CN109087272A - 用于采集模拟医学微光图像的降噪系统及使用方法 - Google Patents
用于采集模拟医学微光图像的降噪系统及使用方法 Download PDFInfo
- Publication number
- CN109087272A CN109087272A CN201811206677.5A CN201811206677A CN109087272A CN 109087272 A CN109087272 A CN 109087272A CN 201811206677 A CN201811206677 A CN 201811206677A CN 109087272 A CN109087272 A CN 109087272A
- Authority
- CN
- China
- Prior art keywords
- image
- light
- computer
- noise reduction
- twilight
- 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.)
- Pending
Links
- 239000003814 drug Substances 0.000 title claims abstract description 40
- 230000009467 reduction Effects 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 48
- 229920003229 poly(methyl methacrylate) Polymers 0.000 claims abstract description 35
- 239000004926 polymethyl methacrylate Substances 0.000 claims abstract description 35
- 238000004088 simulation Methods 0.000 claims abstract description 21
- 239000004744 fabric Substances 0.000 claims abstract description 14
- 208000003443 Unconsciousness Diseases 0.000 claims abstract description 13
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 230000004888 barrier function Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 10
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 2
- 239000000463 material Substances 0.000 abstract description 14
- 239000011521 glass Substances 0.000 abstract description 12
- 238000002834 transmittance Methods 0.000 abstract description 7
- 238000007781 pre-processing Methods 0.000 abstract description 6
- 238000011109 contamination Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 5
- 238000013461 design Methods 0.000 description 8
- 230000002708 enhancing effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000011514 reflex Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000006071 cream Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000003670 easy-to-clean Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
- 239000002023 wood Substances 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于采集模拟医学微光图像的降噪系统，主要包括：光源装置，模拟医学生物体装置，微光环境装置，图像采集装置，图像预处理装置，固定和高度调节装置。光源照射PMMA容器内的模拟生物体，计算机以外的设备盖上遮光布，计算机控制CCD相机拍摄，采集数据并传输至计算机，全部传输完毕后，用图像联合处理算法做预处理。针对用玻璃做固定或盛放模拟生物体的挡板或容器，易产生图像污染和噪声，普通相机拍摄的效率和质量不佳的特点，本发明采用PMMA材料定制容器，增大透光度，减少噪声和反射，采用CCD相机拍摄，联合处理算法做图像预处理，进一步降噪，提高图像质量和实验效率，为采集模拟医学微光图像进行研究提供了一种稳定可靠的采集系统。
Description
技术领域
本发明属于微光图像目标检测技术领域，涉及微光图像采集及生物医学图像处理，特别涉及到PMMA材料的装载模拟生物体装置和图像预处理装置的联合处理算法。
背景技术
在生物医学图像处理中，医学图像数据是核心。但其数量是非常有限的，并且非常宝贵，尤其医学病理图片的获取是很困难的。因此在研究生物医学图像处理的工作中，通过模拟环境来获取大量的类医学图像数据就显得尤为重要。医学上也有很多微光下的图像，需要做各种算法处理，这对微光图像的质量要求是很高的。因此设计一套可靠的模拟医学微光图像采集装置具有积极的意义。
微光图像是在低照度的情况下，可见光对物体照射成像。因此用来模拟医学物体的透光性的好坏就决定了图像的整体质量。目前此类的模拟实验一般是用玻璃来做固定物或容器，但玻璃存在透光性不够好，反射现象较为严重，易污染，不易清洗，且易留痕，会给采集的图像带来不必要的附加噪声。聚甲基丙烯酸甲酯（PMMA：Polymethyl methacrylate）材料，俗称有机玻璃。PMMA是目前最优良的高分子透明材料，可见光透过率达到96%，比玻璃的透光度高，可极大地降低光的反射现象，易于成型，容易清洗，易于机械加工，价格低廉，还有不易破碎的特点。利用PMMA材料可降低光的反射，用PMMA材质的容器装载模拟的医学生物体，降低了模拟生物体外部复杂的光照现象。
现在的医学图像处理研究一般所需数据量较大，且要在噪声很小的环境下获得。因此图像采集中需要减噪处理，且大量的数据对采集工作的效率要求很高。普通相机每秒能拍摄几幅图像，且其拍摄图片的光谱范围只适合人眼视觉，并且经过了MJPEG（MotionJoint Photographic Experts Group）压缩，图像质量较差，所得图像不适合进行高精度的图像处理算法。工业相机的帧率比普通相机高很多，每秒可以拍摄几十幅到几百幅图片，工作效率很高。而且，工业相机输出的是裸数据，其光谱范围也比较宽，适合进行高质量的图像处理算法，CCD（Charge coupled Device）工业相机，CCD是电荷耦合元件，也称CCD图像传感器。CCD与CMOS (Complementary Metal Oxide Semiconductor)是当前被普遍采用的两种影像感测组件，基本上两者都是利用感光二极管进行光与电的转换，将影像转换为数字信息，它们的主要差异是数字信号传送方式的不同。CMOS传感器的灵敏度会低于CCD传感器。分辨率上也有较大差异，CMOS传感器的每个像素都比CCD传感器更加复杂，其像素大小很难达到CCD传感器的水准。CMOS传感器每个感光二极管都需搭配一个放大器，而放大器属于模拟电路，很难让每个放大器所得到的结果维持一致性，因此与只有一个放大器放在芯片边缘的CCD传感器比较之下，CMOS传感器的噪声会增加很多，影响图像品质。
在图像处理中，所采集的原始图像必须要经过预处理才能做进一步的分析处理和高精度的图像处理算法，而图像目标检测更加需要一套能够提升图像质量，增强图像边缘的算法为支撑。
发明内容
本发明为了实现上述目的，本发明采用了如下技术方案：
一种用于采集模拟医学微光图像的降噪系统，其特征在于它包括：光源装置，模拟医学生物体装置，微光环境装置，图像采集装置，图像预处理装置，调节装置；
其中所述的光源装置包括：支架台1，光源2，带有透光孔的具有固定底座9的挡光板3；挡光板为全黑，为了降低光的散射和反射；光源设置支架台之上，挡光板3上的在透光孔与光源对准；集中光的照射；
所述的模拟医学生物体装置为PMMA容器4，容器中装有模拟生物体；PMMA容器紧贴挡光板3且保证透光孔位置对应在PMMA容器中央；
所述微光环境装置由遮光布5，以及一个表面做成全黑的挡光板3组成；遮光布覆盖在计算机以外的设备上；使实验环境变暗；
所述图像采集装置包括：一台CCD相机6，一台计算机7；CCD相机与计算机之间靠传输的数据线连接；计算机控制传输采集数据；
所述图像预处理装置是由计算机7及计算机中的图像联合处理算法构成；对所采集的图像数据做进一步的增强和降噪等处理；调节装置由多层一定厚度可调的木质垫板8构成；根据不同实验需求调节各装置的高度；
本发明所述的光源为直流或交流光源：所述的光源装置、模拟医学生物体装置、图像采集装置之间的距离可调。
本发明对传输至计算机的图像，使用图像预处理装置的联合处理算法对其进行滤波去噪算法，以及边缘增强算法处理。
本发明进一步公开了用于采集模拟医学微光图像的降噪系统的使用方法，其特征在于：
（1）打开光源装置开关，照射模拟医学生物体装置，调节好图像采集装置的相机；
（2）将计算机以外的设备盖上遮光布，拍摄数据并传输至计算机；
（3）待数据全部传输完毕，用图像预处理装置的联合处理算法对其进行预处理，该联合处理算法包括：对图像做缩放和修剪，缩小图像尺寸和大小；做均值滤波，滤除高斯噪声；利用直方图均衡化增加图像灰度级，做图像增强，再利用对比拉伸方法（对比度扩展变换）进一步增强对比度，最后做Log（Laplacian of Gassian ）算法：把拉普拉斯检测算子和高斯滤波两者结合，进行边缘检测的方法，增强图像边缘。
