CN112862907B - 显微图像校正方法、装置、设备、存储介质及产品 - Google Patents
显微图像校正方法、装置、设备、存储介质及产品 Download PDFInfo
- Publication number
- CN112862907B CN112862907B CN202110068051.8A CN202110068051A CN112862907B CN 112862907 B CN112862907 B CN 112862907B CN 202110068051 A CN202110068051 A CN 202110068051A CN 112862907 B CN112862907 B CN 112862907B
- Authority
- CN
- China
- Prior art keywords
- image
- correction
- slice
- pixel
- microscopic
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003702 image correction Methods 0.000 title claims abstract description 48
- 238000012937 correction Methods 0.000 claims abstract description 237
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000009499 grossing Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000003384 imaging method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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
- G06T2207/10056—Microscopic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种显微图像校正方法、装置、设备、存储介质及产品,该方法包括:获取待校正的多个显微图像,并对各显微图像进行分割,以生成对应的切片图像,切片图像包括所述显微图像中的切片区域;对各切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,匹配图像对中包括互相匹配的两个切片图像;将匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据校正基准图像的关键点和目标校正图像的关键点对目标校正图像进行像素点的像素值校正。本发明实施例的显微图像校正方法,可以生成经过校正后的切片图像,图像质量更高。
Description
技术领域
本发明实施例涉及显微图像处理技术领域,尤其涉及一种显微图像校正方法、装置、设备、存储介质及产品。
背景技术
在生物、医学领域中,人们通常使用手持式设备来对生物、医学切片进行研究。这种手持式设备通常是手机等成像设备及便携式显微镜等设备的结合,通过便携式显微镜对切片进行成像,然后通过手机或其他成像设备拍摄便携式显微镜中的图像,从而将显微图像保存下来,以供后续的研究。
然而,由于受制于显微镜光学部件的性能,显微图像中成像部位区域边缘通常存在较大暗角及色差,显微图像质量较差。
因此,目前的手持式设备生成的显微图像质量较差。
发明内容
本发明提供一种显微图像校正方法、装置、设备、存储介质及产品,用以解决目前的手持式设备生成的显微图像质量较差的问题。
本发明实施例第一方面提供一种显微图像校正方法,包括:
获取待校正的多个显微图像,并对各所述显微图像进行分割,以生成对应的切片图像,所述切片图像包括所述显微图像中的切片区域;
对各所述切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,所述匹配图像对中包括互相匹配的两个切片图像;
将所述匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正。
进一步地,如上所述的方法,所述对各所述显微图像进行分割,包括:
将各所述显微图像中各个像素点的RGB三个颜色通道的最大值确定为像素点的像素值;
针对每个显微图像,从边界像素点至中心像素点的连线方向上,将第一个像素值大于预设阈值的像素点确认为切片边界点;
根据所有的切片边界点对切片区域进行形状拟合,以确定切片区域边界;
根据所述切片区域边界对各所述显微图像进行分割。
进一步地,如上所述的方法,所述根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正,包括:
根据所述校正基准图像的关键点和所述目标校正图像的关键点确定所述校正基准图像和所述目标校正图像之间的单应性矩阵;
根据所述单应性矩阵确定所述校正基准图像和所述目标校正图像之间的像素点交集;
根据所述像素点交集通过预设的像素值校正模型对所述目标校正图像进行像素点的像素值校正。
