自动识别图像条带的方法

技术领域

本发明涉及图像处理领域，尤其涉及一种电泳蛋白质图像处理。

背景技术

在生化领域里，通过电泳使得蛋白质分子从混合溶液中分离出来，不同大小的分子将运动到不同的深度位置从而形成一条条的条带。通过拍照的方式记录下这种位置信息，再通过图像处理的方式来识别条带的位置从而获得蛋白质分子的信息，以供临床和实验室进行进一步地分析。

目前大多是用边缘检测方法来进行图像条带的识别，常用的边缘检测方法包括索贝尔算子(Sobel)、普瑞维特算子(Prewitt)、罗伯特算子(Roberts)、Canny算子等等。索贝尔算子求得的条带边缘存在噪声污染以及边缘线太过于粗宽等缺陷；罗伯特算子、普瑞维特算子运算速率高，对噪声也有一定抑制作用，但检测出的条带边缘质量不高，如边缘较粗、定位不准、间断点多；Canny算子是较为先进的边缘检测算子，不容易受噪声干扰，得到的条带边缘精细且准确，但是运算代价较高，难以运行在实时图像处理中。

发明内容

本发明要解决的技术问题是提供一种自动识别图像条带的方法，该方法识别出来的图像条带定位准确、边缘精细并且运算速度快、效率高。

本发明提供了一种自动识别图像条带的方法，其包括如下步骤：

对包含条带的第一图像进行降噪处理，获得第二图像；

获得所述第二图像一个图像维度的灰度跳变信息，所述条带沿所述图像维度方向间隔延伸；

根据所述第二图像的灰度跳变信息进行条带识别与提取，获得条带信息。

在其中一个实施例中，所述降噪处理包括第一降噪和第二降噪，所述第一降噪用于消除所述第一图像的背景干扰因素，所述第二降噪用于消除所述第一图像中所包含的噪声点。

在其中一个实施例中，所述对包含条带的第一图像进行降噪处理，获得第二图像后，还包括对所述条带边缘进行锐化处理。

在其中一个实施例中，所述条带沿所述第一图像的纵向间隔延伸，所述获得所述第二图像一个图像维度的灰度跳变信息，包括：分别将所述第二图像每一行的下一行灰度平均值加上该行上一行的灰度平均值再减去两倍的该行的灰度平均值获得该行的灰度跳变值，所述灰度跳变信息包括所述灰度跳变值。

在其中一个实施例中，所述条带沿所述第一图像的纵向间隔延伸，所述获得所述第二图像一个图像维度的灰度跳变信息，包括：获得所述第二图像每一行的灰度渐变值；根据每相邻两行所述灰度渐变值获得每一行的灰度跳变值，所述灰度跳变信息包括所述灰度跳变值。

在其中一个实施例中，所述获得所述第二图像每一行的灰度渐变值，包括：分别将所述第二图像每一行的下一行灰度平均值减去该行的灰度平均值获得该行的灰度渐变值；所述根据每相邻两行所述灰度渐变值获得每一行的灰度跳变值，包括：分别将所述第二图像每一行的灰度渐变值减去该行上一行的灰度渐变值获得该行的灰度跳变值。

在其中一个实施例中，根据所述灰度跳变信息进行条带识别与提取，获得条带信息，包括：对所述灰度跳变信息的灰度跳变值逐一判断，将大于零且小于设定值的灰度跳变值所对应的所述第二图像行依次作为所述条带的起始行、所述条带的终止行。

基于自动识别图像条带的方法的系统，其包括：

降噪模块，用于对包含条带的第一图像进行降噪处理，获得第二图像；

灰度跳变信息获取模块，用于获得所述第二图像一个图像维度的灰度跳变信息，所述条带沿所述图像维度方向间隔延伸；

条带提取模块，用于根据所述第二图像的灰度跳变信息进行条带识别与提取，获得条带信息。

计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现自动识别图像条带的方法的步骤。

电子设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时，实现自动识别图像条带的方法的步骤。

本发明的自动识别图像条带的方法通过先对图像进行降噪处理，降低噪声对条带识别的影响，条带识别准确，再通过在图像的行或列维度上获得灰度跳变信息后，根据设定范围，对灰度跳变信息进行筛选就可以获得条带信息，运算速度快、效率高，识别出来的条带图像边缘精细。

附图说明

此处的附图，示出了本发明所述技术方案的具体实例，并与具体实施方式构成说明书的一部分，用于解释本发明的技术方案、原理及效果。

除非特别说明或另有定义，不同附图中，相同的附图标记代表相同或相似的技术特征，对于相同或相似的技术特征，也可能会采用不同的附图标记进行表示。

图1是本发明自动识别图像条带方法第一实施例示意图；

图2是本发明实施例获得的电泳蛋白质图像示意图；

图3是图2的电泳蛋白质图像识别后的条带图像示意图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

包含条带的图像，是指存在条带底物的图像，例如本实施例采用蛋白电泳转印装置，通过电泳方式分离蛋白质时，电压是垂直方向的，蛋白质沿着垂直方向移动，不同的分子大小停留的地方不同，从而聚集形成水平方向的条带，通过拍照即可获得如图2所示的包含条带的图像。

