CN110487737B - 用于智能手机光谱检测的图像信息提取与计算方法及*** - Google Patents

Abstract

本发明公开了一种用于智能手机光谱检测的图像信息提取与计算方法，包括：获得光谱图像的RGB图像，并将图像旋转到统一的角度；根据不同的样品，选定图像的有效图像区域；提取选定区域中的RGB值，将区域内的RGB值转化为灰度值；通过图像灰度值反演模型，计算样品的吸光度，根据测试得到不同浓度标准样品的吸光度，以样品浓度为横坐标，吸光度为纵坐标，绘制浓度‑吸光度散点图建立样品标准曲线，计算实际样品的浓度。本发明广泛适用于可由分光光度法测试的样品，以及适用于多种型号的智能手机，算法运行简单且精确度高。

Description

用于智能手机光谱检测的图像信息提取与计算方法及***

技术领域

本发明涉及光谱检测与图像处理技术领域，具体地涉及一种用于智能手机光谱检测的图像信息提取与计算方法及***。

背景技术

光谱分析可以用于确定物质的化学组成和相对含量，在食品安全、生物安全、环境监测和医疗保健等领域具有重要的作用。实验室用的大型光谱仪沉重且昂贵，无法满足人们对目标样品进行实时、实地检测的需求，因此，便携式光谱分析仪取得不断发展。现代智能手机包含不同的传感器技术，可以作为独立的测量仪器在各个领域广泛使用。在光谱检测中，可以将光学分光部分集成做成手机外部装置，将其与手机进行配合，利用智能手机的CMOS传感器将透过样品光信号转变为电信号，通过解读电信号在手机屏幕上显示出图像，再配合具有颜色量化模型的手机软件即可实现待测样品的定量分析。

目前，国内外许多学者对颜色量化模型进行过研究。Abbaspour等人将图像的RGB颜色值转化为吸光度，计算了Fe⁺²、Fe³⁺浓度；Oncescu提出使用HSV模型中的H值来代表颜色，检测汗和唾液中的生物标志物；Suzuki等利用CIE XYZ的色度坐标对Li+，NH4+和蛋白质进行了测定。结果表明使用图像颜色信息测试出的待测物浓度与大型仪器测试结果相近，具有很强的可行性。但不同的颜色模型对图像的量化方式存在差异，对于显色反应不同的物质，需要使用特定的颜色模型，因此上述颜色模型难以广泛使用。

中国专利文献CN 107084790A公开了一种基于智能手机的便携式光谱仪的光谱检测方法，包括：1)收集待测光信号；(2)对待测光信号进行准直整形和色散分光，形成按波长依次排列的色散条纹；(3)通过智能手机对步骤(2)得到的色散条纹进行拍摄，形成按波长依次排列的彩色条纹图片；(4)获取步骤(3)得到的彩色条纹图片每个像素位置点的RGB值，并计算每个像素位置点对应的光强值I，得到数组I(x)，其中x为图片像素位置点坐标；(5)根据波长-像素位置标定数据λ(x)，将数组I(x)中的x以对应的λ替换，得到波长与光强的对应关系I(λ)，绘制数据I(λ)对应的光谱曲线，完成光谱检测。上述颜色模型难以广泛使用。除此之外，不同型号手机的图像显示存在差异，使用像素固定的方法能适用于同一型号的手机，但是在不同型号的手机上使用可能存在图片信息加载失败，或者数据误差过大等问题。因此，开发一个能应用于不同型号手机的图像信息提取与计算方法就显得至关重要。

发明内容

为了解决上述存在的技术问题，本发明提供了一种用于智能手机光谱检测的图像信息提取与计算方法及***，提升手机光谱仪图像处理的精度以及APP在各型号手机上的兼容性。

本发明的技术方案是：

一种用于智能手机光谱检测的图像信息提取与计算方法，包括以下步骤：

S01：获得光谱图像的RGB图像，并将图像旋转到统一的角度；

S02：根据不同的样品，选定图像的有效图像区域；

S03：提取选定区域中的RGB值，将区域内的RGB值转化为灰度值；

S04：通过图像灰度值反演模型，计算样品的吸光度，根据测试得到不同浓度标准样品的吸光度，以样品浓度为横坐标，吸光度为纵坐标，绘制浓度-吸光度散点图建立样品标准曲线，计算实际样品的浓度。

优选的技术方案中，所述步骤S02中选定图像的有效图像区域包括以下步骤：

S21：设定多个大于等于2×2的颜色块信息，在RGB图像上获取连续满足条件的颜色点组成的颜色块，记录颜色块的位置信息(x，y)；

S22：将所有颜色块的位置取并集得到x_max、x_min、y_max、y_min，通过这四点确定一个矩形区域，在此矩形区域的基础上缩放光谱衍射垂直方向y的坐标大小，缩放公式如下：

