CN111476722A - 基于点扩散函数的图像复原方法、装置及其相关设备 - Google Patents

基于点扩散函数的图像复原方法、装置及其相关设备 Download PDF

Info

Publication number
CN111476722A
CN111476722A CN202010171313.9A CN202010171313A CN111476722A CN 111476722 A CN111476722 A CN 111476722A CN 202010171313 A CN202010171313 A CN 202010171313A CN 111476722 A CN111476722 A CN 111476722A
Authority
CN
China
Prior art keywords
image
nanoparticle
point
images
spread function
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
Application number
CN202010171313.9A
Other languages
English (en)
Other versions
CN111476722B (zh
Inventor
肖君军
马昱
刘彧尘
周武超
刘强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Graduate School Harbin Institute of Technology
Original Assignee
Shenzhen Graduate School Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Graduate School Harbin Institute of Technology filed Critical Shenzhen Graduate School Harbin Institute of Technology
Priority to CN202010171313.9A priority Critical patent/CN111476722B/zh
Publication of CN111476722A publication Critical patent/CN111476722A/zh
Application granted granted Critical
Publication of CN111476722B publication Critical patent/CN111476722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/15Correlation function computation including computation of convolution operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/50Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • G06T2207/10061Microscopic image from scanning electron microscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域,提供一种基于点扩散函数的图像复原方法、装置及其相关设备,该基于点扩散函数的图像复原方法包括:获取在暗场模式下由宽场显微镜连续采集的以纳米颗粒作为点光源的多张纳米颗粒图像;分别从多张纳米颗粒图像获取以中心纳米颗粒为中点的单个纳米颗粒图像;对多张单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像;计算目标纳米颗粒图像对应的点扩散函数值;对点扩散函数值进行拟合得到点扩散函数,根据点扩散函数和非盲复原算法对目标图像进行复原。通过本发明的实施,能够解决现有技术中的图像复原方法存在复原图像时点扩散函数的计算过程较为复杂的问题。

Description

基于点扩散函数的图像复原方法、装置及其相关设备
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于点扩散函数的图像复原方法、装置及其相关设备。
背景技术
近些年来,随着社会科学经济水平的不断提升,人们对图像质量的要求在不断提高,而为了提升图像的品质,一般需要对图像进行复原处理,而点扩散函数的获取对图像复原处理结果发挥着尤其重要的作用。
目前,获取点扩散函数一般有两种方法,一种是利用高分辨网格中心的点扩散函数组成测量矩阵,对显微镜采集到的低分辨率图像进行处理,利用压缩感知重构算法重构得到高分辨图像,另一种是根据采集得到荧光小球的三维光场分布获得相机的不同离焦距离处二维点扩散函数及其能量分布,根据能量之比与二维点扩散函数进行合并得到显微镜的三维点扩散函数。
虽然目前的点扩散函数的获取方法能够计算获得点扩散函数,但是由于在上述计算获得点扩散函数过程中的参数公式和数值计算复杂,产生的计算量较大,需要消耗大量时间,不利于对图像进行复原。综上所述,现有技术中的图像复原方法存在复原图像时点扩散函数的计算过程较为复杂的问题。
发明内容
本发明提供一种基于点扩散函数的图像复原方法、装置、计算机设备及存储介质,以解决现有技术中的图像复原方法存在复原图像时点扩散函数的计算过程较为复杂的问题。
本发明的第一实施例提供一种基于点扩散函数的图像复原方法,包括:
获取在暗场模式下由宽场显微镜连续采集的以纳米颗粒作为点光源的多张纳米颗粒图像;
分别从多张纳米颗粒图像获取以中心纳米颗粒为中点的单个纳米颗粒图像;
对多张单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像;
计算目标纳米颗粒图像对应的点扩散函数值;
对点扩散函数值进行拟合得到点扩散函数,根据点扩散函数和非盲复原算法对目标图像进行复原。
本发明的第二实施例提供一种基于点扩散函数的图像复原装置,包括:
纳米颗粒图像获取模块,用于获取在暗场模式下由宽场显微镜连续采集的多张纳米颗粒图像;
单个纳米颗粒图像获取模块,用于分别从多张纳米颗粒图像获取以单个纳米颗粒为中点的单个纳米颗粒图像;
标纳米颗粒图像获取模块,用于对多张单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像;
点扩散函数值获取模块,用于计算目标纳米颗粒图像对应的点扩散函数值;
点扩散函数获取模块,用于对点扩散函数值进行拟合得到点扩散函数,根据点扩散函数和非盲复原算法对目标图像进行复原。
本发明的第三实施例提供一种计算机设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现本发明的第一实施例提供的一种基于点扩散函数的图像复原方法的步骤。
本发明的第四实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现本发明的第一实施例提供的一种基于点扩散函数的图像复原方法的步骤。
本申请提供的基于点扩散函数的图像复原方法、装置、计算机设备及存储介质中,首先,获取在暗场模式下由宽场显微镜连续采集的以纳米颗粒作为点光源的多张纳米颗粒图像,然后分别从多张纳米颗粒图像获取以中心纳米颗粒为中点的单个纳米颗粒图像,再对多张单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像,再之计算目标纳米颗粒图像对应的点扩散函数值,最后对点扩散函数值进行拟合得到点扩散函数,根据点扩散函数和非盲复原算法对目标图像进行复原。通过对各张单个纳米颗粒图像进行自相关计算,无需进行更迭计算,获取大量信息的同时减少背景噪音,有效地解决了现有技术中的图像复原方法存在复原图像时点扩散函数的计算过程较为复杂的问题。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的第一实施例的基于点扩散函数的图像复原方法的一应用环境示意图;
图2是本发明的第一实施例的基于点扩散函数的图像复原方法的流程示意图;
图3是本发明的第一实施例的基于点扩散函数的图像复原方法中步骤12的流程图;
图4是本发明的第一实施例的基于点扩散函数的图像复原方法中步骤12的实现效果示意图;
图5是本发明的第一实施例的基于点扩散函数的图像复原方法中步骤13的流程图;
