CN116777797A - 各向异性导向滤波的明场显微图像清晰化方法及系统 - Google Patents
各向异性导向滤波的明场显微图像清晰化方法及系统 Download PDFInfo
- Publication number
- CN116777797A CN116777797A CN202310776404.9A CN202310776404A CN116777797A CN 116777797 A CN116777797 A CN 116777797A CN 202310776404 A CN202310776404 A CN 202310776404A CN 116777797 A CN116777797 A CN 116777797A
- Authority
- CN
- China
- Prior art keywords
- image
- target area
- filtering
- mask
- guide
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 145
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012545 processing Methods 0.000 claims abstract description 77
- 238000003707 image sharpening Methods 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 35
- 238000010586 diagram Methods 0.000 claims description 18
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000000339 bright-field microscopy Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 10
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 18
- 239000003086 colorant Substances 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000009499 grossing Methods 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 10
- 230000000873 masking effect Effects 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 3
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 125000001475 halogen functional group Chemical group 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or 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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及图像处理的技术领域,公开了一种各向异性导向滤波的明场显微图像清晰化方法及系统,所述方法包括获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图;将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像;本申请具有在提高图像锐化效果的同时降低对图像细节、色彩影响的效果。
Description
技术领域
本申请涉及图像处理的技术领域,尤其是涉及一种各向异性导向滤波的明场显微图像清晰化方法及系统。
背景技术
反锐化掩膜技术被广泛应用于图像清晰化中,其优点是能够提高图像的高频信息、增强图像轮廓,且计算复杂度低。近年来,国内外研究学者提出了许多种反锐化掩膜算法,包括基于中值滤波的反锐化掩膜方法(Median Unsharpen Masking,MUM)、基于边缘保持滤波的反锐化掩膜方法(Edge Preserving Unsharpen Masking,EPUM)。目前,改进边缘保持滤波方法,以实现各向异性滤波的自适应滤波方法能够有效的提高图像质量,最大程度保留图像原始色彩的同时增强边缘细节,因而备受人们重视。
边缘保持滤波主要以双边滤波(Bilateral Filtering,BF)和导向滤波(GuideImage Filtering,GIF)为代表,这类方法通过小尺度滤波和计算局部区域的自适应权重从而实现保持边缘滤波的效果。其中,He等人首次提出的导向滤波以其优异的边缘导向特性和计算效率得到广泛研究;Li等人为解决导向滤波的光晕伪影问题,引入边缘感知权重,提出了自适应正则项的加权导向滤波(Weighted Guide Image Filtering,WGIF);Kou等人在研究中发现WGIF不能很好地保留边缘细节,引入新的边缘感知权重以优化正则项,提出梯度域主导的导向滤波(Gradient Domain Guide Image Filtering,GGIF);Carlo证明了GIF、WGIF、GGIF的弱各向异性特性,提出了边缘保留更强的各向异性导向滤波算法(Anisotropic Guided Filtering,AnisGF),该方法基于局部领域方法进行权重优化,实现了强各向同性,取得了较好的滤波效果。
