CN106204466A - 一种针对傅立叶叠层显微成像技术的自适应去噪方法 - Google Patents
一种针对傅立叶叠层显微成像技术的自适应去噪方法 Download PDFInfo
- Publication number
- CN106204466A CN106204466A CN201610474615.7A CN201610474615A CN106204466A CN 106204466 A CN106204466 A CN 106204466A CN 201610474615 A CN201610474615 A CN 201610474615A CN 106204466 A CN106204466 A CN 106204466A
- Authority
- CN
- China
- Prior art keywords
- image
- darkfield
- group
- imaging technique
- threshold value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 45
- 238000003475 lamination Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005286 illumination Methods 0.000 claims abstract description 16
- 238000001228 spectrum Methods 0.000 claims abstract description 14
- 238000012804 iterative process Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 abstract description 9
- 238000012360 testing method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 2
- 230000004304 visual acuity Effects 0.000 description 2
- 241000193830 Bacillus <bacterium> Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种针对傅立叶叠层显微成像技术的自适应去噪方法,首先在光源全部关闭的情况下拍摄一幅图像作为背景光图像Ib,然后依次点亮每个LED单元并拍摄到一组照明光图像将所有照明光图像减去背景光图像Ib,得到一组无背景光图像对无背景光图像中的所有暗场图像按照阈值Tk进行去噪,并从零开始逐步提高阈值Tk,直到暗场图像中非零像素个数小于图像总像素个数的一半,最后得到一组暗场无噪声图像在傅立叶叠层显微成像迭代过程中,计算初始解产生的图像与暗场无噪声图像两幅图像的均值之比G;如果0.5<G<2,则使用图像进行更新,否则不更新图像所对应的频谱。本发明提高傅立叶叠层显微成像技术重构的图像质量,稳定并且精确的重建出大视场高分辨率图像。
Description
技术领域
本发明属于显微成像技术的去噪领域,特别是一种针对傅立叶叠层显微成像技术的自适应去噪方法。
背景技术
在显微成像领域,更高的分辨率一直是追求的目标,但是在提高分辨率的同时存在一个关键性问题,那就是并没有随分辨率一起提高的显微镜的空间带宽积,换言之即传统显微镜存在分辨率与视场大小难以同时兼顾的矛盾。因为,传统显微镜使用低倍物镜进行成像时视场大但是分辨率低,而使用高倍物镜进行成像时分辨率提高了但是相应的视场就会缩得很小。目前,为了突破分辨率与视场大小难以同时兼顾的矛盾,常见的方法是采用常规显微镜系统配合高精度机械扫描和后期空域图像拼接方法将多个小视场高分辨率图像拼接融合生成一幅大视场高分辨率图像([1]2013205777012,适用于结核杆菌抗酸染色图像拼接的装置)。但是由于引入了机械移动装置,所以系统成像时的稳定性和成像速度又成为一对难以调和的矛盾,提高扫描速度必将影响成像稳定性。所以,想要突破分辨率与视场大小难以同时兼顾的矛盾又不引入了机械移动装置,必须采用近年来提出的计算成像的方法,比如傅立叶叠层显微成像技术。