图6是本发明的第一实施例的基于点扩散函数的图像复原方法中步骤13的示意图;
图7是本发明的第二实施例的基于点扩散函数的图像复原装置的模块示意图;
图8是本发明的第三实施例提供的计算机设备的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的第一实施例提供的基于点扩散函数的图像复原方法,可应用于如图1所示的应用环境中,其中,采集设备通过有线或无线方式与计算设备进行通信。当采集设备在暗场模式下由宽场显微镜连续采集的以纳米颗粒作为点光源的多张纳米颗粒图像时,将该多张纳米颗粒图像发送至计算设备,计算设备获取在暗场模式下由宽场显微镜连续采集的以纳米颗粒作为点光源的多张纳米颗粒图像,然后分别从多张纳米颗粒图像获取以中心纳米颗粒为中点的单个纳米颗粒图像,再对多张单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像,再之计算目标纳米颗粒图像的点扩散函数值,最后对点扩散函数值进行拟合得到点扩散函数,根据点扩散函数和非盲复原算法对目标图像进行复原。其中,采集设备可以是宽场显微镜,具体可以是正置荧光显微镜或者倒置荧光显微镜。计算设备可以是具备图像数据处理能力的设备,计算设备可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在本发明的第一实施例中,如图2所示,提供一种基于点扩散函数的图像复原方法,以该方法应用在图1中的计算设备为例进行说明,包括如下步骤11至步骤15。
步骤11:获取在暗场模式下由宽场显微镜连续采集的以纳米颗粒作为点光源的多张纳米颗粒图像。
其中,纳米颗粒具体可以是金纳米颗粒。多张纳米颗粒图像应当是由同一宽场显微镜采集的连续帧的纳米颗粒图像。
进一步地,作为本实施例的一种实施方式,纳米颗粒图像中的各个纳米颗粒应当是相互分离。
其中,具体是通过在暗场模式下的宽场显微镜获取不同观察区域的纳米颗粒图像,当获取的纳米颗粒图像中的各个纳米颗粒相互分离时,通过CCD(电荷耦合元件,Chargecoupled Device)相机获取相同外界条件下的多张观察区域的纳米颗粒图像。
在本实施例中,各张纳米颗粒图像中的各个纳米颗粒应当是相互分离,以便于后续获取光强的分布情况,使得点扩散函数更加精确。
步骤12:分别从多张纳米颗粒图像获取以中心纳米颗粒为中点的单个纳米颗粒图像。
其中,具体是从一张纳米颗粒图像中获取一张单个纳米颗粒图像。
进一步地,作为本实施例的一种实施方式,如图3所示,上述步骤12具体包括以下步骤121至步骤122。
步骤121:获取纳米颗粒图像中清晰度最高的纳米颗粒。
其中,具体是先判断纳米颗粒图像中各个纳米颗粒的清晰度,找出其中清晰度最高的纳米颗粒。具体如图4(a)所示。
步骤122:将清晰度最高的纳米颗粒作为中心纳米颗粒,以中心纳米颗粒所处位置为中心按照预设规则截取得到单个纳米颗粒图像。
其中,具体时间将清晰度最高的纳米颗粒作为中心纳米颗粒,以中心纳米颗粒所处位置为中心从纳米颗粒图像中截取得到一张单个纳米颗粒图像,单个纳米颗粒图像一般是矩形。具体如图4(b)所示。
在本实施例中,通过上述步骤121至步骤122的实施,能够得到多张单个纳米颗粒图像,便于后续获取到所处位置。
步骤13:对多张单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像。
其中,目标纳米颗粒图像的数量为一张。
进一步地,作为本实施例的一种实施方式,如图5所示,上述步骤13具体包括以下步骤131至步骤132。
步骤131:对每相邻两幅单个纳米颗粒图像之间进行自相关处理,得到多张自相关图像。
进一步地,作为本实施例的一种实施方式,上述步骤131具体包括自相关处理由下式(1)表示:
Figure BDA0002409285410000071
其中,A(r,Δn)代表相邻两幅单个纳米颗粒图像的自相关处理结果,N代表单个纳米颗粒图像的帧数,Δn代表选取的单个纳米颗粒图像的序列号,r代表二维离散坐标,ri代表i个像素点距所求点的距离,Mi代表第i个像素位置在所有单个纳米颗粒图像序列中最大的灰度值,δε(n)代表第n张单个纳米颗粒图像最大的灰度值,U代表单个纳米颗粒图像中各个像素点对于所求点光强度做出的贡献值。
具体地,上述公式(1)的推导过程如下:采集并处理N帧单个纳米颗粒图像序列,在每帧单个纳米颗粒图像选取i个相同像素位置,并获取对应位置上的灰度值εi(n),单个纳米颗粒图像序列可由选取不同像素位置的灰度值表示:
Figure BDA0002409285410000072
其中,r代表离散坐标,U代表单个纳米颗粒图像中各个像素点对于所求点光强度做出的贡献值,Mi代表第i个像素位置在所有单个纳米颗粒图像序列中最大的灰度值,而εi(n)是第i个像素位置在第n个序列中最大的灰度值,由于不同位置的灰度值彼此之间不相关,得到自相关处理公式:
A(r,Δn)=<δY(r,n+Δn)·δY(r,n)>n (3)
其中,Δn代表选取的单个纳米颗粒图像的序列号。对上述公式(3)进一步地简化得到上述公式(1)。
在本实施例中,通过采用上述公式(1)对单个纳米颗粒图像进行自相关处理,以使获得多张自相关图像。
步骤132:对多张自相关图像再进行自相关处理,循环本步骤直至获得一张目标纳米颗粒图像。
其中,以如图6所示的示意图为例,图6中的各个矩形可以视为一张图像,第0层(k=0)的各个矩形分别代表单个纳米颗粒图像,第1层(k=1)的各个矩形分别代表自相关图像,第二层(k=2)的各个矩形分别代表自相关图像,依次类推,直至获得一张目标纳米颗粒图像。
进一步地,作为本实施例的一种实施方式,目标纳米颗粒图像由下式(4)计算得到:
Figure BDA0002409285410000081
其中,F(r)代表所述目标纳米颗粒图像,Ak(r)代表第k层的所述自相关图像。
在本实施例中,通过使用上述公式(4)计算获得目标纳米颗粒图像,使得获得目标纳米颗粒图像中的噪音被抑制,有效信息被保留,提高了获取点扩散函数的精确度和效率。
步骤14:计算目标纳米颗粒图像对应的点扩散函数值。
进一步地,作为本实施例的一种实施方式,点扩散函数值由以下公式(5)计算得到:
Figure BDA0002409285410000082
其中,f(x,y)代表坐标点(x,y)处的点扩散函数值,(x,y)代表中心纳米颗粒所处坐标,B代表背景均值,A代表幅度,σx代表水平方向的标准差,σy代表竖直方向的标准差,(x0,y0)代表拟合点扩散函数的中心坐标。需要注意的是,本实施例中的各个坐标和位置均可以像素点位进行表示。
在本实施例中,通过使用上述公式(5)计算中心纳米颗粒所处位置的点扩散函数值,以使后续能够拟合获得点扩散函数。
步骤15:对点扩散函数值进行拟合得到点扩散函数,根据点扩散函数和非盲复原算法对目标图像进行复原。
其中,目标图像包括同一采集设备在同样光场状态下拍摄采集的图像,具体可以是同一宽场显微镜在同样暗场模式下采集的图像。另外,在上述步骤15中,具体可以使用L-M算法(Levenberg-Marquadt算法)得到针对点扩散函数值的拟合结果(点扩散函数)。
通过上述步骤11至步骤15的实施,能够获取宽场显微镜在暗场模式下获得的纳米颗粒图像,并基于纳米颗粒图像进行自相关处理获得目标纳米颗粒图像,并对计算获得的点扩散函数值进行拟合从而得到点扩散函数,有效地抑制纳米颗粒图像中的噪音,并提取纳米颗粒图像中的有效信息,同时无需进行更迭计算,提高了获取点扩散函数的精确度的同时,有效地解决了现有技术中的图像复原方法存在复原图像时点扩散函数的计算过程较为复杂的问题。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
本发明的第二实施例提供一种基于点扩散函数的图像复原装置,该基于点扩散函数的图像复原装置与上述第一实施例提供的基于点扩散函数的图像复原方法一一对应。
进一步地,如图7所示,该基于点扩散函数的图像复原装置包括纳米颗粒图像获取模块41、单个纳米颗粒图像获取模块42、标纳米颗粒图像获取模块43、点扩散函数值获取模块44和点扩散函数获取模块45。各功能模块详细说明如下:
纳米颗粒图像获取模块41,用于获取在暗场模式下由宽场显微镜连续采集的多张纳米颗粒图像;
单个纳米颗粒图像获取模块42,用于分别从多张纳米颗粒图像获取以单个纳米颗粒为中点的单个纳米颗粒图像;
目标纳米颗粒图像获取模块43,用于对多张单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像;
点扩散函数值获取模块44,用于计算目标纳米颗粒图像对应的点扩散函数值;