当前,现有的边缘保持滤波算法在应用于明场显微图像时仍存在一些不足:首先,由于聚焦倍数、光亮强度和光学成像系统等因素,明场显微图像中的噪声一般是随机且独立分布,使用直接锐化等方式处理图像,容易增强噪声,从而降低图像质量;其次,由于显微图像中的细胞形态和颜色各异,且细胞种类繁多,使用同一种算法来增强图像质量需考虑算法的通用性;最后,同一组织的细胞形状各不相同、尺寸细小、结构复杂,且呈现在一些图像中的密度大,细胞与细胞间的空间小,且存在上层细胞遮挡下层细胞的情况,这些相互粘连的细胞使得边缘不容易提取,增加了锐化难度。因此,如何有效地提高显微图像的质量,使其清晰的同时保留图像细节和色彩,是本领域的重要技术课题之一。
发明内容
为了提高图像锐化效果的同时降低对图像细节、色彩的影响,本申请提供一种各向异性导向滤波的明场显微图像清晰化方法及系统。
本申请的发明目的一采用如下技术方案实现:
各向异性导向滤波的明场显微图像清晰化方法,包括如下步骤:
获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图;将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;
基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
通过采用上述技术方案,从原始图像的像素矩阵中所有像素点逐一确定目标区域图像,便于从原始图像中识别高频信息和低频信息,同时便于分别进行滤波处理,对各目标区域图像进行低通滤波处理,便于对图像进行平滑处理,降低图像噪点,而对各目标区域图像进行导向滤波处理,便于对图像进行各向异性的平滑处理,以便在降低图像噪点的同时保留图像的纹理和细节;相对于现有技术中将原始图像与低通滤波图像相减生成掩膜图像的方法,将导向滤波图与低通滤波图相减,所得到掩膜图像进一步减少了图像低频信息,而保留的图像高频信息基本保持不变;将掩膜图像与预设的权重参数相乘得到的加权掩膜图与原图叠加,从而实现了对图像边缘的锐化,同时保留了图像细节和色彩的效果。
本申请在一较佳示例中:导向滤波处理的关系式为所述qi为导向滤波图,所述gi为滤波导向图,所述ai为传递细节的比例系数,所述bi为调整强度的偏置系数,所述wi为目标区域图像;
所述对各所述目标区域图像进行导向滤波处理,生成导向滤波图之后,执行如下步骤:
计算对各所述目标区域图像的导向滤波处理的损失值,其中损失值的计算公式为:
所述γ为第一正则项,γ∈(0,1);
所述目标区域图像为以像素点i为中心的r×r个像素点构成的图像,所述目标区域图像的像素点集合为N(i)。
通过采用上述技术方案,对各目标区域图像进行导向滤波处理后,计算在各目标区域图像进行导向滤波处理造成的图像特征损失值,便于后续分析导向滤波处理对原始图像不同区域的图像特征过滤程度,计算所保留的图像的信息,也便于后续指导优化滤波导向图和导向滤波处理关系式中的比例系数ai和偏置系数bi,,以降低第一正则项过大导致图像失真的可能性。
本申请在一较佳示例中:所述计算对各所述目标区域图像的导向滤波处理的损失值,包括:
基于所述目标区域图像中各像素点的色彩值,计算对应的色彩方差基于所述目标区域图像的像素尺寸和所述目标区域图像的色彩方差,计算自适应正则项,其中自适应正则项的计算公式为:/>用自适应正则项替代损失值计算公式中的第一正则项。
通过采用上述技术方案,0.0002|r|为计算原始图像内色彩值的中值方差近似值的经验公式,通过对比目标区域图像的色彩方差和中值方差,若目标区域图像的色彩方差大于中值方差时,则表示该目标区域图像内存在高频信息,对应图像细节或图像轮廓,通过自适应正则项替代损失值计算公式中的第一正则项,以便降低正则项的数值,以便更好地保留这些细节;若目标区域图像的色彩方差小于中值方差,则增大正则项的数值,使图像局部更加平滑。
本申请在一较佳示例中:所述掩膜图像的生成公式为ΔIi_mask=qi-G*Ii;所述Ii为原始图像,所述G*Ii为高斯滤波处理后生成的低通滤波图,所述ΔIi_mask为掩膜图像。
通过采用上述技术方案,掩膜图像是采用经过优化反锐化掩膜算法生成的,现有技术中的锐化掩膜增强算法处理图像时,会在增强图像高频信息的同时也增强了图像噪点;反锐化掩膜算法是将原始图像先进行平滑滤波以最大限度保留原图结构信息,然后将原始图像与滤波结果图相减得到含高频信息的掩膜图像;而在本申请的技术方案中,使用导向滤波处理生成的导向滤波图,再与滤波结果图相减得到掩膜图像,相较于传统的反锐化掩膜算法进一步提高了对低频信息的平滑处理效果。
本申请在一较佳示例中:所述边缘增强图像的生成公式为I0=λΔIi_mask+Ii;所述I0为边缘增强图像,所述λ为权重参数,λΔIi_mask为加权掩膜图。
通过采用上述技术方案,将掩膜图像与预设的权重参数相乘得到的加权掩膜图与原图叠加,从而实现了对图像边缘的锐化,通过合理设置权重参数,降低了在图像边缘锐化的同时造成图像对比度提高或过度放大图像高频噪点的可能性。
本申请在一较佳示例中:导向滤波处理的关系式为其中,ai %=∑j∈N(i)wij aj,bi %=∑j∈N(i)wijbij;
所述目标区域图像内损失函数的计算公式为:
所述ai %为线性系数ai的加权平均值,bi %为线性系数bi的加权平均值,wij是指目标区域图像中像素点j的权重系数,μ为第二正则项。