(y₁,y₂)＝(y_max-(y_max-y_min)/a,y_min+(y_max-y_min)/a)

其中y₁，y₂为缩放后的坐标；a为设置的缩放倍数，a不能小于2；

S23：有效图像区域为(x_max，y₁)，(x_min，y₁)，(x_max，y₂)，(x_min，y₂)这四点确定的矩形区域。

优选的技术方案中，所述步骤S03中RGB值转化为灰度值的公式如下：

Gray＝(R_value+G_value+B_value)/3

其中Gray为灰度值，R_value、G_value、B_value为R、G、B各分量的值；

优选的技术方案中，将获得的灰度值二维矩阵降为一维，计算光谱衍射垂直方向的灰度值平均值，灰度平均值的计算公式如下：

其中，

为灰度平均值，n为y₁-y₂，i为y₂到y₁之间的坐标值；

用计算得到的沿光谱衍射方向的一维矩阵绘制灰度值-像素曲线图。

优选的技术方案中，所述步骤S04中将未经过样品生成的光谱图像区域中灰度最大值作为入射光强，经过样品生成的光谱图像区域中灰度最大值作为出射光强，图像灰度值反演模型计算公式如下：

A＝lg(1/T)＝lg(gray₁/gray₂)

其中，A为吸光度，T为透射比，gray₁为未经过样品生成的光谱图像区域灰度最大值，gray₂为经过样品生成的光谱图像区域灰度最大值。

优选的技术方案中，所述步骤S04中根据最小二乘法，拟合出一条一次函数曲线，作为样品标准曲线，标准曲线公式如下：

Y＝aX+b

其中，Y为样品浓度，X为样品的吸光度，a为拟合出的斜率，b为拟合出的截距。

本发明还公开了一种用于智能手机光谱检测的图像信息提取与计算***，包括：

光谱图像处理模块，获得光谱图像的RGB图像，并将图像旋转到统一的角度；

有效图像区域提取模块，根据不同的样品，选定图像的有效图像区域；

转化模块，提取选定区域中的RGB值，将区域内的RGB值转化为灰度值；

样品标准曲线建立模块，通过图像灰度值反演模型，计算样品的吸光度，根据测试得到不同浓度标准样品的吸光度，以样品浓度为横坐标，吸光度为纵坐标，绘制浓度-吸光度散点图建立样品标准曲线，计算实际样品的浓度。

优选的技术方案中，所述选定图像的有效图像区域包括以下步骤：

S21：设定多个大于等于2×2的颜色块信息，在RGB图像上获取连续满足条件的颜色点组成的颜色块，记录颜色块的位置信息(x，y)；

S22：将所有颜色块的位置取并集得到x_max、x_min、y_max、y_min，通过这四点确定一个矩形区域，在此矩形区域的基础上缩放光谱衍射垂直方向y的坐标大小，缩放公式如下：

(y₁,y₂)＝(y_max-(y_max-y_min)/a,y_min+(y_max-y_min)/a)

其中y₁，y₂为缩放后的坐标；a为设置的缩放倍数，a不能小于2；

S23：有效图像区域为(x_max，y₁)，(x_min，y₁)，(x_max，y₂)，(x_min，y₂)这四点确定的矩形区域。

优选的技术方案中，所述RGB值转化为灰度值的公式如下：

Gray＝(R_value+G_value+B_value)/3

其中Gray为灰度值，R_value、G_value、B_value为R、G、B各分量的值；

优选的技术方案中，将获得的灰度值二维矩阵降为一维，计算光谱衍射垂直方向的灰度值平均值，灰度平均值的计算公式如下：

其中，

为灰度平均值，n为y₁-y₂，i为y₂到y₁之间的坐标值；

用计算得到的沿光谱衍射方向的一维矩阵绘制灰度值-像素曲线图。

与现有技术相比，本发明的优点是：

本发明针对不同的待测物质，框选出需要使用的光谱图像区域，可以减少手机的运算量，优化APP的运行速度，并且可以提升后续计算过程中数据的精确度。本发明广泛适用于可由分光光度法测试的样品，以及适用于多种型号的智能手机，算法运行简单且精确度高。

附图说明

下面结合附图及实施例对本发明作进一步描述：

图1为本发明用于智能手机光谱检测的图像信息提取与计算方法的流程图；

图2为框选出的有效图像区域；

图3为灰度值-像素曲线图；

图4为不同浓度氨氮标准样品的灰度值曲线；

图5为氨氮标准曲线。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

实施例：

下面结合附图，对本发明的较佳实施例作进一步说明。

本实施例以氨氮测试为例。

如图1所示，一种用于智能手机光谱检测的图像信息提取与计算方法，本发明的算法运行简单且精确度高，一般配置的手机即可运行，当然还可以为PAD等等其他终端设备，它包括识别并取得由外接装置生成的光谱图像，并基于手机摆放角度，调整图片角度，通过设置颜色块参数，获得有效图像区域，最终通过RGB颜色模型获得光谱衍射方向图像的灰度值，带入建立的模型中，计算出待测物(样品)的浓度。具体包含以下步骤：

1)将手机拍摄到的图像投影到二维canvas画布上，获得RGB图像；

2)从手机相机中调取图像旋转角度信息，将canvas画布上的RGB图像旋转到统一设定的角度；

3)针对不同的待测物质，框选出需要使用的光谱图像区域，可以减少手机的运算量，优化APP的运行速度，并且可以提升后续计算过程中数据的精确度。此过程的核心是使用tracking.js数据库，在设定的颜色块参数的基础上判断出颜色块在整个图像上的位置，具体的颜色块参数可通过一个配置文件设置；

3.1)配置文件通过设定多个大于等于2×2的颜色块信息(RGB值)，在RGB图像上获取连续满足条件的颜色点组成的颜色块，记录下这些颜色快的位置信息(x，y)，x为光谱衍射方向坐标，y为光谱衍射垂直方向坐标。将这些颜色块的位置取并集得到x_max、x_min、y_max、y_min，通过这四点可确定一个矩形区域，在此矩形区域的基础上缩放垂直于光谱衍射方向的坐标大小，减少光谱图像两侧与中间部分的差异带来的计算误差。具体缩放公式如下：

(y₁,y₂)＝(y_max-(y_max-y_min)/a,y_min+(y_max-y_min)/a)

其中y₁，y₂为缩放后的坐标；a为根据具体情况设置的缩放倍数，a越小缩放倍数越大，a越大缩放倍数越小，a不能小于2；

3.2)(x_max，y₁)，(x_min，y₁)，(x_max，y₂)，(x_min，y₂)为最终参与计算的矩形图像区域的四个顶点，如图2所示。

4)将步骤(3)获得的图像信息转变为数字信息；

4.1)提取有效图像区域的RGB值，将区域内的RGB值转化为灰度值。RGB转灰度的算法有很多种，本方法经过尝试，选取效果最好的平均值算法，RGB转灰度值的具体公式如下：

Gray＝(R_value+G_value+B_value)/3

其中Gray为灰度值，R_value、G_value、B_value为R、G、B各分量的值。

4.2)将获得的灰度值二维矩阵降为一维，计算光谱衍射垂直方向的灰度值平均值，y为垂直于光谱衍射方向的坐标，灰度平均值具体计算公式如下：

其中，

为灰度平均值，n为y₁-y₂，i为y₂到y₁之间的坐标值；

用计算得到的沿光谱衍射方向的一维矩阵做出灰度值-像素曲线图，如图3所示，此曲线图包含上述选图范围内的灰度平均值；

5)运用图像灰度值反演模型，建立样品标准曲线；

5.1)图像灰度值反演模型模拟朗伯—比尔定律，为使信号响应值最大，将未经过样品生成的光谱图像区域中灰度最大值作为入射光强，经过样品生成的光谱图像区域中灰度最大值作为出射光强，模型计算公式如下：

A＝lg(1/T)＝lg(gray₁/gray₂)

其中，A为吸光度，T为透射比，gray₁为未经过样品生成的光谱图像区域灰度最大值，gray₂为经过样品生成的光谱图像区域灰度最大值；

5.2)测试出不同浓度标准样品的吸光度，如图4所示，其中黑色方框为框选出的有效区域，I0为为未经过样品生成的光谱图像的灰度值曲线，0-2为经过不同浓度标准样品生成的光谱图像的灰度值曲线。

以样品浓度为横坐标，吸光度为纵坐标，做出浓度—吸光度散点图，根据最小二乘法，拟合出一条一次函数曲线，该曲线即为样品的标准曲线，如图5所示。标准曲线公式如下：

Y＝aX+b

其中，Y为样品浓度，X为样品的吸光度，a为拟合出的斜率，b为拟合出的截距；

将测试得到的实际样品吸光度值代入标准曲线，即可算出实际样品的浓度。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (8)

1.一种用于智能手机光谱检测的图像信息提取与计算方法，其特征在于，包括以下步骤：

S01：获得光谱图像的RGB图像，并将图像旋转到统一的角度；

S02：根据不同的样品，选定图像的有效图像区域，包括以下步骤：

S21：设定多个大于等于2×2的颜色块信息，在RGB图像上获取连续满足条件的颜色点组成的颜色块，记录颜色块的位置信息(x，y)；

S22：将所有颜色块的位置取并集得到x_max、x_min、y_max、y_min，通过这四点确定一个矩形区域，在此矩形区域的基础上缩放光谱衍射垂直方向y的坐标大小，缩放公式如下：