点扩散函数获取模块45,用于对点扩散函数值进行拟合得到点扩散函数,根据点扩散函数和非盲复原算法对目标图像进行复原。
进一步地,作为本实施例的一种实施方式,上述单个纳米颗粒图像获取模块42包括纳米颗粒获取单元和单个纳米颗粒图像获取单元。各功能单元详细说明如下:
纳米颗粒获取单元,用于获取纳米颗粒图像中清晰度最高的纳米颗粒;
单个纳米颗粒图像获取单元,用于将清晰度最高的纳米颗粒作为中心纳米颗粒,以中心纳米颗粒所处位置为中心按照预设规则截取得到单个纳米颗粒图像。
进一步地,作为本实施例的一种实施方式,上述目标纳米颗粒图像获取模块43包括自相关处理单元和目标纳米颗粒图像获取单元。各功能单元详细说明如下:
自相关处理单元,用于对每相邻两幅单个纳米颗粒图像之间进行自相关处理,得到多张自相关图像;
目标纳米颗粒图像获取单元,用于对多张自相关图像再进行自相关处理,循环本步骤直至获得一张目标纳米颗粒图像。
进一步地,作为本实施例的一种实施方式,上述自相关单元包括自相关计算子单元。自相关计算子单元的详细功能如下:
自相关处理子单元包含自相关处理并由下式(1)表示:
Figure BDA0002409285410000111
其中,A(r,Δn)代表相邻两幅单个纳米颗粒图像的自相关处理结果,N代表单个纳米颗粒图像的帧数,Δn代表选取的单个纳米颗粒图像的序列号,r代表二维离散坐标,ri代表i个像素点距所求点的距离,Mi代表第i个像素位置在所有单个纳米颗粒图像序列中最大的灰度值,δε(n)代表第n张单个纳米颗粒图像最大的灰度值,U代表单个纳米颗粒图像中各个像素点对于所求点光强度做出的贡献值。
进一步地,作为本实施例的一种实施方式,上述目标纳米颗粒图像获取单元包括目标纳米颗粒图像获取子单元。目标纳米颗粒图像获取子单元的详细功能说明如下:
目标纳米颗粒图像获取子单元包含目标纳米颗粒图像并由下式(4)计算得到:
Figure BDA0002409285410000112
其中,F(r)代表目标纳米颗粒图像,Ak(r)代表第k层的自相关图像。
进一步地,作为本实施例的一种实施方式,上述点扩散函数值获取模块44包括点扩散函数获取单元。点扩散函数获取单元的详细功能说明如下:
点扩散函数获取单元包含获取点扩散函数值方式并由以下公式(5)计算得到:
Figure BDA0002409285410000121
其中,f(x,y)代表点扩散函数值,(x,y)代表中心纳米颗粒所处坐标,B代表背景均值,A代表幅度,σx代表水平方向的标准差,σy代表竖直方向的标准差,(x0,y0)代表拟合点扩散函数的中心坐标。
进一步地,作为本实施例的一种实施方式,纳米颗粒图像中的各个纳米颗粒相互分离。
关于基于点扩散函数的图像复原装置的具体限定可以参见上文中对于基于点扩散函数的图像复原方法的限定,在此不再赘述。上述基于点扩散函数的图像复原装置中的各个模块/单元可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本发明的第三实施例提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于点扩散函数的图像复原方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现本发明的第一实施例提供的基于点扩散函数的图像复原方法。
本发明的第四实施例提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现本发明的第一实施例提供的基于点扩散函数的图像复原方法的步骤,例如图2所示的步骤11至步骤15、如图3所示的步骤121至步骤122以及如图5所示的步骤131至步骤132。或者,计算机程序被处理器执行时实现上述第一实施例提供的基于点扩散函数的图像复原方法的各模块/单元的功能。为避免重复,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synch l i nk)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于点扩散函数的图像复原方法,其特征在于,所述获取方法包括:
获取在暗场模式下由宽场显微镜连续采集的以纳米颗粒作为点光源的多张纳米颗粒图像;
分别从多张所述纳米颗粒图像获取以中心纳米颗粒为中点的单个纳米颗粒图像;