傅里叶叠层成像技术是近年来发展出的一种大视场高分辨率定量相位计算显微成像技术([2]谢宗良,马浩统,任戈,等.小孔扫描傅里叶叠层成像的关键参量研究[J].光学学报,2015,35(10):94-102),该方法整合了相位恢复和合成孔径的概念。与其他相位恢复方法相似,傅里叶叠层成像技术的处理过程也是根据空域中记录的光强信息和频域中某种固定的映射关系来进行交替迭代的,特别的是该技术借用了合成孔径叠层成像的思想。在一个传统的傅里叶叠层成像的系统中,样品被不同角度的平面波照明并通过一个低数值孔径的物镜进行成像。由于二维的薄物体被来自不同角度的平面波照明,所以在物镜后焦面上物体的频谱被平移到对应的不同位置。因此,一些本来超出物镜数值孔径的频率成分被平移到物镜数值孔径以内从而能够传递到成像面进行成像。反过来看,不同角度的入射光可等效为在频谱上不同位置的交叠的光瞳函数(子孔径),每次通过不同位置子孔径的频谱在频域上形成叠层。之后再利用相机拍摄到的一系列低分辨率图像在频域里迭代,依次更新对应的子孔径里的频谱信息,子孔径与子孔径交叠着扩展了频域带宽并恢复出超过物镜空间分辨率限制的高频信息(合成孔径),最终同时重构出物体的大视场高分辨率光强和相位图像(相位恢复)。这样就实现了使用一个低数值孔径、低放大率的物镜同时获得大视场和高分辨率成像,最终重构的分辨率取决于频域中合成数值孔径的大小。
傅里叶叠层显微成像技术是一种新型的大视场高分辨显微成像技术,但目前其重构质量往往会受到拍摄的低分辨率图像中噪声的影响,尤其是那些信号极小、极易受到噪声影响的暗场图像会严重影响重构图像的高频信息,因此如何有效的去除拍摄图像中的噪声,使其不影响最终的重构质量就成为了傅里叶叠层显微成像技术必须克服的一个技术难题。
发明内容
本发明的目的在于提供一种针对傅立叶叠层显微成像技术的自适应去噪方法,以提高傅里叶叠层显微成像重构的图像质量。
实现本发明目的的技术解决方案为:一种针对傅立叶叠层显微成像技术的自适应去噪方法,步骤如下:
步骤一,在光源全部关闭的情况下拍摄一幅图像作为背景光图像Ib,然后依次点亮每个LED单元并拍摄到一组照明光图像
步骤二,将所有照明光图像减去背景光图像Ib,得到一组无背景光图像
步骤三,对无背景光图像中的所有暗场图像按照阈值Tk进行去噪,并从零开始逐步提高阈值Tk,直到暗场图像中非零像素个数小于图像总像素个数的一半,最后得到一组暗场无噪声图像
步骤四:在傅立叶叠层显微成像迭代过程中,计算由初始解产生的图像与暗场无噪声图像两幅图像的均值之比G;如果0.5<G<2,则使用图像进行更新,否则不更新图像所对应的频谱。
本发明与现有技术相比,其显著优点:(1)多拍摄了一幅背景光图像,然后将所有照明光图像减去背景光图像,这样能够有效避免环境光对重构质量的影响,降低了傅立叶叠层成像系统中光源亮度的要求和使用环境的要求。(2)根据物体分片光滑的假设,采用自适应提高阈值的方法进行阈值去噪,在有效去除暗场图像噪声的同时,保留了绝大部分有用信号,保证了重构质量。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为本发明针对傅立叶叠层显微成像技术的自适应去噪方法的流程图。
图2为获得暗场无噪声图像的处理流程图。
图3为以USAF分辨率板作为待测样品的傅立叶叠层显微成像结果,图3(a)表示的是拍摄到的一幅暗场图像,图3(b)表示的是图3(a)经过去噪后的暗场无噪声图像。图3(c)、2(d)分别表示的是利用原始拍摄到的图像以及经过本方法去噪后的图像进行傅立叶叠层显微成像迭代重构的重构结果。
具体实施方式
本发明首先拍摄背景光图像和一组照明光图像,然后将所有照明光图像减去背景光图像,得到一组无背景光图像。再对无背景光图像中的所有暗场图像按照阈值进行去噪,直到暗场图像中非零像素个数小于图像总像素个数的一半,得到一组暗场无噪声图像,最后计算初始解产生的图像与暗场无噪声图像两幅图像的均值之比,并以此判断是否进行更新。
如图1所示,本发明针对傅立叶叠层显微成像技术的自适应去噪方法的实现步骤如下:
步骤一,在光源全部关闭的情况下拍摄一幅图像作为背景光图像Ib,然后依次点亮每个LED单元并拍摄到一组照明光图像
步骤二,将所有照明光图像减去背景光图像Ib,得到一组无背景光图像获得一组无背景光图像
其中,为第k幅处理后得到的无背景光图像,为第k幅处理前的照明光图像,Ib为背景光图像。
步骤三,对无背景光图像中的所有暗场图像按照阈值Tk进行去噪,并从零开始逐步提高阈值Tk,直到暗场图像中非零像素个数小于图像总像素个数的一半,最后得到一组暗场无噪声图像获得一组暗场无噪声图像的处理流程图如图2所示,具体流程为:
①找出一幅无背景光图像中的暗场图像
②对阈值进行初始化,Tk=0,Tk为第k幅图像的自适应阈值。
③统计图像中灰度小于阈值Tk的像素个数
④判断N是否大于图像总像素个数M的一半。如果N<M,则Tk=Tk+1并回到子步骤③。如果N>M,则进行子步骤⑤。
⑤对暗场图像进行了阈值去噪处理,所有小于阈值Tk的像素都置零,即
⑥对下一幅暗场图像进行了处理,即k=k+1,直到所有暗场图像均已去噪。
