CN104346791A

CN104346791A - 一种校正流动池内粒子成像缺陷的方法

Info

Publication number: CN104346791A
Application number: CN201410650013.3A
Authority: CN
Inventors: 张元囝; 王强
Original assignee: Changchun Dirui Medical Technology Co Ltd
Current assignee: Dirui Medical Technology Co Ltd
Priority date: 2014-11-16
Filing date: 2014-11-16
Publication date: 2015-02-11
Anticipated expiration: 2034-11-16
Also published as: CN104346791B

Abstract

本发明涉及一种校正流动池内粒子成像缺陷的方法，属于流动池内粒子成像系统背景修正方法。预先使用纯净液体在流动池中流动，拍摄不同亮度下的多组图片，作为对整个系统状态的估计数据，针对每个像素点对光照不均程度进行统计拟合，保存每个像素点的校正拟合曲线，当拍摄目标物时，使用拟合数据，将所拍摄图像每个像素点灰度调整至相应灰度等级，从而完成灰度校正，达到使图像清晰、背景一致的目的。本发明优眯是提供一种设计简单、运算速度块、可对整个系统的状态可以进行测定，从而用来校正拍摄图像的技术手段。

Description

一种校正流动池内粒子成像缺陷的方法

技术领域

本发明涉及一种流动池内粒子成像系统背景修正方法，尤其是涉及一种医学体外诊断所使用显微成像系统的背景光照不均及光学系统斑迹影响的校正技术。

背景技术

背景的一致性对于图像分析有着至关重要的作用，若背景灰度场扭曲严重，则所拍摄目标也将变得灰度扭曲，严重的情况下甚至无法辨认，更不用说进一步分析处理。因此对成像的背景灰度场进行校正就是件非常有意义的事。

对于使用透射光拍摄透明容器(下称流动池)中流体里的粒子，在非完全封闭式的固定拍摄装置中，其镜头及流动池表面产生污迹是难以避免的，因此污斑块部位会产生不同程度的光照不均，尤其是流动池内表面因为距离成像焦面位置过近，会在成像时形成位置固定的明显斑迹；并且照明部分亦无法保证照明绝对均匀。这种情况会造成部分拍摄区域模糊，图像整体一致性差，甚至斑迹处的拍摄目标难以辨认，甚至斑迹本身被误识成粒子。

传统的处理手段包括特征提取中使用曲面拟合自适应确定分割阈值，直方图均衡化，同态滤波增强对比度，梯度域图像增强方法，等等。杨杰等在《照度不均匀图像的快速自适应灰度修正》中介绍直方图均衡化，同态滤波，参考标样的灰度矫正等技术；赵素娜等在《小波变换在图像照度不均校正中应用》中介绍了背景曲面拟合，排序校正(最小值滤波)，同态滤波等技术；梁琳等在《光照不均图像增强方法综述》中介绍了直方图均衡化，同态滤波，梯度域图像增强方法，Retinex增强方法。

这些技术手段都是基于图像本身的信息，进行自校正，没有使用成像系统本身的特征进行校正，每次校正都需要预先分析图像本身，校正信息无法提前准备；有些还需要人工干预，不能达到自动化快速校正的效果。

流动池内表面的斑痕污迹造成的斑迹，亮度较临域内其他的像素点有剧烈变化，成像上表现为与周围明显不同的一块斑痕，此种斑痕与成像透镜或照明透镜上的斑痕造成的成像不均有显著不同，其距离焦平面更近，成像也就更清晰，灰度变化明显更剧烈，后期处理易于被误识别。尽管上述技术手段对于缓变的照度不均改善效果比较好，但由于拟合手段采用初等函数，滤波手段取的是低频分量，故拟合的往往是变化较缓的连续曲线和曲面。因此对于这种灰度变化剧烈不连续的斑迹效果并不显著，解决该问题效果不理想。并且这些斑迹易于被误识别为前景信息，难以识别为背景照明原因造成，不能判断为照明原因造成的，也就无法进行校正。

鉴于上述现有技术的不足，在流式成像的环境下，开发一种可以解决这些不足的技术手段对拍摄图像进行预处理校正就显得十分有必要。尤其是在实时采集图像的系统中，运算速度快的技术手段在工程更有优势，本发明正具有此特点。

