JP2013167491A - 検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体 - Google Patents
検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体 Download PDFInfo
- Publication number
- JP2013167491A JP2013167491A JP2012029911A JP2012029911A JP2013167491A JP 2013167491 A JP2013167491 A JP 2013167491A JP 2012029911 A JP2012029911 A JP 2012029911A JP 2012029911 A JP2012029911 A JP 2012029911A JP 2013167491 A JP2013167491 A JP 2013167491A
- Authority
- JP
- Japan
- Prior art keywords
- detection
- image data
- matching
- image
- specimen
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
【課題】迅速かつ精度良く検体から検出対象物を見つけ出すことができる検出装置、検出方法、検出プログラム及び記憶媒体を提供すること。
【解決手段】検体保持部60が保持する検体50にLED7から紫外光を照射する。検体50にぎょう虫卵がある場合には、紫外光により励起されて蛍光を発する。この蛍光画像をデジタルカメラ4でカラー撮影する。PC100のCPUは、カラー画像を二値化し、二値化画像とぎょう虫卵との画像のパターンマッチングを行い、マッチした二値化画像に対応するカラー画像を切り出す。PC100のCPUは、そのカラー画像のRGB値の積算値を求め当該積算値が所定の範囲外でない場合に、ぎょう虫卵有りと判断しカウントする。
【選択図】図1
【解決手段】検体保持部60が保持する検体50にLED7から紫外光を照射する。検体50にぎょう虫卵がある場合には、紫外光により励起されて蛍光を発する。この蛍光画像をデジタルカメラ4でカラー撮影する。PC100のCPUは、カラー画像を二値化し、二値化画像とぎょう虫卵との画像のパターンマッチングを行い、マッチした二値化画像に対応するカラー画像を切り出す。PC100のCPUは、そのカラー画像のRGB値の積算値を求め当該積算値が所定の範囲外でない場合に、ぎょう虫卵有りと判断しカウントする。
【選択図】図1
Description
本発明は検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体に関する。詳細には、検体に所定波長の光を当てることにより、検体に含まれる検出対象物が発する蛍光の画像を使用した検出装置、検出方法、検出プログラム及び記憶媒体に関する。
従来、ぎょう虫卵の検出方法として、セロハンテープ法が普及している。セロハンテープは、被験者が特殊な粘着性のあるセロハンテープを肛門に強く押しつけて、そのテープを顕微鏡で調べる検出方法である。ところが、この方法では、採取時にセロハンテープに角質化した皮膚細胞やごみがついてしまう。その中から検査者が顕微鏡を使用して人間の目によってぎょう虫卵を見つけなければならなかった。このような問題に対して、ぎょう虫卵のみを染色する方法も提案されている(例えば、特許文献1参照。)。この方法では、中性からアルカリ性で染色能力の有る染色液は酸性下で染色能力を失う。この染色能力を失った酸性の染色液を、ぎょう虫卵検査のセロファンテープ法のテープとガラス板の隙間に流しこむ。すると、角質化した皮膚細胞やごみは染色されず、ぎょう虫卵だけを染色することができる。
また、検査担当者の負担軽減の為に、蛍光作用を利用して検体中のぎょう虫卵の有無を検査するぎょう虫卵検出装置が提案されている(例えば、特許文献2参照。)このぎょう虫卵検出装置では、試料に紫外光(紫外線)を照射してぎょう虫卵を励起させる励起光照射部と、励起されたぎょう虫卵が発生させる蛍光を含む画像のデータである画像データを取得する画像データ取得部と、画像データに基づいて、蛍光を検出することによってぎょう虫を発見する解析部とを備えている。このぎょう虫卵検出装置によれば、顕微鏡を使用して人間の目で検査が行われていた検査の少なくとも一部の自動化を可能とできる。
しかしながら、特許文献1に記載の方法では、染色処理に手間がかかり、検査に時間がかかるという問題点があった。また、特許文献2に記載の方法では、蛍光作用の無い皮膚細胞やごみ等は確実に分離できるが、検体に検出対象物以外の蛍光作用のある生物体が交じっていると検出対象物として識別してしまうとう問題点があった。
本発明は上記課題を解決するためになされたものであり、本発明の目的は、迅速かつ精度良く検体から検出対象物を見つけ出すことができる検出装置、検出方法、検出プログラム及び記憶媒体を提供することである。
上述の問題点を解決するために、請求項1の検出装置は、検体から検出対象物を見つけ出す検出装置であって、当該検体を載置する検体載置部と、当該検体載置部に載置された前記検体に特定波長光を照射する光照射手段と、前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像のデータである画像データを取得する画像データ取得手段と、当該画像データ取得手段が取得した前記画像データを二値化して二値化画像データを作成する二値化手段と、当該二値化手段により作成された二値化画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探す第一マッチング手段と、当該第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計するRGB値積算手段と、当該RGB値積算手段により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断手段とを備えている。
上記構成の検出装置では、迅速に検体から検出対象物を確実に見つけ出すことができる。従って、検査者の熟練度を必要とせず、検査時間を短縮でき、精度高く検出できる。
請求項2の検出装置は、請求項1の発明の構成に加えて、前記第一マッチング手段でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング手段を備え、前記第二マッチング手段で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記RGB値積算手段によるRGB値の積算度数の集計を行わないことを特徴とする。
上記構成の検出装置では、第二マッチング手段で検出対象物と異なる非検出対象物に該当する画像を排除できるので、検出の精度を高めることができる。
請求項3の検出装置は、請求項1又は2に記載の発明の構成に加えて、前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取手段を備え、前記第一マッチング手段は、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする。
上記構成の検出装置では、第一マッチング手段は、縁取画像データに基づいてパターンマッチングを行うので、精度を高めることができ、処理能力の高くないコンピュータでも迅速に処理を行うことができる。