步骤四:在傅立叶叠层显微成像迭代过程中,计算由初始解产生的图像与暗场无噪声图像两幅图像的均值之比G。如果0.5<G<2,则使用图像进行更新,否则不更新图像所对应的频谱。判断是否更新所对应的频谱的公式为:
其中,G为判断是否更新所对应的频谱的标志参数,如果0.5<G<2,则使用图像进行更新,否则不更新图像所对应的频谱。mean2(...)表示求图像的均值,为第k幅暗场无噪声图像,为第k幅初始解产生的图像。
通过上述步骤可以看出,本发明多拍摄了一幅背景光图像,然后将所有照明光图像减去背景光图像,这样能够有效避免环境光对重构质量的影响,降低了傅立叶叠层成像系统中光源亮度的要求和使用环境的要求。此外,本方法根据物体分片光滑的假设,采用自适应提高阈值的方法进行阈值去噪,在有效去除暗场图像噪声的同时,保留了绝大部分样品的有效信号,保证了重构质量。
为了测试一种针对傅立叶叠层显微成像技术的自适应去噪方法的去噪效果,我们以USAF分辨率板作为待测样品进行了傅立叶叠层显微成像,图3(a)表示的是拍摄到的一幅暗场图像,图3(b)表示的是图3(a)经过去噪后的暗场无噪声图像。图3(c)、2(d)分别表示的是利用原始拍摄到的图像以及经过本方法去噪后的图像进行傅立叶叠层显微成像迭代重构的重构结果。从图3(a)和2(b)中可以看出,经过本方法去噪以后,原始图像中的所有背景光噪声和绝大部分散粒噪声都得到了有效的去除。从图3(c)和2(d)中可以看出,使用原始图像进行重构的结果图中包含很多颗粒噪声,而使用本方法去噪后的图像进行重构的重构结果则非常清晰,说明本方法能够实现很好的傅立叶叠层显微成像去噪效果。
Claims (4)
1.一种针对傅立叶叠层显微成像技术的自适应去噪方法,其特征在于步骤如下:
步骤一,在光源全部关闭的情况下拍摄一幅图像作为背景光图像Ib,然后依次点亮每个LED单元并拍摄到一组照明光图像
步骤二,将所有照明光图像减去背景光图像Ib,得到一组无背景光图像
步骤三,对无背景光图像中的所有暗场图像按照阈值Tk进行去噪,并从零开始逐步提高阈值Tk,直到暗场图像中非零像素个数小于图像总像素个数的一半,最后得到一组暗场无噪声图像
步骤四:在傅立叶叠层显微成像迭代过程中,计算由初始解产生的图像与暗场无噪声图像两幅图像的均值之比G;如果0.5<G<2,则使用图像进行更新,否则不更新图像所对应的频谱。
2.根据权利要求1所述的针对傅立叶叠层显微成像技术的自适应去噪方法,其特征在于步骤二中,获得一组无背景光图像方法为:
其中,为第k幅处理后得到的无背景光图像,为第k幅处理前的照明光图像,Ib为背景光图像。
3.根据权利要求1所述的针对傅立叶叠层显微成像技术的自适应去噪方法,其特征在于步骤三中,获得一组暗场无噪声图像的处理过程为:
①找出一幅无背景光图像中的暗场图像
②对阈值进行初始化,Tk=0,Tk为第k幅图像的自适应阈值;
③统计图像中灰度小于阈值Tk的像素个数
④判断N是否大于图像总像素个数M的一半,如果N<M,则Tk=Tk+1并回到子步骤③;如果N>M,则进行子步骤⑤;
⑤对暗场图像进行了阈值去噪处理,所有小于阈值Tk的像素都置零,即
⑥对下一幅暗场图像进行处理,即k=k+1,直到所有暗场图像均已去噪。
4.根据权利要求1所述的针对傅立叶叠层显微成像技术的自适应去噪方法,其特征在于步骤四中,判断是否更新所对应的频谱的公式为:
其中,G为判断是否更新所对应的频谱的标志参数,如果0.5<G<2,则使用图像进行更新,否则不更新图像所对应的频谱,mean2(...)表示求图像的均值,为第k幅暗场无噪声图像,为第k幅初始解产生的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610474615.7A CN106204466B (zh) | 2016-06-24 | 2016-06-24 | 一种针对傅立叶叠层显微成像技术的自适应去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610474615.7A CN106204466B (zh) | 2016-06-24 | 2016-06-24 | 一种针对傅立叶叠层显微成像技术的自适应去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106204466A true CN106204466A (zh) | 2016-12-07 |
CN106204466B CN106204466B (zh) | 2019-06-07 |
Family
