数字图像处理中的基本概念

2022-10-22 12:36:27 Pooher Inc.

相对低成本的个人电脑的广泛普及预示着科学家和整个消费群体的数字图像处理活动发生了**。再加上通过便宜的扫描仪对模拟图像(主要是照片)进行数字化处理,以及使用电子传感器(主要是电荷耦合设备或CCD)进行图像采集,用户友好的图像编辑软件包大大提高了增强能力功能,提取信息以及轻松修改数字图像的属性。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

数字图像处理能够以整数矩阵的形式对图像进行可逆的,几乎无噪声的修改,而不是经典的暗室操作或过滤模拟图像和视频信号所需的时间相关电压。尽管许多图像处理算法功能非常**,但普通用户往往将操作应用于数字图像,而无需考虑这些操作背后的基本原理。如果正确使用数字处理软件的功能和多功能性,粗心操纵产生的图像通常会严重退化或以其他方式受损。

光学显微镜是一个快速发展的领域,已经高度依赖于数字图像处理技术,既有美学平衡和化妆品触觉,也有康复和分析目的。然而,即使当显微镜配置正确且性能优化时,捕获的数字图像通常显示不均匀的背景,过度的噪音,像差伪影,差的对比度,离焦区域,强度波动,并且还可能遭受色移和色彩平衡错误。此外,图像传感器通常会对图像传感器造成损坏,如锯齿,相机噪声,不正确的伽玛校正,白平衡偏移,差的对比度和亮度波动等,从而出现**清晰且清晰的显微镜中出色的色彩饱和度的图像。

图1中显示的是用标准光学显微镜在明场照明中捕获的薄切片双色斑点叶表皮的数字图像。如*初成像(图1(a)),薄部分显示出相当大的噪声,并且在整个视场中受到不均匀照射,导致样品细节中对比度差和缺乏清晰度。在背景减除,伽马校正,直方图拉伸以及色调,色彩平衡和饱和度的调整之后,经过处理的图像(图1(b))大大改善。

数字图像的预处理评估

在数字图像被捕获之后,并且在开始处理算法应用之前,应当针对每个图像的一般特征(包括噪声,模糊,背景强度变化,亮度和对比度以及一般像素值分布(直方图分布))来评估每个图像, 。应该注意阴影区域以确定有多少细节,以及亮度特征(或亮点)和中间像素强度区域。通过将图像导入其中一种流行的软件编辑程序(如Adobe Photoshop,Corel Photo-Paint,Macromedia Fireworks或Paint Shop Pro),可以轻松完成此任务。

每个图像编辑程序都有一个统计或状态窗口,使用户可以将鼠标光标移动到图像上,并获取有关图像中任何位置的特定像素值的信息。例如,Photoshop Info Palette提供不断更新的像素信息,包括xy坐标,RGB(红色,绿色和蓝色)颜色值,CMYK(青色,品红色,黄色,黑色)转换百分比以及高度和宽度图像中的选取框选择。调色板显示中的偏好选项包括为信息读出选择替代色彩空间模型。Photoshop中可用的模型包括灰度图,HSB(色调,饱和度和亮度),网页颜色(在Windows和Macin osh 8位或256色显示调色板中重叠的216种颜色),实际颜色,不透明度和实验室颜色(与设备无关的颜色空间)。

通过评估各种图像特征的强度(灰度和颜色)和直方图位置,可以确定用于对比度调整的整个直方图的拉伸和滑动的黑色和白色设置点。还应该检查图像是否有裁切,表现为图像中饱和白色或曝光不足黑色区域的外观。一般来说,在图像采集过程中以及图像处理过程中都应避免剪裁。在应用直方图操作之前,应通过平场技术或背景减法校正已受背景强度变化不利影响的图像。

查找表

光学显微镜中常用的几种基本数字图像处理算法通过称为单图像像素点操作的技术起作用,该技术对连续的单个像素而不是大阵列进行操作。用于描述整个图像阵列的单图像像素点处理的通用方程由以下关系给出:

O(x,y)= M·[I(x,y)]