通过采用上述技术方案,通过对线性系数ai的加权平均值ai %的正则化处理,代替对线性系数ai的正则化处理,以便进一步降低第二正则项过大导致图像失真的可能性,增强了导向滤波处理的各向异性程度,降低了图像细节出现光晕伪影现象的可能性。
本申请在一较佳示例中:还包括:
判断各目标区域图像的单调性,计算具有相同单调性的目标区域图像的标准差σ;
用标准差σ替代ai,得到近似目标函数:
计算权重系数/>所述α为各向异性强度的控制参数,ε为第三正则项。
通过采用上述技术方案,为了降低因正则项的数值过大而导致的图像失真问题,通过标准差σ替代ai,并计算新的权重系数,当ai %越趋近于1则表示图像中的边缘强保留,ai %越趋近于0则表示图像中的背景强扩散。
本申请的发明目的二采用如下技术方案实现:
各向异性导向滤波的明场显微图像清晰化系统,包括:
图像滤波处理模块,用于获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图,其中,导向滤波处理的关系式为掩膜图像生成模块,用于将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;
边缘增强图像生成模块,用于基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
通过采用上述技术方案,从原始图像的像素矩阵中所有像素点逐一确定目标区域图像,便于从原始图像中识别高频信息和低频信息,同时便于分别进行滤波处理,对各目标区域图像进行低通滤波处理,便于对图像进行平滑处理,降低图像噪点,而对各目标区域图像进行导向滤波处理,便于对图像进行各向异性的平滑处理,以便在降低图像噪点的同时保留图像的纹理和细节;相对于现有技术中将原始图像与低通滤波图像相减生成掩膜图像的方法,将导向滤波图与低通滤波图相减,所得到掩膜图像进一步减少了图像低频信息,而保留的图像高频信息基本保持不变;将掩膜图像与预设的权重参数相乘得到的加权掩膜图与原图叠加,从而实现了对图像边缘的锐化,同时保留了图像细节和色彩的效果。
本申请的发明目的三采用如下技术方案实现:
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,所述处理器执行所述计算机程序时实现上述各向异性导向滤波的明场显微图像清晰化方法的步骤。
本申请的发明目的四采用如下技术方案实现:
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,所述计算机程序被处理器执行时实现上述各向异性导向滤波的明场显微图像清晰化方法的步骤。
综上所述,本申请包括以下至少一种有益技术效果:
1.从原始图像的像素矩阵中所有像素点逐一确定目标区域图像,便于从原始图像中识别高频信息和低频信息,同时便于分别进行滤波处理,对各目标区域图像进行低通滤波处理,便于对图像进行平滑处理,降低图像噪点,而对各目标区域图像进行导向滤波处理,便于对图像进行各向异性的平滑处理,以便在降低图像噪点的同时保留图像的纹理和细节;相对于现有技术中将原始图像与低通滤波图像相减生成掩膜图像的方法,将导向滤波图与低通滤波图相减,所得到掩膜图像进一步减少了图像低频信息,而保留的图像高频信息基本保持不变;将掩膜图像与预设的权重参数相乘得到的加权掩膜图与原图叠加,从而实现了对图像边缘的锐化,同时保留了图像细节和色彩的效果。
2.对各目标区域图像进行导向滤波处理后,计算在各目标区域图像进行导向滤波处理造成的图像特征损失值,便于后续分析导向滤波处理对原始图像不同区域的图像特征过滤程度,计算所保留的图像的信息,也便于后续指导优化滤波导向图和导向滤波处理关系式的参数,以降低第一正则项过大导致图像失真的可能性。
3.0.0002|r|为计算原始图像内色彩值中值方差近似值的经验公式,通过对比目标区域图像的色彩方差和中值方差,若目标区域图像的色彩方差大于中值方差时,则表示该目标区域图像内存在高频信息,对应图像细节或图像轮廓,通过自适应正则项替代损失值计算公式中的第一正则项,以便降低正则项的数值,以便更好地保留这些细节;若目标区域图像的色彩方差小于中值方差,则增大正则项的数值,使图像局部更加平滑。
附图说明
图1是本申请实施例一中各向异性导向滤波的明场显微图像清晰化方法的流程图。
图2是本申请各向异性导向滤波处理与现有技术中导向滤波处理对比的局部细节光晕对比图。
图3是本申请的图像处理流程示意图。
图4是本申请各向异性导向滤波的明场显微图像清晰化方法对图像处理前后的对比图。
图5是本申请实施例二中各向异性导向滤波的明场显微图像清晰化系统的一原理框图。
图6是本申请实施例三中的设备示意图。
附图标记说明:
1、原始图像;2、各向异性导向滤波处理效果图;3、导向滤波处理效果图;4、各向异性导向滤波处理的显著图;5、导向滤波处理的显著图;6、原始图像;7、导向滤波图;8、低通滤波图;9、掩膜图像;10、边缘增强图像。
具体实施方式
以下结合附图1至6对本申请作进一步详细说明。
实施例一
参照图1,本申请公开一种各向异性导向滤波的明场显微图像清晰化方法,用于对明场显微镜的拍摄的显微图像进行优化,以提高显微图像的边缘位置的清晰程度,同时减少图像噪点对图像清晰度的影响,以保留图像非边缘区域的细节,各向异性导向滤波的明场显微图像清晰化方法具体包括如下步骤:
S10:获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图。
在本实施例中,对任意一张或多张图像进行求差、求和、均值、方差等计算均是指对图像中像素点的色彩值进行的计算;色彩值可以是单通道色彩的数值,如灰度值,也可以是多通道色彩的数值,如RGB值等。
具体地,获取原始图像的像素矩阵,以确定原始图像中各像素点的色彩值;从原始图像的像素矩阵中基于所有像素点逐一确定目标区域图像,通过计算各目标区域图像中像素点的色彩值的方差大小,判断各目标区域图像对应原始图像中的高频信息或低频信息,以便后续对原始图像的不同区域进行不同的滤波处理;对各目标区域图像进行低通滤波处理,具体采用的是高斯滤波法,便于对原始图像进行平滑处理,从而降低图像噪点;对各目标区域图像进行导向滤波处理,便于对原始图像进行各向异性的平滑处理,以便在降低图像噪点的同时保留图像的纹理和细节。
具体地,导向滤波处理的关系式为qi表示导向滤波图,gi表示滤波导向图,其中,滤波导向图可以是原图;ai为传递细节的比例系数,bi为调整强度的偏置系数,wi为目标区域图像;目标区域图像为以像素点i为中心的r×r个像素点构成的图像,优选的,r的取值为3,当在图像的边缘处无法划分出r×r个像素点的目标区域图像时,目标区域图像的像素尺寸也可以小于r×r;目标区域图像的像素点集合为N(i)。
其中,在步骤S10之后,包括:
S11:计算对各所述目标区域图像的导向滤波处理的损失值,其中损失值的计算公式为:
所述γ为第一正则项,γ∈(0,1)。
在本实施例中,色彩均值是指像素点的色彩值的均值,色彩方差是指像素点的色彩值的方差;其中,γai是为了防止ai值过大而设置的正则项。
具体地,对各目标区域图像进行导向滤波处理后,计算在各目标区域图像进行导向滤波处理造成的图像特征损失值,便于后续分析导向滤波处理对原始图像不同区域的图像特征过滤程度,计算所保留的图像的信息;通过分析原始图像中不同区域的图像特征过滤程度,便于后续计算最优的加权系数wi,指导优化滤波导向图和导向滤波处理关系式中的比例系数ai和偏置系数bi,以降低第一正则项过大导致图像失真的可能性。
具体地,比例系数ai和偏置系数bi的计算公式为:
其中,为gi在目标区域图像wi中的色彩均值,σi 2为目标区域图像wi中的色彩方差,/>是qi在目标区域图像wi中的色彩均值,|w|为目标区域图像wi的像素点总数。
当导向滤波图qi和滤波导向图gi为同一图像时,则:
在导向滤波处理中通常使用ai的平均值和bi的平均值/>作为局部窗口wi中的比例系数和偏置系数,故得到:
由此可见,在正则项系数γ保持不变的情况下,ai与σi 2具有相同的单调性。
在本申请的另一实施例中:
导向滤波处理的关系式为其中,ai %=∑j∈N(i)wijaj,bi %=∑j∈N(i)wijbij;
所述目标区域图像内损失函数的计算公式为:
所述ai %为线性系数ai的加权平均值,bi %为线性系数bi的加权平均值,wij是指目标区域图像中像素点j的权重系数,μ为第二正则项。
具体地,通过对线性系数ai的加权平均值ai %的正则化处理,代替对线性系数ai的正则化处理,以便进一步降低第二正则项过大导致图像失真的可能性,增强了导向滤波处理的各向异性程度,降低了图像细节出现光晕伪影现象的可能性。
本申请在各向异性导向滤波处理效果与现有技术中导向滤波处理效果的对比图如图2所示,可见,在本申请的各向异性导向滤波处理效果图中,光晕伪影现象相对于现有技术中的导向滤波处理得到了较大的改善。
在本申请的另一实施例中,包括:
S101:判断各目标区域图像的单调性,计算具有相同单调性的目标区域图像的标准差σ。
具体地,判断各目标区域图像的单调性,以便确定具有相同单调性的目标区域图像,计算具有相同单调性的目标区域图像的标准差σ,以便后续用于替代比例系数ai。
S102:用标准差σ替代ai,得到近似目标函数:
在本实施例中,α为各向异性强度的控制参数,ε为第三正则项。
具体地,标准差σ替代ai,便于简化算法,方便计算,进而提高图像清晰化的处理效率;根据实际需求设置控制参数α和第三正则项ε,以便实现对各向异性强度的控制和对图像增强效果的控制。
S103:计算权重系数
具体地,计算新的权重系数,当ai %越趋近于1时则表示图像中的边缘强保留,ai %越趋近于0时则表示图像中的背景强扩散。
以下技术方案可以应用于上述任一种实施例中:
其中,在步骤S11中,包括:
S111:基于所述目标区域图像中各像素点的色彩值,计算对应的色彩方差
具体地,基于每一目标区域图像中各像素点的色彩值,计算每一目标区域图像对应的色彩方差
S112:基于所述目标区域图像的像素尺寸和所述目标区域图像的色彩方差,计算自适应正则项,其中自适应正则项的计算公式为:
具体地,基于目标区域图像的像素尺寸,计算0.0002|r|,其中,0.0002|r|为计算原始图像内色彩值中值方差近似值的经验公式,是通过大量实验和大量实际图像处理数据总结得出的,通过0.0002|r|替代中值方差的计算公式,便于简化计算公式,提高计算效率,减少计算机资源的占用;中值方差是指近似目标区域图像色彩方差的中值。
进一步地,在本申请的其他实施例中,也可以根据实际图像处理需求和计算机性能情况,将0.0002|r|替换为中值方差。
S113:用自适应正则项替代损失值计算公式中的第一正则项。
具体地,通过上述计算公式计算自适应正则项,并用自适应正则项替代第一正则项的原理为:对比目标区域图像的色彩方差和中值方差,若目标区域图像的色彩方差大于中值方差时,则表示该目标区域图像内存在高频信息,对应图像细节或图像轮廓,通过自适应正则项替代损失值计算公式中的第一正则项,以便降低正则项的数值,以便更好地保留这些细节;若目标区域图像的色彩方差小于中值方差,则表示该目标区域图像内存在低频信息,通过自适应正则项替代损失值计算公式中的第一正则项,以便增大正则项的数值,使图像局部更加平滑。
S20:将所述导向滤波图与所述低通滤波图相减,生成掩膜图像。
具体地,相对于现有技术中将原始图像与低通滤波图像相减生成掩膜图像的方法,将导向滤波图与低通滤波图相减,所得到掩膜图像进一步减少了图像低频信息,而保留的图像高频信息基本保持不变。
其中,所述掩膜图像的生成公式为ΔIi_mask=qi-G*Ii。
在本实施例中,Ii为原始图像,G*Ii为高斯滤波处理后生成的低通滤波图,ΔIi_mask为掩膜图像。
具体地,掩膜图像是采用经过优化反锐化掩膜算法生成的,现有技术中的锐化掩膜增强算法处理图像时,会在增强图像高频信息的同时也增强了图像噪点;反锐化掩膜算法是将原始图像先进行平滑滤波以最大限度保留原图结构信息,然后将原始图像与滤波结果图相减得到含高频信息的掩膜图像;而在本申请的技术方案中,使用导向滤波处理生成的导向滤波图,再与滤波结果图相减得到掩膜图像,相较于传统的反锐化掩膜算法进一步提高了对低频信息的平滑处理效果。
S30:基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
在本实施例中,权重参数是指用于设置掩膜图像对后续需要生成的边缘增强图像影响程度的参数,权重参数越大,则后续生成的边缘增强图像中边缘、纹理、细节越明显,同时也可能出现噪点现象;加权掩膜图是指经权重参数影响后的掩膜图像。
具体地,将掩膜图像与预设的权重参数相乘得到的加权掩膜图与原图叠加,从而实现了对图像边缘的锐化,同时保留了图像细节和色彩的效果。
其中,所述边缘增强图像的生成公式为I0=λΔIi_mask+Ii。
在本实施例中,I0为边缘增强图像,λ为权重参数,λΔIi_mask为加权掩膜图。
具体地,将掩膜图像与预设的权重参数相乘得到的加权掩膜图与原图叠加,从而实现了对图像边缘的锐化,通过合理设置权重参数,降低了在图像边缘锐化的同时造成图像对比度提高或过度放大图像高频噪点的可能性。
使用本申请各向异性导向滤波的明场显微图像清晰化方法对原始图像进行处理,以生成边缘增强图像的图像处理流程示意图如图3所示。
使用本申请各向异性导向滤波的明场显微图像清晰化方法对原始图像进行处理,以生成边缘增强图像的对比图如图4所示,其中左侧为原始图像,右侧为边缘增强图像。
应理解,上述实施例中各步骤的序号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,而不应对本申请实施例的实施过程构成任何限定。
实施例二
一种各向异性导向滤波的明场显微图像清晰化系统,该各向异性导向滤波的明场显微图像清晰化系统与上述实施例中各向异性导向滤波的明场显微图像清晰化方法相对应。
如图5所示,各向异性导向滤波的明场显微图像清晰化系统,包括图像滤波处理模块、掩膜图像生成模块和边缘增强图像生成模块。各功能模块的详细说明如下:
图像滤波处理模块,用于获取原始图像的像素矩阵,对像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图;
掩膜图像生成模块,用于将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;
边缘增强图像生成模块,用于基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
其中,图像滤波处理模块还包括:
损失值计算子模块,用于计算对各所述目标区域图像的导向滤波处理的损失值,其中损失值的计算公式为:所述γ为第一正则项,γ∈(0,1)。
其中,损失值计算子模块还包括:
区域方差计算子模块,用于基于所述目标区域图像中各像素点的色彩值,计算对应的色彩方差
自适应正则项计算子模块,用于基于所述目标区域图像的像素尺寸和所述目标区域图像的色彩方差,计算自适应正则项,其中自适应正则项的计算公式为:第一正则项计算子模块,用于用自适应正则项替代损失值计算公式中的第一正则项。
其中,各向异性导向滤波的明场显微图像清晰化系统还包括:
单调性判断模块,用于判断各目标区域图像的单调性,计算具有相同单调性的目标区域图像的标准差σ;
近似目标函数生成模块,用于用标准差σ替代ai,得到近似目标函数:
权重系数计算模块,用于计算权重系数
关于各向异性导向滤波的明场显微图像清晰化系统的具体限定可以参见上文中对于各向异性导向滤波的明场显微图像清晰化方法的限定,在此不再赘述;上述各向异性导向滤波的明场显微图像清晰化系统中的各个模块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,也可以是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。
在一个实施例中,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6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原始图像、导向滤波图、低通滤波图、导向滤波处理关系式、掩膜图像、权重参数和边缘增强图像等数据。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各向异性导向滤波的明场显微图像清晰化方法。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:
S10:获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图;
S20:将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;
S30:基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
在一个实施例中,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以下步骤:
S10:获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图;
S20:将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;
S30:基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
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(Synchlink)、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申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.各向异性导向滤波的明场显微图像清晰化方法,其特征在于,包括如下步骤:
获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图;
将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;
基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
2.根据权利要求1所述的各向异性导向滤波的明场显微图像清晰化方法,其特征在于:导向滤波处理的关系式为所述qi为导向滤波图,所述gi为滤波导向图,所述ai为传递细节的比例系数,所述bi为调整强度的偏置系数,所述wi为目标区域图像;
所述对各所述目标区域图像进行导向滤波处理,生成导向滤波图之后,执行如下步骤:
计算对各所述目标区域图像的导向滤波处理的损失值,其中损失值的计算公式为:
所述γ为第一正则项,γ∈(0,1);
所述目标区域图像为以像素点i为中心的r×r个像素点构成的图像,所述目标区域图像的像素点集合为N(i)。
3.根据权利要求2所述的各向异性导向滤波的明场显微图像清晰化方法,其特征在于:所述计算对各所述目标区域图像的导向滤波处理的损失值,包括:
基于所述目标区域图像中各像素点的色彩值,计算对应的色彩方差
基于所述目标区域图像的像素尺寸和所述目标区域图像的色彩方差,计算自适应正则项,其中自适应正则项的计算公式为:
用自适应正则项替代损失值计算公式中的第一正则项。
4.根据权利要求1所述的各向异性导向滤波的明场显微图像清晰化方法,其特征在于:所述掩膜图像的生成公式为ΔIi_mask=qi-G*Ii;所述Ii为原始图像,所述G*Ii为高斯滤波处理后生成的低通滤波图,所述ΔIi_mask为掩膜图像。
5.根据权利要求4所述的各向异性导向滤波的明场显微图像清晰化方法,其特征在于:所述边缘增强图像的生成公式为I0=λΔIi_mask+Ii;所述I0为边缘增强图像,所述λ为权重参数,λΔIi_mask为加权掩膜图。
6.根据权利要求1所述的各向异性导向滤波的明场显微图像清晰化方法,其特征在于:
导向滤波处理的关系式为其中,ai %=∑j∈N(i)wijaj,bi %=∑j∈N(i)wijbij;
所述目标区域图像内损失函数的计算公式为:
所述ai %为线性系数ai的加权平均值,bi %为线性系数bi的加权平均值,wij是指目标区域图像中像素点j的权重系数,μ为第二正则项。
7.根据权利要求6所述的各向异性导向滤波的明场显微图像清晰化方法,其特征在于,还包括:
判断各目标区域图像的单调性,计算具有相同单调性的目标区域图像的标准差σ;
用标准差σ替代ai,得到近似目标函数:
计算权重系数/>
所述α为各向异性强度的控制参数,ε为第三正则项。
8.各向异性导向滤波的明场显微图像清晰化系统,其特征在于,包括:
图像滤波处理模块,用于获取原始图像的像素矩阵,对所述像素矩阵中的所有像素点逐一确定目标区域图像,分别对各所述目标区域图像进行导向滤波处理、低通滤波处理,生成导向滤波图和低通滤波图;
掩膜图像生成模块,用于将所述导向滤波图与所述低通滤波图相减,生成掩膜图像;
边缘增强图像生成模块,用于基于掩膜图像乘以预设的权重参数,生成加权掩膜图,将原始图像与加权掩膜图叠加,生成边缘增强图像。
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任一项所述各向异性导向滤波的明场显微图像清晰化方法的步骤。
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任一项所述各向异性导向滤波的明场显微图像清晰化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310776404.9A CN116777797A (zh) | 2023-06-28 | 2023-06-28 | 各向异性导向滤波的明场显微图像清晰化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310776404.9A CN116777797A (zh) | 2023-06-28 | 2023-06-28 | 各向异性导向滤波的明场显微图像清晰化方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116777797A true CN116777797A (zh) | 2023-09-19 |