ID=57461708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610474615.7A Active CN106204466B (zh) | 2016-06-24 | 2016-06-24 | 一种针对傅立叶叠层显微成像技术的自适应去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106204466B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537862A (zh) * | 2018-04-11 | 2018-09-14 | 北京理工大学 | 一种自适应降噪的傅里叶衍射扫描显微镜成像方法 |
CN109557509A (zh) * | 2018-11-23 | 2019-04-02 | 安徽四创电子股份有限公司 | 一种用于改善脉间干扰的双脉冲信号合成器 |
CN110360924A (zh) * | 2019-07-22 | 2019-10-22 | 中国科学院大学 | 一种双波长叠层显微成像方法及系统 |
CN111091511A (zh) * | 2019-12-17 | 2020-05-01 | 广西科技大学 | 一种用于显微图像的广谱去噪方法 |
CN111325682A (zh) * | 2020-01-21 | 2020-06-23 | 清华大学深圳国际研究生院 | 一种面向带干扰自相关信号的相位恢复改进方法和装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484894A (zh) * | 2014-11-18 | 2015-04-01 | 中国科学院大学 | 面向三维信息恢复的多波长叠层成像技术 |
US20150331228A1 (en) * | 2014-05-13 | 2015-11-19 | California Institute Of Technology | Ptychography imaging systems and methods with convex relaxation |
-
2016
- 2016-06-24 CN CN201610474615.7A patent/CN106204466B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150331228A1 (en) * | 2014-05-13 | 2015-11-19 | California Institute Of Technology | Ptychography imaging systems and methods with convex relaxation |
CN104484894A (zh) * | 2014-11-18 | 2015-04-01 | 中国科学院大学 | 面向三维信息恢复的多波长叠层成像技术 |
Non-Patent Citations (2)
Title |
---|
JIASONG SUN等: "Efficient positional misalignment correction method for Fourier ptychographic microscopy", 《BIOMEDICAL OPTICS EXPRESS》 * |
王东等: "可见光域多波长叠层衍射成像的实验研究", 《物理学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537862A (zh) * | 2018-04-11 | 2018-09-14 | 北京理工大学 | 一种自适应降噪的傅里叶衍射扫描显微镜成像方法 |
CN109557509A (zh) * | 2018-11-23 | 2019-04-02 | 安徽四创电子股份有限公司 | 一种用于改善脉间干扰的双脉冲信号合成器 |
CN109557509B (zh) * | 2018-11-23 | 2020-08-11 | 安徽四创电子股份有限公司 | 一种用于改善脉间干扰的双脉冲信号合成器 |
CN110360924A (zh) * | 2019-07-22 | 2019-10-22 | 中国科学院大学 | 一种双波长叠层显微成像方法及系统 |
CN111091511A (zh) * | 2019-12-17 | 2020-05-01 | 广西科技大学 | 一种用于显微图像的广谱去噪方法 |
CN111091511B (zh) * | 2019-12-17 | 2023-05-26 | 广西科技大学 | 一种用于显微图像的广谱去噪方法 |
CN111325682A (zh) * | 2020-01-21 | 2020-06-23 | 清华大学深圳国际研究生院 | 一种面向带干扰自相关信号的相位恢复改进方法和装置 |