其中I(x,y)表示坐标位置(x,y)处的输入图像像素,O(x,y)是具有相同坐标的输出图像像素,并且M是线性映射函数。通常,映射函数是将输入像素的亮度值转换为输出像素中的另一个值的等式。由于在图像处理中使用的一些映射函数可能非常复杂,因此在逐个像素的大图像上执行这些操作可能非常耗时且浪费计算机资源。用于映射大图像的替代技术被称为查找表LUT),其存储强度变换函数(映射函数),以便其输出灰度值是相应输入值的选定变换。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

量化为8位(256灰度级)时,每个像素的亮度值介于0(黑色)和255(白色)之间,以产生总共256个可能的输出值。查找表使用计算机存储器的256个元素的阵列,该阵列预加载了定义查找表映射函数的一组整数值。因此,当使用查找表必须将单像素处理应用于图像时,每个输入像素的整数灰度值被用作指定256元素阵列中的单个元素的地址。该元素的内存内容(也是0到255之间的整数)覆盖输入像素的亮度值(灰度级),并成为该像素的输出灰度值。例如,如果查找表配置为0到127之间的输入值返回值0,并且为128到255之间的输入值返回值1,则整体点过程将导致二进制输出图像仅具有两组像素(0和1)。或者,为了反转图像中的对比度,查找表可以返回0的255的反值,254的1,254的2等等。查找表具有显着的多功能性,可用于对数字图像进行各种操作。

涉及查找表的图像转换可以通过以下两种机制中的一种来实现:在输入处,以便原始图像数据被转换,或者在输出处,使得转换后的图像被显示,但原始图像保持未被修改。原始输入图像的永久变换对于校正检测器特性中的已知缺陷(例如,非线性增益特性)或将数据转换为新坐标系(从线性变为对数或指数变换)可能是必要的。当只有输出图像应该被修改时,图像变换在数字图像被数字 - 模拟转换器转换回模拟形式以在计算机监视器上显示之前执行。在某些情况下,

查找表不限于线性或单调函数,并且在信号处理中使用各种非线性查找表来校正相机响应特性或强调灰度级的狭窄区域。非线性查找表的实用性的一个很好的例子是校正了用不正确的照相机伽玛调整无意捕获的记录图像。另外,单色或彩色图像也可以转换为负片进行拍摄。其他应用包括伪彩色和S形查找表,强调选定的灰度值范围,以增强所需功能或调整图像对比度。

图2中展示了使用256元素存储器预加载寄存器和表格图(图2(a))进行图像对比反演的查找表映射函数,以及仅使用表格图的阈值操作(图2 (b))。输入像素灰度级用于指定查找表元素的地址,其内容提供存储器寄存器(图2(a))中输出像素的灰度级。正方形查找表格图呈现基于输入像素的那些计算输出像素值的替代方法。要使用该映射,首先确定输入像素的灰度值,然后将垂直线从输入值扩展到映射函数。然后从垂直线和映射函数的交点绘制水平线,以在地图的垂直轴上产生输出像素灰度(图2(b)和2(c))。在阈值操作(图2(c))的情况下,输入值低于100的所有像素都被映射为黑色(0),而其他输入像素强度不变。

平场校正和背景减法

从显微镜,相机或其他光学设备获取的数字图像通常被描述为原始图像在处理和调整关键像素值之前(见图3)。在许多情况下,原始图像适用于目标应用(打印,网络显示,报告等),但这种图像通常会显示出由光学和捕获系统产生的显着水平的噪声和其他伪像,例如镜头像差失真,检测器不规则性(像素不均匀性和固定模式噪声),灰尘,划痕和不均匀照明。此外,不正确的偏置信号调整可能会使像素值*出其真实的光度值,这种情况会导致测量特定图像特征的幅度出现严重错误。原始图像中的错误表现为黑暗阴影,过亮的高光,斑点,斑点和强度梯度,这些都会改变真实的像素值。DIC)。具有中等灰度或明亮背景的荧光图像虽然较为罕见,但可能会遭受类似的错误。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

平场校正技术应用于原始数字图像通常可确保测光精度并消除常见图像缺陷,以恢复特征的逼真度并实现视觉平衡。这些校正步骤应在测量光幅之前进行或从像素强度值获得其他定量信息,尽管为了显示或打印图像校正不是必需的。平场和背景减法技术通常需要在与捕获主原始样本图像相似的条件下收集额外的图像帧。

大多数平场校正方案除了原始图像之外还利用两个补充图像帧来计算*终图像参数(图3)。阿平场参考帧可以通过移除样本并在与原始图像帧相同的聚焦水平捕捉无特征视场来获得。平场参考帧应显示与原始图像相同的亮度等级,并利用相机系统的全部动态范围来*小化校正后图像中的噪点。如果原始图像和平场参考帧都具有较低的信号幅度并且包含大量的噪声,则校正后的图像也会变暗且噪声较大。为了补偿噪声和低强度,平场参考帧可以比用于捕捉原始图像的帧曝光更长的时间。可以将几个平均帧(3-20)相加在一起以创建噪声级非常低的主平场参考帧。

除了平场参考框架之外,还收集了一个暗参考框架,该参考框架在图像传感器暴露于黑暗场景时没有显微镜照明时有效记录每个像素的输出电平。暗帧包含像素偏置偏移电平和从电子和热源获取的杂质,这些杂质污染了原始图像。偏移像素值来自施加到图像传感器的正电压,以便对来自每个光电二极管的模拟强度信息进行数字化。电子噪声源自相机读出和相关源,并且热噪声由半导体传感器的收集井和基板中的硅原子的动力学振动产生。这些噪声源统称为暗噪声并且是数字图像传感器中的常见伪像,其可以贡献高达20%的视在像素幅度。为了确保测光精度,必须从平场参考系和原始图像中减去这些光源。通过将图像传感器输出与原始图像相同的时间进行集成,但不打开相机快门,会生成黑框。主暗帧可以通过将几个单独的暗帧平均在一起来提高信号强度。

一旦收集到必要的帧,平场校正是一个相对简单的操作,涉及多个顺序功能。首先,从原始图像和平场参考帧中减去主暗帧,然后除去结果值(图3)。实际上,在从每帧中减去暗帧之后,将原始帧除以平场帧,并将商与平均像素值相乘以便保持原始图像强度与校正图像强度之间的一致性。校正图像中的各个像素被约束为具有介于0和255之间的灰度级值,作为在暗参考帧像素值*过原始图像的情况下针对符号反转的预防措施。

背景减除是一种技术,其导致原始图像中的每个像素值的局部改变,这取决于背景图像中相同坐标位置处的对应像素的强度。因此,通过将空白显微镜场的背景图像存储为参考图像,可以补偿检测器灵敏度或照度(包括斑点,污垢,划痕和强度梯度)的不均匀性。视频增强对比度(VEC)显微镜严格依赖于背景减除,以从对比度差的样品的高放大图像中去除杂散光和伪像。在这种情况下,背景图像是通过从视场中散焦或置换样本而获得的。生成的背景图像被存储并不断从原始图像中减去,产生对比度的显着改善。这种技术对于时间比较来显示视场之间的变化或运动也很有用。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

如果在显微镜下捕获背景图像是不可行的,则可以通过将捕获的样本图像的背景与表面函数进行拟合来人工创建替代图像(参见图4)。然后可以从样本图像中减去该人造背景图像。通过选择图像中位于背景中的多个点,获得各个位置处的亮度值列表。然后可以利用得到的信息来获得近似于背景的表面函数的*小二乘拟合。在图4中,使用八个可调节控制点来获得背景图像的*小二乘拟合,其表面函数B(x,y)的形式为:

B(x,y)= c0 + c1x + c2y + c3x2 + c4y2 + c5xy

其中c(0)... c(5)是*小二乘解,(x,y)代表拟合背景图像中像素的坐标。图4中呈现的样本是数字化捕获的年轻海星,并配有一个光学显微镜,用于在倾斜照明下进行操作。应该选择控制点,使其均匀分布在整个图像上,并且每个控制点的亮度级应该代表背景强度。将很多点放置在图像的一个小区域内,而很少或几乎不分布到周围区域会导致构建效果较差的背景图像。通常,背景减法被用作改善图像质量的初始步骤,尽管(实际上)必须经常将附加图像增强技术应用于减影图像以便获得有用的结果。

通过平场校正修改的图像看起来与使用背景减除获得的图像相似,但是通过划分(平场校正)执行操作是优选的,因为该技术产生光度更准确的图像。造成这种差异的主要原因是图像是由光通量和曝光时间相结合的乘法处理得到的光振幅值产生的。在应用平场校正技术(但不一定是背景减法算法)之后,样本特征的相对幅度将在光度学上精确。作为额外的好处,平场校正消除了原始图像中存在的大部分光学缺陷。

图像集成

因为数字图像是由整数矩阵组成的,所以诸如图像的求和整合的操作可以容易地以高速进行。如果原始图像以8位分辨率数字化,则存储区域或保存累积图像的数字帧存储器必须具有足够的容量以容纳*过8位的总和。如果假设8位数字图像中的几个像素具有255的*大灰度值,则30帧的总和将导致局部像素灰度值为7650,并且需要具有13-位容量。为了总计256帧,存储容量必须等于65,536灰度级或16位,以适应*亮的像素。

尽管现代计算机显示器能够显示*过256灰度级的图像,但人眼(35-50灰度级)的有限反应表明,应该缩放16位数字图像以匹配显示器和人类视觉的限制能力。当图像的有用信息仅存在于16位存储图像的子区域中时,只应显示该部分。当显示具有大内部强度范围的视野的慢扫描CCD照相机捕获的图像时,这是一种有益的方法。该过程涉及通过16位图像搜索视觉上有意义的部分。

当用视频速率模拟或CCD摄像机获得的图像汇总到16位帧存储器中时,通常通过将存储的和除以常数来显示有意义的8位图像。例如,一个视场的96帧总和可以被96,64,32或24分频。除以32相当于增益增加三倍,并且导致使用完整的255灰度级范围。但是,除以24会增加四倍的增益,并导致图像饱和度和信息丢失。

使用数字图像处理技术进行图像集成通常可以实现在照相机噪声之上几乎无法察觉的微弱物体的可视化。如果图像的亮度不能通过附加的图像增强来增加,则在低光照水平的成像中积分可能具有特别的价值。但是,从信噪比考虑,直接集成在传感器上始终优于集成在处理软件中,这一点很重要。软件中的每个图像集成步骤都会引入模拟数字噪声以及相机读出噪音。

数字图像直方图调整

在光学设备(如照相机或显微镜)中捕捉的大部分数字图像需要对查找表或图像直方图进行调整,以优化亮度,对比度和一般图像可见度。数字图像的直方图提供了图像对比度和亮度特性的图形表示,并且可用于评估对比度不足,如低对比度和高对比度以及不足的动态范围。一种图像直方图是一个曲线图上显示输入像素值X轴(被称为像素)对的数量(或相对数),用于在任何给定的单元条值ÿ轴。灰度直方图中的每个bin表示图像中的一个子像素组,按灰度级排序。x轴上的输入值或分箱的数值范围通常对应于捕获图像的位深度(对于8位图像为0-255,对于10位图像为0-1023,对于12位图像为0-4095位图像)。数学运算可以在直方图本身上执行,以改变任何灰度级的箱的相对分布。直方图的操作可以纠正较差的对比度和亮度,从而显着改善数字图像的质量。

直方图拉伸包括根据指定每个输入像素亮度值的输出像素亮度值的映射函数(请参见图5)修改图像中像素的亮度(强度)值。对于灰度数字图像,这个过程很简单。对于RGB色彩空间数字图像,可以通过将图像转换为图像的色调,饱和度,强度(HSI)色彩空间表示并将亮度映射操作单独应用于强度信息来实现直方图拉伸。以下映射函数经常用于计算像素亮度值:

输出(x,y)=(输入(x,y)-B)/(W-B)

在上面的等式中,假设强度范围在0.0和1.0之间,其中0.0代表黑色,1.0代表白色。变量B表示对应于黑电平的强度值,而对应于白电平的强度值由变量W表示。在一些情况下,希望将非线性映射函数应用于数字图像以便选择性地修改图像的部分。

直方图均衡(也称为直方图均衡)是一种相关的技术,其导致像素灰度值的重新分配,从而使用整个灰度级范围并且每个箱的计数数量保持不变。该过程产生具有没有峰值的水平轮廓的平坦图像直方图。重新分配像素值以确保每个灰度级包含相同数量的像素,同时保留原始图像中的像素值的排序。通常利用均衡来增强对比度极低的图像对比度,其中大部分像素具有接近相同的值,并且对传统的直方图拉伸算法不能很好地响应。该技术在处理无特征暗和平场框架以及以低幅度梯度挽救图像方面是有效的。相反,直方图拉伸空间灰度值以均匀覆盖整个范围。该自动增强或许多图像处理软件包的自动级别对比度)功能利用图像的这些基于直方图的变换之一。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

数字图像直方图可以以不同于常规的像素数与灰度值的线性xy图的几个图案显示。 对数直方图使用对数坐标来表示x轴上的输入像素值与y轴上具有该值的像素数量之间的关系。这些直方图对检查构成图像少数的像素值很有用,但对直方图拉伸显示出强烈的响应。另一种常用的变化,积分累积直方图,绘制x轴上的输入像素值和具有值x的所有像素的累积数,并且在y轴上更低。通常利用累积直方图来调整在相衬,DIC和明场照明模式下收集的图像的对比度和亮度,这些模式往往具有浅色背景。

在一些情况下,图像具有非常高强度的区域,其表现为直方图255灰度级附近的大峰值,其中视频信号饱和并且所有像素已经呈现*大灰度值。这种情况被称为灰度削减并且通常指示数字图像中已经丢失了一定程度的细节,因为原始图像中可能具有不同强度的一些区域已经被分配了相同的灰度值。在某些情况下,如果细节仅从图像的不重要部分丢失,则直方图的剪切可能是可接受的。例如,如果已调整系统以使明场照明下染色的组织学载玻片的对比度*大化,则可能出现这种情况,剪切仅发生在没有细胞结构的明亮背景区域。

空间卷积核(或掩码)

一些***的图像处理工具利用多像素操作,其中每个输出像素的整数值被来自多个相邻输入像素值的贡献所改变。这些操作通常被称为空间卷积,并且涉及将来自原始图像的所选像素集与卷积核卷积掩膜形式的对应像素阵列相乘。卷积是像素的数学变换,以不同于简单加法,乘法或除法的方式进行,如图6所示的简单锐化卷积核掩码。

在*简单的形式中,数字图像上的二维卷积运算利用盒式卷积核。卷积核通常具有奇数个以正方形形式的行和列,具有3×3像素掩模(卷积核)是*常见的形式,但是5×5和7×7核也经常被使用。卷积运算是在原始输入图像的每个像素上单独执行的,并且涉及三个连续的操作,如图6所示。当卷积核被重叠在原始图像上时,操作开始,使得中心像素掩模与要从输入图像卷积的单个像素位置匹配。这个像素被称为目标像素

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

接下来,将原始图像(通常称为图像)中的每个像素整数值乘以覆盖蒙版中的对应值(图6)。将这些产品相加,并将目标图像中目标像素的灰度值替换为所有产品的总和,从而结束操作。卷积内核然后转移到源图像中的下一个像素,该像素成为目标图像中的目标像素,直到原始图像中的每个像素都被内核作为目标。

一般来说,卷积核中使用的数值往往是整数,除数可以根据所需的操作而变化。另外,由于许多卷积操作导致负值(注意卷积内核整数的值可能是负值),因此通常应用偏移值来恢复正值。图7(a)所示的平滑卷积核的矩阵中的每个单元的值为1,除数值为9,偏移量为零。用于8位灰度图像的核矩阵通常受限于选择的除数和偏移量,以便卷积后的所有处理值都在0和255之间。

卷积内核对于各种数字图像处理操作非常有用,包括使用拉普拉斯算子,锐化或梯度滤波器(以卷积核的形式)对噪声图像进行平滑处理(空间平均)和通过边缘增强锐化图像。另外,可以通过使用*大值,*小值或中值滤波器来调整局部对比度,并且图像可以利用卷积核从空间变换到频率域(实际上执行傅立叶变换)。为图像处理开发的卷积内核的总数是巨大的,但是几种滤波器在许多流行的图像处理软件包中广泛应用。

平滑卷积滤波器(空间平均)

专用卷积核通常称为平滑滤波器,在减少数字图像中的随机噪声方面非常有用。典型的平滑卷积滤波器如图7(a)所示,实质上是每行和每列具有整数值1的矩阵。当一幅图像与这种类型的内核卷积时,每个像素的灰度值被它*近的八个邻居和它自身的平均强度替代。数字图像中的随机噪声表现为具有异常高或低强度值的虚假像素。如果由卷积核覆盖的任何像素的灰度值与其相邻像素的灰度值显着不同,则滤波器的平均效果将倾向于通过将噪声分布在所有相邻像素之间来降低噪声的影响。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

图7中所示的每个平滑内核中的九个整数在总和并除以矩阵中的值的数量时增加为1。这些内核被设计为使得卷积操作将产生具有与输入图像的平均亮度相等的平均亮度的输出图像(然而,在某些情况下,这可能只是近似的)。通常,大多数卷积核中的项的总和将增加到0和1之间的值,以避免创建具有*过用于显示图像的数模转换器的动态范围的灰度值的输出图像。

平滑卷积核作为低通滤波器来抑制图像中高空间频率的贡献。术语空间频率类似于频率关于时间(时间频率)的概念,并且描述了信号相对于图像中的位置改变的速度。低空间频率可能在图像的整个宽度上仅表现出几个周期,而高空间频率通常在相同的线性维度上显示多个周期。一个很好的例子是由硅藻壳展示的微小孔隙和条纹的微小有序阵列,它们在非常短的距离内在非常高和低的强度之间交替。低空间频率可能在图像的整个宽度上仅表现出几个周期(例如,表现为宽间隔的条纹),而高空间频率在图像的横向尺寸上经历许多周期。

通常在数字图像中观察到的随机噪声的类型具有高空间频率,通过逐像素地将平滑卷积核应用于图像可以有效地消除该空间频率。然而,期望的其他“真实”图像特征(诸如对象边界和精细结构细节)也可能具有高空间频率,其可能不幸被平滑滤波器抑制。因此,平滑卷积核的应用通常会产生模糊输入图像的不良影响。此外,内核越大(5×5,7×7和9×9),模糊效果越严重(图8)。对于大多数应用程序而言,必须仔细选择平滑内核的大小和形式,以优化降噪和图像降级之间的折衷。滤波器是基于高斯函数的卷积核的平滑滤波器,并且为任何期望的随机噪声降低量提供*少量的空间模糊。平滑滤波器是对具有较低信噪比的颗粒图像进行简单化妆品改进的好工具,但这些滤镜因此也可能会不必要地降低图像分辨率。

锐化卷积滤波器

与平滑卷积滤波器的作用直接相反,锐化滤波器旨在增强数字图像中较高的空间频率,同时抑制较低的频率。图7(c)示出了典型的3×3卷积掩模及其对用光学显微镜捕获的数字图像的影响。除了增强标本边界和细节之外,锐化滤镜还可以消除缓慢变化的背景阴影。因此,有时可以利用这些滤波器来校正图像中的阴影失真,而不必求助于背景减法算法。不幸的是,锐化卷积滤波器具有增强数字图像中随机噪声的不良效果。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

可以调整内核大小以优化锐化滤波器的效果并微调掩模以在特定范围的空间频率上操作。一个典型的3×3掩模(见图6和7)对图像特征的影响*大,该特征随单个像素的间隔间隔而变化。将内核大小加倍或增加三倍将针对延伸*过两个或更多像素的较低空间频率。

中值卷积滤波器

中值卷积核主要用于去除图像噪声,但在消除有缺陷的像素(具有异常高或低的亮度值)以及减少细微划痕造成的恶化方面也非常有效。这些滤波器通常比平滑(低通)卷积核更有效地去除噪声。中值内核的应用方式与标准平滑或锐化内核不同。尽管中值滤波器采用从像素到像素平移的内核,但没有以典型方式应用卷积矩阵。在每个连续的像素位置,由卷积核检查的像素根据强度大小排序。然后确定内核覆盖的所有像素的中值,

中值滤波器可用于消除在显微镜中捕获的数字图像中经常出现的随机强度尖峰。对尖峰有贡献的像素被内核覆盖图选择的相应成员像素的中值替换,这在被处理的图像中产生更均匀的外观。包含偶发强度尖峰的背景区域通过中值滤波器内核以均匀的方式呈现。另外,因为中值核保留了边缘,精细的样本细节和边界,所以它通常用于处理具有高对比度的图像。

专门的卷积滤波器

微分滤波器提供数字图像中像素亮度信息变化率的定量测量。将微分滤波器应用于数字图像时,可以使用有关亮度波动率的数据来增强对比度,检测边缘和边界,并测量特征方向。Sobel是*重要的派生过滤器之一滤波器,该滤波器基于卷积运算,该运算可以根据不对称3×3核掩模的选择而产生八个方向中的任意一个方向上的导数。这些卷积对于在显微镜中捕获的数字图像的边缘增强非常有用。边缘通常是微观结构中*重要的特征之一,并且在适当的增强算法应用后,通常可用于测量。

采用拉普拉斯滤波器(通常称为运算符)来计算相对于位置的强度的二阶导数,并且可用于确定像素是驻留在边缘的黑暗侧还是光侧。拉普拉斯增强操作会在边缘生成尖锐的峰值,并且任何亮度斜率(无论是正还是负)都会突出显示,从而为此滤波器提供全方位的质量。值得注意的是,在人类视觉系统中,眼脑网络将拉普拉斯风格的增强应用于视场中的每个物体。通过使用双图像点处理将拉普拉斯增强图像应用于原始图像,可以模拟人类视觉,以产生出现更清晰和更令人愉快的修改图像。

卷积处理方法中出现的一个重要问题是卷积核将应用于边界像素时将*出图像边界的事实。通常用于解决这个问题的一种技术,称为居中的零边界叠加,就是简单地忽略有问题的像素并仅对位于离边界足够距离的那些像素执行卷积运算。该方法具有产生比输入图像小的输出图像的缺点。第二种技术称为中心零填充叠加涉及用零填充缺失的像素。然而,第三种技术将图像视为平铺相同图像阵列中的单个元素,以便从图像的相反侧取得缺失的像素。这种方法称为居中反射边界叠加,并且具有允许在计算像素地址时使用运算的优点,以消除将边界像素视为特殊情况的需要。这些技术中的每一种都适用于特定的图像处理应用。零填充和反射边界方法通常应用于图像增强滤波技术,而零边界方法通常用于边缘检测和空间导数的计算。

USM锐化滤镜

USM锐化算法通过从原始图像中减去模糊图像,然后调整差异图像中的灰度值来进行操作。此操作可以保留高频细节,同时允许阴影校正和背景抑制。流行的技术是一种极好的工具,可以增强精细标本细节并锐化原始图像中未明确定义的边缘。在不清晰的蒙版过程中的第一步是产生轻微的模糊(通过高斯低通滤波器)并减小原始图像的幅度,然后从未修改的原始图像中减去幅度以产生锐化的图像。图像中具有均匀幅度的区域呈现中等灰度亮度级别,

通常,非锐化掩模过滤器通过从原始图像中减去非锐化掩模(模糊的原始图像)的适当加权片段来进行操作。这种减法操作以图像中的低频空间信息的代价(衰减)来增强高频空间细节。这种效果的出现是因为高斯滤波器从非锐化掩模去除的高频空间细节没有从原始图像中减去。另外,通过高斯滤波器(到非锐化掩模)传递的低频空间细节几乎全部从原始图像中减去。增加高斯滤波器的大小通常会导致不清晰的滤波器产生更清晰的图像。

与其他锐化滤波器相比,锐化掩模滤波器的主要优点之一是控制的灵活性,因为大多数其他滤波器不提供任何用户可调参数。像其他锐化滤镜一样,锐化滤镜可以增强数字图像中的边缘和细节。由于锐化滤波器也会抑制低频细节,因此这些滤波器可用于校正整个图像中的阴影失真,通常以缓慢变化的背景强度的形式显示图像。不幸的是,锐化滤波器在滤波后的图像中也存在增加噪声的不良副作用。出于这个原因,应该保守地使用非锐化掩模滤波器,并且总是应该在细节的增强和噪声的传播之间寻求合理的平衡。

傅里叶变换

所述傅立叶变换是基于任何谐波功能可以通过一系列的正弦和余弦函数,仅在频率,振幅和相位不同的表示的定理。这些变换显示了它们从中导出的原始函数的谐波分量之间的频率和振幅关系。傅立叶变换将空间变化的函数转换为随频率变化的另一函数。还应该注意的是,原始函数的*高空间频率在离开傅立叶变换的原点处*远。

奥林巴斯显微镜|奥林巴斯生物显微镜|奥林巴斯金相显微镜|奥林巴斯倒置显微镜|OLYMPUS显微镜|上海普赫光电科技有限公司

通过设计在适当频率不发射的傅立叶滤波器,可以利用涉及傅立叶技术的空间滤波来通过从图像中删除高或低空间频率信息来操纵图像。这种技术对于从人像锯齿等图像中去除谐波噪声特别有用在视频图像中经常出现图案(见图9)。由于附加的噪声是谐波,因此将在傅立叶变换的局部离散区域中找到它。当使用适当的滤波器从变换中去除这些局部峰值时,重构图像基本上不变,除了不存在有问题的图案。类似的滤波技术也可用于去除正弦波,云纹,半色调和干涉图案,以及来自视频信号,CCD,电源和电磁感应的噪声。

图9(a)所示的是在暗视场照明下用叠加的锯齿干涉图案成像的硅藻壳的视频图像。与硅藻图像相邻(图9(b))是包含空间频率信息的图像的傅里叶变换功率谱。应用几种滤光片(图9(d))并重新形成图像后,锯齿图案已被有效消除(图9(c)),仅留下了硅藻壳的图像。

是否利用傅里叶滤波或卷积核掩码的决定取决于正在考虑的应用。傅立叶变换是一种涉及的操作,它比使用小型掩模的卷积操作需要更多的计算机功率和内存。然而,傅里叶滤波技术通常比等效卷积运算更快,特别是当卷积掩模很大并且接近原始图像的尺寸时。等效傅立叶和卷积运算的适当选择可以降低它们各自的掩模的复杂度。例如,一个简单的傅立叶滤波器,例如一个旨在去除谐波噪声的滤波器,将产生一个难以使用的大而复杂的卷积掩模。

傅里叶变换的另一个有用特征源于它与卷积运算的关系,根据卷积蒙版的内容,它涉及若干乘法和加法运算,以确定每个目标像素的强度。该操作可以与傅里叶滤波进行比较,其中傅立叶滤波器中的每个值都简单地乘以图像的傅立叶变换中的相应像素。这两个操作是相关的,因为当傅里叶滤波器是卷积掩模的傅立叶变换时,卷积操作与傅立叶滤波操作相同。这种等同性表明,可以采用这两种技术中的任何一种来从图像中获得相同的结果,这仅取决于操作者是否决定在图像空间中工作傅里叶空间

结论

使用显微镜拍摄的视频或CCD生成的电子图像的数字化可显着提高增强功能,提取信息或修改图像的能力。乍一看,数字方法的处理能力提高的程度可能不会被理解,特别是与较老的和明显更简单的模拟方法(例如传统的胶片显微摄影术)相比。事实上,数字图像处理能够将图像作为整数矩阵进行可逆的,几乎无噪声的修改,而不是像一系列时间相关的电压,或者甚至更原始地使用暗室中的照相放大器。

近来在高分辨率透射光学显微镜和活细胞的低光水平反射荧光显微镜方面的*新进展大部分依赖于数字图像处理。此外,大多数共焦和多光子显微镜严格依赖于扫描图像的高速,高保真数字化,以及随后对显示的视场进行数字处理。较新的显微镜设计缺乏目镜(目镜),并直接与图像捕捉软件相结合,也依靠图像处理技术从显微镜产生高质量的数字图像。

数字图像处理从噪声或低对比度图像中提取信息以及增强这些图像外观的能力已经导致一些研究人员依赖于该技术而不是*佳地调整和使用显微镜或图像传感器。总而言之,从质量更高的光学图像开始,不含污垢,碎片,噪音,像差,眩光,划痕和伪影,可以产生出色的电子图像。仔细调整和适当校准图像传感器将导致更高质量的数字图像,充分利用传感器和数字图像处理系统的动态范围。


注意:这篇文章是由无人工介入的谷歌自动的机器翻译软件翻译完成。我们很高兴能同时提供给您由人工翻译的和由机器翻译的文章, 以使您能使用您的语言访问所有的知识库文章。然而由机器翻译的文章并不总是**的。它可能存在词汇,语法或文法的问题,就像是一个外国人在说中文时总是可能犯这样的错误。虽然谷歌经常升级机器翻译软件以提高翻译质量,但是我们不保证机器翻译的正确度,也不对由于内容的误译或者客户对它的错误使用所引起的任何直接的, 或间接的可能的问题负责。

查看原始的英语文章:Basic Concepts in Digital Image Processing


标签: 图像处理