进一步地,如上所述的方法,所述对各所述切片图像进行关键点检测之前,还包括:
计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值;
根据像素平均值和像素方差值通过预设的校正掩模配置策略配置校正掩模;
根据所述校正掩模对所述切片图像各个像素点的各个颜色通道进行颜色校正。
进一步地,如上所述的方法,所述计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值,包括:
将所述切片图像由RGB空间转化到lab空间,并对lab空间中切片图像各个像素点的a和b通道进行平滑操作;
计算所述切片图像的所有像素点在a、b通道中的像素平均值和像素方差值。
进一步地,如上所述的方法,所述根据所述校正掩模对所述切片图像各个像素点的各个颜色通道进行颜色校正,包括:
对设置好的校正掩模进行平滑操作;
根据平滑后的校正掩模通过预设的颜色校正算法对所述切片图像各个像素点的a和b通道进行校正;
将校正后的所述切片图像由lab空间转换到RGB空间。
本发明实施例第二方面提供一种显微图像校正装置,包括:
分割模块,用于获取待校正的多个显微图像,并对各所述显微图像进行分割,以生成对应的切片图像,所述切片图像包括所述显微图像中的切片区域;
匹配图像对确定模块,用于对各所述切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,所述匹配图像对中包括互相匹配的两个切片图像;
像素值校正模块,用于将所述匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正。
进一步地,如上所述的装置,所述分割模块在对各所述显微图像进行分割时,具体用于:
将各所述显微图像中各个像素点的RGB三个颜色通道的最大值确定为像素点的像素值;针对每个显微图像,从边界像素点至中心像素点的连线方向上,将第一个像素值大于预设阈值的像素点确认为切片边界点;根据所有的切片边界点对切片区域进行形状拟合,以确定切片区域边界;根据所述切片区域边界对各所述显微图像进行分割。
进一步地,如上所述的装置,所述像素值校正模块在根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正时,具体用于:
根据所述校正基准图像的关键点和所述目标校正图像的关键点确定所述校正基准图像和所述目标校正图像之间的单应性矩阵;
根据所述单应性矩阵确定所述校正基准图像和所述目标校正图像之间的像素点交集;
根据所述像素点交集通过预设的像素值校正模型对所述目标校正图像进行像素点的像素值校正。
进一步地,如上所述的装置,还包括:
颜色通道校正模块,用于计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值;根据像素平均值和像素方差值通过预设的校正掩模配置策略配置校正掩模;根据所述校正掩模对所述切片图像各个像素点的各个颜色通道进行颜色校正。
进一步地,如上所述的装置,所述颜色通道校正模块在计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值时,具体用于:
将所述切片图像由RGB空间转化到lab空间,并对lab空间中切片图像各个像素点的a和b通道进行平滑操作;计算所述切片图像的所有像素点在a、b通道中的像素平均值和像素方差值。
进一步地,如上所述的装置,所述颜色通道校正模块在根据所述校正掩模对所述切片图像各个像素点的各个颜色通道进行颜色校正时,具体用于:
对设置好的校正掩模进行平滑操作;
根据平滑后的校正掩模通过预设的颜色校正算法对所述切片图像各个像素点的a和b通道进行校正;
将校正后的所述切片图像由lab空间转换到RGB空间。
本发明实施例第三方面提供一种电子设备,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为由所述处理器执行第一方面任一项所述的显微图像校正方法。
本发明实施例第四方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现第一方面任一项所述的显微图像校正方法。
本发明实施例第五方面提供一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面任一项所述的显微图像校正方法。
本发明实施例提供的一种显微图像校正方法、装置、设备、存储介质及产品,该方法包括:获取待校正的多个显微图像,并对各所述显微图像进行分割,以生成对应的切片图像,所述切片图像包括所述显微图像中的切片区域;对各所述切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,所述匹配图像对中包括互相匹配的两个切片图像;将所述匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正。本发明实施例的显微图像校正方法,首先获取待校正的多个显微图像,并对多个显微图像进行分割,从而得到具有切片区域的切片图像,以降低后续进行像素值校正时非切片区域的干扰。然后,针对分割出的各个切片图像,进行关键点检测,从而可以根据各切片图像的关键点确定切片图像之间的匹配图像对。最后,通过将匹配图像对中的校正基准图像作为校正参考,对目标校正图像进行像素点的像素值校正,从而可以生成经过校正后的切片图像,图像质量更高。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为可以实现本发明实施例的显微图像校正方法的场景图;
