基于局部窗口与极值的显微图像细节增强.docVIP

基于局部窗口与极值的显微图像细节增强 　　摘要： 光学显微成像中，光学物镜、电子成像等对显微图像质量的影响较大，容易形成退化，导致获取的显微图像细节不够清晰。结合数码显微成像的具体需求，提出一种后处理细节增强处理方法。分析了数码显微成像系统的退化过程，强调了光学退化等带来的模糊细节的效应。一方面，利用尺寸变化的双窗口，可以框定凸显不同尺寸的细节信息，实现局部信息的分析；另一方面，利用局部窗口内极大值与极小值分析，并与原图信息比对以获取细节图像。两者综合，最终实现细节的增强。测试实验表明，该方法能够很好地适用于数码显微成像系统，运行速度快，增强效果好。以视觉清晰度指标、灰度平均梯度与拉普拉斯算子和指标作衡量，增强后评价指标提升的平均百分比分别为20.9%、71.2%与81.8%。 　　关键词： 显微图像； 细节增强； 局部窗口； 极值 　　中图分类号： TN 911 文献标志码： A doi： 10.3969/j.issn.1005-5630.2016.05.006 　　文章编号： 1005-5630（2016）05-0407-05 　　引 言 　　数码显微成像技术是观察微观世界的有利工具之一[1]，但在成像过程中，经常存在一些退化因素，导致最终的显微图像细节模糊。在对焦最佳时，这种模糊主要是物镜的光学退化引入的，也有成像电路等因素的共同作用。这种固有缺陷的存在，以及人们对高质量图像信息获取的需求，都促使研究者致力于如何有效提升细节信息的工作，即细节增强技术。 　　显微图像细节增强技术，在硬件上需要提升物镜的成像能力，提高采集成像电路的信噪比，但考虑到成本等因素，都难以付诸实践，最佳的方式是利用软件算法的形式作为补偿。在算法实现细节增强方面，有研究者认为是去模糊工作，将其作为一个反卷积的过程。研究者们设计了诸多模型与方法，比如代数去模糊法（最小二乘等），统计法模型（贝叶斯模型法、马尔科夫随机场等），分析模型（基于各种变分的思路），还包括一些综合多特征优势的混合模型[2-3]。为了更好地获得显微去模糊图像的数学解，常常把反卷积问题转化为能量最小化问题，最普通的策略就是使用最优化理论与迭代方法求解，如RL等方法。但反卷积的方法首先需要点扩散函数的估计，其次是计算时间相对较长，作为软件后处理的方式可能会耽误整个成像过程。细节增强，主要是边缘区域，因此有研究者应用共焦空间微分显微镜系统，实现了在获得样品共焦显微图像的同时直接获取对应的边缘增强显微图像，且图像分辨率与对比度较高[4]。有作者将颜色转移技术应用到显微图像的颜色增强上，实现了显微图像的彩色化达到颜色增强的效果[5]。这些方法的效果好，但计算速度有待进一步提升。因此，为实现显微图像细节增强，本文主要考虑非反卷积式的快速细节增强的方法，以配合整个数码显微成像系统的工作。 　　对于数码显微成像系统中细节增强后处理算法，高对比的细节增强、高效率的运行能力是关键。针对这个问题，本文结合具体的数码显微镜，提出一种基于局部窗口与极值的细节增强方法，解决细节模糊的问题。 　　1 数码显微成像系统 　　数码显微成像系统按功能可分为光学部分、硬件电路部分和软件算法部分。光学部分即显微物镜，其主要作用是使被观察物体成像，使得其可用于人眼观察或者电子目镜CMOS感光；硬件部分即电子目镜，一般采用CMOS器件，其主要作用在于将光信号转变为电信号，并以数字方式将图像记录保存；软件算法部分一方面实现图像和视频的显示，另一方面对图像存在的失真与退化进行校准、补偿等以得到物体真实的图像。如图1所示的数码显微成像系统的典型构架，图中显微镜为宁波永新光学股份有限公司所产的液晶数码显微镜，是本文方法的应用与实验对象。系统要求细节增强效果明显，且运行速度在1 s以下。 　　由于成像系统的缺陷，所获取的显微图像难免细节有所模糊。而数码显微系统具有功能强大的处理器与软件集成系统，使得有机会用算法补偿提升细节，实现显微图像细节的增强，以便于后期的数据分析。本文旨在通过单幅图像的数据，构建图像的局部窗口范围内极值优选方法，实现细节的增强，弥补硬件上的缺憾。 　　3 实验结果与分析 　　应用于显微成像系统的本方法具有一些参数，窗口L1的尺寸初始选择为[9，13，17]，对应L2的尺寸为[5，9，13]。 利用三套双窗口系统，获得最终的增强结果。 　　显微图像的仿真与实拍实验的结果如图3所示。图3中，第一行（a）（b）（c）为原图，第二行（d）（e）（f）为增强的结果。其中，图（a）为仿真显微灰度图（来自百度图片），图（b）（c）为novel （sw82）拍摄实物（椴树年轮切面与木本双子叶植物茎横切），（d）（e）（f）分别为对应的增强结果。在实拍实验中，采用的物镜为永新所产的novel （s