[发明专利]一种基于机器视觉的试剂卡自动分类的检测方法

权利要求书

1.一种基于机器视觉的试剂卡自动分类的检测方法，该方法包括：

步骤1：通过滴液装置为试剂卡滴取定量的样本液，并等待规定时间，自动推至拍图装置下拍照；

步骤2：通过拍图装置获取试剂卡图像，并对得到的试剂卡图像进行白平衡处理；

步骤3：对步骤2中得到的图像进行截取反应区域小图；

步骤4：对步骤3得到的彩色图像进行灰度化处理，并将结果图进行快速傅里叶变换得到处理后的图像；

步骤5：采用大津阈值法对步骤4中得到的目标图像进行二值化处理，得到二值图像；

步骤6：对步骤5得到的图像进行闭运算，得到处理后的图像，通过计算得到白色区域横向坐标大于固定值的区域，将该区域的Y轴坐标作为参数值；

步骤7：用步骤6得到的Y轴坐标值，根据固定尺寸截取步骤2中经过白平衡后的试剂卡图像得到指控线区域图像；

步骤8：对步骤7得到的图像进行灰度化处理，并且通过上下像素点灰度值相减得到差值，然后通过固定阈值对目标图像进行二值化处理，得到二值图像；

步骤9：对步骤7得到的图像进行RGB通道提取，用红色通道和绿色通道的图像相减得到差值图，采用大津阈值法对该差值图像进行二值化处理，得到二值图像；

步骤10：对步骤8和步骤9得到的二值图像进行相与操作，得到试剂卡指控线在图像中的坐标；

步骤11：采用步骤10得到的坐标，用固定尺寸截取步骤2中经过白平衡后的试剂卡图像；

步骤12：通过指控线坐标计算出检测线区域的坐标，在步骤11得到的图像上通过检测线区域的坐标截取检测线显色区域；

步骤13：提取步骤12得到图像的颜色直方图颜色特征、LBP纹理特征和HOG纹理特征，并组合生成特征向量；

步骤14：将步骤13得到的特征向量送入SVM分类器进行训练，得到分类模型，并用得到的分类模型对图像进行分类处理。

2.如权利要求1所述的一种基于机器视觉的试剂卡自动分类的检测方法，其特征在于所述步骤4的具体步骤为：

步骤4-1：通过最优离散傅里叶变换尺寸法，计算快速傅里叶变换的图片最佳尺寸，并对灰度图片尺寸进行修改；

步骤4-2：创建通道，快速傅里叶变换要分别计算实部和虚部，把待处理的图像作为傅里叶输入的实部、另一个全零的图像作为傅里叶输入的虚部；

步骤4-3：合并通道，进行快速傅里叶变换；

步骤4-4：把结果复制一份，并对图像进行傅里叶逆变换。

3.如权利要求1所述的一种基于机器视觉的试剂卡自动分类的检测方法，其特征在于所述步骤6的具体方法为：

步骤6-1：创建横向和纵向模板矩阵；

步骤6-2：用创建好的模板矩阵，对图像进行闭运算，得到结果图；

步骤6-3：通过设定横向坐标阈值，遍历二值图白色区域，求出该区域的Y轴坐标。

4.如权利要求1所述的一种基于机器视觉的试剂卡自动分类的检测方法，其特征在于所述步骤13的具体方法为：

步骤13-1：通过提取图像颜色直方图，并进行PCA降维，标准化后得到18维特征；

步骤13-2：通过提取图像LBP纹理特征，并进行PCA降维，标准化后得到32维特征；

步骤13-3：通过提取图像HOG纹理特征，并进行PCA降维，标准化后得到114维特征；

步骤13-4：将三种特征合并为一个164维的特征向量用于训练。