图2为本发明第一实施例提供的显微图像校正方法的流程示意图;
图3为本发明第二实施例提供的显微图像校正方法的流程示意图;
图4为本发明第二实施例提供的显微图像校正方法中显微图像分割流程示意图;
图5为本发明第二实施例提供的显微图像校正方法中通过校正掩模校正的流程示意图;
图6为本发明第三实施例提供的显微图像校正装置的结构示意图;
图7为本发明第四实施例提供的电子设备的结构示意图。
通过上述附图,已示出本发明明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本发明构思的范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
为了清楚理解本申请的技术方案,首先对现有技术的方案进行详细介绍。在生物、医学领域中,人们通常使用手持式设备来对生物、医学切片进行研究。这种手持式设备通常是手机及便携式显微镜等设备的结合,通过便携式显微镜对切片进行成像,然后通过手机或其他成像设备拍摄便携式显微镜中的图像,从而将显微图像保存下来,以供后续的研究。然而,由于受制于显微镜光学部件的性能,显微图像中成像部位区域边缘通常存在较大暗角及色差,这种暗角和色差往往遮挡了切片的具体结构,以至于在研究人员需要对该具体结构进行研究时,很难识别出切片的具体结构中的颜色是切片的本色还是因为由于图像的暗角或色差造成的染色结果,这也对切片研究造成了较大的问题。
所以针对现有技术中显微图像中成像部位区域边缘通常存在较大暗角及色差,显微图像质量较差的技术问题,发明人在研究中发现,为了解决目前显微图像中成像部位区域边缘通常存在较大暗角及色差,显微图像质量较差的问题,可以对显微图像进行像素点的像素值的校正。首先,获取待校正的多个显微图像,并对多个显微图像进行分割,从而得到具有切片区域的切片图像,以降低后续进行像素值校正时非切片区域的干扰。然后,针对分割出的各个切片图像,进行关键点检测,从而可以根据各切片图像的关键点确定切片图像之间的匹配图像对。最后通过将匹配图像对中的校正基准图像作为校正参考,对目标校正图像进行像素点的像素值校正,从而可以生成经过校正后的切片图像,图像质量更高。
发明人基于上述的创造性发现,提出了本申请的技术方案。
下面对本发明实施例提供的显微图像校正方法的应用场景进行介绍。如图1所示,其中,1为第一电子设备,2为第二电子设备。本发明实施例提供的显微图像校正方法对应的应用场景的网络架构中包括:第一电子设备1和第二电子设备2。第二电子设备2存储有待校正的多个显微图像。第一电子设备1在需要进行显微图像校正时,从第二电子设备2中获取待校正的多个显微图像。然后对多个显微图像进行分割,从而得到具有切片区域的切片图像,以降低后续进行像素值校正时非切片区域的干扰。然后,针对分割出的各个切片图像,进行关键点检测,从而可以根据各切片图像的关键点确定切片图像之间的匹配图像对。最后,通过将匹配图像对中的校正基准图像作为校正参考,对目标校正图像进行像素点的像素值校正,从而可以生成经过校正后的切片图像,图像质量更高。
下面结合说明书附图对本发明实施例进行介绍。
图2为本发明第一实施例提供的显微图像校正方法的流程示意图,如图2所示,本实施例中,本发明实施例的执行主体为显微图像校正装置,该显微图像校正装置可以集成在电子设备中。则本实施例提供的显微图像校正方法包括以下几个步骤:
步骤S101,获取待校正的多个显微图像,并对各显微图像进行分割,以生成对应的切片图像,切片图像包括显微图像中的切片区域。
本实施例中,获取待校正的多个显微图像的方式可以是从存储显微图像的数据库中获取、存储显微图像的电子设备处获取或拍摄显微图像的成像设备等中获取,本实施例对此不作限定。
本实施例中,切片区域指属于切片结构的区域。对各显微图像进行分割可以是通过检测切片区域的边界,然后对切片区域的边界进行分割从而生成对应的切片图像。
步骤S102,对各切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,匹配图像对中包括互相匹配的两个切片图像。
本实施例中,切片图像的关键点可以是切片图像中长条形状的两端以及中间位置的点,也可以是其他形状结构的多个点,本实施例对此不作限定。确定切片图像的关键点主要是用于确定后续切片图像与切片图像之间的匹配程度。互相匹配的两幅切片图像,切片图像的关键点也相互对应。
步骤S103,将匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据校正基准图像的关键点和目标校正图像的关键点对目标校正图像进行像素点的像素值校正。
