(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221073126 3.4 (22)申请日 2022.06.24 (66)本国优先权数据 202210148904.3 202 2.02.18 CN (71)申请人 厦门中翎易优创科技有限公司 地址 361000 福建省厦门市海沧区翁角西 路2054号厦门生物医药产业园3号楼3 层02单元 (72)发明人 洪志令　陈柏伶　 (74)专利代理 机构 福建如浩 律师事务所 3 5223 专利代理师 刘开林 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/12(2017.01) G06T 7/13(2017.01)G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 10/75(2022.01) (54)发明名称 一种对排卵试纸检测结果进行自动分析的 图像识别方法 (57)摘要 本发明公开了一种对排卵试纸检测结果进 行自动分析的图像识别方法。 方法首先对图片 进 行压缩、 将图片转为灰度图像、 同时计算得到图 片的RGB矩阵及HSV矩阵， 并根据HSV矩阵的阈值 区间求得图片的0 ‑1矩阵； 接下来进行图片中试 纸范围的捕捉， 在捕捉试纸范围时， 经过Sobel边 缘检测算子以及OTSU 算法进行轮廓提取， 之后进 行霍夫直线变换捕捉得到试纸的上下区间， 并根 据排卵试纸右半部分有一整块的红色区域， 根据 此特征以及霍夫直线变换的结果综合分析得到 试纸区间。 最后， 针对0 ‑1矩阵进行特征判断筛选 出T线、 C线的区间， 并对T线以及C线区间中的RGB 空间的R平均值进行对比， 最终得到试纸的检测 分类结果。 权利要求书2页 说明书6页 附图2页 CN 115063375 A 2022.09.16 CN 115063375 A 1.一种对排卵试纸检测结果进行自动分析的图像识别方法， 其特征在于所述方法包括 如下步骤： (1)获取图片并对图片进行压缩， 在保持与原始图片相同宽高比的情况下将图片处理 为宽度500像素的图片； (2)获取图片每个像素点的RGB空间， 并根据RGB空间转化得到图片的HSV空间。 从而得 到图片中每 个像素点的RGB值以及HSV值， 将它 们分别存 储为二维矩阵数组； (3)根据图片每个像素点的HSV值进行构建图片的0 ‑1矩阵； 扫描图像中的每一个像素 点， 当H值为0～60或300～360， S值≥0.09， V值≥0.3时为目标像素点， 标记为1； 不符合的标 记为0， 从而得到 0‑1矩阵； (4)根据得到 的0‑1矩阵， 排除干扰块， 横向过滤1的数量小于5％的行， 纵向过滤1的数 量小于20％的列； (5)使用Sobel 算子进行图片的边 缘提取； (6)使用OTSU自适应算法进行轮廓的勾勒， 勾勒出 试纸的轮廓； (7)使用霍夫变换进行直线检测， 捕捉图像 中的直线。 在霍夫直线变换中弧度测量的角 度精度采用 π/180。 在捕捉到的直线集合中， 首先过滤掉直线长度太短 的直线， 当直线的长 度小于0.4倍图像宽(200个像素点)或者直线的倾斜角大于10 °时则将该直线过滤掉， 从而 得到一个直线集 合； (8)查找试纸右侧的红色阴影区域， 遍历每一个候选直线对之间的矩阵块是否包含一 块高度大于5个像素点， 宽度大于等于0.3倍图像宽(150个像素点)， 且该范围内0 ‑1矩阵对 应的值为1的个数占总个数的80％以上的连续矩阵块； (9)定位捕捉试纸的图像区间， 获取连续矩阵块的上下边界， 判断是否与候选直线对重 合， 