(y₁,y₂)＝(y_max-(y_max-y_min)/a,y_min+(y_max-y_min)/a)

其中y₁，y₂为缩放后的坐标；a为设置的缩放倍数，a不能小于2；

S23：有效图像区域为(x_max，y₁)，(x_min，y₁)，(x_max，y₂)，(x_min，y₂)这四点确定的矩形区域；

S03：提取选定区域中的RGB值，将区域内的RGB值转化为灰度值；

S04：通过图像灰度值反演模型，计算样品的吸光度，根据测试得到不同浓度标准样品的吸光度，以样品浓度为横坐标，吸光度为纵坐标，绘制浓度-吸光度散点图建立样品标准曲线，计算实际样品的浓度。

2.根据权利要求1所述的用于智能手机光谱检测的图像信息提取与计算方法，其特征在于，所述步骤S03中RGB值转化为灰度值的公式如下：

Gray＝(R_value+G_value+B_value)/3

其中Gray为灰度值，R_value、G_value、B_value为R、G、B各分量的值。

3.根据权利要求2所述的用于智能手机光谱检测的图像信息提取与计算方法，其特征在于，将获得的灰度值二维矩阵降为一维，计算光谱衍射垂直方向的灰度值平均值，灰度平均值的计算公式如下：

其中，

为灰度平均值，n为y₁-y₂，i为y₂到y₁之间的坐标值；

用计算得到的沿光谱衍射方向的一维矩阵绘制灰度值-像素曲线图。

4.根据权利要求1所述的用于智能手机光谱检测的图像信息提取与计算方法，其特征在于，所述步骤S04中将未经过样品生成的光谱图像区域中灰度最大值作为入射光强，经过样品生成的光谱图像区域中灰度最大值作为出射光强，图像灰度值反演模型计算公式如下：

A＝lg(1/T)＝lg(gray₁/gray₂)

其中，A为吸光度，T为透射比，gray₁为未经过样品生成的光谱图像区域灰度最大值，gray₂为经过样品生成的光谱图像区域灰度最大值。

5.根据权利要求1所述的用于智能手机光谱检测的图像信息提取与计算方法，其特征在于，所述步骤S04中根据最小二乘法，拟合出一条一次函数曲线，作为样品标准曲线，标准曲线公式如下：

Y＝aX+b

其中，Y为样品浓度，X为样品的吸光度，a为拟合出的斜率，b为拟合出的截距。

6.一种用于智能手机光谱检测的图像信息提取与计算***，其特征在于，包括：

光谱图像处理模块，获得光谱图像的RGB图像，并将图像旋转到统一的角度；

有效图像区域提取模块，根据不同的样品，选定图像的有效图像区域，包括以下步骤：

S21：设定多个大于等于2×2的颜色块信息，在RGB图像上获取连续满足条件的颜色点组成的颜色块，记录颜色块的位置信息(x，y)；

S22：将所有颜色块的位置取并集得到x_max、x_min、y_max、y_min，通过这四点确定一个矩形区域，在此矩形区域的基础上缩放光谱衍射垂直方向y的坐标大小，缩放公式如下：

(y₁,y₂)＝(y_max-(y_max-y_min)/a,y_min+(y_max-y_min)/a)

其中y₁，y₂为缩放后的坐标；a为设置的缩放倍数，a不能小于2；

S23：有效图像区域为(x_max，y₁)，(x_min，y₁)，(x_max，y₂)，(x_min，y₂)这四点确定的矩形区域；

转化模块，提取选定区域中的RGB值，将区域内的RGB值转化为灰度值；

样品标准曲线建立模块，通过图像灰度值反演模型，计算样品的吸光度，根据测试得到不同浓度标准样品的吸光度，以样品浓度为横坐标，吸光度为纵坐标，绘制浓度-吸光度散点图建立样品标准曲线，计算实际样品的浓度。

7.根据权利要求6所述的用于智能手机光谱检测的图像信息提取与计算***，其特征在于，所述RGB值转化为灰度值的公式如下：

Gray＝(R_value+G_value+B_value)/3

其中Gray为灰度值，R_value、G_value、B_value为R、G、B各分量的值。

8.根据权利要求7所述的用于智能手机光谱检测的图像信息提取与计算***，其特征在于，将获得的灰度值二维矩阵降为一维，计算光谱衍射垂直方向的灰度值平均值，灰度平均值的计算公式如下：

其中，

为灰度平均值，n为y₁-y₂，i为y₂到y₁之间的坐标值；

用计算得到的沿光谱衍射方向的一维矩阵绘制灰度值-像素曲线图。

Images