基于局部窗口與極值的顯微圖像細(xì)節(jié)增強(qiáng)

趙巨峰+毛磊+劉承+馮華君+高秀敏

摘要： 光學(xué)顯微成像中，光學(xué)物鏡、電子成像等對(duì)顯微圖像質(zhì)量的影響較大，容易形成退化，導(dǎo)致獲取的顯微圖像細(xì)節(jié)不夠清晰。結(jié)合數(shù)碼顯微成像的具體需求，提出一種后處理細(xì)節(jié)增強(qiáng)處理方法。分析了數(shù)碼顯微成像系統(tǒng)的退化過程，強(qiáng)調(diào)了光學(xué)退化等帶來的模糊細(xì)節(jié)的效應(yīng)。一方面，利用尺寸變化的雙窗口，可以框定凸顯不同尺寸的細(xì)節(jié)信息，實(shí)現(xiàn)局部信息的分析；另一方面，利用局部窗口內(nèi)極大值與極小值分析，并與原圖信息比對(duì)以獲取細(xì)節(jié)圖像。兩者綜合，最終實(shí)現(xiàn)細(xì)節(jié)的增強(qiáng)。測試實(shí)驗(yàn)表明，該方法能夠很好地適用于數(shù)碼顯微成像系統(tǒng)，運(yùn)行速度快，增強(qiáng)效果好。以視覺清晰度指標(biāo)、灰度平均梯度與拉普拉斯算子和指標(biāo)作衡量，增強(qiáng)后評(píng)價(jià)指標(biāo)提升的平均百分比分別為20.9%、71.2%與81.8%。

關(guān)鍵詞： 顯微圖像； 細(xì)節(jié)增強(qiáng)； 局部窗口； 極值

中圖分類號(hào)： TN 911 文獻(xiàn)標(biāo)志碼： A doi： 10.3969/j.issn.1005-5630.2016.05.006

文章編號(hào)： 1005-5630（2016）05-0407-05

引 言

數(shù)碼顯微成像技術(shù)是觀察微觀世界的有利工具之一[1]，但在成像過程中，經(jīng)常存在一些退化因素，導(dǎo)致最終的顯微圖像細(xì)節(jié)模糊。在對(duì)焦最佳時(shí)，這種模糊主要是物鏡的光學(xué)退化引入的，也有成像電路等因素的共同作用。這種固有缺陷的存在，以及人們對(duì)高質(zhì)量圖像信息獲取的需求，都促使研究者致力于如何有效提升細(xì)節(jié)信息的工作，即細(xì)節(jié)增強(qiáng)技術(shù)。

顯微圖像細(xì)節(jié)增強(qiáng)技術(shù)，在硬件上需要提升物鏡的成像能力，提高采集成像電路的信噪比，但考慮到成本等因素，都難以付諸實(shí)踐，最佳的方式是利用軟件算法的形式作為補(bǔ)償。在算法實(shí)現(xiàn)細(xì)節(jié)增強(qiáng)方面，有研究者認(rèn)為是去模糊工作，將其作為一個(gè)反卷積的過程。研究者們?cè)O(shè)計(jì)了諸多模型與方法，比如代數(shù)去模糊法（最小二乘等），統(tǒng)計(jì)法模型（貝葉斯模型法、馬爾科夫隨機(jī)場等），分析模型（基于各種變分的思路），還包括一些綜合多特征優(yōu)勢的混合模型[2-3]。為了更好地獲得顯微去模糊圖像的數(shù)學(xué)解，常常把反卷積問題轉(zhuǎn)化為能量最小化問題，最普通的策略就是使用最優(yōu)化理論與迭代方法求解，如RL等方法。但反卷積的方法首先需要點(diǎn)擴(kuò)散函數(shù)的估計(jì)，其次是計(jì)算時(shí)間相對(duì)較長，作為軟件后處理的方式可能會(huì)耽誤整個(gè)成像過程。細(xì)節(jié)增強(qiáng)，主要是邊緣區(qū)域，因此有研究者應(yīng)用共焦空間微分顯微鏡系統(tǒng)，實(shí)現(xiàn)了在獲得樣品共焦顯微圖像的同時(shí)直接獲取對(duì)應(yīng)的邊緣增強(qiáng)顯微圖像，且圖像分辨率與對(duì)比度較高[4]。有作者將顏色轉(zhuǎn)移技術(shù)應(yīng)用到顯微圖像的顏色增強(qiáng)上，實(shí)現(xiàn)了顯微圖像的彩色化達(dá)到顏色增強(qiáng)的效果[5]。這些方法的效果好，但計(jì)算速度有待進(jìn)一步提升。因此，為實(shí)現(xiàn)顯微圖像細(xì)節(jié)增強(qiáng)，本文主要考慮非反卷積式的快速細(xì)節(jié)增強(qiáng)的方法，以配合整個(gè)數(shù)碼顯微成像系統(tǒng)的工作。