CN111325682B (zh) * | 2020-01-21 | 2023-05-23 | 清华大学深圳国际研究生院 | 一种面向带干扰自相关信号的相位恢复改进方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106204466B (zh) | 2019-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204466A (zh) | 一种针对傅立叶叠层显微成像技术的自适应去噪方法 | |
Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
Sahu et al. | A survey on underwater image enhancement techniques | |
Li et al. | Dust removal from high turbid underwater images using convolutional neural networks | |
Wang et al. | Variational single nighttime image haze removal with a gray haze-line prior | |
Wu et al. | Resolution enhancement of long-range imaging with sparse apertures | |
CN114998141B (zh) | 基于多分支网络的空间环境高动态范围成像方法 | |
CN112102179B (zh) | 一种基于Retinex的深度网络单幅图像去雾方法 | |
CN110807738A (zh) | 一种基于边缘图块锐化的模糊图像非盲复原方法 | |
Chen et al. | Optimized denoising method for fourier ptychographic microscopy based on wirtinger flow | |
Wang et al. | Nighttime image dehazing using color cast removal and dual path multi-scale fusion strategy | |
CN112614063B (zh) | 用于楼宇内低照度环境的图像增强和噪声自适应去除方法 | |
Zhang et al. | Group-based sparse representation for Fourier ptychography microscopy | |
CN110852947B (zh) | 一种基于边缘锐化的红外图像超分辨方法 | |
CN111539885A (zh) | 一种基于多尺度网络的图像增强去雾方法 | |
CN116433516A (zh) | 一种基于注意力机制的低照度图像去噪增强方法 | |
Guan et al. | DiffWater: Underwater image enhancement based on conditional denoising diffusion probabilistic model | |
Vavilin et al. | Fast HDR image generation from multi-exposed multiple-view LDR images | |
CN115719319A (zh) | 一种基于物理先验与深度学习的单幅图像去雾方法 | |
Liu et al. | Research on lane line segmentation algorithm based on deeplabv3 | |
CN113066023A (zh) | 一种基于自校准卷积神经网络的sar图像去斑方法 | |
Huo et al. | Underwater image restoration based on color correction and red channel prior | |
Khan et al. | Underwater image enhancement and dehazing using wavelet based fusion for pipeline corrosion inspection | |
Alanka et al. | Modified Haze Removal Algorithm for Image Using Color Attenuation Prior | |
Rizvi et al. | On the use of deep learning for single-pixel imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |