CN115349078A - 获取和形成光谱测定图像的方法和光谱测定装置 - Google Patents
获取和形成光谱测定图像的方法和光谱测定装置 Download PDFInfo
- Publication number
- CN115349078A CN115349078A CN202180024501.1A CN202180024501A CN115349078A CN 115349078 A CN115349078 A CN 115349078A CN 202180024501 A CN202180024501 A CN 202180024501A CN 115349078 A CN115349078 A CN 115349078A
- Authority
- CN
- China
- Prior art keywords
- measurement
- spectrometric
- list
- image
- positions
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005259 measurement Methods 0.000 claims abstract description 569
- 230000005284 excitation Effects 0.000 claims abstract description 43
- 230000003595 spectral effect Effects 0.000 claims description 39
- 238000003384 imaging method Methods 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 description 94
- 230000001133 acceleration Effects 0.000 description 33
- 239000011295 pitch Substances 0.000 description 18
- 238000006073 displacement reaction Methods 0.000 description 14
- 238000001069 Raman spectroscopy Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 5
- 238000004611 spectroscopical analysis Methods 0.000 description 4
- 238000001530 Raman microscopy Methods 0.000 description 3
- 238000000701 chemical imaging Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000005424 photoluminescence Methods 0.000 description 3
- 238000000103 photoluminescence spectrum Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000001237 Raman spectrum Methods 0.000 description 2
- 238000002083 X-ray spectrum Methods 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004876 x-ray fluorescence Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 239000012497 inhomogeneous sample Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000001634 microspectroscopy Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
- G01J3/4406—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
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0248—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using a sighting port, e.g. camera or human eye
-
- 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
-
- 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
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明涉及一种获取和形成样品(1)的光谱测定图像(IS)的方法,包括以下步骤:e1)获取样品的区域的初始图像(II),初始图像由像素组成,并定义N个光谱测定测量位置(PM)的最大集合,2≤N,每个测量位置包括坐标(CX;CY)和基于像素确定的强度(IR1;IR2;IG1;IG2;IB1;IB2);e2)基于根据测量位置之间的强度差和坐标差计算的偏差,为N个测量位置中的每一个分配分类值;e3)根据分类值确定一组P个测量位置,1≤P≤N;e4)对于该组的每个测量位置,依次在样品的区域的所述测量位置定位激发光束(2),获取光谱测定测量并形成光谱测定图像。
Description
技术领域
本发明总体上涉及基于使用拉曼光谱测定法、荧光、光致发光或阴致发光的逐点测量技术和图像重构,获取样品的光谱图像或高光谱图像的方法和仪器领域。
尤其涉及一种获取和形成样品的光谱图像或高光谱图像的方法。
尤其涉及一种通过拉曼显微光谱快速获取和重构样品图像的方法,该高空间分辨率图像是逐点形成的。
还涉及一种旨在实现这种方法的光谱测定装置。
背景技术
特定的光谱测定测量通常足以分析空间上同质的样品。另一方面,在空间不同质的样品的情况,期望以空间分辨率根据样品的结构或微观结构进行调整的逐点构建图像的形式进行光谱测定测量。
各种光谱成像技术是已知的,基于逐点获取光谱和基于重构空间解析的光谱测定图像。这些系统需要样品相对于测量仪器的位移和聚焦于某一点的激发光束,或激发光束相对于样品的扫描,或光束的扫描和样品的位移的组合。
在基于样品位移的拉曼显微光谱成像系统中,样品被放置在机动的台上或配备有压电致动器,以在两个横向方向(XY)移动样品。激光激发光束集中在样品上一个直径约1微米的区域上。样品的位移通常遵循在X和Y方向具有恒定节距的周期性网格。在样品的每一个新位置都会获取光谱。处理软件根据这组测量重构高光谱图像。
无论选择哪种位移类型,逐点图像获取的持续时间由每个点的获取的持续时间和图像的点的数量确定。每个点的获取时间和每个点的光度与光谱分辨率有关。图像中的点的数量取决于样品相对于激发光束或该光束相对于样品的位移步长,这决定了图像的空间分辨率。
获取单个拉曼光谱通常需要0.1毫秒到1分钟,平均为1秒。为了获取高空间和高光谱分辨率的图像,拉曼显微光谱测定图像的获取时间可能达到几小时甚至几十小时。这些时间不适合用于分析许多样品。
减少光谱测定图像获取时间的主要选项是减少每个点的获取时间和减少图像中的点的数量。
然而,这些选项通常会导致重构图像的质量损失、每个点的信噪比的降低和/或重构图像的空间分辨率的降低。
在某些应用中,希望在不损失逐点重构的图像的光度、信噪比、光谱分辨率或空间分辨率的情况下,减少显微光谱测定图像或高光谱图像的获取时间。
在其他应用中,希望在不增加该图像的获取时间的情况下提高高光谱图像或显微光谱测定图像的空间分辨率。
发明内容
在这种情况下,本发明提出了一种获取和形成样品的光谱测定图像的方法,包括以下步骤:
e1)获取样品的区域的初始图像,初始图像由像素组成,并定义N个光谱测定测量位置的最大集合,2≤N,每个测量位置包括至少一个坐标和至少一个强度,坐标表示相对于样品的区域的测量位置,强度基于初始图像中位于测量位置邻域的至少一个像素确定;
e2)基于测量位置之间的偏差,将分类值分配给N个测量位置中的每一个,两个测量位置之间的偏差基于强度差和坐标差来计算的;
e3)根据步骤e2)中分配的分类值,在N个测量位置的集合中确定一组P个测量位置,1≤P≤N;
e4)对于步骤e3)中确定的组中的每个测量位置,依次在样品的区域的所述测量位置上定位激发光束,获取光谱测定测量并基于获取的光谱测定测量构建光谱测定图像。
在此,测量位置代表激发光束相对于样品的特定位置,为了进行光谱测定测量。
因此,由于形成和获取光谱测定图像的方法,分类值被分配给测量位置。测量位置的分类值可以量化该测量位置对形成光谱测定图像的贡献。测量位置的贡献是对在该测量位置获取的光谱测定测量在形成光谱测定图像中的权重(即,重要性)的估计。
测量位置的贡献是基于初始图像来确定的。测量位置的贡献是关于测量位置在样品上的位置来确定的。例如,位于样品的具有强烈强度变化的区域内的测量位置被认为比位于样品的具有恒定强度的区域内的测量位置贡献更大。换而言之,样品中强度均匀的区域可以通过光谱测定测量来精确估计,而强度展现出强烈空间变化的区域必须通过几次光谱测定测量来估计。
因此,这种方法通过给它们分配分类值,使得可以组织或排列测量位置,例如从贡献最大的测量位置到贡献最小的测量位置。
一旦测量位置被组织,就可以从贡献最大的测量位置开始获取光谱测定测量。然后可以逐步构建光谱测定图像,并随着每次新获取的光谱测定测量而更新。
因此,在获取和形成光谱测定图像的过程中,样品中的强度呈现强烈空间变化的区域比样品中的强度空间恒定的区域优先获取更高的空间分辨率(在光谱测定图像上)。因此,即使经过几次获取,光谱测定图像的质量也很快令人满意。
因此,在贡献最大的测量位置上优先获取光谱测定测量,使得在给定的加速系数或给定的获取时间内获取高质量的光谱测定测量成为可能。例如,对于给定的加速系数,相比于按照分布于预定的规律网格的测量位置进行获取,该方法有可能获取具有更好质量的光谱测定图像。
当用户认为图像的质量令人满意时,也可以停止获取新的光谱测定测量。
一旦达到一个确定的加速系数,也可以停止获取新的光谱测定测量。加速系数,有时也被称为压缩比,被定义为基于光谱测定设备的空间分辨率的最大的测量位置数与获取的光谱测定测量数之间的比率。因此,给定的加速系数与获取的给定的测量数量成反比。
单独地或基于所有技术上可能的组合,根据本发明的方法的其它非限制性和有利的特征如下:
-归属于步骤e2)的分类值都是彼此不同的;
-两个测量位置之间的偏差是基于两个测量位置之间的强度差的平方的和以及两个测量位置之间的坐标差的平方的加权和计算的;
-在步骤e3)中,分别根据分类值的升序或降序来确定该组的P个测量位置;
-在步骤e2)中,初始化列表S和列表U,列表S包括仍需被分配分类值的测量位置,并且列表U包括已被分配分类值的测量位置,并迭代以下步骤e21)和e22):
e21)对于列表S中的每个测量位置,通过迭代步骤e211)、e212)和e213)确定总误差:
e211)将所考虑的测量位置从列表S移到列表U;
e212)基于来自列表S中的测量位置和来自列表U中的测量位置之间的偏差,计算与所考虑的测量位置相关的总误差;
e213)将所考虑的测量位置从列表U移到列表S;
e22)基于步骤e21)中确定的每个总误差,从列表S中选择测量位置,给选定的测量位置分配数值分类,并将选定的测量位置从列表S移到列表U;
-分类值被初始化为预定值,并且在步骤e22)的每次迭代中,将严格低于最低分类值或严格高于最高分类值的分类值分配给具有最低总误差的测量位置;
-在步骤e212)中,确定与所考虑的测量位置相关的总误差包括以下步骤:
e2121)对于列表U中的每个测量位置,确定列表S中偏差最小的测量位置,这两个测量位置之间的偏差定义为最小偏差;
e2122)基于在步骤e2121)中确定的每个最小偏差,计算总误差;
-该组包括至少三个测量位置,并且预定了用于进行激发光束的连续定位的轨迹;
-迭代步骤e3)和e4),在每次新的迭代中,在步骤e3)中确定的组仅包括仍需对其获取光谱测定测量的测量位置;
-所述方法包括步骤e11),在至少一个预定的测量位置获取至少一个光谱测定测量,为至少一个预定的测量位置中的每一个分配预定的分类值;
-光谱测定图像的构建包括以下步骤:
e41)对于对其已经获取了光谱测定测量的每个测量位置,基于所述光谱测定测量确定光谱测定值;
e42)对于每个剩余测量位置,基于至少一个选定的光谱测定测量确定光谱测定值,根据所述剩余测量位置与所述至少一个选定的光谱测定测量的测量位置之间坐标差选定所述选定的光谱测定测量;
-在步骤e42)中,选定的光谱测定测量是在与所述剩余测量位置的坐标差小于阈值的测量位置获取的光谱测定测量;
-在步骤e42)中,光谱测定值是基于每个选定的光谱测定测量由选定的光谱测定测量被获取处的测量位置与所述剩余测量位置之间的偏差加权来确定的;
-所述方法包括步骤e43),对光谱测定图像进行插值,其中基于测量位置之间的偏差确定多个插值系数;
-所述方法在步骤e4)中包括停止措施,以结束获取额外的光谱测定测量;
-要获取的光谱测定测量的数量是预定的;
-在初始图像中预定了仅包括部分测量位置的感兴趣的区域,并且在步骤e3)中,基于属于感兴趣的区域的测量位置确定该组。
-至少一个光谱测定测量在样品的一个扇区上进行空间整合;
-初始图像根据下列成像方法之一获取:
在一个或多个预定光谱带的光谱获取;反射或透射的光学获取;高光谱获取;用原子力显微镜获取;用扫描电子显微镜获取。
本发明还提出了一种光谱测定装置,包括;
-设计用于产生激发光束的光源;
-适于接纳样品的支架;
-图像捕获装置;
-处理器,被编程用于实施该方法的步骤e1)至e4),以获取和形成光谱测定图像。
实施方式的详细描述
下面参照附图的描述,通过非限制性的示例,将使人们清楚地了解本发明的内容和如何实现。
当然,本发明的不同特征、变型和实施方式可以以各种组合形式相互关联,只要它们不是相互不相容或排斥的。
在附图中:
[图1]是扫描光束成像仪器的示意图;
[图2]是样品XY平面内测量位置的空间分布网格的示意图;
[图3]是获取和形成光谱测定图像的步骤序列框图;
[图4]示出了样品的初始图像;
[图5]是图4的初始图像的放大图,具有测量位置的分布;
[图6]表示相对于模拟初始图像的测量位置的分类的一个示例;
[图7A]说明了通过使用图3的方法构建的图4的样品的拉曼光谱测定图像,加速系数为100;
[图7B]说明了通过使用图3的方法构建的图4的样品的拉曼光谱测定图像,加速系数为50;
[图7C]说明了通过使用图3的方法构建的图4的样品的拉曼光谱测定图像,加速系数为20;
[图7D]说明了通过使用图3的方法构建的图4的样品的拉曼光谱测定图像,加速系数为10;
[图7E]说明了通过使用图3的方法构建的图4的样品的拉曼光谱测定图像,加速系数为5;
[图7F]说明了通过使用图3的方法构建的图4的样品的拉曼光谱测定图像,加速系数为1;
[图8]说明了图4的初始图像与源像素及其相关网的分布,加速系数为20;
[图9]说明了在图4的初始图像和图8的源像素分布的基础上构建的估计的结构图像,加速系数为20;
[图10]是图7C的光谱测定图像的放大图,对应于图9在相同的加速系数20的估计的结构图像;
[图11A]说明对图7A的拉曼光谱测定图像进行的插值步骤;
[图11B]说明对图7B的拉曼光谱测定图像进行的插值步骤。
装置
在图1中,示意性地示出了基于光束扫描显微镜的分析仪器的示例,旨在将入射的激发光束2依次定位在样品1的不同点。这种带扫描的显微镜包括一个位移台系统,使样品1相对于保持固定的激发光束2位移。这种激发光束2相对于样品的移动模式允许激发光束2的精确定位。其他显微镜包括扫描装置(通常是扫描仪),用于改变激发光束相对于样品的入射角,而样品在激发光束扫描时保持固定。最后,一些显微镜将激发光束的扫描和样品的移动结合起来,以覆盖具有更大空间范围的分析表面。
一般来说,逐点光谱分析成像显微镜被配置为执行激发光束2相对于样品1的相对位移,以便将激发光束2依次引导到待分析的样品1的不同点。样品1的这些待分析的、并且激发光束2可以放置的不同的点在此对应于测量位置,用PM表示。更准确地说,测量位置形成了测量位置的最大集合。如下详述,本公开的方法可以在这N个测量位置中选择贡献最大的测量位置,在这些位置上优先获取光谱测定测量,并确定获取这些测量的顺序。该方法实际上旨在获取低于最大数量N的有效数量的光谱测定测量,以减少获取的总持续时间,同时产生高质量的光谱测定图像,也就是说,在样品的最大贡献区域具有高分辨率。
分析仪器还包括光谱测定装置,该装置使得在每个测量位置PM获取光谱测定信号成为可能。在样品1的某一点的光谱测定信号被称为光谱测定测量。
分析仪器最后包括计算器和处理软件,用于根据光谱测定测量形成高光谱图像或甚至样品1的不同光谱带或不同波长的一个或多个图像。因此,高光谱图像的每一点都代表光谱测定测量,例如拉曼散射光谱、荧光光谱、光致发光光谱或阴致发光光谱。
图2说明了激发光束2应被定位在此的测量位置PM的网格的一个典型示例。测量位置PM由样品表面的正交参考框架平面(XY)上的测量盘或点6表示。网格一般是规则的,长方形或正方形,沿X轴节距DX,沿Y轴节距DY。节距DX通常被选择为等于节距DY。
形成光谱测定图像的经典方法是将入射光束2置于测量位置PM(1,1)并获取第一个光谱测定测量,然后将激发光束移动到测量位置PM(1,2)以获取第二个光谱测定测量。然后可以重复激发光束2相对于样品1的相对位移和获取光谱测定测量的操作,直到对样品1上的扫描表面4的每个测量位置PM获取光谱测定测量。
这样得到的图像的空间分辨率取决于样品1上激发光束2的大小和选择的位移节距DX、DY。
显微镜可以是光学显微镜,包括显微镜物镜3,以将激光束2聚焦在待分析的样品1上。光学显微镜与拉曼光谱仪或分别与光学荧光或光致发光相结合,被配置为测量拉曼散射光谱或分别测量紫外—可见光范围内的光学荧光或光致发光光谱。
或者,显微镜可以是X射线荧光显微镜,包括X射线束聚焦和扫描系统。然后,X射线荧光显微镜与配置为测量X射线光谱(XRF)的光谱仪相结合。
或者,显微镜可以是扫描电子显微镜(SEM,Scanning Electron Microscope),包括电子束聚焦和扫描系统。然后,扫描电子显微镜与光谱仪相结合,配置为测量X射线光谱(EDX),或分别测量阴极射线光谱。
这些分析仪器可以在扫描表面4上获取样品1的逐点光谱测定测量,其空间分辨率尤其由样品上的入射激发光束的大小决定。
逐点光谱成像技术提供样品的空间和光谱解析图像。例如,拉曼显微光谱仪的应用使得分析药品片剂区域内化学成分的空间分布成为可能,其空间分辨率约为λ,其中λ代表激发光束的波长。
传统上,通过扫描显微镜获取的光谱图像或高光谱图像的空间分辨率在整个扫描和分析的表面上是空间上均匀的。扫描显微光谱测定图像的获取时间随着由此形成的光谱测定图像中的点的数量而增加。在实践中,获取时间大约等于光谱测定测量的数量与光谱测定测量的获取时间的乘积。
本发明的分析仪器还可有利地包括另一个成像装置,使其有可能以高空间分辨率获取待研究样品的区域的初始图像。这个初始结构图像可以是通过与扫描显微镜结合的CCD相机获取的视频图像。在SEM中,二次电子探测器可以快速提供初始的高空间分辨率图像。然而,在高分辨率视频图像上检测到的某些结构细节,例如光度的局部变化,可以指示出光谱法获取的测量的变化,尽管视频图像一般不能提供光谱测定类型的信息。
方法
图3示出了获取和形成样品1的光谱测定图像IS的方法。
步骤e1)
如图3所示,该方法包括步骤e1,即,获取样品1的区域的初始图像II,初始图像II由像素组成,并定义N(2≤N)个光谱测定测量位置PM的最大集合,每个测量位置PM包括至少一个坐标(代表相对于样品的区域的测量位置PM)和至少一个强度(根据初始图像II中位于测量位置PM邻域的至少一个像素确定)。
这里所说的初始图像II获取,是指在图像传感器上检测样品1的图像,例如CCD类型的图像,甚至是恢复在另一个计量仪器上获取的样品1的图像文件,或从包含样品1的图像的数据库中获取。优选地,使用初始数字图像II。如果检测或收集的初始图像II是模拟的,则将其数字化,以获取样品1的数字初始图像II。如果有必要,初始图像II的大小要根据扫描激发光束2和/或相对于激发光束2移动样品1的应被分析的区域来调整。
在实践中,初始图像II可以根据以下成像方法之一获取:
-在一个或多个预定的光谱带的光谱获取;
-反射或透射的光学获取;
-高光谱获取;
-用原子力显微镜获取;
-用扫描电子显微镜获取。
初始图像II可以使用分析仪器本身的光谱测定装置来获取,例如在初始图像II是具有单一光谱带的光谱测定图像的情况下。其他模式则需要额外的成像设备。
例如,在此,初始图像II是通过CCD传感器和用白光照射样品而获取的视频图像。照明和检测系统的设置被调整以增加图像的对比度并带出结构细节。有利的是,调整强度、偏振和/或照明和/或检测波长,以获取高度对比的初始结构图像。
这种初始图像II的一个示例在图4中表示。在图4中,样本1象征着浅色背景上的深色字母J、O、B、I和N。
这里,初始图像II是RGB图像,每个像素的强度由三个分量组成,红色分量,绿色分量,蓝色分量,都是256位编码的。
无论初始图像II的获取方式如何,初始图像II是由拥有一个或多个强度的像素组成,这里是三个强度。在此,像素按惯例分布在行和列中。
优选的是,与光谱测定图像IS的获取持续时间相比,初始图像II的获取持续时间较短。例如,初始图像II是在几分之一秒内获取的,而光谱测定图像IS是在几分钟内获取的。
在步骤e1中,定义了N(2≤N)个光谱测定测量位置PM的最大集合。在此,测量位置PM的最大数量取决于沿X轴的节距DX和沿Y轴的节距DY。节距DX、DY是根据分析仪器的分辨率来选择的。例如,DX、DY的节距可以由测量点6的直径和分析仪器的激发光束2相对样品1的相对位移的精度来决定。
在此,测量位置PM因此定义了网格,其节距为DX和DY,其尺寸与要分析的样品1的面积相对应。
每个测量位置PM相对于样品1都由至少一个坐标来识别。这里,测量位置由两个坐标识别,一个是沿X轴的CX坐标,一个是沿Y轴的CY坐标。
初始图像II最好是高分辨率的图像。在实践中,初始图像II的分辨率至少与测量位置PM的网格节距一样高。然后测量位置PM的坐标可以对应于初始图像II的像素。在初始图像II的分辨率高于测量位置PM的网格节距的情况下,测量位置PM的坐标就可以对应于几个像素。
在图5中,用“+”号表示的测量位置PM被叠加在初始图像II上显示。为了避免图中内容过多,只示出了部分测量位置PM。在实践中,测量位置PM的网格可以比图5中的示例至少密集4或5倍。
例如,在给定的方向,两个测量位置PM可以相隔大约4个像素。这样,初始图像II的分辨率就比光谱测定图像IS的最大空间分辨率大16倍左右。
每个测量位置PM还包括至少一个强度I。测量位置PM的强度是根据初始图像II的位于测量点邻域的像素的强度来计算的。
例如,像素是在离测量位置PM最近的邻域中。测量位置PM邻域的像素数可以通过初始图像II的像素数和测量位置PM的最大数量N之间的比率来估计。还是作为一个示例,邻域可以取决于测量点6的尺寸。因此,测量位置PM的邻域可以由包括在以测量位置PM为中心的圆内的所有像素来定义,其尺寸与测量点6的尺寸基本相似。
这里,测量位置PM的强度是通过对位于其邻域V的像素PI的强度进行插值(例如平均或双立方插值)来计算的。换而言之,对初始图像II进行子采样,使得子采样后的像素数量等于测量位置PM的最大数量N。一旦进行了子采样,测量位置PM的强度就会以一对一的方式对应于初始图像的像素的强度。
因此,测量位置PM的强度与初始图像II的像素的强度具有相同的性质。然后,测量位置PM的强度可以有与像素的强度相同数量的分量。在此,例如,测量位置PM的强度包括三个分量,红色分量IR,绿色分量IG和蓝色分量IB。
在一个实施方式中,测量位置PM的强度有附加分量,如代表邻域像素平均强度的分量,代表邻域像素最大强度的分量,甚至代表邻域像素最小强度的分量。这里可以为红色、绿色和蓝色每种颜色定义这样的附加分量。
步骤e2)
一旦确定了每个测量位置PM的坐标和强度,该方法就可以为每个测量位置PM分配分类值。
为此,如图3所示,该方法包括步骤e2,即,根据测量位置PM之间的偏差为N个测量位置PM中的每个分配分类值,两个测量位置PM之间的偏差是根据强度差和坐标差计算的。
步骤e2使得可以根据分类值对所有测量位置PM进行排序或分类,从贡献最大到贡献最小(或反之)。正如在介绍中所解释的,测量位置PM的分类值使得可以量化测量位置PM在形成光谱测定图像IS中的贡献。
测量位置PM的贡献代表了为了提高光谱图像IS的质量而获取这个测量位置处的光谱测定测量的重要性或兴趣。然后根据分类值获取光谱测定测量,通常从贡献最大的测量位置开始。在实际获取的光谱测定测量的基础上,实时重构和更新光谱测定图像。
例如,在给定的时间,j(1≤j≤N)个光谱测定测量已经被获取时,第j+1个贡献最大的测量位置PM是在此处获取第j+1个光谱测定测量将增加光谱测定图像IS的质量最多的测量位置。正如下文所述,可以基于初始图像II估计在j+1次光谱测定测量时的光谱测定图像IS的质量。具有j次测量的光谱测定图像IS的质量可以对应于与具有N次光谱测定测量的光谱测定图像IS的差异,也就是说,与在加速系数为1的情况下获取的光谱测定图像IS的差异。
这种分类的进行是基于测量位置PM的坐标和强度。因此,该分类的进行是基于初始图像II。
两个测量位置之间的偏差是根据强度差和坐标差来计算的。因此,偏差代表了两个测量位置PM之间在空间和强度方面的相似性。偏差越小,测量位置PM就越相似。
在实践中,如果两个测量位置PM之间的偏差小,只在两个测量位置PM中的一个获取光谱测定测量就足以构建光谱测定图像。缺少的光谱测定测量可以根据获取的光谱测定测量来估计。这样,两个测量位置PM中的一个就可以被视为贡献小,因为在那里获取光谱测定测量不是优先事项。
为了计算两个测量位置PM之间的偏差,计算器在此执行两个测量位置之间强度差的平方以及两个测量位置之间坐标差的平方的加权和。
例如,这里,第一测量位置PM位于坐标CX1,CY1,其强度分量为IR1,IG1,IB1,第二测量位置PM位于坐标CX2,CY2,其强度分量为IR2,IG2,IB2,偏差E可由公式给出:
E=(IR1-IR2)2+(IG1-IG2)2+(IB1-IB2)2+R×((CX1-CX2)2+(CY1-CY2)2)。
这里,强度分量IR1、IG1、IB1、IR2、IG2、IB2是介于0和255之间的8位编码值。坐标CX1、CY1、CX2、CY2是定义测量位置在如图2所示网格上的指数值。这里的坐标CX1、CY1、CX2、CY2是整数,例如对于正方形网格来说,在1和N的平方根之间。
另外,偏差可以被计算作为两个测量位置之间的强度差以及两个测量位置之间的坐标差的平方的加权和。另外作为一种变型,偏差可以被计算作为两个测量位置的强度平均值以及两个测量位置之间的坐标平均值的加权和。
在此,加权系数R使得可以相对于强度差而对坐标差进行加权。加权系数R可以由用户手动调整,或根据初始图像II上存在的对比度变化自动调整。在实践中,对于包括亮区像素和暗区像素之间的强度差大于100的初始图像来说,加权系数R可以取30到100之间的值。
用于计算偏差的加权系数R在步骤e2中保持不变,也就是说对所有的测量位置PM的分类。
有利的是,加权系数R可以使偏差的计算适应于样本1。例如,初始图像II的空间频率越高,加权系数R就越低。那么两个测量位置PM之间的相似性就主要基于强度。还是作为一个示例,如果初始图像II在初始图像II的相对大的部分的对比度变化小,加权系数可以高。那么,两个测量位置PM之间的相似性主要基于坐标。
加权系数R的值也可以与初始图像II的整体对比度成正比,以保持坐标差和强度差之间的平衡。这样就有可能,例如,即使在强度差非常大的情况下,也能给坐标差分配一个重要的权重。
在测量位置的强度具有附加分量的实施方式中,偏差的计算将这些附加分量考虑在内。
有利的是,在步骤e2过程中,计算器构建了列表S,其包括分类值尚待分配的测量位置PM,也就是说,尚待排序的测量位置。计算器还构建了列表U,其由已被分配分类值的测量位置PM(也就是说,已排序的测量位置PM)组成。
例如,在定义了N个测量位置PM之后,所有的测量位置PM仍然需要被排序。然后,列表S包含N个测量位置PM,列表U没有测量位置PM。再比如,如果计算器给j个测量位置分配了分类值,则列表S包含N-j个测量位置PM,列表U包含j个测量位置PM。
在第一个实施方式中,如图3所示,为了给列表S中的每个测量位置PM分配分类值,计算器迭代进行步骤e21和e22:
e21)对于列表S中的每个测量位置PM,确定总误差;
e22)根据步骤e21)中确定的每个总误差,从列表S中选择测量位置PM,为所选择的测量位置PM分配分类值,并将选择的测量位置PM从列表S移至列表U。
在步骤e21结束时,列表S中的每个测量位置PM都与总误差相关。
例如,如果步骤e21和e22已经执行了j-1次,这意味着计算器已经给j-1个测量位置PM分配了分类值,在步骤e21的迭代j,计算器确定j个总误差。总误差的确定将在下面进一步描述。然后,在步骤e22的迭代j,根据总误差,计算器从列表S的j个测量位置PM中选择测量位置PM,并给所选择的测量位置PM分配分类值。
更具体地说,在步骤e22的迭代过程中,计算器选择与最低总误差相关的测量位置PM。
如下所述,这里的总误差代表所有已经被分类的测量位置PM(也就是那些已经分配了分类值的测量位置)的贡献。在步骤e22的迭代过程中,所选测量位置PM的贡献例如可以通过分类前的总误差(即,在移动该测量位置在列表U中之前)和分类后的总误差(即,在移动该测量位置在列表U中之后)之间的差来估计。
这里,在步骤e21和e22的迭代之前,分类值被初始化为预定值,并且在步骤e22的每个迭代中,严格低于最低分类值或严格高于最高分类值的分类值被分配给与最低总误差相关的测量位置PM。下面将详细介绍分配分类值的两个示例。
然后,计算器为选定的测量位置分配分类值。例如,计算器只分配严格高于先前分类值的分类值或只分配严格低于先前分类值的分类值。先前分类值是已经分配给先前迭代的分类值,或者等于预定的初始化值。
如果计算器分配的分类值严格地大于先前分类值,则在步骤e2结束时,按照增加的分类值,将测量位置PM从贡献最小到贡献最大排序。
在实践中,为了做到这一点,可以将分类值初始化为零。然后,每个选定的测量位置PM被分配在前一个分类值的基础上递增1的分类值。因此,贡献最小的测量位置PM的分类值为1,贡献最大的分类值为N。
如果计算器分配的分类值严格低于先前的分类值,则在步骤e2结束时,按照分类值的增加,将测量位置PM从贡献最大排序到贡献最小。
在实践中,为了做到这一点,可以将分类值初始化为N+1。然后,每个选定的测量位置PM被分配在前一个分类值的基础上递增-1的分类值。因此,贡献最小的测量位置PM的分类值为N,贡献最大的分类值为1。
一旦计算器给选定的测量位置PM分配了分类值,这个选定的测量位置PM就会从列表S移到列表U。经过步骤e21和e22的j次迭代,列表S包含N-j个测量位置PM,列表U包含j个测量位置PM。
为了给列表S中的每个测量位置PM分配分类值,计算器迭代进行步骤e21和e22,直到列表S中不再有测量位置PM。这里,其对应于步骤e21和e22的N次迭代。
在该第一个实施方式中,在步骤e21,通过迭代步骤e211、e212和e213来确定与列表S的所考虑的测量位置PM相关的总误差:
e211)将所考虑的测量位置PM从列表S移至列表U;
e212)基于列表S的测量位置PM和列表U的测量位置PM之间的偏差,计算与所考虑的测量位置PM相关的总误差;
e213)将所考虑的测量位置PM从列表U移动到列表S。
这里,在步骤e221,与所考虑的测量位置PM相关的总误差是根据列表U中的每个测量位置PM与列表U中的每个测量位置PM之间或列表U中的每个测量位置PM与列表S的测量位置PM之间的偏差来计算。
如图3所示,用于确定与所考虑的测量位置相关的总误差的步骤e212包括子步骤e2121和e2122:
e2121)对于列表U中的每个测量位置PM,确定列表S中的与之偏差最小的测量位置,这两个测量位置之间的偏差值定义为最小偏差;
e2122)在步骤e2121)中确定的每个最小偏差的基础上计算总误差;
在步骤e2121,对于列表U中的每个测量位置PM,计算器确定列表S中的与其偏差最小的测量位置。偏差的计算将在下文中详述。这个最小偏差的值被保存。
例如,在步骤e21的迭代j期间,在步骤e212将所考虑的测量位置PM从列表S移到列表U后,列表S包含N-j个测量位置PM,列表U包含j个测量位置PM。然后计算器可以计算出列表S的测量位置PM和列表U的测量位置PM之间的(N-j)×j偏差。
值得注意的是,为了减少计算次数,从而减少计算时间,可以只计算某些偏差,以确定列表U中的测量位置PM的最小偏差。例如,在此,首先计算的偏差是在空间上最接近的列表U的测量位置PM与列表S的测量位置PM的那些偏差,即,那些坐标差(以下称为距离)是最低的。然后按照坐标差的升序来计算偏差。根据已经计算出的偏差,如果坐标差的贡献大于已经计算出的最小偏差,就有可能停止计算。那么最小偏差必然是已经计算出的偏差的一部分。
这里,总误差等于步骤e2121中确定的每个最小偏差之和。例如,在步骤e21的迭代j期间,在计算了(N-j)×j偏差并确定了j个最小偏差后,计算器通过对测量位置PM的j个最小偏差的进行求和来计算与该测量位置PM相关的总误差。
一旦确定了与所考虑的测量位置PM相关的总误差,在步骤e213中,计算器将所考虑的测量位置PM从列表U移动到列表S。
通过迭代步骤e211、e212和e213,计算器因此将总误差与列表S中的每个测量位置PM关联。如前所述,这就有可能将分类值分配给总误差最小的相关测量位置PM。例如,在步骤e21的迭代j过程中,这使得有可能将分类值分配给列表S的j个测量位置中的与最低总误差相关的测量位置PM。
在第二个实施方式中(未示出),在步骤e21中,计算器确定与每个测量位置PM相关的总误差的变化。总误差的变化在此是对于两个测量位置PM,例如按照步骤e2121和e2122计算的两个总误差之间的差。总误差的变化也可以是在所考虑的测量位置PM从列表S移到列表U之前计算的第一总误差(称为初始总误差)和所考虑的测量位置PM从列表S移到列表U之后计算的第二总误差之间的差。
在步骤e21的给定迭代过程中,列表S中被认为贡献最小的测量位置是与总误差的最小变化相关的。这意味着,在步骤e22,所选择的测量位置是与总误差的最小变化相关的。
计算总误差变化,而不是总误差,允许研究从一个所考虑的测量位置PM到另一个所考虑的测量位置PM的总误差变化,而不是计算每个所考虑的测量位置的总误差。
事实上,例如,没有必要完整计算与所考虑的测量位置PM相关的总误差。为此,仅基于所考虑的测量位置PM的邻域中的偏差来计算局部误差。例如,在最小偏差的基础上为每个被所考虑的测量位置PM定义该邻域。由于坐标的差异而导致测量位置PM在空间上的距离必然太远,无法与最小偏差相对应,则被排除在该邻域之外。这个邻域也可以由坐标差的预定阈值来定义。
局部误差使其有可能估计总误差的变化,因为所考虑的测量位置只在其邻域有影响。
此外,在步骤e21的每个新迭代中,有可能估计新的初始总误差而不必计算偏差。为此,可以从上一次迭代的初始误差中减去与上一次迭代选择的测量位置有关的总误差的变化。这使得可能不重新计算初始总误差,从而减少了计算的次数。
图6表示在模拟初始图像的基础上对测量位置PM进行分类的一个示例。这个模拟初始图像在浅色背景上有一个深色的圆圈,也就是说,有两个不同强度的区域。为了便于理解,放置N个测量位置PM的网格有意采用了较高的节距。
在图6中,六个贡献最大的测量位置PM按分类值的升序显示。两个测量位置PM(1)、PM(2)可以分别估计出由阴影表示的亮区和暗区。测量位置PM(3)、PM(4)、PM(5)、PM(6)是贡献次最大的,因为这些测量位置PM(3)、PM(4)、PM(5)、PM(6)提高了暗区边缘的分辨率。
一旦所有的测量位置都被排序,就可以估计获取的具有小于最大数量N的确定的光谱测定测量数量的光谱测定图像IS。这将在描述了光谱测定图像IS的构建步骤后进一步介绍。
步骤e3
一旦所有的测量位置PM被排序,例如从贡献最大到贡献最小,计算器可以从贡献最大的测量位置中定义一组测量位置PM。
因此,在步骤e3中,根据步骤e2中分配的分类值,计算器从N个测量位置PM的集合中确定一组P(1≤P≤N)个测量位置PM。
为了确定一组P个测量位置PM,计算器根据步骤e2中分配给测量位置PM的分类值,选择贡献最大的P个测量位置。
换而言之,在步骤e3中,分别根据分类值的升序和降序来确定该组的P个测量位置PM。
例如,在步骤e2中计算器从贡献最小到贡献最大的测量位置PM以+1的方式将分类值递增,该组的P个测量位置是那些被赋予P个最高分类值的测量位置。在这种情况下,该组的P个测量位置PM是根据分类值从最高到最低的降序确定的。
仍然作为示例,在步骤e2中,计算器从贡献最小到贡献最大的测量位置PM以-1递增分类值的情况下,该组的P个测量位置是那些赋予P个最低分类值的测量位置。在这种情况下,该组的P个测量位置PM是根据分类值从最低到最高的升序确定的。
例如,测量位置PM的数量P可以被确定,以便达到给定的加速系数。例如,为了达到加速系数10,该组的测量位置PM的数量P等于N/10。这意味着,在步骤e4中,只在10%的测量位置PM获取光谱测定测量。
例如,测量位置PM的数量P可以由用户预先确定。
例如,测量位置PM的数量可以被确定,以便达到给定的获取持续时间或激发光束2相对于样品1的移动距离,这在步骤e4中已经给出。在这些情况下,组中的测量位置PM的数量P取决于测量位置PM相对于样品1的位置。
测量位置PM的数量P也可以通过对总误差定义阈值来确定。在步骤e2)的分类之后,与每个测量位置PM相关的总误差可以被存储在存储器中。然后可以确定数量P,以便与未被选入该组的测量位置相关的总误差的总和小于阈值。
在确定测量位置PM的数量P时,可以使用额外的标准。测量位置PM的数量P可以被确定为使两个测量位置PM之间的最大距离小于阈值。例如,该阈值可以等于15倍的节距DY或DY。
步骤e4
一旦确定了包含贡献最大的P个测量位置PM的组,就可以在该组的P个测量位置PM处获取光谱测定测量。
因此,在步骤e4,对于在步骤e3中确定的组的每个测量位置,连续地将激发光束2定位在样品1的区域的测量位置PM处,获取光谱测定测量,并根据获取的光谱测定测量构建光谱测定图像IS。
在此,光谱测定图像IS在每次新的光谱测定测量的获取之后被更新。因此,光谱测定图像IS是在步骤e4中逐步和动态构建的,也就是说,与光谱测定测量的获取同时进行。这使得在获取每个新的光谱测定测量时,有可能不断提高光谱图像IS的质量。
例如,获取光谱测定测量的顺序可以根据分配给该组P个测量位置PM的分类值,以便从贡献最大的测量位置PM到贡献最小的位置获取光谱测定测量。
根据特定且有利的变型,当该组包括至少3个测量位置PM时,可以预定用于进行激发光束连续定位的轨迹。这意味着,在该组的P个测量位置PM上,光谱测定测量的获取顺序可以根据激发光束2相对于样品1的预定轨迹来完成。
这个轨迹特别可以被确定,以便优化激发光束2相对于样品1的位移。例如,这种优化可以包括在激发光束2在该组的所有测量位置PM的连续定位过程中,使其相对于样品1的移动距离最小。例如,这种优化还可以包括最大限度地减少样品架位移台的方向变化次数。这种优化也可以包括最大限度地减少激发光束2在该组的所有P个测量位置PM上连续定位所需的时间。
步骤e4包括光谱测定图像IS的构建。光谱测定图像IS的最大空间分辨率尤其取决于测量位置PM的最大集合N。这里,空间分辨率例如取决于选择的位移节距DX、DY。光谱测定图像IS的空间分辨率也取决于已经获取的光谱测定测量。
一般来说,对于获取和形成光谱测定图像IS的方法,空间分辨率在整个光谱测定图像IS上不是同质的。事实上,由于样品1中强度有强烈空间变化的区域与贡献最大的测量位置PM相对应,因此在这些区域获取了更多的光谱测定测量,然后光谱测定图像IS在这些区域具有更高的空间分辨率。
因此,光谱测定图像的空间分辨率随着每次在测量位置PM获取光谱测定测量而局部增加。
这里,光谱测定图像IS是由光谱测定像素组成的。这里的光谱测定图像IS是由与最大集合N中的测量位置相同数量的光谱测定像素组成。
这里,由于测量位置PM是按网格排列的,也就是按行和列排列的,如图5或图6所示,光谱测定图像IS是由按行和列排列的光谱测定像素组成。这里的每个光谱测定像素包括代表光谱测定测量的光谱测定值。例如,光谱测定值可以代表光谱、光谱的一部分、狭窄光谱带的强度、单一波长的强度或来自多变量分析或特定分析的信息。
如图3所示,在一个优选的实施方式中,光谱测定图像IS的构建包括子步骤e41和e42:
e41)对于已经对其获取了光谱测定测量的每个测量位置PM,基于光谱测定测量确定光谱测定值;
e42)对于每个剩余测量位置,基于至少一个选定的光谱测定测量确定光谱测定值,根据剩余的测量位置和获取所述至少一个选定的光谱测定测量的范围位置之间的坐标差选定该选定的光谱测定测量。
剩余的测量位置PM是没有对其获取光谱测定测量的测量位置PM。因此,这里的剩余测量位置是指在步骤e41中未被考虑的测量位置PM。
在步骤e41和e42中,通过为每个测量位置PM(即,为每个光谱测定像素)确定光谱测定值来构建光谱测定图像IS。
在步骤e41,计算器基于该光谱测定测量确定已获取光谱测定测量的每个测量位置PM(称为已获取测量位置)的光谱测定值。已获取测量位置的光谱测定值例如可以等于光谱测定测量或等于一个系数,也就是说等于某个波长或某个窄波段的光谱测定测量。
如果已经获取了k(1≤k≤N)个光谱测定测量,则根据各自的光谱测定测量确定k个已获取测量位置的k个光谱测定值。
在步骤e42,计算器确定每个剩余测量位置(也就是说,还没有获取测量位置的测量位置PM)的光谱测定值。随后,术语“所考虑的”剩余测量位置是指在给定时刻对其确定光谱测定值的位置。
为了确定所考虑的剩余测量位置的光谱测定值,计算器考虑了至少一个在已获取测量位置获取的光谱测定测量。根据其与所考虑的剩余测量位置的坐标差,一个或多个已获取测量位置被选择。两个测量位置PM之间的坐标差被称为距离。
这里,在步骤e42中,选定的光谱测定测量是在与所考虑的剩余测量位置的距离小于最小距离阈值的已获取测量位置处获取的光谱测定测量。这意味着选择与所考虑的剩余测量位置的距离小于最小距离阈值的所有已获取测量位置。然后可以根据所有选定的光谱测定测量的平均值来确定光谱测定值。
此外,无论选定的光谱测定测量如何,这里的光谱测定值是根据每个选定的光谱测定测量加权获取选定的光谱测定测量处的测量位置与考虑的剩余测量位置之间的偏差来确定的。
这里,两个测量位置PM之间的偏差的计算与前面所述的相同,即,两个测量位置之间的强度差的平方与两个测量位置之间的坐标差的平方的加权和。这里,加权系数R在步骤e2和步骤e4是相同的。作为一种变型,可以规定加权系数R在步骤e2和e4是不同的。
这里,权重与偏差成反比。获取的测量位置离考虑的剩余测量位置越远,也就是说,偏差越大,其光谱测定测量的权重就越低。
例如,光谱测定值是在两个光谱测定测量的基础上确定的,并且第一个获取的测量位置与所考虑的剩余的测量位置的偏差是第二个获取的测量位置的两倍。那么,在确定光谱测定值时,在第二获取的测量位置获取的光谱测定值的权重可以是第一获取的测量位置获取的光谱测定值的两倍。
换而言之,剩余测量位置的光谱测定值是根据一个或多个附近获取的测量位置的光谱测定值来确定的,测量位置PM之间的接近程度由这些测量位置PM之间的偏差来量化。
在某些情况下,计划对一些剩余测量位置不分配光谱测定值。这样,光谱测定图像就不完整了。不给剩余测量位置分配光谱测定值,例如可以基于最小距离阈值。如果没有已获取的测量位置与剩余的测量位置的距离小于最小距离阈值,则不给剩余测量位置分配光谱测定值。这意味着,如果没有已获取的测量位置在空间上足够接近剩余测量位置,则没有光谱测定值被分配给剩余测量位置。
图7A、图7B、图7C、图7B、图7E和图7F示出了图4的样品1在几个加速系数下的光谱测定图像IS。在这些图中,剩余的测量位置的光谱测定值等于最接近的已获取测量位置的光谱测定测量。
在图7A中,加速系数为100,在图7B中,加速系数为50,在图7C中,加速系数为20,在图7D中,加速系数为10,在图7E中,加速系数为5,在图7F中,加速系数为1。注意,光谱测定图像的质量不会以常规方式提高。
事实上,在图7A中,在1%的贡献最大的测量位置PM上构建的光谱测定图像IS已经可以区分样品1的对比度。如果像图7B和7C那样,分别在2%或5%的测量位置PM上构建光谱测定图像IS,其质量就会大大增加。然后,分别如图7D,在10%,如图7E,在20%,或如图7F,在所有的测量位置获取光谱测定测量数据,并不能显著提高光谱图像IS的质量,因为光谱测定测量已经在贡献最大的测量位置PM上获取。即使加速系数很高,在此也可以区分出JOBIN这个词。
如上所述,一旦所有的测量位置PM都被排序,就有可能估计出用给定数量的光谱测定测量可以获取的光谱测定图像IS。实际上,有可能以与测量位置PM之间相同的方式计算初始图像II的像素之间的偏差。因此,有可能仅基于像素对应于贡献最大的测量位置的某些像素(称为源像素PS)构建一个估计的结构图像IE。
在估计的结构图像IE中,不是源像素PS的像素的强度可以根据最近(也就是具有最低的偏差)的源像素PS来确定。所有在源像素PS的基础上估计其强度的像素构成一个与该源像素PS相关的网M。图8显示,与初始图像II的一部分叠加,以字母B为中心,加速系数为20的源像素PS的位置,以及它们相关的网M。
图9示出了对应于图8的样本1的估计的结构图像IE。加速系数,这里是20,使得有可能确定N/20个贡献最大的测量位置,对应于初始图像II的N/20个源像素PS。
图10是图7C的光谱测定图像IS的放大图,以字母B为中心,以相同的加速系数20获取。
值得注意的是,图9的估计的结构图像IE的空间分辨率与图10非常接近,因为这两个图像是根据类似的过程构建的,一个是基于N/20源像素PS,另一个是基于在贡献最大的测量位置PM获取的N/20光谱测定测量。
这种对光谱测定图像IS的估计,由于对结构图像IE的估计,例如可以帮助用户选择一个给定的加速系数。
值得注意的是,步骤e3和e4被迭代以提高光谱图像的空间分辨率IS,在每个新的迭代中,在步骤e3中确定的组仅包括仍需获取光谱测定测量的测量位置PM,也就是说,剩余测量位置。换而言之,对于步骤e3的每一次迭代,在确定组时不考虑已经获取光谱测定测量的测量位置PM。在步骤e3的每次新的迭代中,由于在步骤e2中进行的分类,因此通过选择贡献最大的剩余测量位置来确定组。
例如,在步骤e3和e4的第一次迭代中,在N/100个贡献最大的测量位置PM获取N/100个光谱测定测量。这就提供了加速系数为100的光谱测定图像IS。在第二次迭代中,在N/100个随后贡献最大的测量位置获取N/100个其他光谱测定值。第二次迭代提供了加速系数为50的光谱测定图像IS。
在这个示例中,激发光束2相对于样品1的轨迹可以在每次迭代中被优化,也就是说,对于每组N/100个测量位置PM来说。
在步骤e3和e4的不同迭代中,不同组也可以有不同数量的测量位置PM。例如,如果每组的测量位置PM的数量被确定,以获取激发光束2相对于样品1的给定距离,就会出现这种情况。
可以实施停止获取和形成光谱测定图像IS的方法的几个条件,有时可以相互结合。
第一停止条件可以是,要获取的光谱测定测量的数量是预定的。
第一停止条件例如对应于给定光谱测定图像的所需加速系数的情况。例如,如果要达到的加速系数是10,那么要获取的光谱测定测量的数量是N/10。由于采用了这种获取方法,N/10个测量值在N/10个贡献最大的测量位置被获取,这使得在给定的加速系数下获取质量非常好的图像成为可能。
对于该第一停止条件,可以规定在步骤e3中确定的组包含与要获取的光谱测定测量数量相等的测量位置PM的数量P,并规定在该组的所有P个测量位置PM上优化激发光束的轨迹。这样就有可能在最短的时间内以确定的加速系数获取光谱测定图像IS。
第二停止条件可以是,获取持续时间是预定的。这样,获取和形成光谱测定图像IS的方法就有可能在给定的获取持续时间内获取比现有技术的方法质量更好的光谱测定图像IS。
每组测量位置PM的数量可以预定,例如固定为N/100,以对应于可获取的1%光谱测定测量的获取步骤。
第三停止条件可以是,该方法包括停止措施,以结束(例如在步骤e4期间)获取额外的光谱测定测量。然后可以在任何时候停止获取新的光谱测定测量,包括在达到给定的加速系数或给定的获取持续时间之前。
这个停止措施例如可以包括用户输入。用户输入可以通过连接到计算器的键盘类型的外围设备进行。因此,如果用户认为在某一时刻用一定数量的光谱测定测量构建的光谱测定图像IS的质量令人满意,他可以决定停止获取新的光谱测定测量。这意味着,用户可以在他希望的时候终止光谱测定图像IS的获取和形成过程。
根据特定且有利的实施方式,如图3所示,这里的步骤e4包括子步骤e43。
在步骤e43,计算器通过基于测量位置PM之间的偏差确定多个插值系数来插值光谱测定图像IS。一旦在步骤e41和e42中构建了光谱测定图像IS,插值就有可能改善光谱测定图像IS的视觉渲染。
这种插值使得有可能将光谱测定值根据邻域光谱测定值来调整。图11A和11B说明了插值步骤,使之有可能形成插值图像IP,分别应用于图7A和7B的光谱测定图像IS。
例如,插值可以是多项式插值。
这里,插值系数是根据测量位置PM之间的偏差来确定的。插值系数与偏差成反比。
例如,两个测量位置PM之间的偏差越小,与这两个测量位置PM相关的两个光谱测定值之间的插值系数就越大。因此,对于一个给定的测量位置PM,其光谱测定值主要是根据附近的测量位置,在空间上和强度上进行调整。
如图11A和11B所示,对光谱测定图像IS进行插值的步骤e43可以使之更快地获取用户认为质量满意的插值图像IP。
在第三停止条件的背景下,然后可以在插值图像IP的基础上更快地触发停止措施,这意味着节省了时间。
可选步骤
如图3所示,可以规定该获取方法包括步骤e11。
在步骤e11中,在至少一个预定的初始测量位置获取至少一个初始光谱测定测量,为每个初始测量位置分配预定的分类值。
在构建列表S和列表U的过程中,计算器将初始测量位置放在列表U中,因为这些测量位置具有分类值。
在实践中,在步骤e11获取几个初始光谱测定测量。例如,这些光谱测定测量分布在初始网格上,其节距大于分布有一组N个测量位置PM的网格的节距DX和DY。
例如,在X方向和Y方向的节距分别比DX和DY大10倍。初始网格包括N个测量位置PM中的N/100。在这N/100个测量位置PM上获取测量,就有可能以100的加速系数获取光谱测定图像IS,也就是说,在1%的标准获取时间内。
这样就有可能迅速形成质量不高但覆盖整个样品1的光谱测定图像IS。然后,在其他贡献最大的测量位置获取光谱测定测量,以迅速提高光谱图像IS的质量。
初始测量位置的分类值的分配是为了不干扰其他测量位置PM的分类。例如,分类值可以全部设置为相同的值,例如设置为上述的初始化值。
然后简单地定义与这些初始测量位置相关的标准,以便在步骤e3中确定组时不考虑初始测量位置。这意味着初始测量位置被认为是已获取的测量位置。
初始测量位置置于列表U中。事实上,在步骤2中,在分配其他测量位置PM的分类值时考虑到初始测量位置。
值得注意的是,可以规定在初始图像II中预定感兴趣的区域,该区域仅包括部分测量位置PM,然后在步骤e3中,可以根据属于感兴趣的区域的测量位置PM确定该组。
例如,感兴趣的区域可以由用户在初始图像II上定义。例如,用户可以在初始图像上画一个矩形或圆形。通过测量位置PM的坐标,可以确定哪些位于感兴趣的区域。
感兴趣的区域的面积小于样本1的面积。因此,所有N个测量位置PM中只有一部分落在感兴趣的区域内。在步骤e3中,该组的测量位置PM仅从属于感兴趣的区域的位置中选择。
因此,在步骤e4,只在属于感兴趣的区域的测量位置PM获取光谱测定测量。
因此,确定感兴趣的区域使得只在样品1的特定位置获取光谱测定测量成为可能。因此,空间分辨率和光谱测定图像IS的质量只在这个特定的位置增加。为了提高感兴趣的区域内光谱测定图像IS的质量,可以通过只考虑感兴趣的区域内的测量位置PM来迭代进行步骤e3和e4。
确定感兴趣的区域使得有可能只在样品1的一个特定的地方细化光谱测定图像IS,也就是说提高其空间分辨率。例如,用户可以在样品1表现出强烈对比和高空间频率的地方定义感兴趣的区域。
感兴趣的区域也可以在光谱测定图像IS的基础上定义,以细化光谱测定图像IS的在初始图像II上没有强烈对比的区域,也就是说,在该区域的测量位置PM不一定被认为是非常有贡献的。例如,用户可以定义感兴趣的区域,在那里他感觉到光谱测定图像IS上的强烈对比。感兴趣的区域也可以被自动定义。例如,样品1的在光谱测定图像IS上显示出光谱测定值的变化,但在初始图像II上没有显示出任何特别的强度变化的区域,可以定义感兴趣的区域。
新的光谱测定测量可以在感兴趣的区域之外获取,例如,一旦已经获取感兴趣的区域的所有测量位置,或在确定的时间段之后,或一旦对应于感兴趣的区域的光谱测定图像IS的部分达到确定的加速系数,就可以获取新的光谱测定测量。
值得注意的是,可以规定对样品1的扇区进行空间整合光谱测定测量。
测量的空间整合可以通过在测量获取时间内相对于样品1移动激发光束2来进行。测量的空间整合也可以通过在测量获取过程中加宽激发光束2的横向尺寸来进行。
当光谱测定测量被用来估计几个相邻的剩余测量位置的光谱测定值时,这尤其有用。对测量进行空间整合,就有可能获取这个邻域的平均光谱测定值。这样的均值可能比应用于相邻光谱测定值的点状光谱测定测量更能代表样品1。估算的图像可以使估计光谱测定测量是否有可能用于确定剩余测量位置PMR的光谱测定值成为可能。
Claims (20)
1.一种获取并形成样品(1)的光谱测定图像(IS)的方法,包括以下步骤:
e1)获取所述样品(1)的区域的初始图像(II),并定义N个光谱测定测量位置(PM)的最大集合,所述初始图像(II)由像素组成,2≤N,每个测量位置(PM)包括至少一个坐标(CX;CY)和至少一个强度(IR1;IR2;IG1;IG2;IB1;IB2),所述坐标表示相对于所述样品(1)的所述区域的测量位置(PM),所述强度(IR1;IR2;IG1;IG2;IB1;IB2)基于所述初始图像(II)的位于所述测量位置(PM)的邻域的至少一个像素确定;
e2)基于所述测量位置(PM)之间的偏差,为N个所述测量位置(PM)中的每一者分配分类值,两个测量位置(PM)之间的偏差是基于强度差(IR1;IR2;IG1;IG2;IB1;IB2)和坐标差(CX;CY)计算的;
e3)根据步骤e2)中分配的分类值,在N个测量位置(PM)的集合中确定一组P个测量位置(PM),1≤P≤N;
e4)对于步骤e3)中确定的组中的每个测量位置(PM),依次在所述样品(1)的所述区域上的所述测量位置(PM)定位激发光束(2),获取光谱测定测量,并基于所获取的所述光谱测定测量构建所述光谱测定图像(IS)。
2.根据权利要求1所述的方法,其中,两个测量位置(PM)之间的所述偏差是基于所述两个测量位置(PM)之间的强度差(IR1;
IR2;IG1;IG2;IB1;IB2)的平方及所述两个测量位置(PM)之间的坐标差(CX;CY)的平方的加权和计算的。
3.根据权利要求1至2中任一项所述的方法,其中,在所述步骤e2)中,分配的所述分类值都是彼此不同的。
4.根据权利要求1至3中任一项所述的方法,其中,在所述步骤e3)中,分别根据分类值的升序、降序来确定所述组的P个测量位置(PM)。
5.根据权利要求1至4中任一项所述的方法,其中,在所述步骤e2)中,初始化列表S和列表U,所述列表S包括分类值待分配的测量位置(PM),所述列表U包括分类值已分配的测量位置(PM),并且迭代以下步骤e21)和步骤e22):
e21)通过迭代以下步骤e211)、e212)和e213)确定对于所述列表S中的每个测量位置(PM)的总误差:
e211)将所考虑的测量位置从所述列表S移到所述列表U;
e212)基于所述列表S中的测量位置(PM)和所述列表U中的测量位置(PM)之间的偏差,计算与所考虑的测量位置相关的总误差;
e213)将所考虑的测量位置从所述列表U到所述列表S;
e22)基于所述步骤e21)中确定的每个总误差,从所述列表S中选择测量位置(PM),为所选择的测量位置分配分类值,并将所选择的测量位置从所述列表S移至所述列表U。
6.根据权利要求5所述的方法,其中,分类值被初始化为预定值,并且在步骤e22)的每次迭代中,将严格低于最低分类值或严格高于最高分类值的分类值分配给具有最低总误差的测量位置(PM)。
7.根据权利要求5至6中任一项所述的方法,其中,在步骤e212)中,确定与所考虑的测量位置相关的总误差包括以下步骤:
e2121)对于所述列表U中的每个测量位置(PM),确定所述列表S中的与所述列表U中的该测量位置(PM)偏差最小的测量位置(PM),所述列表U中的该测量位置(PM)与所述列表S中的与所述列表U中的该测量位置(PM)偏差最小的测量位置(PM)之间的偏差的值定义最小偏差;
e2122)基于在步骤e2121)中确定的每个最小偏差,计算所述总误差。
8.根据权利要求1至7中任一项所述的方法,其中,所述组包括至少三个测量位置(PM),并且其中,预定了用于进行激发光束(2)的连续定位的轨迹。
9.根据权利要求1至8中任一项所述的方法,其中,迭代步骤e3)和步骤e4),并且其中,在每次新的迭代中,在所述步骤e3)中确定的所述组仅包括待获取光谱测定测量的测量位置(PM)。
10.根据权利要求1至9中任一项所述的方法,包括步骤e11),在至少一个预定的测量位置获取至少一个光谱测定测量,为所述至少一个预定的测量位置中的每一者分配预定的分类值。
11.根据权利要求1至10中任一项所述的方法,其中,所述光谱测定图像(IS)的构建包括以下步骤:
e41)对于已经获取了光谱测定测量的每个测量位置(PM),基于所述光谱测定测量确定光谱测定值;
e42)对于每个剩余测量位置,基于至少一个选定的光谱测定测量确定光谱测定值,根据所述剩余测量位置与已经获取了所述至少一个选定的光谱测定测量的测量位置(PM)之间的坐标差选定所述选定的光谱测定值。
12.根据权利要求11所述的方法,其中,在步骤e42)中,所述选定的光谱测定测量是在与所述剩余测量位置的坐标差小于阈值的测量位置(PM)处获取的光谱测定测量。
13.根据权利要求10至11中任一项所述的方法,其中,在步骤e42)中,所述光谱测定值是基于每个选定的光谱测定测量加权获取了所述选定的光谱测定测量的测量位置(PM)与剩余测量位置之间的偏差确定的。
14.根据权利要求1至13中任一项所述的方法,包括步骤e43),对所述光谱测定图像(IS)进行插值,其中,基于测量位置(PM)之间的偏差确定多个插值系数。
15.根据权利要求1至14中任一项所述的方法,在步骤e4)中包括停止措施,以结束获取额外的光谱测定测量。
16.根据权利要求1至15中任一项所述的方法,其中,待获取的所述光谱测定测量的数量是预定的。
17.根据权利要求1至16中任一项所述的方法,其中,在所述初始图像(II)中预定仅包括一部分所述测量位置(PM)的感兴趣的区域,并且在步骤e3)中,基于属于所述感兴趣的区域的测量位置(PM)来确定所述组。
18.根据权利要求1至17中任一项所述的方法,其中,至少一个光谱测定测量在所述样品(1)的扇区上进行空间整合。
19.根据权利要求1至18中任一项所述的方法,其中,所述初始图像(II)是根据下列成像方法之一获取的:
-在一个或多个预定的光谱带的光谱获取;
-在反射或透射中的光学获取;
-高光谱获取;
-用原子力显微镜获取;
-用扫描电子显微镜获取。
20.一种光谱测量装置,包括:
-光源,被设计用于产生激发光束(2);
-支架,适于接收样品(1);
-图像捕获装置;
-处理器,被编程用于实施根据权利要求1至19中任一项所述方法的步骤e1)至e4)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR2001912A FR3107591B1 (fr) | 2020-02-26 | 2020-02-26 | Procédé d’acquisition et de formation d’une image de spectrométrie |
FRFR2001912 | 2020-02-26 | ||
PCT/EP2021/054681 WO2021170717A1 (fr) | 2020-02-26 | 2021-02-25 | Procédé d'acquisition et de formation d'une image de spectrométrie et appareil de mesure spectroscopique |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115349078A true CN115349078A (zh) | 2022-11-15 |
Family
ID=70154815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180024501.1A Pending CN115349078A (zh) | 2020-02-26 | 2021-02-25 | 获取和形成光谱测定图像的方法和光谱测定装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20230003581A1 (zh) |
EP (1) | EP4111147A1 (zh) |
JP (1) | JP2023515933A (zh) |
CN (1) | CN115349078A (zh) |
FR (1) | FR3107591B1 (zh) |
WO (1) | WO2021170717A1 (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3050059B1 (fr) * | 2016-04-07 | 2018-04-20 | Horiba Jobin Yvon Sas | Procede d'acquisition et de formation d'une image de spectrometrie par un echantillonnage spatial adapte |
-
2020
- 2020-02-26 FR FR2001912A patent/FR3107591B1/fr active Active
-
2021
- 2021-02-25 CN CN202180024501.1A patent/CN115349078A/zh active Pending
- 2021-02-25 WO PCT/EP2021/054681 patent/WO2021170717A1/fr unknown
- 2021-02-25 US US17/802,340 patent/US20230003581A1/en active Pending
- 2021-02-25 JP JP2022550125A patent/JP2023515933A/ja active Pending
- 2021-02-25 EP EP21708201.5A patent/EP4111147A1/fr active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230003581A1 (en) | 2023-01-05 |
FR3107591A1 (fr) | 2021-08-27 |
EP4111147A1 (fr) | 2023-01-04 |
WO2021170717A1 (fr) | 2021-09-02 |
FR3107591B1 (fr) | 2022-04-08 |
JP2023515933A (ja) | 2023-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11776799B2 (en) | Data processing device | |
Hosseini et al. | Focus quality assessment of high-throughput whole slide imaging in digital pathology | |
US10896813B2 (en) | Analysis data processing method and device | |
US20190075247A1 (en) | System for generating a synthetic 2d image with an enhanced depth of field of a biological sample | |
US10309831B2 (en) | Dynamic calibration method for echelle spectrometer in laser-induced breakdown spectroscopy | |
JP5424108B2 (ja) | ラマンイメージング装置 | |
US10670458B2 (en) | Method for acquiring and forming a spectrometry image by adapted spatial sampling | |
JP7004073B2 (ja) | イメージングデータ処理装置 | |
US20200393393A1 (en) | X-Ray Analysis System and X-Ray Analysis Method | |
CN115349078A (zh) | 获取和形成光谱测定图像的方法和光谱测定装置 | |
JP2005134181A (ja) | データ処理方法及び分析装置 | |
JP2017040520A (ja) | 分析データ表示処理装置及び表示処理プログラム | |
JP6774813B2 (ja) | 画像処理装置、画像処理方法、および分析装置 | |
JP2010283079A (ja) | 表面観察装置および表面観察方法 | |
Quintana et al. | Blur-specific no-reference image quality assesment for microscopic hyperspectral image focus quantification | |
JP7001157B2 (ja) | イメージング質量分析データ処理装置 | |
JP2023043657A (ja) | 分析装置、分析装置の処理部、分析方法、分析プログラム及び分析プログラムを記憶したコンピュータ読取可能な記憶媒体 | |
JP2023068469A (ja) | 相分析装置、試料分析装置、および分析方法 | |
JP2007192552A (ja) | 分光測定装置 | |
JP2021001777A (ja) | 植物の生育状態評価方法および評価装置 | |
JP4292066B2 (ja) | 走査電子顕微鏡 | |
JP7476247B2 (ja) | 相分析装置、試料分析装置、および分析方法 | |
WO2021095210A1 (ja) | イメージング分析装置及びイメージングデータ解析方法 | |
Riding | Optimal Spectroscopic Analysis for Current and Future Multi-fibre Systems | |
JP2023170616A (ja) | ラマン散乱スペクトルの補正装置および補正方法 |
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 |