請求項4の検出装置は、請求項1〜3の何れかに記載の発明の構成に加えて、前記第一マッチング手段によりマッチングすると判断された画像の数を集計する集計手段を備え、当該集計手段の集計数が所定値の場合に、前記RGB値積算手段により、前記第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計し、前記判断手段は前記RGB値積算手段により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする。
上記構成の検出装置では、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、RGB値積算手段により、前記第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計をする。従って、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、より精度の高いRGB値積算手段を用いて検出対象物の有無を判断することができる。
請求項5の検出装置は、請求項1〜4の何れかに記載の発明の構成に加えて、前記判断手段が検出対象物有りと判断した数を計数する計数手段と、当該計数手段が計数した値を出力する出力手段を備えたことを特徴とする。
上記構成の検出装置では、検出対象物有りと判断した数を出力手段が出力するので、検査者は検出対象物の数を容易に知ることができる。
請求項6の検出装置は、請求項1〜5の何れかに記載の発明の構成に加えて、前記光照射手段が発する前記特定波長光は紫外光であり、前記検出対象物は、ぎょう虫卵であることを特徴とする。
この構成の検出装置では、ぎょう虫卵は、紫外光の照射により励起し蛍光を発するので、ぎょう虫卵を精度良く短時間に発見できる。
請求項7の検出方法は、検体から検出対象物を見つけ出す検出方法であって、当該検体に特定波長光を照射し、前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、当該画像データ取得工程で取得した前記カラー画像データを二値化して二値化画像データを作成する二値化工程と、当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計するRGB値積算工程と、当該RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程とを備えている。
上記構成の検出方法では、迅速に検体から検出対象物を確実につけ出すことができる。従って、検査者の熟練度を必要とせず、検査時間を短縮でき、精度高く検出できる。
請求項8の検出方法は、請求項7に記載の発明の構成に加えて、前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記RGB値積算工程によるRGB値の積算度数の集計を行わないことを特徴とする。
上記構成の検出方法では、第二マッチング工程で検出対象物と異なる非検出対象物に該当する画像を排除できるので、検出の精度を高めることができる。
請求項9の検出方法は、請求項7又は8に記載の発明の構成に加えて、前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする。
上記構成の検出方法では、第一マッチング工程は、縁取画像データに基づいてパターンマッチングを行うので、精度を高めることができ、処理能力の高くないコンピュータでも迅速に処理を行うことができる。
請求項10の検出方法は、請求項7〜9の何れかに記載の発明の構成に加えて、前記第一マッチング工程でマッチングすると判断された画像の数を集計する集計工程を備え、当該集計工程での集計数が所定値の場合に、前記RGB値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計し、前記判断工程では、前記RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする。
上記構成の検出方法では、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、RGB値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計をする。従って、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、より精度の高いRGB値積算工程を用いて検出対象物の有無を判断することができる。
請求項11の検出プログラムは、検体から検出対象物を見つけ出す検出プログラムであって、前記検出対象物が特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、当該画像データ取得工程で取得したカラー画像データを二値化して二値化画像データを作成する二値化工程と、当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計するRGB値積算工程と、当該RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程とをコンピュータに実行させることを特徴とする。
上記構成の検出プログラムでは、迅速に検体から検出対象物を確実につけ出すことができる。従って、検査者の熟練度を必要とせず、検査時間を短縮でき、精度高く検出できる。
請求項12の検出プログラムは、請求項11に記載の発明の構成に加えて、前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、RGB値積算工程によるRGB値の積算度数の集計を行わないことを特徴とする。
上記構成の検出プログラムでは、第二マッチング工程で検出対象物と異なる非検出対象物に該当する画像を排除できるので、検出の精度を高めることができる。
請求項13の検出プログラムは、請求項11又は12に記載の発明の構成に加えて、前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする。
上記構成の検出プログラムでは、第一マッチング工程は、縁取画像データに基づいてパターンマッチングを行うので、精度を高めることができ、処理能力の高くないコンピュータでも迅速に処理を行うことができる。
請求項14の検出プログラムは、請求項11〜13の何れかに記載の発明の構成に加えて、前記第一マッチング工程によりマッチングすると判断された画像の数を集計する集計工程を備え、当該集計工程での集計数が所定値の場合に、前記RGB値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計し、前記判断工程では、前記RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする。
上記構成の検出プログラムでは、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、RGB値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計をする。従って、検出対象物の画像にマッチングすると判断された画像数が所定値の場合に、より精度の高いRGB値積算工程を用いて検出対象物の有無を判断することができる。
請求項15の記憶媒体は、請求項11〜14の何れかに記載の検出プログラムを記憶している。従って、記憶媒体から検出プログラムをコンピュータに読み込み実行することにより、請求項11〜14の何れかに記載の発明の効果を奏することができる。