发明内容

本发明提供一种校正流动池内粒子成像缺陷的方法，以解决医学体外诊断所使用显微成像系统的背景光照不均及光学系统斑迹影响的问题。

本发明采用的技术方案是：包括下列步骤：

(1)在不同亮度下拍摄m组纯净透明液体图片，m∈[2，4]，每组图像的照明状态一致，这些图像反应了系统不同的照明状态，第k组的图像张数n_k∈[256，2048]，k∈[1，m]，所有图像均为X像素：

在照明亮度为B₁的亮度下，拍摄背景图片n₁张；

在照明亮度为B₂的亮度下，拍摄背景图片n₂张；

……

在照明亮度为B_m的亮度下，拍摄背景图片n_m张；

(2)在照明亮度为B_k情况下，拍摄的第i幅图像中，第x像素点的灰度值表示为统计每个位置像素点的灰度均值或众数，使用公式(1)计算在照明亮度为B_k情况下，同组图像每个像素点的灰度均值：

\overset{&OverBar;}{h_{B_{k}, x}} = \frac{Σ_{i = 1}^{n_{k}} h_{B_{k}, i, x}}{n_{k}} - - - (1)

其中n为每组图像的图片总数，B_k为照明情况数，B_k＝B₁,B₂,….B_m；

(3)在照明亮度为B_k情况下，步骤2所有X个像素点的灰度均值构成一幅均值图像，该均值图像表明了系统在此照明条件下的背景状态，每幅均值图像的灰度不均匀性表明了系统的光照情况，将每幅均值图像的每个像素点均校正至本幅图像的灰度均值或众数，使得图像全图灰度一致，使用公式(2)计算在照明亮度为B_k情况下，均值图像的整体灰度均值：

\overset{&OverBar;}{h_{B_{k}}} = \frac{Σ_{x = 1}^{X} \overset{&OverBar;}{h_{B_{k}, x}}}{X} - - - (2)

(4)对于所有不同亮度下均按照步骤3做，则得到若干不同照度下的灰度校正状态信息，对于每一个像素点x在不同照明状态下的多个校正状态做曲线拟合，覆盖所有需要的灰度动态范围，保存记录所有像素点的拟合的曲线信息；

具体使用拟合方法包括：当相机对光照强度响应线性度较好时，使用过两点的线性拟合，当拍摄噪声较大时，采用2、3阶幂函数最小二乘法拟合；当每组图像拍摄数较大时，采用过点插值拟合；

(5)使用步骤4所得每个像素点的校正拟合曲线，校正在正常拍摄状态下拍摄得到的图像，最终得到校正灰度的图像。

本发明使用纯净液体在透明容器中流动，拍摄不同亮度下的多组图像，这些图像中没有粒子，即单纯为背景照明和光学系统斑迹的的状态，可作为对整个系统不同照明亮度状态的估计，对这些图像信息进行提取统计，计算得到校正信息的拟合数据，预先保存。当拍摄目标物时，使用预先保存的系统校正信息数据，将所拍摄图像每个像素点灰度调整至相应灰度等级，从而完成灰度校正，达到使图像清晰、降低光学系统斑迹影响、背景一致的目的。校正过程中不再需要分析每张被校正图像，速度快；由于预先提取了的单纯系统的照明、斑迹信息，相对从图像本身提取这些信息更准确，不会误估计图像中的前景信息为光源信息，校正效果更好。

本发明的有益效果是：校正信息不是单纯提取自图像本身，而是提取自成像系统状态，可对每个系统个体状态的进行校正，校正精确，效果良好，尤其是对背景有亮度剧烈变化的斑迹具有消除或淡化作用，这是其他技术难以做到的；由于预先一次统计保存了大量校准信息，不需要每次针对被校正图像复杂建模，提取校正信息，节约了处理时间。本发明计算简单，易于实现，控制简单，工程实现上运行速度快，能够满足实时高速运算处理的需求；不需要人工交互，可实现自动化处理。

附图说明

图1是本发明采用的成像系统装置结构示意图；

图2是本发明应用例中的黑众数图；

图3是本发明应用例中的白众数图；

图4是本发明应用例中正常拍摄的灰度不均图；

图5是本发明应用例中经校正后得到的图像。

具体实施方式

本发明适用的结构是，照明部分为装配调校后位置相对流动池固定的光源，成像过程中不可相对移动，距离150-300mm，其亮度可在程序控制下调整，照明角度为接近0度角的正照射，偏差小于5度；相机在调整至焦点位置后相对流动池固定，成像过程不可相对移动；相机为单一相机，不可切换。拍摄目标为流动池(透明容器)中含有粒子的流动液体，结构示意如图1所示，相对固定的光学成像系统至关重要，使得系统参数不再变化，预提取的系统信息仍可用来校正工作状态所拍摄图像。

在照明亮度为B₁的亮度下，拍摄背景图片n₁张；

在照明亮度为B₂的亮度下，拍摄背景图片n₂张；

……

在照明亮度为B_m的亮度下，拍摄背景图片n_m张；

\overset{&OverBar;}{h_{B_{k}, x}} = \frac{Σ_{i = 1}^{n_{k}} h_{B_{k}, i, x}}{n_{k}} - - - (1)

\overset{&OverBar;}{h_{B_{k}}} = \frac{Σ_{x = 1}^{X} \overset{&OverBar;}{h_{B_{k}, x}}}{X} - - - (2)

(4)对于所有不同亮度下均按照步骤3做，则得到若干不同照度下的灰度校正状态信息，对于每一个像素点x在不同照明状态下的多个校正状态做曲线拟合，覆盖所有需要的灰度动态范围，保存记录所有像素点的拟合的曲线信息。

具体使用拟合方法包括：当相机对光照强度响应线性度较好时，使用过两点的线性拟合，当拍摄噪声较大时，采用2、3阶幂函数最小二乘法拟合；当每组图像拍摄数较大时，采用过点插值拟合；当拍摄的图像总数较少时，应尽量分多组拍摄，不易使用经过每个点的插值拟合，否则易引入所测定的每种状态的随机误差。

保存记录所有像素点的拟合的曲线信息，这是区别于其他技术手段的重要特征之一；除非拟合的曲线为过原点的直线，否则每个像素点的校正并非为单一固定值比例校正，这也是本发明的重要特征之一。

为进一步阐述本发明的方法和装置，下面列举两具体实施案例。

先举一个具体计算实例。设系统成像为共有4(X＝4)个像素点的图，每个像素点灰度值动态范围为0-255。在较暗条件下拍摄2(n₁＝2)幅图像，像素灰度值分别为(x_1,1,1＝8，x_1,1,2＝6，x_1,1,3＝10，x_1,1,4＝6)，(x_1,2,1＝8，x_1,2,2＝10，x_1,2,3＝10，x_1,2,4＝6)；在较亮条件下，拍摄2幅图像，像素灰度值(x_2,1,1＝118，x_2,1,2＝120，x_2,1,3＝110，x_2,1,4＝122)，(x_2,2,1＝120，x_2,2,2＝118，x_2,2,3＝114，x_2,2,4＝120)；在高亮条件下，拍摄4幅图像，像素灰度值(x_3,1,1＝240，x_3,1,2＝230，x_3,1,3＝234，x_3,1,4＝234)，(x_3,2,1＝238，x_3,2,2＝232，x_3,2,3＝234，x_3,2,4＝236)，(x_3,3,1＝236，x_3,3,2＝232，x_3,3,3＝234，x_3,3,4＝238)，(x_3,4,1＝238，x_3,4,2＝234，x_3,4,3＝234，x_3,4,4＝236)。

引用公式(1)，对高亮条件下，对第0个位置求像素灰度均值

\frac{240 + 238 + 236 + 238}{4} = 238;

以此类推，对每组图像的每个像素点都求均值，得到3幅均值图像，较暗均值图

(\overset{&OverBar;}{x_{1,1}} = 8, \overset{&OverBar;}{x_{1,2}} = 8, \overset{&OverBar;}{x_{1,3}} = 10, \overset{&OverBar;}{x_{1,4}} = 6);

较亮均值图

(\overset{&OverBar;}{x_{2,1}} = 119, \overset{&OverBar;}{x_{2,2}} = 119, \overset{&OverBar;}{x_{2,3}} = 112,

\overset{&OverBar;}{x_{2,4}} = 121);

高亮均值图

({\overset{&OverBar;}{x}}_{3,1} = 238, \overset{&OverBar;}{x_{3,2}} = 232, \overset{&OverBar;}{x_{3,3}} = 234, \overset{&OverBar;}{x_{3,4}} = 236) .

进而可求得较暗均值图的灰度均值

\frac{8 + 8 + 10 + 6}{4} = 8;

以此类推，可求得较亮均值图的灰度均值117.75；高亮均值图的灰度均值235。

采用线性最小二乘法拟合，像素位置1的拟合曲线为(保留两位小数)

y₀＝0.99x₀+0.17

以此类推，同理求得其他3个像素位置的拟合公式

y₂＝1.01x₁+1.03

y₃＝1.01x₂+0.19

y₄＝0.99x₃+0.83

将以上4个方程保存记录，用于校正工作时所拍摄图像。设有一正常拍摄图像，各像素点灰度值为(4,245,120,2)，分别带入对应位置拟合公式，可得修正后图像各像素点灰度值，示例最后一个像素点即第四个像素点

0.99×2+0.83＝2.81≈3

以此类推，各像素点四舍五入取整得到校正后图像(4,248,121,3)。

再举一具体应用例。某仪器在照明系统完全关闭的情况下，即调节照明亮度为0，拍得1300张图像，每张图像的第一个像素点的灰度众数作为此照明状态下众数图像的第一个像素点的灰度值；每张图像的第二个像素点的灰度众数作为此照明状态下众数图像的第二个像素点的灰度值；以此类推得到众数图像的所有像素点灰度值，众数图像如图2所示。同样，在某较高亮度条件下所拍得1300张图像计算得到灰度众数图如图3所示。

将所有像素点，两点成一线拟合至这两张众数图像的灰度众数所连成直线上，则对每个像素点形成线性拟合。设黑众数图像的所有像素点灰度众数为白众数图像的所有像素点灰度众数为对于图像上第n个像素点，黑众数图像上的灰度为x_n,h，白众数图像上的灰度为x_n,b，则对于第n个像素点，做直线拟合，得到公式如下。

y_{n} = \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} - - - (3)

式中y_n表示第n点最终拟合所得值，x_n表示实际拍摄第n点所得到的灰度值。对于实际拍摄中，可能超出灰度范围的拟合值，可采用范围限制的办法。设第n点像素灰度值动态范围最大值为x_n,↑，第n点像素灰度最小值为x_n,↓，则最终分段函数表达式如下。

y_{n} = \{\begin{matrix} y_{n, &UpArrow;} . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} > y_{n, &UpArrow;} \\ \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} . . . . . . . . . . . . y_{n, &DownArrow;} \leq \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} \leq y_{n, &UpArrow;} \\ y_{n, &DownArrow;} . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} < y_{n, &DownArrow;} \end{matrix} - - - (4)

该实例实际所拍摄的原始图像如下图4所示，该实例实际校正后所得图像如下图5所示，比较图3、图4，图3中肉眼明显可见污斑、照度不均，在图4中明显照明不均，图5校正后的图像，污斑变淡，绝大对数污斑不再可见，总体效果改善良好。

Claims

1.一种校正流动池内粒子成像缺陷的方法，其特征在于包括下列步骤：

在照明亮度为B₁的亮度下，拍摄背景图片n₁张；

在照明亮度为B₂的亮度下，拍摄背景图片n₂张；

……

在照明亮度为B_m的亮度下，拍摄背景图片n_m张；

\overset{&OverBar;}{h_{B_{k}, x}} = \frac{Σ_{i = 1}^{n_{k}} h_{B_{k}, i, x}}{n_{k}} - - - (1)

\overset{&OverBar;}{h_{B_{k}}} = \frac{Σ_{x = 1}^{X} \overset{&OverBar;}{h_{B_{k}, x}}}{X} - - - (2)

2.根据权利要求1所述的一种校正流动池内粒子成像缺陷的方法，其特征在于：步骤4将所有像素点，两点成一线拟合至这两张众数图像的灰度众数所连成直线上，则对每个像素点形成线性拟合，设黑众数图像的所有像素点灰度众数为白众数图像的所有像素点灰度众数为对于图像上第n个像素点，黑众数图像上的灰度为x_n,h，白众数图像上的灰度为x_n,b，则对于第n个像素点，做直线拟合，得到公式如下：

y_{n} = \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} - - - (3)

式中y_n表示第n点最终拟合所得值，x_n表示实际拍摄第n点所得到的灰度值。对于实际拍摄中，可能超出灰度范围的拟合值，可采用范围限制的办法，设第n点像素灰度值动态范围最大值为x_n,↑，第n点像素灰度最小值为x_n,↓，则最终分段函数表达式如下：

y_{n} = \{\begin{matrix} y_{n, &UpArrow;} \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} > y_{n, &UpArrow;} \\ \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot y_{n, &DownArrow;} \leq \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} \leq y_{n, &UpArrow;} \\ y_{n, &DownArrow;} \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \overset{&OverBar;}{x_{h}} + (\overset{&OverBar;}{x_{b}} - \overset{&OverBar;}{x_{h}}) \frac{x_{n} - x_{n, h}}{x_{n, b} - x_{n, h}} < y_{n, &DownArrow;} \end{matrix} - - - (4) .