若重合， 则直接判定该候选直线对为试纸的上下边界； 若未重合， 则将红色阴影区域对 应的上下边界作为试纸的上 下边界， 基于以上规则得到试纸的范围； (10)在试纸区间中根据特征筛选T线以及C线范围， 如果在试纸对应的0 ‑1矩阵中该列 值为1的占比低于该列内总数的20％， 则将该列不符合T线以及C线的特征； 过滤不符合条件 的列后， 试纸区域对应的0 ‑1矩阵被分割为一块块的小的0 ‑1矩阵块集合； 此时在剩余的小 矩阵块中判断长宽比是否符合， 长宽比为矩阵块横向的长度除以矩阵块纵向的长度， 将长 宽比大于1:2以及小于1:10的矩阵块筛除掉； (11)进行相似矩阵块匹配， 在不同的矩阵块之间进行相似性判断， 如果两个0 ‑1矩阵块 中值为1的总数之比大于0.4并且小于2.5， 矩阵块行数之比大于0.6且小于1.666， 列数之比 大于0.33且小于3， 符合以上情况的则视为相 似矩阵块， 并靠近红色阴影区域的矩阵块为T 线， 另外一 边为C线； (12)如果匹配后的相似矩阵块存在多个， 则进一步过滤， 要求矩阵块的高度小于红色 阴影区域的高度且大于红色阴影区域高度的0.8倍， 并且0 ‑1矩阵块中1的占比大于该矩阵 块的50％， 若不满足则过滤掉该矩阵块。 通过以上判断即可精确定位到唯一的相似矩阵块。 若此时没有检测到相似矩阵块， 则对剩余的矩阵块进行过滤。 矩阵块的高度 处于红色阴影 区域的区间内， 并且计算矩阵块到红色阴影区域的横向距离， 如果横向距离大于红色阴影 区域高度的4倍则过滤掉该矩阵块。 此时剩余的矩阵块则为T线或者C线， 如果此时矩阵块到 红色阴影区域的横向距离大于红色阴影区域的0.8倍且小于1.5倍时， 此时为T线； 如果大于权　利　要　求　书 1/2 页 2 CN 115063375 A 21.5倍时则为C线。 如果只有C线， 没有T线， 此时试纸检测结果为阴性。 如果只有T线， 没有C 线， 则试纸检测结果无效； (13)求T线以及C线的R值， 将T线对应矩阵块中的R值进行求平均得到T线的R值， 同理得 到C线对应的R值。 将T线以及C线的R值进 行比较， 如果C线R值大于T线R值， 则判断为 强阳； 如 T线R值小于C线R值的1.35倍则判定为阳性， 小于C线R值的1.9倍则判定为弱阳， 否则为阴 性； 由以上规则可 得试纸的检测分类结果。 2.根据权利要求1所述的一种对排卵试纸检测结果进行自动分析的图像识别方法， 其 特征在于对试纸区间的定位识别以及试纸检测结果的状态 识别； 试纸区间的定位识别： 如步骤7 ‑步骤9所述， 通过Sobel算子以及OTSU算法进行的边缘 特征提取后， 并经过霍夫直线变换提取直线。 在捕捉到的直线集合中， 过滤掉直线长度太短 以及倾斜角太大 的直线； 遍历每一个候选直线对之间的矩阵块是否包含一块高度大于5个 像素点， 宽度大于等于0.3倍图像宽(150个像素点)， 且该范围内0 ‑1矩阵对应的值为1的个 数占总个数的80％以上的连续矩阵块， 若匹配到则将该区间定为红色阴影区间； 获取连续 矩阵块的上下边界， 判断是否与候选直线对重合， 若重合， 则直接判定该候选直线对为试纸 的上下边界； 若未重合， 则将红色阴影区域对应的上 下边界作为试纸的上 下边界； 试纸检测结果的状态识别： 如步骤13所述， 将T线对应矩阵块中的R值进行求平均得到T 线对应的R值， 同理得到C线对应的R值。 将T线以及C线的R值进行比较， 如果C线R值大于T线R 值， 则判断为强阳； 如T线R值小于C线R值的1.35倍则判定为阳性， 小于C线R值的1.9倍则判 定为弱阳， 否则为阴性。权　利　要　求　书 2/2 页 3 CN 115063375 A 3