以下、本発明の一実施形態の検出装置について、図面を参照して説明する。本実施の形態の検出装置1は、検体50に特定波長光(一例として、紫外光(紫外線))を照射して、検体50に含まれる検出対象物が発する蛍光を撮影した画像の画素毎のRGB値の積算度数であるRGBスペクトル波形により検出対象物を発見する検出装置である。
図1を参照し、検出装置1の全体の構成について説明する。図1の紙面上側、下側、右上側、左下側、右下側、左上側は夫々検出装置1の上側、下側、右側、左側、前側、後側である。図1に示すように、検出装置1は、撮影装置2と、パーソナルコンピュータ(以下「PC」という。)100を備えている。PC100には、ディスプレイ101,キーボード102及びマウス103が接続している。
以下、撮影装置2の機械的構成を説明する。図1に示すように、撮影装置2は、金属製の箱から形成された筐体3を備えている。筐体3は、外部からの光を遮断する。筐体3内の上部では、図示外のフレームがデジタルカメラ4を保持している。デジタルカメラ4は、撮像素子として、CMOSセンサ(図示外)又はCCDセンサ(図示外)を備えている。撮像素子の画素数の一例としては、1510万画素や1800万画素であるが、必ずしもこの値に限られない。デジタルカメラ4としては、市販の一眼レフデジタルカメラを用いれば良い。
また、デジタルカメラ4は、マクロレンズ5を備えている。このマクロレンズ5の一例としては、焦点距離60mm、F2.8、最短撮影距離0.2m、最大撮影倍率1倍のマクロレンズを用いることができる。但し、ズームレンズ等を用いても良い。マクロレンズ5の先端側には、紫外光をカットするUVカットフィルタ6が嵌っている。
筐体3の下部には、検体載置部11が存在し、検体載置部11の上面は、平面になっている。当該検体載置部11の上面には、後述する検体保持部60を固定する図示外の固定機構が存在し、当該固定機構が検体保持部60を固定する。また、検体保持部60は内部に検体50を保持する。
デジタルカメラ4と検体載置部11との間には、検体50に光を当てるリング状のLED7を図示外のフレームが保持している。LED7は下面側に紫外光を発光する発光ダイオードを多数備えている。リング状のLED7の中央には、平面視円形の開口部8が存在する。LED7からは、紫外光が検体50に照射される。LED7が発する光の波長の一例としては、ぎょう虫卵を発見する場合には、360nmが適しているが、検体50に含まれる検出対象物により、LED7が発する光の波長は蛍光発光が生じる波長に適宜設定できる。LED7の検体50への紫外光の照射角度θ1は、一例として45度であるが、適宜変更できる。
LED7の上面側には、中央部に開口部10を備えた遮蔽板9が存在する。遮蔽板9の開口部10の直径は、LED7の開口部8の直径より小さくなっており、LED7の発する光が直接デジタルカメラ4のマクロレンズ5に入射しないようになっている。上記構成により、LED7は、紫外光を検体保持部60が保持する検体50に照射する。この状態で、検体50をデジタルカメラ4が撮影する。このとき、検出対象物がぎょう虫卵の場合には、ぎょう虫卵が蛍光を発した写真が撮影できる。尚、検体載置部11には、図示外のマイクロスイッチが存在し、検体保持部60が筐体3に設けた図示外の挿入口から挿入されると、検体50が紫外光で照明され、デジタルカメラ4が蛍光発光した検出対象物を含むカラー画像を1枚撮影するようになっている。
次に、図2を参照して、検体50について説明する。検体50は、平面視長方形のぎょう虫検査セロファンである。検体50は、透明のセロファン52の中央部に粘着部51があり、下端部に学年、組、番号の記入欄53と氏名の記入欄54が存在する。被験者は朝起きた際に、粘着部51を肛門に押し当てる。被験者の腸内にぎょう虫が居る場合には、検体50の粘着部51にぎょう虫卵が付着する。尚、検体50は、未使用状態で、図2に示す構造が縦に2つ頭で繋がった状態になっており、各々肛門周辺に押し付けたものを2つ折りにして検査機関に提出する。
次に、図3及び図4を参照して、検体保持部60の構造を説明する。検体保持部60は、検体50を挟み込んで保持するホルダである。図4に示すように、検体保持部60は、平面視略長方形のホルダであり、略長方形の板である基板61と、当該基板61に蝶番62により開閉可能に保持された平面視略長方形の押さえ板63とから成る。基板61の中央には、検体50の粘着部51を押し上げて皺を伸ばすための円盤状の押圧部65が存在する。また、押さえ板63には、押圧部65が入る円形の開口部64が存在する。また、基板61には、開口部66が存在し、指で掴みやすくなっている。検査者は、基板61の上面に検体50を載せ、押さえ板63を下ろして検体50を挟み込むことにより、押圧部65が検体50の粘着部51を押し上げて粘着部51の皺が伸びる。従って、撮影装置2で検体50を撮影した場合に、皺等が写り込まない。
次に、図5を参照し、本実施形態の検出装置1のPC100の電気的構成について説明する。PC100は、市販のパーソナルコンピュータを利用でき、CPU110、RAM111、ROM112、I/Oインターフェース113、記憶装置117等を備えている。I/Oインターフェース113には、CPU110、ビデオコントローラ114、キーコントローラ115,CD−ROMドライブ116、記憶装置117、USBコントローラ119、マウス103が接続している。USBコントローラ119には、撮影装置2が接続している。ビデオコントローラ114にはディスプレイ101が接続している。キーコントローラ115にはキーボード102が接続している。CD−ROM118は、後述する基本処理、検出処理、画像処理等のプログラム及び後述するマスタデータ及びごみデータ等を記憶している。CD−ROMドライブ116は、CD−ROM118から基本処理、検出処理、画像処理等のプログラム及び後述するマスタデータとごみデータとを読み込む。
ROM112は、オペレーティングシステム等を記憶する。RAM111は処理中のデータ等を一時的に記憶する。記憶装置117には、撮影条件等の初期設定を記憶する初期設定ファイル記憶エリア117A、検出装置1の説明書を記憶した説明書記憶エリア117B、ぎょう虫卵の検出処理が実行された結果等の情報を記憶する撮影実績ファイル記憶エリア117C、撮影装置2で撮影した画像を記憶する画像ファイル記憶エリア117D、CPU110が実行するプログラム等を記憶するプログラム記憶エリア117E、後述するパターンマッチング(S29)で使用するぎょう虫卵の基本形状データ(以下、「マスタデータ」という。)を記憶したマスタデータ記憶エリア117F、後述するパターンマッチング(S31)で使用するごみの基本形状データ(以下、「ごみデータ」という。)を記憶したごみデータ記憶エリア117G等が存在する。記憶装置117は、ハードディスク、フラッシュメモリ等の不揮発性メモリ等で構成する。CD−ROM118に記憶されているPC100のCPU110が実行する基本処理、検出処理、画像処理等のプログラムは、CD−ROM118からCD−ROMドライブ116が読み出し記憶装置117のプログラム記憶エリア117Eに記憶され、CPU110が処理を実行する。また、CD−ROM118からマスタデータがマスタデータ記憶エリア117Fに読み込まれ、ごみデータがごみデータ記憶エリア117Gに読み込まれる。
次に、上記構成の検出装置1の動作を説明する。初めに、図5、図6及び図7を参照して、基本処理について説明する。基本処理では、まず、PC100のCPU110は、ディスプレイ101上に、図7に示す、撮影前設定ボタン71、実績参照ボタン72、説明書ボタン73から成る検査メニューの画面70を表示する(S1)。検査者が撮影前設定ボタン71をクリックすると(S2:YES)、CPU110は、ディスプレイ101上に、撮影前設定画面(図示外)を表示して撮影前設定処理(S3)を行う。この処理では、これから撮影する画像のファイル名となる撮影情報(一例として、団体名、学年、組、番号、例えば「中部小学校6年5組21番」や「中部小学校6521」)と、デジタルカメラ4の露出時間、絞りのF値、感度ISO値等の撮影条件、検出処理を行う場合の検出対象の明るさ、検出対象のサイズ範囲、検出対象発見の閾値となる条件等を設定し、初期設定ファイル記憶エリア117Aに記憶する(S3)。
