【技术领域】
本发明涉及中草药技术领域，具体涉及一种针对难分辨中草药的利用红外光谱进行可视化表达的方法。
背景技术：
中药是指以中医药理论为指导，有着独特的理论体系和应用形式，用于预防和治疗疾病并具有康复与保健作用的天然药物及其加工代用品，主要包括植物药、动物药、矿物药。
中药的现代研究大多取得了瞩目进展：①中药的基本理论得到了系统、全面整理，对药性、归经、十八反等作了大量研究。②生药学和中药鉴定学，在中药鉴定方面除一般来源、性状鉴定外，还普遍采用显微、理化等手段。而且鉴定技术已向用少量检品达到迅速、准确的方向发展。③通过中药炮制技术与原理的现代研究，中药炮制学得到了较大的发展。与此相应，对许多中药的炮制、作了改进和规范，并采用了许多先进的设备与技术，提高了饮片质量。④建立了中药化学，对中药的化学成分进行了广泛的研究。多数常用中药明确了主要有效成分，部分弄清了化学结构。⑤建立了中药药理学。对多数常用中药的药理进行了系统研究；抗菌、抗病毒、抗肿瘤、解热、利尿、降压等方面进行了大量药物筛选。
但是在中草药的区分上，目前存在如下问题：传统的中草药的区分主要是在形、味上进行区别，利用书本对照或者中医师的经验判定。但是当对难以区分的中草药进行区分时，往往要花费较多的时间和精力，导致工作效率低下。
技术实现要素：
本发明的目的在于针对现有技术的缺陷和不足，提供针对难分辨中草药的利用红外光谱进行可视化表达的方法，它对难以区分的中草药红外光谱进行可视化表达，利用matlabr2010b编程，把红外光谱数据转化为图像，从而进行直观区分；它具有区分速度快，成本低，效率高等优点。
本发明所述的针对难分辨中草药的利用红外光谱进行可视化表达的方法，它采用如下的方法步骤：
步骤一：将难以区分的中草药分别选取相同重量，形成中草药样本，待检；
步骤二：利用红外光谱仪，对步骤一中的待检测的中草药样本，逐一检测形成红外光谱数据；
步骤三：将步骤二中形成的各个红外光谱数据，输入至计算机中，利用计算机中的matlabr2010b程序，将红外光谱数据转化为图像；
步骤四：步骤三中的计算机中的matlabr2010b程序如下：
clc；clearall
fid＝fopen('e:\data1.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,1)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data2.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,2)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data3.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,3)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data4.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,4)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data5.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,5)
i＝mat2gray(c)；
imagesc(i)；
步骤五：对步骤三中的形成的各是中草药的图像数据进行对比，然后得出相对应的中草药名称。
采用上述结构后，本发明有益效果为：本发明所述的针对难分辨中草药的利用红外光谱进行可视化表达的方法，它对难以区分的中草药红外光谱进行可视化表达，利用matlabr2010b编程，把红外光谱数据转化为图像，从而进行直观区分；它具有区分速度快，成本低，效率高等优点。
【附图说明】
此处所说明的附图是用来提供对本发明的进一步理解，构成本申请的一部分，但并不构成对本发明的不当限定，在附图中：
图1是本发明针对五种不同产地的中药材的红光光谱数据转化后的图像图。
【具体实施方式】
下面将结合附图以及具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
本具体实施方式所述的针对难分辨中草药的利用红外光谱进行可视化表达的方法，它采用如下的方法步骤：
步骤一：将难以区分的中草药分别选取相同重量，形成中草药样本，待检；
步骤二：利用红外光谱仪，对步骤一中的待检测的中草药样本，逐一检测形成红外光谱数据；
步骤三：将步骤二中形成的各个红外光谱数据，输入至计算机中，利用计算机中的matlabr2010b程序，将红外光谱数据转化为图像；
步骤四：步骤三中的计算机中的matlabr2010b程序如下：
clc；clearall
fid＝fopen('e:\data1.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,1)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data2.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,2)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data3.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,3)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data4.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,4)
i＝mat2gray(c)；
imagesc(i)；
clc；clearall
fid＝fopen('e:\data5.txt')；
b＝textscan(fid,'％f')；
c＝[b{1}]；
subplot(2,2,5)
i＝mat2gray(c)；
imagesc(i)；
步骤五：对步骤三中的形成的各是中草药的图像数据进行对比，然后得出相对应的中草药名称。
本发明举例如下：
针对五种不同的产地的中药材，其操作步骤如下：
(1)将五种不同的产地的中药材，选取相同重量，形成五份中草药样本，进行编号：中草药样本a--样本e。
(2)将中草药样本a-样本e，分别通过红外光谱仪进行检测，形成相对应的五组红外光谱数据，进行编号：中草药红外数据a--中草药红外数据e，形成数据文本，可命名为data1.txt、data2.txt...data5.txt；
(3)将步骤(2)中的五组红外光谱数据：中草药红外数据a--中草药红外数据e，分别输入至计算机中；
(4)通过计算机中的matlabr2010b编程，读取data1.txt、data2.txt...data5.txt，把红外光谱数据转化为图像，形成如附图1所示的五种中草药的红外光谱图像；
(5)根据步骤(4)中的五种中草药的红外光谱图像，可区别不同产地，从而方便分辨和区分，且形成图谱数据，形成可对比的中草药红外光谱图像大数据库。
本发明的优点如下：
本发明采用红外光谱进行可视化处理，可显示不同产地中草药对红外光吸收特性的细微变化，以直观的图像形式，生动形象地显示了数据所表达的内容及关系，直接提高了对信息的理解和分析。
本发明使用的红外光谱可作为中药研究的一种有效手段，可用于构建中草药的虚拟化学指纹图谱，从而为解决复杂化学物质体系的辨识难题提供了一条新的有效途径。随着设备仪器性能的提高及相关化学计量方法的进步，红外光谱技术在中草药分析领域将有更广阔的发展前景。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。