对多张所述单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像;
计算所述目标纳米颗粒图像对应的点扩散函数值;
对所述点扩散函数值进行拟合得到点扩散函数,根据所述点扩散函数和非盲复原算法对目标图像进行复原。
2.根据权利要求1所述的基于点扩散函数的图像复原方法,其特征在于,所述分别从多张所述纳米颗粒图像获取以中心纳米颗粒为中点的单个纳米颗粒图像包括:
获取所述纳米颗粒图像中清晰度最高的所述纳米颗粒;
将所述清晰度最高的所述纳米颗粒作为所述中心纳米颗粒,以所述中心纳米颗粒所处位置为中心按照预设规则截取得到所述单个纳米颗粒图像。
3.根据权利要求1所述的基于点扩散函数的图像复原方法,其特征在于,所述对多张所述单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像包括:
对每相邻两幅所述单个纳米颗粒图像之间进行自相关处理,得到多张自相关图像;
对所述多张所述自相关图像再进行自相关处理,循环本步骤直至获得一张所述目标纳米颗粒图像。
4.根据权利要求3所述的基于点扩散函数的图像复原方法,其特征在于,所述自相关处理由下式(1)表示:
Figure FDA0002409285400000021
其中,A(r,Δn)代表相邻两幅所述单个纳米颗粒图像的自相关处理结果,N代表所述单个纳米颗粒图像的帧数,Δn代表选取的所述单个纳米颗粒图像的序列号,r代表二维离散坐标,ri代表i个像素点距所求点的距离,Mi代表第i个像素位置在所有所述单个纳米颗粒图像序列中最大的灰度值,δε(n)代表第n张所述单个纳米颗粒图像最大的灰度值,U代表所述单个纳米颗粒图像中各个像素点对于所求点光强度做出的贡献值。
5.根据权利要求3所述的基于点扩散函数的图像复原方法,其特征在于,所述目标纳米颗粒图像由下式(2)计算得到:
Figure FDA0002409285400000022
其中,F(r)代表所述目标纳米颗粒图像,Ak(r)代表第k层的所述自相关图像。
6.根据权利要求1所述的基于点扩散函数的图像复原方法,其特征在于,所述点扩散函数值由以下公式计算得到:
Figure FDA0002409285400000023
其中,f(x,y)代表坐标点(x,y)处的所述点扩散函数值,(x,y)代表所述中心纳米颗粒所处坐标,B代表背景均值,A代表幅度,σx代表水平方向的标准差,σy代表竖直方向的标准差,(x0,y0)代表拟合所述点扩散函数的中心坐标。
7.根据权利要求1所述的基于点扩散函数的图像复原方法,其特征在于,所述纳米颗粒图像中的各个纳米颗粒相互分离。
8.一种基于点扩散函数的图像复原装置,其特征在于,包括:
纳米颗粒图像获取模块,用于获取在暗场模式下由宽场显微镜连续采集的多张纳米颗粒图像;
单个纳米颗粒图像获取模块,用于分别从多张所述纳米颗粒图像获取以单个纳米颗粒为中点的单个纳米颗粒图像;
目标纳米颗粒图像获取模块,用于对多张所述单个纳米颗粒图像进行自相关处理,获得目标纳米颗粒图像;
点扩散函数值获取模块,用于计算所述目标纳米颗粒图像对应的点扩散函数值;
点扩散函数获取模块,用于对所述点扩散函数值进行拟合得到点扩散函数,根据所述点扩散函数和非盲复原算法对目标图像进行复原。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述基于点扩散函数的图像复原方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于点扩散函数的图像复原方法的步骤。
CN202010171313.9A 2020-03-12 2020-03-12 基于点扩散函数的图像复原方法、装置及其相关设备 Active CN111476722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010171313.9A CN111476722B (zh) 2020-03-12 2020-03-12 基于点扩散函数的图像复原方法、装置及其相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010171313.9A CN111476722B (zh) 2020-03-12 2020-03-12 基于点扩散函数的图像复原方法、装置及其相关设备

Publications (2)

Publication Number Publication Date
CN111476722A true CN111476722A (zh) 2020-07-31
CN111476722B CN111476722B (zh) 2023-04-28

Family

ID=71747385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010171313.9A Active CN111476722B (zh) 2020-03-12 2020-03-12 基于点扩散函数的图像复原方法、装置及其相关设备

Country Status (1)

Country Link
CN (1) CN111476722B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112927158A (zh) * 2021-03-09 2021-06-08 电子科技大学 一种模糊图像的图像复原方法、存储介质及终端
CN115290301A (zh) * 2022-09-29 2022-11-04 苏州矽行半导体技术有限公司 一种高信噪比图像获取装置及点扩散函数测量方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708543A (zh) * 2012-04-19 2012-10-03 北京工商大学 基于盲反卷积和稀疏表示的荧光显微图像复原方法和装置
CN106123915A (zh) * 2016-06-08 2016-11-16 中国科学院光电技术研究所 一种基于直接点扩散函数的气动退化图像复原系统
CN106327435A (zh) * 2016-08-09 2017-01-11 中国科学院长春光学精密机械与物理研究所 图像复原成像系统及复原系统、图像获得方法及复原方法
CN106530251A (zh) * 2016-11-03 2017-03-22 北京航星机器制造有限公司 一种盲卷积运动模糊图像复原方法
CN110111392A (zh) * 2018-11-09 2019-08-09 哈尔滨工业大学(深圳) 一种基于纳米颗粒标定的高分辨光学成像方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102708543A (zh) * 2012-04-19 2012-10-03 北京工商大学 基于盲反卷积和稀疏表示的荧光显微图像复原方法和装置
CN106123915A (zh) * 2016-06-08 2016-11-16 中国科学院光电技术研究所 一种基于直接点扩散函数的气动退化图像复原系统
CN106327435A (zh) * 2016-08-09 2017-01-11 中国科学院长春光学精密机械与物理研究所 图像复原成像系统及复原系统、图像获得方法及复原方法
CN106530251A (zh) * 2016-11-03 2017-03-22 北京航星机器制造有限公司 一种盲卷积运动模糊图像复原方法
CN110111392A (zh) * 2018-11-09 2019-08-09 哈尔滨工业大学(深圳) 一种基于纳米颗粒标定的高分辨光学成像方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112927158A (zh) * 2021-03-09 2021-06-08 电子科技大学 一种模糊图像的图像复原方法、存储介质及终端
CN115290301A (zh) * 2022-09-29 2022-11-04 苏州矽行半导体技术有限公司 一种高信噪比图像获取装置及点扩散函数测量方法
CN115290301B (zh) * 2022-09-29 2023-01-17 苏州矽行半导体技术有限公司 一种高信噪比图像获取装置及点扩散函数测量方法

Also Published As

Publication number Publication date
CN111476722B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN109389552B (zh) 一种基于上下文相关多任务深度学习的图像超分辨算法
CN111383232B (zh) 抠图方法、装置、终端设备及计算机可读存储介质
CN111476722A (zh) 基于点扩散函数的图像复原方法、装置及其相关设备
CN109799073B (zh) 一种光学畸变测量装置及方法、图像处理系统、电子设备和显示设备
CN111524137A (zh) 基于图像识别的细胞识别计数方法、装置和计算机设备
CN110942506B (zh) 一种物体表面纹理重建方法、终端设备及系统
CN108242063B (zh) 一种基于gpu加速的光场图像深度估计方法
CN112884782A (zh) 生物对象分割方法、装置、计算机设备和存储介质
CN110047077B (zh) 一种用于以太坊共识机制的图像处理方法
CN105243677B (zh) 一种保证精度的实时单分子定位方法及系统
CN113628259A (zh) 图像的配准处理方法及装置
CN112150612A (zh) 三维模型构建方法、装置、计算机设备及存储介质
JP2016164709A (ja) 画像処理装置、撮像装置および画像処理プログラム
CN115587943B (zh) 点云数据的去噪方法、装置、电子设备及存储介质
JP2015088029A (ja) 放射歪み補正装置、道路環境認識装置、放射歪み補正方法およびプログラム
WO2022247004A1 (zh) 图像预测模型的训练及应用方法、装置、设备、存储介质
CN112365398B (zh) 超分辨率网络训练方法、数字变焦方法、装置及电子设备
CN112613521B (zh) 基于数据转换的多层次数据分析系统及方法
CN109670514B (zh) 数字岩心的孔隙与骨架识别方法和装置、设备、存储介质
CN110148194B (zh) 图像重建方法和装置
CN112950457A (zh) 图像转换方法及相关模型的训练方法及相关装置、设备
CN111353407A (zh) 医学图像处理方法、装置、计算机设备和存储介质
CN113222872A (zh) 图像处理方法、装置、电子设备及介质
CN112184884A (zh) 三维模型构建方法、装置、计算机设备及存储介质
CN113643219B (zh) 一种基于三光融合的图像成像方法及装置

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