專利名稱：化合物平面分離結(jié)果的圖像處理方法及其系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及化合物平面分離結(jié)果處理的技術(shù)領(lǐng)域，特別是涉及一種化合物平面分離結(jié)果的圖像處理方法，以及一種化合物平面分離結(jié)果的圖像處理系統(tǒng)。
背景技術(shù)：
平面色譜技術(shù)包括薄層色譜、紙色譜、凝膠電泳等各種在平面上用溶劑把化合物樣品展開和分離，然后對結(jié)果進行分析的技術(shù)。它是一種簡便、經(jīng)濟、微量的分析方法，廣泛應(yīng)用于生命科學(xué)、醫(yī)學(xué)、藥學(xué)、食品、化學(xué)等領(lǐng)域各種化合物的分析，是一種不可缺少的化合物分析工具。例如目前的DNA研究的基本技術(shù)Southern印跡雜交、RNA研究基本技術(shù)Northern印跡雜交以及蛋白研究基本技術(shù)Western印跡雜交均要使用凝膠電泳方法；中國藥典中鑒別中藥藥材、提取物和制劑，最多使用的是薄層色譜法。平面色譜分離結(jié)果圖像中斑點的大小和顏色的深淺反映樣品的實際組成和含量。因此，計算斑點累積光密度，可用于進行定量和定性分析。 平面色譜分離結(jié)果圖像的定量計算是將樣品斑點的積分光密度值與單個或者系列已知濃度對照品用相同方式得到的積分光密度值進行比較，按照外標(biāo)定量法或帶內(nèi)標(biāo)校正的外標(biāo)定量法進行計算。對平面色譜分離結(jié)果圖像的定性分析方面，商業(yè)的圖像分析系統(tǒng)對核苷酸、多肽、蛋白質(zhì)凝膠電泳圖進行指紋圖譜分析，采用的相似度計算核心公式為
2ntJ — ~~~
M1 + 2其中，f為相似度；nl、n2為兩待比較指紋圖譜中各自的峰數(shù)；nt為兩待比較指紋圖譜中共有峰的峰數(shù)；上述公式不能適用于平面色譜等其他平面分離結(jié)果的定性分析中，因此提出用相機或掃描儀獲取平面色譜圖像，手工調(diào)整照相時的對比度以獲取清晰圖像，然后手工分行(譜帶分割)，或者手工輸入行數(shù)對圖譜進行分行(分割各點樣點形成的譜帶)，然后獲取行(譜帶)的積分曲線；手工輸入峰高或峰寬閾值濾除雜質(zhì)峰后，將數(shù)據(jù)按以下公式
* 2λ, 2-A9,f a -- ~■ - —— \JL
%+% 1+% Ihi+hIi其中，f為相似度；nl、n2為兩待比較色譜指紋圖譜中實際色譜峰數(shù)，nt為共有峰的峰數(shù)；hlt、h2t為兩待比較色譜指紋圖譜中共有峰的峰高；進行相似度計算，用于中藥材的指紋圖譜研究。該方法缺點是需要平面色譜結(jié)果中各斑點達到較好分離。目前薄層色譜的定性、定量分析，多采用薄層掃描法。但它需要使用精密而昂貴的數(shù)控機械設(shè)備和光電檢測元件對薄層色譜圖不同條帶進行逐一掃描記錄，存在定量速度慢，精度較低，不同樣品間定量分析不同步，不直觀，因無法看到掃描的定位情況，直線掃描易造成定位不準(zhǔn)而產(chǎn)生較大誤差等缺點。
另一種方法為使用視頻光密度儀，此視頻光密度儀主要由光源、暗箱、數(shù)碼感光元件、計算機系統(tǒng)組成，具有組成簡單、不需要機械移動裝置、價格低、可以通過增加信號獲取時間來提高靈敏度、可以迅速獲取整個平面的圖譜信息等優(yōu)點，但是存在光照不均勻、相機鏡頭畸變等影響對平面分離結(jié)果圖像的分析造成較大誤差。為了減小背景干擾、光照不均勻、以及相機鏡頭畸變所造成誤差，采用在成像前先進行光發(fā)射校正；用中值濾波算法消除噪音；用數(shù)碼相機或攝像機拍攝標(biāo)準(zhǔn)方格圖，然后用計算機建立校正函數(shù)進行鏡頭畸變校正、噪聲濾除預(yù)處理。但該方法操作麻煩，需要拍攝標(biāo)準(zhǔn)方格圖，因此需要額外的物理材料。目前平面色譜分離結(jié)果的圖像的處理和分析方法均使用較大型的儀器硬件系統(tǒng)，以及個人電腦來實現(xiàn)，攜帶不方面而且成本高。

發(fā)明內(nèi)容
針對現(xiàn)有的技術(shù)的上述問題，本發(fā)明的目的在于提供一種化合物平面分離結(jié)果的圖像處理方法，以及一種化合物平面分離結(jié)果的圖像處理系統(tǒng)，能夠不需要標(biāo)準(zhǔn)方格圖等額外材料就可以對圖像進行校正、不需要平面分離結(jié)果中斑點完全分離就可以進行譜帶圖 像的相似度比較，可以在移動便攜、低成本的帶拍照功能的智能手機上應(yīng)用，并且更加準(zhǔn)
確、可靠。一種化合物平面分離結(jié)果的圖像處理方法，包括以下步驟獲取化合物樣品的平面分離結(jié)果圖像；對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理；將處理后的所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值；對灰度校正后的所述平面分離結(jié)果圖像進行圖像平滑；對圖像平滑后的所述平面分離結(jié)果圖像進行譜帶分割；將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集，并繪制光密度曲線；根據(jù)所述光密度曲線對化合物樣品中指定化合物進行定量、定性分析。一種化合物平面分離結(jié)果的圖像處理系統(tǒng)，包括圖像獲取模塊，用于獲取化合物樣品的平面分離結(jié)果圖像；圖像處理模塊，用于對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理；灰度校正模塊，用于將處理后的所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值；圖像平滑模塊，用于對灰度校正后的所述平面分離結(jié)果圖像進行圖像平滑；譜帶分割模塊，用于對圖像平滑后的所述平面分離結(jié)果圖像進行譜帶分割；光密度曲線計算模塊，用于將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集并進一步繪成光密度曲線；定量、定性分析模塊，用于根據(jù)所述光密度曲線對化合物樣品中指定化合物進行定量、定性分析。
本發(fā)明的化合物平面分離結(jié)果的圖像處理方法及其系統(tǒng)，通過對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理，將所述平面分離結(jié)果圖像轉(zhuǎn)換為符合用戶設(shè)定或者統(tǒng)一要求的灰度圖像。將轉(zhuǎn)換成灰度圖的所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值，可以非常有效地去除所述平面分離結(jié)果圖像中的背景的影響，提高對其中的化合物樣品圖像的處理精度。再通過圖像平滑處理和譜帶分割處理，能夠?qū)λ銎矫娣蛛x結(jié)果圖像準(zhǔn)確地進行譜帶劃分，提取各個譜帶的像素，將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集及其光密度曲線。能夠有效地提高對化合物的平面分離結(jié)果圖像的處理精度。不需要標(biāo)準(zhǔn)方格圖等額外材料就可以對圖像進行校正、不需要平面分離結(jié)果中斑點完全分離就可以進行譜帶圖像的相似度比較，可以在移動便攜、低成本的帶拍照功能的智能手機上應(yīng)用，并且更加準(zhǔn)確、可靠。


圖I是本發(fā)明化合物平面分離結(jié)果的圖像處理方法的步驟流程圖；圖2是本發(fā)明化合物平面分離結(jié)果的圖像處理方法一個實施例的步驟流程圖；圖3至15是圖2所示的實施例中各個步驟的詳細舉例說明的示意圖；圖16是本發(fā)明化合物平面分離結(jié)果的圖像處理系統(tǒng)的結(jié)構(gòu)示意圖。
具體實施例方式請參閱圖1，圖I是本發(fā)明化合物平面分離結(jié)果的圖像處理方法的步驟流程圖。所述化合物平面分離結(jié)果的圖像處理方法包括以下步驟S101，獲取化合物樣品的平面分離結(jié)果圖像；在本步驟中，優(yōu)選通過智能手機等數(shù)碼成像設(shè)備在預(yù)定的光源條件下，對單一或者混合化合物樣品的平面分離結(jié)果進行圖像采集，獲取所述平面分離結(jié)果圖像，并通過一定方式存貯或傳送并存貯于智能手機等圖像處理硬件設(shè)備中。之后的步驟S102 - S107都可通過智能手機的圖像處理功能進行處理，通過智能手機實現(xiàn)本發(fā)明的化合物平面分離結(jié)果的圖像處理方法，能夠大大提高設(shè)備的便攜性，使用非常方便。通常的化合物樣品經(jīng)過薄層色譜、紙色譜、凝膠電泳等技術(shù)進行平面分離，會使化合物樣品在一平面上運動、分離并形成光密度有差異的斑點(化合物樣品形成的斑點)，在本步驟中，在日光、熒光但不局限于以上光照條件下，利用智能手機等數(shù)字成像設(shè)備獲取平面分離結(jié)果的數(shù)字圖像，亦即所述平面分離結(jié)果圖像。S102，對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理；本步驟為對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換等圖像處理，使所述平面分離結(jié)果圖像轉(zhuǎn)換成符合用戶期望的角度，大小，分辨率和灰度的標(biāo)準(zhǔn)圖像，更適合進行下面進一步的圖像分析處理。具體地，在進行圖像旋轉(zhuǎn)時，按照用戶的設(shè)定或者操作指令，按照所述平面分離結(jié)果圖像中的化合物樣品點樣起始線處于水平位置，對所述平面分離結(jié)果圖像設(shè)定旋轉(zhuǎn)角度并進行旋轉(zhuǎn)。
在進行圖像截取時，接收用戶的圖像截取指令，按照所述圖像截取指令的截取范圍對所述平面分離結(jié)果圖像進行圖像截取。亦即，用戶可根據(jù)實際需要選擇圖像中分析區(qū)域的范圍，截取相應(yīng)圖像獲得符合用戶希望的圖像。在進行圖像縮放時，按照預(yù)定的分辨率，對所述平面分離結(jié)果圖像進行圖像縮放，或者按照用戶的縮放指令中自定義的大小進行縮放，避免圖像過大造成處理時間太長或出錯。在進行灰度轉(zhuǎn)換時，將所述 平面分離結(jié)果圖像分別轉(zhuǎn)換成灰度圖、平均灰度圖、紅色分量灰度圖、藍色分量灰度圖和綠色分量灰度圖，接收用戶指令選擇輸出相應(yīng)的灰度圖?？捎捎脩舾鶕?jù)排除干擾或提高信噪比的需要選擇合適的灰度圖，非常方便。其中，所述灰度圖轉(zhuǎn)換公式為=Gray = O. 299R+0. 587G+0. 114B，其中，Gray為灰度圖中各像素點的灰度值，R為像素點紅色分量的數(shù)值，G為像素點綠色分量的數(shù)值，B為像素點藍色分量的數(shù)值；所述平均灰度圖計算公式為Gray’ = O. 333R+0. 333G+0. 333B ;其中，Gray’為平均灰度圖中各像素點的灰度值，R為像素點紅色分量的數(shù)值，G為像素點綠色分量的數(shù)值，B為像素點藍色分量的數(shù)值；所述紅色分量灰度圖中各像素點的灰度值等于該像素點的紅色分量值；所述藍色分量灰度圖中各像素點的灰度值等于該像素點的藍色分量值；所述綠色分量灰度圖中各像素點的灰度值等于該像素點的綠色分量值。S103，將處理后的所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值；將所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值，可以改善光照不均勻或鏡頭畸變造成的影響，有效地提高對所述平面分離結(jié)果圖像的處理分析的精確度。優(yōu)選地，在本步驟中，按照以下方式校正所述平面分離結(jié)果圖像中各像素點的灰度值a.將所述平面分離結(jié)果圖像中每一行的所有像素點用最小二乘法擬合二次曲線方程；b.將各個所述像素點的灰度值與所述像素點坐標(biāo)對應(yīng)的所述二次曲線方程計算值相比較；如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值大于背景的灰度值，則執(zhí)行步驟c.剔除灰度值大于所述二次曲線方程計算值的像素點，反之則執(zhí)行步驟d.剔除灰度值小于所述二次曲線方程計算值的像素點；對該行余下的像素點重新執(zhí)行步驟a至d，用最小二乘法重新擬合二次曲線方程，并再次對所述余下的像素點進行剔除，重復(fù)擬合和剔除N次后(N為預(yù)設(shè)正整數(shù))，再次擬合得到接近理想的基線二次曲線方程；e.用所述基線二次曲線方程校正該行各像素點的灰度值。具體的校正方式如下如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值大于背景的灰度值，則校正的計算方式為Grayl = Gray2 一 Gray3+Gray4 ；其中,Grayl為像素點新灰度值,Gray2為像素點原灰度值,Gray3為該像素點坐標(biāo)對應(yīng)的所述基線二次曲線方程的計算值，Gray 4為使Grayl不小于O預(yù)設(shè)基礎(chǔ)值；
如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值小于背景的灰度值，則校正的計算方式為Grayl = -Gray2+Gray3+Gray4 ；其中,Grayl為像素點新灰度值,Gray2為像素點原灰度值,Gray3為該像素點坐標(biāo)對應(yīng)的所述基線二次曲線方程的計算值，Gray4為使Grayl不小于O預(yù)設(shè)基礎(chǔ)值。本實施方式中，通過將圖像中每一行的像素點用最小二乘法擬合二次曲線方程，利用與二次曲線方程計算值比較進行像素點剔除，多次剔除后獲得理想的基線二次曲線方程，用該基線二次曲線方程進行圖像中的像素點的灰度校正，能夠改善光照不均勻和鏡頭畸變對平面分離結(jié)果圖像的影響，極大地提高對所述平面分離結(jié)果圖像的處理分析精確度。
S104，對灰度校正后的所述平面分離結(jié)果圖像進行圖像平滑；通常的圖像平滑方法包括鄰域平均濾波法、中值濾波法，或低通濾波法等。優(yōu)選地，在本步驟中，對灰度校正后的所述平面分離結(jié)果圖像，采用3至N個像素點的灰度值作為數(shù)字濾波窗口 ；并且，采用下述濾波方法中的任何一種方式或多種方式的組合，按行、按列或者按像素矩陣進行圖像平滑鄰域平均濾波法、中值濾波法或者低通濾波法。其中，N為所述平面分離結(jié)果圖像的行或列像素點總數(shù)十分之一、取整后獲得的整數(shù)值。本方法可以應(yīng)用的圖像平滑方法并不限于以上數(shù)字濾波方法。所述平面分離結(jié)果圖像經(jīng)過平滑后，減少了所述平面分離結(jié)果圖像中的隨機噪聲和干擾像素點，提高對所述平面分離結(jié)果圖像的處理分析精確度。S105，對圖像平滑后的所述平面分離結(jié)果圖像進行譜帶分割；本步驟中，所述譜帶分割包括用戶自定義分割或系統(tǒng)自動分割；其中，所述用戶自定義分割為接收用戶的譜帶分割指令，根據(jù)所述譜帶分割指令指定的分割點進行譜帶分割；所述系統(tǒng)自動分割為將所述平面分離結(jié)果圖像中縱坐標(biāo)309Γ70%范圍內(nèi)的像素點的灰度值沿縱向累加，將得到的數(shù)值按順序存入一個數(shù)組，對所述數(shù)組的數(shù)值相連而成的曲線采用濾波方法進行平滑后，根據(jù)所述曲線的拐點確定譜帶分割點，分割譜帶。其中，所述濾波方法包括鄰域平均濾波法、中值濾波法，低通濾波法，但不限于以上數(shù)字濾波方法。用戶可以根據(jù)自己的需要選擇用戶自定義分割或系統(tǒng)自動分割，根據(jù)所述曲線的拐點確定分割點，分割不同點樣點形成的譜帶，以達到最優(yōu)的譜帶分割效果。S106，將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集。在得到各譜帶的累積光密度數(shù)據(jù)集的步驟之后，可進一步將所述累積光密度數(shù)據(jù)集中各個累積光密度數(shù)值，按順序連接得到光密度曲線，便于進行分析比較。S107，根據(jù)所述光密度曲線對化合物樣品中指定化合物進行定量、定性分析.在本步驟中，根據(jù)所述化合物樣品的所述光密度曲線，進行定量、定性分析。其中，所述定量分析為對所述光密度曲線，按用戶指定或系統(tǒng)根據(jù)曲線趨勢變化自動確定的起點和終點間數(shù)據(jù)進行積分，得到斑點光密度積分值，將得到的所述光密度積分值與單個或者系列已知濃度的標(biāo)準(zhǔn)樣品用相同方式得到的光密度積分值進行比較，按照外標(biāo)定量法或帶內(nèi)標(biāo)校正的外標(biāo)定量法進行計算，對所述化合物樣品中指定化合物進行定量分析。所述定性分析包括分類分析和樣品基源鑒別分析。所述分類分析為根據(jù)用戶在化合物樣品的光密度曲線中指定的兩個參考點間的距離比例(例如以此距離為200)，進行曲線縮放，校正所述光密度曲線上其他各點的橫坐標(biāo)值；將縮放后得到的所述光密度曲線，在用戶指定或系統(tǒng)默認(rèn)確定的范圍內(nèi)提取特征曲線用于相關(guān)系數(shù)計算，用相關(guān)系數(shù)法計算多個所述化合物樣品兩兩之間的特征曲線的相似度，再進行聚類分析，實現(xiàn)分類分析。所述樣品基源鑒別分析為將同一來源的不同樣品在相同分析條件下分析產(chǎn)生的光密度曲線提取特征曲線，通過加權(quán)平均(權(quán)重由用戶自行確定)產(chǎn)生標(biāo)準(zhǔn)樣品對照的特征曲線，計算待鑒別樣品的特征曲線與所述標(biāo)準(zhǔn)樣品的特征曲線的相似系數(shù)，按照相似度大小與用戶指定的判別值比較，進行樣品的基源鑒別。其中，提取特征曲線的方法可與進行所述分類分析時的提取方法相同。

下面結(jié)合附圖2至15詳細說明本發(fā)明的一個實施例圖2給出了本實施例的工作流程圖，包括S201，獲取化合物樣品的平面分離結(jié)果數(shù)碼圖像；S202，進行旋轉(zhuǎn)、裁切、縮放、灰度轉(zhuǎn)換等圖像處理；S203，進行圖像校正；S204，用濾波算法降低噪音使圖像平滑；S205，對各樣品的譜帶進行分割；S206，對譜帶的像素點灰度進行水平方向累加，得到累積光密度數(shù)據(jù)集及其曲線；根據(jù)各樣品累積光密度數(shù)據(jù)，進行定量分析(S7. I)、分類分析(S7. 2)、基源鑒別(S7. 3)。其中，第一步是獲取平面分離結(jié)果圖像，圖3給出了一種簡易的圖像獲取方法在暗房中，將載有分離結(jié)果的平面板a放置在紫外分析儀(波長為254nm, 365nm) b下,然后由固定在腳架c上的數(shù)碼相機d對平面分離結(jié)果進行拍照形成數(shù)字圖像并存于圖像處理計算設(shè)備中，其他圖像獲取方法包括用商品化的圖像分析系統(tǒng)獲取圖像，但不限于以上方法。圖4給出了一幅所拍攝的平面分離結(jié)果圖像，圖中的各斑點是不同濃度對甲氧基肉桂酸乙酯對照品經(jīng)薄層色譜分析后得到的結(jié)果圖像，其中f是其中一個樣品的平面分離結(jié)果斑點。圖5是顯示經(jīng)過旋轉(zhuǎn)、裁切、縮放和灰度轉(zhuǎn)換等圖像處理后的平面分離結(jié)果圖像。圖6是所述平面分離結(jié)果圖像的一行像素的灰度值示意圖，其縱坐標(biāo)value為像素灰度值，橫坐標(biāo)X為像素橫坐標(biāo)。圖中的g是過圖5中系列斑點的一行像素點的灰度值連線，可以看出光照不均勻等干擾對背景的影響是非常大的，減少甚至消除背景的干擾對獲得準(zhǔn)確的圖像分析結(jié)果非常重要。本實施例中采用的校正算法是將圖像中每一行的像素點(可以用數(shù)據(jù)集(X，value)，其中X為像素點橫坐標(biāo)，value為縱坐標(biāo)，此處為像素點的灰度值)用最小二乘法擬合二次曲線方程，然后將各像素點的灰度值value與該像素點坐標(biāo)X對應(yīng)的擬合曲線方程計算值value’相比較，對于斑點灰度值大于背景的圖像，剔除灰度值大于擬合曲線方程計算值的一組像素點，反之則剔除灰度值小于擬合曲線方程計算值的一組像素點，對該行余下的一組像素點重復(fù)上述擬合和剔除像素點的步驟一到多次，得到一個理想的基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值。對于所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值大于背景的灰度值的，則校正的計算方式為Grayl = Gray2 一 Gray3+Gray4 ;否則，校正的計算方式為Grayl=-Gray2+Gray3+Gray4 ;其中，Grayl為像素點新灰度值，Gray2為像素點原灰度值，Gray3為該像素點坐標(biāo)對應(yīng)的所述基線二次曲線方程的計算值，Gray4為使Grayl不小于O預(yù)設(shè)基礎(chǔ)值。其中，擬合二次曲線方程的最小二乘法算法是定義三個變量al、a2、a3，作為二次曲線方程V=al+a2x+a3x2的參數(shù)；利用極值條件V=發(fā)f (X)對al, a2, a3的值為零,得到關(guān)于al，a2，a3的線形方程組，即求V=f (X)對al，a2，a3的偏導(dǎo)得到線形方程組，用數(shù)據(jù)集(X，value)的數(shù)據(jù)按最小二乘法求出方程組矩陣的行列式，然后根據(jù)行列式求出線性方程組的解，即為擬合函數(shù)的系數(shù)，從而得到擬合曲線V=f (X)。圖6中的h為三次剔除灰度值小于擬合曲線方程計算值的像素點，逐次逼近擬合出來的供校正用的基線二次曲線方程的曲線，圖6中的i為校正后的該行像素點的連線，為了避免相減出現(xiàn)負(fù)值的情況，各像素點應(yīng)加上一個基礎(chǔ)值，此處為50，但不限于該值。本實施例中對圖像的噪音濾波采用3個到η個像素點的灰度值作為數(shù)字濾波窗口，其中，η為所述平面分離結(jié)果圖像的行或列像素點總數(shù)十分之一、取整后獲得的整數(shù)值。 然后采用下述濾波方法中的任何一種方法或一組方法組合按行、按列或區(qū)域(像素矩陣)進行圖像平滑鄰域平均濾波法、或中值濾波法，或低通濾波法，但不限于以上數(shù)字濾波方法。圖7是一個ηΧη濾波模板，例如將像素點(X，y)濾波窗口范圍η內(nèi)的像素點的灰度值排序，然后將中間值賦予窗口范圍ηΧη個像素點作為新圖中的灰度值，實現(xiàn)中值濾波。圖8a為圖5校正和平滑前的灰度圖及其三維立體顯示，圖8b為圖5校正和平滑后的灰度圖及其三維立體顯示，從圖可以看出，經(jīng)過校正和平滑后，圖像的變形得到有效改
盡
口 ο圖9顯示圖像中樣品譜帶的分割和進行灰度累積獲取的光密度曲線。譜帶分割可以采用人工分割和自動分割。自動分割譜帶的算法為將圖像中縱坐標(biāo)309Γ70%范圍內(nèi)的像素點灰度值沿縱向累加，得到的數(shù)值按順序存入一個數(shù)組，對數(shù)組的數(shù)值相連而成的曲線采用鄰域平均濾波法、或中值濾波法，或低通濾波法，但不限于以上數(shù)字濾波方法對曲線進行平滑，然后再以5個數(shù)據(jù)點為移動窗口，在曲線上移動，擬合曲線的斜率。5個數(shù)據(jù)點連續(xù)增大且斜率為正時，判斷為向上拐點，再向左移動尋找最低點作為譜帶的左起點；5個數(shù)據(jù)點連續(xù)變小且斜率為負(fù)時，判斷為向下拐點，再向右移動尋找最低點作為譜帶的終點，依次確定各譜帶的起點和終點，分割譜帶。圖9a為圖5校正和平滑前分割出來一條譜帶及譜帶的光密度曲線，圖9b為圖5校正和平滑后分割出來一條譜帶及譜帶的光密度曲線。從圖可以看出，樣品譜帶分割和灰度累積后得到光密度曲線(數(shù)字圖像存貯時，亮度越大，灰度值越高，為適合習(xí)慣的顯示方式將光密度垂直反轉(zhuǎn)顯示)，對曲線上色譜峰的曲線下面積積分可以得到斑點的光密度積分值用于定量計算。另外，經(jīng)過校正和平滑后，光密度曲線的基線漂移得到有效改善，有利于準(zhǔn)確積分。圖10上方為圖5校正和平滑前系列濃度對照品定量分析得到的散點圖示意、線性趨勢線、線性方程及其線性相關(guān)系數(shù)平方值，下方為圖5校正和平滑后系列濃度對照品定量分析得到的散點圖示意、線性趨勢線、線性方程及其線性相關(guān)系數(shù)平方值。從圖10可以看出，系列濃度的對照品與其相應(yīng)的斑點光密度值呈良好線性關(guān)系，可用于進行定量計算。另外，校正和平滑后，線性相關(guān)系數(shù)平方值從O. 9285提高到O. 9797，得到有效改善，可提高定量的準(zhǔn)確性。
圖11顯示兩個平面分離結(jié)果圖像，圖Ila為使用預(yù)制薄層板進行薄層分析得到的結(jié)果圖像，圖Iib為使用手工鋪制薄層板進行薄層分析得到的結(jié)果圖像，兩圖中各譜帶依次為八種藥材陳皮、青皮、枳殼、佛手、橘紅、江西產(chǎn)柚皮、廣東產(chǎn)柚皮、毛橘紅薄層分析后形成的f 16個譜帶。圖12為上述兩個平面分離結(jié)果圖像中同一陳皮樣品在兩次不同薄層分析中形成的譜帶的光密度曲線圖12a以及根據(jù)參考點校正后的光密度曲線圖12b。本發(fā)明中，根據(jù)用戶用鼠標(biāo)點擊所指定的兩個參考點，其他各點以兩點間的距離為標(biāo)準(zhǔn)(例如以此距離為200)，校正橫坐標(biāo)值U)。校正算法為求出兩個參考點間距離，建立一個長度為原光密度曲線數(shù)組長度乘上200再除以兩個參考點間距離取整后的數(shù)值的新數(shù)組，該數(shù)組第i點的累積光密度值為i乘以兩個參考點間距離再除以200取整后得到的數(shù)值所對應(yīng)的原光密度曲線數(shù)組中的數(shù)據(jù)點的累積光密度值。從圖12可以看出，經(jīng)過校正后的同一樣品的兩條光密度曲線的相似性有明顯提高。圖13顯示上述兩個平面分離結(jié)果圖像的各樣品譜帶根據(jù)參考點校正前和校正后的相似度比較結(jié)果。相似度計算方法為將兩條光密度曲線的數(shù)據(jù)以該曲線的參考點為準(zhǔn)對齊，將用戶指定范圍內(nèi)能體現(xiàn)樣品圖譜特征的曲線的對應(yīng)數(shù)據(jù)集按相關(guān)系數(shù)法計算相似 度,公式為
a) Xibi-I)r- In ^In _
)2χ句2
V f- V -i其中ai、bi分別為兩條光密度曲線的規(guī)定范圍內(nèi)第i點的灰度值。圖13中第一個表為校正前的相似度計算結(jié)果矩陣，第二個表為校正后的相似度計算結(jié)果矩陣；對照兩表中的數(shù)據(jù)，各樣品點的相似度有明顯改善，更真實反映同一樣品和不同樣品間的相似性差異。以合適的相似度閾值進行判別，可以進行樣品的基源鑒別。圖14為上述兩個平面分離結(jié)果圖像中單獨一個圖的圖像分析結(jié)果聚類分析圖。顯示樣品廣8譜帶可分為三類，同一生物種不同炮制藥材聚為一類(I陳皮，2青皮，3枳殼)、不同生物種但遺傳距離接近的聚為一類(5橘紅、6江西產(chǎn)柚皮、7廣東產(chǎn)柚皮、8毛橘紅)，余下的一個藥材單獨為一類(4佛手)。圖15為上述兩個平面分離結(jié)果圖像中樣品的統(tǒng)一圖像分析結(jié)果聚類分析圖，顯示圖13中兩個相似度矩陣數(shù)據(jù)的聚類分析結(jié)果。聚類分析使用相似度矩陣數(shù)據(jù)，以系統(tǒng)聚類法(最短距離法)，進行分析。左邊為校正前的相似度計算結(jié)果矩陣的聚類分析結(jié)果，反映出同一生物種間不同炮制藥材間相似性(1、2、3、9、10、11)、以及部分反映生物遺傳距離較近的樣品間的相似性，柚和柚的變種的樣品聚在一類(5、6、7、13、14、15、8、16),香櫞變種佛手單獨為一類。右邊為校正后的相似度計算結(jié)果矩陣的聚類分析結(jié)果，能反映同一生物種間不同炮制藥材間相似性(I、2、3、9、10、11)，而且在反應(yīng)生物遺傳距離較近的樣品間的相似性方面更準(zhǔn)確，柚(5、6、7、13、14、15)與毛橘紅(8、16)明顯分開，另外同類間聚類距離更短，顯示本發(fā)明對平面分離結(jié)果的圖像分析能有效用于樣品的分類。下面舉例說明本發(fā)明的一種硬件實施方式，載有樣品平面分離結(jié)果的薄板被放置成像暗箱或暗房的特定光源下，然后用帶拍照功能的智能手機獲取圖像，獲取的數(shù)字圖像用智能手機進行圖像分析，圖像分析后的結(jié)果輸出在智能手機屏幕上。通過智能手機實現(xiàn)化合物平面分離結(jié)果圖像的獲取和分析處理，能夠達到簡單便攜的優(yōu)點。請參閱圖16，圖16為本發(fā)明化合物平面分離結(jié)果的圖像處理系統(tǒng)的結(jié)構(gòu)示意圖。所述化合物平面分離結(jié)果的圖像處理系統(tǒng)包括圖像獲取模塊11，用于獲取化合物樣品的平面分離結(jié)果圖像；圖像處理模塊12，用于對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理；灰度校正模塊13，用于將處理后的所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合二次曲線方程，用該二次曲線方程校正該行各像素點的灰度值；圖像平滑模塊14，用于對灰度校正后的所述平面分離結(jié)果圖像進行圖像平滑； 譜帶分割模塊15，用于對圖像平滑后的所述平面分離結(jié)果圖像進行譜帶分割；光密度曲線計算模塊16，用于將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集并進一步繪成光密度曲線；定量、定性分析模塊17，用于根據(jù)所述光密度曲線對化合物樣品中指定化合物進行定量、定性分析。所述圖像獲取模塊11通過智能手機等數(shù)碼成像設(shè)備在預(yù)定的光源條件下，對單一或者混合化合物樣品的平面分離結(jié)果進行圖像采集，獲取所述平面分離結(jié)果圖像，并通過一定方式存貯或傳送并存貯于智能手機等圖像處理硬件設(shè)備中。本發(fā)明的化合物平面分離結(jié)果的圖像處理系統(tǒng)可以在智能手機上運行，調(diào)用智能手機的圖像處理功能進行處理，通過智能手機運行本發(fā)明的化合物平面分離結(jié)果的圖像處理系統(tǒng)，能夠大大提高設(shè)備的便攜性，使用非常方便。通常的化合物樣品經(jīng)過薄層色譜、紙色譜、凝膠電泳等技術(shù)進行平面分離，會使化合物樣品在一平面上運動、分離并形成光密度有差異的斑點(化合物樣品形成的斑點)，在本步驟中，在日光、熒光但不局限于以上光照條件下，利用智能手機等數(shù)字成像設(shè)備獲取平面分離結(jié)果的數(shù)字圖像，亦即所述平面分離結(jié)果圖像。所述圖像處理模塊12對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換等圖像處理，使所述平面分離結(jié)果圖像轉(zhuǎn)換成符合用戶期望的角度，大小，分辨率和灰度的標(biāo)準(zhǔn)圖像，更適合進行下面進一步的圖像分析處理。具體地，所述圖像處理模塊12在進行圖像旋轉(zhuǎn)時，按照所述平面分離結(jié)果圖像中的化合物樣品點樣起始線處于水平位置，對所述平面分離結(jié)果圖像設(shè)定旋轉(zhuǎn)角度并進行旋轉(zhuǎn)?；蛘?，按照用戶的設(shè)定或者操作指令，對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)，用戶可根據(jù)圖像中樣品點樣起始線處于水平方向的要求，選擇旋轉(zhuǎn)角度對圖像進行旋轉(zhuǎn)。所述圖像處理模塊12在進行圖像截取時，接收用戶的圖像截取指令，按照所述圖像截取指令的截取范圍對所述平面分離結(jié)果圖像進行圖像截取。亦即，用戶可根據(jù)實際需要選擇圖像中分析區(qū)域的范圍，截取相應(yīng)圖像獲得符合用戶希望的圖像。所述圖像處理模塊12在進行圖像縮放時，按照預(yù)定的分辨率，對所述平面分離結(jié)果圖像進行圖像縮放，或者按照用戶的縮放指令中自定義的大小進行縮放，避免圖像過大造成處理時間太長或出錯。所述圖像處理模塊12在進行灰度轉(zhuǎn)換時，將所述平面分離結(jié)果圖像分別轉(zhuǎn)換成灰度圖、平均灰度圖、紅色分量灰度圖、藍色分量灰度圖和綠色分量灰度圖，接收用戶指令選擇輸出相應(yīng)的灰度圖?？捎捎脩舾鶕?jù)排除干擾或提高信噪比的需要選擇合適的灰度圖，非常方便。其中，所述灰度圖轉(zhuǎn)換公式為=Gray = O. 299R+0. 587G+0. 114B，其中，Gray為灰度圖中各像素點的灰度值，R為像素點紅色分量的數(shù)值，G為像素點綠色分量的數(shù)值，B為像素點藍色分量的數(shù)值；所述平均灰度圖計算公式為Gray’ = O. 333R+0. 333G+0. 333B ;其中,Gray’為平均灰度圖中各像素點的灰度值,R為像素點紅色分量的數(shù)值,G為像素點綠色分量的數(shù)值，B為像素點藍色分量的數(shù)值；所述紅色分量灰度圖中各像素點的灰度值等于該像素點的紅色分量值；所述藍色分量灰度圖中各像素點的灰度值等于該像素點的藍色分量值；所述綠色分量灰度圖中各像素點的灰度值等于該像素點的綠色分量值。所述灰度校正模塊13將所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值，可以改善光照不均勻或鏡頭畸變造成的影響，有效地提高對所述平面分離結(jié)果圖像的處理分析的精確度。優(yōu)選地，所述灰度校正模塊13按照以下方式校正所述平面分離結(jié)果圖像中各像素點的灰度值 將所述平面分離結(jié)果圖像中每一行的所有像素點用最小二乘法擬合二次曲線方程;將各個所述像素點的灰度值與所述像素點坐標(biāo)對應(yīng)的所述二次曲線方程計算值相比較；如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值大于背景的灰度值，則剔除灰度值大于所述二次曲線方程計算值的像素點，反之則剔除灰度值小于所述二次曲線方程計算值的像素點；對該行余下的像素點重新用最小二乘法重新擬合二次曲線方程，并再次對所述余下的像素點進行剔除，重復(fù)擬合和剔除N次后(N為預(yù)設(shè)正整數(shù))，再次擬合得到接近理想的基線二次曲線方程；用所述基線二次曲線方程校正該行各像素點的灰度值。具體的校正方式如下如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值大于背景的灰度值，則校正的計算方式為Grayl = Gray2~Gray3+Gray4 ；其中,Grayl為像素點新灰度值,Gray2為像素點原灰度值,Gray3為該像素點坐標(biāo)對應(yīng)的所述基線二次曲線方程的計算值，Gray4為使Grayl不小于O預(yù)設(shè)基礎(chǔ)值；如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值小于背景的灰度值，則校正的計算方式為Grayl = -Gray2+Gray3+Gray4 ；其中,Grayl為像素點新灰度值,Gray2為像素點原灰度值,Gray3為該像素點坐標(biāo)對應(yīng)的所述基線二次曲線方程的計算值，Gray4為使Grayl不小于O預(yù)設(shè)基礎(chǔ)值。本實施方式中，通過將圖像中每一行的像素點用最小二乘法擬合二次曲線方程，利用與二次曲線方程計算值比較進行像素點剔除，多次剔除后獲得理想的基線二次曲線方程，用該基線二次曲線方程進行圖像中的像素點的灰度校正，能夠改善光照不均勻和鏡頭畸變對平面分離結(jié)果圖像的影響，極大地提高對所述平面分離結(jié)果圖像的處理分析精確度。通常的圖像平滑方法包括鄰域平均濾波法、中值濾波法，或低通濾波法等。優(yōu)選地，所述圖像平滑模塊14對灰度校正后的所述平面分離結(jié)果圖像，采用3至N個像素點的灰度值作為數(shù)字濾波窗口 ；并且，采用下述濾波方法中的任何一種方式或多種方式的組合，按行、按列或者按像素矩陣進行圖像平滑鄰域平均濾波法、中值濾波法或者低通濾波法。其中，N為所述平面分離結(jié)果圖像的行或列像素點總數(shù)十分之一、取整后獲得的整數(shù)值。本方法可以應(yīng)用的圖像平滑方法并不限于以上數(shù)字濾波方法。所述平面分離結(jié)果圖像經(jīng)過平滑后，減少了所述平面分離結(jié)果圖像中的隨機噪聲和干擾像素點，提高對所述平面分離結(jié)果圖像的處理分析精確度。所述譜帶分割模塊15對圖像平滑后的所述平面分離結(jié)果圖像進行的譜帶分割包括用戶自定義分割或系統(tǒng)自動分割；
其中，所述用戶自定義分割為接收用戶的譜帶分割指令，根據(jù)所述譜帶分割指令指定的分割點進行譜帶分割；所述系統(tǒng)自動分割為將所述平面分離結(jié)果圖像中縱坐標(biāo)309Γ70%范圍內(nèi)的像素點的灰度值沿縱向累加，將得到的數(shù)值按順序存入一個數(shù)組，對所述數(shù)組的數(shù)值相連而成的曲線采用濾波方法進行平滑后，根據(jù)所述曲線的拐點確定譜帶分割點，分割譜帶。其中，所述濾波方法包括鄰域平均濾波法、中值濾波法，低通濾波法，但不限于以上數(shù)字濾波方法。用戶可以根據(jù)自己的需要選擇用戶自定義分割或系統(tǒng)自動分割，根據(jù)所述曲線的拐點確定分割點，分割不同點樣點形成的譜帶，以達到最優(yōu)的譜帶分割效果。所述光密度計算模塊16在得到各譜帶的累積光密度數(shù)據(jù)集的步驟之后，可進一步將所述累積光密度數(shù)據(jù)集中各個累積光密度數(shù)值，按順序連接得到光密度曲線，便于進行分析比較。所述定量、定性分析模塊17根據(jù)所述化合物樣品的所述光密度曲線，進行定量、定性分析。其中，所述定量分析為對所述光密度曲線，按用戶指定或系統(tǒng)根據(jù)曲線趨勢變化自動確定的起點和終點間數(shù)據(jù)進行積分，得到斑點光密度積分值，將得到的所述光密度積分值與單個或者系列已知濃度的標(biāo)準(zhǔn)樣品用相同方式得到的光密度積分值進行比較，按照外標(biāo)定量法或帶內(nèi)標(biāo)校正的外標(biāo)定量法進行計算，對所述化合物樣品中指定化合物進行定量分析。所述定性分析包括分類分析和樣品基源鑒別分析。所述分類分析為根據(jù)用戶在化合物樣品的光密度曲線中指定的兩個參考點間的距離比例(例如以此距離為200)，進行曲線縮放，校正所述光密度曲線上其他各點的橫坐標(biāo)值；將縮放后得到的所述光密度曲線，在用戶指定或系統(tǒng)默認(rèn)確定的范圍內(nèi)提取特征曲線用于相關(guān)系數(shù)計算，用相關(guān)系數(shù)法計算多個所述化合物樣品兩兩之間的特征曲線的相似度，再進行聚類分析，實現(xiàn)分類分析。所述樣品基源鑒別分析為將同一來源的不同樣品在相同分析條件下分析產(chǎn)生的光密度曲線提取特征曲線，通過加權(quán)平均(權(quán)重由用戶自行確定)產(chǎn)生標(biāo)準(zhǔn)樣品對照的特征曲線，計算帶鑒別樣品的特征曲線與所述標(biāo)準(zhǔn)樣品的特征曲線的相似系數(shù)，按照相似度大小與用戶指定的判別值比較，進行樣品的基源鑒別。其中，提取特征曲線的方法可與進行所述分類分析時的提取方法相同。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施方式中的全部或部分流程，以及對應(yīng)的控制系統(tǒng)，是可以通過計算機程序來指令相關(guān)的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，可包括如上述各實施方式的流程。其中，所述的存儲介質(zhì)可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory, ROM)或隨機存儲記憶體(Random Access Memory, RAM)等。以上所述實施例僅表達了本發(fā)明 的幾種實施方式，其描述較為具體和詳細，但并不能因此而理解為對本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對于本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進，這些都屬于本發(fā)明的保護范圍。因此，本發(fā)明專利的保護范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
權(quán)利要求
1.一種化合物平面分離結(jié)果的圖像處理方法，其特征在于，包括步驟 獲取化合物樣品的平面分離結(jié)果圖像； 對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理； 將處理后的所述平面分離結(jié)果圖像中每一行的像素點用最小二 乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值； 對灰度校正后的所述平面分離結(jié)果圖像進行圖像平滑； 對圖像平滑后的所述平面分離結(jié)果圖像進行譜帶分割； 將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集，并繪制光密度曲線； 根據(jù)所述光密度曲線對化合物樣品中指定化合物進行定量、定性分析。
2.如權(quán)利要求I所述的化合物平面分離結(jié)果的圖像處理方法，其特征在于，所述獲取化合物樣品的平面分離結(jié)果圖像的步驟包括 通過智能手機在預(yù)定的光源條件下，對單一或者混合化合物樣品的平面分離結(jié)果進行圖像采集，獲取所述平面分離結(jié)果圖像并儲存在所述智能手機中。
3.如權(quán)利要求I所述的化合物平面分離結(jié)果的圖像處理方法，其特征在于，對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理的步驟包括 按照所述平面分離結(jié)果圖像中的化合物樣品點樣起始線處于水平位置，對所述平面分離結(jié)果圖像設(shè)定旋轉(zhuǎn)角度并進行旋轉(zhuǎn)； 接收用戶的圖像截取指令，按照所述圖像截取指令的截取范圍對所述平面分離結(jié)果圖像進行圖像截取； 按照預(yù)定的分辨率，對所述平面分離結(jié)果圖像進行圖像縮放； 將所述平面分離結(jié)果圖像分別轉(zhuǎn)換成灰度圖、平均灰度圖、紅色分量灰度圖、藍色分量灰度圖和綠色分量灰度圖，接收用戶指令選擇輸出相應(yīng)的灰度圖； 其中，所述灰度圖轉(zhuǎn)換公式為=Gray = O. 299R + O. 587G + O. 114B，其中，Gray為灰度圖中各像素點的灰度值，R為像素點紅色分量的數(shù)值，G為像素點綠色分量的數(shù)值，B為像素點藍色分量的數(shù)值； 所述平均灰度圖計算公式為Gray’ = O. 333R + O. 333G + O. 333B ;其中，Gray’為平均灰度圖中各像素點的灰度值，R為像素點紅色分量的數(shù)值，G為像素點綠色分量的數(shù)值，B為像素點藍色分量的數(shù)值； 所述紅色分量灰度圖中各像素點的灰度值等于該像素點的紅色分量值；所述藍色分量灰度圖中各像素點的灰度值等于該像素點的藍色分量值；所述綠色分量灰度圖中各像素點的灰度值等于該像素點的綠色分量值。
4.如權(quán)利要求I所述的化合物平面分離結(jié)果的圖像處理方法，其特征在于，將處理后的所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該基線二次曲線方程校正該行各像素點的灰度值的步驟包括 將所述平面分離結(jié)果圖像中每一行的所有像素點用最小二乘法擬合二次曲線方程； 將各個所述像素點的灰度值與所述像素點坐標(biāo)對應(yīng)的所述二次曲線方程計算值相比較； 如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值大于背景的灰度值，則剔除灰度值大于所述二次曲線方程計算值的像素點，反之則剔除灰度值小于所述二次曲線方程計算值的像素點； 對該行余下的像素點重新用最小二乘法擬合二次曲線方程，并對所述余下的像素點進行剔除，重復(fù)擬合和剔除若干次后，再次擬合得到基線二次曲線方程； 通過以下方式用所述基線二次曲線方程校正該行各像素點的灰度值 如果所述平面分離結(jié)果圖像中的化合物樣品圖像的灰度值大于背景的灰度值，則校正的計算方式為Gray I = Gray 2 — Gray 3 + Gray 4 ； 其中，Gray I為像素點新灰度值，Gray 2為像素點原灰度值，Gray 3為該像素點坐標(biāo)對應(yīng)的所述基線二次曲線方程的計算值，Gray 4為預(yù)設(shè)基礎(chǔ)值； 否則，校正的計算方式為Gray I = — Gray 2 + Gray 3 + Gray 4 ； 其中，Gray I為像素點新灰度值，Gray 2為像素點原灰度值，Gray 3為該像素點坐標(biāo)對應(yīng)的所述基線二次曲線方程的計算值，Gray 4為預(yù)設(shè)基礎(chǔ)值。
5.如權(quán)利要求I所述的化合物平面分離結(jié)果的圖像處理方法，其特征在于，對灰度校正后的所述平面分離結(jié)果圖像進行圖像平滑的步驟包括 對灰度校正后的所述平面分離結(jié)果圖像，采用3至N個像素點的灰度值作為數(shù)字濾波窗口 ；采用下述濾波方法中的任何一種方式或多種方式的組合，按行、按列或者按像素矩陣進行圖像平滑鄰域平均濾波法、中值濾波法或者低通濾波法；其中，N為所述平面分離結(jié)果圖像的行或列像素點總數(shù)十分之一、取整后獲得的整數(shù)值。
6.如權(quán)利要求I所述的化合物平面分離結(jié)果的圖像處理方法，其特征在于，對圖像平滑后的所述平面分離結(jié)果圖像進行譜帶分割的步驟中，所述譜帶分割包括用戶自定義分割或系統(tǒng)自動分割； 其中，所述用戶自定義分割為接收用戶的譜帶分割指令，根據(jù)所述譜帶分割指令指定的分割點進行譜帶分割； 所述系統(tǒng)自動分割為將所述平面分離結(jié)果圖像中縱坐標(biāo)309Γ70%范圍內(nèi)的像素點的灰度值沿縱向累加，將得到的數(shù)值按順序存入一個數(shù)組，對所述數(shù)組的數(shù)值相連而成的曲線采用濾波方法進行平滑后，根據(jù)所述曲線的拐點確定譜帶分割點，分割譜帶。
7.如權(quán)利要求I所述的化合物平面分離結(jié)果的圖像處理方法，其特征在于，所述繪制光密度曲線的步驟包括 將所述累積光密度數(shù)據(jù)集中各個累積光密度數(shù)值，按順序連接得到光密度曲線。
8.如權(quán)利要求I所述的化合物平面分離結(jié)果的圖像處理方法，其特征在于，根據(jù)所述光密度曲線對化合物樣品中指定化合物進行定量、定性分析的步驟中，所述定量分析包括 對所述光密度曲線，按用戶指定或系統(tǒng)根據(jù)曲線趨勢變化自動確定的起點和終點進行積分，得到光密度積分值，將得到的所述光密度積分值與已知濃度的標(biāo)準(zhǔn)樣品用相同方式得到的光密度積分值進行比較，按照外標(biāo)定量法或帶內(nèi)標(biāo)校正的外標(biāo)定量法進行計算，對所述化合物樣品中指定化合物進行定量分析； 所述定性分析包括根據(jù)用戶在化合物樣品的光密度曲線中指定的兩個參考點間的距離比例，進行光密度曲線縮放，校正光密度曲線上的其他各點的橫坐標(biāo)值；將縮放后得到的所述光密度曲線在用戶指定或系統(tǒng)默認(rèn)確定的范圍內(nèi)提取特征曲線，并進行相關(guān)系數(shù)計算，用相關(guān)系數(shù)法計算多個所述化合物樣品兩兩之間的特征曲線的相似度，再通過聚類分析進行分類分析；或按照相似度大小與用戶指定的判別值比較，進行樣品的基源鑒別。
9.一種化合物平面分離結(jié)果的圖像處理系統(tǒng)，其特征在于，包括 圖像獲取模塊，用于獲取化合物樣品的平面分離結(jié)果圖像； 圖像處理模塊，用于對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理；灰度校正模塊，用于將處理后的所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合二次曲線方程，用該二次曲線方程校正該行各像素點的灰度值； 圖像平滑模塊，用于對灰度校正后的所述平面分離結(jié)果圖像進行圖像平滑； 譜帶分割模塊，用于對圖像平滑后的所述平面分離結(jié)果圖像進行譜帶分割； 光密度曲線計算模塊，用于將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集并進一步繪成光密度曲線； 定量、定性分析模塊，用于將獲得的光密度曲線應(yīng)用于有實用意義的定量、定性結(jié)果解讀。
全文摘要
本發(fā)明提供一種化合物平面分離結(jié)果的圖像處理方法及其系統(tǒng)，通過對所述平面分離結(jié)果圖像進行旋轉(zhuǎn)、截取、縮放和灰度轉(zhuǎn)換處理，轉(zhuǎn)換為符合用戶要求的灰度圖像。再將所述平面分離結(jié)果圖像中每一行的像素點用最小二乘法擬合基線二次曲線方程，用該方程校正該行各像素點的灰度值，通過圖像平滑處理和譜帶分割處理，對所述平面分離結(jié)果圖像準(zhǔn)確地進行譜帶劃分，提取各個譜帶的像素，將所述平面分離結(jié)果圖像中的各個譜帶內(nèi)的像素，沿水平方向進行灰度值累加，得到各譜帶的累積光密度數(shù)據(jù)集和光密度曲線；對樣品中指定化合物進行定性、定量分析。本發(fā)明能夠消除所述平面分離結(jié)果圖像中背景的影響，提高對化合物平面分離結(jié)果圖像的處理精度。
文檔編號G06T5/00GK102881007SQ20121029024
公開日2013年1月16日 申請日期2012年8月15日 優(yōu)先權(quán)日2012年8月15日
發(fā)明者唐鐵鑫, 楊得坡, 趙光偉, 范忠強, 徐新軍, 周利民, 李青, 郭依俐 申請人:百正藥業(yè)股份有限公司, 中山大學(xué)