對(duì)于數(shù)碼顯微成像系統(tǒng)中細(xì)節(jié)增強(qiáng)后處理算法，高對(duì)比的細(xì)節(jié)增強(qiáng)、高效率的運(yùn)行能力是關(guān)鍵。針對(duì)這個(gè)問題，本文結(jié)合具體的數(shù)碼顯微鏡，提出一種基于局部窗口與極值的細(xì)節(jié)增強(qiáng)方法，解決細(xì)節(jié)模糊的問題。

1 數(shù)碼顯微成像系統(tǒng)

數(shù)碼顯微成像系統(tǒng)按功能可分為光學(xué)部分、硬件電路部分和軟件算法部分。光學(xué)部分即顯微物鏡，其主要作用是使被觀察物體成像，使得其可用于人眼觀察或者電子目鏡CMOS感光；硬件部分即電子目鏡，一般采用CMOS器件，其主要作用在于將光信號(hào)轉(zhuǎn)變?yōu)殡娦盘?hào)，并以數(shù)字方式將圖像記錄保存；軟件算法部分一方面實(shí)現(xiàn)圖像和視頻的顯示，另一方面對(duì)圖像存在的失真與退化進(jìn)行校準(zhǔn)、補(bǔ)償?shù)纫缘玫轿矬w真實(shí)的圖像。如圖1所示的數(shù)碼顯微成像系統(tǒng)的典型構(gòu)架，圖中顯微鏡為寧波永新光學(xué)股份有限公司所產(chǎn)的液晶數(shù)碼顯微鏡，是本文方法的應(yīng)用與實(shí)驗(yàn)對(duì)象。系統(tǒng)要求細(xì)節(jié)增強(qiáng)效果明顯，且運(yùn)行速度在1 s以下。

由于成像系統(tǒng)的缺陷，所獲取的顯微圖像難免細(xì)節(jié)有所模糊。而數(shù)碼顯微系統(tǒng)具有功能強(qiáng)大的處理器與軟件集成系統(tǒng)，使得有機(jī)會(huì)用算法補(bǔ)償提升細(xì)節(jié)，實(shí)現(xiàn)顯微圖像細(xì)節(jié)的增強(qiáng)，以便于后期的數(shù)據(jù)分析。本文旨在通過單幅圖像的數(shù)據(jù)，構(gòu)建圖像的局部窗口范圍內(nèi)極值優(yōu)選方法，實(shí)現(xiàn)細(xì)節(jié)的增強(qiáng)，彌補(bǔ)硬件上的缺憾。

3 實(shí)驗(yàn)結(jié)果與分析

應(yīng)用于顯微成像系統(tǒng)的本方法具有一些參數(shù)，窗口L1的尺寸初始選擇為[9，13，17]，對(duì)應(yīng)L2的尺寸為[5，9，13]。 利用三套雙窗口系統(tǒng)，獲得最終的增強(qiáng)結(jié)果。

顯微圖像的仿真與實(shí)拍實(shí)驗(yàn)的結(jié)果如圖3所示。圖3中，第一行（a）（b）（c）為原圖，第二行（d）（e）（f）為增強(qiáng)的結(jié)果。其中，圖（a）為仿真顯微灰度圖（來自百度圖片），圖（b）（c）為novel （sw82）拍攝實(shí)物（椴樹年輪切面與木本雙子葉植物莖橫切），（d）（e）（f）分別為對(duì)應(yīng)的增強(qiáng)結(jié)果。在實(shí)拍實(shí)驗(yàn)中，采用的物鏡為永新所產(chǎn)的novel （sw82），電子目鏡CMOS分辨率為2 048×1 536，像元尺寸為2.2 μm，圖像為彩色，實(shí)驗(yàn)物體對(duì)象包括木本雙子葉植物莖橫切和椴樹年輪切面。由于實(shí)拍圖像尺寸太大，本文截取了圖像的部分內(nèi)容作為實(shí)驗(yàn)結(jié)果的展示。從實(shí)驗(yàn)結(jié)果觀察，經(jīng)過本文方法的處理，細(xì)節(jié)層次得到增強(qiáng)，對(duì)比相對(duì)提升，實(shí)現(xiàn)了較好地效果。另外，根據(jù)計(jì)算速度監(jiān)測，對(duì)于2 048×1 536的圖像，本方法計(jì)算時(shí)間約為0.5 s，完全適用于永新光學(xué)的顯微成像系統(tǒng)。

此外，為衡量細(xì)節(jié)增強(qiáng)的程度，引入了三種圖像客觀評(píng)價(jià)方法，包括結(jié)合視覺注意機(jī)制與邊緣展寬衡量的顯微圖像清晰度評(píng)價(jià)方法[6]，簡稱為視覺清晰度法；灰度平均梯度GMG（Gray Mean Gradient）法與拉普拉斯算子和LS（Laplacian Sum）法[6]。視覺清晰度法越小越好，灰度平均梯度GMG與拉普拉斯算子和LS越大越好。對(duì)于原圖與細(xì)節(jié)增強(qiáng)圖的客觀評(píng)價(jià)結(jié)果如表1所示。相比于原圖，增強(qiáng)后的結(jié)果的視覺清晰度指標(biāo)更低，GMG與LS指標(biāo)更高，表明增強(qiáng)結(jié)果非常有效。以原圖作為基準(zhǔn)，以視覺清晰度指標(biāo)、GMG與LS指標(biāo)作衡量，通過本文方法的增強(qiáng)，評(píng)價(jià)指標(biāo)提升的平均百分比分別為20.9%、71.2%與81.8%，也從一定程度上說明了細(xì)節(jié)增強(qiáng)的有效性。

4 結(jié) 論

本文針對(duì)顯微成像系統(tǒng)成像退化補(bǔ)償?shù)囊?，提出使用雙窗口局部極值的手段實(shí)現(xiàn)顯微圖像細(xì)節(jié)的增強(qiáng)方法。根據(jù)數(shù)碼光學(xué)顯微鏡固有的細(xì)節(jié)模糊的缺陷，一方面考慮了細(xì)節(jié)增強(qiáng)方法的效果要求，另一方面是方法的高效運(yùn)行速度，鑒于數(shù)碼顯微系統(tǒng)的強(qiáng)大處理器與軟件集成能力，提出使用局部雙窗口去提取不同尺寸的細(xì)節(jié)，并用極值的選擇加強(qiáng)亮細(xì)節(jié)與暗細(xì)節(jié)區(qū)域的對(duì)比，最終快速實(shí)現(xiàn)細(xì)節(jié)的對(duì)比增強(qiáng)。通過實(shí)驗(yàn)，給出了仿真與實(shí)拍數(shù)據(jù)的結(jié)果，利用客觀評(píng)價(jià)手段論證了細(xì)節(jié)增強(qiáng)的有效性，且運(yùn)行速度皆滿足顯微成像系統(tǒng)要求。未來，更多的工作需要投入到參數(shù)的自適應(yīng)選擇上。目前認(rèn)為自適應(yīng)參數(shù)有兩個(gè)重點(diǎn)：一是對(duì)不同場景數(shù)據(jù)的訓(xùn)練，得出經(jīng)驗(yàn)數(shù)據(jù)，而后自動(dòng)判別選擇相應(yīng)參數(shù)；二是可根據(jù)大量數(shù)據(jù)獲取普適應(yīng)的初始參數(shù)，而后根據(jù)具體的應(yīng)用場景設(shè)計(jì)收斂公式實(shí)現(xiàn)參數(shù)的最優(yōu)化。

參考文獻(xiàn)：

[1] 李艷軍，左洪福，吳振鋒，等.顯微觀測技術(shù)的新進(jìn)展及其應(yīng)用[J].光學(xué)儀器，2002，24（2）：37-42.

[2] RICHARDSON W H.Bayesian-based iterative method of image restoration[J].Journal of the Optical Society of America，1972，62（1）：55-59.

[3] CHAN T F，WONG C K.Total variation blind deconvolution[J].IEEE Transactions on Image Processing，1998，7（3）：370-375.

[4] 吳麗如，唐志利，吳泳波，等.應(yīng)用共焦空間微分顯微鏡獲取邊緣增強(qiáng)顯微圖像[J].光學(xué)學(xué)報(bào)，2014，34（3）：317001.

[5] 朱美嬌.低對(duì)比度顯微圖像的顏色增強(qiáng)方法研究[D].杭州：浙江理工大學(xué)，2014.

[6] 趙巨峰，毛磊，劉承，等.視覺注意機(jī)制與邊緣展寬衡量相結(jié)合的顯微成像清晰度評(píng)價(jià)[J].光子學(xué)報(bào)，2015，44（7）：711002.