CN109477759A - 通过自适应空间采样获取和形成光谱测定图像的方法 - Google Patents
通过自适应空间采样获取和形成光谱测定图像的方法 Download PDFInfo
- Publication number
- CN109477759A CN109477759A CN201780035808.5A CN201780035808A CN109477759A CN 109477759 A CN109477759 A CN 109477759A CN 201780035808 A CN201780035808 A CN 201780035808A CN 109477759 A CN109477759 A CN 109477759A
- Authority
- CN
- China
- Prior art keywords
- image
- rank
- component
- measurement
- spectroscopic assay
- 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
- 238000007811 spectroscopic assay Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000003044 adaptive effect Effects 0.000 title description 2
- 238000005259 measurement Methods 0.000 claims abstract description 198
- 230000005284 excitation Effects 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims abstract description 17
- 238000001228 spectrum Methods 0.000 claims description 73
- 238000001914 filtration Methods 0.000 claims description 27
- 238000001069 Raman spectroscopy Methods 0.000 claims description 21
- 238000005136 cathodoluminescence Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000004876 x-ray fluorescence Methods 0.000 claims description 7
- 238000002189 fluorescence spectrum Methods 0.000 claims description 6
- 238000000103 photoluminescence spectrum Methods 0.000 claims description 6
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 4
- 239000000203 mixture Substances 0.000 claims description 4
- 238000009681 x-ray fluorescence measurement Methods 0.000 claims description 3
- 238000010894 electron beam technology Methods 0.000 claims description 2
- 239000000523 sample Substances 0.000 description 78
- 238000000354 decomposition reaction Methods 0.000 description 34
- 238000002381 microspectrum Methods 0.000 description 18
- 230000006835 compression Effects 0.000 description 14
- 238000007906 compression Methods 0.000 description 14
- 238000006073 displacement reaction Methods 0.000 description 13
- 238000003384 imaging method Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 238000004611 spectroscopical analysis Methods 0.000 description 8
- 230000015556 catabolic process Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 101000798114 Homo sapiens Lactotransferrin Proteins 0.000 description 4
- 102100032241 Lactotransferrin Human genes 0.000 description 4
- 238000001237 Raman spectrum Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004020 luminiscence type Methods 0.000 description 3
- 238000002083 X-ray spectrum Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002213 X-ray fluorescence microscopy Methods 0.000 description 1
- 241001080929 Zeugopterus punctatus Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 201000002125 familial hyperinsulinemic hypoglycemia 3 Diseases 0.000 description 1
- 101150112159 hhf3 gene Proteins 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000000879 optical micrograph Methods 0.000 description 1
- 238000000399 optical microscopy Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/027—Control of working procedures of a spectrometer; Failure detection; Bandwidth calculation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2803—Investigating the spectrum using photoelectric array detector
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
- G01J3/4406—Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N21/645—Specially adapted constructive features of fluorimeters
- G01N21/6456—Spatial resolved fluorescence measurements; Imaging
- G01N21/6458—Fluorescence microscopy
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2803—Investigating the spectrum using photoelectric array detector
- G01J2003/2813—2D-array
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
- G01J2003/2826—Multispectral imaging, e.g. filter imaging
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种用于获取和形成光谱测定图像(Pict)的方法,包括以下步骤:a)获取样本(1)的区域(4)的初始结构图像(IM0);b)分解初始结构图像(IM0),从而确定样本(1)的所述区域(4)的多尺寸空间采样;c)根据步骤b)中确定的多尺寸空间采样来确定样本的所述区域(4)的多个光谱测定测量位置(Xi,Yj);d)对于步骤c)中确定的各个光谱测定测量位置(Xi,Yj),相继地定位激发束并获取光谱测定测量;并且e)根据步骤d)中获取的光谱测定测量逐点地重建光谱测定图像(Pict)。
Description
技术领域
本发明总体上涉及用于获取样本的光谱或高光谱图像的方法和仪器的领域,其基于使用拉曼、荧光、光致发光或阴极发光光谱测定的逐点测量技术和逐点图像重建。
更具体地,本发明涉及一种用于逐点获取和形成样本的光谱、高光谱图像或光谱测定图像的方法。
本发明具体涉及一种用于在拉曼显微光谱测定中快速获取和重建样本的图像的方法,高空间分辨率图像是逐点形成的。
背景技术
单点光谱测定测量通常足以用于分析空间均匀的样本。然而,在空间不均匀的样本的情况下,期望以根据样本的结构或显微结构适应的空间分辨率逐点构建图像的形式执行光谱测定测量。
基于光谱的逐点获取和空间分辨的光谱测定图像的重建,已知不同的光谱测定成像技术。这些系统需要样本相对于测量仪器和聚焦到一点的激发束的移位、或者激发束相对于样本的扫描、或者样本的束扫描和移位的组合。
在基于样本移位的拉曼显微光谱测定成像系统中,样本被放置在电机驱动的或配备有压电致动器的板上,以使样本沿两个横向方向(XY)移位。激光激发束在直径约为1微米的区域中聚焦到样本上。样本的移位通常遵循沿X和沿Y具有恒定间距的周期性栅格。在样本的每个新位置处获取光谱。处理软件由该组测量重建高光谱图像。
从专利文献EP 1983332 A中还已知一种光谱学成像方法和一种用于扫描探测固定样本的表面的系统。文献EP 1983332 A描述了一种光谱学成像设备,该光谱学成像设备包括扫描装置(也称为扫描仪),该扫描装置用于通过使激光激发束沿两个横向方向角移位来探测固定样本的表面。更确切地说,文献EP 1983332 A描述了一种放置在共聚焦显微镜的管中的扫描装置,以便插入拉曼光谱仪的显微镜透镜与注入-拒波滤光器之间。扫描装置在一个方向上操作以使激光激发束成角度地移位,以便将其定位在样本表面的不同点处。通过使光反向返回,该扫描装置在反向方向上操作以收集拉曼后向散射束并将其传输至检测系统(例如,拉曼光谱仪)。该设备使得可以在约10分钟内逐点获取具有约50x 50个点的分辨率的样本表面的一部分的拉曼光谱测定图像。显微镜透镜的放大倍数变化使得可以改变样本上扫描表面的范围。
其他专利文献描述了束扫描显微光谱测定成像设备(参见例如WO 2010/069987、US 2005/128476或JP 2001 091848)。
无论选择何种类型的移位,图像的逐点获取的持续时间是由每个点的获取持续时间和图像的点数确定的。每个点的获取持续时间与光和每个点和光谱分辨率相关联。图像的点数取决于样本相对于激发束的移位和相对于样本的该束的移位,这决定了图像的空间分辨率。
单个拉曼光谱的获取通常需要0.1毫秒至1分钟,平均为1秒。为了获得具有高的空间分辨率和光谱分辨率的图像,拉曼显微光谱测定图像的获取持续时间可以达到几小时甚至几十小时。这些持续时间不适用于分析几个样本。
减少光谱测定图像的获取持续时间的主要选项是减少每个点的获取持续时间并减少一个图像中的点数。然而,这些选项通常导致重建图像的质量损失、每个点的信噪比的降低和/或重建图像的空间分辨率的降低。
在某些应用中,期望减少显微光谱测定图像或高光谱图像的获取持续时间而不损失逐点重建的图像中的光度、信噪比、光谱分辨率、或空间分辨率。
在其他应用中,期望增加高光谱图像或显微光谱测定图像的空间分辨率,而不增加该图像的获取持续时间。
发明内容
为了弥补现有技术的上述缺点,本发明提出了一种逐点获取和形成样本的光谱测定图像的方法,该方法包括以下步骤:
a)以数字方式获取样本的区域的初始结构图像,该初始结构图像包括排列成多行和多列的像素;
b)以数字方式处理初始结构图像以将初始结构图像分解成与第一空间采样间距相关联的至少一个第一像素块和与第二空间采样间距相关联的第二像素块,第一空间采样间距大于第二空间采样间距,从而确定样本的所述区域的多尺度空间采样;
c)根据在步骤b)确定的多尺寸空间采样来确定在样本的所述区域中的多个光谱测定测量位置;
d)对于在步骤c)确定的该多个光谱测定测量位置的各个光谱测定测量位置,将激发束相继地定位在光谱测定测量位置处,并且对于所述光谱测定测量位置获取光谱测定测量;
e)逐点地重建光谱测定图像,经重建的光谱测定图像的各个点是由在步骤d)获取的一个或若干光谱测定测量获得的。
在本文献中,“图像分量”或等同地“分量”意指例如呈矩阵形式的数字表,包括在初始结构图像的数字处理之后获得的一个或若干数值。包含在图像的1阶的分量的总数中的非空数值的总和保持低于或等于初始结构图像的像素数量。
更一般地,“N阶的分量”意指例如呈矩阵形式数字表,包括在对N-1阶的分量进行数字处理之后获得的一个或多个数值。类似地,N阶分量的总和中包含的非空数值的数量总和保持低于或等于导出了N阶分量的N-1阶分量中包含的非空数值的数量总和。
用于处理样本的结构图像的方法使得可以确定执行单点测量的样本上的位置,以便根据样本的该区域的结构来获得最合适的局部空间分辨率。
有利地,步骤b)包括将初始结构图像分解为小波的步骤、或在初始结构图像中搜索轮廓的步骤、或在初始结构图像中搜索形式的步骤。
优选地,步骤b)包括步骤b1):将初始结构图像分解为1阶的第一分量、第二分量、第三分量和第四分量的小波,1阶的每个分量具有的像素数量等于初始结构图像的像素数量的四分之一,1阶的第一分量表示初始结构图像的低空间频率,1阶的第二分量表示初始结构图像的水平变化,1阶的第三分量表示初始结构图像的垂直变化,并且1阶的第四分量表示初始结构图像的对角线变化,以及通过对变化进行阈值化来对1阶的第二分量及相应的第三分量和第四分量进行滤波以形成1阶的第二滤波分量及相应的第三滤波分量和第四滤波分量的步骤,
步骤c)包括根据在步骤b1)确定的1阶的第二滤波分量、第三滤波分量和第四滤波分量的值来确定在样本的所述区域中的多个光谱测定测量位置的步骤c1);并且
在步骤e),通过在步骤d)获取的光谱测定测量的线性组合来获得经重建的光谱测定图像的各个点。
根据具体且有利的方面,本方法在将初始结构图像分解为1阶的第一分量、第二分量、第三分量和第四分量的步骤b1)之后和在光谱测定测量的步骤d)和重建的步骤e)之前,包括以下附加步骤,其中,步骤bN)至cN)从2迭代至N,并且其中,步骤dN)至eN)从N迭代至2,其中N表示大于或等于二并且小于或等于2m x 2m个像素的初始结构图像中的m的自然整数:
bN)将N-1阶的第一分量分解为N阶的第一分量、第二分量、第三分量和第四分量,N阶的第一分量表示N-1阶的第一分量的低空间频率,N阶的第二分量表示N-1阶的第一分量的水平变化,N阶的第三分量表示N-1阶的第一分量的垂直变化,并且N阶的第四分量表示N-1阶的第一分量的对角线变化,并且通过阈值化对N阶的第二分量及相应的第三分量和第四分量进行滤波,以形成N阶的第二滤波分量及相应的第三滤波分量和第四滤波分量;
cN)根据N阶的第一图像滤波分量、第二图像滤波分量、第三图像滤波分量和第四图像滤波分量的值,确定在样本的所述区域中的N阶的多个光谱测定测量位置;
dN)对于在步骤cN)确定的N阶的该多个光谱测定测量位置的各个光谱测定测量位置,将激发束定位至N阶的光谱测定测量位置,并且获取N阶的所述光谱测定测量位置的光谱测定测量;
eN)在N-1阶重建光谱测定图像,在N-1阶重建的光谱测定图像的各个点是通过在步骤dN)获取的光谱测定测量的线性组合来获得的。
因此,在N-1阶重建的每个光谱测定图像具有最大局部空间分辨率,其等于初始图像IM0的空间分辨率除以4的N次幂。
根据本方法另一个具体且有利的方面,在步骤b1)、相应的步骤bN),1阶的、相应的N阶的第一分量的各个像素是通过合并初始结构图像的相邻四个像素、相应地通过合并N-1阶的第一分量的相邻四个像素来形成的,该相邻四个像素被排列在初始结构图像的、相应的N-1阶的第一分量的两行和两列上。
根据本方法另一个具体且有利的方面,1阶的、相应的N阶的第一分量的每个像素具有的值等于初始结构图像的四个相邻像素的值的总和的四分之一、相应的N-1阶的第一分量的四个相邻像素的值的总和的四分之一,所述四个相邻像素被排列在两行和两列上。
因此,步骤b)、相应的bN)构成将初始结构图像、相应的N-1阶的第一分量分解为小波的步骤。
根据本方法另一个具体且有利的方面,滤波的步骤c)、相应的cN)包括:当1阶的、相应的N阶的第二分量、相应的第三分量、第四分量的一个像素的值小于或等于预定阈值时,将所述像素的值重置为零。