また、検査者が実績参照ボタン72をクリックすると(S2:NO,S4:YES)、CPU110は、既に、ぎょう虫卵の検出処理が実行された結果等を記憶した撮影実績ファイル記憶エリア117Cの記憶内容を表示する実績参照処理(S5)を行う。また、検査者が説明書73をクリックすると(S2:NO,S4:NO,S6:YES)、CPU110は、説明書記憶エリア117Bに記憶している説明書の内容を表示する(S7)を行う。次いで、何れかのボタンがクリックされるまで待機する(S2:NO,S4:NO,S6:NO,S8:NO)。メニュー表示が終了の場合は(S8:YES)、基本処理を終了する。
次に、図8を参照して、ぎょう虫卵の検出処理を説明する。この検出処理では、CPU110は、初期設定ファイル記憶エリア117Aから、これから撮影する画像のファイル名となる撮影情報、デジタルカメラ4の露出時間、絞りのF値、感度ISO値等の撮影条件、検出処理を行う場合の検出対象の明るさ、検出対象のサイズ範囲、検出対象発見の閾値となる条件等の初期値の読み込みを行う(S11)。デジタルカメラ4の露出時間、絞りのF値、感度ISO値は、この初期値の読み込みで読み込んだ値で制御される。次いで、撮影情報がある場合には(S12:YES)、当該撮影情報をファイル名として画像を取り込む(S13)。このS13の処理では、撮影装置2に検体保持部60が挿入されると、図示外のマイクロスイッチがONとなり、LED7から紫外光が検体保持部60が保持した検体50に照射されて、デジタルカメラ4が検体50のカラー画像を1枚撮影する。この時に、検体50にぎょう虫卵があると、ぎょう虫卵は紫外光により励起して蛍光発光する。従って、ぎょう虫卵が検体50に存在すると、ぎょう虫卵が蛍光発光した画像が撮影できる。この画像は、PC100の記憶装置117の画像ファイル記憶エリア117Dに前記撮影情報をファイル名として記憶される(S13)。例えば、「中部小学校6521.jeg」等である。
次いで、設定内容に応じて、デジタルカメラ4で撮影され、画像ファイル記憶エリア117Dに記憶されている検体50の蛍光画像から検出対象物の検出を行う画像処理を行う(S14)。
次に、画像処理(S14)について、図9及び図10の画像処理のサブルーチンと、図11〜図20を参照して説明する。図9に示すサブルーチンの画像処理は、CPU110が実行する。図11〜図16に示す検体50の写真は、処理を分かりやすくするために、表示しているが、実際は、CPU110内で処理が行われるだけで、ディスプレイ101には、表示されない。
まず、画像処理が開始すると、CPU110は、撮影装置2で撮影され、記憶装置117の画像ファイル記憶エリア117Dに記憶されている検体50のカラー画像のデータをRAM111に取り込む(S21)。図11の右半分に示すように、ぎょう虫卵が検体50に存在する場合には、紫外光により励起されて蛍光発光している。この取り込まれたカラー画像は、初期値の撮影条件に従ってデジタルカメラ4で撮影された状態の生のデジタル写真のデータである。図11にの右半分に示す写真では、ぎょう虫卵以外にもごみ等も紫外光により蛍光発光しているものが写っている。例えば、上部に長く横たわる紐状のごみ等である。
次いで、CPU110は、画像補正を行う(S22)。この画像補正では、蛍光発光して写っている物を、より明確に浮かび上がらせるために、S21で取り込まれた検体50のカラー画像の明るさを上げ、その後、RGB値を各々一定量付加する(図12の右側の図参照)。尚、画像補正は、オリジナルのカラー画像のデータには加工が行われず、画像補正された画像データとは別にRAM111に記憶されている。また、これらの補正値は、予め実験して定めておく。次いで、図13の右側の図に示すように、S22で画像補正を行ったカラー画像をモノクロ化する(S23)。このモノクロ化処理では、周知のカラー画像のモノクロ化方法を使用すればよく、一例として、明るさ=R×0.30+G×0.59+B×0.11として、明るさを求め、この明るさの値をRGBすべてに指定すればよい。
次いで、CPU110は、S23でモノクロ化した画像データの二値化処理を行う(S24)。この二値化処理では、CPU110は、S23でモノクロ化した画像データのRGBの平均値を求め、この平均値に所定の値(一例として5)を付加した値を閾値として、二値化を行う。図14の右側の図が二値化処理後の図である。
次いで、二値化画像から所定ドット数範囲の黒色画像の切り出し処理を行う(S25)。この処理では、一例として、40ドット〜400ドットの黒色画像の切り出し処理を行う。この処理は、PC100向けに公開されているライブラリを使用すればよい。例えば、OpenCV(商標名)のライブラリを使用する。S25の処理により、二値化画像から40ドット〜400ドットの黒色画像が切り出される。ここで、40ドット〜400ドットの黒色画像を切り出しているのは、ぎょう虫卵は、この範囲の大きさに入るものが多いからである。尚、切り出す画像のサイズは、デジタルカメラ4の解像度と、マクロレンズ5の倍率により左右されるので、予め、検出対象物の大きさと、デジタルカメラ4の解像度と、マクロレンズ5の倍率により定めておく。
次に、S25の処理で切り出した40ドット〜400ドットの黒色画像の各々に対して、縁取り処理を行う(S26)。この処理では、二値化画像から切り出された各黒色画像の黒と白の境目に黒の縁取りを行う。具体的には、この処理は、所謂、「画像のエッジ切り出し処理」であり、二値化画像から切り出された黒色の画素に隣接する白色の画素を黒色の画素として切り出す。即ち、二値化画像から切り出された黒色の画素の周囲の白色の画素が画黒色の画素として切り出されるので、二値化画像から切り出された黒色の画素の内側と外側が黒色の画素として縁取られることになる。尚、元々の黒色の画素は白色にされる。
次いで、後述するパターマッチング処理(S29)で、マスタデータ記憶エリア117Fに記憶しているぎょう虫卵の基本形状データであるマスタデータと一致した数を数えるカウンタnを、n=0としてリセットする(S27)。次に、S26の処理で縁取り処理を行った画像から1つの画像を切り出す(S28)。この処理は、既に、S25で画像の切り出しは行われているので、S26で縁取りした画像を例えば、左上のものから右下に順番に選択する。図15の中段の右端に、縁取り処理を行い、1つ切り出した画像(ぎょう虫卵)を示す。
次いで、CPU110は、S28で切り出した画像を、マスタデータ記憶エリア117Fに記憶しているぎょう虫卵のマスタデータとのパターンマッチングを行う(S29)。この処理についても、PC100向けに公開されているライブラリを使用すればよい。例えば、OpenCV(商標名)のライブラリを使用する。尚、マスタデータは、予め多数のぎょう虫卵の蛍光画像を上記のS21〜28の処理を行って、得た形状のデータと、対応する検体50を検査者が顕微鏡等で目視して、ぎょう虫卵であると確認したものに基づいて作成する。図15の右側に示すように、ぎょう虫卵は特有の二重リング形状をしているが、図16の右側に示すように、ごみの場合もぎょう虫卵に形状が似たものがあり、パターマッチング処理(S29)でマッチしてしまうことがある。しかし、後述するRGB値の積算処理(S40)及び判定処理(S41)を行うことにより、ごみの画像を排除することができる。
