一種基于固定參數分割微柱小管的血型識別方法
【技術領域】
[0001] 本發明涉及血型檢測結果識別領域，具體涉及一種基于固定參數分割微柱小管的 血型識別方法。
【背景技術】
[0002] 血型試劑卡是20世紀90年代產生的一種血型檢測產品，其基本原理是利用分子篩 技術、離心技術和特異性免疫反應技術原理，把血型血清學技術與凝膠分子篩技術有機結 合起來，可靈敏地檢測出可能存在的微弱血型抗原抗體反應，其被認為是血型血清學檢驗 的里程碑。
[0003] 血型試劑卡上有6-8個微柱小管，每個微柱小管中灌裝有凝膠和抗體;檢測時將紅 細胞、血漿或試劑紅細胞加在微柱小管上部的反應腔中，通過離心后分析紅細胞在微柱小 管中位置分布情況判斷結果。
[0004] 目前血型試劑卡的結果判讀主要還處于人工階段，即人肉眼觀察紅細胞的位置分 布，其自動化程度低，且受到人為因素影響很大，不同的人對于同一結果可能會有不同判 斷，容易造成人為誤判。
[0005] 現有的血型分析算法中，一般都是先對圖像進行灰度處理，再進行微柱小管的分 害J，由于灰度處理時會使得圖像特征點存在一定的損失，造成對象邊緣的失真，而當采用模 板匹配的方式進行微柱小管的分割時，由于前一步的對象邊緣失真，導致了模板匹配的誤 差增加，不利于最終結果的判讀。
【發明內容】
[0006] 本發明的目的在于克服現有血型檢測結果識別方法的不足，提供一種基于固定參 數分割微柱小管的血型識別方法。
[0007] 為實現上述技術目的，達到上述技術效果，本發明通過以下技術方案實現：
[0008] -種基于固定參數分割微柱小管的血型識別方法，包括以下步驟：
[0009] (1)獲取微柱小管圖像
[0010] 采集血型試劑卡的原始圖片，將原始圖像讀取到位圖中，并在此位圖上截取各個 微柱小管下部的矩形區域，則得到各個微柱小管圖像；
[0011] (2)圖像預處理
[0012] 先將RGB圖像轉到YCbCr分量，然后對圖像的Y分量進行直方圖均衡化處理，最后合 成圖像，從而突出微柱小管圖像中紅細胞所在位置；
[0013] (3)灰度轉換
[0014] 采用加權平均值法將步驟(2)中合成的圖像轉換成灰度圖像，則C[i，j]像素點處 亮度值為Rij、Gij、Bij，灰度變換后該點的灰度值Gray ij為Grayij = Rij*0 · 3+Gij*0 · 59+Bij* 0.11；
[0015] (4)圖像二值化
[0016] 采用Otsu算法求取步驟(3)中灰度圖像的最佳閾值T，并將T和灰度值Grayij進行比 較，當Grayij大于T時，Grayij取255,反之Grayij取0,則經閾值處理后的灰度值Vij為：
[0017]
[0018] 經過上述閾值處理后就可把步驟(3)中灰度圖像轉換成黑白的二值化圖；
[0019] (5)對比檢測結果
[0020] 將二值化圖中灰度值在垂直方向及水平方向上分別進行投影，并統計每一行、 每一列上的像素之和，根據像素的分布情況來判斷微柱小管下段紅細胞的分布情況;再結 合當前血型試劑卡的種類，得到該血型試劑卡的血型檢測結果。
[0021] 進一步方案，所述步驟(2)中將RGB圖像轉到YCbCr分量是以微柱小管下部的矩形 區域的大小建立二維數組坐標，則C[ i，j ]像素點的亮度值為Rij、Gij、Bi」，轉換為YCbCr分量 后該點的各分量為：
[0022] Y = Rij*〇 · 257+Gij*0 · 564+Bij*0 · 098+16
[0023] Cb = -Rij*0.148-Gij*0.291+Bij*0.439+128
[0024] Cr = Rij*0.439-Gij*0.368-Bij*0.071+128。
[0025] 進一步方案，所述步驟(2)中對Y分量上的圖像進行直方圖均衡化處理，包括以下 步驟：
[0026] (1)統計圖像直方圖中每個灰度級出現次數，設Y分量上灰度級為k的像素點在微 柱小管圖像中出現的概率為P(k)，則P(k) = nk/N，k = 0，1，2，......m_l，式中m為微柱小管圖 像中最灰度級，nk表示的是微柱小管圖像中灰度級為k的像素的個數，N表示微柱小管圖像 的寬度和高度的乘積；
[0027] (2)計算微柱小管圖像中灰度級為k的像素在微柱小管圖像中出現的概率P(k)的 累計總數C(k)，C(k)即為圖像的累計歸一化直方圖；
[0028]
[0029] 式中k、h均為微柱小管圖像中灰度級；
[0030] (3)將歸一化直方圖C(k)縮放至0-255范圍內，設縮放后的Y分量灰度級為Y(k)，則 Y(k)=255*C(k)。
[0031] 進一步方案，所述步驟(2)中合成圖像的R、G、B分量分別為：
[0032] R= (Y-16)*l · 164+(Cr_128)*l · 596
[0033] G=(Y-16)*1.164-(Cb-128)*0.392-(Cr-128)*0.813
[0034] B=(Y-16)*1.164+(Cb-128)*2.017。
[0035] 本發明中直方圖均衡化處理、圖像合成等處理方法均是已知技術，具體如下：
[0036] 直方圖均衡化是圖像處理領域中利用圖像直方圖對對比度進行調整的方法。
[0037] 圖像合成是將多譜段黑白圖像經多光譜圖像彩色合成而變成彩色圖像的處理的 一種技術。
[0038] Otsu算法是利用閾值將原圖像分成前景，背景兩個圖象。當取最佳閾值時，背景應 該與前景差別最大，關鍵在于如何選擇衡量差別的標準，而在otsu算法中這個衡量差別的 標準就是最大類間方差。
[0039] 灰度值是指色彩的濃淡程度.灰度直方圖是指一幅數字圖像中，對應每一個灰度 值統計出具有該灰度值的象素數。
[0040] YCbCr是色彩空間的一種，通常會用于影片中的影像連續處理，或是數字攝影系統 中。Y就是所謂的流明（luminance)，表示光的濃度且為非線性，使用伽馬修正（gamma correction)編碼處理。而CB和CR則為藍色和紅色的濃度偏移量成份。
[0041] 所以本發明的有益效果是：
[0042] 1、本發明采用標準格式截取獲得的圖像減少了微柱小管的分割難度并減小了分 割誤差，減少了檢測的操作步驟
[0043] 2、本發明采用固定參數及像素點位置進行微柱小管截取，避免了圖像處理過程中 造成的失真所帶來的誤差，更進一步減小了外界因素對結果判讀的影響，本發明具有準確、 快速的優點，適用于血型試劑卡實驗的結果判讀
【具體實施方式】
[0044] 下面將結合實例，來詳細說明本發明。
[0045] -種基于固定參數分割微柱小管的血型識別方法，包括以下步驟：
[0046] (1)獲取微柱小管圖像
[0047]采集血型試劑卡的原始圖片，將原始圖像讀取到位圖中，并在此位圖上截取各個 微柱小管下部的矩形區域，則得到各個微柱小管圖像；
[0048]本例采用的原始圖像大小為1040*780像素，第1至第6個微柱小管的截取矩形區域 大小為46*186像素，其坐標分別為：[52,159]、[227,159]、[402,159]、[581，159]、[759， 159]、[937，159]。
[0049] (2)圖像預處理