本发明更进一步公开了用于采集模拟医学微光图像的降噪系统在有效减少原始图像污染和附加噪声方面的应用。实验结果显示：本发明所采用的PMMA容器有效降低了反光现象，减少了不必要的图像污染和噪声，采用CCD相机，以及所做的联合处理算法进一步降低了噪声，大幅提高了微光图像的质量，使得经联合处理算法前后的微光图像峰值信噪比达到30.495db，且经该算法处理后的图像灰度级明显增多，对比度增强，图像质量明显改善。
本发明更加详细的描述如下：
本发明公开的用于采集模拟微光图像的装置系统包括：光源装置，模拟医学生物体装置，微光环境装置，图像采集装置，图像预处理装置，固定和高度调节装置。
光源装置包括：一个支架台，一个直流或交流光源，一个带有透光孔的，具有稳定底座的挡光板（全黑，为了降低光的散射和反射）。将光源对准透光孔，打开光源开关，通过透光孔照射PMMA容器中的模拟生物体。
模拟医学生物体装置是具有一定尺寸的PMMA容器，容器中装有模拟生物体。PMMA容器紧贴挡光板，且保证透光孔位置对应在该容器中央。微光环境装置由一块遮光效果较好的专门的遮光布，以及一个表面做成全黑的挡光板组成。
图像采集装置包括：一台CCD工业相机，一台与CCD工业相机连接的计算机，一根用来在相机与计算机之间传输数据的数据线。光源装置与模拟生物体之间，以及模拟生物体与图像采集装置之间的距离可调。
图像预处理装置由计算机和计算机中的图像联合处理算法构成。联合处理算法主要包括对原始拍摄图像进行裁剪，滤波去噪以及边缘增强等预处理算法。
给出一个预处理算法的具体过程：对图像做缩放和修剪，缩小图像尺寸和大小，被裁剪部分不含图像主要内容，因此裁剪在一定程度上可增大信噪比；做均值滤波，滤除噪声；利用直方图均衡化增加图像灰度级，做图像增强，再利用对比拉伸方法（对比度扩展变换）增强对比度，最后做Log（Laplacian of Gassian ）算法：把拉普拉斯检测算子和高斯滤波两者结合，进行边缘检测的方法，增强图像边缘。
固定和高度调节装置：多层一定厚度（可调）的木质垫板，根据具体需求来垫调各装置的高度；需要对模拟生物体装置以及挡光板进行固定，防止容器或挡光板不稳而产生抖动和遮挡，本设计将挡光板连接了一个固定底座，来固定整个模拟生物体装置和挡光板。
本系统使用时，将所有有关装置的电源打开，把CCD相机与电脑连接好，将各装置之间距离调好，利用垫板调节好装置的高度，打开光源，对准挡光板的透光孔照射PMMA容器里的模拟生物体，CCD相机镜头对准PMMA容器的中央。将计算机以外的所有设备，盖上遮光布。利用计算机控制CCD相机拍摄并传输数据，待数据全部传输完毕后，启用图像预处理装置，用联合处理算法对图像进行预处理。
本发明主要解决了由玻璃或者其他材料作为固定或盛放模拟生物体的容器，所带来的图像污染和噪声，较强的光的反射现象，以及普通相机拍摄效率和质量不佳的问题，重点考察了微光图像处理算法的融合，PMMA材料的透光度和其它光学性质，以及CCD相机的结构和性能，主要的难点在于PMMA材料的寻找与选择，以及微光图像处理算法的融合，为此先后考察了玻璃容器，塑料PE容器等条件，最后确定的方案是采用PMMA材料的容器，使用CCD相机，将多种图像处理算法融合使其适宜于微光图像的处理，降低噪声，提高微光图像质量。
本发明公开的用于采集模拟医学微光图像的降噪系统及使用方法所具有的积极效果在于：
（1）用于采集模拟医学微光图像的系统装置设计，针对微光环境，有很好的模拟效果。
（2）模拟医学生物体装置中的PMMA材质的定制容器，改进了用玻璃作为固定挡板或容器的弊端，透光度达到96%，且不易污染留渍，易清洗，减少很多不必要的原始图像污染和附加噪声。同时减少了模拟生物体外部的复杂光照现象，降低其光照环境的复杂程度。
（3）本设计的图像采集装置：CCD芯片的工业相机很大程度的降低采集图像过程中的噪声，且光谱范围较宽，采集的图像适合进行高质量的图像处理算法。
（4）图像采集装置中，工业相机的帧率很高且拍摄稳定，达到每秒几百帧，且不易卡顿，大幅提升模拟实验的工作效率和稳定性。
（5）图像预处理装置对于图像使用联合处理算法，进行一系列去噪，滤波和边缘增强处理。将微光图像的噪声大幅降低，提升图像质量，增强图像边缘，更适合下一步对图像做更深层次的处理和研究。
附图说明
图1本设计装置的整体结构示意图；
图2为本设计装置的整体结构关系框图；
图3为本设计的图像预处理装置的流程图；
图4为使用玻璃作为挡板或容器时拍摄所得图像；
图5为使用本设计中的PMMA材料的容器拍摄所得图像；
图6为使用本装置采集的原始图像与其经过本设计中的预处理算法之后的图像和其直方图；其中：a为原始拍摄图像，b为经过联合处理算法后的图像，c为原始图像的直方图，d为经联合处理算法后的图像的直方图；
其中1；支架台, 2光源，3：挡光板，4：容器，5：遮光布，6：CCD相机，7：计算机，8：木质垫板，9：固定底座。
具体实施方式
下面通过具体的实施方案叙述本发明。除非特别说明，本发明中所用的技术手段均为本领域技术人员所公知的方法。另外，实施方案应理解为说明性的，而非限制本发明的范围，本发明的实质和范围仅由权利要求书所限定。对于本领域技术人员而言，在不背离本发明实质和范围的前提下，对这些实施方案中的物料成分和用量进行的各种改变或改动也属于本发明的保护范围。本发明所用原料及试剂均有市售。
实施例1
一种用于采集模拟医学微光图像的降噪系统，其特征在于它包括：光源装置，模拟医学生物体装置，微光环境装置，图像采集装置，图像预处理装置，调节装置；
其中所述的光源装置包括：支架台，光源，带有透光孔的具有固定底座的挡光板；挡光板为全黑，为了降低光的散射和反射；光源设置支架台之上，挡光板上的在透光孔与光源对准；所述的模拟医学生物体装置为PMMA容器4，容器中装有模拟生物体；PMMA容器紧贴挡光板3且保证透光孔位置对应在PMMA容器中央；
所述微光环境装置由遮光布，以及一个表面做成全黑的挡光板3组成；遮光布覆盖在计算机以外的设备上。
所述图像采集装置包括：一台CCD相机6，一台计算机7；CCD相机与计算机之间靠传输的数据线连接；所述图像预处理装置是由计算机及计算机中的图像联合处理算法构成；调节装置由多层一定厚度可调的木质垫板构成。
本发明所述的光源为直流或交流光源：所述的光源装置、模拟医学生物体装置、图像采集装置之间的距离可调。
本发明对传输至计算机的图像，使用图像预处理装置的联合处理算法对其进行滤波去噪算法，以及边缘增强算法处理。
实施例2
本装置的使用方法
（1）打开光源装置开关，照射模拟医学生物体装置，调节好图像采集装置的相机；
（2）将计算机以外的设备盖上遮光布，拍摄数据并传输至计算机；
（3）待数据全部传输完毕，用图像预处理装置的联合处理算法对其进行预处理具体如下：
采集模拟微光医学生物体图像，向模拟生物体装置中的PMMA容器中装入一定比例的乳状溶液，放入一些透光率较低的物体，来模拟生物体组织中的异常物。开启有关设备电源及光源开关，将光源对准挡光板的透光孔，将PMMA容器的一个面与透光孔紧贴，且将透光孔完全堵住。将图像采集装置的相机镜头与PMMA容器之间的距离调节好，相机镜头对准透光孔的中央。将计算机以外的设备盖上遮光布，最后由计算机控制CCD工业相机进行拍摄和数据传输。图像采集装置将拍摄数据全部传输至计算机之后，使用图像预处理装置中的联合处理算法对图形先进行裁剪，减少后期处理占用存储空间，再进行降噪滤波，边缘增强等处理，得到噪声大幅降低，信噪比增大，且增强边缘的预处理图像，可以用于更复杂的图像处理研究。实验结果表明：使用PMMA材料的容器拍摄所得图像，并没有使用玻璃容器时出现的明显气泡和不明斑块等噪声。
实施例3
实际使用的比较试验：
常规的用于采集模拟医学微光图像的装置
目前用于采集模拟医学微光图像的装置在模拟医学生物体时，基本是用玻璃或者塑料（PE）做容器或者挡板，普通玻璃的透光率为82%-83%，反光较为严重，且易产生污染或褶皱，给图像带来污染和噪声，有很多此类的噪声是难以去除的.很多此类装置在采集图像时，采用CMOS相机或者普通相机，但由于其结构原因，在拍摄时也会给图像带来一部分不小的噪声。
本发明的用于采集模拟医学微光图像的装置
本发明的用于采集模拟医学微光图像的装置采用了PMMA材料作盛放模拟生物体的容器，其表面不易被污染，不易留痕，且透光率高达96%，极大的降低了反光现象，减少了图像采集时的噪声，且利用CCD芯片的相机，大幅减少相机拍摄过程的噪声，本发明还采用了一系列的联合处理算法对图像降噪和边缘增强等预处理，该联合处理算法包括：先对图像做缩放和修剪，再经均值滤波；做直方图均衡化和对比扩展变换，增加图像灰度级，增强对比度；最后做Log（Laplacian of Gassian ）算法：把拉普拉斯检测算子和高斯滤波两者结合，进行边缘检测的方法，增强图像边缘。本发明所采集的原始微光图像在采用该联合处理算法前后的图像峰值信噪比达到30.495db，灰度级增多，图像质量得到明显改善。
结论：本发明的用于采集模拟医学微光图像的装置在图像采集时极大的降低了噪声，所采用的PMMA容器有效降低了反光现象，减少了不必要的图像污染和噪声，采用的CCD相机，以及所做的联合处理算法进一步降低了噪声，大幅提高了微光图像的质量，得到的图像可用于更复杂，更高质量的图像处理算法研究。
Claims (6)
1.一种用于采集模拟医学微光图像的降噪系统，其特征在于它包括：光源装置，模拟医学生物体装置，微光环境装置，图像采集装置，图像预处理装置，调节装置；
其中所述的光源装置包括：支架台（1），光源（2），带有透光孔的具有固定底座（9）的挡光板（3）；挡光板为全黑，为了降低光的散射和反射；光源设置支架台之上，挡光板（3）上的在透光孔与光源对准；
所述的模拟医学生物体装置为PMMA容器（4），容器中装有模拟生物体；PMMA容器紧贴挡光板（3）且保证透光孔位置对应在PMMA容器中央；
所述微光环境装置由遮光布（5），以及一个表面做成全黑的挡光板（3）组成；遮光布覆盖在计算机以外的设备上；
所述图像采集装置包括：一台CCD相机（6），一台计算机（7）；CCD相机与计算机之间靠传输的数据线连接； 所述图像预处理装置是由计算机（7）及计算机中的图像联合处理算法构成；调节装置由多层一定厚度可调的木质垫板（8）构成。
2.根据权利要求1所述用于采集模拟医学微光图像的降噪系统，其特征在于所述的光源为直流或交流光源。
3.根据权利要求1所述用于采集模拟医学微光图像的降噪系统，其特征在于所述的光源装置、模拟医学生物体装置、图像采集装置之间的距离可调。