Family
ID=87985717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310776404.9A Pending CN116777797A (zh) | 2023-06-28 | 2023-06-28 | 各向异性导向滤波的明场显微图像清晰化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116777797A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
CN104933679A (zh) * | 2015-07-06 | 2015-09-23 | 福州瑞芯微电子有限公司 | 一种放大图像的方法及其对应系统 |
CN107123089A (zh) * | 2017-04-24 | 2017-09-01 | 中国科学院遥感与数字地球研究所 | 基于深度卷积网络的遥感图像超分辨重建方法及系统 |
CN109615599A (zh) * | 2018-12-13 | 2019-04-12 | 钦州学院 | 基于分类选优的双边滤波算法及高光谱图像空谱特征提取方法 |
CN110211060A (zh) * | 2019-05-17 | 2019-09-06 | 成都微光集电科技有限公司 | 一种图像锐化方法及装置 |
CN111445490A (zh) * | 2020-02-21 | 2020-07-24 | 于兴虎 | 一种显微操作系统目标前景提取方法及系统 |
US20200250797A1 (en) * | 2019-02-01 | 2020-08-06 | Samsung Electronics Co., Ltd. | Method and apparatus for image sharpening using edge-preserving filters |
CN114663319A (zh) * | 2022-03-08 | 2022-06-24 | 华南理工大学 | 一种实现彩色图像增强的fpga方法及系统 |
CN114757912A (zh) * | 2022-04-15 | 2022-07-15 | 电子科技大学 | 基于图像融合的材料损伤检测方法、系统、终端及介质 |
CN115511726A (zh) * | 2022-08-26 | 2022-12-23 | 广东工业大学 | 一种x射线图像反锐化双掩膜图像增强方法及系统 |
CN115578297A (zh) * | 2022-05-05 | 2023-01-06 | 桂林电子科技大学 | 一种自适应色彩补偿与细节优化的广义衰减图像增强方法 |
CN115619683A (zh) * | 2022-11-07 | 2023-01-17 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、存储介质和计算机程序产品 |
CN116309152A (zh) * | 2023-03-15 | 2023-06-23 | 电子科技大学 | 一种低照度图像的细节增强方法、系统、设备和存储介质 |
-
2023
- 2023-06-28 CN CN202310776404.9A patent/CN116777797A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722871A (zh) * | 2012-05-24 | 2012-10-10 | 中山大学 | 一种快速有效的图像增强方法 |
CN104933679A (zh) * | 2015-07-06 | 2015-09-23 | 福州瑞芯微电子有限公司 | 一种放大图像的方法及其对应系统 |
CN107123089A (zh) * | 2017-04-24 | 2017-09-01 | 中国科学院遥感与数字地球研究所 | 基于深度卷积网络的遥感图像超分辨重建方法及系统 |
CN109615599A (zh) * | 2018-12-13 | 2019-04-12 | 钦州学院 | 基于分类选优的双边滤波算法及高光谱图像空谱特征提取方法 |
US20200250797A1 (en) * | 2019-02-01 | 2020-08-06 | Samsung Electronics Co., Ltd. | Method and apparatus for image sharpening using edge-preserving filters |
CN110211060A (zh) * | 2019-05-17 | 2019-09-06 | 成都微光集电科技有限公司 | 一种图像锐化方法及装置 |
CN111445490A (zh) * | 2020-02-21 | 2020-07-24 | 于兴虎 | 一种显微操作系统目标前景提取方法及系统 |
CN114663319A (zh) * | 2022-03-08 | 2022-06-24 | 华南理工大学 | 一种实现彩色图像增强的fpga方法及系统 |
CN114757912A (zh) * | 2022-04-15 | 2022-07-15 | 电子科技大学 | 基于图像融合的材料损伤检测方法、系统、终端及介质 |
CN115578297A (zh) * | 2022-05-05 | 2023-01-06 | 桂林电子科技大学 | 一种自适应色彩补偿与细节优化的广义衰减图像增强方法 |
CN115511726A (zh) * | 2022-08-26 | 2022-12-23 | 广东工业大学 | 一种x射线图像反锐化双掩膜图像增强方法及系统 |
CN115619683A (zh) * | 2022-11-07 | 2023-01-17 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、存储介质和计算机程序产品 |
CN116309152A (zh) * | 2023-03-15 | 2023-06-23 | 电子科技大学 | 一种低照度图像的细节增强方法、系统、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
CARLO NOEL OCHOTORENA等: "Anisotropic Guided Filtering", IEEE TRANSACTIONS ON IMAGE PROCESSING, vol. 29, pages 1404 * |
曾鸿军;沈燕飞;王毅;: "基于感兴趣区域的头像视频前处理方法", 计算机工程与应用, vol. 53, no. 06, pages 188 - 192 * |
范日召;何斌;刘燕君;李军凯;陈洋君;: "基于广义线性系统和非锐化掩膜的图像增强算法", 液晶与显示, vol. 31, no. 10, pages 973 - 982 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Gaussian-adaptive bilateral filter | |
Sun et al. | Fast single image haze removal via local atmospheric light veil estimation | |
US8090214B2 (en) | Method for automatic detection and correction of halo artifacts in images | |
CN109919859B (zh) | 一种户外场景图像去雾增强方法、计算设备及其存储介质 | |
Kanwal et al. | Region based adaptive contrast enhancement of medical X-ray images | |
CN111210395B (zh) | 基于灰度值映射的Retinex水下图像增强方法 | |
Park et al. | Low-light image restoration using bright channel prior-based variational Retinex model | |
CN110706174A (zh) | 一种图像增强方法、终端设备及存储介质 | |
CN114298916B (zh) | 一种基于灰度拉伸和局部增强的X-Ray图像增强方法 | |
CN116664457A (zh) | 一种用于增强去噪的图像处理方法 | |
CN116934755A (zh) | 基于直方图均衡化的肺结核ct图像增强系统 | |
CN115272362A (zh) | 一种数字病理全场图像有效区域分割方法、装置 | |
CN104616259A (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
CN111325680B (zh) | 一种具有抑制局部过曝的图像增亮方法 | |
Kumar et al. | A generic post-processing framework for image dehazing | |
CN117830134A (zh) | 基于混合滤波分解和图像融合的红外图像增强方法及系统 | |
CN113781515A (zh) | 细胞图像分割方法、装置和计算机可读存储介质 | |
CN113450272A (zh) | 一种基于正弦曲线变化的图像增强方法及其应用 | |
CN116777797A (zh) | 各向异性导向滤波的明场显微图像清晰化方法及系统 | |
CN116563166A (zh) | 一种图像增强方法、装置、存储介质和设备 | |
CN114219774B (zh) | 图像质量评估方法、装置、终端及计算机可读存储介质 | |
Zhang et al. | Research on the License Plate Recognition based on MATLAB | |
Igarashi et al. | O (1) bilateral filtering with low memory usage | |
Zheng et al. | An illumination adaptive underwater image enhancement method | |
Jeba Derwin et al. | An efficient multi-level pre-processing algorithm for the enhancement of dermoscopy images in Melanoma detection |
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 |