本实施例中,根据校正基准图像的关键点和目标校正图像的关键点可以确定互相对应的像素点,此时,可以以校正基准图像为基准,利用校正基准图像中质量较好的像素点校正目标校正图像中对应的质量较差的像素点,提高目标校正图像的图像质量。
本发明实施例提供的一种显微图像校正方法,该方法包括:获取待校正的多个显微图像,并对各显微图像进行分割,以生成对应的切片图像,切片图像包括显微图像中的切片区域。对各切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,匹配图像对中包括互相匹配的两个切片图像。将匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据校正基准图像的关键点和目标校正图像的关键点对目标校正图像进行像素点的像素值校正。本发明实施例的显微图像校正方法,首先获取待校正的多个显微图像,并对多个显微图像进行分割,从而得到具有切片区域的切片图像。然后,针对分割出的各个切片图像,进行关键点检测,从而可以根据各切片图像的关键点确定切片图像之间的匹配图像对。最后,通过将匹配图像对中的校正基准图像作为校正参考,对目标校正图像进行像素点的像素值校正,从而可以生成经过校正后的切片图像,图像质量更高。
图3为本发明第二实施例提供的显微图像校正方法的流程示意图,如图3所示,本实施例提供的显微图像校正方法,是在本发明上一实施例提供的显微图像校正方法的基础上,对其中的各个步骤的进一步细化。则本实施例提供的显微图像校正方法包括以下步骤。
需要说明的是,步骤201-205是对步骤101的进一步细化。
步骤S201,获取待校正的多个显微图像。
本实施例中,步骤201的实现方式与本发明上一实施例中的步骤101的实现方式类似,在此不再一一赘述。
步骤S202,将各显微图像中各个像素点的RGB三个颜色通道的最大值确定为像素点的像素值。
本实施例中,将各显微图像中各个像素点的RGB三个颜色通道的最大值确定为像素点的像素值主要是用于确定显微图像的亮度情况。
步骤S203,针对每个显微图像,从边界像素点至中心像素点的连线方向上,将第一个像素值大于预设阈值的像素点确认为切片边界点。
本实施例中,确定切片边界点以及切割后的图像可以参考图4。如图4所示,原始图像中四周像素点的亮度偏低,而中间切片区域的亮度相比四周更高。因此,可以将原始图像的边界像素点至中心像素点的连线方向上的第一个像素值大于预设阈值的像素点确认为切片边界点,从而可以为后续进行切片区域的形状拟合提供基础。
步骤S204,根据所有的切片边界点对切片区域进行形状拟合,以确定切片区域边界。
本实施例中,由于切片区域通常近似为圆形,常用的形状拟合是对切片区域进行圆拟合,确定出的切片区域边界也是一个圆形。从而也可以在进行形状拟合后得到切片区域的圆心和半径大小。
步骤S205,根据切片区域边界对各显微图像进行分割,以生成对应的切片图像,切片图像包括显微图像中的切片区域。
本实施例中,由于切片区域通常近似为圆形,从而也可以在进行形状拟合后得到切片区域的圆心和半径大小,进而方便确定切片图像中各个像素点的位置。
步骤S206,计算切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值。
本实施例中,颜色通道一般采用RGB三个颜色通道或者采用lab中的ab两通道。每个像素点在每个颜色通道中都有对应的像素值,因此,在计算切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值时,需要按照颜色通道来进行划分。
可选的,本实施例中,计算切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值,包括:
将切片图像由RGB空间转化到lab空间,并对lab空间中切片图像各个像素点的a和b通道进行平滑操作。
同时,计算切片图像的所有像素点在a、b通道中的像素平均值和像素方差值。
本实施例中,将切片图像由RGB空间转化到lab空间可以更好的识别出切片图像的颜色偏差情况。
本实施例中,平滑操作指将过大的数值滤除,以使得整体过渡更为平滑。因此,对各个像素点的a和b通道进行平滑操作可以降低过大的像素值的干扰,避免影响后续的校正结果。
本实施例中,对像素点的a和b通道进行平滑操作可以采用高斯核函数进行平滑操作,具体如下:
其中,G(σs,σs)为高斯核函数,aks为平滑后的a通道,ak为平滑前的a通道,bks平滑后的b通道,bk为平滑前的b通道,σs为平滑尺度,一般情况下,平滑尺度较大,通常采用σs的数值为21。
步骤S207,根据像素平均值和像素方差值通过预设的校正掩模配置策略配置校正掩模。
本实施例中,如图5所示,校正掩模遮住不需要校正的部分像素点。同时,预设的校正掩模配置策略为:
其中,kb为b通道的色差阈值系数,ka为a通道的色差阈值系数,Mak(i,j)为a通道的校正掩模,Mbk(i,j)为b通道的校正掩模,ak(i,j)为像素点在a通道的像素值,bk(i,j)为像素点在b通道的像素值,ma为a通道像素平均值,mb为b通道像素平均值,σak为a通道像素点的像素方差值,σbk为b通道像素点的像素方差值。
在配置校正掩模时,当a、b通道某一位置像素点的像素值远大于均值,则认为属于色差区域,需要进行颜色校正,对应的校正掩模设为1,其他情况,对应的掩模设为0。
步骤S208,根据校正掩模对切片图像各个像素点的各个颜色通道进行颜色校正。
本实施例中,可以在进行颜色校正之前,通过对校正掩模也进行平滑操作,以避免引入较多的校正噪声。
可选的,本实施例中,根据校正掩模对切片图像各个像素点的各个颜色通道进行颜色校正,包括:
对设置好的校正掩模进行平滑操作。
同时,根据平滑后的校正掩模通过预设的颜色校正算法对切片图像各个像素点的a和b通道进行校正。
将校正后的切片图像由lab空间转换到RGB空间。
本实施例中,预设的颜色校正算法为:
a′k=ak-λ*Mak·*aks
b′k=bk-η*Mbk·*bks
其中,a′k为校正后的a通道,b′k为校正后的b通道,λ为a通道的校正系数,η为b通道的校正系数,校正系数通常取[0.7,1]。
本实施例中,将切片图像由lab空间转换到RGB空间更有利于保留切片图像的原色。
步骤S209,对各切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,匹配图像对中包括互相匹配的两个切片图像。
本实施例中,步骤209的实现方式与本发明上一实施例中的步骤102的实现方式类似,在此不再一一赘述。
需要说明的是,步骤210-212是对步骤103的进一步细化。
步骤S210,将匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据校正基准图像的关键点和目标校正图像的关键点确定校正基准图像和目标校正图像之间的单应性矩阵。
本实施例中,单应性矩阵表示校正基准图像的关键点和目标校正图像的关键点之间的对应关系。
步骤S211,根据单应性矩阵确定校正基准图像和目标校正图像之间的像素点交集。
本实施例中,由于单应性矩阵表示校正基准图像的关键点和目标校正图像的关键点之间的对应关系,通过单应性矩阵可以确定校正基准图像和目标校正图像之间的像素点交集。
步骤S212,根据像素点交集通过预设的像素值校正模型对目标校正图像进行像素点的像素值校正。
本实施例中,可以对两幅图像匹配像素集之间的对应关系建模即构建像素值校正模型。
构建像素值校正模型时,可以考虑构建多种像素值校正的模型,比如像素值偏差校正以及暗角校正和像素值偏差校正综合的校正模型等,本实施例中预设的像素值校正模型通常指暗角校正和像素值偏差校正综合的校正模型。
综合的校正模型的推导过程如下:
由于在获得的不同图像之间,曝光时间等成像参数设置不同,同一切片在不同图像中的像素值存在较大偏差。同一对象在不同图像间的映射关系可采用多项式模型,假设图像Ii某位置各通道像素值可表示为Ri、Gi、Bi,图像Ij中对应位置各通道可表示为Rj、Gj、Bj,当以图像Ij为参考时,两个图像间的像素值偏差可则采用如下模型进行校正:
其中,αR1、αR2、αR3、αG1、αG2、αG3、αB1、αB2、αB3分别是RGB颜色通道对应的参数。
综合考虑暗角与像素值偏差,以图像Ij为参考,则有如下综合的校正模型:
其中,d为距离因子,d1为图像Ii的距离因子,d2为图像Ij的距离因子。距离因子通常可设为像素距切片中心距离与切片半径之比基于上述模型,将图像Ii与Ij匹配的像素点交集带入上述模型,建立线性方程组,对该方程组进行求解,求出αR1、αR2、αR3、αG1、αG2、αG3、αB1、αB2、αB3、a1、a2、a3。
最后,可以通过求出参数数值的上述综合的校正模型对目标校正图像进行校正。
本发明实施例提供的一种显微图像校正方法,首先获取待校正的多个显微图像,并先确定多个显微图像的切片区域边界,根据切片区域边界进行分割,从而得到具有切片区域的切片图像。然后,针对分割出的各个切片图像,可以通过配置校正掩模进行颜色校正。同时,也可以对分割出的各个切片图像进行关键点检测,从而可以根据各切片图像的关键点确定切片图像之间的匹配图像对。最后,通过将匹配图像对中的校正基准图像作为校正参考,对目标校正图像通过预设的像素值校正模型进行像素点的像素值校正。从而生成经过多重校正后的切片图像,图像质量更高。
图6为本发明第三实施例提供的显微图像校正装置的结构示意图,如图6所示,本实施例中,该显微图像校正装置300包括:
分割模块301,用于获取待校正的多个显微图像,并对各显微图像进行分割,以生成对应的切片图像,切片图像包括显微图像中的切片区域。
匹配图像对确定模块302,用于对各切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,匹配图像对中包括互相匹配的两个切片图像。
像素值校正模块303,用于将匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据校正基准图像的关键点和目标校正图像的关键点对目标校正图像进行像素点的像素值校正。
本实施例提供的显微图像校正装置可以执行图2所示方法实施例的技术方案,其实现原理和技术效果与图2所示方法实施例类似,在此不再一一赘述。
同时,本发明提供的显微图像校正装置另一实施例在上一实施例提供的显微图像校正装置的基础上,对显微图像校正装置300进行了进一步的细化。
可选的,本实施例中,分割模块301在对各显微图像进行分割时,具体用于:
将各显微图像中各个像素点的RGB三个颜色通道的最大值确定为像素点的像素值。针对每个显微图像,从边界像素点至中心像素点的连线方向上,将第一个像素值大于预设阈值的像素点确认为切片边界点。根据所有的切片边界点对切片区域进行形状拟合,以确定切片区域边界。根据切片区域边界对各显微图像进行分割。
可选的,本实施例中,像素值校正模块303在根据校正基准图像的关键点和目标校正图像的关键点对目标校正图像进行像素点的像素值校正时,具体用于:
根据校正基准图像的关键点和目标校正图像的关键点确定校正基准图像和目标校正图像之间的单应性矩阵。
同时,根据单应性矩阵确定校正基准图像和目标校正图像之间的像素点交集。
根据像素点交集通过预设的像素值校正模型对目标校正图像进行像素点的像素值校正。
可选的,本实施例中,还包括:
颜色通道校正模块,用于计算切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值。根据像素平均值和像素方差值通过预设的校正掩模配置策略配置校正掩模。根据校正掩模对切片图像各个像素点的各个颜色通道进行颜色校正。
可选的,本实施例中,颜色通道校正模块在计算切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值时,具体用于:
将切片图像由RGB空间转化到lab空间,并对lab空间中切片图像各个像素点的a和b通道进行平滑操作。计算切片图像的所有像素点在a、b通道中的像素平均值和像素方差值。
可选的,本实施例中,颜色通道校正模块在根据校正掩模对切片图像各个像素点的各个颜色通道进行颜色校正时,具体用于:
对设置好的校正掩模进行平滑操作。
根据平滑后的校正掩模通过预设的颜色校正算法对切片图像各个像素点的a和b通道进行校正。
将校正后的切片图像由lab空间转换到RGB空间。
本实施例提供的显微图像校正装置可以执行图2-图5所示方法实施例的技术方案,其实现原理和技术效果与图2-图5所示方法实施例类似,在此不再一一赘述。
根据本发明的实施例,本发明还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
如图7所示,图7是本发明第四实施例提供的电子设备的结构示意图。电子设备旨在各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,该电子设备包括:处理器401、存储器402。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理。
存储器402即为本发明所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本发明所提供的显微图像校正方法。本发明的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本发明所提供的显微图像校正方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本发明实施例中的显微图像校正方法对应的程序指令/模块(例如,附图6所示的分割模块301,匹配图像对确定模块302及像素值校正模块303)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的显微图像校正方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明实施例的其它实施方案。本发明旨在涵盖本发明实施例的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明实施例的一般性原理并包括本发明实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明实施例的真正范围和精神由下面的权利要求书指出。
应当理解的是,本发明实施例并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明实施例的范围仅由所附的权利要求书来限制。
Claims (7)
1.一种显微图像校正方法,其特征在于,包括:
获取待校正的多个显微图像,并对各所述显微图像进行分割,以生成对应的切片图像,所述切片图像包括所述显微图像中的切片区域;
对各所述切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,所述匹配图像对中包括互相匹配的两个切片图像;
将所述匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正;
所述对各所述切片图像进行关键点检测之前,还包括:
计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值;
根据像素平均值和像素方差值通过预设的校正掩模配置策略配置校正掩模;
根据所述校正掩模对所述切片图像各个像素点的各个颜色通道进行颜色校正;
所述计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值,包括:
将所述切片图像由RGB空间转化到lab空间,并对lab空间中切片图像各个像素点的a和b通道进行平滑操作;
计算所述切片图像的所有像素点在a、b通道中的像素平均值和像素方差值。
2.根据权利要求1所述的方法,其特征在于,所述对各所述显微图像进行分割,包括:
将各所述显微图像中各个像素点的RGB三个颜色通道的最大值确定为像素点的像素值;
针对每个显微图像,从边界像素点至中心像素点的连线方向上,将第一个像素值大于预设阈值的像素点确认为切片边界点;
根据所有的切片边界点对切片区域进行形状拟合,以确定切片区域边界;
根据所述切片区域边界对各所述显微图像进行分割。
3.根据权利要求1所述的方法,其特征在于,所述根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正,包括:
根据所述校正基准图像的关键点和所述目标校正图像的关键点确定所述校正基准图像和所述目标校正图像之间的单应性矩阵;
根据所述单应性矩阵确定所述校正基准图像和所述目标校正图像之间的像素点交集;
根据所述像素点交集通过预设的像素值校正模型对所述目标校正图像进行像素点的像素值校正。
4.根据权利要求1所述的方法,其特征在于,所述根据所述校正掩模对所述切片图像各个像素点的各个颜色通道进行颜色校正,包括:
对设置好的校正掩模进行平滑操作;
根据平滑后的校正掩模通过预设的颜色校正算法对所述切片图像各个像素点的a和b通道进行校正;
将校正后的所述切片图像由lab空间转换到RGB空间。
5.一种显微图像校正装置,其特征在于,包括:
分割模块,用于获取待校正的多个显微图像,并对各所述显微图像进行分割,以生成对应的切片图像,所述切片图像包括所述显微图像中的切片区域;
匹配图像对确定模块,用于对各所述切片图像进行关键点检测,根据各切片图像的关键点确定切片图像之间的匹配图像对,所述匹配图像对中包括互相匹配的两个切片图像;
像素值校正模块,用于将所述匹配图像对中的其中一个切片图像确定为校正基准图像,另一个切片图像确定为目标校正图像,并根据所述校正基准图像的关键点和所述目标校正图像的关键点对所述目标校正图像进行像素点的像素值校正;
所述装置还包括:
颜色通道校正模块,用于计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值;根据像素平均值和像素方差值通过预设的校正掩模配置策略配置校正掩模;根据所述校正掩模对所述切片图像各个像素点的各个颜色通道进行颜色校正;
所述颜色通道校正模块在计算所述切片图像的所有像素点在各个颜色通道中的像素平均值和像素方差值时,具体用于:
将所述切片图像由RGB空间转化到lab空间,并对lab空间中切片图像各个像素点的a和b通道进行平滑操作;计算所述切片图像的所有像素点在a、b通道中的像素平均值和像素方差值。
6.一种电子设备,其特征在于,包括:存储器,处理器;
存储器;用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为由所述处理器执行如权利要求1至4任一项所述的显微图像校正方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至4任一项所述的显微图像校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110068051.8A CN112862907B (zh) | 2021-01-19 | 2021-01-19 | 显微图像校正方法、装置、设备、存储介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110068051.8A CN112862907B (zh) | 2021-01-19 | 2021-01-19 | 显微图像校正方法、装置、设备、存储介质及产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112862907A CN112862907A (zh) | 2021-05-28 |
CN112862907B true CN112862907B (zh) | 2024-03-19 |
Family
ID=76007253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110068051.8A Active CN112862907B (zh) | 2021-01-19 | 2021-01-19 | 显微图像校正方法、装置、设备、存储介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862907B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102223556A (zh) * | 2011-06-13 | 2011-10-19 | 天津大学 | 一种多视点立体图像零视差校正方法 |
CN109949287A (zh) * | 2019-03-15 | 2019-06-28 | 江南大学 | 一种基于自适应分割与模板校正的织物瑕疵检测方法 |
CN111612731A (zh) * | 2020-04-01 | 2020-09-01 | 中国科学院上海微系统与信息技术研究所 | 基于双目显微视觉的测量方法、装置、系统及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101590868B1 (ko) * | 2009-07-17 | 2016-02-02 | 삼성전자주식회사 | 피부색을 보정하는 영상 처리 방법, 장치, 디지털 촬영 장치, 및 컴퓨터 판독가능 저장매체 |
-
2021
- 2021-01-19 CN CN202110068051.8A patent/CN112862907B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102223556A (zh) * | 2011-06-13 | 2011-10-19 | 天津大学 | 一种多视点立体图像零视差校正方法 |
CN109949287A (zh) * | 2019-03-15 | 2019-06-28 | 江南大学 | 一种基于自适应分割与模板校正的织物瑕疵检测方法 |
CN111612731A (zh) * | 2020-04-01 | 2020-09-01 | 中国科学院上海微系统与信息技术研究所 | 基于双目显微视觉的测量方法、装置、系统及介质 |
Non-Patent Citations (1)
Title |
---|
基于多尺度区域的图像颜色校正算法;李英明;汪增福;;电子技术;20101125(11);第9-12页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112862907A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022199583A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
CN111383232B (zh) | 抠图方法、装置、终端设备及计算机可读存储介质 | |
WO2020252920A1 (zh) | 图片校正方法、装置、计算机设备及计算机可读存储介质 | |
CN108961175B (zh) | 人脸亮度调整方法、装置、计算机设备及存储介质 | |
WO2015106700A1 (en) | Method and apparatus for implementing image denoising | |
CN110969046B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
CN111915541B (zh) | 基于人工智能的图像增强处理方法、装置、设备及介质 | |
WO2022194079A1 (zh) | 天空区域分割方法、装置、计算机设备和存储介质 | |
US20190052860A1 (en) | Multi-Image Color-refinement with Application to Disparity Estimation | |
CN110853071A (zh) | 图像编辑方法及终端设备 | |
CN111489322A (zh) | 给静态图片加天空滤镜的方法及装置 | |
CN111340077A (zh) | 基于注意力机制的视差图获取方法和装置 | |
CN110874827A (zh) | 湍流图像复原方法、装置、终端设备及计算机可读介质 | |
CN116012241A (zh) | 图像畸变校正方法、装置、计算机设备和存储介质 | |
CN112862907B (zh) | 显微图像校正方法、装置、设备、存储介质及产品 | |
JP6937782B2 (ja) | 画像処理方法及びデバイス | |
CN114626118A (zh) | 建筑物室内模型生成方法及装置 | |
CN112200730B (zh) | 图像滤波处理方法、装置、设备及存储介质 | |
CN115661258A (zh) | 标定方法及装置、畸变校正方法及装置、存储介质、终端 | |
CN109584149B (zh) | 图像处理方法、装置、设备和计算机可读存储介质 | |
CN110992371B (zh) | 一种基于先验信息的人像分割方法、装置及电子设备 | |
CN110363723B (zh) | 改进图像边界效果的图像处理方法及装置 | |
CN109242750B (zh) | 图片签名方法、图片匹配方法、装置、设备及存储介质 | |
CN113034365A (zh) | 一种基于超像素的多图拼接方法及系统 | |
CN111429450A (zh) | 角点检测的方法、系统、设备及存储介质 |
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 |