本发明自动识别图像条带的方法第一实施例如图1所示，包括如下步骤：

S10：对包含条带的图像进行降噪处理，获得降噪后图像。

包含条带的图像如果是彩色的，可以先采用二值法将该图像变成黑白图像，再对该图像进行降噪处理。具体的，本实施例的降噪处理包括：

S110：第一次降噪处理：采用局部背景法或全局背景法获得背景灰度值，计算图像每一行的灰度平均值后，分别将每一行灰度平均值减去背景灰度值后得到的值作为后续计算使用的该行灰度平均值。

图像每一行中有很多个像素的灰度值，每一行灰度平均值的计算方法为：将每一行所有像素的灰度值求和，再计算平均值即为对应行的灰度平均值。

通过第一次降噪，能够去除图像的背景灰度所产生的干扰信息。

当然，背景灰度值的获得方法并不限于局部背景法和全局背景法，也可以采用灰度直方图法等其他计算方法。也可以采取其他方法来去除背景灰度值的影响。

S120：第二次降噪处理：对第一次降噪处理后的图像进行均值滤波，消除图像中的高频噪声点。

具体的，均值滤波通过邻域运算来实现滤波，其采用线性的方法，平均整个领域窗口范围内的像素值做为中心点的灰度值，可有效消除噪点、平滑图像，速度快，算法复杂度低。所选择的邻域大小会对结果产生直接影响，选择的邻域太大，会损失很多轮廓等细节信息，如果邻域太小又无法很好的消除噪声点，因此，根据实际情况，用户可自定义一个合适的邻域大小。当然，也可以采取中值滤波代替均值滤波。

在一个实施例中，还可以对经过第一次降噪和第二次降噪后的图像的条带边缘进行锐化处理，如可以采取腐蚀滤波，将条带图像中的边界信息更加凸显出来。

S20：对降噪后图像提取边缘差异特征。

具体的，在本实施例中，因为条带是沿降噪后图像的纵向间隔呈现，所以相应的计算降噪后图像的每一行的灰度渐变值，这些灰度渐变值的集合构成降噪后图像的边缘差异特征。

其中，获得每一行的灰度渐变值的方法，包括：分别将每一行的下一行灰度平均值减去该行的灰度平均值从而获得该行的灰度渐变值。

S30：根据边缘差异特征获得灰度跳变信息。

根据边缘差异特征中的灰度渐变值，从而获得每行的灰度跳变值，所有灰度跳变值构成了灰度跳变信息。

其中，获得每行的灰度跳变值的方法，包括：分别将每一行的灰度渐变值减去该行上一行的灰度渐变值从而获得该行的灰度跳变值。

S40：根据获得的灰度跳变信息进行条带识别与提取，获得条带信息。

获得灰度跳变信息后，可以准确的反映灰度变化的大小。当该行的灰度跳变值大于零且小于设定值时，即为条带的边缘，因此，依次将灰度跳变值大于零且小于设定值所对应的行作为条带的起始行、条带的终止行，条带的起始行、条带的终止行之间的行构成条带的本体行，从而可以识别定位出一个个的条带。即：灰度跳变值在0

可选的，对于降噪后图像首行和末行的灰度渐变值、灰度跳变值可以直接设置为0；也可以在进行条带筛选时，直接略过首行和末行。

本发明第二实施例与第一实施例的区别在于：不对降噪后图像的灰度跳变信息进行分步计算，即：不计算降噪后图像每两行之间的灰度平均值形成的灰度渐变值，而是直接采取如下方法快速获得灰度跳变信息：分别将降噪后图像每一行的下一行灰度平均值加上该行上一行的灰度平均值再减去两倍的该行灰度平均值从而获得该行的灰度跳变值，获得每行的灰度跳变值后，所有行的灰度跳变值构成了灰度跳变信息。其他步骤与第一实施例相同，在此不再重复。

虽然在本实施例中图像的条带沿图像的纵向间隔延伸，容易想到的是，条带也可以沿图像的横向间隔延伸，图像边缘差异特征、灰度跳变信息也相应变更为按照图像的列来计算。

采用本发明的自动识别图像条带方法对电泳蛋白质图像进行条带识别后，可以获得如图3所示的包含已识别条带信息的图像。其中图像中从左至右每一列为一个泳道，每个泳道中的连接泳道左右两边的细线即为识别出的条带的中心线。

本申请还提供了一种基于自动识别图像条带方法的系统，其包括：

降噪模块，用于对包含条带的第一图像进行降噪处理，获得第二图像；

灰度跳变信息获取模块，用于对所述第二图像提取一个图像维度的边缘差异特征，获得所述第二图像的灰度跳变信息，所述条带沿所述图像维度方向间隔延伸；

条带提取模块，用于根据所述第二图像的灰度跳变信息进行条带识别与提取，获得条带信息。

当然，本申请中的方法还可以是其他的实现相应功能的装置，例如计算机设备或计算机可读介质。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。

计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。