根据另一个具体且有利的方面,本方法包括在步骤d)、相应的dN)之后并在步骤的e)、相应的eN)之前的附加步骤f)、相应的fN),其中,步骤f)、相应的fN)包括重建1阶的、相应的N阶的第一分解光谱测定图像、第二分解光谱测定图像、第三分解光谱测定图像和第四分解光谱测定图像,1阶的、相应的N阶的所述第一分解光谱测定图像、所述第二分解光谱测定图像、所述第三分解光谱测定图像和所述第四分解光谱测定图像具有的点数量等于1阶的、相应的N阶的经滤波经分解的所述第一结构图像、所述第二结构图像、所述第三结构图像和所述第四结构图像的像素数量,并且其中,1阶的、相应的N阶的经滤波经分解的第二结构图像、相应的第三结构图像、第四结构图像的空值的每个像素与1阶的、相应的N阶的第二分解光谱测定图像、相应的第三分解光谱测定图像、第四分解光谱测定图像的空值的点相关联,并且其中,1阶的、相应的N阶的经分解的光谱测定图像的其他点的值,对于每个其他点,是通过对步骤d)、相应的dN)获得的1阶的、相应的N阶的至多四个光谱测定测量的线性组合计算出的,并且其中,重建光谱测定图像、相应的N-1阶的步骤e)、相应的eN)包括通过线性组合1阶的、相应的N阶的第一分解光谱测定图像、第二分解光谱测定图像、第三分解光谱测定图像和第四分解光谱测定图像来计算的步骤。
在拉曼光谱测定或光学荧光或光致发光成像的具体应用中,步骤d)、相应的dN)包括通过激光束扫描获取拉曼或光学荧光或光致发光光谱测定测量,并且步骤e)、相应的eN)包括重建拉曼或光学荧光或光致发光光谱测定图像。
在阴极发光成像的另一个具体应用中,步骤d)、相应的dN)包括通过电子束扫描获取阴极发光或X射线荧光测量,并且步骤e)、相应的eN)包括重建阴极发光图像、或相应的X射线荧光图像。
在X射线荧光成像的另一个具体应用中,步骤d)、相应的dN)包括通过X射线束扫描获取X射线荧光测量,并且步骤e)、相应的eN)包括重建X射线荧光图像。
根据本方法的具体且有利的方面,步骤a)包括在图像传感器上检测样本的结构图像的步骤、或在另一个计量仪器上恢复样本的图像文件的步骤、或从包括样本的结构图像的数据库中下载图像文件的步骤和/或将模拟结构图像数字化的步骤。
特别有利地,步骤a)还包括尺寸增大或减小(例如通过双线性或双三次插值)使得经尺寸调整的像素的尺寸对应于经重建的光谱测定图像中的最大空间分辨率的步骤。
附图说明
通过非限制性实例给出的以下关于附图的描述将允许很好地理解本发明包括什么以及如何实现本发明。
在附图中:
图1示意性地示出了根据现有技术的束扫描成像仪器;
图2示意性地示出了样本的XY平面中的测量点的空间分布栅格,以根据现有技术形成逐点重建的显微光谱测定图像;
图3A示意性地示出了具有均匀空间分辨率的待分析样本部分的初始结构图像;
图3B示意性地示出了分解成小波和计算通过合并初始结构图像3A的4个像素块形成的第一分量BL1的步骤;
图4示意性地示出了分解成小波并且从初始结构图像(IM0)计算通过以减小的空间分辨率将初始结构图像分解成之后的垂直变化(HL1)、相应的水平变化(LH1)和对角线变化(HH1)而形成的其他三个分量的另一个步骤;
图5示出了应用于分量(LH1,图5A)以形成滤波分量(LHF1,图5B)的阈值处理步骤的实例;
图6总结了图4和图5中所示的计算步骤,并且示出了将高空间分辨率的初始结构图像变换为空间分辨率降低的一组分量:通过合并形成的分量BL1;垂直变化的滤波分量(HLF1),相应的水平变化的滤波分量(LJ)和对角线变化的滤波分量(HH);
图7显示了将高空间分辨率的初始结构图像转换为1阶的一组分量(HLF1、LHF1、HHF1)和2阶的一组分量(BL2、HLF2、LHF2、HHF2)的结果,2阶的分量(BL2、HLF2、LHF2、HHF2)是通过向1阶的第一分量(BL1)应用类似于图6的计算步骤来获得的,2阶的这些分量具有双倍降低的空间分辨率;
图8示出了在样本平面中的初始分辨率间距之后的测量栅格;
图9示出了用于在具有初始空间分辨率的区域A中进行显微光谱测定测量的激发束的位置;
图10示出了用于在同一行的两个相邻区域A、B上均分的显微光谱测定测量的激发束的位置;
图11示出了用于在排列在两行和两列上的四个相邻区域上取平均的显微光谱测定测量的激发束的位置;
图12示出了用于分别在同一行A、B,相应的C、D的两个相邻区域上取平均的两个显微光谱测定测量的激发束的两个位置;
图13示出了用于分别在第一列的两个相邻区域A、C,相应的第二列的两个相邻区域B、D上取平均的两个显微光谱测定测量的激发束的两个位置;
图14示出了用于在具有初始空间分辨率的同一行上排列的两个相邻区域A、B中的显微光谱测定测量的激发束的位置;
图15示出了用于在具有初始空间分辨率的三个相邻区域A、B、C中的显微光谱测定测量的激发束的位置;
图16示出了用于在具有初始空间分辨率的四个相邻区域A、B、C、D中的显微光谱测定测量的激发束的位置;
图17示出了用于在具有初始空间分辨率的同一列上排列的两个相邻区域A、C中的显微光谱测定测量的激发束的位置;
图18示出了用于在同一列的两个相邻区域A、C上平均的显微光谱测定测量的激发束的位置;
图19至图20示出了根据一组一级光谱测定分量(图19)执行的一组测量来重建显微光谱测定图像(图20)的步骤;
图21示意性地示出了获得具有多尺度空间分辨率的光谱测定图像的多级重建的原理;
图22示出了具有初始空间分辨率的待分析样本部分的初始结构图像的实例;
图23示出了应用于图22的视频图像并且包括分解和滤波的若干步骤、然后是用于以多个采样间距形成突出多尺度获取区域的重建结构图像的若干重建步骤的方法的结果,在图像的变化区域中对采样进行细化;
图24示出了通过应用本发明的方法获得的逐点重建的多尺度空间分辨率的拉曼显微光谱测定图像,其具有20阶的压缩因数,即,比以多尺度图像的最精细分辨率完全测量的图像少20倍的测量来获得的。
具体实施方式
装置
在图1中示意性地示出了基于束扫描显微镜的分析仪器的实例,其旨在将入射束2顺序地定位在样本1的不同点处。这种扫描显微镜包括用于改变入射束2相对于在束扫描期间保持固定的样本1的入射角的扫描装置(通常是扫描仪)。其他显微镜包括用于使样本相对于保持固定的入射束移位的移动板系统。最后,某些显微镜结合了入射束的扫描和样本的移位,以便覆盖具有更大空间范围的分析表面。
通常,用于逐点光谱测定成像的显微镜被配置为执行入射激发束2相对于样本1的相对移位,以便顺序地将激发束引导到待分析样本的不同点。
分析仪器还包括光谱测定装置,其使得可以在由入射束激发的样本的每个点处获取光谱测定信号。分析仪器最后包括计算器和处理软件,以逐点形成在不同光谱带或具有不同波长的高光谱图像或样本若干图像。因此,高光谱图像的每个点表示光谱测定测量,例如,拉曼散射光谱、荧光光谱、光致发光光谱或阴极发光光谱。
图2示出了在样本表面处的正交参考系统的平面(XY)中用于束扫描的栅格(由盘或测量点6表示)的常规实例。移位通常遵循矩形或方形栅格,沿轴线X具有间距DX,沿轴线Y具有间距DY。间距DX通常被选择为等于间距DY。入射束被放置在点M(1,1)处,并且在此第一点处获取第一光谱。然后,激发束移位到点M(1,2),并且在此第二点处获取第二光谱。重复进行束相对于样本的移位和获取光谱的操作,以获得样本上扫描表面4的每个点M(i,j)的光谱。
如此获得的图像的空间分辨率取决于样本上的激发束的尺寸和所选择的移位间距DX、DY。
显微镜可以是包括将激光束2聚焦到待分析的样本1上的显微镜透镜3的光学显微镜。光学显微镜与拉曼(或相应的光学荧光或光致发光)光谱仪结合,配置成在UV-可见光域中测量拉曼散射光谱(或相应的光学荧光或光致发光光谱)。
作为替代方案,显微镜可以是X射线荧光显微镜,包括X射线束聚焦及扫描系统。于是将X射线荧光显微镜与配置成测量X射线光谱(XRF)的光谱仪结合。
作为替代方案,显微镜可以是包括电子束聚焦及扫描系统的扫描电子显微镜(SEM)。于是将扫描电子显微镜与配置成测量X射线光谱(EDX)、或相应的阴极发光光谱的光谱仪结合。
这些分析仪器使得可以逐点获取以空间分辨率扫描的表面4上的样本1的光谱测定测量,该空间分辨率尤其是通过入射在样本上的激发束的尺寸确定的。
逐点光谱测定成像技术使得可以获得样本的空间和光谱分辨图像。通过实例,拉曼显微光谱测定的应用使得可以分析药物片剂区域中化学成分的空间分布,其空间分辨率的量级为λ,其中λ表示激发束的波长。
常规地,通过扫描显微镜获得的光谱或高光谱图像的空间分辨率在整个扫描和分析表面上空间均匀。扫描显微光谱测定图像的获取持续时间根据如此形成的光谱测定图像中的点数量而增加。
本发明的分析仪器还有利地包括另一成像装置,使得可以获取待研究的样本区域的高空间分辨率的初始结构图像。该初始结构图像可以是借助于与扫描显微镜结合的CCD相机获取的视频图像。在SEM中,二次电子检测器可以快速提供高空间分辨率的图像。现在,在高分辨率视频图像上检测到的某些结构细节(诸如,局部亮度变化)可以指示通过光谱测定获得的测量的变化,尽管视频图像通常不能提供光谱信息。
方法
首先,获取样本的结构图像。结构图像获取在本文中意指检测图像传感器(例如CCD类型的)上的样本图像、或者恢复在另一个计量仪器上或从包括样本图像的数据库中获得的样本的图像文件。优选地,使用数字结构图像。如果检测或收集的结构图像是模拟的,则将其数字化,以便获得样本的初始结构图像。如果需要,通过扫描激发束和/或通过使样本相对于激发束移位根据期望进行分析的区域来调整初始结构图像的尺寸。
例如,检测的结构图像是借助于CCD传感器并通过用白光照明样本来获得的视频图像。调整照明和检测系统的设置以增加图像对比度并突出其结构细节。有利地,调整强度、偏振和/或照明和/或检测波长,以便获得对比度强的初始结构图像。
本文中“结构图像”意指由像素组成的图像。每个像素的值表示例如可见光、红外光域或微电子中的电路图中的反射或透射光强度。一个像素的值通常不直接或间接地表示样本的光谱测定测量。
然后,向该初始结构图像应用图像处理的连续步骤,可能迭代地重复以确定多尺度采样。优选地,图像处理基于分解成小波、压缩和滤波的方法。
也可以使用分解成小波的替代方法。通过实例,可以特别提及基于以下的图像处理方法:
-通过计算梯度或高阶导数(诸如索贝尔导数、拉普拉斯算子方法)、或通过可用的数值函数(诸如,cvFindContours)进行轮廓搜索;或者
-通过霍夫变换进行形状搜索。
这些数值函数可在图像处理开源库OpenCV中使用。因此,从轮廓中可以确定具有更精细采样间距的区域。
图3和图4示出了分解成小波并且以1阶压缩初始结构图像IM0的步骤的实例。
图3示意性地示出了通过降低二维空间分辨率从初始结构图像IM0中提取第一分量BL1的第一步骤。图3A示意性地示出了在待分析样本的区域4上获取的视频图像类型的初始结构图像IM0。该初始结构图像IM0的每个像素的值在此由字母A、B、C、D、E、F、G、H、I、J、K、L表示。图3B示意性地示出了通过合并4个相邻像素块从初始结构图像计算的第一分量BL1。第一分量BL1的像素BL1(1,1)的值对应于初始结构图像IM0的4个相邻像素的值A、B、C、D的平均值。类似地,第一分量BL1的像素BL1(1,2)的值对应于初始结构图像IM0的4个其他相邻像素的值E、F、G、H的平均值。同样地,第一分量BL1的像素BL1(2,1)的值对应于初始结构图像IM0的4个其他相邻像素的值I、J、K、L的平均值。对整个初始结构图像IM0应用类似的处理以获得分量BL1。
BL1(1,1)=(A+B+C+D)/4
BL1(1,2)=(E+F+G+H)/4
BL1(2,1)=(I+J+K+L)/4
更一般地,分量BL1中的坐标(i,j)的一个像素的值定义如下:
图4示意性地示出了从初始结构图像IM0中提取三个其他分量。
分量LH1表示初始结构图像的水平变化。通过对初始结构图像IM0的4个相邻像素的值进行列加法和行减法来获得水平变化的分量LH1的一个像素的值:
LH1(1,1)=(A-B+C-D)/4
LH1(1,2)=(E-F+G-H)/4
LH1(2,1)=(I-J+K-L)/4
更一般地,水平变化的分量LH1中的坐标(i,j)的一个像素的值定义如下:
分量HL1表示初始结构图像IM0的垂直变化。通过对初始结构图像IM0的4个相邻像素的值的行相加和列减法来获得垂直变化的分量HL1的一个像素的值:
HL1(1,1)=(A+B-C-D)/4
HL1(1,2)=(E+F-G-H)/4
HL1(2,1)=(I+J-K-L)/4
更一般地,垂直变化的分量HL1中的坐标(i,j)的一个像素的值定义如下:
分量HH1表示初始结构图像IM0的对角线变化。通过沿着一个对角线将初始结构图像IM0的值的4个相邻像素相加和沿着另一个对角线相减来获得对角线变化的分量HH1的一个像素的值:
HH1(1,1)=(A-B-C+D)/4
HH1(1,2)=(E-F-G+H)/4
HH1(2,1)=(I-J-K+L)/4
更一般地,垂直变化的分量HL1中的坐标(i,j)的一个像素的值定义如下:
因此,通过初始结构图像IM0的4个相邻像素的值之间的不同线性组合来获得每个分量(BL1、LH1、HL1、HH1)的任何像素(i,j)的值。因此,每个分量BL1、LH1、HL1、HH1的空间分辨率比初始结构图像IM0的空间分辨率低4倍。例如,如果初始结构图像IM0具有512x 512个像素的空间分辨率,则每个分量具有256x 256个像素的空间分辨率。
因此,高分辨率初始结构图像IM0被分解为1阶的4个分量(BL1、LH1、HL1、HH1)。1阶的每个分量具有的空间分辨率相对于初始结构图像的空间分辨率减小了4倍。
在该第一分解步骤结束时,获得4个1阶的分量。应注意,初始结构图像10的总点数量在此等于1阶的四个分量的点数量之和。
图5示意性地示出了通过对1阶的空间变化的分量(例如LH1)应用阈值化进行波滤以形成1阶的滤波分量(在此为LHF1)的步骤。更确切地说,在图5A中示出了水平空间变化的分量的实例,其指示1阶的该分量的每个像素的数值。确定阈值,例如在此等于3。阈值操作在于消除具有小于或等于3的值的像素并且保持其他像素具有大于3的值。换言之,取消具有低于或等于阈值的值的像素的值。因此,在图5B所示的实例中,获得了经滤波波的空间频率分量LHF1,其由于已消除7个像素(由图5B中的叉号表示)的事实而仅包含9个非空值的像素,并且空间变化的分量LH1具有16个像素。
类似地,将阈值操作应用于1阶的垂直空间变化的分量HL1,以获得1阶的经滤波的垂直空间变化的压缩分量HLF1。同样地,将阈值操作应用于1阶的对角线空间变化的分量HH1,以获得1阶的经滤波的对角线空间变化的分量HHF1。应用于1阶的每个分量HL1、LH1、HH1的阈值可以相同,或者相反地根据每种类型的图像来适应。优选地,确定(多个)阈值以便消除对应于相对低的空间变化的相对大量的点,以便仅保持对应于相对高的空间变化的图像像素。1阶的经滤波的空间频率的分量LHF1、HLF1和HHF1已经损失了低幅度变化的空间信息,但是保持了高幅度变化(并且更确切地高于所应用的滤波阈值)的空间信息。然而,低频空间信息存在于1阶的合并分量BL1中。
这种对变化进行滤波的操作旨在保留图像的点的最高空间分辨率,这些点对应于可以与样本的物理化学组成的局部变化相关联的初始结构图像中的变化,并且旨在以较低空间分辨率处理与较低空间频率相关联的像素。
图6中总结了1阶的分解和滤波的方法,其在图6A中表示初始结构图像IM0,并且在图6B中表示1阶的第一分量BL1、1阶的经滤波的水平空间变化的第二分量HLF1、1阶的经滤波的垂直空间变化的第三分量LHLF1和1阶的经滤波的对角空间变化的第四分量HHF1。
可以递归地重复分解和压缩操作,以获得1阶、2阶或3阶的初始结构图像的分解。然后,在1阶的、相应的2阶和3阶的每个分解步骤之后,对分解为空间频率的压缩图像应用阈值处理操作。
可以通过合并4个相邻像素将2阶的分解步骤应用于从初始结构图像IM0计算出的第一分量BL1。在该第二步骤中,将1阶的第一分量BL1分解为4个2阶的分量:BL2、LH2、HL2、HH2。通过合并1阶的合并分量BL1的4个相邻像素来获得2阶的合并分量BL2。2阶的合并分量BL2的一个像素的值对应于1阶的第一分量的4个相邻像素的值的平均值。
2阶的分量LH2表示1阶的第一分量BL1的水平变化。通过对合并获得的1阶的第一分量BL1的4个相邻像素的值进行列加法和行减法,获得了2阶的水平变化的分量LH2的一个像素的值。
2阶的分量HL2表示1阶的第一分量BL1的垂直变化。垂直变化的2阶的分量HL2的一个像素的值是通过对1阶的第一分量BL1的4个相邻像素的值的行相加和列相减来获得。
2阶的分量HH2表示1阶的第一分量BL1的对角线变化。对角线变化的2阶的分量HL2的一个像素的值是通过对1阶的第一分量BL1的4个相邻像素的值的沿一个对角线相加并沿另一个对角线相减来获得。
2阶的每个分量(BL2、LH2、HL2、HH2)具有的空间分辨率相对于1阶的第一分量BL1的空间分辨率减小了4倍、或者相对于初始结构图像IM0减少了16倍。然后通过阈值化对2阶的分量LH2、HL2、HH2进行滤波,以形成2阶的滤波分量LHF2、HLF2、HHF2。
因此,图7示出了以2阶将初始结构图像IM0分解和滤波为由四个2阶分量(BL2、LHF2、HLF2、HHF2)和三个1阶分量(HLF1、LHF1、HHF1)组成的一组的实例,表示初始结构图像的空间变化。
通过将2阶的第一分量BL2分解为类似于上述步骤获得的以下四个图像,可以尤其在3阶继续对初始结构图像进行分解和滤波:通过合并获得的3阶的第一分量BL3;以及分别表示2阶的第一分量BL2的水平变化、垂直变化和对角线变化的3阶的其他三个分量(HLF3、LFH3、HHF3)。
因此,该方法使得可以获得经分解和滤波的图像,如图7所示。该经分解和滤波的图像包括比初始结构图像更少的非空值像素,因为一些像素的值已经通过阈值化被取消。
已知,可以通过从经分解和滤波的图像重建来计算数字图像。
更具体地,本文中的分解和滤波方法使得可以确定样本上的多个点的空间坐标,在这些点处执行对应于1阶的分量BL、HLF、LHF和HHF(并且根据情况可能是对于2阶、3阶、4阶的分量)的光谱测定测量。
后续处理应用于光谱测定测量,而不再应用于样本的结构化图像。
通常,逐点光谱测定成像在于,通过根据方形或矩形移位栅格定位激发束来执行测量,沿X和沿Y具有恒定的间距(参见图1至图2)。沿X和沿Y的间距的值是由用户根据具体情况选择的,并且与初始结构图像的像素的尺寸没有直接关联。相反,根据本公开,选择用于光谱测定测量的点,以便直接获取与经分解的初始结构图像的滤波分量的非空值像素相对应的点。
假设我们有一个经分解和滤波的图像,如图6B所示。对应于图像BL1的光谱测定测量通过执行分布在样本1的待分析的整个表面4上的16个光谱测定测量点来执行。这些光谱测定测量可以通过在样本上具有相对大直径的入射激发束进行,因为它可以覆盖延伸到初始结构图像的4个像素的表面。为此目的,例如在拉曼光谱测定中可以使用宏观透镜。因此,通过单次测量可以容易地获得点BL(1,1)的值,诸如,作为替代方案(参见图11),例如通过使用显微镜透镜来使用恒定直径的入射束,但入射束位于样本的对应于初始结构图像的4个相邻像素A、B、C、D中间的点处,以获得近似于的中心测量点。
空间变化的其他分量HL、LH、HH的测量可以从一个或若干测量并通过不同的线性组合来获得。这些测量可以取决于分解级(如图6B所示的单个分解级、或如图7所示的若干分解级),并且取决于低空间频率分量BL和空间变化的分量HL、LH、HH(也称为细节分量)的值。
然后对其进行搜索以执行对应于经分解和滤波的图像的非空值的测量。然而,在经分解和滤波的图像的值与执行测量的点的物理坐标之间的关系不是直接的。更确切地说,对其进行搜索以执行有限数量的测量,以限制获取的总持续时间。从本公开得出,测量点的物理坐标取决于经分解和滤波的结构图像HLF、LHF、HHF的像素值。
通过实例,考虑在初始结构图像中对应于4个相邻像素的样本的区域(图8中所示)。
在光谱测定测量获取的以下描述中,变量A、B、C、D分别表示在样本的4个相邻点处搜索的值或光谱函数。
在图9至图18中表示了光谱测定测量点6的不同位置,其借助于有限数量的光谱测定测量和基于这些单点光谱测定测量的线性组合的操作来确定以获得不同的压缩光谱测定图像。
在分析了初始结构图像之后,所有所需的多尺度测量位置都是已知的。然而,执行连续扫描操作,每次扫描对应于重建尺度级所需的光谱测定测量。
因此,在待分析样本的区域4上执行第一束扫描,以便以最低空间分辨率进行光谱测定测量。选择对应于最高分解级的空间分辨率,即,对应于大尺寸像素的空间分辨率。
在图9中,点6的位置允许直接测量一个点并获得光谱A的获取(换言之,光谱测定测量),在此M1=A。
在图10中,测量点位于同一行的两个相邻点之间,这使得可以直接获取对应于平均值的光谱测定测量,在此M1=(A+B)/2。
让我们首先考虑这样一种情况,其中4个像素ABCD的块的分解在每个分量HL、LH、HH的点(i,j)处在给定一阶处产生变化的分量,均为空值(HL、LH、HH),即,其中A≈B≈C≈D。在这种情况下,单个测量M1就足够了。例如,如图11所示,测量点6位于四个相邻像素之间,这四个相邻像素呈两行和两列地排列为方形。测量点6可以具有由入射束限定的最小尺寸或者具有大于一个像素的尺寸的尺寸。测量点6最多覆盖四个相邻像素的表面。因此,M1=A=B=C=D通过单个测量直接获得。
现在让我们考虑这样一种情况,其中4个像素ABCD的块的分解在给定一阶处仅产生两个空变化分量。在这种情况下,两个测量M1、M2是必要且足够的。在图12中,考虑只有垂直变化的分量HL是非空值的情况,即,其中A≈B并且C≈D,而水平变化和对角线变化的其他分量在此阶处为空值。在这种情况下,对于第一测量M1,测量点6位于第一行的两个相邻像素之间,然后对于第二测量M2,测量点6位于与第一行相邻的第二行的两个相邻像素之间。因此,在第一测量时直接获取M1=A=B,在第二测量时直接获取M2=C=D。在这种情况下,一方面低空间频率下的第一分量BL=(M1+M2)/2和另一方面的垂直变化的分量HL=(M1-M2)/2通过简单的加减运算来计算。
在图13中,考虑4个像素ABCD的块的分解仅产生水平变化的一个非空值分量LH的情况,即,其中A≈C并且B≈D,而垂直变化和对角线变化的其他分量在此阶处为空值。在这种情况下,对于第一测量M1,测量点6位于第一列的两个相邻像素之间,然后对于第二测量M2,测量点6位于与第一列相邻的第二列的两个相邻像素之间。因此,在第一测量时直接获取M1=A=C,在第二测量时直接获取M2=B=D。在这种情况下,一方面低空间频率下的第一分量BL=(M1+M2)/2和另一方面的水平变化的分量LH=(M1-M2)/2通过简单的加减运算来计算。
在图14中,考虑了4个像素ABCD的块的分解仅产生对角线变化的一个非空值分量的情况,即,其中A+C≈B+D、A+B≈C+D或A-B≈D-C,换言之,A≈D并且B≈C,水平变化和垂直变化的其他分量在此阶处为空值。在这种情况下,对于第一测量M1,测量点6被放置在像素A上,然后对于第二测量M2,该测量点被放置在像素B上。因此,在第一测量时直接获取M1=1,相应地,在第二测量时直接获取M2=B。在这种情况下,一方面简单地推导出A=D=M1,另一方面,B=C=M2。
现在让我们考虑变化的单个分量为空值的情况。在这种情况下,三个光谱测定测量是必要的。
在图15中,对于第一测量M1,测量点6被放置在像素A上,然后对于第二测量M2,该测量点被放置在像素B上,并最后对于第三测量M3,该测量点被放置在像素C上。因此,在第一测量时直接获取M1=A,在第二测量时相应地直接获取M2=B,在第三测量时相应地直接获取M3=C。考虑第一种情况,其中对角线变化的分量为空值,即,其中A+D≈B+C,换言之,D≈B+C-A。在该第一种情况下,通过简单地加减运算来计算D=(M2+M3-M1)。仍然与图15相关,考虑第二种情况,其中只有水平变化的分量LH为空值,即,其中A+C≈B+D,换言之,D≈A-B+C。在该第二种情况下,D的值计算如下:D=(M1-M2+M3)。仍然与图15相关,考虑第三种情况,其中只有垂直变化的分量HL为空值,即,其中A+B≈C+D,换言之,D≈A+B-C。在该第二种情况下,D的值计算如下:D=(M1+M2-M3)。
现在让我们考虑没有变化分量为空值的情况。在这种情况下,需要四个光谱测定测量。
在图16中,考虑在给定阶处没有分量(BL、LH、HL、HH)为空值的情况。在这种情况下,必须获取四个测量点。对于第一测量M1,测量点6被放置在像素A上,然后对于第二测量M2,该测量点被放置在像素B上,对于第三测量M3,该测量点被放置在像素C上,并且最后对于第四测量M4,该测量点被放置在像素D上。因此,获得四个测量:A=M1、B=M2、C=M3、D=M4。
根据分解图像的值,对于每个分解级(换言之,在每一阶),从最低空间分辨率到最高空间分辨率来重复这些光谱测定测量。
在多级压缩的情况下,首先执行新的扫描以根据对应于更高空间分辨率(换言之,对应于更小的像素)的分量LH、HL和HH来获取光谱测定测量。更确切地说,前一扫描的每个像素被分为排列在两行和两列上的四个相邻像素。
通常,对于该次级扫描,在所有变化分量都为空值的情况下,换言之,A≈B≈C≈D(参见图8),BL等于在前一步骤重建的图像的对应像素的值,并且不必执行BL的测量。另一方面,当测量束远小于像素尺寸时(这是频繁的),重复与第一次扫描相同的方法。也就是说,如果分量HL、LH或HH之一是非空值的,则不考虑已经获得的值BL。
在仅该分解级处的分量HL为非空值的情况下,换言之,A≈B并且C≈D,将测量点放置在同一行的两个相邻像素之间以获取测量M1(如图10中所示)。由此推断出A=B=M1并且C=D=2·BL-M1。
在仅该分解级处的分量LH为非空值的情况下,换言之,A≈C并且B≈D,将测量点放置在同一列的两个相邻像素之间以获取测量M1(如图18中所示)。由此推断出A=C=M1并且B=D=2·BL-M1。
在仅该分解级处的分量HL和LH非空值的情况下,换言之,A+D≈B+C,即D≈B+C-A,则对于第一测量M1,测量点被放置在像素A上,然后对于第二测量M2,该测量点被放置在像素C上(如图17中所示)。因此直接获得A=M1和C=M2。然后,计算B=2·BL-M2和D=2·BL-M1。
在仅该分解级处的分量LH和HH非空值的情况下,换言之,A+B≈C+D,即D≈A+B–C,则对于第一测量M1,测量点被放置在像素A上,然后对于第二测量M2,该测量点被放置在像素C上(如图17中所示)。因此直接获得A=M1和C=M2。然后,计算B=2·BL-M1和D=2·BL-M2。
在仅该分解级处的分量HL和HH非空值的情况下,换言之,A+C≈B+D,即D≈-A+C-B,则对于第一测量M1,测量点被放置在像素A上,然后对于第二测量M2,该测量点被放置在像素C上(如图14中所示)。因此直接获得A=M1和C=M2。然后,计算C=2·BL-M1和D=2·BL-M2。
在该分解级处只有分量HH是非空值的情况下,换言之,A+C≈B+D或A+B≈C+D或A-B≈D-C,则对于单个测量M1,测量点被放置在像素A上(如图9中所示)。因此直接获得A=D=M1。然后,计算B=C=2·BL-M1。
在该次分解级处没有分量为空值的情况下,对于第一测量M1,测量点6被放置在像素A上,然后对于第二测量M2,该测量点被放置在像素B上,并最后对于第三测量M3,该测量点被放置在像素C上(如图15中所示)。因此,在第一测量时直接获取M1=A,在第二测量时相应地直接获取M2=B,在第三测量时相应地直接获取M3=C。然后,计算D=4·BL-M1-M2-M3。
对于潜在的随后的(多个)分解级,重复光谱测定测量,其中每一级的空间分辨率高四倍,直到达到具有用于分解的结构图像的分辨率的最大级。在获取期间,分解级升高,因此自然地获得了初始结构图像的分辨率,而没有可能的模糊。
因此,要执行的光谱测定测量点的位置是根据低空间频率的分量和经分解的结构图像的变化来确定的。
测量的总数量低于在最高空间分辨率下的传统扫描的总数量,因为所有空值分量直接被零替换而未被测量。
确定获得一组分解的光谱测定图像所需的光谱测定测量的数量。压缩率被定义为光谱测定测量的数量与高分辨率光谱测定图像的总像素数量之比。
在实践中,对于一个压缩级获得3至4的压缩率,对于两个压缩级获得8至15的量级的压缩率,并且对于三个压缩级获得15至30的量级的压缩率。换言之,不包括用于计算线性组合的时间(其不以任何方式限制),因此通过压缩率大致减小了图像的获取持续时间。
基于有限数量的光谱测定测量,获得了根据一个或若干级来分解的一组光谱测定图像。
以下步骤在于基于这些分解的光谱测定图像逐点重建样本区域的光谱测定图像。
基于根据在一个分解级上如此获得和计算的分量BL、LH、HL和HH的光谱测定测量(图19),执行逐点重建以计算和显示高分辨率高光谱图像Pict(图20)。
更确切地说,考虑了位于每个分解的光谱测定图像的一行i和一列j上的点:BL(i,j)、HL(i,j)、LH(i,j)和HH(i,j)。在细节HL、LH和HH的分解图像中的缺失值全部替代为零。
然后,基于分解图像的四个测量BL(i,j)、HL(i,j)、LH(i,j)和HH(i,j),光谱测定图像Pict中的四个重建点的值通过应用以下等式来进行计算:
Pict(2i-1,2j-1)=BL(i,j)+HL(i,j)+LH(i,j)+HH(i,j)
Pict(2i-1,2j)=BL(i,j)+HL(i,j)-LH(i,j)-HH(i,j)
Pict(2i,2j-1)=BL(i,j)-HL(i,j)+LH(i,j)-HH(i,j)
Pict(2i,2j)=BL(i,j)-HL(i,j)-LH(i,j)+HH(i,j)
在此重建的图像Pict具有的空间分辨率比低频压缩光谱测定图像的空间分辨率高四倍。
有利地,重建操作仅基于未加权的算术线性组合。因此重建计算非常迅速。
在图像被分解和压缩若干级的情况下,以金字塔形方式执行多级重建,如图21所示。首先,获取2阶的分量BL2、HL2、LH2和HH2。使用该组,重建1阶的第一分量BL1,并且获取1阶的其他分量,并且从1阶的其他分量HL1、HL1、HH1来重建多尺度光谱测定图像Pict。
本公开使得可以在整个图像上与根据空间采样以单个且恒定的间距逐点获取光谱测定图像相比以减少的获取持续时间来执行高分辨率光谱测定图像的获取和重建。
图22示出了待分析样本的区域的视频图像的实验性实例。图22的初始结构图像包括472x 472个像素,这些像素都具有相同的尺寸。在该原始图像上,可以观察到分布在相对均匀的背景上的尺寸和形状可变的颗粒。
图22被数字化,分解成分量BL、HL、LH、HH到3级。因此,形成了各自具有236x 236个像素的1阶的BL1、HL1、LH1、HH1的分解图像。基于BL1,形成了各自具有118x 118个像素的2阶的BL2、HL2、LH2、HH2的压缩图像。最后基于BL2,形成了各自具有59x 59个像素的3阶的BL3、HL3、LH3、HH3的压缩图像。对分解级N=1、2、3,变化HL、LH、HH的分解图像被滤波,以便抑制低变化并用空值代替它们,从而形成经滤波的分解图像。从经分解(BL)和经滤波的(HL、LH、HH)结构图像推导出在每个分解级的多个测量点位置。
图23的图像表示初始结构图像,其上已经以另一种颜色叠加了在滤波之后细节保持存在的区域。因此,图23突出显示了样本的以下区域:其中滤波后的变化对于一个或若干阶分解而言是非空值的。
图24表示重建的拉曼显微光谱测定图像,通过将图22中所示的处理应用于在通过分解和滤波算法确定的点处获取的拉曼光谱测定测量、然后通过逐点重建来自所执行的测量的显微光谱测定图像。在该实例中,获得了约20阶的压缩因数。
换言之,不是获取472x 472个拉曼光谱,而是仅获得了472x 472/20个拉曼光谱。该压缩因数转化为获取持续时间也减少了因数20。因此,对于472x 472个点的图像,在该实例中估计的240小时的拉曼光谱测定图像的获取持续时间在此为12小时。
在具有结构细节的样本区域中,本发明的方法使得可以局部地应用最高空间分辨率。相反,在样本的相对均匀的区域中,应用较低空间分辨率的获取。因此,获得了多尺度拉曼多光谱测定图像。因此,在重建的显微光谱测定图像的低空间分辨率的区域中,可以容易地执行数字内插以获得具有均匀纹理的光谱测定图像。
Claims (12)
1.一种用于获取和形成样本(1)的光谱测定图像(Pict)的方法,包括以下步骤:
a)以数字方式获取所述样本(1)的区域(4)的初始结构图像(IM0),所述初始结构图像(IM0)包括排列成多行和多列的像素;
b)以数字方式处理所述初始结构图像(IM0)以将所述初始结构图像(IM0)分解成与第一空间采样间距相关联的至少一个第一像素块和与第二空间采样间距相关联的第二像素块,所述第一空间采样间距大于所述第二空间采样间距,从而确定所述样本(1)的所述区域(4)的多尺度空间采样;
c)根据在步骤b)确定的所述多尺寸空间采样来确定在所述样本的所述区域(4)中的多个光谱测定测量位置(Xi,Yj);
d)对于在步骤c)确定的所述多个光谱测定测量位置的各个光谱测定测量位置(Xi,Yj),将激发束相继地定位在光谱测定测量位置(Xi,Yj)处,并且对于所述光谱测定测量位置(Xi,Yj)获取光谱测定测量;
e)逐点地重建光谱测定图像(Pict),经重建的光谱测定图像(Pict)的各个点是由在步骤d)获取的一个或若干光谱测定测量获得的。
2.根据权利要求1所述的方法,其中,步骤b)包括将所述初始结构图像(IM0)分解为小波的步骤、或在所述初始结构图像(IM0)中搜索轮廓的步骤、或在所述初始结构图像(IM0)中搜索形式的步骤。
3.根据权利要求2所述的方法,其中,步骤b)包括步骤b1):将所述初始结构图像(IM0)分解为1阶的第一分量、第二分量、第三分量和第四分量(BL1、HL1、LH1、HH1)的小波,1阶的每个分量(BL1、HL1、LH1、HH1)具有的像素数量等于所述初始结构图像(IM0)的像素数量的四分之一,1阶的所述第一分量表示所述初始结构图像(IM0)的低空间频率,1阶的所述第二分量(HL1)表示所述初始结构图像(IM0)的水平变化,1阶的所述第三分量(LH1)表示所述初始结构图像(IM0)的垂直变化,并且1阶的所述第四分量(HH1)表示所述初始结构图像(IM0)的对角线变化,以及通过对这些变化进行阈值化来对1阶的所述第二分量及相应的所述第三分量和所述第四分量(HL1、LH1、HH1)进行滤波,以形成1阶的第二滤波分量及相应的第三滤波分量和第四滤波分量的步骤,
-步骤c)包括根据在步骤b1)确定的1阶的所述第二滤波分量、所述第三滤波分量和所述第四滤波分量的值来确定在所述样本的所述区域(4)中的多个光谱测定测量位置(Xi,Yj)的步骤c1);并且
-在步骤e),通过在步骤d)处获取的所述光谱测定测量的线性组合来获得经重建的光谱测定图像(Pict)的各个点。
4.根据权利要求3所述的方法,在将所述初始结构图像(IM0)分解为1阶的第一分量、第二分量、第三分量和第四分量(BL1、HL1、LH1、HH1)的步骤b1)之后和在光谱测定测量的步骤d)和重建的步骤e)之前,包括以下附加步骤,其中,步骤bN)至cN)从2迭代至N,并且其中,步骤dN)至eN)从N迭代至2,其中N表示大于或等于二并且小于或等于2m x 2m个像素的初始结构图像(IM0)中的m的自然整数:
bN)将N-1阶的第一分量(BL[N-1])分解为N阶的第一分量、第二分量、第三分量和第四分量(BLN、HLN、LHN、HHN),N阶的所述第一分量(BLN)表示N-1阶的所述第一分量(BL[N-1])的低空间频率,N阶的所述第二分量(HLN)表示N-1阶的所述第一分量(BL[N-1])的水平变化,N阶的所述第三分量(LHN)表示N-1阶的所述第一分量(BL[N-1])的垂直变化,并且N阶的所述第四分量(HHN)表示N-1阶的所述第一分量的对角线变化,并且通过阈值化对N阶的所述第二分量及相应的所述第三分量和所述第四分量(HLN、LHN、HHN)进行滤波,以形成N阶的第二滤波分量及相应的第三滤波分量和第四滤波分量;
cN)根据N阶的所述第一滤波图像分量、所述第二滤波图像分量、所述第三滤波图像分量和所述第四滤波图像分量的值,确定在所述样本的所述区域(4)中的N阶的多个光谱测定测量位置(X,Y);
dN)对于在步骤cN)确定的N阶的所述多个光谱测定测量位置的各个光谱测定测量位置(Xi,Yj),将所述激发束定位至N阶的光谱测定测量位置(Xi,Yj),并且获取N阶的所述光谱测定测量位置(Xi,Yj)的光谱测定测量;
eN)在N-1阶重建光谱测定图像,在N-1阶重建的光谱测定图像的各个点是通过在步骤dN)获取的所述光谱测定测量的线性组合来获得的。
5.根据权利要求3至4中的一项所述的方法,其中,在步骤b1)、相应的步骤bN),1阶的、相应的N阶的所述第一分量的各个像素(BL1(i,j)、……、BLN(i,j))是通过对所述初始结构图像(IM0)的相邻四个像素取平均、相应地通过合并N-1阶的所述第一分量的相邻四个像素来形成的,所述相邻四个像素被排列在所述初始结构图像(IM0)的、相应的N-1阶的所述第一分量的两行和两列上。
6.根据权利要求1至5中任一项所述的方法,其中,滤波的步骤b)、相应的bN)包括:当1阶的、相应的N阶的所述第二分量、相应的所述第三分量、所述第四分量(HL1、LH1、HH1)的一个像素的值小于或等于预定阈值时,将所述像素的值重置为零的步骤。
7.根据权利要求1至6中任一项所述的方法,包括在步骤d)、相应的dN)之后并在步骤e)、相应的eN)之前的附加步骤f)、相应的fN),其中,步骤f)、相应的fN)包括重建1阶的、相应的N阶的第一分解光谱测定图像、第二分解光谱测定图像、第三分解光谱测定图像和第四分解光谱测定图像,1阶的、相应的N阶的所述第一分解谱测定图像、所述第二分解光谱测定图像、所述第三分解光谱测定图像和所述第四分解光谱测定图像具有的点数量等于1阶的、相应的N阶的经滤波经分解的所述第一结构图像、所述第二结构图像、所述第三结构图像和所述第四结构图像的像素数量,并且其中,1阶的、相应的N阶的经滤波经分解的所述第二结构图像、相应的第三结构图像、第四结构图像的空值的每个像素与1阶的、相应的N阶的所述第二分解光谱测定图像、相应的所述第三分解光谱测定图像、所述第四分解光谱测定图像的空值的点相关联,并且其中,1阶的、相应的N阶的分解光谱测定图像的其他点的值,对于每个其他点,是通过对在步骤d)、相应的dN)获得的1阶的、相应的N阶的至多四个光谱测定测量的线性组合计算出的,并且其中,重建所述光谱测定图像(Pict)、相应的N-1阶的步骤e)、相应的eN)包括通过线性组合1阶的、相应的N阶的所述第一分解光谱测定图像、所述第二分解光谱测定图像、所述第三分解光谱测定图像和所述第四分解光谱测定图像来计算的步骤。
8.根据权利要求1至7中任一项所述的方法,其中,步骤d)、相应的dN)包括通过激光束扫描获取拉曼或光学荧光或光致发光光谱测定测量,并且其中,步骤e)、相应的eN)包括重建拉曼或光学荧光或光致发光光谱测定图像。
9.根据权利要求1至7中任一项所述的方法,其中,步骤d)、相应的dN)包括通过电子束扫描获取阴极发光或X射线荧光测量,并且步骤e)、相应的eN)包括重建阴极发光图像、或相应的X射线荧光图像。
10.根据权利要求1至7中任一项所述的方法,其中,步骤d)、相应的dN)包括通过X射线束扫描获取X射线荧光测量,并且其中,步骤e)、相应的eN)包括重建X射线荧光图像。
11.根据权利要求1至10中任一项所述的方法,其中,步骤a)包括在图像传感器上检测所述样本的结构图像的步骤、或在另一个计量仪器上恢复所述样本的图像文件的步骤、或从包括所述样本的结构图像的数据库中下载图像文件的步骤和/或将模拟结构图像数字化的步骤。
12.根据权利要求1至11中任一项所述的方法,其中,步骤a)还包括尺寸增大或减小使得经尺寸调整的像素的尺寸对应于经重建的光谱测定图像(Pict)中的最大空间分辨率的步骤。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1653063A FR3050059B1 (fr) | 2016-04-07 | 2016-04-07 | Procede d'acquisition et de formation d'une image de spectrometrie par un echantillonnage spatial adapte |
FR1653063 | 2016-04-07 | ||
PCT/FR2017/050780 WO2017174915A1 (fr) | 2016-04-07 | 2017-04-03 | Procédé d'acquisition et de formation d'une image de spectrométrie par un échantillonnage spatial adapté |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109477759A true CN109477759A (zh) | 2019-03-15 |
CN109477759B CN109477759B (zh) | 2022-09-02 |
Family
ID=56008805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780035808.5A Active CN109477759B (zh) | 2016-04-07 | 2017-04-03 | 通过自适应空间采样获取和形成光谱测定图像的方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10670458B2 (zh) |
EP (1) | EP3440443B1 (zh) |
CN (1) | CN109477759B (zh) |
FR (1) | FR3050059B1 (zh) |
WO (1) | WO2017174915A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208196A (zh) * | 2019-05-17 | 2019-09-06 | 北京云端光科技术有限公司 | 检测方法和装置,光谱检测设备及存储介质 |
CN116934776A (zh) * | 2023-07-25 | 2023-10-24 | 广州市明美光电技术有限公司 | 一种fish显微图像信号点区域提取方法、装置、设备及介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3107591B1 (fr) * | 2020-02-26 | 2022-04-08 | Horiba France Sas | Procédé d’acquisition et de formation d’une image de spectrométrie |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7283684B1 (en) * | 2003-05-20 | 2007-10-16 | Sandia Corporation | Spectral compression algorithms for the analysis of very large multivariate images |
WO2014147416A1 (en) * | 2013-03-21 | 2014-09-25 | The University Of Nottingham | Measurement of tissue structures |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2795206B1 (fr) * | 1999-06-17 | 2001-08-31 | Canon Kk | Procede de modification d'orientation geometrique d'une image |
US7627056B1 (en) * | 2002-03-29 | 2009-12-01 | Scientific Research Corporation | System and method for orthogonally multiplexed signal transmission and reception on a non-contiguous spectral basis |
FR2846121B1 (fr) * | 2002-10-17 | 2004-12-24 | Commissariat Energie Atomique | Procede de reconstruction d'une image a partir d'un jeu de projections par application d'une transformee en ondelette |
US7400772B1 (en) * | 2003-05-20 | 2008-07-15 | Sandia Corporation | Spatial compression algorithm for the analysis of very large multivariate images |
-
2016
- 2016-04-07 FR FR1653063A patent/FR3050059B1/fr active Active
-
2017
- 2017-04-03 US US16/091,837 patent/US10670458B2/en active Active
- 2017-04-03 EP EP17720192.8A patent/EP3440443B1/fr active Active
- 2017-04-03 CN CN201780035808.5A patent/CN109477759B/zh active Active
- 2017-04-03 WO PCT/FR2017/050780 patent/WO2017174915A1/fr active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7283684B1 (en) * | 2003-05-20 | 2007-10-16 | Sandia Corporation | Spectral compression algorithms for the analysis of very large multivariate images |
WO2014147416A1 (en) * | 2013-03-21 | 2014-09-25 | The University Of Nottingham | Measurement of tissue structures |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110208196A (zh) * | 2019-05-17 | 2019-09-06 | 北京云端光科技术有限公司 | 检测方法和装置,光谱检测设备及存储介质 |
CN116934776A (zh) * | 2023-07-25 | 2023-10-24 | 广州市明美光电技术有限公司 | 一种fish显微图像信号点区域提取方法、装置、设备及介质 |
CN116934776B (zh) * | 2023-07-25 | 2024-04-30 | 广州市明美光电技术有限公司 | 一种fish显微图像信号点区域提取方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3440443B1 (fr) | 2022-09-28 |
US20190086262A1 (en) | 2019-03-21 |
FR3050059B1 (fr) | 2018-04-20 |
EP3440443A1 (fr) | 2019-02-13 |
CN109477759B (zh) | 2022-09-02 |
WO2017174915A1 (fr) | 2017-10-12 |
FR3050059A1 (fr) | 2017-10-13 |
US10670458B2 (en) | 2020-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8866063B2 (en) | Lens-free wide-field super-resolution imaging device | |
CN107209357B (zh) | 用于获得对象的超分辨率图像的成像方法和系统 | |
US7564546B2 (en) | Dynamic imaging of biological cells and other subjects | |
US20060001870A1 (en) | System and method for dynamic chemical imaging | |
US8675062B2 (en) | Shape measuring device, observation device, and image processing method | |
CN109477759A (zh) | 通过自适应空间采样获取和形成光谱测定图像的方法 | |
US7337066B2 (en) | System and method for automated baseline correction for Raman spectra | |
US20120140981A1 (en) | System and Method for Combining Visible and Hyperspectral Imaging with Pattern Recognition Techniques for Improved Detection of Threats | |
US20070206185A1 (en) | System and method for fiber array spectral translator based polymorph screening | |
JP2012526269A (ja) | 多波長偏光画像からシーンを識別するための方法 | |
JP2008281513A (ja) | 文化財検査装置 | |
JP5424108B2 (ja) | ラマンイメージング装置 | |
US7471386B2 (en) | System and method for spectral unmixing in a fiber array spectral translator based polymorph screening system | |
EP3655810A1 (de) | Lichtblattmikroskopisches verfahren zur erzeugung eines volumenbildes einer probe und lichtblattmikroskop | |
Lim et al. | Instrumentation challenges of a pushbroom hyperspectral imaging system for currency counterfeit applications | |
US20060221335A1 (en) | Method and apparatus for interactive hyperspectral image subtraction | |
Lerner et al. | Hyperspectral imaging in a LabVIEW environment | |
Sedman et al. | Infrared Imaging: principles and practices | |
US20230003581A1 (en) | Method for acquiring and forming a spectrometry image and spectroscopic measuring device | |
Kidder et al. | Infrared spectroscopic imaging microscopy: Applications to biological systems | |
Offroy et al. | Super-Resolution in Vibrational Spectroscopy: From Multiple Low-Resolution Images to High-Resolution Images | |
Wang et al. | Correcting axial chromatic aberration in a fixed focal plane, near-infrared imaging system | |
Schlucker et al. | Vibrational microspectroscopic imaging: spatial resolution enhancement | |
Arnold et al. | Snapshot spectral imaging system | |
Bonifazzi et al. | Multispectral imaging of paintings: instrument and applications |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |