CN115769248A - 图像处理装置、图像处理方法、图像处理程序和记录介质 - Google Patents
图像处理装置、图像处理方法、图像处理程序和记录介质 Download PDFInfo
- Publication number
- CN115769248A CN115769248A CN202180045788.6A CN202180045788A CN115769248A CN 115769248 A CN115769248 A CN 115769248A CN 202180045788 A CN202180045788 A CN 202180045788A CN 115769248 A CN115769248 A CN 115769248A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- processing
- evaluation function
- target image
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 126
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 230000009467 reduction Effects 0.000 claims abstract description 44
- 238000000605 extraction Methods 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000004069 differentiation Effects 0.000 claims abstract description 23
- 230000010354 integration Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 abstract description 16
- 230000006870 function Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 38
- 230000014509 gene expression Effects 0.000 description 29
- 238000003860 storage Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 4
- 108091003079 Bovine Serum Albumin Proteins 0.000 description 2
- 229940098773 bovine serum albumin Drugs 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XULSCZPZVQIMFM-IPZQJPLYSA-N odevixibat Chemical compound C12=CC(SC)=C(OCC(=O)N[C@@H](C(=O)N[C@@H](CC)C(O)=O)C=3C=CC(O)=CC=3)C=C2S(=O)(=O)NC(CCCC)(CCCC)CN1C1=CC=CC=C1 XULSCZPZVQIMFM-IPZQJPLYSA-N 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
在噪声推算步骤S2中，推算包含沿着第1方向延伸的线状的噪声的对象图像中包含的噪声图像。此时，使用包含表示对对象图像进行了第2方向的微分处理和第1方向的低频分量提取处理的结果与对噪声图像进行了第2方向的微分处理和第1方向的低频分量提取处理的结果之差的第1项的评价函数，求出评价函数的值成为最小的噪声图像。在噪声降低步骤S3中，根据对象图像和噪声图像，从对象图像生成噪声降低后的图像。由此，实现能够对包含沿着一个方向延伸的线状的噪声的对象图像进行处理，生成维持了对象图像所具有的定量性的噪声降低处理后的图像的图像处理方法等。
Description
技术领域
本发明涉及图像处理装置、图像处理方法、图像处理程序和记录介质。
背景技术
已知几个基于由应用了微分干涉显微镜的装置取得的1个或多个干涉图像来生成相位微分图像，进而基于该相位微分图像来取得相位图像的技术。在这些技术中，能够通过对相位微分图像进行积分处理或者去卷积处理来生成相位图像。这些技术例如适合在取得细胞的相位图像时使用。
这样生成出的相位图像有时包含沿着一个方向延伸的线状的噪声(线状的伪影(artifact))，在该情况下，大多包含相互平行的多条线状的噪声。作为包含沿着一个方向延伸的线状的噪声的图像，不仅是使用应用了微分干涉显微镜的装置取得的相位图像，还存在其他种类的图像。
在非专利文献1中，记载了对包含沿着一个方向延伸的线状的噪声的对象图像进行处理，从而能够生成降低了噪声的图像的技术。
现有技术文献
[非专利文献]
[非专利文献1]M.R.ARNISON et al.,"Using the Hilbert transform for 3Dvisualization of differential interference contrast microscope images",Journal of Microscopy,Vol.199Pt1,pp.79-84(2000)
发明内容
发明要解决的课题
然而，在非专利文献1所记载的技术中，虽然能够从对象图像生成降低了噪声的图像，但即使对象图像具有定量性，在噪声降低处理后的图像中也会失去定量性。
实施方式的目的在于提供一种能够对包含沿着一个方向延伸的线状的噪声的对象图像进行处理，生成维持了对象图像所具有的定量性的噪声降低处理后的图像的图像处理装置、图像处理方法、图像处理程序和记录介质。
用于解决课题的方法
实施方式是图像处理装置。图像处理装置是对包含沿着第1方向延伸的线状的噪声的对象图像进行处理而生成降低了噪声的图像的装置，包括：噪声推算部，其推算对象图像所包含的噪声图像；和噪声降低部，其基于对象图像和噪声图像从对象图像生成降低了噪声的图像，噪声推算部使用评价函数来求出评价函数的值成为最小的噪声图像，该评价函数包含表示对对象图像进行了与第1方向正交的第2方向的微分处理和第1方向的低频分量提取处理的结果、与对噪声图像进行了第2方向的微分处理和第1方向的低频分量提取处理的结果之差的第1项。
实施方式是图像处理方法。图像处理方法是对包含沿着第1方向延伸的线状的噪声的对象图像进行处理而生成降低了噪声的图像的方法，包括：噪声推算步骤，推算对象图像所包含的噪声图像；和噪声降低步骤，基于对象图像和噪声图像，从对象图像生成降低了噪声的图像，在噪声推算步骤中，使用包含第1项的评价函数，求出评价函数的值成为最小的噪声图像，该第1项表示对对象图像进行与第1方向正交的第2方向的微分处理和第1方向的低频分量提取处理的结果、与对噪声图像进行第2方向的微分处理和第1方向的低频分量提取处理的结果之差。
实施方式是图像处理程序。图像处理程序是用于使计算机执行上述图像处理方法的各步骤的程序。
实施方式是记录介质。记录介质是记录有上述图像处理程序的计算机可读取的介质。
发明效果
根据实施方式的图像处理装置、图像处理方法、图像处理程序和记录介质，能够对包含沿着一个方向延伸的线状的噪声的对象图像进行处理，生成维持了对象图像所具有的定量性的噪声降低处理后的图像。
附图说明
图1是表示一个实施方式的图像处理装置1的结构的图。
图2是说明一个实施方式的图像处理方法的流程图。
图3的(a)是表示相位微分图像的图，图3的(b)是表示相位图像的图。
图4的(a)是表示噪声图像的图，图4的(b)是表示噪声降低处理后图像的图。
图5的(a)是表示对象图像x的图，图5的(b)是表示对图5的(a)的对象图像x进行了第2方向的微分处理D的结果的图像Dx的图，和图5的(c)是表示对图5的(b)的图像Dx进行了第1方向的低频分量提取处理L1的结果的图像L1Dx的图。
图6的(a)是表示推算处理过程中的噪声图像y的图，图6的(b)是表示对图6的(a)的噪声图像y进行了第2方向的微分处理D的结果的图像Dy的图，图6的(c)是表示对图6的(b)的图像Dy进行了第1方向的低频分量提取处理L1的结果的图像L1Dy的图。
图7是表示对图6的(a)的推算处理过程中的噪声图像y进行了第1方向的高频分量提取处理L2的结果的图像L2y的图。
图8的(a)是表示使用(4)式的评价函数E(x,y)时得到的噪声图像的图，图8的(b)是表示使用(4)式的评价函数E(x,y)时得到的噪声降低处理后图像的图。
图9的(a)是表示在使用(5)式的评价函数E(x,y)的情况下得到的噪声图像的图、图9的(b)是表示在使用(5)式的评价函数E(x,y)的情况下得到的噪声降低处理后图像的图。
图10的(a)是表示在使用(6)式的评价函数E(x,y)的情况下得到的噪声图像的图、图10的(b)是表示在使用(6)式的评价函数E(x,y)的情况下得到的噪声降低处理后图像的图。
图11的(a)是表示在使用(7)式的评价函数E(x,y)的情况下得到的噪声图像的图，图11的(b)是表示在使用(7)式的评价函数E(x,y)的情况下得到的噪声降低处理后图像的图。
图12的(a)是表示将溶液的折射率设为约1.335时得到的噪声降低处理后图像的图、图12的(b)是表示将溶液的折射率设为约1.342时得到的噪声降低处理后图像的图。
图13的(a)是表示将溶液的折射率设为约1.349时得到的噪声降低处理后图像的图、图13的(b)是表示将溶液的折射率设为约1.362时得到的噪声降低处理后图像的图。
具体实施方式
以下，参照附图，详细说明图像处理装置、图像处理方法、图像处理程序和记录介质的实施方式。此外，在附图的说明中，对相同的要素标注相同的附图标记，并省略重复的说明。本发明并不限定于这些例示。
图1是表示本实施方式的图像处理装置1的结构的图。图像处理装置1包括控制部10、对象图像生成部11、噪声推算部12、噪声降低部13、输入部14、存储部15和显示部16。图像处理装置1可以是计算机。控制部10控制对象图像生成部11、噪声推算部12、噪声降低部13、输入部14、存储部15和显示部16各自的动作，包括CPU。
对象图像生成部11、噪声推算部12和噪声降低部13进行图像处理，包含CPU、DSP或者FPGA等处理装置。输入部14输入应处理的图像的数据，通过键盘或鼠标输入图像处理条件。
存储部15存储各种图像的数据，包括硬盘驱动器、闪存、RAM和ROM等。此外，对象图像生成部11、噪声推算部12、噪声降低部13和存储部15也可以由云计算构成。显示部16显示应处理的图像、处理中途的图像和处理后的图像等，例如包括液晶显示器。
存储部15还存储用于使对象图像生成部11、噪声推算部12和噪声降低部13执行图像处理的各步骤的程序。该图像处理程序可以在图像处理装置1的制造时或出厂时存储在存储部15中，也可以将出厂后经由通信线路取得的程序存储在存储部15中，还可以将记录在计算机可读取的记录介质2中的程序存储在存储部15中。记录介质2是软盘、CD-ROM、DVD-ROM、BD-ROM、USB存储器等任意的介质。
图2是说明本实施方式的图像处理方法的流程图。本实施方式的图像处理方法具有对象图像生成步骤S1、噪声推算步骤S2和噪声降低步骤S3。
对象图像生成步骤S1是对象图像生成部11进行的处理。噪声推算步骤S2是噪声推算部12进行的处理。噪声降低步骤S3是噪声降低部13进行的处理。作为一例，对在对象图像生成步骤S1中根据相位微分图像生成相位图像的情况进行说明。
在对象图像生成步骤S1中，对象图像生成部11通过对相位微分图像进行积分处理或者去卷积处理来生成相位图像。这里生成的相位图像是成为噪声降低处理的对象的对象图像。
在噪声推算步骤S2中，噪声推算部12推算对象图像(相位图像)中包含的噪声图像。在噪声降低步骤S3中，噪声降低部13基于对象图像和噪声图像，生成从对象图像降低了噪声的图像(噪声降低处理后图像)。具体而言，能够通过从对象图像减去噪声图像来生成噪声降低处理后图像。以下，表示具体的图像例来详细说明各步骤。
图3的(a)是表示相位微分图像的图。该相位微分图像是根据由应用了微分干涉显微镜的装置取得的干涉图像生成的。微分干涉显微镜中的剪切方向在该图中为左右方向。该相位微分图像除了作为观察对象的数个细胞以外，还在其周围表示相位大致一样(即，相位微分大致为0)的背景区域。
图3的(b)是表示相位图像的图。该相位图像是在对象图像生成步骤S1中通过对象图像生成部11对图3的(a)的相位微分图像进行积分处理而生成的。具体而言，将应该求出的相位图像设为x，将针对相位图像x的第1方向(在图中为左右方向、剪切方向)的微分处理设为A，将相位微分图像设为b，将正的常数设为λ，通过求解由下述(1)式表示的最优化问题，能够求出相位图像x。
[式1]
在上述中，λ例如设定为10-5～10-2的范围的值。相位图像x在相位值为0以上的制约条件下，能够作为对相位图像x进行了第1方向的微分处理A的结果Ax与相位微分图像b之差最小的图像来求出。如该图所示，相位图像x包含沿着第1方向(在图中为左右方向)延伸的线状的噪声(线状的伪影)。
图4的(a)是表示噪声图像的图。该噪声图像是在噪声推算步骤S2中由噪声推算部12推算为包含在图3的(b)的相位图像(成为噪声降低处理的对象的对象图像)中的图像。关于噪声推算步骤S2中的噪声图像的推算处理的详细情况，在后面叙述。
图4的(b)是表示噪声降低处理后图像的图。该噪声降低处理后图像是在噪声降低步骤S3中通过噪声降低部13从图3的(b)的对象图像(相位图像)减去图4的(a)的噪声图像而生成的。如该图所示，噪声降低处理后图像降低了对象图像中包含的噪声，并且维持了对象图像所具有的定量性。
接着，详细说明在噪声推算步骤S2中推算对象图像中包含的噪声图像的处理。将对象图像设为x，将对象图像x中包含的噪声图像设为y。
将针对图像的第1方向(在图中为左右方向)的低频分量提取处理设为L1，将针对图像的第1方向的高频分量提取处理设为L2。将针对图像的第2方向(图中与第1方向正交的上下方向)的微分处理设为D，将提取图像中的背景区域的处理设为M。另外，将正的常数设为λ、μ。
在上述中，例如，λ被设定为10-3～10-1的范围的值，μ被设定为10-2～1的范围的值。对于由下述(3)式表示的评价函数E(x,y)，通过求解由下述(2)式表示的最优化问题，来推算噪声图像y。
[式2]
[式3]
由上述(3)式表示的评价函数E(x,y)的第1项表示对对象图像x进行了第2方向的微分处理D和第1方向的低频分量提取处理L1的结果L1Dx与对噪声图像y进行了第2方向的微分处理D与第1方向的低频分量提取处理L1的结果L1Dy之差。针对各图像的微分处理D和低频分量提取处理L1的顺序是任意的。另外，也可以对对象图像x与噪声图像y之差进行微分处理D和低频分量提取处理L1。
对象图像所包含的线状的噪声(线状的伪影)沿着对象图像的第1方向(左右方向)延伸，所以噪声的变化沿着第2方向较大，噪声的空间频率沿着第1方向较低。因此，噪声图像y能够作为评价函数E(x,y)的第1项成为最小的图像而求出。
图5和图6是表示用于说明评价函数E(x,y)的第1项的图像例的图。图5的(a)是表示对象图像x的图。图5的(b)是表示对图5的(a)的对象图像x进行了第2方向的微分处理D的结果的图像Dx的图。在该图像Dx中，噪声变得明确，但也存在观察对象的信息(高频成分)。
图5的(c)是表示对图5的(b)的图像Dx进行了第1方向的低频分量提取处理L1的结果的图像L1Dx的图。在该图像L1Dx中提取出低频成分。
图6的(a)是表示推算处理中途的噪声图像y的图。图6的(b)是表示对图6的(a)的噪声图像y进行了第2方向的微分处理D的结果的图像Dy的图。在推算处理结束时的噪声图像中，理想的是不存在观察对象的信息(高频成分)，但在推算处理中途的图像Dy中存在观察对象的信息(高频成分)。
图6的(c)是表示对图6的(b)的图像Dy进行了第1方向的低频分量提取处理L1的结果的图像L1Dy的图。由于在推算处理结束时的噪声图像中理想地不存在观察对象的信息(高频成分)，所以该图像L1Dy与图像Dy大致相同。
评价函数E(x,y)的第1项表示图5的(c)的图像L1Dx与图6的(c)的图像L1Dy之差。求出该差成为最小的噪声图像y。
由上述(3)式表示的评价函数E(x,y)的第2项表示对对象图像x进行了背景区域提取处理M的结果Mx与对噪声图像y进行了背景区域提取处理M的结果My之差。也可以对对象图像x与噪声图像y之差进行背景区域提取处理M。在对象图像x和噪声图像y中，在背景区域中都不存在观察对象的信息，仅存在噪声。因此，噪声图像y能够作为评价函数E(x,y)的第2项成为最小的图像而求出。
由上述(3)式表示的评价函数E(x,y)的第3项表示对噪声图像y进行了第1方向的高频分量提取处理L2的结果L2y。沿着第1方向，噪声的空间频率比观察对象的信息的空间频率低，不具有高的成分。因此，噪声图像y能够作为评价函数E(x,y)的第3项成为最小的图像而求出。图7是表示对图6的(a)的推算处理中途的噪声图像y进行了第1方向的高频分量提取处理L2的结果的图像L2y的图。
一般而言，无法求出能够使由上述(3)式表示的评价函数E(x,y)的第1项、第2项和第3项全部同时最小的噪声图像y。因此，如上述(3)式那样，使用常数λ、μ，以使由第1项、第2项和第3项的线性和表示的评价函数E(x,y)成为最小的方式，求解由上述(2)式表示的最优化问题，由此推算噪声图像y。
此外，评价函数E(x,y)需要包含上述(3)式中的第1项，但也可以不包含上述(3)式中的第2项和第3项的两者或者任一者。
即，评价函数E(x,y)也可以在上述(3)式中将常数λ或μ的值设为0，由下述(4)、(5)、(6)式中的任一个表示。
[式4]
[式5]
[式6]
接着，对使用上述(3)～(6)式各自的评价函数E(x,y)的情况下得到的噪声图像和噪声降低处理后图像进行说明。在任一情况下，都将图3的(b)所示的相位图像设为成为噪声降低处理的对象的对象图像x。
在使用了上述(3)式的评价函数E(x,y)的情况下，在噪声推算步骤S2中，得到图4的(a)所示的噪声图像y，在噪声降低步骤S3中，得到图4的(b)所示的噪声降低处理后图像。在此，λ＝1×10-2，μ＝1×10-1。噪声降低处理后图像充分降低了对象图像所包含的噪声，并且充分维持了对象图像所具有的定量性。
在使用了上述(4)式的评价函数E(x,y)的情况下，在噪声推算步骤S2中，得到图8的(a)所示的噪声图像y，在噪声降低步骤S3中，得到图8的(b)所示的噪声降低处理后图像。这里，μ＝1×10-1。在该情况下得到的噪声图像y包含观察对象的信息。因此，噪声降低处理后图像虽然噪声被降低，观察对象的信息也多少丢失，但比较好地维持了对象图像所具有的定量性。
在使用了上述(5)式的评价函数E(x,y)的情况下，在噪声推算步骤S2中，得到图9的(a)所示的噪声图像y，在噪声降低步骤S3中，得到图9的(b)所示的噪声降低处理后图像。在此，λ＝1×10-2。在该情况下得到的噪声图像y在图中用箭头指示的部分产生计算误差。因此，噪声降低处理后图像虽然噪声的降低不完全，但比较好地维持了对象图像所具有的定量性。
在使用了上述(6)式的评价函数E(x,y)的情况下，在噪声推算步骤S2中，得到图10的(a)所示的噪声图像y，在噪声降低步骤S3中，得到图10的(b)所示的噪声降低处理后图像。在该情况下得到的噪声图像y包含观察对象的信息。因此，噪声降低处理后图像虽然噪声被降低，观察对象的信息也多少丢失，但比较好地维持了对象图像所具有的定量性。
作为比较例，在使用了不包含上述(3)式中的第1项的下述(7)式的评价函数E(x,y)的情况下，在噪声推算步骤S2中，得到图11的(a)所示的噪声图像y，在噪声降低步骤S3中，得到图11的(b)所示的噪声降低处理后图像。在此，λ＝1×10-1，μ＝1。在该情况下得到的噪声图像y无法在观察对象存在的区域中推算噪声。因此，噪声降低处理后图像在观察对象存在的区域中没有降低噪声。
[式7]
这样，通过求解由上述(2)式表示的最优化问题，使得上述(3)～(6)式中的任意一个评价函数E(x,y)成为最小，能够高精度地推算噪声图像y。而且，基于对象图像x和噪声图像y而获得的噪声降低处理后图像降低了对象图像中所包含的噪声，且维持了对象图像所具有的定量性。另外，最优选的是使用上述(3)式的评价函数E(x,y)的情况。
图12和图13是表示将浸渍有作为观察对象的细胞的溶液的折射率作为各值时通过本实施方式的图像处理方法得到的噪声降低处理后图像的图。通过调整溶液中所含的BSA(bovine serum albumin,牛血清白蛋白)的浓度来调整溶液的折射率。使用ATAGO公司的阿贝折射计测量溶液的折射率。使用上述(3)式的评价函数E(x,y)。在此，λ＝1×10-2，μ＝1×10-1。
图12的(a)是表示将溶液的折射率设为约1.335时得到的噪声降低处理后图像的图。图12的(b)是表示将溶液的折射率设为约1.342时得到的噪声降低处理后图像的图。图13的(a)是表示将溶液的折射率设为约1.349时得到的噪声降低处理后图像的图。图13的(b)是表示将溶液的折射率设为约1.362时得到的噪声降低处理后图像的图。
如这些图所示，无论溶液的折射率是哪个值，所得到的噪声降低处理后图像都降低了对象图像所包含的噪声，并且维持了对象图像所具有的定量性。随着溶液的折射率变高，细胞与溶液之间的相位差变小。
如图13的(b)所示，即使在细胞与溶液之间的相位差小的情况下，所得到的噪声降低处理后图像也充分降低了对象图像中包含的噪声。能够将细胞与溶液之间的相位差成为0时的溶液的折射率高精度地决定为细胞的折射率。
图像处理装置、图像处理方法、图像处理程序和记录介质不限于上述的实施方式和结构例，能够进行其他各种变形。
上述实施方式的图像处理装置是对包含沿着第1方向延伸的线状的噪声的对象图像进行处理而生成降低了噪声的图像的装置，其包括：噪声推算部，其推算对象图像所包含的噪声图像；和噪声降低部，其基于对象图像和噪声图像从对象图像生成降低了噪声的图像，噪声推算部使用评价函数来求出评价函数的值成为最小的噪声图像，该评价函数包含表示对对象图像进行与第1方向正交的第2方向的微分处理和第1方向的低频分量提取处理的结果、与对噪声图像进行第2方向的微分处理和第1方向的低频分量提取处理的结果之差的第1项。
在上述的图像处理装置中，也可以构成为，噪声推算部使用还包含表示对象图像中的背景区域与噪声图像中的背景区域之差的第2项的评价函数，求出评价函数的值成为最小的噪声图像。
在上述的图像处理装置中，也可以构成为，噪声推算部使用还包含表示对噪声图像进行了第1方向的高频分量提取处理的结果的第3项的评价函数，求出评价函数的值成为最小的噪声图像。
上述的图像处理装置也可以构成为还包括对象图像生成部，该对象图像生成部对微分图像进行第1方向的积分处理或者去卷积处理来生成对象图像。
上述的图像处理装置也可以构成为，将对相位微分图像进行第1方向的积分处理或者去卷积处理而生成的相位图像作为对象图像。
上述实施方式的图像处理方法是对包含沿着第1方向延伸的线状的噪声的对象图像进行处理而生成降低了噪声的图像的方法，包括：噪声推算步骤，推算对象图像所包含的噪声图像；和噪声降低步骤，基于对象图像和噪声图像从对象图像生成降低了噪声的图像，在噪声推算步骤中，使用评价函数来求出评价函数的值成为最小的噪声图像，该评价函数包含表示对对象图像进行了与第1方向正交的第2方向的微分处理和第1方向的低频分量提取处理的结果、与对噪声图像进行了第2方向的微分处理和第1方向的低频分量提取处理的结果之差的第1项。
上述的图像处理方法也可以构成为，在噪声推算步骤中，使用还包含表示对象图像中的背景区域与噪声图像中的背景区域之差的第2项的评价函数，求出评价函数的值成为最小的噪声图像。
上述的图像处理方法也可以构成为，在噪声推算步骤中，使用还包含表示对噪声图像进行了第1方向的高频分量提取处理的结果的第3项的评价函数，求出评价函数的值成为最小的噪声图像。
上述的图像处理方法也可以构成为还包括对微分图像进行第1方向的积分处理或者去卷积处理来生成对象图像的对象图像生成步骤。
上述的图像处理方法也可以构成为，将对相位微分图像进行第1方向的积分处理或者去卷积处理而生成的相位图像作为对象图像。
上述实施方式的图像处理程序是用于使计算机执行上述图像处理方法的各步骤的程序。
上述实施方式的记录介质是记录有上述图像处理程序的计算机可读取的介质。
[产业上的可利用性]
实施方式能够用作能够对包含沿着一个方向延伸的线状的噪声的对象图像进行处理而生成维持了对象图像所具有的定量性的噪声降低处理后的图像的图像处理装置、图像处理方法、图像处理程序和记录介质。
附图标记说明
1…图像处理装置
2…记录介质
10…控制部
11…对象图像生成部
12…噪声推算部
13…噪声降低部
14…输入部
15…存储部
16…显示部。
Claims (12)
1.一种图像处理装置，其特征在于：
是对包含沿着第1方向延伸的线状的噪声的对象图像进行处理而生成降低了所述噪声的图像的装置，
包括：
噪声推算部，其推算所述对象图像所包含的噪声图像；和
噪声降低部，其基于所述对象图像和所述噪声图像，从所述对象图像生成降低了所述噪声的图像，
所述噪声推算部使用包含第1项的评价函数，求出所述评价函数的值成为最小的所述噪声图像，所述第1项表示对所述对象图像进行了与所述第1方向正交的第2方向的微分处理和所述第1方向的低频分量提取处理的结果、与对所述噪声图像进行了所述第2方向的微分处理和所述第1方向的低频分量提取处理的结果之差。
2.如权利要求1所述的图像处理装置，其特征在于：
所述噪声推算部使用还包含表示所述对象图像中的背景区域与所述噪声图像中的背景区域之差的第2项的所述评价函数，求出所述评价函数的值成为最小的所述噪声图像。
3.如权利要求1或2所述的图像处理装置，其特征在于：
所述噪声推算部使用还包含表示对所述噪声图像进行了所述第1方向的高频分量提取处理的结果的第3项的所述评价函数，求出所述评价函数的值成为最小的所述噪声图像。
4.如权利要求1～3中任一项所述的图像处理装置，其特征在于：
还包括对微分图像进行所述第1方向的积分处理或者去卷积处理来生成所述对象图像的对象图像生成部。
5.如权利要求1～4中任一项所述的图像处理装置，其特征在于：
将对相位微分图像进行所述第1方向的积分处理或者去卷积处理而生成的相位图像作为所述对象图像。
6.一种图像处理方法，其特征在于：
是对包含沿着第1方向延伸的线状的噪声的对象图像进行处理而生成降低了所述噪声的图像的方法，
包括：
噪声推算步骤，推算所述对象图像所包含的噪声图像；和
噪声降低步骤，基于所述对象图像和所述噪声图像，从所述对象图像生成降低了所述噪声的图像，
在所述噪声推算步骤中，使用包含第1项的评价函数，求出所述评价函数的值成为最小的所述噪声图像，所述第1项表示对所述对象图像进行了与所述第1方向正交的第2方向的微分处理和所述第1方向的低频分量提取处理的结果、与对所述噪声图像进行了所述第2方向的微分处理和所述第1方向的低频分量提取处理的结果之差。
7.如权利要求6所述的图像处理方法，其特征在于：
在所述噪声推算步骤中，使用还包含表示所述对象图像中的背景区域与所述噪声图像中的背景区域之差的第2项的所述评价函数，求出所述评价函数的值成为最小的所述噪声图像。
8.如权利要求6或7所述的图像处理方法，其特征在于：
在所述噪声推算步骤中，使用还包含表示对所述噪声图像进行了所述第1方向的高频分量提取处理的结果的第3项的所述评价函数，求出所述评价函数的值成为最小的所述噪声图像。
9.如权利要求6～8中任一项所述的图像处理方法，其特征在于：
还包括对微分图像进行所述第1方向的积分处理或者去卷积处理来生成所述对象图像的对象图像生成步骤。
10.如权利要求6～9中任一项所述的图像处理方法，其特征在于：
将对相位微分图像进行所述第1方向的积分处理或者去卷积处理而生成的相位图像作为所述对象图像。
11.一种图像处理程序，其特征在于：
用于使计算机执行权利要求6～10中任一项所述的图像处理方法的各步骤。
12.一种计算机可读取的记录介质，其特征在于：
记录有权利要求11所述的图像处理程序。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020115064 | 2020-07-02 | ||
| JP2020-115064 | 2020-07-02 | ||
| PCT/JP2021/019565 WO2022004191A1 (ja) | 2020-07-02 | 2021-05-24 | 画像処理装置、画像処理方法、画像処理プログラム及び記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115769248A true CN115769248A (zh) | 2023-03-07 |
Family
ID=79315932
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180045788.6A Pending CN115769248A (zh) | 2020-07-02 | 2021-05-24 | 图像处理装置、图像处理方法、图像处理程序和记录介质 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20230252606A1 (zh) |
| EP (1) | EP4148659A1 (zh) |
| JP (1) | JPWO2022004191A1 (zh) |
| KR (1) | KR20230034988A (zh) |
| CN (1) | CN115769248A (zh) |
| WO (1) | WO2022004191A1 (zh) |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5424580B2 (ja) * | 2008-05-30 | 2014-02-26 | 富士フイルム株式会社 | 画像処理装置および画像処理装置の作動方法ならびにプログラム |
| JP6629649B2 (ja) * | 2016-03-14 | 2020-01-15 | 浜松ホトニクス株式会社 | 観察装置および観察方法 |
-
2021
- 2021-05-24 KR KR1020227046457A patent/KR20230034988A/ko unknown
- 2021-05-24 US US18/009,054 patent/US20230252606A1/en active Pending
- 2021-05-24 EP EP21833385.4A patent/EP4148659A1/en active Pending
- 2021-05-24 WO PCT/JP2021/019565 patent/WO2022004191A1/ja unknown
- 2021-05-24 JP JP2022533739A patent/JPWO2022004191A1/ja active Pending
- 2021-05-24 CN CN202180045788.6A patent/CN115769248A/zh active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022004191A1 (ja) | 2022-01-06 |
| EP4148659A1 (en) | 2023-03-15 |
| US20230252606A1 (en) | 2023-08-10 |
| JPWO2022004191A1 (zh) | 2022-01-06 |
| KR20230034988A (ko) | 2023-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11680914B2 (en) | Methods and systems for 3D structure estimation using non-uniform refinement | |
| CN110853024B (zh) | 医疗图像处理方法、装置、存储介质及电子设备 | |
| Madsen et al. | Accuracy of surface strain measurements from transmission electron microscopy images of nanoparticles | |
| CN111699380A (zh) | 用于处理晶体材料的衍射图像的方法、装置和程序 | |
| JP5146797B2 (ja) | パターン欠陥検査のための装置、その方法及びそのプログラムを記録したコンピュータ読取り可能な記録媒体 | |
| Niina et al. | Rigid-body fitting to atomic force microscopy images for inferring probe shape and biomolecular structure | |
