单向免疫扩散是医学检验的重要基础技术手段,在临床医学研究、药品监制产业有着不可或缺的地位。对于这种通用成熟的检验技术,通常是通过人工游标卡尺或者扫描图像进行测量,检测误差大且耗时长,严重影响到药品研制及产出效率。本课题采用机器视觉图像测量技术对单向免疫扩散样本进行测量,解决现有图像测量存在的模糊边缘无法检测等问题,实现图像的精确测量以保证单向免疫扩散定量分析结果的准确性。本文主要工作内容如下:(1)针对单向免疫扩散样本图像目标较浅很难提取的问题,本文提出一种基于小波的半软阈值图像去噪增强算法。该算法先对样本灰度图像进行小波分解,然后分别采用半软阈值对三个高频图像去噪,同时采用对比度受限的自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalization,简称CLAHE)对低频图像增强,完成后进行小波融合。对比分析传统增强去噪并结合两步标定法矫正畸变样本图像,该算法能够增强细节提高对比度,实现样本图像的预处理及畸形矫正。(2)根据单向免疫扩散样本图像的目标位置特征,本文提出去孤点的K-means聚类快速分割算法,该算法结合二分K-means聚类进行初步快速分割与检测局部离群因子(Local Outlier Factor,简称LOF)剪除分割背景残余。通过基于阈值、区域生长、K-means聚类等分割对比可见,本方法可获取完整的目标图像区域,背景干扰较少,分割效果优良。(3)针对单向免疫扩散样本图像边缘的连续扩散现象,本文提出模糊边缘分块信息提取算法并改进圆拟合算法。通过对比实验,本文提出的边缘信息提取算法对不同的实验样本及不同目标均能较为完整的提取目标沉淀物边缘信息,且边缘连续少有间断,干扰较少,测量算法能够提高测量效率,准确度最接近理论值,可靠性较高。(4)通过MATLAB与Visual Studio软件联合开发,将研究算法嵌入到上位机软件,设计的软件系统不仅能够完成单向免疫扩散图像数据测量,还可以绘制抗原抗体特异性曲线,并具有未知抗原浓度测试的功能。本课题重点研究了单向免疫扩散样本测量方案,通过主要算法研究,最终实现在上位机直接获取目标沉淀物测量结果。本文共有图54幅,表12个,参考文献65篇。