S29のパターンマッチング処理で、S28で切り出した画像がぎょう虫卵のマスタデータとマッチした場合には(S30:YES)、次いで、CPU110は、S28で切り出した画像を、ごみタデータ記憶エリア117Gに記憶しているごみのデータとのパターンマッチングを行う(S31)。尚、ごみデータは、予め多数のごみの蛍光画像を上記のS21〜28の処理を行って、得た形状のデータと、対応する検体50を検査者が顕微鏡等で目視して、ごみであると確認したものに基づいて作成する。S31のパターンマッチング処理で、S28で切り出した画像がごみのデータとのマッチした場合には(S32:YES)、当該画像は、ごみであるので、後述するS33〜S45の処理を行わずにS28に戻る。S31の判断処理で、マッチしなかった場合には(S32:NO)、当該画像は、ごみでないので、CPU110は、擬陽性処理を行う(S33)。この擬陽性処理では、CPU110は、S29のパターンマッチング処理でマッチした画像の検体50のカラー画像上での位置を示す位置情報をRAM111に記憶する(S33)。次いで、カウンタnの値を1つ加算し(n=n+1)(S34)、マスタデータにマッチし、ぎょう虫卵と判断できる画像の数をカウントする。尚、S29処理で、S28で切り出した画像がぎょう虫卵のマスタデータとマッチしなかった場合には(S30:NO)、S28に戻る。S25で切り出され、縁取り処理された全画像が終了していない場合には(S35:NO)、S28〜S34の処理を繰り返す。
次いで、全画像が終了し(S35:YES)、ぎょう虫卵と判断できる画像の数(n)が5以上になった場合には(S36:YES)、図1に示すディスプレイ101に、ぎょう虫卵と判断できる画像の数のカウント数nを表示する(S45)。一例として、n=5の場合には、「Egg Count 5」等である。その後、処理を終了する。尚、ぎょう虫卵と判断できる画像の数のカウント数を表示すると同時に、「ぎょう虫卵有り、陽性」等の表示をしてもよい。尚、ぎょう虫卵と判断できる画像の数(n)が5以上になった場合に、ぎょう虫卵と判断できる画像の数をカウント数を表示して処理を終了するのは、ぎょう虫卵と判断できる画像の数が5個以上もあれば、ぎょう虫が被験者の腸内にいることが経験上判明しているからである。これは、発明者が多数の検体50を用いた本願発明による処理と、顕微鏡による検体50の観察から確認している。
ぎょう虫卵と判断できる画像の数(n)が1〜4の場合(S36:NO,S37:YES)、RGBスペクトル波形分析によりCPU110がぎょう虫卵と判断した画像の数を数えるカウンタmを、m=0としてリセットする(S38)。次いで、パターンマッチングでマッチした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計して判断するRGBスペクトル波形分析を行う。具体的には、S33の擬陽性処理でRAM111に記憶した画像の位置情報に基づいて、検体50のカラー画像上で対応するカラー画像を切り出す(S39)。ここで、ぎょう虫卵と判断できる画像の数(n)が1〜4の場合に、RGBスペクトル波形分析を行うのは、ぎょう虫卵と判断できる画像が5以上の場合には、ぎょう虫卵が確実にあること(陽性)が発明者の経験上分かっているが、ぎょう虫卵と判断できる画像が1〜4の場合には、所謂「擬陽性」であり、正確に判断する必要があるからである。
次いで、RGB(赤(Red)、緑(Green)、青(Blue))値の加算処理を行う(S40)。このRGB値の加算処理は、次のように行う。S39の処理で切り出されたカラー画像の各画素のR値、G値、B値の出現度数を積算する。ここでは、CPU110は、S39の処理で切り出されたカラー画像の画素を左上から右に順番に見て、下のラインも同様に右下まで見ていくものとする。即ち、前記カラー画像の1つの画素は、R値は0〜255の何れかの値、G値は0〜255の何れかの値、B値は0〜255の何れかの値を持つ。そこで、前記カラー画像の各画素毎に、順番にRGB値の出現度数を積算する。
例えば、前記カラー画像の1画素目が、R:35、G:55、B:220なら、R:35の度数1、G:55の度数1、B:220の度数1と加算する。次いで、隣の2画素目がR:35、G:60、B:222なら、R:35の度数2、G:55の度数1、G:60の度数1、B:220の度数1、B:222の度数1となる。次に、3画素目がR:37、G:60、B:225なら、R:35の度数2、R:37の度数1、G:55の度数1、G:60の度数2、B:220の度数1、B:222の度数1、B:225の度数1となる。次に、4画素目がR:35、G:60、B:220なら、R:35の度数3、R:37の度数1、G:55の度数1、G:60の度数3、B:220の度数2、B:222の度数1、B:225の度数1となる。以下、前記カラー画像の最後の画素まで、RGB値毎の積算を繰り返す。この処理により、S39の処理で切り出された1つのカラー画像におけるR値:0〜255各々の出現度数、G値:0〜255各々の出現度数、B値:0〜255各々の出現度数が積算でき、所謂RGBスペクトル波形が分かる。表1にRGBの0〜255各々の出現度数の表の一例を示し、図17にS40の処理により求めたRGBスペクトル波形の一例を示す。尚、波線がR値の積算度数であり、実線がG値の積算度数であり、一点鎖線がB値の積算度数である。表1では、一部省略して表示しているが、実際は、0〜255までRGB値全ての積算値が記憶される。尚、表1及び図17は、概念図であり、実際は、CPU110がカウントし、RAM111に記憶されている。
発明者が数百の検体50を使って調べた結果、RGBスペクトル波形は、ぎょう虫卵とごみでは全く異なった波形を描くことが判明した。図18にごみの場合のRGBスペクトル波形を示す。従って、本実施の形態では、図9に示すS29の処理でぎょう虫卵画像のマスタデータとパターンマッチングしてマッチした画像のみを判断対象としているが、図16の右側に示すようなぎょう虫卵に似たごみもぎょう虫卵画像のマスタデータとマッチしてしまう場合がある。しかし、上記のようにRGBスペクトル波形がぎょう虫卵画像とごみの画像では全く異なるので、RGBスペクトル波形からぎょう虫卵の有無の判定が精度良く迅速にできる。
RGB値の積算処理(S40)が終了すると、CPU110は、RGB値の積算値が所定範囲外か否かを判断する(S41)。この判断基準の所定範囲の一例を以下に説明する。
・R値範囲:R値30〜110の各積算度数は何れも度数50以下
・G値範囲:G値45〜210各積算度数は何れも度数30以下
・B値範囲:B値210〜230各積算度数は何れも度数26以下及び値231〜255の各積算度数は何れも度数26以上
上記のR値範囲を外れるものが3個以上、又は、G値範囲を外れるものが3個以上、又は、B値範囲を外れるものが3個以上の条件の1つでも満たす場合には、CPU110は、その画像をRGB値の積算値が所定範囲外である(S41:YES)と判断する。即ち、CPU110は、その画像は、ぎょう虫卵でないと判断する。また、上記のR値範囲を外れるものが2個以下、及び、G値範囲を外れるものが2個以下、及び、B値範囲を外れるものが2個以下の全ての条件を満たす場合には、CPU110は、RGB値の積算値が所定範囲外でない(S41:NO)と判断する。即ち、CPU110は、その画像をぎょう虫卵であると判断する。上記の判断で、3個を閾値としているのは、2個までは、所謂「データのノイズ」の場合があるからである。尚、上記のR・G・B値範囲の各閾値は、発明者が数百の検体50を使って調べた結果に基づく経験値であり、適宜設定することができる。