| Fernandez et al. | TomoAlign: A novel approach to correcting sample motion and 3D CTF in CryoET | |
| US9947083B2 (en) | Image processing method, image processing apparatus, image capturing apparatus, image processing program and non-transitory computer-readable storage medium | |
| US9253451B2 (en) | Image restoration method, image restoration apparatus, and image-pickup apparatus | |
| CN115769248A (zh) | 图像处理装置、图像处理方法、图像处理程序和记录介质 | |
| US11579429B2 (en) | Method, computer program and microscope system for processing microscope images | |
| Krishna et al. | Machine learning based de-noising of electron back scatter patterns of various crystallographic metallic materials fabricated using laser directed energy deposition | |
| CN115984120A (zh) | 叠层成像中物体片层透射函数的恢复方法、装置和存储介质 | |
| CN113012132B (zh) | 一种图像相似度确定方法、装置及计算设备、存储介质 | |
| US20220392031A1 (en) | Image processing method, image processing apparatus and image processing system | |
| US8526760B2 (en) | Multi-scale representation of an out of focus image | |
| US11222407B2 (en) | Apparatus, method and computer program for processing a piecewise-smooth signal | |
| JP2021129190A (ja) | 画像処理装置、画像処理方法およびプログラム | |
| CN114600159A (zh) | 跟踪装置、跟踪方法、跟踪程序 | |
| DE102019120968A1 (de) | Bildverarbeitungsvorrichtung, welche konfiguriert ist, um eine kantenerhaltende Glättung durchzuführen und Bildverarbeitungsverfahren davon | |
| JPWO2018230615A1 (ja) | 画像処理装置、コンピュータプログラム及び画像補完方法 | |
| JP2023047164A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
| Munglani et al. | Fast and flexible processing of large FRET image stacks using the FRET-IBRA toolkit | |
| US20160084630A1 (en) | Calculation method, storage medium, information processing apparatus, and measurement apparatus | |
| Nevins et al. | Exploring the parameter space of point spread function determination for the scanning electron microscope—Part II: Effect on image restoration quality |
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 |