一种针对荧光免疫层析试条成像系统的图像处理算法的制作方法

本发明涉及数字图像处理算法，更具体地说，它涉及一种针对荧光免疫层析试条成像系统的图像处理算法。

背景技术：

本发明是一种针对荧光免疫层析试条成像系统的图像处理算法。它的背景是荧光标记物受激发会产生特定波长的荧光。荧光免疫层析试条可以使荧光标记物和待测样本结合，根据荧光标记物发出的荧光的强弱，定量检测出待测物的浓度。将荧光层析试条其T线和C线的灰度值比值作为特征值可以反应荧光的强弱以此定量检测待测物的浓度。

荧光免疫层析试条成像系统可以获取荧光免疫层析试条的图像。为了得到荧光试条的特征值，需要一套去除噪声，自动识别出荧光免疫层析试条图像中的荧光区域，计算荧光区域强度的图像处理算法。

技术实现要素：

本发明所要解决的问题是：根据荧光免疫层析试条成像系统所得到的荧光免疫层析纸条图像的特性，提供一种图像处理算法，去除图像噪声，精确分割出荧光图像中T线和C线并计算特征值。

本发明是通过以下技术方案实现的：

一种针对荧光免疫层析试条成像系统的图像处理算法，包括以下步骤：

(1)获取待处理的荧光免疫层析试条图像，将荧光免疫层析试条的T线和C线区域置于图像列中线的两侧；

(2)提取荧光免疫层析试条图像的红色分量图像进行处理；

(3)采用中值滤波法对荧光图像的红色分量图像进行去噪；

(4)对去噪声后的荧光图像的T线和C线区域分别进行二维最大熵分割，分割出T线和C线；

(5)采用荧光区域定位法消除分割后图像荧光区域的毛刺和背景较大噪声的干扰；

(6)采用周围元素法对荧光区域定位后图像进行背景滤除；

(7)计算背景滤除后荧光免疫层析试条图像的T线和C线灰度值，得到的T/C值作为特征值来确定荧光免疫层析试条的浓度。

优选地，所述步骤(3)进一步包括如下步骤：

(31)遍历图像第二行到倒数第二行，第二列到倒数第二列的所有像素；

(32)对于每个像素，将其灰度值与3×3邻域的像素灰度值进行从小到大排序，将排序后的中值代替这个像素的灰度值。

优选地，所述步骤(4)进一步包括如下步骤：

(41)遍历图像第二行到倒数第二行，第二列到倒数第二列的所有像素；

(42)对于每个像素，计算其灰度值与3×3邻域的像素灰度值的平均值；

(43)计算去噪声后荧光图像的二维直方图，灰度荧光图像的二维直方图大小为256×256，二维直方图的第i行第j列储存的是灰度值为i并且3×3邻域内像素灰度平均值为j像素点的个数与遍历像素总数的比值，二维直方图的第i行第j列元素记为p_ij；

(44)对于每个阈值(s,t)(0≤s≤255,0≤t≤255)，其中s表示像素灰度阈值，t表示像素3×3邻域灰度平均值的阈值，计算背景和前景的二维信息熵H(A)和H(B)：

其中：

其中，L表示图像拥有灰度级，L一般等于255。P_st表示二维直方图中所有小于阈值(s,t)像素的个数占总图像像素个数的负概率。

熵的判别函数ψ(s,t)的定义为ψ(s,t)＝H(A)+H(B),最优化使得ψ(s,t)最大即可得到最佳阈值(s^*,t^*)。

(45)将荧光图像中所有灰度值大于s^*并且3×3邻域内像素灰度平均值大于t^*的像素点灰度值值设置为255，其余像素灰度值设置为0，即可得到荧光区域为白色，背景区域为黑色的二值分割图像。

优选地，所述步骤(5)进一步包括如下步骤：

(51)针对得到分割后的二值图像，统计图像每一列白色像素点数；

(52)由于荧光图像T线和C线呈窄带形状特征，如果图像某列的白色像素点数低于一定阈值，该列所有像素点全部归于背景置0，消除噪声和毛刺的影响。

优选地，所述步骤(6)进一步包括如下步骤：

(61)对于经过荧光区域定位的二值荧光图像，得到荧光区域的最小外接矩形；

(62)将此外接矩形向四周扩大一定像素大小的范围；

(63)计算此原荧光试条图像矩形位置非荧光区域的灰度值平均值m；

(64)将原荧光试条图像中荧光区域的每个像素减去m以完成背景滤除。

本发明的有益效果在于：

该算法根据荧光图像特性，可以消除荧光图像噪声与背景，并有效地进一步分割图像，精确地提取出荧光区域的轮廓，根据提取的荧光区域，计算T/C的值。其中提取荧光图像红色分量进行分析可以去除杂散光的干扰，采用的二维最大熵分割算法适用于荧光图像的分割，并考虑到像素邻域的信息，可以得到更为准确的分割图像。荧光区域定位法消除分割后图像荧光区域的毛刺和背景较大噪声的干扰。由于荧光区域周围的背景对荧光区域亮度影响最大，使用周围元素法进行背景滤除可以使得结果更加精确。

