CN105606608A

CN105606608A - 基于图像灰度处理的数据计算方法及其在检测领域的应用

Info

Publication number: CN105606608A
Application number: CN201610188525.1A
Authority: CN
Inventors: 苗季; 陈铭均; 孟志华; 熊晓明
Original assignee: Guangzhou Biohop Tech Inc
Current assignee: Biohop Health Technologies Co ltd
Priority date: 2016-03-28
Filing date: 2016-03-28
Publication date: 2016-05-25
Anticipated expiration: 2036-03-28
Also published as: CN105606608B

Abstract

本发明公开了一种基于图像灰度处理的数据计算方法及其在检测领域的应用。包括如下步骤：(1)通过检测设备内部的摄像元件获取试纸卡图像；(2)对获取后的所述试纸卡图像进行预处理；(3)对预处理图像上的所述试纸条的图像进行精准定位得到感兴趣区域图像；(4)将所述感兴趣区域图像转化为试纸条灰度变化曲线；(5)对所述试纸条灰度变化曲线进行曲线拟合校正，并得到参考带C响应值和目标带T响应值；(6)计算结果。本发明公开了基于图像灰度处理的数据计算方法，结果可以准确反映所测图像灰度特性、适用范围广。

Description

基于图像灰度处理的数据计算方法及其在检测领域的应用

技术领域

本发明涉及体外快速诊断技术领域，特别是涉及一种基于图像灰度处理的数据计算方法及其在检测领域的应用。

背景技术

图像处理是检测领域的一种关键的数据处理方法。通常是使用CMOS或者CCD等光感元件采集被检测物体的图像，然后进行特定的图像处理来提取数据。大多数的处理方法都不具备普遍适用的意义。

体外诊断试剂和试纸可用于通过检测血液、组织液、生物排泄物等介质进行生物体的体征检测、毒素检测等。目前的检测类型有定性、半定量、定量等几种。定性、半定量检测通常通过肉眼判读结果，常会面临在临界范围附近的误判问题。定量主要通过光感元件获取检测试剂和试纸的灰度曲线来进行计算，但是，针对不同的检测设备需要开发不同的计算程序。

本发明希望针对以上状态提出一套通用的图像处理方法，使检测领域图像处理和数据计算更为简单。

发明内容

基于此，有必要提供一种结果准确、适用范围广的基于图像灰度处理的数据计算方法。

一种基于图像灰度处理的数据计算方法，包括如下步骤：

(1)通过检测设备内部的摄像元件获取试纸卡图像；

(2)对所述试纸卡图像进行预处理，获取预处理图像，所述预处理包括对所述试纸卡套的图像位置进行截取，再对所述试纸条的图像位置进行截取；

(3)通过模板匹配测量相似度算法对所述预处理图像上的所述试纸条的图像进行精准定位，得到感兴趣区域图像；

(4)将所述感兴趣区域图像转化为单一的试纸条灰度变化曲线；

(5)对所述试纸条灰度变化曲线进行曲线拟合校正，根据校正后的试纸条灰度变化曲线进行参考带的边界位置定位和目标带的边界位置定位，根据定位的区域分别计算所述参考带对应的面积和所述目标带对应的面积，得到参考带响应值C和目标带响应值T；

(6)根据所述目标带响应值T与所述参考带响应值C之间的T/C比值来判断免疫反应是阴性或者阳性；或根据T/C比值得出所述样品的浓度值。

在其中一个实施例中，步骤(2)中的所述预处理是根据所述试纸条的图像与所述试纸卡套的图像的比值关系，来切割截取涵盖有所述试纸条区域的图像，以得到所述预处理图像，其中所述切割截取公式如下：

X＝(width/10)*4，Y＝(height/9)*3，W＝(width/10)*5，H＝(height/9)*3；其中，X为所述切割截取开始时的横坐标，Y为所述切割截取开始时的纵坐标，W为所述预处理图像的长度，H为所述预处理图像的宽度；width为所述试纸卡图像长度，height为所述试纸卡图像宽度。

在其中一个实施例中，步骤(3)包括如下步骤：

通过模板匹配测量相似度算法对所述预处理图像上的所述试纸条的图像进行精准定位，是根据预先存储的试纸条匹配模板图像对所述预处理图像上的所述试纸条的图像进行模板匹配，所述模板匹配测量相似度公式如下：

\begin{matrix} D (i, j) = Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[S^{i j} (m, n) - T (m, n)]}^{2} = Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[S^{i j} (m, n)]}^{2} \\ - 2 Σ_{m = 1}^{M} Σ_{n = 1}^{N} S^{i j} (m, n) * T (m, n) + Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[T (m, n)]}^{2} \end{matrix}

其中：m、n为所述模板图像上的像素数量，S^ij称为其中一个子图，子图S^ij表示模板图像覆盖被搜索图(预处理图像)的区域，i，j为所述子图S^ij左上角在被搜索图S上的坐标。

在其中一个实施例中，步骤(4)包括如下步骤：

1)对所述精准试纸条图像转换为灰度图像：将所述精准试纸条图像的每一个像素点的R、G、B三个值转化成灰度值Gray组成的灰度图像，转换公式如下：

Gray＝R*0.299+G*0.587+B*0.114；

2)使用高斯滤波作为滤波器对步骤1)中的所述灰度图像进行处理，高斯滤波算法公式如下：

G (x, y) = \frac{1}{2 {πσ}^{2}} e^{- \frac{{(x - x_{0})}^{2} + {(x - y_{0})}^{2}}{2 σ^{2}}}

其中，x为当前点的横坐标，y为当前点的纵坐标，x0为对应点的横坐标，y0为对应点的纵坐标，σ为高斯滤波器的宽度。

3)将经过步骤2)处理后的所述灰度图像转换为试纸条灰度变化曲线：根据所述灰度图像上的每一列像素点的灰度值计算每一列像素点灰度值的平均值，并以所述灰度图像上的每一列像素点灰度值的平均值为纵坐标，以所述灰度图像上的该列像素点的位置为横坐标，构建试纸条灰度变化曲线，其中，所述灰度值的平均值计算公式如下：

Y = \frac{Σ_{i = 1}^{m} X_{i}}{m}

其中，X_i为所述灰度图像上每一列各个像素点的灰度值，Y为所述灰度图像上每一列像素点灰度值的平均值，m为所述灰度图像上每一列像素点的个数。

在其中一个实施例中，步骤(5)中的所述试纸条灰度变化曲线的拟合校正包括如下步骤：

1)通过对所述试纸条灰度变化曲线的单调性进行分析，寻找符合要求的单调递增区间和单调递减区间，通过连续的单调递增区间和单调递减区间构建目标谷；

2)对所述试纸条灰度变化曲线上所述目标谷以外的其他点进行拟合，得到拟合曲线回归方程；

3)使用所述拟合曲线回归方程对所述试纸条灰度变化曲线进行拟合校正，并将所述试纸条灰度变化曲线进行上下翻转为灰度转换曲线，所述灰度转换曲线纵坐标为灰度转换值，横坐标为像素位置；

4)以参考带的峰值为起始点，在所述灰度转换曲线上寻找峰值*40％以下的边界区域，若连续两个像素点的差值小于峰值*1％时，则该两个像素点即确定为参考带的边界位置；以目标带的峰值为起始点，寻找峰值*40％以下的边界区域，若连续两个像素点的差值小于峰值*1％时，则该两个像素点即确定为目标带的边界位置；

5)分别对曲线中参考带和目标带对应区域峰包围面积求和，所得结果分别为参考带对应的响应值C和目标带对应的响应值T。

在其中一个实施例中，步骤(6)中的定性检测或者定量检测包括如下步骤：

1)软件读取所述试纸卡上的二维码卡片的信息，来获得本次检测样品的项目信息，将获得的所述项目信息与存储的标准项目信息比对，判定所述检测样品的检测类型为定性检测或者定量检测；

2)对于定性检测，会根据T/C的比值判定其阴阳性，其中，T为所述目标带的响应值，C为所述参考带的响应值；

3)对于定量检测，根据所述检测标准品的项目信息配置不同梯度浓度的标准品稀释液，计算不同梯度浓度对应的标准T/C值，得到标准T/C值与不同梯度浓度对应的拟合曲线，将检测项目所对应的曲线公式存储在软件当中。用户进行定量检测时，软件读取T带和C带的响应值得到T/C值，根据该定量检测项目的检测类型读取与之对应的曲线公式，并根据该曲线公式将T/C值换算成该检测项目的浓度值。

本发明的另一目的在于提供一种基于图像灰度处理的数据计算方法在体外诊断试剂中的应用。

本发明的另一目的在于提供一种基于图像灰度处理的数据计算方法在胶体金检测、荧光检测类设备中的应用。

本发明涉及的基于图像灰度处理的数据计算方法及其在检测领域的应用，通过将分析区域图像数值化，对数据进行校正，以避免光源的不一致所带来的影响；本发明涉及的基于图像灰度处理的数据计算方法及其在检测领域的应用，通过试纸卡中的二维码信息，能够自动获取检测项目，从而根据检测项目进行处理，得到目标结果。

附图说明

图1为本发明实施例手持式分析仪的盒体俯视示意图；

图2为本发明实施例手持式分析仪的盒体右侧示意图；

图3为本发明实施例手持式分析仪的盒体左侧示意图；

图4为本发明实施例手持式分析仪的盒体后侧示意图；

图5为本发明实施例手持式分析仪的试纸卡套俯视示意图；

图6为本发明实施例手持式分析仪的试纸卡套侧视示意图；

图7为本发明实施例手持式分析仪的试纸卡套爆炸示意图；

图8为本发明实施例手持式分析仪的盒体与试纸卡套配合示意图；

图9为本发明实施例手持式分析仪的盒体的上壳及下壳爆炸示意图；

图10为本发明实施例手持式分析仪的盒体内部元件爆炸示意图；

图11为本发明一实施例基于的体外快速诊断系统工作原理示意图；

图12为本发明一实施例基于的体外快速诊断系统的工作流程图；

图13为步骤(1)中摄像头捕获的试纸卡图像得到的试纸卡图像；

图14为步骤(3)中精准定位后的感兴趣区域(ROI)图像；

图15为步骤(4)中试纸条灰度变化曲线图；

图16为步骤(5)中曲线拟合校正后的试纸条灰度转换曲线图；

图17为本发明T/C与HCG浓度对应曲线图。

附图标记说明

1、触摸屏；2、液晶显示屏；3、显示屏支架；4、主板；5、麦克风；6、3G天线；7、摄像头支架；8、电池；9、扬声器；10、WIFI天线；11、GPS天线；12、反射镜；13、LED灯条；14、反射镜支架；15、卡槽部；16、摄像头防尘玻璃；17、摄像头；18、摄像头支架固定螺丝；19、上壳；20、开机键按钮；21、开机键塑胶条；22、音量调节按键；23、音量键塑胶条；24、下壳固定螺丝；25、脚垫；26、扭簧；27、转轴；28、试纸卡门；29、二维码卡片；30、盖体部；31、试纸条；32、主体部；33、U形凸起；34、条状凸起；35、第一手柄；36、第二手柄；37、通道；38、凹槽；39、窗口；40、下壳；41、卡槽；42、弹性臂。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的较佳实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。

需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。

参见图1-图10所示，本实施例涉及了一种手持式分析仪，包括试纸卡套及盒体。

参见图5-图7所示，所述试纸卡套内部具有放置试纸条31的槽体，所述试纸卡套具有通道37，所述通道37的位置对应于所述槽体的位置；

在本实施例中，所述试纸卡套包括主体部32及盖体部30；所述主体部32的上表面凸出有多个凸起，多个凸起构成用于卡设试纸条31的槽体，所述主体部32连接有第一手柄35，第一手柄35相对主体部32的上表面及两个侧面突出；

所述盖体部30连接有第二手柄36，第二手柄36相对盖体部30的下表面及两个侧面突出，所述盖体部30的下表面吻合于所述主体部32的上表面且第一手柄35匹配于第二手柄36。所述盖体部30的尺寸匹配于所述主体部32，所述盖体部30具有通道37形成成像口，所述通道37的尺寸小于所述槽体的尺寸，所述盖体部30的通道37的位置对应于所述主体部32的槽体位置。

所述试纸卡套的盖体部30的上表面具有用于放置信息卡(二维码卡片29)的凹槽38，试纸卡套表面有用于样品拍摄照片的通道37及用于放置二维码信息的凹槽38。二维码，包含试纸条31的检测型号、序列号、生产日期、批次号、参考带信息。试纸卡套内部包含一条试纸条31，试纸条31作为用户检测样品的载体。检测样品如血样等被添加在试纸条31上，样品中的抗原或抗体在试纸条31上扩散并完成显色反应。

所述主体部32呈长条形，所述主体部32的槽体呈长条形，且主体部32的槽体的长轴与所述主体部32的长轴平行。所述盖体部30上的通道37呈长条形，所述盖体部30上通道37的长轴与所述主体部32槽体的长轴平行，所述盖体部30上通道37的长度小于所述主体部32槽体的长度。

所述主体部32上表面的两个端部具有U形凸起33，两个U形凸起33的开口相向，两个所述U形凸起33构成所述槽体。两个U形凸起33之间具有至少两个条状凸起34，两个条状凸起34平行于两个U形凸起33所在的轴线。两个条状凸起34分布于两个U形凸起33所在的轴线的两侧。所述主体部32的侧面具有卡槽41。

所述盖体部30与所述主体部32卡设式连接。所述第一手柄35一体式地连接于所述主体部32。所述第二手柄36一体式地连接于所述盖体部30。

参见图1-图4及图8-图10所示，所述盒体分为上壳19及下壳40，上壳19与下壳40可拆卸式地连接构成盒体，所述盒体具有用于试纸卡套插入的开口(试纸卡门28)，所述盒体内具有检测系统、显示元件及照明元件，所述检测系统具有摄像元件、处理模块、电源、反射镜12及信号收发元件，所述电源电连接于所述处理模块，所述摄像元件、照明元件、信号收发元件、显示元件连接于所述处理模块，所述盒体内具有用于放置试纸卡套的卡槽部15(也即用于卡设试纸卡套的卡槽)，所述卡槽部15与所述照明元件平行设置，使得所述照明元件的光照均匀照射于所述试纸卡套通道37内的试纸条31。所述盒体具有用于放置所述显示元件的窗口，在本实施例中，所述上壳19上具有所述窗口，所述反射镜12位于所述摄像元件与卡槽部15之间使三者构成反射光路。由于试纸卡套需要平放在盒体的底部(卡槽部15内)，反射镜12需要与试纸条31(也即试纸卡套)成一定角度，确保成像都能完整被摄像头17采集。为了减小设备(盒体)的高度，使设备(盒体)更紧凑，将设备(盒体)的上壳19靠近卡槽部15的一端设计成斜面，只放置反射镜12这一块较大的组件，这样有效减小了设备的高度，反射镜12与试纸卡套呈夹角，且反射镜12的上部朝向摄像头17方向倾斜。

所述处理模块具有主板4，所述电源为电池8，设置于盒体的底部，即下壳40的底部位置。盒体内的卡槽部15的内部具有弹性臂42，所述弹性臂与所述试纸卡套的主体部32上的卡槽41匹配配合，为了确保试纸卡套能够稳定插好于盒体内，在试纸卡套和卡槽部15的结构之中加入了卡槽41与弹性臂42的设计。弹性臂42和卡槽41的配合设计，一方面可以确保夹紧试纸卡套，另一方面在卡插到位时会有微小的触感，提示用户插卡到位。

在盒体内部靠近放置试纸卡套的卡槽部15一侧还可具有校准卡，校准卡由不同灰度值的灰阶带组成，用来校准摄像头17拍摄照片的曝光值。

所述盒体的开口具有挡板及弹性部件，所述挡板的尺寸匹配于所述盒体的窗口的尺寸，所述挡板的一侧边通过转轴27(试纸卡门转轴27)轴接于所述盒体的窗口边缘，所述弹性部件连接于所述盒体及挡板之间。本实施例中，通过盒体的开口处的弹性部件及挡板的配合，形成弹性开口(试纸卡门28)，弹性开口及试纸卡套上的第一手柄35与第二手柄36的表面形成相对试纸卡套突出的停止卡位设计，确保试纸卡套插入并固定在指定位置，在本实施例所述弹性部件为扭簧26(试纸卡门扭簧26)。

本实施例中，所述盒体的开口的形状与所述试纸卡套的长轴方向上的截面匹配使得试纸卡套能够从开口处插入盒体内，也即均为矩形，所述盒体的开口相对于盒体的侧面凹入，也即盒体的侧面具有凹入口，在凹入口的表面上具有所述开口，且开口的尺寸小于凹入口的尺寸，也即开口的四周具有平台，该平台匹配于试纸卡套的第一手柄35与第二手柄36突出的部分，该设计是为了确保在试纸卡套插入盒体后，盒体的开口不留有直接的缝隙，起到防尘及避光效果。

所述处理模块具有用于内部校准、检测数据的检测模块，即检测App，检测App实现胶体金试纸卡的检测功能，内部校准功能、检测数据管理等。所述显示元件包括液晶显示屏2及触摸屏1，所述盒体的上表面具有所述窗口，所述液晶显示屏2嵌设于所述盒体的窗口内，所述触摸屏1叠置于所述液晶显示屏2的上方。

所述照明元件为LED灯条13，LED灯条13具有6盏LED灯珠(在设备即盒体的内部给试纸条31提供均匀照明)，所述试纸条31套呈长条形，所述盒体内的卡槽部15呈长条状。

所述信号收发元件具有3G天线6、无线信号天线(WIFI天线10)、GPS天线11，所述3G天线6、无线信号天线(WIFI天线10)、GPS天线11均连接于所述处理模块。

进一步地，所述盒体内部具有摄像元件支架，所述摄像元件支架具有所述腔室，所述摄像元件具有摄像头17，所述摄像头17为CMOS高清摄像头17(用于采集试纸条31的照片)；所述摄像元件卡设于所述摄像元件支架的腔室内，且所述摄像朝向于所述腔室的通孔。所述摄像元件支架也即摄像头支架7(塑料材质，支架7中部的腔体用来固定摄像头的下部，显示屏支架3的下方也有一块凹槽，用来放置并粘贴摄像头，这样摄像头的上下侧均有结构支撑，确保摄像头稳定)，通过摄像头支架固定螺丝18固定于盒体的下壳40。

进一步地，所述显示元件包括液晶显示屏2及触摸屏1，所述触摸屏1为电容触摸屏1，所述盒体的上表面具有所述窗口，所述液晶显示屏2嵌设于所述盒体的窗口内，所述触摸屏1叠置于所述液晶显示屏2的上方。

进一步地，还包括显示屏支架3(金属材质)，所述显示屏支架3设置于所述盒体内，所述触摸屏1、液晶显示屏2依次叠置于所述显示屏支架3上。

进一步地，还包括透明防尘元件，所述防尘元件设置于所述盒体腔室的通孔，所述防尘元件为摄像头防尘玻璃16，设置于摄像头17的前端。

进一步地，所述反射镜支架14设置于所述盒体内，所述反射镜12连接于所述反射镜支架14上。

进一步地，所述反射镜支架14与水平方向呈45°角设置，使得所述摄像元件、卡槽部15通过反射镜12形成垂直光路。

进一步地，还包括声音播放和接收元件，声音播放和接收元件具有所述扬声器9及麦克风5，所述扬声器9及麦克风5连接于所述处理模块。在本实施例中，所述盒体的侧面还设有音量调节按键22和开机键按钮20，音量调节按键22连接处理模块，音量调节按键22的内侧对应有音量键塑胶条23。开机键按钮20连接处理模块，开机键按钮20的内侧对应有开机键塑胶条21。

进一步地，所述盒体的下壳40底部具有多个下壳固定螺丝24，用于固定下壳40与上壳19构成盒体，并且下壳40的底部具有多个脚垫25。

本发明涉及的手持式分析仪，通过试纸卡套及盒体的配合，并且试纸卡套能够配合多个不同规格的试纸条，避免了频繁更换试纸卡套的操作，而试纸条的形状均是长条形，区别在于不同的场合使用不同长度的试纸条，根据需要而定，因此，不需要频繁更换试纸卡套的设计使得本发明的手持式分析仪在使用时更加的节约时间，使用工作场合更广泛。

本实施例涉及的手持式分析仪，通过处理模块的设计，配合了处理软件(内部校准、检测数据的检测模块)，使得手持式分析仪在工作时，对图像的处理能力及纠正能力大幅提高，设备使用智能操作系统，通过触摸屏及液晶显示屏的设计，使得操作更加的简便。

本实施例涉及的手持式分析仪，通过试纸卡套在盒体内部与照明元件的平行设置，保证光照均匀，基线平直。另外使得试纸卡套与照明元件在盒体内占用的空间小，进一步地的使得整个盒体的尺寸减小，使得整个设备(手持式分析仪)携带方便。

本实施例涉及的手持式分析仪，图像的采集使用摄像元件，摄像元件采用的是高清CMOS摄像头，拍摄图片清晰，使得处理模块的分析更加快速，比较图像所需时间短，得出结果更加快速，并且图像的处理能力强，使得检测结果的准确性大大提高。

本实施例涉及的手持式分析仪的设备内部腔体分隔开，通过腔体、各个支架等部件，减少灰尘对设备内部洁净度的影响。

本实施例涉及的手持式分析仪，通过盒体的开口处的弹性部件及挡板的配合，形成弹性开口，弹性开口及试纸卡套上的第一手柄与第二手柄的表面形成相对试纸卡套突出的停止卡位设计，确保试纸卡套插入并固定在指定位置，设备具备一定的抗震性能，在检测过程中可以移动设备。

本实施例还提供一种基于图像灰度处理的数据计算方法。

一种基于图像灰度处理的数据计算方法，包括如下步骤，参见图12所示：

(1)将检测样品加入空白试纸卡的样品窗口中，将所述试纸卡插入分析仪内，待样品在试纸卡内的试纸条上扩散完成(等待指定时间，显色稳定)后，控制所述分析仪的摄像元件拍摄试纸卡，获取试纸卡图像，参见图13所示；其中空白试纸卡是由试纸条以及试纸卡套组成。

(2)对所述试纸卡图像进行预处理，获取预处理图像，所述预处理包括对所述试纸卡套的图像位置进行截取，再对所述试纸条的图像位置进行截取。根据所述试纸条的图像与所述试纸卡套的图像的比值关系来切割截取涵盖有所述试纸条区域的图像得到所述预处理图像，其中所述切割截取公式如下：

X＝(width/10)*4，Y＝(height/9)*3，W＝(width/10)*5，H＝(height/9)*3；其中，X为所述切割截取开始时的横坐标，Y为所述切割截取开始时的纵坐标，W为所述预处理图像的长度，H为所述预处理图像的宽度；width为试纸卡图像长度，height为试纸卡图像宽度。

(3)通过模板匹配测量相似度算法对所述预处理图像上的所述试纸条的图像进行精准定位，得到感兴趣区域(ROI)图像，参见图14所示；

步骤(3)中，通过模板匹配测量相似度算法对所述预处理图像上的所述试纸条的图像进行精准定位，是根据预先存储的试纸条匹配模板图像对所述预处理图像上的所述试纸条的图像进行模板匹配，所述模板匹配测量相似度公式如下：

\begin{matrix} D (i, j) = Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[S^{i j} (m, n) - T (m, n)]}^{2} = Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[S^{i j} (m, n)]}^{2} \\ - 2 Σ_{m = 1}^{M} Σ_{n = 1}^{N} S^{i j} (m, n) * T (m, n) + Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[T (m, n)]}^{2} \end{matrix}

(4)参见图15所示，将所述感兴趣区域(ROI)图像转化为单一的试纸条灰度变化曲线，包括如下步骤：

1)对所述感兴趣区域(ROI)图像转换为灰度图像：将所述精准试纸条图像的每一个像素点的R、G、B三个值转化成灰度值Gray组成的灰度图像，转换公式如下：

Gray＝R*0.299+G*0.587+B*0.114；

G (X, Y) = \frac{1}{2 {πσ}^{2}} e^{- \frac{{(X - X_{0})}^{2} + {(Y - Y_{0})}^{2}}{2 σ^{2}}}

其中，x为当前点的横坐标，y为当前点的纵坐标，x₀为对应点的横坐标，y₀为对应点的纵坐标，σ为高斯滤波器的宽度。

3)将经过步骤2)处理后的所述灰度图像转换为单一的试纸条灰度变化曲线：根据所述灰度图像上的每一列像素点的灰度值计算每一列像素点灰度值的平均值，并所述灰度图像上的每一列像素点灰度值的平均值为纵坐标，以所述灰度图像上的该列像素点的位置为横坐标，构建试纸条灰度变化曲线，其中，所述灰度值的平均值计算公式如下：

Y = \frac{Σ_{i = 1}^{m} X_{i}}{m}

(5)对所述试纸条灰度变化曲线进行曲线拟合校正，并根据校正后所述试纸条灰度变化曲线进行参考带的边界位置的定位和目标带的边界位置的定位，并分别计算所述参考带对应的面积和所述目标带对应的面积，得到参考带响应值C和目标带响应值T；

所述试纸条灰度变化曲线的拟合校正包括如下步骤：

2)对所述试纸条灰度变化曲线上所述目标谷以外的其他点进行拟合，得到拟合曲线回归方程，参见图15所示；

3)使用所述拟合曲线回归方程对所述试纸条灰度变化曲线进行拟合校正，并将所述试纸条灰度变化曲线进行上下翻转为灰度转换曲线，所述灰度转换曲线纵坐标为灰度转换值，横坐标为像素位置，参见图16所示；

5)根据参考带和目标带在所述灰度转换曲线中的区域，分别对参考带和目标带对应区域的所有像素点的灰度转换值进行累加，累加后的灰度转换值总和即分别为参考带对应的响应值和目标带对应的响应值。

(6)定性检测或者定量检测，其中定性检测是根据所述目标带响应值T与所述参考带响应值C之间的比值来判断免疫反应是阴性或者阳性；定量检测是根据T/C的比值得出所述样品的浓度值，其中，T为所述目标带响应值T，C为所述参考带响应值C。定性检测或者定量检测包括如下步骤：

3)对于定量检测，根据所述检测标准品的项目信息配置不同梯度浓度的标准品稀释液，计算不同梯度浓度对应的标准T/C值，得到标准T/C值与不同梯度浓度对应的拟合曲线，将检测项目所对应的曲线公式存储在软件中。用户进行定量检测时，软件读取T带和C带的响应值得到T/C值，根据该定量检测项目的检测类型读取与之对应的曲线公式，根据该曲线公式将T/C值换算成该检测项目的浓度值。

其中，所述的T/C-浓度对应曲线其确定方法如下：以HCG定量检测项目为例，配置以下浓度27398mIU、13699mIU、6849.5mIU、3424.75mIU、1712.375mIU、856.1875mIU、428.09375mIU、214.046875mI、107.0234375mIU、53.51171875mIU、26.755859375mIU、13.3779296875mIU的HCG试纸，使用本方法对上述浓度HCG试纸条进行检测，对其结果数据按y＝a*x/(b+x)公式进行拟合，得到T/C-浓度对应曲线，所述曲线如图17所示，其相关性系数R^2＝0.9909。

本发明涉及的基于图像灰度处理的数据计算方法，通过将分析区域图像数值化，对数据进行校正，以避免光源的不一致所带来的影响。并且本发明涉及的基于图像灰度处理的数据计算方法，已经将光源的光线不一致等因素折算到结果中，通过像素点的灰度值的平均值的计算，以及试纸条灰度变化曲线的拟合校正，使得检测结果更加的准确。本发明涉及的基于图像灰度处理的数据计算方法，通过试纸卡中的二维码信息，能够自动获取检测项目，从而根据检测项目进行处理，得到目标结果。本发明的基于图像灰度处理的数据计算方法可在生物样品浓度检测中的应用，如蛋白质浓度的检测、核酸浓度的检测、RNA浓度的检测等，涉及到浓度的检测领域，均可以采用本发明的基于图像灰度处理的数据计算方法加以辅助检测。本发明的基于图像灰度处理的数据计算方法配合体外快速诊断系统，可以使得体外快速诊断系统检测的结果更加的精准。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种基于图像灰度处理的数据计算方法，其特征在于，包括如下步骤：

(1)通过检测设备内部的摄像元件获取试纸卡图像；

2.根据权利要求1所述的基于图像灰度处理的数据计算方法，其特征在于，步骤(2)中的所述预处理是根据所述试纸条的图像与所述试纸卡套的图像的比值关系，来切割截取涵盖有所述试纸条区域的图像，以得到所述预处理图像，其中所述切割截取公式如下：

3.根据权利要求2所述的基于图像灰度处理的数据计算方法，其特征在于，步骤(3)包括如下步骤：

\begin{matrix} D (i, j) = Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[S^{i j} (m, n) - T (m, n)]}^{2} = Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[S^{i j} (m, n)]}^{2} \\ - 2 Σ_{m = 1}^{M} Σ_{n = 1}^{N} S^{i j} (m, n) * T (m, n) + Σ_{m = 1}^{M} Σ_{n = 1}^{N} {[T (m, n)]}^{2} \end{matrix}

4.根据权利要求3所述的基于图像灰度处理的数据计算方法，其特征在于，步骤(4)包括如下步骤：

Gray＝R*0.299+G*0.587+B*0.114；

G (x, y) = \frac{1}{2 {πσ}^{2}} e^{- \frac{{(x - x_{0})}^{2} + {(x - y_{0})}^{2}}{2 σ^{2}}}

Y = \frac{Σ_{i = 1}^{m} X_{i}}{m}

5.根据权利要求4所述的基于图像灰度处理的数据计算方法，其特征在于，步骤(5)中的所述试纸条灰度变化曲线的拟合校正包括如下步骤：

6.根据权利要求5所述的基于图像灰度处理的数据计算方法，其特征在于，步骤(6)中的定性检测或者定量检测包括如下步骤：

7.根据权利要求1-6任意一项所述的基于图像灰度处理的数据计算方法在体外诊断试剂结果分析中的应用。

8.根据权利要求1-6任意一项所述的基于图像灰度处理的数据计算方法在胶体金检测、荧光检测类设备中的应用。