・R値範囲:R値30〜110の各積算度数は何れも度数50以下
・G値範囲:G値45〜210各積算度数は何れも度数30以下
・B値範囲:B値210〜230各積算度数は何れも度数26以下及び値231〜255の各積算度数は何れも度数26以上
上記のR値範囲を外れるものが3個以上、又は、G値範囲を外れるものが3個以上、又は、B値範囲を外れるものが3個以上の条件の1つでも満たす場合には、CPU110は、その画像をRGB値の積算値が所定範囲外である(S41:YES)と判断する。即ち、CPU110は、その画像は、ぎょう虫卵でないと判断する。また、上記のR値範囲を外れるものが2個以下、及び、G値範囲を外れるものが2個以下、及び、B値範囲を外れるものが2個以下の全ての条件を満たす場合には、CPU110は、RGB値の積算値が所定範囲外でない(S41:NO)と判断する。即ち、CPU110は、その画像をぎょう虫卵であると判断する。上記の判断で、3個を閾値としているのは、2個までは、所謂「データのノイズ」の場合があるからである。尚、上記のR・G・B値範囲の各閾値は、発明者が数百の検体50を使って調べた結果に基づく経験値であり、適宜設定することができる。
S41の判断処理でNOの場合は、CPU110がぎょう虫卵と判断した画像の数を数えるカウンタmの値に1を付加する(m=m+1)(S42)。S41の判断処理でYESの場合は、CPU110は、S39に戻り、S39〜S41の処理を繰り返す。S33の擬陽性処理でRAM111に記憶した全画像の判断が終了した場合(S43:YES)、図1に示すディスプレイ101に、ぎょう虫卵と判断できる画像の数のカウント数mの値を表示する(S44)。一例として、m=2の場合、「Egg Count 2」等である。その後、処理を終了し、図8に示す検出処理のフローチャートに戻り、S15の判断処理に進む。
尚、ぎょう虫卵と判断できる画像の数のカウント数が1以上ある場合には、CPU110は、ディスプレイ101上にカウント数mの値を表示すると同時に、「ぎょう虫卵有り、陽性」等の表示をしてもよい。ぎょう虫卵が1個でも見つかった場合には、その被験者は陽性であることが経験上分かっているからである。従って、検査者は、ディスプレイ101が表示するカウント数mが1〜4の何れかであれば、被験者は陽性であることが分かる。また、S37の判断処理で、カウント数nが1以上でない、即ち、カウント数n=0の場合には(S37:NO)、ぎょう虫卵は0個であるので、CPU110は、ディスプレイ101上に「Egg Count 0」を表示する(S45)。また、CPU110は、ディスプレイ101上に「ぎょう虫卵無し」等を表示してもよい。尚、S44の画像の数のカウント数mの値を表示時に、カウント数mのデータを図5に示す撮影実績ファイル記憶エリアに、画像ファイル名に関連づけて記憶する。
図8に示すS15の判断処理では、キーボード102から設定変更が入力された場合は(S15:YES)、設定変更(S16)を行う。この処理は、検出者が、キーボード102から変更する値を入力して行う(S16)。例えば、ディスプレイ101上に「Egg Count 1」と表示されている場合でも、検査者が、顕微鏡で検体50を目視して、ぎょう虫でないと確認している場合には、キーボード102から「0」を入寮して、「Egg Count 0」と修正する。また、設定変更(S16)では、検出者が、キーボード102を操作して、撮影した画像のファイル名を変更もできる。例えば、「中部小学校6521.jeg」を「中部小学校6522.jeg」等である。撮影前設定処理(S3)で、誤入力があった場合に、修正する為である。
次いで、検査者がキーボード102又はマウス103を操作して、検出処理の終了を指示すると(S17:YES)、検出処理が終了する。検出処理の終了でない場合(S17:NO)にはS12〜S16の処理を繰り返す。尚、S12で撮影情報が無い場合(S12:NO)、又はS15で設定変更でない場合(S15)には、S17に進む。
以上説明したように、検出装置1では、検体50の画像から切り出した検出対象物(ぎょう虫卵)と思われる画像に対して、RGBスペクトル波形分析を行うので、検査者の熟練度を必要としない。また、蛍光発光するごみや他の寄生虫の卵等も確実に判別できる。さらに、検査時間が短く、判定精度が高い検出装置を実現できる。また、PC100によるデータ管理も可能である。
尚、上記の実施の形態では、LED7が「光照射手段」の一例であり、デジタルカメラ4又はS21の処理を行うCPU110が「画像データ取得手段」の一例である。S24の処理を行うCPU110が「二値化手段」の一例である。S29の処理を行うCPU110が「第一マッチング手段」の一例である。S31の処理を行うCPU110が「第二マッチング手段」の一例である。S40の処理を行うCPU110が「RGB値積算手段」の一例である。S41の処理を行うCPU110が「判断手段」の一例である。S26の処理を行うCPU110が「縁取手段」の一例である。S34の処理を行うCPU110が「集計手段」の一例である。S42の処理を行うCPU110が「計数手段」の一例である。
また、S21の処理工程が「画像データ取得工程」の一例である。S24の処理工程が「二値化工程」の一例である。S29の処理工程が「第一マッチング工程」の一例である。S31の処理が「第二マッチング工程」の一例である。S40の処理工程が「RGB値積算工程」の一例である。S41の処理工程が「判断工程」の一例である。S26の処理工程が「縁取工程」の一例である。S34の処理工程が「集計工程」の一例である。CD−ROM118が「記憶媒体」の一例である。
本発明は、上記実施形態に限られず、ぎょう虫卵以外の検査にも使用することができる。例えば、マンソン住血吸虫卵のRGBスペクトル波形図は、図19に示すように特有の波形となる。また、広節裂頭条虫卵のRGBスペクトル波形図は、図20に示すように特有の波形となる。これらの卵の発見も上記の処理を応用すれば容易にできる。尚、上記実施の絵形態に記載した閾値等は、一例であり、検出対象物に合わせて適宜設定する。また、検体保持部60を図示外の移動機構で検体載置部11上で移動させて、検体保持部60に保持された検体50の写真を複数回(例えば、2回〜4回等)撮影して、各々、画像で検出処理を行うようにしても良い。このようにすれば、一つの検体50に対する検査の精度を向上することができる。
1 検出装置
2 撮影装置
3 筐体
4 デジタルカメラ
5 マクロレンズ
6 UVカットフィルタ
8 開口部
9 遮蔽板
10 開口部
11 検体載置部
50 検体
51 粘着部
60 検体保持部
61 基板
62 蝶番
63 押さえ板
65 押圧部
66 開口部
70 メニュー画面
71 撮影前設定ボタン
72 実績参照ボタン
73 説明書ボタン
100 PC
101 ディスプレイ
102 キーボード
103 マウス
110 CPU
111 RAM
112 ROM
113 I/Oインターフェース
114 ビデオコントローラ
115 キーコントローラ
116 CD−ROMドライブ
117 記憶装置
117A 初期設定ファイル記憶エリア
117B 説明書記憶エリア
117C 撮影実績ファイル記憶エリア
117D 画像ファイル記憶エリア
117E プログラム記憶エリア
117F マスタデータ記憶エリア
117G ごみデータ記憶エリア
118 CD−ROM
119 USBコントローラ
2 撮影装置
3 筐体
4 デジタルカメラ
5 マクロレンズ
6 UVカットフィルタ
8 開口部
9 遮蔽板
10 開口部
11 検体載置部
50 検体
51 粘着部
60 検体保持部
61 基板
62 蝶番
63 押さえ板
65 押圧部
66 開口部
70 メニュー画面
71 撮影前設定ボタン
72 実績参照ボタン
73 説明書ボタン
100 PC
101 ディスプレイ
102 キーボード
103 マウス
110 CPU
111 RAM
112 ROM
113 I/Oインターフェース
114 ビデオコントローラ
115 キーコントローラ
116 CD−ROMドライブ
117 記憶装置
117A 初期設定ファイル記憶エリア
117B 説明書記憶エリア
117C 撮影実績ファイル記憶エリア
117D 画像ファイル記憶エリア
117E プログラム記憶エリア
117F マスタデータ記憶エリア
117G ごみデータ記憶エリア
118 CD−ROM
119 USBコントローラ
Claims (15)
- 検体から検出対象物を見つけ出す検出装置であって、
当該検体を載置する検体載置部と、
当該検体載置部に載置された前記検体に特定波長光を照射する光照射手段と、
前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像のデータである画像データを取得する画像データ取得手段と、
当該画像データ取得手段が取得した前記画像データを二値化して二値化画像データを作成する二値化手段と、
当該二値化手段により作成された二値化画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探す第一マッチング手段と、
当該第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計するRGB値積算手段と、
当該RGB値積算手段により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断手段と
を備えたことを特徴とする検出装置。 - 前記第一マッチング手段でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング手段を備え、
前記第二マッチング手段で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記RGB値積算手段によるRGB値の積算度数の集計を行わないことを特徴とする請求項1に記載の検出装置。 - 前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取手段を備え、
前記第一マッチング手段は、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする請求項1又2に記載の検出装置。 - 前記第一マッチング手段によりマッチングすると判断された画像の数を集計する集計手段を備え、
当該集計手段の集計数が所定値の場合に、前記RGB値積算手段により、前記第一マッチング手段でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計し、
前記判断手段は前記RGB値積算手段により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする請求項1〜3の何れかに記載の検出装置。 - 前記判断手段が検出対象物有りと判断した数を計数する計数手段と、
当該計数手段が計数した値を出力する出力手段を備えたことを特徴とする請求項1〜4の何れかに記載の検出装置。 - 前記光照射手段が発する前記特定波長光は紫外光であり、
前記検出対象物は、ぎょう虫卵であることを特徴とする請求項1〜5の何れかに記載の検出装置。 - 検体から検出対象物を見つけ出す検出方法であって、
当該検体に特定波長光を照射し、前記検出対象物が前記特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、
当該画像データ取得工程で取得した前記カラー画像データを二値化して二値化画像データを作成する二値化工程と、
当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、
当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計するRGB値積算工程と、
当該RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程と
を備えたことを特徴とする検出方法。 - 前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、
前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、前記RGB値積算工程によるRGB値の積算度数の集計を行わないことを特徴とする請求項7に記載の検出方法。 - 前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、
前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする請求項7又は8に記載の検出方法。 - 前記第一マッチング工程でマッチングすると判断された画像の数を集計する集計工程を備え、
当該集計工程での集計数が所定値の場合に、前記RGB値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計し、
前記判断工程では、前記RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする請求項7〜9の何れかに記載の検出方法。 - 検体から検出対象物を見つけ出す検出プログラムであって、
前記検出対象物が特定波長光により励起されて発した蛍光を含む前記検体のカラー画像データを取得する画像データ取得工程と、
当該画像データ取得工程で取得したカラー画像データを二値化して二値化画像データを作成する二値化工程と、
当該二値化工程で作成された当該二値化画像データに基づいて、予め記憶された検出対象物のデータとのパターンマッチングで、検出対象物に該当する画像を探す第一マッチング工程と、
当該第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計するRGB値積算工程と、
当該RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断する判断工程と
をコンピュータに実行させることを特徴とする検出プログラム。 - 前記第一マッチング工程でマッチングした前記二値化画像データに対して、パターンマッチングで、検出対象物と異なる非検出対象物に該当する画像を探す第二マッチング工程を備え、
前記第二マッチング工程で前記二値化画像データが非検出対象物の画像データとマッチングした場合には、RGB値積算工程によるRGB値の積算度数の集計を行わないことを特徴とする請求項11に記載の検出プログラム。 - 前記二値化画像データから輪郭線を取り出した縁取画像データを作成する縁取工程を備え、
前記第一マッチング工程では、前記縁取画像データに基づいてパターンマッチングで、検出対象物に該当する画像を探すことを特徴とする請求項11又は12に記載の検出プログラム。 - 前記第一マッチング工程によりマッチングすると判断された画像の数を集計する集計工程を備え、
当該集計工程での集計数が所定値の場合に、前記RGB値積算工程により、前記第一マッチング工程でマッチングした画像に対応するカラー画像の画素毎のRGB値の積算度数を集計し、
