图像处理装置及基于图像的试纸辨识方法与流程

1.本发明是有关于一种试纸判读技术，且特别是有关于一种图像处理装置及基于图像的试纸辨识方法。


背景技术：

2.针对部分疾病(例如，肺炎、流感、糖尿病等)或身体状态(例如，排卵、怀孕等)，若欲达成快速筛检，医疗人员会使用相关检验试纸来检测。然而，大多数的医疗人员都是使用人工目测来判断试纸的阳性与阴性反应。当试纸的反应不明显时，仅能依靠医疗人员的视力与直觉，进而提升误判率。


技术实现要素：

3.有鉴于此，本发明实施例提供一种图像处理装置及基于图像的试纸辨识方法，依据试纸图像在不同位置之间的数值差异来判读阳性与阴性反应，以降低误判率。
4.本发明实施例的基于图像的试纸辨识方法包括(但不仅限于)下列步骤：判断试纸图像在第一轴上的数个代表值。这试纸图像是针对试纸拍摄所得的。这试纸中的测试线或控制线所平行的第二轴垂直于第一轴。依据那些代表值中的第一代表值及第二代表值之间的差异判断这试纸的测试结果。测试结果包括阳性及阴性。
5.本发明实施例的图像处理装置包括(但不仅限于)存储器及处理器。存储器储存代码。处理器耦接存储器。处理器经配置用以载入代码而执行下列步骤：判断试纸图像在第一轴上的数个代表值，并依据那些代表值中的第一代表值及第二代表值之间的差异判断这试纸的测试结果。这试纸图像是针对试纸拍摄所得的。这试纸中的测试线或控制线所平行的第二轴垂直于第一轴。测试结果包括阳性及阴性。
6.基于上述，依据本发明实施例的图像处理装置及基于图像的试纸辨识方法，基于试纸图像在第一轴上的两个代表值的变化量(即，差异)判断试纸为阳性或阴性。藉此，可提升阳性及阴性反应的辨识准确度。
7.为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附图式作详细说明如下。
附图说明
8.图1是依据本发明实施例的图像处理装置的元件方块图。
9.图2是依据本发明实施例的基于图像的试纸辨识方法的流程图。
10.图3是依据本发明实施例的图像特征强化的流程图。
11.图4是依据本发明实施例的代表值判断的流程图。
12.图5是依据本发明实施例的有限微分的示意图。
13.图6a是依据本发明实施例的初始的试纸图像的示意图。
14.图6b是依据本发明实施例的图6a经有限微分的图像的示意图。
15.图7是依据本发明实施例说明特征计算的示意图。
16.图8a是依据本发明实施例的在光源分布不均下的试纸图像的示意图。
17.图8b是依据本发明实施例的代表值分布的示意图。
18.图8c是依据本发明实施例的参考值决定的示意图。
19.图8d是依据本发明实施例的曲线的示意图。
20.图8e是依据本发明实施例的经光线校正的代表值分布的示意图。
21.图9是依据本发明实施例的反应判读的流程图。
22.图10a～图10e是依据本发明实施例的波形趋势的示意图。
23.图11是一范例说明反应不均匀。
24.图12a是依据本发明实施例的次区域分割的示意图。
25.图12b是依据本发明实施例的位置差异的示意图。
26.图12c是依据本发明实施例的强度差异的示意图。
27.附图符号说明：
28.100、图像处理装置；
29.110、存储器；
30.111、特征强化模组；
31.113、代表决定模组；
32.115、判读模组；
33.130、处理器；
34.150、图像选取装置；
35.s210～s250、s310～s350、s710～s750、s1201～s1208、步骤；
36.cl、控制线；
37.b1、b2、区域；
38.v1、v2、统计代表值；
39.h1～h3、跨越距离；
40.d、差值；
41.vh1～vh9、第一代表值；
42.vl1～vl9、第二代表值；
43.ti、试纸图像；
44.vb1～vb4、参考值；
45.b1～b7、主区块；
46.fc、曲线；
47.sb1～sb4、次区块；
48.ph、pl、位置；
49.dp、位置差异；
50.dv、强度差异。
具体实施方式
51.图1是依据本发明实施例的图像处理装置100的元件方块图。请参照图1，图像处理
装置100包括(但不仅限于)存储器110及处理器130。图像处理装置100可以是台式机、笔记本、智能手机、平板电脑、服务器、医疗检测仪器或其他运算装置。
52.存储器110可以是任何型态的固定或可移动随机存取存储器(radom access memory，ram)、只读存储器(read only memory，rom)、闪存(flash memory)、传统硬盘(hard disk drive，hdd)、固态硬盘(solid-state drive，ssd)或类似元件。在一实施例中，存储器110用以记录代码、软件模组(例如，特征强化模组111、代表决定模组113及判读模组115)、组态配置、数据(例如，图像、代表值、差异、参考值、距离、门槛值等)或档案，并待后文详述其实施例。
53.处理器130耦接存储器110，处理器130并可以是中央处理单元(central processing unit，cpu)、图形处理单元(graphic processing unit，gpu)，或是其他可程序化的一般用途或特殊用途的微处理器(microprocessor)、数字信号处理器(digital signal processor，dsp)、可程序化控制器、现场可编程逻辑门阵列(field programmable gate array，fpga)、特殊应用集成电路(application-specific integrated circuit，asic)、神经网络加速器或其他类似元件或上述元件的组合。在一实施例中，处理器130用以执行图像处理装置100的所有或部分作业，且可载入并执行存储器110所记录的各代码、软件模组、档案及数据。
54.在一实施例中，图像处理装置100更包括图像选取装置150。图像选取装置150耦接处理器130。图像选取装置150可包括图像传感器(例如，电荷耦合装置(charge coupled device，ccd)、互补金属氧化物半导体(complementary metal-oxide-semiconductor，cmos)等)、光学镜头、图像控制电路、图像处理器等元件。
55.在一实施例中，图像选取装置150的镜头规格(例如，取像光圈、倍率、焦距、取像可视角度、图像传感器大小等)及其数量可依据实际需求而调整。
56.在一实施例中，图像选取装置150用以对试纸拍摄，以取得试纸图像。试纸可能是针对特定疾病(例如，肺炎、流感、或糖尿病)、身体状态(例如，怀孕、或排卵)或其他类型检测。
57.下文中，将搭配图像处理装置100中的各项装置、元件及模组说明本发明实施例所述的方法。本方法的各个流程可依照实施情形而随之调整，且并不仅限于此。
58.图2是依据本发明实施例的基于图像的试纸辨识方法的流程图。请参照图2，特征强化模组111可对试纸图像强化图像特征(步骤s210)。具体而言，处理器130可通过内建或外接的图像选取装置150取得试纸图像，或者处理器130可自服务器、电脑或储存媒体下载试纸图像。此外，图像特征是供后续阴性及阳性反应判断或控制线辨识所用。
59.在一实施例中，特征强化模组111可对试纸图像进行白平衡处理、gamma校正、及/或滤波处理。举例而言，图3是依据本发明实施例的图像特征强化的流程图。请参照图3，在一些应用情境下，对试纸拍摄的光源的色温可能不同(例如，4500k～6000k)，并使得不同来源的试纸图像的白平衡不同。特征强化模组111可对初始的试纸图像进行白平衡处理(步骤s310)。在一实施例中，特征强化模组111可设定目标色温。例如，红色、绿色及蓝色的目标色温分别为101、205及164，但不以此为限。特征强化模组111可取得整张或部分试纸图像的各原色的强度的统计量(例如，平均值、中位数或众数)，并依据目标色温与统计量的比值(或称倍率)调整试纸图像中的所有或部分的像素(pixel)。例如，白平衡处理的数学公式为：
60.new_r＝tr/avg_r(x_r)
×rꢀꢀ
(1)
61.其中，r为红色像素的强度，tr为设定目标的红色像素强度，x_r为输入/初始的试纸图像中某一个红色像素的强度，new_r为白平衡后的红色像素的强度(对应于目标色温)，avg_r为整张试纸图像的红色像素的平均值，且其余原色可此类推。
62.须说明的是，在其他实施例中，特征强化模组111也可以使用其他白平衡校正，或忽略/禁能白平衡处理。
63.在一些应用情境中，显色差异度的提升有助于后续阴性或阳性反应的辨识。特征强化模组111可对试纸图像进行gamma校正(步骤s330)。例如，gamma校正的数学公式为：
[0064][0065]
其中，vout为输出值，a为常数并例如为1.0，vin为输入值(初始或经白平衡校正的试纸图像中的某一像素的原色的强度)，r为校正参数并例如为1.5。
[0066]
须说明的是，在其他实施例中，特征强化模组111也可以使用其他gamma校正，或忽略/禁能gamma校正。
[0067]
在一些应用情境中，试纸可能有脏污。特征强化模组111可对试纸图像进行滤波处理(步骤s350)。例如，滤波处理为中值滤波、均值滤波、高斯滤波或方框滤波。在一些实施例中，滤波处理也可变更为模糊处理。
[0068]
须说明的是，在其他实施例中，特征强化模组111也可以使用其他滤波处理，或忽略/禁能滤波处理。此外，在一些实施例中，步骤s310～s350的顺序可能改变，步骤s310～s350中的任一者、两者或全部可忽略，或者是采用诸如对比度调整、暗部调整等图像处理。
[0069]
代表决定模组113可判断试纸图像在第一轴上的一个或更多个代表值(步骤s230)。具体而言，假设试纸中的测试线及/或控制线所平行的轴称为第二轴，则第二轴垂直于第一轴。以图6a为例，控制线cl与垂直轴(即，平行于图面的上下方向)平行并垂直于平行轴(即，平行于图面的左右方向)。
[0070]
值得注意的是，控制线及/或测试线是反应特定试剂而显色或变色，且经反应的控制线及/或测试线通常在第一轴上与相邻区域(例如，非控制线及测试线的一行或更多行像素)是不同彩度、亮度及/或色相。因此，判断第一轴上的相邻区段(例如，间距一个或更多个像素)的变化及/或差异可有助于后续反应的判读。各代表值(作为图像特征)可对应于试纸图像在第一轴上分割后的数个区段中的一者。即，各代表值可视为区段上的代表数值。依据不同应用情境，代表决定模组113可纵向分割试纸图像成为数个区段。以图6b为例，代表决定模组113沿着与控制线cl平行的方向分割试纸图像，相邻一个像素分割一次，再分别判断每一行像素的代表值。
[0071]
图4是依据本发明实施例的代表值判断的流程图。请参照图4，在一实施例中，代表决定模组113可依据第一轴上的数个区段的统计量决定对应的数个统计代表值(即，降维处理(步骤s710))。统计量可以是平均值、众数、中位数或其他对区段内的全部或部分像素进行函数运算所得的值。例如，代表决定模组113判断试纸图像中各行像素的平均值并作为各行像素的统计代表值。而代表值相关于那些统计代表值。例如，代表值为统计代表值或对统计代表值进行函数运算所得的值。相同地，各统计代表值也对应于试纸图像在第一轴上分割后的那些区段中的一者。即，代表值与区段是一对一匹配/映射。藉此，试纸图像的二维资料可转换成一维资料。
[0072]
在另一实施例中，代表决定模组113可对试纸图像中的那些区段采用其他资料降维处理。例如，主要特征选取、取样、或矩阵运算。
[0073]
在一实施例中，代表决定模组113可依据各统计代表值与间隔跨越(stride)距离的另一统计代表值之间的差异决定数个差异代表值中的一者(即，强化差异(步骤s730))。为了更加凸显反应区域(例如，测试线及/或控制线)及非反应区域(测试线及控制线以外的区域)之间的差异，代表决定模组113可直接依据这差异来产生代表值。值得注意的是，若试纸图像中的两个位置的统计代表值之间的差异较小(例如，小于特定门槛值)，则代表这两个位置同属于反应区域或非反应区域。反之，若试纸图像中的两个位置的统计代表值之间的差异较大(例如，大于门槛值)，则代表这两个位置分别位于反应区域及非反应区域。而那些差异代表值可作为代表值。此外，跨越距离相关于测试线或控制线在第一轴的宽度。例如，测试线的宽度为10个像素，则跨越距离为5～8个像素。即，宽度与跨越距离的差距小于对应门槛值，但不以此为限。
[0074]
在一实施例中，代表决定模组113可依据跨越距离决定各统计代表值所形成的连线经有限微分后的计算值。假设一坐标系中的x轴对应于第一轴(即，位置，例如，某一行像素)且y轴对应于第二轴(即，代表值；例如，原色的强度)。那些统计代表值可在这坐标系形成坐标点，且这些坐标点形成连线(通过这些坐标点)。假设这连线可趋近于一个函数，则对此函数的有限微分即是用于求此函数的近似解。其中，有限微分是均匀分割定义域。即，限制定义域的范围。在这实施例中，各计算值可作为那些差异代表值中的一者，且跨越距离相关于有限微分的限制定义域(即，对第一轴分割)。
[0075]
举例而言，图5是依据本发明实施例的有限微分的示意图。请参照图5，代表决定模组113对绿色的数个统计代表值有限微分。例如，代表决定模组113将相距跨越距离h1的两个统计代表值v1,v2(以强度为例)的差值d除以跨越距离h1，即得出计算值，且这计算值为差异代表值。代表决定模组113也可决定两个统计代表值v1,v2的相邻值的计算值，并依此类推(如图所示跨越距离h1往第一轴的方向位移)。此外，跨越距离h1也可变更为更大的跨越距离h2,h3。
[0076]
图6a是依据本发明实施例的初始的试纸图像的示意图，且图6b是依据本发明实施例的图6a经有限微分的图像的示意图。请参照图6a及图6b，经有限微分所得的差异代表值在控制线cl的位置附近有大幅的变化。例如，第一轴上的位置在400的差异代表值为-20，但位置在500的差异代表值为20。
[0077]
在另一实施例中，代表决定模组113可对相距跨越距离的两统计代表值进行其他函数运算。例如，平方差、或平方根差。
[0078]
在一实施例中，代表决定模组113可对那些代表值滤波处理，以过滤杂讯(步骤s750)。滤波处理可以是中值滤波、均值滤波或是模糊处理。
[0079]
须说明的是，在一些实施例中，可忽略/禁能步骤s730及步骤s750中的至少一者。
[0080]
判读模组115可依据那些代表值中的第一代表值及第二代表值之间的差异判断试纸的测试结果(步骤s250)。具体而言，由图6a及图6b可知，相邻代表值的大幅变化可能是控制线或测试线有变色或显色。因此，代表值之间的差异(作为图像特征)可用于判断变色或显色的情况。
[0081]
举例而言，图7是依据本发明实施例说明特征计算的示意图。请参照图7，在两虚线
的间隔(不限于此宽度)中的第一代表值vh1(例如，这间隔内的最大值)及第二代表值vl1(例如，这间隔内的最小值)之间的差异可作为图像特征。
[0082]
须说明的是，图7所示第一代表值vh1为最大值且第二代表值vl1为最小值，但于其他实施例中，第一代表值vh1也可选自次大者、第三大者或其他大小排序者，且第二代表值vl1也可选自次小者、第三小者或其他大小排序者。在一实施例中，第一代表值vh1大于第二代表值vl1。在另一实施例中，第一代表值vh1小于或等于第二代表值vl1。
[0083]
此外，测试结果包括阳性及阴性。一般而言，测试线显色或变色表示阳性，而测试线未显色或未变色表示阴性，但不以此为限(仍有可能相反)。因此，变色或显色的情况的发生代表阳性，反之则为阴性(仍有可能相反)。判读模组115例如可将两代表值(即，第一及第二代表值)之间的差异与特征门槛值比较，并依据比较结果决定测试结果。例如，若比较结果为两代表值的差异小于特征门槛值，则测试结果为阴性。而若比较结果为两代表值的差异大于特征门槛值，则测试结果为阳性。须说明的是，判读模组115可依据已知阴性样本(即，被判读为阴性的试纸图像)及/或已知阳性样本(即，被判读为阳性的试纸图像)的统计量决定特征门槛值。例如，数个阴性样本的差异在三个标准差(基于常态分布)的数值作为特征门槛值。
[0084]
除此之外，代表值可进一步用于光线校正。图8a是依据本发明实施例的在光源分布不均下的试纸图像的示意图，且图8b是依据本发明实施例的代表值分布的示意图。请参照图8a及图8b，假设光源投射在试纸的某一侧，则对试纸拍摄会受光源分布不均的影响。例如，在图8a中，试纸图像ti的右侧较为亮，但左侧稍微深。在图8b中，代表值(以统计代表值为例)的强度在右侧较高，且在左侧较低。此时，代表值的曲线倾斜。值得注意的是，此时，尚未使用试纸测试。
[0085]
在一实施例中，判读模组115可对那些代表值在第一轴上分割成数个主区块。以图8a为例，对试纸图像ti纵向分割。举例而言，图8c是依据本发明实施例的参考值决定的示意图。请参照图8c，试纸图像ti包括主区块b1～b4且这些主区块b1～b4的大小大致相同。须说明的是，主区块的大小及数量可依据实际需求而变更。判读模组115可决定各主区块中的那些代表值的参考值。参考值可以是对应主区块的统计量或经其他函数所得的值。以图8c为例，主区块b1～b4的参考值vb1～vb4为其内的所有或部分的代表值的平均值。
[0086]
判读模组115可依据那些主区块的参考值所形成的曲线及目标值修正那些代表值。这目标值相关于亮度校正的目标。例如，红色的目标为120，绿色的目标为180，且蓝色的目标为188。另一方面，图8d是依据本发明实施例的曲线的示意图。请参照图8d，判读模组115可对参考值vb1～vb4进行曲线拟合(curve fitting)(例如，插值法、或递归分析)，并据以形成通过这些参考值vb1～vb4的曲线fc。
[0087]
在一些实施例中，曲线fc可用方程式表示。例如，三阶方程式ax3 bx2 cx d＝y。其中，x代表x轴(对应于第一轴及位置)的坐标，y代表y轴(对应于第二轴及代表值)的坐标，且a、b、c及d为系数。判读模组115可将各原色的目标值与曲线在强度上的差异，得出各位置所应校正的值。以图8d为例，判读模组115将红色的目标值带入前述三阶方程式中的y以求出最后的数值(即，系数d)。而判读模组115将特定位置(例如，x为10)带入方程式后即可得出此位置的新校正值(即，所应增加或减少的修正值)。针对其他位置，也可以通过相同带入方式得出对应的新校正值。
[0088]
得出各位置的新校正值后，试纸可供测试，且图像处理装置100取得对应的试纸图像。判读模组115可依据对应位置的校正值调整试纸图像上的像素。此时，同一行或同一区段(可能包括数行)像素可使用相同的新校正值。
[0089]
图8e是依据本发明实施例的经光线校正的代表值分布的示意图。请参照图8e，经光线校正后，图8e上的各原色的强度接近或相同于目标值。
[0090]
在一实施例中，判读模组115可分别计算统计代表值与目标值的比值，并对同一行或同一区段像素使用相同的比值调整强度。在其他实施例中，判读模组115也可使用其他亮度校正演算法。
[0091]
此外，代表值也能用于排除伪阳性。在一些应用情境中，部分已受判读为阳性的试纸事实上是阴性。图9是依据本发明实施例的反应判读的流程图。请参照图9，判读模组115可判断第一代表值及第二代表值的波形趋势，并依据这波形趋势判断测试结果(例如，是否为阳性)(步骤s1201)。具体而言，波形趋势为第一代表值至第二代表值在第一轴上的强度趋势。在这实施例中，前述第一及第二代表值之间的差异为波形趋势。假设第一代表值为最大值，且第二代表值为最小值。波形可以是所有代表值的连线的形状。由于试纸中阳性反应的区域较周围颜色更深，因此基于代表值(例如，有限微分是左边位置的值减右边位置的值)，代表值的波形趋势应是由左至右先高后低。
[0092]
图10a～图10e是依据本发明实施例的波形趋势的示意图。以差异代表值为例，请参照图10a，判读模组115可在主区块b5中决定最高值为第一代表值vh2，且决定最低值为第二代表值vl2。由于第一代表值vh2位于第二代表值vl2右侧(即，由左至右的强度为先低后高)，因此判读模组115可判断这试纸为伪阳性，并据以判断为测试结果为阴性(步骤s1202)。
[0093]
请参照图10b，假设在主区块b5中有比第一代表值vh2更高的另一个第一代表值vh3。由于第一代表值vh3位于第二代表值vl2左侧(即，由左至右的强度为先高后低)，因此判读模组115可进一步通过其他机制判断测试结果或直接认定测试结果为阳性。
[0094]
请参照图10c，由于第一代表值vh5位于第二代表值vl5右侧(即，由左至右的强度为先低后高)，因此判读模组115可判断这试纸的测试结果为阴性。
[0095]
请参照图10d，由于第一代表值vh6位于第二代表值vl6右侧(即，由左至右的强度为先低后高)，因此判读模组115可判断这试纸的测试结果为阴性。
[0096]
请参照图10e，在主区块b6中，由于第一代表值vh7位于第二代表值vl7右侧(即，由左至右的强度为先低后高)，因此判读模组115可判断这试纸的测试结果为阴性。藉由过滤这些伪阳性，将有助于增进判读的准确率。
[0097]
在一些应用情境中，请参照图11是一范例说明反应不均匀，当试剂在试纸上由左向右扩散时，在早期会有不均匀的情况，进而提升误判的机率。
[0098]
为了过滤不均匀的伪阳性情况，在一实施例中，判读模组115可判断第一代表值及第二代表值的位置差异，并依据这位置差异判断测试结果。具体而言，位置差异为第一代表值与第二代表值在第一轴的位置之间的差异。在这实施例中，前述第一及第二代表值之间的差异为位置差异。
[0099]
判读模组115可对反应区域(可能对应于一个或更多个主区块)在第二轴上分割成数个次区域(步骤s1203)。即，对主区块横向切割。举例而言，图12a是依据本发明实施例的
次区域分割的示意图。请参照图12a，主区块b7包括四个次区块sb1～sb4。须说明的是，次区块sb1～sb4的高度及数量可视实际需求而变更。
[0100]
判读模组115可自那些次区块中的一者或更多者决定第一代表值及第二代表值，并决定第一代表值及第二代表值的位置差异。举例而言，图12b是依据本发明实施例的位置差异的示意图。请参照图12b，针对某一次区块(例如，图12a的次区块sb1)，判读模组115决定第一代表值vh8及第二代表值vl8，并决定两者在第一轴(即，图面的左右方向)所处位置ph,pl的位置差异dp。
[0101]
在一实施例中，判读模组115可将那些次区域的差异(在这实施例为位置差异)中的二者之间的第二差异与位置门槛值比较，以产生比较结果。例如，判读模组115自那些次区块中挑选位置差异的最大者及最小者，并将最大者与最小者的差异作为第二差异。又例如，判读模组115自那些次区块中挑选任意两者。
[0102]
在一实施例中，判读模组115可判断位置差异代表值是否小于位置门槛值(步骤s1204)。位置差异代表值可以是前述两次区域的位置差异之间的第二差异，或是第二差异除以所挑选的次区域的二者中的一者所得的值。例如，位置差异代表值的公式为：(max_line_position
–
min_line_position)/max_line_position
×
100％。其中，max_line_position为次区域的最大者，min_line_position为次区域的最小者。以图12a为例，假设次区域sb1的位置差异为60，次区域sb2的位置差异为70，次区域sb3的位置差异为55，且次区域sb4的位置差异为65。位置差异代表值为(70-55)/70
×
100％＝21.428％。
[0103]
另一方面，判读模组115可依据已知阴性样本及/或已知阳性样本的统计量决定位置门槛值。例如，数个阴性样本的位置差异代表值在三个标准差(基于常态分布)的数值作为位置门槛值。
[0104]
判读模组115可依据位置差异代表值(相关于第二差异)与位置门槛值的比较结果决定测试结果。若比较结果是位置差异代表值小于位置门槛值，则判读模组115可判断这试纸的测试结果为阴性(步骤s1205)。若比较结果是位置差异代表值大于位置门槛值，则判读模组115可进一步通过其他机制判断测试结果或直接认定测试结果为阳性。
[0105]
在一实施例中，判读模组115可判断第一代表值及第二代表值的强度差异，并依据这强度差异判断测试结果。具体而言，强度差异为第一代表值与第二代表值的数值之间的差异。在这实施例中，前述第一及第二代表值之间的差异为强度差异。相似地，判读模组115可对反应区域(可能对应于一个或更多个主区块)在第二轴上分割成数个次区域。此外，判读模组115可自那些次区块中的一者或更多者决定第一代表值及第二代表值，并决定第一代表值及第二代表值的强度差异。举例而言，图12c是依据本发明实施例的强度差异的示意图。请参照图12c，针对某一次区块(例如，图12a的次区块sb2)，判读模组115决定第一代表值vh9及第二代表值vl9，并决定两者在强度/数值上的强度差异dv。
[0106]
在一实施例中，判读模组115可将那些次区域的差异(在这实施例为强度差异)中的二者之间的第二差异与强度门槛值比较，以产生比较结果。例如，判读模组115自那些次区块中挑选强度差异的最大者及最小者，并将最大者与最小者的差异作为第二差异。又例如，判读模组115自那些次区块中挑选任意两者。
[0107]
在一实施例中，判读模组115可判断强度差异代表值是否小于强度门槛值(步骤s1206)。强度差异代表值可以是前述两次区域的强度差异之间的第二差异，或是第二差异
除以所挑选的次区域的二者中的一者所得的值。例如，强度差异代表值的公式为：(max_strength_distance
–
min_strength_distance)/max_strength_position
×
100％。其中，max_strength_distance为次区域的最大者，min_strength_distance为次区域的最小者。以图12a为例，假设次区域sb1的强度差异为9，次区域sb2的强度差异为10，次区域sb3的强度差异为11，且次区域sb4的强度差异为11。强度差异代表值为(11-9)/11
×
100％＝18.182％。
[0108]
另一方面，判读模组115可依据已知阴性样本及/或已知阳性样本的统计量决定强度门槛值。例如，数个阴性样本的强度差异代表值在三个标准差(基于常态分布)的数值作为强度门槛值。
[0109]
判读模组115可依据强度差异代表值(相关于第二差异)与强度门槛值的比较结果决定测试结果。若比较结果是强度差异代表值小于强度门槛值，则判读模组115可判断这试纸的测试结果为阴性(步骤s1207)。若比较结果是位置差异代表值大于位置门槛值，则判读模组115可进一步通过其他机制判断测试结果或直接认定测试结果为阳性(步骤s1208)。
[0110]
须说明的是，前述步骤s1201,s1204,s1206的顺序可变化。此外，在一些实施例中，只要步骤s1201,s1204,s1206中的任一者或任两者符合(即，决定为是)，即可确定测试结果为阳性。在其他实施例中，判读模组115可忽略/省略步骤s1201,s1204,s1206中的至少一者。
[0111]
综上所述，在本发明实施例的图像处理装置及基于图像的试纸辨识方法中，可强化图像特征、以资料降维方式取得代表值且过滤伪阳性。藉此，可提升试纸的阳性或阴性判读的准确性。
[0112]
虽然本发明已以实施例揭露如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的更动与润饰，故本发明的保护范围当视后附的申请专利范围所界定者为准。