecting a light source for illuminating defects, electronic device, and non-transitory storage medium | |
JP2009259036A (ja) | 画像処理装置、画像処理方法、画像処理プログラム、記録媒体、及び画像処理システム | |
CN110598795A (zh) | 图像差异检测方法及装置、存储介质、终端 | |
US8482630B2 (en) | Apparatus and method for adjusting automatic white balance by detecting effective area | |
JP4750801B2 (ja) | 画像判別装置 | |
TWI789957B (zh) | 配合拉曼光譜儀於檢體中尋找取樣點的方法和系統 | |
JP2004239733A (ja) | 画面の欠陥検出方法及び装置 | |
CN113935404A (zh) | 一种光场显著性检测数据集清晰度评价方法 | |
JP2019144294A (ja) | 画像処理装置、顕微鏡システム、画像処理方法および画像処理プログラム | |
JP5820284B2 (ja) | 画像処理装置、方法、及びプログラム | |
KR20120042988A (ko) | 화상 처리 방법, 화상 처리 장치 및 프로그램 | |
CN112995633B (zh) | 图像的白平衡处理方法、装置、电子设备和存储介质 | |
KR102573520B1 (ko) | 이미지 분석 기반의 균 계수 장치 및 방법 | |
Naccari et al. | Natural scenes enhancement by adaptive color correction | |
CN117764877A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
CN116029990A (zh) | 一种基于饱和度值计算细胞图片清晰度值的方法 | |
CN116935137A (zh) | 图像类型的判定方法、装置、设备及存储介质 | |
JP2005130000A (ja) | 画像処理装置 | |
CN117011394A (zh) | 一种图像处理方法及装置 | |
CN117201767A (zh) | 一种相机模组表面脏污缺陷检测方法、装置及设备 | |
JP2016086280A (ja) | 色変換パラメータ選択装置および色変換パラメータ選択方法 |