前記判断工程では、前記RGB値積算工程により積算された画素毎のRGB値の積算度数に予め定めた基準外の物が無い場合には、検出対象物有りと判断することを特徴とする請求項11〜13の何れかに記載の検出プログラム。 - 請求項11〜14の何れかに記載の検出プログラムを記憶したコンピュータが読み取り可能な記憶媒体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012029911A JP2013167491A (ja) | 2012-02-14 | 2012-02-14 | 検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012029911A JP2013167491A (ja) | 2012-02-14 | 2012-02-14 | 検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013167491A true JP2013167491A (ja) | 2013-08-29 |
Family
ID=49178005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012029911A Pending JP2013167491A (ja) | 2012-02-14 | 2012-02-14 | 検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2013167491A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017018111A1 (ja) * | 2015-07-29 | 2017-02-02 | 株式会社イシダ | 検査装置 |
CN107220972A (zh) * | 2017-06-07 | 2017-09-29 | 重庆大学 | 一种基于红外图像的禽蛋品质鉴别方法 |
CN109030434A (zh) * | 2018-06-20 | 2018-12-18 | 天津大学 | 一种基于Android平台的真菌毒素含量检测方法 |
US20210334971A1 (en) * | 2020-04-22 | 2021-10-28 | Mohd Amin Abu Qura | Enterobius Vermicularis Detection System |
-
2012
- 2012-02-14 JP JP2012029911A patent/JP2013167491A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017018111A1 (ja) * | 2015-07-29 | 2017-02-02 | 株式会社イシダ | 検査装置 |
JPWO2017018111A1 (ja) * | 2015-07-29 | 2018-05-17 | 株式会社イシダ | 検査装置 |
CN107220972A (zh) * | 2017-06-07 | 2017-09-29 | 重庆大学 | 一种基于红外图像的禽蛋品质鉴别方法 |
CN107220972B (zh) * | 2017-06-07 | 2019-06-28 | 重庆大学 | 一种基于红外图像的禽蛋品质鉴别方法 |
CN109030434A (zh) * | 2018-06-20 | 2018-12-18 | 天津大学 | 一种基于Android平台的真菌毒素含量检测方法 |
CN109030434B (zh) * | 2018-06-20 | 2021-08-27 | 天津大学 | 一种基于Android平台的真菌毒素含量检测方法 |
US20210334971A1 (en) * | 2020-04-22 | 2021-10-28 | Mohd Amin Abu Qura | Enterobius Vermicularis Detection System |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Favreau et al. | Thin-film tunable filters for hyperspectral fluorescence microscopy | |
WO2017082048A1 (ja) | 分類器構成方法およびこれを用いた細胞の生死判定方法 | |
WO2016080266A1 (ja) | シミ評価装置、シミ評価方法、及びプログラム | |
US20230028360A1 (en) | Artificial generation of color blood smear image | |
US10921252B2 (en) | Image processing apparatus and method of operating image processing apparatus | |
JP2018117557A (ja) | 画像生成装置及び画像生成方法 | |
CN110637224A (zh) | 信息搜索***及程序 | |
JP2017125840A (ja) | 呈色反応検出システム、呈色反応検出方法及びプログラム | |
EP2919454A1 (en) | Imaging system and imaging method | |
JP2013167491A (ja) | 検体から検出対象物を見つけ出す検出装置、検出方法、検出プログラム及び記憶媒体 | |
Cadd et al. | The non-contact detection and identification of blood stained fingerprints using visible wavelength hyperspectral imaging: Part II effectiveness on a range of substrates | |
US20180052108A1 (en) | Image processing method and image processing device | |
JP5430188B2 (ja) | 細胞画像解析装置及び細胞の画像を撮像する方法 | |
JP2022501594A (ja) | ビジョンベース検査システムの光学構成要素の自律診断検証のためのシステム、方法、および装置 | |
JP2016099253A (ja) | 蛍光イメージング装置及び蛍光イメージング方法 | |
JP2014063041A (ja) | 撮影解析装置、その制御方法及び撮影解析装置用のプログラム | |
JP6813316B2 (ja) | 劣化情報取得装置、劣化情報取得システム、劣化情報取得方法及び劣化情報取得プログラム | |
US20080170772A1 (en) | Apparatus for determining positions of objects contained in a sample | |
JP6772529B2 (ja) | 画像処理方法、画像処理装置、プログラム | |
Browne | Imaging and image analysis in the comet assay | |
JP2005233636A (ja) | 食肉の脂肪交雑検査方法及び装置 | |
JP6844976B2 (ja) | 劣化情報取得装置、劣化情報取得システム、劣化情報取得方法及び劣化情報取得プログラム | |
CN112505002B (zh) | 一种基于rgb模型的溶液浊度检测方法、介质、图像*** | |
CN110998330A (zh) | 用于分析荧光免疫斑点测定的方法和*** | |
JP2008268131A (ja) | 穀粒の品質評価方法およびそれに用いる穀粒均平切断装置 |