4.根据权利要求1所述用于采集模拟医学微光图像的降噪系统，其特征在于：对传输至计算机的图像，使用图像预处理装置的联合处理算法对其进行滤波去噪算法，以及边缘增强算法处理。
5.权利要求1所述的用于采集模拟医学微光图像的降噪系统的使用方法，其特征在于：
（1）打开光源装置开关，照射模拟医学生物体装置，调节好图像采集装置的相机；
（2）将计算机以外的设备盖上遮光布，拍摄数据并传输至计算机；
（3）待数据全部传输完毕，用图像预处理装置的联合处理算法对其进行预处理，该联合处理算法包括：对图像做缩放和修剪，缩小图像尺寸和大小；做均值滤波，滤除高斯噪声；利用直方图均衡化增加图像灰度级，做图像增强，再利用对比拉伸方法进一步增强对比度，最后做Log算法：把拉普拉斯检测算子和高斯滤波两者结合，进行边缘检测的方法，增强图像边缘。
6.权利要求1所述的用于采集模拟医学微光图像的降噪系统在有效减少原始图像污染和附加噪声方面的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811206677.5A CN109087272A (zh) | 2018-10-17 | 2018-10-17 | 用于采集模拟医学微光图像的降噪系统及使用方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811206677.5A CN109087272A (zh) | 2018-10-17 | 2018-10-17 | 用于采集模拟医学微光图像的降噪系统及使用方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109087272A true CN109087272A (zh) | 2018-12-25 |
Family
ID=64843630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811206677.5A Pending CN109087272A (zh) | 2018-10-17 | 2018-10-17 | 用于采集模拟医学微光图像的降噪系统及使用方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109087272A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349110A (zh) * | 2019-07-16 | 2019-10-18 | 天津师范大学 | 一种基于累帧过融合的模糊图像增强方法及应用 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1668913A (zh) * | 2002-05-14 | 2005-09-14 | 阿默森生物科学英国有限公司 | 评价生物膜的方法 |
| US7016523B1 (en) * | 1999-04-21 | 2006-03-21 | Hiroyuki Ogawa | Method for observing object by projection, method for detecting microorganisms and projection detecting system |
| US20060199260A1 (en) * | 2002-05-01 | 2006-09-07 | Zhiyu Zhang | Microbioreactor for continuous cell culture |
| US20100062480A1 (en) * | 2008-09-05 | 2010-03-11 | Csem Centre Suisse D'electronique Et De Microtechnique Sa-Recherche Et Developpement | Device, system and method for storing and sorting cellular samples |
| CN102879335A (zh) * | 2012-09-26 | 2013-01-16 | 华南师范大学 | 一种便携式无创、实时光声粘弹检测仪 |
| CN206204318U (zh) * | 2016-11-19 | 2017-05-31 | 厦门大学 | 一种微生物形态拍摄鉴定装置 |
-
2018
- 2018-10-17 CN CN201811206677.5A patent/CN109087272A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7016523B1 (en) * | 1999-04-21 | 2006-03-21 | Hiroyuki Ogawa | Method for observing object by projection, method for detecting microorganisms and projection detecting system |
| US20060199260A1 (en) * | 2002-05-01 | 2006-09-07 | Zhiyu Zhang | Microbioreactor for continuous cell culture |
| CN1668913A (zh) * | 2002-05-14 | 2005-09-14 | 阿默森生物科学英国有限公司 | 评价生物膜的方法 |
| US20100062480A1 (en) * | 2008-09-05 | 2010-03-11 | Csem Centre Suisse D'electronique Et De Microtechnique Sa-Recherche Et Developpement | Device, system and method for storing and sorting cellular samples |
| CN102879335A (zh) * | 2012-09-26 | 2013-01-16 | 华南师范大学 | 一种便携式无创、实时光声粘弹检测仪 |
| CN206204318U (zh) * | 2016-11-19 | 2017-05-31 | 厦门大学 | 一种微生物形态拍摄鉴定装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张波;: "基于Matlab的图像增强技术的应用与分析", 才智, no. 26 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110349110A (zh) * | 2019-07-16 | 2019-10-18 | 天津师范大学 | 一种基于累帧过融合的模糊图像增强方法及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sugimura et al. | Enhancing color images of extremely low light scenes based on RGB/NIR images acquisition with different exposure times | |
| CN107064019B (zh) | 用于无染色病理切片高光谱图像采集及分割的装置及方法 | |
| CN106037674B (zh) | 一种基于高光谱成像的静脉显像系统 | |
| CN108111749B (zh) | 图像处理方法和装置 | |
| CN107918929B (zh) | 一种图像融合方法、装置及系统 | |
| CN108055452A (zh) | 图像处理方法、装置及设备 | |
| CN108024054B (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN106774863A (zh) | 一种基于瞳孔特征实现视线追踪的方法 | |
| US20190065845A1 (en) | Biometric composite imaging system and method reusable with visible light | |
| CN108470373A (zh) | 一种基于红外的3d四维数据采集方法及装置 | |
| CN106060364A (zh) | 光学透雾彩色图像采集方法及摄像机 | |
| WO2015117905A1 (de) | 3d-bildanalysator zur blickrichtungsbestimmung | |
| CN107886484A (zh) | 美颜方法、装置、计算机可读存储介质和电子设备 | |
| CN109242794B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| CN107911625A (zh) | 测光方法、装置、可读存储介质和计算机设备 | |
| CN107800965B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
| CN107734253A (zh) | 图像处理方法、装置、移动终端和计算机可读存储介质 | |
| CN108419028A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| CN107369148A (zh) | 基于改进sml与导向滤波的多聚焦图像融合方法 | |
| CN205490825U (zh) | 双波段光谱镜头模块 | |
| CN108989699A (zh) | 图像合成方法、装置、成像设备、电子设备以及计算机可读存储介质 | |
| CN107610066A (zh) | 一种叶面积指数测量方法 | |
| CN113065502A (zh) | 一种基于标准化设置的3d信息采集系统 | |
| CN103674975A (zh) | 基于Gabor滤波与C-V模型分割的LCD Mura缺陷机器视觉检测方法 | |
| CN105761243A (zh) | 基于结构光投影的三维全脸照相系统及其照相方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |