确定体液样品中的分析物的浓度的方法、移动装置、试剂盒、计算机程序以及计算机可读存储介质与流程

1.本发明涉及一种确定体液样品中的至少一种分析物的浓度的方法。本发明进一步涉及一种具有至少一个相机的移动装置、用于确定体液样品中的分析物的浓度的试剂盒，并且进一步涉及计算机程序和计算机可读存储介质。该方法、装置、计算机程序和存储介质具体而言可用于医学诊断，以便例如定性或/或定量地检测一种或多种体液中的一种或多种分析物，诸如用于检测血液和/或间质液中的葡萄糖。然而，本技术的其他应用领域也是可能的。


背景技术：

2.在医学诊断领域，在许多情况下，必须在诸如血液、间质液、尿液、唾液或其他类型的体液的体液样品中检测一种或多种分析物。待检测分析物的示例为葡萄糖、甘油三酸酯、乳酸盐、胆固醇或通常存在于这些体液中的其他类型的分析物。如有必要，可根据分析物的浓度和/或存在情况选择适当的处理。在不缩小范围的情况下，本发明具体而言可关于血糖测量来描述。然而，应当指出的是，本发明还可用于使用测试元件的其他类型的分析测量。
3.通常，技术人员已知的设备和方法使用包含一种或多种测试化学物的测试元件，其在待检测的分析物存在下能够进行一种或多种可检测的检测反应，诸如光学可检测的检测反应。关于测试元件中包含的测试化学物，可参考例如 j. hoenes 等人：the technology behind glucose meters: test strips, diabetes technology & therapeutics，第 10 卷，增刊 1，2008 年，s-10 至 s-26。其他类型的测试化学药物也是可能的，并且可用于执行本发明。
4.在分析测量中，具体而言是基于颜色形成反应的分析测量中，一项技术挑战在于评估由于检测反应而引起的颜色变化。除使用专用的分析装置诸如手持式血糖仪以外，近年来，通用电子装置诸如智能电话和便携式计算机或其他移动装置的使用变得越来越普遍。例如，wo 2012/131386 a1 公开了一种用于进行测定的测试设备，该测试设备包括：容纳试剂的容器，该试剂与施加的测试样品反应，发生颜色或模式变化；便携式装置，例如移动电话或膝上型计算机，包括处理器和图像捕获装置，其中处理器配置为处理由图像捕获装置捕获的数据并且输出所施加的测试样品的测试结果。
5.与实验室测量和通过使用专用分析测量装置而执行的测量相对，在使用移动计算装置（诸如智能电话）时，需要考虑各种影响。例如，要考虑照明条件、定位、振动或其他或多或少不可控的条件。
6.us 2018/0146175 al 公开了一种与相机或其他成像装置一起使用的颜色测量装置和方法。该颜色测量装置可以被配置成经由共同拥有的装置来确定许多不同的颜色。实施例利用正弦灰度环来确定未知颜色的精确颜色匹配，即使获得的图像存在透视失真。
7.ep 2 526 683 b1 和 ep 2 526 684 b1 公开了用于从颜色样品的图像确定颜色样品的颜色的方法和系统。
8.wo 2015/038717 a1 描述了一种用于分析流体的系统和方法，该系统具有：不透明容器，用于接收流体样品；变色指示器，其设置在杯体的表面上，当杯体包含流体样品时，该表面浸没在流体样品中；用于与变色指示器的颜色进行比较的颜色标准，其设置在表面上；相机，该相机靠近容器设置使得相机可以看到表面，该相机耦合到处理器；人造光源，以标准照度照亮该表面；光扩散器，其设置在人造光源与表面之间；并且其中处理器接收由相机捕获的图像，从变色指示器提取颜色值，相对于颜色标准对颜色值进行标准化，并将颜色值与变色指示器在暴露于标准化量的待测已知试剂时的已知颜色值进行定量关联。
9.us 2020/0126226 a1 公开了用于分析可见化学反应的系统和方法。在一个实施方式中，该方法可以包括：从与移动通信装置相关联的图像传感器接收靠近具有至少一对有色参考元件的有色表面的试剂垫的图像。该方法包括：在图像中识别试剂垫、第一有色参考元件和第二有色参考元件。此后，该方法包括：使用第一有色参考元件和第二有色参考元件来确定与局部照明条件无关的试剂垫上的化学反应的程度。然后该方法包括：使移动通信装置基于化学反应的程度来提供数据。
10.尽管已知的方法和装置具有优点，但仍存在若干技术挑战。具体而言，使用移动装置以利用光学测试条来确定分析物浓度可能需要准确确定光学测试条的颜色变化，并且因此通常仍然具有挑战性。一般而言，所记录的图像中观察到的亮度也可能取决于各种影响因素，诸如照明源的亮度、快门速度、光圈大小、传感器的灵敏度、传感器增益以及进一步的任何后处理步骤。具体而言，由移动装置捕获的图像的后处理通常是装置特定的过程，并且因此可能对于测量应用程序的制造商是未知的。此外，通常无法针对整个图像执行捕获图像的亮度校正，而必须考虑局部效应（例如由于不均匀照明条件）来执行亮度校正。
11.待解决的问题因此，期望提供一种用于确定体液样品中的分析物的浓度的方法和装置，该方法和装置至少部分地解决了上述技术挑战。具体而言，期望提供一种方法和装置，该方法和装置允许用高精度和可靠性的分析测量，以使用者友好、移动式的方式来确定体液样品中的分析物，并且因此可以考虑局部变化和装置特定的方面。


技术实现要素：

12.通过一种确定体液样品中的至少一种分析物的浓度的方法来解决该问题。此外，通过具有至少一个相机的移动装置、通过包括所述移动装置的试剂盒、通过计算机程序以及通过计算机可读存储介质，利用独立权利要求的特征。在从属权利要求中以及整个说明书中，列出了可以以单独方式或以任意组合实现的有利实施例。
13.如下文所使用的，术语“具有”、“包括”或“包含”或其任意语法变化形式以非排他性方式使用。因此，这些术语既可指除了由这些术语引入的特征之外，在此上下文中描述的实体中不存在其他特征的情况，也可指存在一个或多个其他特征的情况。作为示例，表述“a 具有 b”、“a 包含 b”和“a 包括 b”都可指除 b 之外，a 中不存在其他任何元素的情况（即，a 由 b 单独且唯一地组成的情况），以及除 b 之外，实体 a 中存在一个或多个其他元素诸如元素 c、元素 c 和 d 或甚至其他元素的情况。
14.此外，应注意，指示特征或元素可存在一次或多次的术语“至少一个”、“一个或多个”或类似表述通常在引入相应特征或元素时仅使用一次。在下文中，在大多数情况下，当
提及相应的特征或元素时，尽管相应的特征或元素可能只存在一次或多次，但不会重复使用表述“至少一个”或“一个或多个”。
15.此外，如下文所使用的，术语“优选地”、“更优选地”、“特别地”、“更特别地”、“具体地”、“更具体地”或类似的术语与任选特征结合使用，而不限制替代性的可能性。因此，由这些术语引入的特征是任选特征，并且不旨在以任何方式限制权利要求的范围。如本领域技术人员将认识到的，本发明可通过使用替代性特征来执行。类似地，由“在本发明的一个实施例中”引入的特征或类似表述旨在成为任选特征，而对本发明的替代性实施例没有任何限制、对本发明的范围没有任何限制，并且对将以这种方式引入的特征与本发明的其他任选或非任选特征相组合的可能性也没有任何限制。
16.在本发明的第一方面，公开了一种用于确定体液样品中的至少一种分析物的浓度的方法。该方法包括：使用具有至少一个相机的移动装置。该方法包括以下步骤，作为示例，可按照给定顺序执行以下步骤。然而，应当注意，不同的顺序也是可能的。此外，还可以一次或重复执行一个或多个方法步骤。此外，可以同时或以及时重叠的方式执行两个或更多个方法步骤。该方法可以包括未列出的其他方法步骤。
17.该方法包括：i) 通过使用相机来捕获颜色参考卡的至少一部分以及至少一个光学测试条的对其施加有样品的至少一个试剂测试区的至少一部分的至少一个图像，
‑ꢀ
其中在图像中，测试区处于相对于颜色参考卡的限定位置，
‑ꢀ
其中颜色参考卡包括局部分配到测试区的多个不同的灰色参考区，并且
‑ꢀ
其中颜色参考卡包括具有已知参考颜色值的多个不同颜色参考区和局部分配到颜色参考区的多个不同的灰色参考区；ii) 对步骤 i) 中获得的图像应用至少一个预定的基于像素的平均色调映射校正，从而获得至少一个第一强度校正图像；iii) 通过使用分别局部分配到颜色参考区和测试区的灰色参考区，从第一强度校正图像导出针对颜色参考区中的至少一些颜色参考区以及针对测试区的局部亮度信息；iv) 对第一强度校正图像应用至少一个局部色调映射校正，从而获得至少一个第二强度校正图像，该局部色调映射校正将局部亮度信息考虑在内；以及v) 通过使用第二强度校正图像，基于测试区的颜色形成反应来确定分析物浓度。
18.如本文所用，术语“确定体液样品中的分析物的浓度”（其也称为分析测量）是广义的术语且被赋予对于本领域普通技术人员普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于定量地和/或定性地确定体液的任意样品或等分试样中的至少一种分析物。例如，体液可包含血液、间质液、尿液、唾液或其他类型的体液中一者或多者。作为示例，确定浓度的结果可以是分析物的浓度和/或待确定分析物的存在或不存在。特别地，作为示例，分析测量可以是血糖测量，因此分析测量可得到例如血糖浓度。特别地，可通过分析测量来确定分析测量结果值。
19.因此，如本文所使用的术语“分析物浓度值”（通常也称为“分析测量结果值”）是广义的术语，且将被赋予对于本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于指样品中的分析物浓度的数字指示。
20.作为示例，至少一种分析物可为或可包括一种或多种特定的化学化合物和/或其
他参数。作为示例，可确定一种或多种参与代谢的分析物，诸如血糖。另外地或可替代地，可确定其他类型的分析物或参数，例如 ph 值。
21.如上文所概述，该方法包括：使用具有至少一个相机的移动装置。如本文所用，术语“移动装置”是广义术语，并且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于移动电子设备，更确切地说是指移动通信设备诸如蜂窝电话或智能电话。另外地或可替代地，如下文将进一步详细概述，移动装置也可指具有至少一个相机的平板计算机或另一类型的便携式计算机。
22.如本文所用，术语“相机”是广义术语，并且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于具有至少一个成像元件的设备，该至少一个成像元件被配置用于记录或捕获空间分辨的一维、二维或甚至三维光学数据或信息。作为示例，相机可包括配置成用于记录图像的至少一个相机芯片诸如至少一个 ccd 芯片和/或至少一个 cmos 芯片。如本文所使用但不限于此，术语“图像”具体而言可涉及通过使用相机记录的数据，诸如来自成像设备的多个电子读数，诸如相机芯片的像素。
23.除至少一个相机芯片或成像芯片之外，相机可进一步包括另外的元件，诸如一个或多个光学元件，例如一个或多个透镜。作为示例，相机可为定焦相机，其具有相对于相机固定调整的至少一个镜头。然而，另选地，相机也可包括可自动或手动调整的一个或多个可变镜头。本发明应特别适用于移动应用中常用的相机，诸如笔记本计算机、平板电脑或者特别是蜂窝电话诸如智能手机。因此，具体而言，相机可以是移动装置的一部分，除了至少一个相机外，该移动装置还包括一个或多个数据处理设备诸如一个或多个数据处理器。然而，其他相机也是可行的。
24.相机具体而言可以是彩色相机。因此，诸如对于每个像素，可提供或生成色彩信息，诸如三种颜色的颜色值 r、g、b。更多数量的颜色值也是可行的，诸如每个像素四种颜色值，例如 r、g、g、b。彩色相机通常是本领域技术人员所公知的。因此，作为示例，相机芯片可由多个色彩传感器组成，每个芯片包含三个或更多个色彩传感器，诸如色彩记录像素，如一个像素用于红色 (r)、一个像素用于绿色 (g) 以及一个像素用于蓝色 (b)。对于每个像素，诸如对于 r、g、b，可以根据相应色彩的强度，按像素记录各个值，诸如 0 至 255 范围内的数字值。作为示例，可以使用四元组，诸如 r、g、g、b，而不是使用色彩三元组诸如 r，g，b。像素的感色灵敏度可以通过滤色器或通过相机像素中所用传感器元件的适当的固有灵敏度来产生。这些技术是技术人员所熟知的。
25.如上文进一步概述的，该方法包括：捕获颜色参考卡的至少一部分以及至少一个光学测试条的对其施加有样品的至少一个试剂测试区的至少一部分的至少一个图像。如本文所用，术语“捕获至少一个图像”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于成像、图像记录、图像采集、图像捕获中的一种或多种。术语“捕获至少一个图像”可包括捕获单个图像和/或多个图像诸如图像序列。例如，图像的捕获可以包括连续记录图像序列，诸如视频或电影。可由用户动作发起至少一个图像的捕获，或者可例如一旦自动检测到在视野内和/或在相机的视野的预定扇区内存在至少一个对象就自动发起至少一个图像的捕获。这些自动图像获取技术在例如自动条形码阅读器领域（诸如自动条形码读取应用）中是已知的。例
如，可以通过利用相机采集图像的流或“实时流”来进行图像的捕获，其中图像中的一个或多个图像自动地或通过使用者交互（诸如按下按钮）进行存储并分别用作至少一个第一图像或至少一个第二图像。图像采集可以由移动装置的处理器来支持，并且图像的存储可以在移动装置的数据存储装置中进行。
26.如本文所用，术语“光学测试条”是广义的术语且被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）配置成用于执行颜色变化检测反应的任意元件或设备。光学测试条也可称为测试条或测试元件，其中所有三个术语可指代相同的元件。特别地，光学测试条可具有试剂测试区，该试剂测试区包含用于检测至少一种分析物的至少一种测试化学物。作为示例，光学测试条可包括至少一个基材诸如至少一个载体，其中至少一个试剂测试区被施加于其上或集成在其中。特别地，光学测试条可进一步包括至少一个白色区域，诸如白场，具体而言是在接近测试场的地方，例如封闭或包围测试场。白色区域可以是独立地布置在基材或载体上的单独区。然而，另外地或可替代地，基材或载体本身可为或可包括白色区域。作为示例，至少一个载体可为条带形，从而使测试元件成为测试条。这些测试条通常被广泛使用和提供。一个测试条可承载单个试剂测试区或多个试剂测试区，在测试区中包含相同或不同的测试化学物。
27.如本文所使用的术语“试剂测试区”（又简称为“测试区”）是一个广义术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）一致量的测试化学物，诸如可指具有一个或多个材料层的区（例如，圆形场、多边形场或矩形场），其中在试剂测试区的至少一个层中包含测试化学物。
28.一般而言，如本文所用，术语“区”是广义的术语且被赋予其对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）一致或连续量的材料，诸如测试化学物和/或颜色或着色材料。可以将一致或连续量的材料设置在基材的表面上和/或可以设置或集成到基材中。该区具体而言可以是二维区，例如通过包括设置在基材上和/或集成到基材中的一个或多个材料层。该区具体而言可以具有预定的几何形状，诸如矩形形状（具体而言为正方形形状），或者其他形状，诸如多边形形状或圆形形状（例如环形形状或椭圆形形状）。在下文中，在不限制进一步的可能性的情况下，应假定该区具有矩形形状。具体而言，在颜色参考卡的上下文中，设置在其上的区可以是形成区矩阵（诸如矩形矩阵）的相邻区。其中，这些区均可以具有相同的形状和大小。可替代地，一些区可以具有不同的形状，其中，在宏观上，仍然可以保持全体区的矩阵布置，即使一些区可能具有较大的大小。
29.如本文所用，术语“颜色参考卡”是广义的术语且被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于任意项，其具有设置在其中或设置在其上（诸如在至少一个表面上）的具有已知颜色特性或光学特性的至少一个颜色参考区，诸如具有一个或多个有色区（其具有已知参考颜色值）以及进一步具有至少一个灰色参考区，其具有已知灰度级。作为示例，颜色参考卡可以是包括至少一个基材的扁平卡，该扁平卡具有设置在至少一个表面上或/或设置在其中的具有已知颜色坐标的多个颜色参考区以及至少三个灰色参考区，每个灰色参考区具有不同的已知灰度级。替代地或另外地，颜色参考卡还可以包括具有已知参考颜色值的多个颜色参考区和
具有至少三个不同的已知灰度级的至少一个灰色参考区。例如，具有不同灰度级的灰色参考区可划分为各自具有不同的已知灰度级的多个区段，诸如灰色参考区划分为各自具有不同的已知灰度级的至少三个区段。替代地，具有不同灰度级的灰色参考区可以包括连续渐变的灰度级，诸如灰色参考区包括黑色与白色之间的连续渐变的灰度级。具体而言，基材可以具有其上设置有颜色参考区和灰色参考区的平坦表面。作为示例，基材可以是或可以包括纸基材、纸板基材、塑料基材、陶瓷基材或金属基材中的一者或多者。分层基材也是可能的。作为示例，基材可以是片状的或柔性的。然而，应当注意，基材也可以实现到用品中，诸如实现到盒子、小瓶、容器、医疗耗材（诸如测试条）等的壁中。因此，颜色参考卡也可以完全或部分地集成到光学测试条中。因此，颜色参考卡的至少一部分的至少一个图像可以完全或部分地包括具有至少一个试剂测试区的光学测试条的至少一部分的图像。
30.此外，颜色参考卡可以包括至少一个位置标记。作为示例，至少一个位置标记可以是或可以包括以下各项中的至少一项：用于识别颜色参考卡和/或颜色参考卡类型的标识符，诸如标签、条形码或二维码中的至少一者；说明符，其例如通过使用标签、条形码或二维码中的至少一者来说明颜色参考卡的参考颜色值等细节的；位置标记和/或取向标记，诸如基准标记、aruco 代码等中的至少一者。具体而言，至少一个位置标记可以布置在颜色参考卡的至少一个拐角。因此，移动装置可以被配置用于检测和/或读取标记，具体而言通过以光学方式检测在步骤 i) 中捕获的至少一个图像上的标记以及任选地从标记检索信息，诸如关于类型的信息、颜色参考卡的属性或取向。
31.如本文所使用的术语“灰色参考区”是一个广义术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）任意项，诸如具有已知或可确定的限制、具有颜色或已知灰度级的灰度的区。如本文所用，术语“灰度级”也是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）信息项，其包含区等对象的强度信息，具体而言为关于预定灰度的强度信息。强度信息具体而言可以是关于灰度级上的灰度的信息，具体而言不携带关于对象的颜色的信息。因此，具体而言，灰度级可以包含指示黑白混合物的比例或百分比的相对亮度值。例如，灰度级 100% 可以指示黑色区，灰度级 0% 可以指示白色区，而介于 0% 和 100% 之间的灰度级可以指示黑白混合物。另外地或替代地，灰度级可以包含从颜色值导出的信息，然而具体而言，未描述颜色。因此，灰度级可以至少部分地由灰色参考区的 r、g、b 颜色值确定，诸如根据下式通过使用呈线性组合的 r、g、b 颜色值来确定灰度级：g=0.3 * r 0.59 * g 0.11 * b，其中 g 表示灰度级。r、g、b 颜色值的其他组合诸如线性组合也可用于获得灰度级。
32.灰色参考区可以是具有均匀灰度级的二维结构，诸如矩形、正方形、多边形、圆形和/或椭圆形。灰色参考区的灰度级具体而言可以是预定灰度级、已知灰度级或可确定灰度级中的一者或多者。此外，颜色参考卡所包括的多个灰色参考区可以局部分配到测试区中的一个或多个测试区以及多个颜色参考区。颜色参考卡所包括的灰色参考区具体而言可以具有已知的、预定的或可确定的颜色值，具体而言为已知的 rgb 颜色值。
33.如本文所用，术语“局部分配”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）至少两个对象之间的预定空间布置，诸如标准化局部布置。作为示例，两个或更多个对
象可以通过被放置在相邻位置而彼此局部分配。因此，具体而言，多个对象诸如多个灰色参考区可以通过围绕测试区而分配到另一对象，诸如测试区。因此，围绕测试区的所有相邻灰色参考区可以局部分配到测试区。因此，局部分配到测试区的多个灰色参考区可以布置在颜色参考卡上，使得当测试条被放置在颜色参考卡之后时，多个灰色参考区可以围绕光学测试条的测试区。此外，局部分配到至少一个颜色参考区的多个灰色参考区可以布置在颜色参考卡上，使得多个灰色参考区可以围绕至少一个颜色参考区。因此，术语“局部”可以指颜色参考区和/或试剂测试区的最近围绕。其中，一般而言，如果第一对象局部分配到第二对象，则该分配不一定排除第一对象也局部分配到至少一个第三对象。作为示例，第一对象可以与至少一个第二对象和至少一个第三对象相邻，从而被分配到第二对象和第三对象两者。
34.如本文所使用的术语“颜色参考区”是一个广义术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）具有已知光学属性诸如已知参考颜色值的任一项。具体而言，颜色参考卡所包括的颜色参考区可以是具有均匀颜色值的二维结构，诸如矩形、正方形、多边形、圆形和/或椭圆形。颜色参考区的颜色值具体而言可以为预定颜色值、已知颜色值或可确定颜色值中的一者或多者。颜色参考区可以包括在颜色参考卡的表面中和/或设置在其中，具体而言以使得至少一个颜色参考区可以在步骤 i) 中捕获的图像中可见。此外，颜色参考区可以具有与试剂测试区域的颜色形成反应的颜色空间相对应的颜色坐标系的子空间中的颜色值。颜色参考卡的颜色参考区具体而言可以在颜色参考卡的表面上布置为规则图案，诸如布置为矩形图案，例如矩形矩阵图案。图案布置具体而言可以使得能够识别颜色参考区，诸如通过在 x 反向和/或 y 方向上在距一个或多个位置标记预定距离处进行搜索。
35.此外，颜色参考区可以局部分布在颜色参考卡上，具体而言在颜色参考卡在图像中可见一部分上。颜色参考卡可以进一步包括至少两个具有不同参考颜色值的颜色参考区。具体而言，颜色参考卡可以包括具有不同颜色值的多个颜色参考区，其中颜色参考区的颜色值可以选自颜色空间的预定颜色子空间。预定颜色子空间可以包括试剂测试区的颜色形成反应的至少一个颜色值。
36.此外，多个灰色参考区可以局部分配到每个颜色参考区和/或测试区，使得颜色参考区、分配的多个灰色参考区和/或测试区以及分配的多个灰色参考区可以形成局部群组。灰色参考区可以分配到多个局部群组，使得灰色参考区可以由相邻的局部群组共享。具体而言，局部群组可以为以下各项中至少一项：局部颜色参考区群组，诸如局部分配到颜色参考区的多个灰色参考区；测试区群组，诸如局部分配到测试区的多个灰色参考区。局部群组具体而言可以定位在颜色参考卡的不同位置中。
37.如本文所用，术语“已知参考颜色值”是广义的术语且被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）颜色参考区的预定颜色值、实颜色值或真颜色值。具体而言，已知参考颜色值可以包括至少三个颜色值，诸如 r、g、b 色中的每个色的至少一个颜色值。针对每个颜色参考区的已知参考颜色值可以存储在移动装置的数据存储装置上，例如通过查找表、寄存器、数据库等。已知参考颜色值可能已经通过以下方式来确定：测量相应的颜色值，具体而言是诸如通过使用分光光度计在受控实验室环境中测量颜色值。使用分光光度计来测量颜色参考区可
以定义相应的已知参考颜色值。
38.如上文所概述，步骤 ii) 包括：对步骤 i) 中获得的图像应用至少一个预定的基于像素的平均色调映射校正，从而获得至少一个第一强度校正图像。如本文所用，术语“预定的基于像素的平均色调映射校正”是广义的术语且被赋予对本领域普通技术人员而言其普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）第二亮度值与第一亮度值的相关和/或第二亮度值到第一亮度值的分配，其中第一亮度值可以由成像装置生成、检测或记录。该相关和/或分配可包括至少一种数学运算（例如具有至少一个因子的乘法）或另一种类型的数学运算。第一亮度值可为第一数据集或原始数据的部分。第二亮度值可以为第二数据集或经处理数据的一部分，其中可以通过对步骤 i) 中捕获的图像应用基于像素的平均色调映射校正来获得第二亮度值。特别地，第一亮度值可以为图像（特别是在步骤 i) 中获得的图像）所包括的空间分辨光学数据集的一部分，而第二亮度值可以为步骤 ii) 中获得的第一强度校正图像的一部分。相关和/或分配可特别为函数，具体而言是连续或不连续函数、曲线、查找表、算子或描述第一亮度值与第二亮度值之间的相关的任何其他方式。术语“基于像素”具体而言可以指以下：基于像素或至少预定像素群组中的每一者的亮度值或强度值进行通过应用色调映射校正进行的亮度修改。
39.例如，基于像素的平均色调映射校正可以包括通过组合针对不同类型的移动装置的多个色调映射校正导出的平均色调映射校正。又如，基于像素的平均色调映射校正可以包括标准伽马校正的逆反。标准伽马校正具体而言可以指 srgb 颜色空间的 srgb 伽马校正，其中“srgb”代表“标准红绿蓝”。具体而言，标准伽马校正可以是可逆的。因此，校正可以包括：将标准伽马校正的逆反应用于第一亮度值以获得第二亮度值。此外，平均色调映射校正可以是预定的，并且因此可以存储在移动装置上，诸如移动装置的至少一个数据存储装置上。
40.此外，平均色调映射校正可以是“基于像素的”校正，使得所记录的图像的每个像素或至少每个预定义的像素群组可以通过平均色调映射校正进行单独校正。优选地，基于像素的平均色调映射校正可以是基于像素的全局平均色调映射校正，使得以相同方式校正所有像素。又如，基于像素的平均色调映射校正可以为 rgb 特定的平均色调映射校正，使得可以用颜色特定的平均色调映射校正来校正 rgb 色中的每种颜色。
41.如本文所用，术语“第一强度校正图像”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）通过对步骤 i) 中获得的图像数据应用预定的基于像素的色调映射校正而获得的图像数据。其中，术语“第一”仅意指命名，而不是排名或次序。
42.如上面进一步概述的，在步骤 iii) 中，从第一强度校正图像导出局部亮度信息。如本文所用，术语“局部亮度信息”是广义的术语并且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）描述至少一种 rgb 色的局部强度的数字指示，具体而言是颜色参考区和/或试剂测试区的局部强度。此外，通过使用局部分配到颜色参考区和试剂测试区的多个灰色颜色参考区来导出局部亮度信息。因此，作为示例，可以通过使用分别围绕颜色参考区或测试区的多个灰色参考区来确定针对相应颜色参考区或针对测试区的局部亮度信息，如将在下文进一步详细说明的。因此，可以分别导出颜色参考区或测试区的区域中的平均局部亮度信息，因为可以
考虑分别来自颜色参考区或测试区的两侧甚至所有侧的亮度信息。
43.如上所概述，在步骤 iv) 中，当应用至少一个局部色调映射校正时，考虑局部亮度信息。如本文所用，术语“局部色调映射校正”是广义的术语且被赋予对本领域普通技术人员而言其普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）第三亮度值与第二亮度值的相关和/或第三亮度值到第二亮度值的分配，其中可以通过对由成像装置生成的图像数据应用平均色调映射校正来获得第二亮度值。平均色调映射校正也可为或可包括至少一种数学运算（例如具有至少一个因子的乘法）或另一种类型的数学运算。相关和/或分配可特别为函数，具体而言是连续或不连续函数、曲线、查找表、算子或描述第二亮度值与第三亮度值之间的相关的任何其他方式。作为示例，局部色调映射校正可以包括测得亮度值（诸如第二亮度值）与参考值（例如灰色参考区的已知灰度级）之间的数学关联。具体而言，可以通过抛物线逼近来描述数学关联。此外，局部色调映射校正考虑了在步骤 iii) 中导出的局部亮度信息。因此，局部色调映射校正具体而言可以为移动装置特定的局部色调映射校正。作为示例，可以通过对第一强度校正图像的第二亮度值应用局部色调映射校正来获得第三亮度值，其具体而言可以为第二强度校正图像的一部分。
44.术语“考虑局部亮度信息”可以只是指以下：局部色调映射校正考虑在步骤 iii) 中导出的局部亮度信息。因此，局部色调映射校正为至少部分地基于诸如通过基于局部亮度信息确定局部色调映射校正的一个或多个校正参数在步骤 iii) 中导出的信息的校正。
45.通过对第一强度校正图像应用至少一个局部色调映射校正，获得至少一个第二强度校正图像。如本文所用，术语“第二强度校正图像”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）通过对步骤 ii) 中获得的第一强度校正图像的图像数据应用局部色调映射校正而获得的图像数据。具体而言，第二强度校正图像可以为线性化强度校正图像。如本文使用的术语“第二”仅意指命名，而不提供排名或次序。
46.如上文进一步概述的，步骤 v) 包括：基于试剂测试区的颜色形成反应，确定分析物浓度。如本文所用，术语“颜色形成反应”是广义术语，并且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于化学、生物或物理反应，在该化学、生物或物理反应期间，参与反应的至少一种元素的颜色（确切地说是反射率）随着反应的进行而改变。颜色形成反应可以由移动装置检测，诸如通过移动装置的处理器检测，并且可以定量地评估，诸如通过从至少一个图像得出量化或表征由于体液中存在分析物而导致的试剂测试区的颜色形成的至少一个参数。例如，可以使用上述颜色坐标中的一个或多个颜色坐标。因此，移动装置以及具体而言移动装置的处理器可被配置用于通过确定由于检测反应而发生的一个或多个颜色坐标的改变来确定颜色改变。
47.从试剂测试区的颜色形成确定该至少一个分析物浓度值。为此目的，可以使用至少一个第二强度校正图像。例如，分析物浓度值可以是分析测量结果的数值指示标识，诸如指示样品中至少一种分析物的浓度，诸如血糖浓度。
48.为了从试剂测试区的颜色形成确定至少一个分析物浓度值，作为示例，可以从试剂测试区导出至少一个参数，诸如至少一个颜色形成参数。其中，可以使用平均参数，对整
个试剂测试区或测试区的至少一个区域求平均。为了将从试剂测试区导出的至少一个参数变换成分析物浓度，可以使用至少一种预定或可确定的变换算法。作为示例，至少一种预定或可确定的关系可用于将至少一个参数变换为分析物浓度，诸如至少一个变换函数（例如线性变换函数或非线性变换函数）。另外地或替代地，可以通过将至少一个参数变换成分析物浓度的变换曲线或通过使用至少一个查找表来描述该关系。除了从试剂测试区的颜色形成导出的至少一个参数之外，还可以使用一个或多个其他参数来确定分析物浓度。此外，将从试剂测试区的颜色形成导出的至少一个参数变换为分析物浓度可以为一步变换或可以为多步变换。
49.确定体液样品中的至少一种分析物的浓度的方法可以进一步包括：i) 通过使用第二强度校正图像中的颜色参考区中的至少一些颜色参考区来导出至少一个颜色校正；以及ii) 对第二强度校正图像应用颜色校正，从而获得至少一个强度校正和颜色校正图像。
50.具体而言，步骤 vi) 和 vii) 可以在执行步骤 iv) 之后执行。此外，颜色校正可以包括至少一个颜色校正矩阵，其中步骤 vii) 可以包括：将颜色校正矩阵应用于图像的颜色坐标矢量。例如，可以将颜色校正矩阵应用于第二强度校正图像的颜色坐标。例如，步骤 vii) 中的颜色校正可以应用于第二强度校正图像或其任何部分，诸如应用于测试区和/或颜色参考卡的其他部分。因此，步骤 vi) 和 vii) 具体而言可以在执行步骤 iv) 之后和执行步骤 v) 之前执行。因此，在步骤 v) 中确定分析物浓度可以具体而言考虑强度校正、颜色校正图像。
51.如本文所用，术语“颜色校正”是广义的术语且被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）用于将至少一个颜色信息项变换为另一个颜色信息项的算法。因此，具体而言，该算法可以包含一种算法，其至少部分地尝试逆转由系统的光学和/或电子部件（诸如相机和/或移动装置）引入的至少一个颜色信息项的变化。因此，本文所使用的术语“颜色校正图像”通常可以指以下的结果：将颜色校正应用于至少一个图像，诸如应用于至少一个图像（具体而言在本文的这种情况下，第二强度校正图像或其任何部分（诸如测试区））的颜色信息项。
52.该方法通常可以包括白平衡的一个或多个步骤。具体而言，可以在步骤 ii) 中获得的第一强度校正图像、步骤 iv) 中获得的第二强度校正图像或任选步骤 vii) 中获得的强度校正、颜色校正图像中的一者或多者中执行白平衡。具体而言，可以对线性化图像执行白平衡。更具体而言，可以在步骤 iv) 中和/或与该方法的步骤 iv) 组合或至少部分地与其同时例如对第二强度校正图像执行白平衡。具体而言，可以对步骤 ii) 中获得的第一强度校正图像执行白平衡。具体而言，白平衡可以完全或部分地集成到步骤 iv) 中和/或局部色调映射校正可以意指至少一种白平衡。另外地或替代地，白平衡可以完全或部分地实现为与局部色调映射校正分离的步骤，诸如通过将至少一个单独的白平衡步骤实现为例如单独白平衡步骤或产生白平衡的针对颜色通道的校正步骤。第二强度校正图像具体而言可以为经白平衡的第二强度校正图像，或者可以替换为经白平衡的第二强度校正图像。
53.可以执行一个或多个白平衡步骤。白平衡可以为或可以包括均匀地应用于整个图像的至少一种全局白平衡。然而，另外地或替代地，如将在下文进一步详细概述的，白平衡
也可以为或还可以包括至少一种局部白平衡，考虑图像内的不均匀性，诸如由颜色参考卡和/或光学测试条的不均匀照明产生的颜色不均匀性（例如背景照明产生的不均匀性）。
54.该方法可以进一步包括：在步骤 vi) 之前，对颜色参考区中的至少一些颜色参考区以及测试区，具体而言对所有颜色参考区进行局部白平衡。
55.如本文所用，术语“白平衡”（有时也称为“颜色平衡”、“灰平衡”或“中性平衡”）是广义的术语且被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）图像处理中对颜色（诸如红色、绿色和蓝色等原色）的强度的调节。如下文进一步详细概述的，白平衡可以改变整个颜色混合物或校正图像中原色的权重，并且可以用于颜色校正。对于白平衡，如将在下文更详细地概述的，图像数据可以从获取的值变换为适合颜色再现或显示的新值。白平衡操作具体而言可以直接对颜色坐标（诸如 r、g 和 b 像素值）进行操作，诸如通过将校正（例如校正因子）应用于颜色坐标或 r、g、b 值。白平衡通常可以包括：调节测得颜色坐标的强度。白平衡可以包括测得颜色坐标的至少一个变换，诸如至少一个变换矩阵和/或至少一个变换因子。白平衡可以将测得颜色坐标变换成经白平衡的颜色坐标，使得中性颜色（例如灰色和/或白色）的经白平衡的颜色坐标，在经白平衡的图像中呈中性。白平衡可以针对例如当环境光干扰移动装置的光源时由具有不同光色的不同光源引起的不均匀照明条件来校正测得颜色坐标。白平衡具体而言可以为局部白平衡。局部白平衡可以考虑所测量的图像中的强度的局部变化，具体而言分别考虑颜色参考区或测试区的强度的局部变化。
56.在术语“局部白平衡”的上下文中的术语“局部”具体而言可以指以下：可以根据图像中的位置来执行白平衡。因此，具体而言，图像内可存在至少两个不同的位置（诸如至少两个不同的像素位置），对这些位置执行了不同的白平衡，诸如通过对第一位置中的至少一个颜色坐标应用第一白平衡校正并对第二位置中的至少一个颜色坐标应用第二白平衡校正，第二白平衡校正不同于第一白平衡校正。如本文所用，术语“位置 (position)”或“位置 (location)”还可以指群组位置，诸如包括颜色参考区和相应的局部分配的灰色参考区的群组的位置，其中在进行白平衡时，该群组可以被视为在图像中具有共同位置。类似地，测试区和局部分配到测试区的灰色参考区可以被视为具有一个群组位置的群组。
57.局部白平衡可以包括：针对经历白平衡的颜色参考区和至少一个测试区，使用分别局部分配到相应颜色参考区或测试区的灰色参考区。具体而言，局部白平衡可以包括：使用分别局部分配到相应颜色参考区或测试区的灰色参考区的测得颜色坐标。如下文将更详细地概述的，分别局部分配到相应颜色参考区或测试区的灰色参考区可包括具有至少三个不同灰度级的多个冗余灰色参考区。局部白平衡可以针对冗余灰色参考区考虑测得颜色坐标的平均值。可以在 r、g、b 色中的每一者中对具有相同灰度级的冗余灰色参考区的测得颜色坐标求平均。冗余灰色参考区的测得颜色坐标的平均值可用于局部白平衡以导出局部校正。
58.分别局部分配到相应颜色参考区或测试区的冗余灰色参考区可以以对称方式分别围绕颜色参考区或测试区。通过对冗余灰色参考区求平均，可以分别获得在相应颜色参考区或测试区的位置和/或中心处的颜色坐标的虚拟测得强度。颜色坐标的虚拟测得强度可用于局部白平衡以导出局部校正。
59.局部白平衡可以包括：分别针对经历白平衡的颜色参考区或测试区，通过将灰色
参考区的测得颜色坐标与灰色参考区的已知颜色坐标进行比较，导出分别用于相应颜色参考区或测试区的局部校正（具体而言为局部校正因子）。具体而言，可以通过将灰色参考区的测得颜色坐标与灰色参考区的已知颜色坐标进行比较来确定至少一个局部校正因子。至少一个局部校正因子可以描述灰色参考区的测得颜色坐标和相应已知颜色坐标之间的比率。局部校正因子具体而言可以为颜色特定的校正因子。例如，可以具体而言独立地确定用于 r、g、b 色中的每一者的局部校正因子。
60.局部白平衡可以进一步包括：将相应局部校正分别应用于相应颜色参考区或测试区的测得颜色坐标。例如，可以将局部校正因子（具体而言，r、g、b 色中的每一者各一个局部校正因子）分别应用于相应颜色参考区或测试区的相应测得颜色坐标。
61.为了执行步骤 vi)，可以将第二强度校正图像替换为经局部白平衡的第二强度校正图像。可以从经局部白平衡的第二强度校正图像导出步骤 vi) 中的颜色校正。可以在步骤 vii) 中对经局部白平衡的第二强度校正图像应用颜色校正，从而可以获得强度校正、颜色校正和经白平衡的图像。在步骤 v) 中确定分析物浓度可以具体而言考虑强度校正、颜色校正和经白平衡的图像。
62.在步骤 vi) 中，可以通过使用对颜色参考区的选择来导出颜色校正。对颜色参考区的选择可以基于以下各项中的至少一项：
‑ꢀ
在颜色空间的预定子空间中选择颜色参考区；
‑ꢀ
在颜色空间中测试区的颜色的环境中动态地选择颜色参考区；
‑ꢀ
对颜色参考区进行差异化加权，具体而言为通过赋予颜色接近测试区的颜色的颜色参考区比在颜色空间中距测试区的颜色较远的颜色参考区更高的权重；
‑ꢀ
根据颜色校正的准确度（具体而言为通过交叉验证颜色参考区确定的准确度），选择颜色参考区；
‑ꢀ
根据颜色校正的准确度，选择至少个冗余颜色参考区组中的一个颜色参考区组，具体而言为通过忽略具有低颜色彩校正准确度的冗余颜色参考区组。
63.如上所概述，该方法包括：在步骤 ii) 中，将基于像素的平均色调映射校正应用于步骤 i) 中获得的图像。基于像素的平均色调映射校正包括以下各项中的至少一项：通过组合针对不同类型的移动装置的多个色调映射校正而导出的平均色调映射校正；标准伽马校正的逆反。具体而言，可以通过对针对不同类型的移动装置的多个色调映射校正求平均来导出平均色调映射校正。
64.该方法可以进一步包括：从在步骤 i) 中捕获的至少一个图像选择至少一个目标区域，其中可以基于目标区域执行步骤 ii)。如本文所用，术语“目标区域”是广义的术语且被赋予对本领域普通技术人员而言其普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）用于进一步处理的图像部分。从至少一个图像选择目标区域可以手动进行，或者具体而言，自动进行，诸如通过在图像中自动检测目标区域。为了进行检测，具体而言为自动检测，可以使用图像识别软件，诸如检测特定形状的图像识别软件和/或其他图像识别软件（诸如人工智能）。目标区域具体而言可以包括试剂测试区的至少一部分和颜色参考卡的至少一部分。具体而言，目标区域可以由以下各项中的至少一项确定：在图像中可见的至少一个位置标记，具体而言为至少一个 aruco 代码标记；用于检测图像中的至少一个特征的图像识别，具体而言为用于检测颜色参考卡的包括灰色参
考区和颜色参考区的区域的图像识别。
65.此外，该方法可以包括：具体而言在执行步骤 iv) 之前，执行对第一强度校正图像的至少一次统计修改，其中可以基于经统计修改的第一强度校正图像来执行步骤 iv)。如本文所用，术语“统计修改”是广义的术语且被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）将至少一种统计算法应用于一组数据（诸如图像数据）的操作。作为示例，统计算法可以包括选自由以下各项组成的组的至少一种算法：数据的直方图分析、数据的平均、数据的过滤。作为示例，统计修改可以包括：针对在第一强度校正图像中可见的灰色参考区、颜色参考区和测试区，创建直方图。此外，统计修改可以包括通过以下各项中的至少一项来评价所创建的直方图：排除异常值，具体而言为位于直方图外围的异常值；过滤颜色值，诸如高于和/或低于某个阈值的颜色值；检查直方图的合理性；对直方图进行故障保护算法；计算直方图的属性，诸如平均值、偏差（具体而言为标准偏差）等。
66.具体而言，针对在第一强度校正图像中可见的灰色参考区、颜色参考区和测试区，可以将基于像素的图像信息替换为分别针对灰色参考区、颜色参考区和测试区的代表性信息，具体而言为平均信息。
67.如上所概述，该方法包括：在步骤 iv) 中，将局部色调映射校正应用于第一强度校正图像。作为示例，局部色调映射校正可以为移动装置特定的单独色调映射校正。因此，可以针对单独移动装置或单独移动装置的群组确定局部色调映射校正，从而考虑移动装置的装置特定属性，诸如移动装置的各个图像变换特性。确定局部色调映射校正可以为该方法的一部分。因此，可以针对当前用于该方法的特定移动装置来执行确定移动装置特定的单独色调映射校正。
68.如上所概述，颜色参考卡可以包括局部分配到测试区的灰色参考区。局部分配到测试区的灰色参考区可以围绕测试区。因此，局部分配到测试区的灰色参考区和测试区可以形成测试区群组。测试区群组可以包括具有至少三个不同灰度级的多个冗余灰色参考区，其中可以针对每个灰度级提供至少两个冗余灰色参考区。例如，多个冗余灰色参考区可以包括具有不同灰度级的至少三个不同的灰色参考区。替代地和/或另外地，冗余灰色参考区可以包括具有渐变的灰度级的至少一个灰色参考区或具有至少三个不同灰度级的不同区段。具体而言，冗余灰色参考区可以以对称方式（更具体而言以旋转对称和/或镜像对称方式）布置在测试区周围。作为示例，在步骤 iii) 中，可以通过对具有相同灰度级的冗余灰色参考区求平均来确定针对测试区的局部亮度信息。具体而言，可以通过相对于灰色参考区到测试区的距离对冗余灰色参考区求平均来确定局部亮度信息。例如，求平均可以包括：用冗余灰色参考区到测试区的倒数二次距离来对它们的颜色值加权。替代地或另外地，求平均可以包括：单独地对每个 rgb 颜色值求平均。
69.此外，测试区群组可以与至少一个相邻的局部颜色参考区群组共享灰色参考区中的至少一些灰色参考区。因此，分配到测试区群组的灰色参考区也可以分配到至少一个相邻的局部颜色参考区群组。
70.如上文进一步概述的，颜色参考卡可以包括局部分配到颜色参考区的灰色参考区。局部分配到颜色参考区的灰色参考区可以围绕相应的颜色参考区。因此，局部分配到颜色参考区中的一个颜色参考区的灰色参考区以及相应的颜色参考区可以形成局部颜色参
考区群组。每个局部颜色参考区群组可以包括具有至少三个不同灰度级的多个冗余灰色参考区，其中可以针对每个灰度级提供至少两个冗余灰色参考区。具体而言，冗余灰色参考区可以以对称方式（更具体而言以旋转对称和/或镜像对称方式）布置在相应局部颜色参考区群组中的颜色参考区周围。作为示例，在步骤 iii) 中，可以通过对具有相同灰度级的冗余灰色参考区求平均来确定针对相应局部颜色参考区群组的局部亮度信息。具体而言，可以通过相对于灰色参考区到相应颜色参考区的距离对冗余灰色参考区求平均来确定局部亮度信息。例如，求平均可以包括：用冗余灰色参考区到颜色参考区的倒数二次距离来对它们的颜色值加权。替代地或另外地，求平均可以包括：单独地对每个 rgb 颜色值求平均。
71.此外，灰色参考区中的至少一些灰色参考区可以由相邻的局部颜色参考区群组和/或由测试区群组和至少一个局部颜色参考区群组共享。因此，局部分配到局部颜色参考区群组的灰色参考区也可以分配到相邻的局部颜色参考区群组和/或测试区群组。
72.颜色参考卡可以进一步包含用于定位光学测试条和/或测试区至少一个定位元件。具体而言，颜色参考卡可以包括至少一个窗口元件，当测试条被放置在颜色参考卡之后时，测试区通过该至少一个窗口元件可见。例如，窗口元件可以是颜色参考卡的切除部分。窗口元件具体而言可以被配置用于将光学测试条并因此将光学测试条所包括的测试区保持在相对于颜色参考卡的限定位置。
73.如上所概述，该方法包括：使用具有至少一个相机的移动装置来捕获至少一个图像。作为示例，在步骤 i) 中捕获至少一个图像可以由移动装置自动启动，具体而言为当颜色参考卡、测试区和光学测试条中的至少一者可以由移动装置识别时。因此，移动装置可以被配置用于自动识别视野中的颜色参考卡、测试区域和光学测试条中的至少一者，如上文更详细地概述的。
74.该方法可以进一步包括：提示使用者将颜色参考卡以及光学测试条和测试区中的至少一者放置在相机的视野中。具体而言，该方法可以包括：通过在移动装置的显示屏上显示消息来提示使用者。另外地或替代地，提示可以包括：在移动装置的显示屏上显示参考卡覆盖框、图片、象形图和/或动画中的一者或多者。
75.该方法可以包括：具体而言在步骤 i) 之后，对颜色参考区、灰色参考区和试剂测试区中的至少一者执行有效性校验。如本文所用，术语“有效性校验”是广义的术语且被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）定性或定量地评价颜色参考卡的区（具体而言为颜色参考区和灰色参考区中的至少一者和/或光学测试条的试剂测试区）的图像数据在根据本发明的方法中使用的适宜性的过程。有效性校验可以包括：评价颜色参考卡和试剂测试区在步骤 i) 中捕获的图像。具体而言，有效性校验可以包括：评价颜色参考卡和测试区的图像是否最终被镜面反射干扰，从而导致图像中的过饱和和/或过度曝光的区域。具体而言可以对颜色参考区和灰色参考区（更具体地对颜色参考卡所包括的颜色参考区和灰色参考区中的每一者）和/或对试剂测试区（更具体地对每个由光学测试条所包括的试剂测试区中的每一个试剂测试区）执行有效性校验。
76.有效性校验可以包括：针对颜色参考区、灰色参考区和/或测试区，从在步骤 i) 中捕获的至少一个图像确定至少一个颜色值，具体而言为针对每个像素的 r、g、b 颜色值。有效性校验可以包括：基于至少一个颜色值，确定是否满足对颜色参考区、灰色参考区和/
或测试区的至少一个有效性标准。如本文所用，术语“有效性标准”是广义的术语，且将被赋予对于本领域普通技术人员普通和惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）对颜色参考区、灰色参考区或测试区的有效性进行定性和/或定量的信息项。因此，作为示例，如果颜色参考区、灰色参考区和/或测试区的颜色值具有至少一个预定值或在至少一个预定值范围内，则可以满足有效性标准，而如果颜色参考区、灰色参考区和/或测试区的颜色值不具有至少一个预定值或不在至少一个预定值范围内，则可能不满足有效性标准。有效性标准可以指示颜色参考区、灰色参考区和/或测试区的有效性，诸如通过使用一个或多个数值和/或通过使用一个或多个布尔值和/或一个或多个数字值，诸如“满足”和“不满足”等。作为示例，在颜色参考区、灰色参考区和/或测试区的颜色值高于或低于预定阈值的情况下，可以将有效性标准设定为特定值。例如，可以使用一个或多个阈值，其中，在颜色参考区、灰色参考区和/或测试区的颜色值高于阈值的情况下，有效性标准可以设定为“不满足”，否则设定为“满足”，或者反过来。一个或多个阈值可分别因颜色参考区、灰色参考区和/或测试区而不同。
77.有效性标准可以为直接有效性标准和间接有效性标准中的至少一者。直接有效性标准可以指相应颜色参考区、灰色参考区和/或测试区的直接测度。替代地或另外地，有效性标准可以包括间接有效性标准，评价围绕颜色参考区和测试区中的至少一者的灰色参考区，从而描述被围绕的颜色参考区和/或测试区的有效性。
78.例如，直接有效性标准可以包括上限阈值，其中如果颜色参考区、灰色参考区和/或测试区的颜色值中的至少一个颜色值高于上限阈值，则将其分类为“过饱和”。如果颜色参考区、灰色参考区和/或测试区被分类为“过饱和”，则有效性标准可以设定为“不满足”。上限阈值可以为 253，具体而言为 254，更具体而言为 255。作为另一示例，直接有效性标准可以包括中间阈值，其中如果灰色参考区的颜色值的平均值高于平均阈值，则灰色参考区被分类为“过度曝光”。如果灰色参考区被分类为“过度曝光”，则灰色参考区的有效性标准可以设定为“不满足”。平均阈值可以取决于灰色参考区的灰度级。具体而言，针对浅灰色参考区和/或针对中灰色参考区，平均阈值可以在 200 到 255 的范围内，具体而言在 240 到 250 的范围内，更具体而言为 245。另外地或替代地，针对中灰色参考区和/或针对深灰色参考区，平均阈值可以在 150 到 200 的范围内，具体而言在 165 到 175 的范围内，更具体而言为 170。另外地或替代地，针对深灰色参考区，平均阈值可以在 50 到 100 的范围内，具体而言在 80 到 90 的范围内，更具体而言为 85。作为另一示例，直接有效性标准可以包括变化系数，其中如果变化系数高于阈值 0.1，具体而言高于 0.2，更具体而言高于 0.3，则颜色参考区、灰色参考区和/或测试区被分类为“不均匀”。如果颜色参考区、灰色参考区和/或测试区被分类为“不均匀”，则有效性标准可以设定为“不满足”。可以通过以下来确定变化系数：图像中分别描述颜色参考区、灰色参考区和/或测试区的多个像素的颜色值的标准偏差与这些颜色值的平均值的比率。
79.例如，间接有效性标准可以包括相对强度阈值。相对强度阈值可以应用于局部分配到颜色参考区和/或测试区的灰色参考区。如果具有相同已知灰度级的灰色参考区之间的灰度级相对差值超过相对强度阈值的 40%（具体而言超过 50%），则可以将被围绕的颜色参考区和/或测试区的有效性标准设定为“不满足”。作为另一示例，间接有效性标准可以包括深灰度级灰色参考区与中灰度级灰色参考区之间的比率。如果深灰度级灰色参考区的灰
度级与中灰度级灰色参考区的灰度级的比率在 0 至 0.8 的区间内，具体而言在 0.1 至 0.7 的区间内，更具体而言在 0.2 至 0.6 的区间内，则可以将被围绕的颜色参考区和/或测试区的有效性标准设定为“满足”。作为另一示例，间接有效性标准可以包括中灰度级灰色参考区与浅灰度级灰色参考区之间的比率。如果中灰度级灰色参考区的灰度级与浅灰度级灰色参考区的灰度级的比率在 0 至 0.9 的区间内，具体而言在 0.1 至 0.8 的区间内，更具体而言在 0.2 至 0.75 的区间内，则可以将被围绕的颜色参考区和/或测试区的有效性标准设定为“满足”。
80.此外，如果满足有效性标准，则可以将颜色参考区、灰色参考区和/或测试区标记为有效。但是，如果不满足有效性标准，则可以将颜色参考区、灰色参考区和/或测试区标记为无效。可对被标记为有效的颜色参考区、灰色参考区和/或测试区进行该方法的步骤 ii)。换句话说，被标记为无效的颜色参考区、灰色参考区和/或测试区可以被排除在进一步处理之外。如果一定数量（例如 2 个或更多个、5 个或更多个或 10 个或更多个，诸如 2 至 20 个或 2 至 10 个）的颜色参考区、灰色参考区和/或测试区（特别是一定数量（例如 1 个或更多个，2 个或更多个、3 个或更多个、4 个或更多个或 5 个或更多个，具体而言为 2 个或更多个或 3 个或更多个）的颜色参考区）和/或至少 10%、15%、20%、25% 或 30%（特别是至少 20% 或至少 25%）的相对数量的颜色参考区、灰色参考区和/或测试区（特别是颜色参考区）被标记为无效，则该方法可以包括重复步骤 i)，诸如通过使用相机自动捕获图像和/或通过提示使用者捕获图像。否则，该方法可以继续进行步骤 ii)。
81.在本发明的进一步方面，公开了一种移动装置，该移动装置具有至少一个相机，并且该移动装置被配置用于执行根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的方法。具体而言，移动装置可包括至少一个处理器。
82.如本文所用，术语“处理器”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指但不限于以下项：任意逻辑电路，其配置成用于执行计算机或系统的基本操作；和/或，一般而言，配置成用于执行计算或逻辑操作的设备。特别地，处理器可配置成用于处理驱动计算机或系统的基本指令。作为示例，处理器可包括至少一个算术逻辑单元 (alu)、至少一个浮点运算单元 (fpu)（诸如数学协处理器或数值协处理器）、多个寄存器（具体而言是配置成用于向 alu 提供操作数并存储操作结果的寄存器）以及一个存储器（诸如 l1 和 l2 高速缓冲存储器）。特别地，处理器可以是多核处理器。具体而言，处理器可以是或可包括中央处理单元 (cpu)。另外地或可替代地，处理器可以是或可包括微处理器，因此，具体而言，处理器的元件可包含在一个单一集成电路 (ic) 芯片中。附加地或替代地，处理器可以是或可以包括一个或多个专用集成电路 (asic) 和/或一个或多个现场可编程门阵列 (fpga) 等。
83.处理器具体而言可以诸如通过软件编程被配置用于执行和/或支持确定体液样品中的分析物的浓度的方法的方法步骤。具体而言，处理器可被配置用于支持通过使用相机来捕获具有测试区的光学测试条的至少一部分以及颜色参考卡的至少一部分的至少一个图像。处理器可以进一步被配置用于从测试区的颜色形成反应确定至少一个分析物浓度值，诸如通过评价图像、从图像导出关于颜色信息的至少一个参数以及通过将至少一个参数变换为至少一个分析物浓度值。处理器具体而言可以进一步被配置用于支持该方法的步
骤 i)、ii)、iii)、iv) 和 v) 中的一个或多个步骤或所有步骤，诸如用于将至少一个预定的基于像素的平均色调映射校正应用于捕获的图像，诸如用于导出局部亮度信息以及应用至少一个局部色调映射校正。处理器可以进一步被配置用于执行和/或支持方法步骤 vi) 和 vii)，诸如通过导出至少一个颜色校正并将颜色校正应用于强度校正图像。
84.处理器可以进一步被配置用于支持将样品施加到官学测试条，诸如通过提供例如视觉格式等或听觉格式的使用者指导。处理器可以进一步被配置用于支持捕获至少一个图像，例如通过在视野中自动检测光学测试条、颜色参考卡和测试区或其部分和/或通过提示使用者捕获图像。
85.此外，移动装置可以包括至少一个光源，其中移动装置可以被配置用于在步骤 i) 中捕获图像期间照亮颜色参考卡和测试区。作为示例，第二强度校正图像为针对光源照明的不均匀性而校正的图像。
86.如本文所用，术语“光源”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）任意装置，其被配置用于发射光，诸如可见光谱范围内的光、红外光谱范围内的光或紫外光谱范围内的光中的一者或多者。具体而言，光源可以被配置用于发射可见范围内的光，例如，具有 380 nm 至 760 nm 的波长的光。更具体而言，光源可以被配置用于同时发射具有不同波长的光，使得光源可以被配置用于发射白光。作为示例，光源可以为或可以包括至少一个发光二极管。然而，其他选项也是可行的。
87.在本发明的另外方面，公开了一种用于确定体液样品中的至少一种分析物的浓度的试剂盒。该试剂盒包括具有至少一个试剂测试区的至少一个光学测试条并且进一步包括至少一个颜色参考卡，其中颜色参考卡包括局部分配到测试区的多个不同的灰色参考区，并且其中颜色参考卡包括具有已知参考颜色值的多个不同的颜色参考区和局部分配到颜色参考区的多个不同的灰色参考区。
88.如本文所用，术语“试剂盒”是广义的术语且被赋予对本领域普通技术人员而言普通且惯常的含义，并且不限于特殊或自定义的含义。该术语具体而言可以指（但不限于）至少两个物品（作为示例，其可以联合设置在包装中）的组合，该至少两个物品可以相互作用以实现至少一个共同目的。
89.在本发明的另外方面，公开了一种计算机程序，该计算机程序包括指令，该指令当由具有相机的移动装置（具体而言由根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的移动装置和/或由根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的试剂盒的移动装置）执行时，使移动装置执行根据本发明（诸如根据上面公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的方法。
90.在本发明的另外方面，公开了一种计算机可读存储介质，该计算机可读存储介质包括指令，该指令当由具有相机的移动装置（具体而言由根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的移动装置和/或由根据本发明（诸如根据上文公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的试剂盒的移动装置）执行时，使移动装置
执行根据本发明（诸如根据上面公开的实施例中的任一个实施例和/或根据下文进一步详细公开的实施例中的任一个实施例）的方法。
91.如本文所用，术语“计算机可读存储介质”具体而言可以指非暂时性数据存储装置，诸如其上存储有计算机可执行指令的硬件存储介质。计算机可读数据承载件或存储介质具体而言可以是或可包括诸如随机存取存储器 (ram) 和/或只读存储器 (rom) 之类的存储介质。
92.计算机程序还可以体现为计算机程序产品。如本文所用，计算机程序产品可以指作为可交易产品的程序。该产品一般可以任意格式（诸如纸质格式）存在，或存在于计算机可读数据承载件和/或计算机可读存储介质上。具体而言，计算机程序产品可以分布在数据网络上。
93.根据本发明的方法和装置与本领域中已知的类似方法和装置相比提供大量的优点。具体而言，如本文所描述的方法和装置因其高灵活性和可用性，可能特别具有优势。例如，该方法和装置可以允许考虑到独立于智能手机以及装置特定两方面的亮度校正。因此，确定体液样品中的分析物的浓度的方法可用于多种不同型号的移动装置。另外，亮度校正（具体而言考虑到装置特定以及局部变化）可以实现可靠的后续颜色校正。
94.此外，本方法和装置（例如通过使用颜色参考卡和颜色校正）可以提高分析测量的准确度。具体而言，使用根据本发明的颜色参考卡可以允许对测试区的颜色形成反应进行颜色校正，并且因此可以减少各种影响因素（诸如不均匀照明条件）对分析测量的影响。因此，与已知方法和装置相比，根据本发明的方法和装置可以提高测量安全性。
95.该方法具体而言可以通过以下方式改善基于颜色形成试剂测试区和颜色参考卡来确定分析物浓度的现有方法：首先，应用双校正强度校正，然后，应用颜色校正。
96.因此，为了准确地确定图像的给定部分的颜色，首先可以参考通用标准来校正图像的该部分的强度，也称为亮度。所记录的图像的特定区域的亮度不仅取决于所记录的对象（诸如光学测试条或颜色参考卡上的参考颜色区）本身的颜色和亮度，还取决于多种其他因素，诸如照明光源的亮度、快门速度和光圈大小、传感器的灵敏度、传感器增益以及任何数字后处理步骤。所记录的图像中的观察到的亮度（其可能会受到所有这些因素的影响）也可以称为“表观亮度”。颜色参考卡的不同区的亮度可以是已知的，诸如通过在标准条件下测量亮度，例如使用分光光度计。该亮度也可以称为“对象亮度”或“参考亮度”。
97.亮度校正的目的可以是从图像中记录的表观亮度推断出真实的对象亮度。表观亮度可能在空间上有所不同，这主要是由于不均匀照明条件。因此，亮度校正通常不能对图像整体执行，而必须在局部进行计算。
98.用移动装置相机（诸如智能手机相机）记录的图像中的颜色值（例如 rgb 值）对相机传感器上的照明强度变化的反应通常由非线性色调映射曲线给出。该色调映射曲线通常取决于装置，并且还可以因所记录的景观而异。该曲线通常必须针对每个所记录的图像单独确定。
99.在根据本发明的方法中，可以使用具有不同灰度值的灰色参考区（也称为灰色色块）来测量参考卡的区域中图像的表观亮度，该灰色参考区可以分布在颜色参考卡上。每个颜色参考区可以被多个灰色参考区（诸如十二个灰色区，例如浅灰色的灰色参考区、中灰色的四个灰色参考区和浅灰色的四个灰色参考区）围绕。类似地，多个灰色参考区可以局部分
配到至少一个测试区。因此，作为示例，其中测试区可见的颜色参考卡的位置可以被多个灰色参考区（诸如十八个灰色参考区，例如每个灰度具有六个灰色参考区）围绕。可使用三个不同的灰度级值或灰度（诸如 20%、40% 和 60%）来解释由不同类型的移动装置（诸如不同的智能手机型号）使用的非线性色调映射曲线。
100.对于强度校正（具体而言为通过使用至少一个局部色调映射校正的强度校正），可以从标准条件下的灰色参考区导出值。因此，作为示例，可以以高准确度来测量标准条件下的三个灰色区的参考 rgb 值，诸如使用分光光度计，例如 x-rite exact 分光光度计（诸如可购自 x-rite gmbh，82152 planegg-martinsried，germany）或其他类型的分光光度计。这些值可以用作针对颜色参考区和测试区的亮度校正的共同参考。
101.可以针对所有颜色参考区位置和所有测试区位置以及针对所有三个灰色参考区，确定所记录的图像中的表观局部图像亮度，例如通过计算相应灰度的最近灰色参考区的平均测得 rgb 值。对于颜色参考区，在上文给出的示例中，该计算可以包括每个灰度四个灰色参考区，而对于测试区，每灰度可以包括六个区。当计算平均值时，各个灰色参考区的值可以用它们到相应颜色参考区或测试区的倒数二次距离（诸如中心到中心）进行加权。可以针对每个颜色通道单独计算这些值，诸如分别针对 r、g 和 b 通道。
102.因此，该过程可以在所有参考颜色区和测试区的中心位置处产生所记录图片中三个参考灰度值的表观 rgb 值的近似值。这些值可用于计算针对这些位置的近似色调映射曲线，如下文进一步详细描述的。
103.进一步的细节可以涉及色调映射，具体而言涉及非线性色调映射。因此，当将图像采集传感器的像素相关亮度值转换为图像文件中的亮度值时，移动装置相机（诸如智能手机相机）通常会使用压缩亮度动态的非线性传递函数。应用这种非线性传递函数的原因是多方面的。通常，出于审美原因。尽管如此，其他原因（诸如需要动态压缩）也很重要。如上所论述，由移动装置应用的传递函数通常被称为色调映射曲线。该曲线建立了以线性尺度测量的像素亮度与存储在图像文件中针对该像素的亮度值之间的关系。也可用于步骤 ii) 中预定的基于像素的平均色调映射校正的熟知形式的色调映射曲线为由 srgb 颜色空间定义的伽马校正。该曲线反映了经典电子管显示器的非线性亮度再现，其继而面向人眼的非线性亮度感知。期望的副作用是在动态有限（例如 jpeg 图像格式的 8 位动态范围）的图像数据格式中更好地利用亮度动态。如果在步骤 ii) 中使用线性色调映射曲线，则从亮度值 1 到 2 的亮度加倍将在一个步骤中得到解决，而从 128 到 255 的加倍原本通过 127 个步骤来解决。由于人眼以对数尺度感知亮度，因此两次加倍表示亮度的增加大致相同。通过伽马校正，可以使用非线性色调映射曲线来确保可以通过大致相同数量的步骤来解决所有亮度加倍。然而，应注意，另外地或替代地，其他预定的基于像素的平均色调映射校正可用于步骤 ii)，具体而言用于在步骤 i) 中获得的图像的所有像素。
104.在移动装置和/或在其相机中，由图像传感器提供的亮度数据通常使用非线性色调映射曲线来转换。然而，在大多数情况下，这些曲线并不完全对应由 s-rgb 标准定义的伽马校正，但它们的非线性往往超出这种曲线形状。其原因可能是主观的图像印象更佳。原则上，每个颜色通道使用自身的色调映射曲线进行单独计算，但在实践中，发现对于所有被调查的智能手机型号，针对三个颜色通道的曲线都是相同的。出于这个原因，下文没有明确提及各个颜色通道。
105.如果要使用移动装置相机对颜色和颜色亮度执行定量测量，则非线性色调映射曲线通常会带来问题，因为出于测量目的，通常需要存储在图像中的像素亮度与测得亮度值之间的线性关系。因此，通常可能需要重建线性公共尺度上的亮度，如下问所描述。
106.在本技术的上下文中，不同智能手机型号的色调映射曲线是通过拍摄高精度灰楔图片并评价图像中的像素值来测量的。将在下文的实施例部分中示出实例。色调映射曲线被证明是高度非线性的。使用以下经验公式 f(x) 来逼近曲线的非线性：
•
，由于 ，
•ꢀ
，由于 ，并且
•ꢀꢀ
并且 ，由于 参数 x0、x1、α、β 和 γ 是拟合参数，这些参数经过调整以逼近不同智能手机的色调映射曲线。色调映射曲线的精确形状通常取决于移动装置的类型（诸如智能手机型号）并且还可能取决于图像的记录条件。
107.因此，在步骤 ii) 中，可以将至少一个预定的基于像素的平均色调映射校正（诸如上述色调映射校正中的一者）应用于在步骤 i) 中获得的图像。可以根据经验确定预定的基于像素的平均色调映射校正，诸如通过半根据经验或根据理论测量多个移动装置的色调映射校正。因此，基于许多色调映射校正利用熟知的伽马函数的假设，可以在步骤 ii) 中应用该标准色调映射校正。尽管如此，如上所述，可以使用其他色调映射校正。
108.为了校正在步骤 i) 中获得的图像的强度或亮度，理想情况下，应将先前由移动装置应用来创建图像的色调映射曲线的反曲线应用于图像，从而在由移动装置引入的情况下将该曲线反转。因此，理想情况下，可以使用已用于创建图像的精确色调映射曲线的反曲线来校正图像的亮度。然而，在实践中，这通常是不可行的，因为市场上的移动装置种类繁多，并且由此产生的色调映射曲线也多种多样。
109.因此，如上所公开，本发明因此提出了一种两步校正，包括校正步骤 ii) 和 iv)。因此，在步骤 ii) 中，如上所论述，首先，对在步骤 i) 中获得的图像应用至少一个预定的基于像素的平均色调映射校正，从而获得至少一个第一强度校正图像。作为示例，该预定的基于像素的平均色调映射校正可以为使用平均色调映射曲线的反曲线的校正。如上所论述，作为示例，该平均色调映射曲线可以为标准伽马校正曲线或通过分析多个移动装置的行为凭经验确定的平均色调映射曲线。在步骤 ii) 中使用的该平均色调映射曲线具体而言可以独立于移动装置的类型。该过程可以校正非线性的主要部分，但通常无法补偿在不同装置中使用的色调映射曲线的差异。
110.如上所论述，该第一校正步骤 ii) 产生至少一个第一强度校正图像。提出了进一步校正该第一强度校正图像，诸如以便补偿在不同装置中使用的色调映射曲线的个体差异。该附加校正步骤在步骤 iv) 中进行描述。
111.为了进一步校正至少一个第一强度校正图像，作为示例，所得图像或由其导出的曲线可以利用如上文描述所确定的三个表观灰度区值相对于其参考值的抛物线逼近来进行逼近。因此，该关联的剩余非线性可以通过抛物线的二次项来逼近。通过首先应用反平均色调映射曲线作为预定的基于像素的平均色调映射校正，然后应用抛物线逼近的反逼近作
为局部色调映射校正，可以将颜色参考区和测试区的 rgb 值带入共同的线性尺度。
112.如上所概述，在步骤 ii) 中，将至少一个预定的基于像素的平均色调映射校正应用于在步骤 i) 中获得的图像。作为示例，测量十个不同的智能手机的色调映射曲线。确定所有所测量的曲线的平均值。尽管发现一般曲线形状大致相同，但不同的智能手机型号显现出不同的色调映射曲线。
113.因此，对于第一校正步骤 ii)，可以将独立于装置的平均色调映射曲线的反曲线应用于所测量的图像，诸如应用于图像的 rgb 值。校正通常会消除非线性的主要部分，但移动装置型号之间的差异通常仍然存在。这种剩余的非线性可以被逼近，诸如通过三个灰色区值的测得 rgb 值的抛物线拟合。因此，作为示例，针对每个颜色通道和每个颜色参考区或测试区，可以首先使用平均曲线对三个值进行校正，然后可以通过抛物线来逼近测得值与列表参考值之间的关联。
114.通常可以通过将逼近步骤和校正步骤两者的正计算结果与原始测得色调映射曲线进行比较来评价色调映射曲线的逼近质量。因此，通常可以以相当简单的方式验证强度校正的结果。
115.可以在本发明的上下文中对白平衡做出进一步的评论。术语“白平衡”通常是指调节原色通道，使中性色（诸如白色和灰色）在图像中呈中性。白平衡可以隐含地包括在根据本发明的方法中。因此，可以使每个原色通道线性化，使得其再现三个灰度级的灰色参考区的参考值。由于这些区的参考 rgb 值通常是中性的，诸如灰色，因此这些灰色参考区的线性化 rgb 值通常也是中性的，这意味着它们与参考值相同。因此，线性化包括在三种不同的中性色上校准的“白平衡”。
116.根据本发明的方法包括两步色调映射校正，包括预定的基于像素的平均色调映射校正和局部色调映射校正。一般而言并且典型地，作为颜色参考卡制作中的基本信息，需要定义所有颜色参考区和灰色参考区的精确比色和/或光度值，例如平均值和/或中值。对于两步强度校正，第一步骤（具体而言在执行任何颜色校正之前）通常为对所记录的图像执行强度校正。本质上，强度校正通常可以被视为两步过程，重点在所谓的色调映射校正上。在第一校正步骤 ii)（如上所说明，包括预定的基于像素的平均色调映射校正）中，可以执行基于像素的通用且通常独立于移动装置、独立于智能手机的全局校正，诸如考虑由普通移动装置应用的平均“色调映射曲线”。在第二校正步骤 iv)（也如上所述，包括局部色调映射校正）中，可以应用移动装置特定的基于直方图或基于统计值的局部色调映射校正或另一种类型的局部色调映射校正。作为示例，局部色调映射校正也可以是特定于颜色通道的。这种局部色调映射校正可能不仅包括单个移动装置色调映射效果，还包括局部强度。为此目的，可以使用灰色参考区。
117.如上所概述，在该方法中，诸如在生产中测量的“真实对象亮度”或“真实对象强度”可以从诸如在现场记录的表观亮度推导出来。在该方法中，首先，可以记录参考卡的至少一个图像。作为任选步骤，可以将所记录的图像进一步裁剪至例如内部区域跨度，诸如通过使用一个或多个位置标记，例如通过使用 aruco 代码。
118.该方法包括：在步骤 ii) 中对图像应用至少一个预定的基于像素的平均色调映射校正。该预定的基于像素的平均色调映射校正可以为通过使用平均色调映射曲线进行的基于像素的第一强度校正步骤。
119.此外，该方法可以包括（例如，在步骤 iii) 中）：识别颜色参考区和/或灰色参考区。该识别可以包括：确定颜色参考区和/或灰色参考区（具体而言为所有颜色参考区和/或灰色参考区）的几何位置和/或像素位置。
120.此外，如上所概述，可以执行对第一强度校正图像的至少一次统计修改。具体而言，统计修改可以包括：针对在第一强度校正图像中可见的灰色参考区、颜色参考区和测试区，创建直方图。作为示例，可以创建直方图，以及可以进一步导出针对所有颜色通道（例如 r、g 和 b）的统计值。
121.在另外的方法步骤（步骤 iii)）中，通过使用分别局部分配到颜色参考区和测试区的灰色参考区，从第一强度校正图像导出针对颜色参考区中的至少一些颜色参考区以及针对测试区的局部亮度信息。具体而言，可以确定针对所有颜色参考区和测试区位置的表观局部图像亮度，诸如通过计算最近灰色参考区的平均 rgb 值。
122.此外，执行强度校正的第二步骤，步骤 iv)。如上所概述，该第二校正步骤具体而言包括：对第一强度校正图像应用至少一个局部色调映射校正，从而获得至少一个第二强度校正图像，该局部色调映射校正将局部亮度信息考虑在内。因此，具体而言，可以执行移动装置特定的色调映射校正。
123.如上文进一步概述的，除了两步强度校正之外，还可以将至少一个颜色校正应用于图像（具体而言在强度校正之后），即应用于第二强度校正图像。因此，校正通常可以包括：通过使用第二强度校正图像中的颜色参考区中的至少一些颜色参考区来导出至少一个颜色校正（步骤 vi）），并且进一步将颜色校正应用于第二强度校正图像，从而获得至少一个强度校正、颜色校正图像（步骤 vii））。在这种颜色校正中，一般来说，诸如在生产中测量的真实对象颜色可以从诸如在现场记录的表观颜色推断出来。颜色校正通常可以基于第二强度校正图像，具体而言为线性化、强度校正的图像。颜色参考区可以表示为 rgb 平均值，例如通过忽略灰色参考区。在步骤 vi) 中，具体而言，可以选择子组，例如从所有颜色参考区。作为示例，对至少一个颜色参考区的选择可以基于以下各项中的一项或多项：
‑ꢀ
与测试区的最佳匹配，诸如在一个或多个颜色值的原始计数（诸如 r 计数）下；或
‑ꢀ
交叉验证，诸如通过用除了一个之外的所有颜色参考区来拟合颜色校正（例如颜色校正矩阵 (ccm)），并确定那些在被校正时性能最低的参考区。
124.其他选择选项也是可能的。
125.可以通过使用强度校正图像中的至少一些颜色参考区（例如，上述选择的颜色参考区）来导出步骤 vi) 中的颜色校正。例如，可以通过拟合颜色参考区的子组来导出颜色校正矩阵。
126.在导出颜色校正后，诸如颜色校正矩阵，可以执行结果的质量校验，即颜色校正的质量校验。作为示例，可以导出颜色校正矩阵的拟合残差，并且任选地，可以对所使用的颜色参考区组执行第二交叉验证。从而可以确定步骤 vi) 的结果的质量。
127.此外，在步骤 vii) 中，如上所论述，对第二强度校正图像应用颜色校正，从而获得至少一个强度校正、颜色校正图像。因此，作为示例，可以通过使用颜色校正来变化从测试区导出的至少一个颜色信息。具体而言，可以通过使用颜色校正（具体而言为 ccm）来获得校正测试区颜色，诸如 rgb 平均值。然后可以使用强度校正、颜色校正图像来确定分析
物浓度。因此，作为示例，校正测试区颜色可用于确定体液中的至少一种分析物的浓度。
128.如上所概述，根据本发明的方法还可以任选地包括：在步骤 vi) 中导出至少一个颜色校正；以及在步骤 vii) 中，将颜色校正应用于第二强度校正图像，从而获得至少一个强度校正、颜色校正图像。因此，本发明还可以提供一种用于颜色校正的装置，具体而言为通过使用颜色校正矩阵。
129.该方法可以包括：使用颜色校正矩阵等线性矩阵来校正成像装置的测得颜色；和/或优化测得颜色。因此，如上所概述，颜色校正具体而言可以包括颜色校正矩阵。可以捕获至少一个颜色参考诸如颜色参考卡的图像，其中颜色参考可以包括具有已知颜色值的对象，诸如颜色参考区。可以例如通过线性优化方法来确定颜色校正矩阵，从而可以将测得颜色值变换成对应的已知颜色值。
130.颜色校正矩阵可以将测得 rgb 颜色值 、、 变换为对应的已知颜色参考值 、、：。
131.可以确定颜色校正矩阵，使得颜色校正矩阵对测得颜色值的变换可以保留灰度值。在数学术语上，矢量
ꢀꢀ
可以为颜色校正矩阵的特征矢量。此外，可以使用至少两个颜色参考区来确定颜色校正矩阵：其中
ꢀꢀ
表示颜色校正矩阵， 和
ꢀꢀ
表示测得颜色值，并且
ꢀꢀ
和
ꢀꢀ
表示颜色参考区的已知颜色参考值。也可以使用多个颜色参考区（具体而言为多于两个的颜色参考区，例如，三个或甚至更多个颜色参考区）来导出颜色校正矩阵。因此，可以通过使用多个颜色参考区拟合上述方程来确定颜色校正矩阵。颜色校正对灰度值的保留可以进一步实现为对拟合过程的附加约束。作为示例，颜色参考卡包括多个颜色参考区，其中颜色参考区的数量可超过导出颜色校正矩阵所需的颜色参考区的数量。因此，可以通过使用回归分析来确定颜色校正矩阵。
132.此外，可以通过使用对颜色参考区的选择来导出颜色校正，如将在下文进一步详细地概述的。通过选择颜色参考区来导出颜色校正矩阵，具体而言通过在测试区的颜色环境中选择颜色参考区，可以增强颜色校正的准确度。
133.因此，颜色校正可以提供用于增强准确度和方法可靠性的装置，具体而言用于确定测试区的颜色形成反应的颜色变化。颜色校正可以具体而言包括对颜色参考区的至少一个选择，下文将进一步详细描述。
134.标准色彩校正通常考虑整个颜色空间。因此，颜色参考可以包括具有分布在整个颜色空间上的颜色的颜色参考区。
135.对颜色参考区的选择可以包括：在颜色空间的预定子空间中选择颜色参考区。预
定子空间可以包括可存在于测试区的颜色形成反应中的颜色。因此，对颜色参考区的选择可以包括：选择具有与测试区的颜色形成反应相似的颜色的颜色参考区。对颜色参考区的选择可以增强预定子空间中的颜色校正，具体而言为在不考虑预定子空间之外的颜色的情况下。
136.作为另一示例，另外地或替代地，对颜色参考区的选择可以包括：选择颜色参考区，使得所选择的颜色参考区的颜色可以具有相距彼此的预定距离并且包括测试区的颜色。因此，对颜色参考区的这种选择可以使颜色校正在更宽的颜色子空间上有效，并且因此可以提供更稳健的结果。
137.另外地或替代地，对颜色参考区的选择可以进一步包括：对颜色参考区进行差异化加权。作为示例，具有预定颜色子空间所包括的颜色的颜色参考区可以被赋予比具有在颜色子空间之外的颜色的颜色参考区更高的权重。因此，可以增强颜色子空间的这部分中的颜色校正的准确度，同时保持颜色子空间之外的颜色校正的准确度的适当水平。
138.作为示例，对颜色参考区的选择可以基于在颜色空间中测试区的颜色环境中动态地选择颜色参考区。一般而言，具有在颜色形成反应的颜色子空间中的颜色值的颜色参考区可以存在于颜色参考卡上。在这种情况下，可以选择跨越包括测试区的颜色中的相应颜色的颜色子空间所必需的颜色参考区。相应颜色子空间可以小于预定颜色子空间，并且因此颜色校正可以更精确。例如，可以选择多个颜色参考区（诸如四个或更多个颜色参考区），使得对颜色参考区的选择可以跨越包括测试区的颜色的颜色空间中的四面体。
139.另外地或替代地，对颜色参考区的选择可以包括颜色参考区的动态加权。具体而言，可以通过以下方式对颜色参考区进行差异化加权：赋予颜色接近测试区的颜色的颜色参考区比在颜色空间中距测试区的颜色较远的颜色参考区更高的权重。因此，可以针对对应于测试区的颜色的颜色子空间优化颜色校正。例如，颜色参考区的加权可以包括考虑颜色参考区的颜色值与测试区的颜色值的距离的加权因子。因此，可以通过颜色参考区和测试区之间的在颜色空间中的欧几里得距离的倒数来对颜色参考区进行加权。
140.作为另一示例，对颜色参考区的选择可以基于具有已知颜色值的一个或多个测试颜色区的颜色校正的准确度。测试颜色区可以为附加颜色区和/或具有已知参考颜色值的颜色参考区中的一个颜色参考区。可以选择测试颜色区，使得测试颜色区的颜色可以接近试剂测试区的颜色。可以使用剩余的颜色参考区来导出颜色校正。颜色校正矩阵的准确度可以通过以下方式来确定：变换所选择的测试颜色区并且进一步通过将经变换颜色值与相应的已知参考颜色值进行比较。可使用测试颜色区的颜色校正的准确度来优化对颜色参考区的选择以确定色彩校正矩阵。另外地或替代地，可以将所选择的测试颜色区包括在内以用于导出颜色变换矩阵。可以通过测试颜色区的经变换颜色值与相应的已知参考颜色值的偏差来确定颜色校正矩阵的准确度。此外，具有相似颜色的两个测试颜色区与相应的已知颜色值的偏差可以用作用于确定试剂测试区的颜色的二阶校正。
141.用于颜色校正的对参考颜色区的选择可以进一步包括颜色参考区的动态选择。因此，选择可以适应测试区的颜色形成反应的颜色。
142.此外，对颜色参考区的选择还可以基于根据颜色校正的准确度来选择颜色参考区。具体而言，可以通过交叉验证颜色参考区来确定准确度。例如，交叉验证可以包括：从对颜色校正的确定排除至少一个颜色参考区。因此，可以利用剩余的颜色参考区来确定颜色
校正矩阵。交叉验证可以进一步包括：通过变换所排除的颜色参考区来校验颜色校正矩阵的准确度。另外地或替代地，交叉验证还可以包括：排除两个或更多个颜色参考区。
143.一般而言，可以选择具有接近试剂测试区的颜色的颜色的颜色参考区。因此，通过交叉验证颜色参考区，可以对颜色校正避免过拟合效应。此外，在已经优化用于颜色校正的对颜色参考区的选择之后，可以针对确定颜色校正矩阵将从颜色校正排除的颜色参考区包含在内。
144.此外，步骤 vi) 可以另外包括：校正图像的灰度值。灰度值的校正具体而言可以包括至少一个校正因子，其中可以确定至少一个校正因子，使得灰度值的 rgb 颜色值彼此相等。具体而言，灰度值的校正可以包括针对每个 rgb 颜色值的至少一个校正因子。然后可以将至少一个校正因子应用于第二强度校正图像的颜色值，具体而言为在导出颜色校正矩阵之前。
145.总结并且不排除其他可能的实施例，可以设想以下实施例：实施例 1：一种通过使用具有至少一个相机的移动装置来确定体液样品中的至少一种分析物的浓度的方法，该方法包括：i) 通过使用相机来捕获颜色参考卡的至少一部分以及至少一个光学测试条的对其施加有样品的至少一个试剂测试区的至少一部分的至少一个图像，
‑ꢀ
其中在图像中，测试区处于相对于颜色参考卡的限定位置，
‑ꢀ
其中颜色参考卡包括局部分配到测试区的多个不同的灰色参考区，其中多个灰色参考区和所述测试区具体而言可以通过被放置在相邻位置而彼此局部分配，或者其中局部分配到测试区的多个灰色参考区可具体而言被布置在颜色参考卡上使得多个灰色参考区围绕测试区，并且
‑ꢀ
其中颜色参考卡包括具有已知参考颜色值的多个不同的颜色参考区和局部分配到颜色参考区的多个不同的灰色参考区，其中多个灰色参考区和颜色参考区具体而言可以通过被放置在相邻位置而彼此局部分配，或者其中局部分配到颜色参考区的多个灰色参考区可具体而言被布置在颜色参考卡上使得多个灰色参考区围绕颜色参考区；ii) 对在步骤 i) 中获得的图像应用至少一个预定的基于像素的平均色调映射校正，从而获得至少一个第一强度校正图像，其中预定的基于像素的平均色调映射校正具体而言可以包括向第一亮度值分配第二亮度值，其中可以由成像装置（具体而言由相机）记录第一亮度值，其中通过预定的基于像素的平均色调映射校正来单独地校正所记录的图像的每个像素，其中通过组合针对不同类型的移动装置的多个色调映射校正来导出平均色调映射校正；iii) 通过使用分别局部分配到颜色参考区和测试区的灰色参考区，从第一强度校正图像导出针对颜色参考区中的至少一些颜色参考区以及针对测试区的局部亮度信息，其中局部亮度信息具体而言可以包括分别描述颜色参考区和测试区的至少一种 rgb 色的局部强度的数字指示；iv) 对第一强度校正图像应用至少一个局部色调映射校正（具体而言为至少一个移动装置特定的色调映射校正），从而获得至少一个第二强度校正图像，局部色调映射校正（具体而言为移动装置特定的色调映射校正）将局部亮度信息考虑在内；以及v) 通过使用第二强度校正图像，基于测试区的颜色形成反应来确定分析物浓度。
146.实施例 2：根据前一实施例所述的方法，其进一步包括在执行步骤 iv) 之后以及执行步骤 v) 之前：vi) 通过使用第二强度校正图像中的颜色参考区中的至少一些颜色参考区来导出至少一个颜色校正；以及vii) 对第二强度校正图像应用颜色校正，从而获得至少一个强度校正和颜色校正图像。
147.实施例 3：根据前一实施例所述的方法，其中该方法进一步包括：在步骤 vi) 之前，对颜色参考区中的至少一些颜色参考区以及测试区，具体而言对所有颜色参考区进行局部白平衡。
148.实施例 4：根据前一实施例所述的方法，其中局部白平衡包括：分别针对经历白平衡的颜色参考区或测试区，使用分别局部分配到相应颜色参考区或测试区的灰色参考区，以及通过将灰色参考区的测得颜色坐标与灰色参考区的已知颜色坐标进行比较，导出分别用于相应颜色参考区或测试区的局部校正（具体而言为局部校正因子）。
149.实施例 5：根据前一实施例所述的方法，其中局部白平衡进一步包括将相应局部校正分别应用于相应颜色参考区或测试区的测得颜色坐标。
150.实施例 6：根据前述四个实施例中任一个所述的方法，其中为了执行步骤 vi)，第二强度校正图像被替换为经局部白平衡的第二强度校正图像或者为经局部白平衡的第二强度校正图像。
151.实施例 7：根据前述五个实施例中任一个所述的方法，其中颜色校正包括至少一个颜色校正矩阵，其中步骤 vii) 包括：将颜色校正矩阵应用于图像的颜色坐标矢量。
152.实施例 8：根据前述六个实施例中任一个所述的方法，其中步骤 v) 中对分析物浓度的确定将强度校正、颜色校正图像考虑在内。
153.实施例 9：根据前述七个实施例中任一个所述的方法，其中在步骤 vi) 中，通过使用对颜色参考区的选择来导出颜色校正。
154.实施例 10：根据前一实施例所述的方法，其中对颜色参考区的选择基于以下中的至少一者：
‑ꢀ
在颜色空间的预定子空间中选择颜色参考区；
‑ꢀ
在颜色空间中测试区的颜色的环境中动态地选择颜色参考区；
‑ꢀ
对颜色参考区进行差异化加权，具体而言为通过赋予颜色接近测试区的颜色的颜色参考区比在颜色空间中距测试区的颜色较远的颜色参考区更高的权重；
‑ꢀ
根据颜色校正的准确度（具体而言为通过交叉验证颜色参考区确定的准确度）选择颜色参考区。
155.实施例 11：根据前述实施例中任一个所述的方法，其中基于像素的平均色调映射校正包括以下中的至少一者：通过组合针对不同类型的移动装置的多个色调映射校正而导出的平均色调映射校正；标准伽马校正的逆反。
156.实施例 12：根据前述实施例中任一个所述的方法，其进一步包括：从在步骤 i) 中捕获的至少一个图像选择至少一个目标区域，其中基于目标区域执行步骤 ii)。
157.实施例 13：根据前一实施例所述的方法，其中目标区域由以下各项中的至少一项确定：在图像中可见其中的至少一个位置标记，具体而言为至少一个 aruco 代码标记；用
于检测图像中的至少一个特征的图像识别，具体而言为用于检测颜色参考卡的包括灰色参考区和颜色参考区的区域的图像识别。
158.实施例 14：根据前述实施例中任一个所述的方法，其进一步包括：具体而言在执行步骤 iv) 之前，对第一强度校正图像执行至少一次统计修改，其中步骤 iv) 是基于经统计修改的第一强度校正图像而执行的。
159.实施例 15：根据前一实施例所述的方法，其中统计修改包括：针对在第一强度校正图像中可见的灰色参考区、颜色参考区和测试区，创建直方图。
160.实施例 16：根据前述实施例中任一个所述的方法，其中针对在第一强度校正图像中可见的灰色参考区、颜色参考区和测试区，将基于像素的图像信息替换为分别针对灰色参考区、颜色参考区和测试区的代表性信息，具体而言为平均信息。
161.实施例 17：根据前述实施例中任一个所述的方法，其中局部色调映射校正为移动装置特定的单独色调映射校正。
162.实施例 18：根据前述实施例中任一个所述的方法，其中局部分配到测试区的灰色参考区围绕测试区，其中局部分配到测试区的灰色参考区和测试区形成测试区群组。
163.实施例 19：根据前一实施例所述的方法，其中测试区群组包括具有至少三个不同灰度级的多个冗余灰色参考区，其中针对每个灰度级提供至少两个冗余灰色参考区。
164.实施例 20：根据前一实施例所述的方法，其中冗余灰色参考区以对称方式（具体而言以旋转对称和/或镜像对称方式）布置在测试区周围。
165.实施例 21：根据前述两个实施例中任一个所述的方法，其中在步骤 iii) 中，通过对具有相同灰度级的冗余灰色参考区求平均来确定针对测试区的局部亮度信息。
166.实施例 22：根据前述四个实施例中任一个所述的方法，其中测试区群组与至少一个相邻的局部颜色参考区群组共享灰色参考区中的至少一些灰色参考区。
167.实施例 23：根据前述实施例中任一个所述的方法，其中局部分配到颜色参考区的灰色参考区围绕相应的颜色参考区，其中局部分配到颜色参考区中的一个颜色参考区的灰色参考区和相应的颜色参考区形成局部颜色参考区群组。
168.实施例 24：根据前一实施例所述的方法，其中每个局部颜色参考区群组包括具有至少三个不同灰度级的多个冗余灰色参考区，其中针对每个灰度级提供至少两个冗余灰色参考区。
169.实施例 25：根据前一实施例所述的方法，其中冗余灰色参考区以对称方式（具体而言以旋转对称和/或镜像对称方式）布置在相应的局部颜色参考区群组的颜色参考区周围。
170.实施例 26：根据前述两个实施例中任一个所述的方法，其中在步骤 iii) 中，通过对具有相同灰度级的冗余灰色参考区求平均来确定针对相应的局部颜色参考区群组的局部亮度信息。
171.实施例 27：根据前述四个实施例中任一个所述的方法，其中灰色参考区中的至少一些灰色参考区由相邻的局部颜色参考区群组和/或由测试区群组和至少一个局部颜色参考区群组共享。
172.实施例 28：根据前述实施例中任一个所述的方法，其中颜色参考卡包含用于定位光学测试条和/或测试区的至少一个定位元件，具体而言为至少一个窗口元件，当测试条被
放置在颜色参考卡之后时，测试区通过该至少一个窗口元件可见。
173.实施例 29：根据前述实施例中任一个所述的方法，其中在步骤 i) 中捕获至少一个图像由移动装置自动启动，具体而言为当颜色参考卡、测试区和光学测试条中的至少一者由移动装置识别时。
174.实施例 30：根据前述实施例中任一个所述的方法，其进一步包括：提示使用者将颜色参考卡以及光学测试条和测试区中的至少一者放置在相机的视野中，具体而言为通过在移动装置的显示屏上显示消息。
175.实施例 31：根据前述实施例中任一个所述的方法，其进一步包括：具体而言在步骤 i) 之后，对颜色参考区、灰色参考区和试剂测试区中的至少一者执行有效性校验。
176.实施例 32：根据前一实施例所述的方法，其中有效性校验包括：针对颜色参考区、灰色参考区和/或测试区，从在步骤 i) 中捕获的至少一个图像确定至少一个颜色值。
177.实施例 33：根据前一实施例所述的方法，其中有效性校包括：基于至少一个颜色值，确定是否满足对颜色参考区、灰色参考区和/或测试区的至少一个有效性标准。
178.实施例 34：根据前一实施例所述的方法，其中有效性标准为直接有效性标准和间接有效性标准中的至少一者。
179.实施例 35：根据前述两个实施例中任一个的方法，其中如果满足有效性标准，则将颜色参考区、灰色参考区和/或测试区标记为有效，其中如果不满足有效性标准，则将颜色参考区、灰色参考区和/或测试区标记为无效。
180.实施例 36：根据前一实施例所述的方法，其中对被标记为有效的颜色参考区、灰色参考区和/或测试区进行步骤 ii)；并且任选地，其中，如果一定数量的颜色参考区、灰色参考区和/或测试区和/或相对数量的至少 10%、15%、20%、25% 或 30% 的颜色参考区、灰色参考区和/或测试区被标记为无效，则方法可以包括重复步骤 i)。
181.实施例 37：一种具有至少一个相机的移动装置，该移动装置被配置用于执行根据前述实施例中的任一个所述的方法。
182.实施例 38：根据前一实施例所述的移动装置，其中该移动装置包括至少一个处理器。
183.实施例 39：根据前一实施例所述的移动装置，其中该移动装置进一步包括至少一个光源，其中移动装置被配置用于在步骤 i) 中捕获图像期间照亮颜色参考卡和测试区。
184.实施例 40：根据前一实施例所述的移动装置，其中第二强度校正图像为针对光源照明的不均匀性而校正的图像。
185.实施例 41：一种用于确定体液样品中的至少一种分析物的浓度的试剂盒，该试剂盒包括根据前一实施例所述的移动装置，试剂盒进一步包括具有至少一个试剂测试区的至少一个光学测试条，试剂盒进一步包括至少一个颜色参考卡，其中颜色参考卡包括局部分配到测试区的多个不同的灰色参考区，并且其中颜色参考卡包括具有已知参考颜色值的多个不同的颜色参考区和局部分配到颜色参考区的多个不同的灰色参考区。
186.实施例 42：一种包括指令的计算机程序，该指令当由具有相机的移动装置（具体而言由根据涉及移动装置的实施例中任一个实施例所述的移动装置和/或由根据涉及试剂盒的前述实施例中任一个实施例所述的移动装置）执行时，使移动装置执行根据涉及方法的前述实施例中的任一个实施例所述的方法。
187.实施例 43：一种包括指令的计算机可读存储介质，该指令当由具有相机的移动装置（具体而言由根据涉及移动装置的前述实施例中任一个实施例所述的移动装置和/或由根据涉及试剂盒的前述实施例中任一个实施例所述的移动装置）执行时，使移动装置执行根据涉及方法的前述实施例中的任一个实施例所述的方法。
附图说明
188.优选地结合从属权利要求，在随后的实施例描述中将更详细地公开其他任选特征和实施例。其中，如本领域技术人员将认识到的，各个任选特征可以按单独的方式以及按任何任意可行的组合来实现。本发明的范围不受优选实施例的限制。在附图中示意性地描绘了实施例。其中，这些附图中相同的附图标记是指相同或功能上相当的元件。
189.在附图中：图 1示出了用于确定体液样品中的至少一种分析物的浓度的试剂盒的实施例；图 2示出了确定体液样品中的至少一种分析物的浓度的方法的实施例的流程图；图 3示出了颜色参考卡的实施例；图 4示出了移动装置的典型色调映射校正实例；图 5a 和图 5b示出了在应用平均色调映射校正之前 (5a) 和之后 (5b) 的针对不同类型的移动装置的多个色调映射校正；图 6a 和图 6b示出了针对不同类型的移动装置的局部平均色调映射校正的抛物线逼近；图 7a 至 c示出了颜色图中的颜色形成反应子空间；图 8示出了非线性色调映射曲线的实施例；并且图 9a 和图 9b示出了移动装置的色调映射校正的重建的实施例。
具体实施方式
190.在图 1 中，用于确定体液样品中的至少一种分析物的浓度的试剂盒 110 的示例性实施例以透视图示出。试剂盒 110 包括移动装置 112 和具有至少一个试剂测试区 116 的至少一个光学测试条 114。该试剂盒进一步包括至少一个颜色参考卡 118。
191.移动装置 112 具有至少一个相机 120 并且被配置用于执行确定体液样品中的至少一种分析物的浓度的方法。方法的示例性实施例在图 2 中示出，并且将在下文进一步详细描述。此外，移动装置 112 可以包括至少一个处理器 122。具体而言，处理器 122 可以被配置用于执行和/或支持方法步骤 i)、ii)、iii)、iv)、v) 以及任选的 vi) 和 vii) 中的一个或多个方法步骤或甚至全部方法步骤。移动装置 112 可进一步包括至少一个光源 124。因此，移动装置 112 可以被配置用于在该方法的步骤 i) 中捕获图像期间照亮颜色参考卡 118 和测试区 116。
192.颜色参考卡 118 包括局部分配到测试区 116 的多个不同的灰色参考区 126。颜色参考卡 118 进一步包括具有已知颜色参考值的多个不同的颜色参考区 128 和局部分配到颜色参考区 128 的多个不同的灰色参考区 126。颜色参考卡 118 的更详细视图在图 3 中示出，并且将在下文进一步详细描述。因此，可以参考图 3 的描述。
193.此外，颜色参考卡 118 可以包含用于定位光学测试条 114 和/或测试区 116 的
至少一个定位元件 130。作为示例，定位元件 130 可以为或可以包括至少一个窗口元件 132，当光学测试条 114 放置在颜色参考卡 118 后面时，测试区 116 可以通过该至少一个窗口元件可见。具体而言，窗口元件可以是颜色参考卡 118 的切除部分。此外，定位元件 130 可被配置用于将光学测试条 114 和/或试剂测试区 116 保持在相对于颜色参考卡 118 的限定位置。颜色参考卡 118 可进一步包括至少一个位置标记 134。位置标记 134 可以为或可以包括至少一个 aruco 代码标记并且可以例如布置在参考卡 118 的至少一个拐角中。
194.在图 2 中，示出了确定体液样品中的至少一种分析物的浓度的方法的示例性实施例的流程。该方法包括：使用具有至少一个相机 120 的移动装置 112。此外，该方法包括以下方法步骤，这些步骤可具体而言以给定次序执行。但是，不同的顺序也是可行的。完全或部分地同时执行方法步骤中的两个或多个是可能的。一次性或重复地执行方法步骤中的一个、多于一个、或甚至是所有步骤，进一步是可能的。该方法可包括未列出的其他方法步骤。
195.该方法包括：i) （以附图标记 136 表示）通过使用相机 120 来捕获颜色参考卡 118 的至少一部分以及至少一个光学测试条 114 的对其施加有样品的至少一个试剂测试区 116 的至少一部分的至少一个图像，
‑ꢀ
其中在图像中，测试区 116 处于相对于颜色参考卡 118 的限定位置，
‑ꢀ
其中颜色参考卡 118 包括局部分配到测试区 116 的多个不同的灰色参考区 126，并且
‑ꢀ
其中颜色参考卡 118 包括具有已知参考颜色值的多个不同的颜色参考区 128 和局部分配到颜色参考区 128 的多个不同的灰色参考区 126；ii) （以附图标记 138 表示）对步骤 i) 中获得的图像应用至少一个预定的基于像素的平均色调映射校正，从而获得至少一个第一强度校正图像；iii) （以附图标记 140 表示）通过使用分别局部分配到颜色参考区 128 和测试区 116 的灰色参考区 126，从第一强度校正图像导出针对颜色参考区 128 中的至少一些颜色参考区以及针对测试区 116 的局部亮度信息；iv) （以附图标记 142 表示）对第一强度校正图像应用至少一个局部色调映射校正，从而获得至少一个第二强度校正图像，该局部色调映射校正将局部亮度信息考虑在内；以及v) （以附图标记 144 表示）通过使用第二强度校正图像，基于测试区 116 的颜色形成反应来确定分析物浓度。
196.特别地，在步骤 i) 中捕获图像可以由移动装置 112 的处理器 122 启动。例如，处理器 122 可以被配置用于提示移动装置 112 的使用者捕获颜色参考卡 118 和测试区 116 的图像。另外地或替代地，处理器 122 可以被配置用于自动捕获颜色参考卡 118 和测试区 116 的图像。为此目的，处理器 122 可被配置用于检测视野中的颜色参考卡 118 和测试区 116，以及进一步用于控制移动装置 112 的相机 120 来捕获图像。此外，处理器 122 可以被配置用于提示使用者将体液样品施加到光学测试条 114 的测试区 116。具体而言，可以在捕获颜色参考卡 118 和测试区 116 的图像之前提示用户施加该样品。
197.颜色参考卡 118 所包括的定位元件 130 可以在步骤 i) 中捕获的图像中可见。处理器 122 可以被配置用于将在步骤 i) 中捕获的图像裁剪至颜色参考卡 118 的大小以供进一步处理。因此，步骤 i) 还可以包括：将捕获的图像裁剪至选定区域，具体而言为目标区域。例如，目标区域可以由颜色参考卡 118 所包括的定位元件 130 指示。
198.在步骤 ii) 中，可以将预定的基于像素的平均色调映射校正应用于在步骤 i) 中捕获的图像，具体而言为图像的目标区域。基于像素的平均色调映射校正包括以下各项中的至少一项：通过组合针对不同类型的移动装置 112 的多个色调映射校正而导出的平均色调映射校正；标准伽马校正的逆反。通过组合针对不同类型的移动装置 112 的多个色调映射校正而导出的平均色调映射校正的示例性函数在图 5a 中示出并且将在下文进一步详细描述。
199.此外，移动装置 112 的处理器 122 可以被配置用于从至少一个定位元件 130 检索关于颜色参考卡 118 的取向的信息。处理器 122 可以进一步被配置用于识别颜色参考卡 118 所包括的颜色参考区 128 以及用于确定所识别的颜色参考区 128 的颜色值。具体而言，可以在执行步骤 ii) 之后，例如在对步骤 i) 中捕获的图像进行基于像素的平均色调映射校正之后，确定颜色参考区 128 的颜色值。
200.该方法可以进一步包括：对第一强度校正图像执行至少一次统计修改。具体而言可以在执行步骤 iv) 之前执行统计修改。作为示例，统计修改可以包括：针对在第一强度校正图像中可见的灰色参考区 126、颜色参考区 128 和测试区 116，创建直方图。此外，针对灰色参考区 126、颜色参考区 128 和测试区 116，可以将基于像素的信息替换为分别针对灰色参考区 126、颜色参考区 128 和测试区 116 的代表性信息，具体而言为平均信息。因此，可以通过对第一强度校正图像执行至少一次统计修改来获得针对灰色参考区 126、颜色参考区 128 和测试区 116 的平均信息。
201.在步骤 iii) 中，通过使用分别局部分配到颜色参考区 128 和测试区 116 的灰色参考区 126，导出来自第一强度校正图像的针对颜色参考区 128 中的至少一些颜色参考区以及针对测试区 116 的局部亮度信息。包括局部分配到颜色参考区 128 和测试区 116 的灰色参考区 126 的颜色参考卡 118 在图 3 中以详细视图示出，并且因此，可以参考图 3 的描述。
202.步骤 iv) 包括：对第一强度校正图像应用局部色调映射校正，其中局部色调映射校正具体而言可以为移动装置特定的单独色调映射校正。作为示例，局部色调映射校正可以包括由抛物线逼近表示的数学关系。示例性抛物线逼近在图 6a 和图 6b 中示出。因此可以参考图 6a 和图 6b 的描述。通过对第一强度校正图像应用局部色调映射校正，可以获得第二强度校正图像。
203.此外，通过使用第二强度校正图像，步骤 v) 包括：基于测试区 116 的颜色形成反应确定分析物浓度。确定分析物浓度具体而言可以包括：将测试区 116 的颜色值与分析物浓度关联。具体而言，测试区 116 的颜色值可以取决于体液样品的分析物浓度，并且因此取决于对其施加有体液样品的测试区 116 的颜色形成反应。
204.该方法可以进一步包括：vi) （用附图标记 146 表示）通过使用第二强度校正图像中的颜色参考 128 至少一些颜色参考区来导出至少一个颜色校正；以及
vii) （用附图标记 148 表示）对第二强度校正图像应用颜色校正，从而获得至少一个强度校正、颜色校正图像。
205.具体而言，方法步骤 vi) 和 vii) 可以任选地在方法步骤 iv) 之后和方法步骤 v) 之前执行。特别地，颜色校正可以为或可以包括至少一个颜色校正矩阵。因此，在步骤 vii) 中，可以通过将颜色校正矩阵应用于图像的颜色坐标矢量来应用颜色校正。可以通过使用对颜色参考区 128 的选择来进一步导出颜色校正。对颜色参考区 128 的选择将在图 7a 至 7c 中进一步详细描述。因此可以参考图 7a 至 7c 的描述。作为示例，步骤 v) 可以包括：通过使用在步骤 vii) 中获得的第二强度校正、颜色校正图像，基于测试区 116 的颜色形成反应来确定分析物浓度。
206.该方法可以进一步包括：在步骤 vi) 之前，对颜色参考区 128 中的至少一些颜色参考区以及测试区 116 进行局部白平衡。在下文中，为了简洁起见，将针对颜色参考区 128 描述局部白平衡的过程。然而，应当注意，可以类似地针对至少一个测试区 116 执行局部白平衡。
207.具体而言，局部白平衡可以至少应用于选择用于供在步骤 vi) 中进行颜色校正的颜色参考区 128。局部白平衡可以包括：针对经历白平衡的颜色参考区 128，使用局部分配到相应颜色参考区 128 的灰色参考区 126。可以将灰色参考区 126 的测得颜色坐标和/或局部分配到相应颜色参考区 128 的冗余灰色参考区 126 的测得颜色坐标的平均值用于局部白平衡。可以通过以下方式来导出局部校正：将灰色参考区 126 的测得颜色坐标和/或冗余灰色参考区 126 的测得颜色坐标的平均值与灰色参考区 128 的已知颜色坐标进行比较。可以将相应的局部校正应用于相应颜色参考区 128 的测得颜色坐标。如上所概述，白平衡也可以通过使用局部分配到测试区 116 的灰色参考区而应用于测试区 116。
208.可以将第二强度校正图像替换为经局部白平衡的第二强度校正图像。可以使用经局部白平衡的第二强度校正图像来执行步骤 vi) 中的颜色校正。为了基于测试区 116 的颜色形成反应确定分析物浓度，可以使用经局部白平衡的第二强度校正、颜色校正图像。局部白平衡具体而言可以考虑并且可以校正例如由具有不同光色的不同光源（诸如干扰移动装置 112 的光源的环境光）引起的不均匀照明条件。
209.在图 3 中，示出了颜色参考卡 118 的示例性实施例。颜色参考卡包括局部分配到测试区 116 的多个灰色参考区 126。颜色参考卡 118 进一步包括具有已知颜色参考值的多个颜色参考区 128 和局部分配到颜色参考区 128 的多个灰色参考区 126。颜色参考区 128 具体而言可以局部分布在颜色参考卡 118 上。此外，颜色参考区 128 中的至少两个颜色参考区可以具有不同的参考颜色值。
210.如上所概述，颜色参考卡 118 包括具有已知颜色参考值的多个颜色参考区 128。可以选择颜色参考区 128 的已知颜色参考值，使得颜色值可以线性地彼此独立并且使得颜色值可以不包括在颜色空间中的公共线和/或公共平面中。通常可以通过测量对其施加有限定葡萄糖浓度的测试区 116 的颜色形成反应的颜色值来生成颜色值。因此，相应颜色值可以位于颜色空间中的反应曲线上。在 xyz 颜色空间中，可以近似地由两条直线段来描述反应曲线。因此，颜色形成反应的颜色值可能不跨越颜色空间中的三维体积，而是位于公共线和/或公共平面上。因此，除了颜色形成反应的颜色值之外，已知颜色参考值可以包括另外的颜色值，使得已知颜色参考值包括颜色空间中的相关体积。
211.例如，颜色参考卡 118 可以包括具有至少十五个不同的已知颜色参考值的多个颜色参考区 128。可以通过测量对其施加有具有已知葡萄糖浓度的体液样品的试剂测试区 116 的颜色形成反应的颜色值来确定已知颜色参考值。另外，已知参考颜色值可以包括与颜色形成反应的颜色子空间的拐角点相对应的所生成的颜色值。因此，多个颜色参考区 128 可以跨越颜色空间的相应体积。颜色参考区 128 的颜色值可以根据颜色形成反应的颜色值进行选择，并且因此具体而言可以不分布在整个颜色空间上。
212.此外，多个灰色参考区可以局部分配到每个颜色参考区 128，使得颜色参考区 128 和所分配的多个灰色参考区可以形成局部群组 150，具体而言为局部颜色参考群组 152。作为另一示例，多个灰色参考区 126 可以局部分配到测试区 116，使得测试区 116 和多个灰色参考区 126 可以形成本地群组150，具体而言为测试区群组 154。局部群组 150 可以定位在颜色参考卡 118 的不同位置中。
213.具体而言，局部群组 150 可以包括具有至少三个不同灰度级的多个冗余灰色参考区 126。此外，可以针对每个局部群组 150 提供具有相同灰度级的至少两个冗余灰色参考区 126。冗余灰色参考区 126 可以以对称方式（具体而言以旋转对称和/或镜像对称方式）布置测试区 116 和/或 颜色参考区 128 周围。因此，可以通过对具有相同灰度级的冗余灰色参考区 126 求平均来确定在步骤 iii) 中获得的针对测试区和/或颜色参考区 128 的局部亮度信息。具体而言，对冗余灰色参考区 126 的求平均可以考虑灰色参考区 126 到测试区 116 和/或颜色参考区 128 的距离，更具体而言通过用冗余灰色参考区 126 到测试区 116 和/或颜色参考区 128 的倒数二次距离来对它们的颜色值进行加权。
214.此外，测试区群组 154 可以与至少一个相邻的局部颜色参考群组 156 共享灰色参考区 126 中的至少一些灰色参考区。灰色参考区 126 中的至少一些灰色参考区也可以由相邻的局部颜色参考区群组 152 共享。
215.图 4 示出了一个移动装置 112 的典型色调映射校正实例。色调映射校正的图形在示意图中示出，其中针对 rgb 色中的每一者，在 x 轴上示出了入射光强度 158，并且在 y 轴上示出了测得颜色值 160。已经测量了移动装置 112 的色调映射校正（由针对红色通道的附图标记 161、针对绿色通道的附图标记 162 和针对蓝色通道的附图标记 163 表示），在图 4 中由圆圈表示，并且已将经验函数（由针对红色通道的附图标记 164、针对绿色通道的附图标记 165 和针对蓝色通道的附图标记 167 表示）拟合到由图 4 中的实线表示的测得颜色值。从图 4 中可以看出，对于 rgb 颜色值中的每一者，色调映射校正可以是相似的。
216.在图 5a 中，示出了针对不同类型的移动装置 112 的多个色调映射校正 166。多个色调映射校正 166 在示意图中示出，其中入射光强度绘制在 x 轴 158 上并且测得颜色值 160 绘制在 y 轴上。此外，针对不同类型的移动装置 112 的多个色调映射校正 166 可用于导出应用于在该方法的步骤 i) 中捕获的图像的平均色调映射校正。具体而言，可以通过对针对不同类型的移动装置 166 的多个色调映射校正求平均来导出平均色调映射校正 112。平均色调映射校正 168 的图形在图 5 的示意图中以圆圈的形式示出。
217.在执行步骤 ii) 之后，例如，在对所捕获的图像应用平均色调映射校正之后的不同移动装置 112 的多个所得的色调映射校正 170 在图 5b 中示出。从图 5 中可以看出，对于大多数色调映射校正，可以保留非线性。剩余的非线性可以通过经拟合的抛物线函数
来逼近，并且因此可以在该方法的步骤 iv) 中使用，如下文将进一步详细概述的。
218.在图 6a 和图 6b 中，示出了针对不同类型的移动装置 112 的局部平均色调映射校正的抛物线逼近 172 的图形。具体而言，图 6a 示出了最佳实现的抛物线逼近 172，而图 6b 示出了局部色调映射校正的最差实现的抛物线逼近 172。如在图 6a 和 图6b 中由空心圆圈所示，局部色调映射校正可以考虑在该方法的步骤 iii) 中导出的局部亮度信息 174。局部亮度信息 174 可用于确定抛物线逼近 172，具体而言通过将抛物线函数拟合到局部亮度信息 174。如在图 6b 中可见，抛物线逼近可示出与所得的色调映射校正 173 的偏差 176，具体而言在高强度值和/或低强度值处。
219.图 7a 至 7c 示出了颜色图 180 中颜色形成反应 178 的颜色子空间。在图 7a 中，测试区 116 的颜色形成反应 178 的颜色子空间由颜色图 180 中的十字表示。如在图 7a 中可见，颜色形成反应的颜色子空间 178 可落入颜色图 180 的一小部分。颜色子空间 178 可以对应于典型葡萄糖浓度（诸如 20、70、120、250 和 450 mg/dl）的测得颜色值。因此，该方法的步骤 vi) 中对颜色参考区 128 的选择可以包括：在颜色空间的预定子空间中选择颜色参考区 128。预定子空间可以为或可以包括颜色形成反应 178 的颜色子空间。
220.此外，在图 7b 中，颜色子空间 178 与颜色参考区 128 的颜色值一同示出。颜色参考区 182 的颜色值在颜色图 180 中示出为圆圈。如在图 7b 中可见，颜色参考区 128 的颜色空间可超过颜色形成反应 178 的颜色子空间。颜色参考区 128 的颜色空间可以超过针对典型葡萄糖浓度的颜色值的颜色子空间，并且因此可以覆盖高达较高葡萄糖浓度（例如高达 600 mg/dl）的颜色值。另外地或替代地，在步骤 vi) 中对颜色参考区 128 的选择可以包括：在颜色空间中测试区的颜色环境中动态地选择颜色参考区 128，其中该环境可以为或可以包括颜色形成反应 178 的颜色子空间。
221.在图 7c 中，选择颜色参考区 128 用于颜色校正的另一示例在颜色图 180 中示出。在该示例中，可以对颜色参考区 128 进行差异化加权，具体而言通过赋予颜色接近于测试区 116 的颜色（由附图标记 184 表示）的颜色参考区 128 比在颜色空间中距测试区 116 的颜色（由附图标记 186 表示）较远的颜色参考区 128 更高的权重。一般而言，在葡萄糖浓度的预定范围内，例如在 80 至 120 mg/dl 的正常范围内，分析测量结果可以是准确的。因此，通过选择性地对具有对应于葡萄糖浓度的预定范围的颜色值的颜色参考区 128 进行加权，可以增强在预定范围内的分析测量的准确度，其中可以忽略在其他颜色子空间中的准确度。图 4 所示的对颜色参考区 128 的选择（由参考数字184表示）可以包括与 40 至 160 mg/dl 的葡萄糖浓度相对应的颜色子空间的颜色值。附图标记 186 示出了颜色参考区 128 的剩余颜色值。
222.作为另一示例，也可以根据颜色校正的准确度（具体而言为通过交叉验证颜色参考区 128 确定的准确度）来选择颜色参考区 128。此外，基于对颜色参考区 128 的选择，可以确定颜色校正，具体而言为颜色校正矩阵，并且可以进一步将其应用于第一强度校正图像，以获得强度校正、颜色校正图像，其可以进一步用于确定体液样品中的至少一种分析物的浓度的方法。
223.在图 8 中，示出了移动装置 112 的非线性色调映射曲线 188 的示例性实施例。其中，与曝光时间 192 相关地示出了所成像的白色区的亮度值 190。例如，可以以毫秒 (ms) 单位测量曝光时间 192 。图 8 中的曲线 188 示出了随着曝光时间 192 增长而连
续增长的非线性映射曲线 188。
224.图 9a 和图 9b 示出了针对两个不同移动装置 112 的色调映射校正的重建的示例性实施例。在图 9a 和图 9b 中，将色调映射校正 194 的正演计算与移动装置 112 的原始测得色调映射校正 196 进行比较。正演计算可以考虑该方法的步骤 ii) 的基于像素的平均色调映射校正和步骤 iv) 的局部色调映射校正。针对图 9a 中的移动装置 112 的色调映射校正 194 的最佳实现的正演计算以及针对图 9b 中的另一移动装置 112 的色调映射校正 194 的最差实现的正演计算，示出了比较。如在图 9a 和图 9b 中可见，对于这两种情况，色调映射校正 194 的正演计算产生原始测得色调映射校正 196 的良好逼近，具体而言在经评价点的局部亮度信息 174 之间，表示例如具有不同灰度级的至少三个灰色参考区 126。因此，基于像素的平均色调映射校正和局部色调映射校正可以适合于再现移动装置 112 的原始测得色调映射校正 196。此外，如在图 9a 和图 9b 中可见，在最佳实现情况下仅针对暗色像素值（图 9a）以及在最差实现情况下针对暗色和亮色像素值（图 9b），色调映射校正 194 的正演计算可能偏离原始测得色调映射校正 196。尽管在外围范围内存在偏差，但是对于这两种情况，通过基于像素的平均色调映射校正和局部色调映射校正对原始测得色调映射校正 196 进行的逼近在中间范围内可以被认为非常良好。
225.附图标记列表110
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
试剂盒112
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
移动装置114
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
光学测试条116
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
试剂测试区118
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色参考卡120
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
相机122
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
处理器124
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
光源126
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
灰色参考区128
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色参考区130
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
定位元件132
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
窗口元件134
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
位置标记136
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
捕获至少一个图像138
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
对图像应用至少一个预定的基于像素的平均色调映射校正140
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
导出至少一个局部亮度信息142
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
应用至少一个局部色调映射校正144
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
确定分析物浓度146
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
导出至少一个颜色校正148
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
应用颜色校正150
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
局部群组152
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
局部颜色参考区群组154
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
测试区群组
156
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
相邻局部颜色参考区群组158
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
光强度160
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色值161
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
测得红色值162
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
测得绿色值163
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
测得蓝色值164
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
拟合的红色通道165
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
拟合的绿色通道166
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
多个色调映射校正167
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
拟合的蓝色通道168
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
平均色调映射校正的图形170
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
多个所得的色调映射校正172
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
抛物线逼近173
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
所得的色调映射校正174
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
局部亮度信息176
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
偏差178
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色形成反应的颜色子空间180
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色图182
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色参考区的颜色值184
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色接近测试区的颜色的颜色参考区186
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
颜色距测试区的颜色较远的颜色参考区188
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
非线性色调映射曲线190
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
亮度值192
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
曝光时间194
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
色调映射校正的正演计算196
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
原始测得色调映射校正。