附图说明

图1为本发明一种针对荧光免疫层析试条成像系统的图像处理算法流程图。

图2为本发明荧光免疫层析成像系统获取的荧光免疫层析试条图像。

图3为本发明荧光免疫层析试条图像的红色分量图像。

图4为本发明荧光免疫层析试条图像红色分量图像去噪后的图像。

图5为本发明荧光免疫层析试条图像的分割后的图像。

具体实施方式

为更好理解本发明，下面结合实施例及附图对本发明作进一步描述，以下实施例仅是对本发明进行说明而非对其加以限定。

参见图1，一种针对荧光免疫层析试条成像系统的图像处理算法，具体步骤如下：

(1)获取待处理的荧光免疫层析试条图像，将荧光免疫试条的T线和C线区域置于图像列中线的两侧，使得荧光试条图像的左边包含T线区域，右侧包含C线区域。这样方便对荧光图像T线和C线区域分别进行分割处理。获取待处理的荧光免疫层析试条图像如图2所示。

(2)由于荧光免疫层析试条荧光区域受激发产生的激发光为红色波段光波，荧光免疫层析试条图像的绿色和蓝色分量图像包含的大部分为噪声。所以提取荧光免疫层析试条图像的红色分量图像进行处理。获取的荧光免疫试条图像的红色分量图像如图3所示。

(3)采用中值滤波法对荧光图像的红色分量图像进行去噪：遍历图像第二行到倒数第二行，第二列到倒数第二列的所有像素。对于每个像素，将其灰度值与3×3邻域的像素灰度值进行从小到大排序，将排序后的中值代替这个像素的灰度值。经过去噪处理的荧光图像如图4所示。

(4)对去噪声后的荧光图像的T线和C线区域分别进行二维最大熵分割，分割出T线和C线。遍历图像第二行到倒数第二行，第二列到倒数第二列的所有像素。对于每个像素，计算其灰度值与3×3邻域的像素灰度值的平均值。计算去噪声后荧光图像的二维直方图，灰度荧光图像的二维直方图大小为256×256，二维直方图的第i行第j列储存的是灰度值为i并且3×3邻域内像素灰度平均值为j像素点的个数与遍历像素总数的比值，二维直方图的第i行第j列元素记为p_ij。对于每个阈值(s,t)(0≤s≤255,0≤t≤255)，其中s表示像素灰度阈值，t表示像素3×3邻域灰度平均值的阈值，计算背景和前景的二维信息熵H(A)和H(B)：

其中：

其中，L表示图像拥有灰度级，L一般等于255。P_st表示二维直方图中所有小于阈值(s,t)像素的个数占总图像像素个数的负概率。

熵的判别函数ψ(s,t)的定义为ψ(s,t)＝H(A)+H(B),最优化使得ψ(s,t)最大即可得到最佳阈值(s^*,t^*)。将荧光图像中所有灰度值大于s^*并且3×3邻域内像素灰度平均值大于t^*的像素点灰度值设置为255，其余像素灰度值设置为0。即可得到荧光区域为白色，背景区域为黑色的二值分割图像。

(5)采用荧光区域定位法消除分割后图像荧光区域的毛刺和背景较大噪声的干扰：针对得到分割后的二值图像，统计图像每一列白色像素点数。由于荧光图像T线和C线呈窄带形状特征。如果图像某列的白色像素点数低于一定阈值，该列所有像素点全部归于背景置0，消除噪声和毛刺的影响。经过荧光区域定位法后的荧光试条图像如图5所示。

(6)采用周围元素法对荧光区域定位后图像进行背景滤除：对于经过荧光区域定位的二值荧光图像，得到荧光区域的最小外接矩形。将此外接矩形向四周扩大一定像素大小的范围。计算此原荧光试条图像矩形位置非荧光区域的灰度值平均值m。将原荧光试条图像中荧光区域的每个像素减去m以完成背景滤除。

(7)计算背景滤除后荧光免疫层析试条图像的T线和C线灰度值，得到的T/C值作为特征值来确定荧光免疫层析试条的浓度。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或者等效流程变换，或直接或间接运用在其他区相关的技术领域，均同理包括在本发明的专利保护范围内。