劉 聰， 王 超， 侯劍平， 趙萬里， 段憶芮

(安圖實(shí)驗(yàn)儀器(鄭州)有限公司，河南 鄭州 450016)

0 引 言

隨著國內(nèi)醫(yī)療體制的不斷完善，采用抽血檢驗(yàn)的方式來檢測人體的一些健康指標(biāo)是非常普遍的一種途徑，其中血清檢測主要用于生化檢驗(yàn)項(xiàng)目和免疫檢驗(yàn)項(xiàng)目兩大部分。一般流程是用采血管收集患者血液，然后通過各種醫(yī)療儀器實(shí)現(xiàn)各項(xiàng)檢測。采血管中的血液一般需要在進(jìn)行檢測前進(jìn)行離心，將血清與血凝塊進(jìn)行分離，然后再經(jīng)過血清質(zhì)量檢測以去除問題血清[1,2]，確保采用正常的血清進(jìn)行各項(xiàng)臨床指標(biāo)的檢測。對(duì)于正常的血清，需要通過儀器的樣本針抽取一定量的血清進(jìn)行檢測，但實(shí)際上由于采血管中采血量的不同，若血清量不足時(shí)，會(huì)出現(xiàn)抽取到部分血凝塊的情況，影響實(shí)際的檢驗(yàn)結(jié)果。若能夠檢測出采血管中血清的上下液面位置，則可以準(zhǔn)確得到采血管中的血清高度，進(jìn)而根據(jù)采血管的規(guī)格得到采血管中的血清量，因此可以有效地對(duì)血清量過少的情況進(jìn)行提示。而且，可以根據(jù)采血管中血清的上下液面位置調(diào)節(jié)樣本針位置確保采到正常血清，避免出現(xiàn)抽到血凝塊，或無法抽到血清的情況。

隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，相機(jī)制造技術(shù)也已達(dá)到很高的水平，光學(xué)鏡頭的幾何畸變已逐漸減小，這使得基于圖像識(shí)別的測量方法應(yīng)用廣泛。而應(yīng)用圖像識(shí)別技術(shù)進(jìn)行液位檢測已經(jīng)應(yīng)用到多個(gè)行業(yè)[3～5]。陳露等人將機(jī)器視覺技術(shù)應(yīng)用于紅酒灌裝后的液位檢測[6]，姚坤等人將OpenCV圖像識(shí)別技術(shù)應(yīng)用于透明瓶裝無色液體液位實(shí)時(shí)檢測[7]，李家棟等將機(jī)器視覺技術(shù)應(yīng)用于薄帶鑄軋熔池液位識(shí)別[8]，張寧等將圖像識(shí)別方法應(yīng)用于吸量管液位檢測[9]，李博文將機(jī)器視覺方法應(yīng)用于飲水機(jī)取水杯液位檢測[10]。但目前沒有人將圖像識(shí)別技術(shù)應(yīng)用于采血管中液位的檢測。本文采用圖像識(shí)別的方法實(shí)現(xiàn)采血管中血清上下液位高度的檢測，實(shí)現(xiàn)了血清液位的自動(dòng)化檢測，可用于自動(dòng)化提示血清量不足，以及自動(dòng)化調(diào)節(jié)探針采集血清。

1 檢測系統(tǒng)

實(shí)驗(yàn)中搭建的液位檢測系統(tǒng)硬件平臺(tái)主要包括相機(jī)、發(fā)光二極管(LED)點(diǎn)狀光源和用于圖像處理的計(jì)算機(jī)等。該系統(tǒng)的主要原理為：對(duì)于一條水平方向運(yùn)行的傳送帶，在傳送帶一處的旁側(cè)位置安裝相機(jī)，并在相機(jī)左右兩旁對(duì)稱安裝高亮LED點(diǎn)光源，分別與相機(jī)拍攝方向成30°夾角。在相機(jī)拍攝位置一側(cè)安裝光電傳感器。當(dāng)采血管到達(dá)指定位置時(shí)，即可觸發(fā)光電傳感器，開始圖像采集。圖像的采集應(yīng)該在光照充足的環(huán)境下進(jìn)行，目標(biāo)的拍攝背景為一塊表面粗糙的白色擋板，這樣可以盡量減少由于背景顏色問題對(duì)采血管血清液位檢測帶來的影響。硬件系統(tǒng)結(jié)構(gòu)框圖如圖1所示。

圖1 硬件系統(tǒng)結(jié)構(gòu)圖

2 圖像處理

對(duì)于采血管中血清上下液位的提取，主要包含以下步驟：讀取圖像、中值濾波、RGB顏色分離、二值化、形態(tài)學(xué)處理、圖像分割、液位識(shí)別。待識(shí)別圖像如圖2(a)所示。

2.1 中值濾波

由于受拍攝環(huán)境的影響，拍攝得到的圖像可能會(huì)存在噪聲。而常用的去噪方法通常是對(duì)圖像進(jìn)行平滑處理。如：均值濾波，中值濾波，高斯濾波等。中值濾波是一種既能有效減少噪聲，又能減少圖像邊緣影響的方法。中值濾波的基本原理是將每一像素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口的所有像素點(diǎn)灰度值的中值。本文采用5×5中值濾波器，對(duì)圖像進(jìn)行去噪處理。圖2(b)是中值濾波后的結(jié)果。

2.2 RGB顏色分離

由于本文中采集的圖像是采血管的圖像，圖像中主要包含采血管和背景。背景色為白色，采血管中血液主要分為兩層，分別是血清和血凝塊，下層為血凝塊顏色暗紅色，上層為血清淺黃色。由于已知在RGB顏色空間中，白色為(255，255，255)，黃色為(255，255，0)，黑色為(0，0，0)。因此，白色和黃色很容易在B通道圖像中進(jìn)行分離。而本文中圖像背景、血清、血凝塊顏色差異明顯，因此可以考慮RGB顏色分量來分割目標(biāo)區(qū)域。圖2(c)～(e)分別是顏色分離后R,G,B通道的圖像。根據(jù)顏色特點(diǎn)，比較不同顏色分量對(duì)背景與不同目標(biāo)的區(qū)分度，可以發(fā)現(xiàn)：R通道圖像可以用于獲取血凝塊區(qū)域，B通道圖像可以用于獲取血清和血凝塊的共同區(qū)域，即血液區(qū)域。

圖2 圖像處理過程

2.3 二值化

二值化的方法主要包含固定閾值的二值化和自適應(yīng)閾值的二值化。固定閾值的二值化往往不適用于亮度分布差異變化很大的圖像。Ostu算法[11]是由日本學(xué)者大津于1979年提出，是一種自適應(yīng)的閾值確定的方法，是圖像分割領(lǐng)域的經(jīng)典算法。算法思想是根據(jù)圖像灰度特點(diǎn)，確定閾值T，將灰度圖像分割成兩部分，即目標(biāo)和背景，使得類間方差最大。其目標(biāo)與背景之間的類間方差定義

g=ω0(μ0-μ)2+ω1(μ1-μ)2

(1)

式中μ為圖像的總平均灰度，ω0為屬于目標(biāo)的像素點(diǎn)數(shù)占整幅圖像的比例，ω1為屬于背景的像素點(diǎn)數(shù)占整幅圖像的比例，μ0為目標(biāo)的平均灰度，μ1為背景的平均灰度。

本文采用OSTU算法分別對(duì)R通道圖像和B通道圖像進(jìn)行二值化處理。處理后的圖像如圖2(f)，(g)所示。

2.4 形態(tài)學(xué)處理

對(duì)于二值化得到的圖像，由于噪聲或其他干擾因素的影響，二值化結(jié)果的背景區(qū)域中可能會(huì)出現(xiàn)除目標(biāo)區(qū)域以外的小連通區(qū)域，目標(biāo)區(qū)域中可能會(huì)出現(xiàn)黑色孔洞。形態(tài)學(xué)處理是一種常用的圖像處理方法，形態(tài)學(xué)處理是指將數(shù)字形態(tài)學(xué)作為工具從圖像中提取對(duì)于表達(dá)和描繪區(qū)域形狀有用處的圖像分量，比如邊界、骨架以及凸殼，還包括用于預(yù)處理或后處理的形態(tài)學(xué)過濾、細(xì)化和修剪等[12]。膨脹和腐蝕這兩種操作是形態(tài)學(xué)處理的基礎(chǔ)，許多形態(tài)學(xué)算法都是以這兩種運(yùn)算為基礎(chǔ)的。閉運(yùn)算操作是先膨脹后腐蝕，而開運(yùn)算操作是先腐蝕后膨脹。開運(yùn)算常用于去除背景上的噪聲，閉運(yùn)算常用于去除目標(biāo)上的小孔洞。通過開、閉運(yùn)算可以將背景和目標(biāo)上的噪聲基本去除，但在背景上若出現(xiàn)較大面積的連通區(qū)域，則無法直接通過開運(yùn)算去除?？紤]到本文中的目標(biāo)是二值化結(jié)果中最大的連通區(qū)域，因此，可以通過計(jì)算連通區(qū)域的面積，去除背景上的小連通區(qū)域，只保留最大的連通區(qū)域。本文采用Two-pass(兩遍掃描法)進(jìn)行連通區(qū)域的檢測與標(biāo)記。連通區(qū)域一般是指圖像中具有相同像素值且位置相鄰的前景像素點(diǎn)組成的圖像區(qū)域。兩遍掃描法，指的是通過掃描兩遍圖像，即可以將圖像中存在的所有連通區(qū)域找出并標(biāo)記。該方法的主要思路：第一遍掃描時(shí)賦予每個(gè)像素位置一個(gè)label，掃描過程中同一個(gè)連通區(qū)域內(nèi)的像素集合中可能會(huì)被賦予一個(gè)或多個(gè)不同label，因此需要將這些屬于同一個(gè)連通區(qū)域但具有不同值的label合并，即記錄它們之間的相等關(guān)系；第二遍掃描是將具有相等關(guān)系的equal_labels所標(biāo)記的像素歸為一個(gè)連通區(qū)域并賦予一個(gè)相同的label(通常這個(gè)label是equal_labels中的最小值)。

本文對(duì)R，G通道的二值化圖像(圖2(f)，(g))，采用開、閉運(yùn)算完成形態(tài)學(xué)處理，并進(jìn)行連通區(qū)域面積篩選之后，得到的結(jié)果如圖2(h)，(i)所示。

2.5 圖像分割

使用閾值分割得到的分割結(jié)果往往存在邊緣不夠光滑，容易受邊緣噪聲影響的問題，盡管經(jīng)過形態(tài)學(xué)處理之后已基本去除噪聲的影響，但邊緣不夠光滑的問題仍未得到解決。由于本文的目的是為了檢測血清液位，因此，邊緣檢測是否準(zhǔn)確對(duì)本文結(jié)果的影響很大。在已有閾值分割結(jié)果的情況下，目標(biāo)位置已經(jīng)得到定位，在此基礎(chǔ)上，MorphSnakes算法[13]可以給出更好的分割結(jié)果，有效地解決邊緣問題。

MorphSnakes算法運(yùn)用數(shù)學(xué)形態(tài)學(xué)進(jìn)行輪廓演化，將形態(tài)學(xué)算子應(yīng)用于GAC[14]、ACWE[15]模型的輪廓演化偏微分方程的求解，不需要使用復(fù)雜的數(shù)值求解算法，但可以實(shí)現(xiàn)速度更快，結(jié)果更穩(wěn)定。MorphSnakes算法主要包含MorphGAC和MorphACWE兩個(gè)模型，其中MorphACWE模型具有對(duì)初始輪廓曲線不敏感，圖像不需要進(jìn)行預(yù)處理，適用條件范圍廣等優(yōu)點(diǎn)，因此，本文中采用MorphACWE模型進(jìn)行圖像分割。其中，ACWE是基于曲線演化理論和水平集方法的，零水平集函數(shù)在一個(gè)偏微分方程的控制下進(jìn)行演化。ACWE模型通過極小化如下能量泛函實(shí)現(xiàn)圖像分割

F(c1,c2,C)=μ.length(C)+v.area(inside(C))+

(2)

式中I(X)為待分割的圖像，C為演化曲線，μ,v,λ1,λ2均為非負(fù)權(quán)系數(shù)。c1,c2分別為圖像I在輪廓內(nèi)外的平均灰度值，具有如下表達(dá)式

ACWE函數(shù)的簡化版的Euler-Lagrange方程

λ2(I-c2)2)

(3)

式中u∶Rd→R為水平集函數(shù)，d為超平面維度。

MorphACWE算法可有以下3步完成

式中n為迭代次數(shù)，Dd和Ed為膨脹和腐蝕的離散表示。SId°ISd為離散的曲線形態(tài)學(xué)算子。

本文將經(jīng)過形態(tài)學(xué)處理的的目標(biāo)區(qū)域作為初始圖像分割結(jié)果，以圖像分割結(jié)果輪廓的最小外接矩形作為初始輪廓，采用MorphSnakes算法中的MorphACWE模型，對(duì)R通道圖像和B通道圖像進(jìn)行圖像分割，最終分別得到相應(yīng)的目標(biāo)區(qū)域，分割結(jié)果如圖2(j)，(k)所示。

2.6 液位識(shí)別

由于本文中檢測采血管中血清的上下液位高度的目的是為了確保儀器樣本針采血時(shí)可以準(zhǔn)確地采到血清。因此，本文中有關(guān)血清的上下液位高度計(jì)算遵循以下原則。對(duì)于血清的上液位，計(jì)算血清上表面最低位置作為上液位高度；對(duì)于血清的下液位，可以通過計(jì)算血凝塊上表面最高位置作為下液位高度。通過R通道圖像得到的分割結(jié)果，即血凝塊區(qū)域，可以計(jì)算得到血清的下液面高度。通過B通道圖像得到的分割結(jié)果，即血液區(qū)域，可以計(jì)算得到血清的上液面高度。

對(duì)于血凝塊區(qū)域，只需要計(jì)算圖像中連通區(qū)域最大縱坐標(biāo)即可，該坐標(biāo)即為血清下液面位置。對(duì)于血液區(qū)域，需要計(jì)算圖像中柱形連通區(qū)域的頂部表面的最小縱坐標(biāo)。因此，需要確定頂部區(qū)域位置，進(jìn)行計(jì)算得到該區(qū)域的最小縱坐標(biāo)，該坐標(biāo)即為血清上液面位置。

由于已知采血管呈柱形，圖像分割結(jié)果亦呈柱形，可通過將中間樣本管區(qū)域去除，得到柱形頂部和底部的凹凸部分。對(duì)圖2(k)中的分割結(jié)果，可根據(jù)分割結(jié)果的水平方向上投影的像素個(gè)數(shù)(即寬度)，來判斷是否為頂部或底部凹凸部分。如圖3所示，是圖2(k)中的分割結(jié)果寬度所對(duì)應(yīng)的縱坐標(biāo)統(tǒng)計(jì)圖。

圖3 寬度豎直方向投影統(tǒng)計(jì)

如圖3所示，由于已知樣本管呈圓柱形，通常情況下，圓柱形寬度所對(duì)應(yīng)的縱坐標(biāo)個(gè)數(shù)遠(yuǎn)多于上下凹凸面所對(duì)應(yīng)的縱坐標(biāo)個(gè)數(shù)。因此，可以通過找到最小突變位置，來確定上下凹凸面位置，如圖可知，最小突變位置對(duì)應(yīng)的寬度為240，該寬度是所檢測到的最小樣本管寬度，可將小于該值的寬度均認(rèn)為是上下凹凸面部分，即頂端和底端部分。通過去除寬度大于等于240的區(qū)域，只保留上下凹凸面部分，可得到圖2(l)。由于只需要計(jì)算頂端區(qū)域的最小縱坐標(biāo)，因此通過篩選只保留頂端區(qū)域可得到圖2(m)，計(jì)算圖中連通區(qū)域的最小縱坐標(biāo)即可，該坐標(biāo)即為血清上液面位置。

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)中,固定相機(jī)位置，使得1 mm的寬度在圖像中對(duì)應(yīng)20個(gè)像素，精度可達(dá)0.05 mm。本文實(shí)驗(yàn)中選用的樣本管為外徑12.5 mm,長度100 mm的采血管。本文共選取100例采血管樣本，80例為血清量正常的樣本，其他20例為血清高度小于10 mm的血清量不足的樣本。采用本文方法對(duì)采血管圖像進(jìn)行檢測，并通過檢測得到的血清上下液位計(jì)算得出血清高度。將本文方法的血清液位高度檢測結(jié)果與人工測量結(jié)果進(jìn)行對(duì)比，如表1所示，上下液位高度誤差均在0.15 mm范圍內(nèi)，且絕大多數(shù)滿足誤差小于0.05 mm。采用本文方法得到的血清高度，進(jìn)行血清量正常與否的判別。實(shí)驗(yàn)結(jié)果如表2所示，對(duì)于20例血清不足的樣本均能正確識(shí)別，對(duì)于80例血清量正常的樣本只有1例出現(xiàn)誤判，其真實(shí)的血清高度為10 mm，檢測結(jié)果為9.95 mm，誤差在0.05 mm。結(jié)果表明血清量不足的檢出率為100 %，血清量正常的識(shí)別正確率為98.75 %。這表明將該方法用于提示采血管血清量不足具有一定的應(yīng)用價(jià)值。

表1 液位檢測結(jié)果

表2 實(shí)驗(yàn)結(jié)果

對(duì)于80例血清量正常的采血管樣本，根據(jù)上下液位的檢測結(jié)果，模擬儀器樣本針位置為上下液位中間位置，結(jié)果表明儀器樣本針位置全部都落在血清區(qū)域。這表明可將該方法用于調(diào)整儀器樣本針位置采集血清。

4 結(jié)束語

本文采用圖像識(shí)別的方法實(shí)現(xiàn)了采血管上下液位高度的自動(dòng)化檢測，并且實(shí)驗(yàn)結(jié)果表明該方法檢測結(jié)果精度高，將其用于提示采血量不足結(jié)果具有可靠性。將本文方法應(yīng)用于使用血清進(jìn)行檢驗(yàn)的體外診斷儀器中，可以通過實(shí)現(xiàn)血清上下液位高度的自動(dòng)化準(zhǔn)確定位，進(jìn)而實(shí)現(xiàn)采血量不足的智能化提示，有效避免因采血量不足對(duì)檢驗(yàn)結(jié)果造成的影響，也可以用于調(diào)節(jié)儀器樣本針位置準(zhǔn)確采集血清。