KR20070031991A - 화상의 선택적 디컨볼루션 - Google Patents

화상의 선택적 디컨볼루션 Download PDF

Info

Publication number
KR20070031991A
KR20070031991A KR1020077000047A KR20077000047A KR20070031991A KR 20070031991 A KR20070031991 A KR 20070031991A KR 1020077000047 A KR1020077000047 A KR 1020077000047A KR 20077000047 A KR20077000047 A KR 20077000047A KR 20070031991 A KR20070031991 A KR 20070031991A
Authority
KR
South Korea
Prior art keywords
image
value
feature
test feature
ratio
Prior art date
Application number
KR1020077000047A
Other languages
English (en)
Inventor
매튜 알.씨. 아트킨슨
커트 제이. 핼버슨
Original Assignee
쓰리엠 이노베이티브 프로퍼티즈 컴파니
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 쓰리엠 이노베이티브 프로퍼티즈 컴파니 filed Critical 쓰리엠 이노베이티브 프로퍼티즈 컴파니
Priority to KR1020077000047A priority Critical patent/KR20070031991A/ko
Publication of KR20070031991A publication Critical patent/KR20070031991A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10064—Fluorescence 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
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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
    • G06T2207/30072—Microarray; Biochip, DNA array; Well plate

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 화상의 피처들 간의 크로스토크를 줄이기 위해 디컨볼루션을 선택적으로 이용하는 방법 및 시스템을 제공한다. 디컨볼루션을 위한 화상의 영역들을 선택하는 방법은: a) 복수의 피처들 - 각 피처는 적어도 하나의 값(v)과 연관되어 있음 - 을 포함하는 화상을 제공하는 단계; b) 상기 화상의 공지된 낮은 값 구역에 인접한 높은 값 피처인 테스트 피처 - 상기 테스트 피처는 상기 테스트 피처의 값(vt) 대 상기 화상의 낮은 값 구역에 인접한 값(vo)의 비율인 테일 비율(rt)을 가짐 - 를 식별하는 단계; c) 상기 테스트 피처의 테일 비율(rt)의 함수인 임계값(t)을 계산하는 단계; 및 d) 상기 화상의 선택된 영역들 - 상기 선택된 영역들은 전체 화상보다 적은 부분을 포함하고, 상기 선택된 영역들은 인접한 피처들 간의 값들(v)의 비율이 상기 임계값(T(rt))보다 큰 영역들임 - 을 식별하는 단계를 포함한다.
크로스토크, 디컨볼루션, 낮은 값 구역, 높은 값 피처, 테스트 피처, 테일 비율

Description

화상의 선택적 디컨볼루션{SELECTIVE DECONVOLUTION OF AN IMAGE}
본 발명은 화상 처리에 관한 것이며, 보다 구체적으로는, 화상의 피처(feature)들 간의 크로스토크(cross-talk)를 감소시키기 위해 선택적인 디컨볼루션(deconvolution) 사용에 관한 것이다. 디컨볼루션의 관련 영역, 통상적으로 강도 높은 계산을 포함하는 처리를 선택함으로써, 본 발명은 우수한 화상 품질을 제공하는데 필요한 계산 노력을 상당히 줄일 수 있다.
미국특허 제6,477,273호에는 화상의 중심 적분 방법을 개시하고 있다. 미국특허 제6,633,669호에는 화상의 오토그리드(autogrid) 분석 방법을 개시하고 있다. 미국특허출원 제09/917545호에는 화상의 자동 임계치 설정(autothresholding) 방법을 개시하고 있다.
발명의 개요
간단히, 본 발명은 a) 각 피처가 적어도 하나의 값(v)과 연관되어 있는 복수의 피처들을 포함하는 화상을 제공하는 단계; b) 그 화상의 공지된 낮은 값 구역(zone)에 인접한 높은 값 피처인 테스트 피처를 식별하는 단계 - 상기 테스트 피처는 테스트 피처의 값(vt) 대 화상의 인접한 낮은 값 구역의 값(vo)의 비율인, 테 일 비율(rt)을 가짐 -; c) 상기 테스트 피처의 테일 비율(rt)의 함수인 임계값 t를 계산하는 단계; d) 상기 화상의 선택된 영역들을 식별하는 단계 - 상기 선택된 영역들은 인접한 피처들 간의 값들(v)의 비율이 상기 임계값(T(rt))보다 큰 영역들임 -;를 포함하는 디컨볼루션용 화상 영역들을 선택하는 방법을 제공한다. 상기 화상은 통상적으로 그리드 내에 배치된 피처들을 포함한다. 통상적으로, 오토그리드 분석에 의해 의사-화상(pseudo-image)을 형성한다. 통상적으로, 단계 b)는 테일 비율(rt)을 계산하기 전에, 테스트 피처의 값(vt)과 화상의 인접한 낮은 값 구역의 값(vo)으로부터 배경 상수를 감산하는 단계를 포함한다. 배경 상수는, 선택적으로 임의의 피처로부터 피처들 간의 평균 거리보다 적어도 두 배 이상 떨어진 화상의 낮은 값 구역에 있을 수 있으며, 임의의 테일 효과를 피하기 위해 임의의 피처로부터 충분히 떨어진 화상의 낮은 값 구역의 (vb) 값이 되도록 선택적으로 취해질 수 있다. 통상적으로, 임계값(T(rt))은 상기 테스트 피처의 테일 비율(rt)의 배수이다. 통상적으로, 본 발명의 방법은 화상의 선택된 영역들을 디컨볼빙(deconvolving)하는 단계를 더 포함한다.
다른 양상에 있어서, 본 발명은 디컨볼루션을 위한 화상의 영역들을 선택하기 위한 시스템을 제공하며, 상기 시스템은 a) 디지털화된 화상을 제공하기 위한 화상 디바이스; b) 데이터 저장 디바이스; 및 c) 상기 데이터 저장 디바이스에 기입할 수 있고, 그로부터 판독할 수 있으며, 상기 화상 디바이스로부터 상기 디지털 화된 화상을 수신하기 위한 중앙 처리 장치 - 상기 중앙 처리 장치는,
ⅰ) 디지털화된 화상을 상기 화상 디바이스로부터 수신하고,
ⅱ) 복수의 피처들을 식별하여, 각 피처를 적어도 하나의 값(v)과 연관시키고,
ⅲ) 상기 화상의 공지된 낮은 값 구역에 인접한 높은 값 피처인 테스트 피처 - 상기 테스트 피처는 상기 테스트 피처의 값(vt) 대 상기 화상의 인접한 낮은 값 구역의 값(vo)의 비율인 테일 비율(rt)을 가짐 - 를 식별하고,
ⅳ) 상기 테스트 피처의 테일 비율(rt)의 함수인 임계값(t)을 계산하고,
ⅴ) 상기 화상의 선택된 영역들 - 상기 선택된 영역들은 전체 화상보다 적은 부분을 포함하고, 상기 선택된 영역들은 인접한 피처들 간의 값들(v)의 비율이 상기 임계값(T(rt))보다 큰 영역들임 - 을 식별하도록 프로그램되어 있다.
상기 화상은 통상적으로 그리드 내에 배치된 피처들을 포함한다. 통상적으로, 중앙 처리 장치는 오토그리드 분석에 의해 의사 화상을 형성하도록 추가로 프로그램되어 있다. 통상적으로, 단계 ⅲ)은 테일 비율(rt)을 계산하기 전에, 상기 테스트 피처의 값(vt)과 상기 화상의 인접한 낮은 값 구역의 값(vo) 양자 모두로부터 배경 상수를 감산하는 단계를 더 포함한다. 배경 상수는, 선택적으로 임의의 피처로부터의 거리가 피처들 간의 평균 거리보다 적어도 두 배 이상 더 떨어진 화상의 낮은 값 구역에 있을 수 있는, 임의의 테일 효과를 피하기 위해 임의의 피처 로부터 충분히 떨어진 화상의 낮은 값 구역의 (vb) 값이 되도록 선택적으로 취해질 수 있다. 통상적으로, 임계값(T(rt))은 상기 테스트 피처의 테일 비율(rt)의 배수이다. 통상적으로, 중앙 처리 장치는 화상의 선택된 영역들을 디컨볼빙하도록 더 프로그램되어 있다.
본 발명의 이점은 화상으로부터 고품질 데이터를 얻는데 필요한 계산 수고를 덜어주는 방법을 제공하는 것이다.
도 1은 본 발명이 이용될 수 있는 원형 스캐닝 시스템의 개략도.
도 2는 이하의 실시예에서 사용된 서브젝트 화상을 도시한 도면.
도 3은 이하의 실시예에 기술된 바와 같이, 도 2의 화상의 분석 그리드를 도시한 도면.
도 4는 도 2의 제1 열, 제5 행에서의 피처를 포함하는 도 2의 상세도.
도 5는 도 4의 세그먼트에 대한 x 위치에 대하여 구성된 y 방향에서의 4개의 픽셀 상에서 적분된 픽셀 강도의 그래프.
본 발명은 디컨볼루션을 위한 화상의 영역들을 선택하는 방법을 제공한다. 반복적 방법 및 맹목적 방법을 포함하여 본 기술분야에 공지된 디컨볼루션의 임의의 적절한 방법을 이용할 수 있다. 반복적 방법은 리차드선-루시(Richardson-Lucy) 및 반복 필수 티크호반-밀러 방법(Tikhovan-Miller method)들을 포함한다. 맹목적 방법은 위너 필터링(Weiner Filtering), 시뮬레이팅된 어닐링 및 최대 가능성 평가 방법들을 포함한다. 디컨볼루션은 밝은 피처로의 근접성에 기인한 비교적 어두운 피처의 허위 조명과 같이, 화상의 피처들 간의 크로스토크를 줄일 수 있다.
선택 방법은: a) 복수의 피처들 - 각 피처는 적어도 하나의 값(v)과 연관되어 있음 - 을 포함하는 화상을 제공하는 단계; b) 상기 화상의 공지된 낮은 값 구역에 인접한 높은 값 피처인 테스트 피처 - 상기 테스트 피처는 상기 테스트 피처(vt)의 값 대 상기 화상의 낮은 값 구역에 인접한 값(vo)의 비율인 테일 비율(rt)을 가짐 - 를 식별하는 단계; c) 상기 테스트 피처의 테일 비율(rt)의 함수인 임계값(t)을 계산하는 단계; 및 d) 상기 화상의 선택된 영역들 - 상기 선택된 영역들은 인접한 피처들 간의 값들(v)의 비율이 상기 임계값(T(rt))보다 큰 영역들임 - 을 식별하는 단계를 포함한다. 통상적으로, 하나 이상의 단계들은 자동화되어 있다. 보다 통상적으로는, 모든 단계들은 자동화되어 있다.
화상을 제공하는 단계는 임의의 적절한 방법에 의해 달성될 수 있다. 통상적으로는, 이 단계는 자동화되어 있다. 화상은 비디오 카메라, 디지털 카메라, 광화학 카메라, 현미경, 망원경, 시각 주사 시스템, 프로브 주사 시스템, 또는 2차원 어레이에서 데이터 포인트들을 생성하는 다른 감지 장치의 사용으로 수집할 수 있다. 통상적으로는, 타겟 화상은 명료한 특징들을 포함하고 있는 화상일 것으로 예상되지만, 추가로 잡음을 포함하고 있을 수도 있다. 통상적으로 피처들은 행과 열을 포함하는 그리드 내에 배열된다. 본 명세서에 사용된 바와 같이, "열"은 한 방 향으로의 피처들의 일반적인 정렬을 나타내는데 사용될 것이고, "행"은 일반적으로 열에 직교하는 방향으로의 피처들의 일반적인 정렬을 나타내는데 사용될 것이다. 어느 방향이 열이고, 행이 어느 방향인지 명백히 알 수 있으므로, 하나의 용어에 비해 다른 하나의 용어만을 사용한다는 것에 대해 어떠한 중요성도 부가되어서는 안되며, 행들 및 열들은 반드시 일직선은 아니다. 대안으로, 그리드는 삼각형 또는 육각형 배치와 같은 피처들의 몇가지 다른 반복성 기하학적 배치를 포함할 수 있다. 대안으로, 피처들은 천문 화상(astronomical image)과 같이, 어떤 소정의 패턴으로는 배치될 수 없다. 화상이 초기에 화상 포착 또는 생성 장치에 의해 디지털 형식으로 생성되지 않으면, 화상은 통상적으로 픽셀들로 디지털화된다. 통상적으로, 본 명세서에 기술된 방법들은 중앙 처리 장치 또는 컴퓨터를 이용하여 달성된다.
도 1은 본 발명에 사용될 수 있는 스캐닝 시스템을 도시한다. 도 1의 시스템에서, 포커싱된 광빔은 오브젝트(object)를 통해 이동하며, 시스템은 결과적으로 반사광(reflected light) 또는 형광(fluorescent light)을 검출한다. 이를 위해, 광원(10)으로부터의 광은 소스 옵틱스(12)를 통해 포커싱되어 미러(14)에 의해 샘플 3×4의 분석판(16)으로서 도시된 오브젝트 상으로 편향된다. 광원(10)으로부터의 광은 모터(24)를 이용하여 미러(14)의 위치를 변화시킴으로써 샘플 상의 다른 지점으로 향하게 할 수 있다. 형광 또는 샘플(16)로부터 반사된 광은 통상적으로 반도금(half silvered) 미러인 미러(15)를 통해 검출 옵틱스(18)로 향한다. 대안으로, 미국특허 제5,900,949호에 도시된 바와 같이, 광원이 중심으로 인가되고, 발 광 또는 형광이 시스템의 측면으로부터 검출되거나, 또는 광원이 시스템의 측면으로부터 인가되고, 발광 또는 형광이 중심에서 검출되거나, 또는 다른 유사한 변동이 있을 수 있다. 검출 옵틱스(18)를 통과하는 광은 텔레비전 카메라, CCD, 레이저 반향 시스템, 광전자 배증관, 어밸런치 광다이오드(avalanche photodiode), 광다이오드 또는 단광자 카운팅 모듈, 전체 시스템을 분석 및 제어하도록 프로그램된 컴퓨터(22)에 제공된 출력 등의 임의의 적절한 화상 포착 시스템(20)을 이용하여 검출된다. 컴퓨터(22)는 통상적으로 프로그램을 실행하기 위한 중앙 처리 장치 및 데이터 저장용의 RAM, 하드 드라이브 등을 포함할 것이다. 이러한 설명은 단지 예시적인 목적임을 이해해야 하며, 본 발명은 자기 또는 촉각 센서로부터 발생된 "시뮬레이팅된" 화상들에 의해, 그리고, 단지 샘플(16)만이 아니라 시험될 임의의 오브젝트에 의해 동등하게 이용될 수 있다.
화상은 다른 분석 이전에 미국특허 제6,477,273호 및 제6,333,669호에 개시되어 있는 바와 같이, 중심 적분 및 오토그리드 분석을 받게 된다. 각 피처는 그 "값"으로서 제공되는 것으로서 통합된 강도가 할당될 수 있으며, 또는 피처 값들로서 로컬 최대값들의 선택을 포함할 수 있는 임의의 다른 적절한 방법에 의해 값이 할당될 수 있다. 오토그리드 분석에 의해 형성된 의사-화상이 생성될 수 있다.
본 명세서에 사용된 바와 같이, "높은 값" 및 "낮은 값"은 사진 화상에서의 명암 피처들을 참조하여 이용될 수 있다. 용어 "높은 값", "낮은 값" 및 "값"은, 화상의 성질 및 화상을 수집하는데 사용되는 장치에 따라, 컬러 값, 엑스레이 전송 값, 무선파 발산 값 등을 제한없이 포함하는 화상에 표현될 수 있는 임의의 특징에 적용될 수 있음을 이해해야 한다. 통상적으로, "높은 값"은 화상 수집 장치의 성질에 따라, 인접한 "낮은 값" 특징에서의 크로스토크를 생성하는 경향이 있는 특징을 참조할 것이다.
테스트 피처를 식별하는 단계는, 임의의 적절한 방법에 의해 달성될 수 있다. 통상적으로, 이 단계는 자동화되어 있다. 테스트 피처는 화상의 공지된 낮은 값 구역에 인접한 높은 값 피처이다. 높은 값 구역은, 낮은 값 피처 또는, 피처들이 예상되는 영역 외부에 있는 것으로 공지된 에지 영역 또는 그 외의 영역과 같은, 저값인 것으로 공지된 영역이 될 수 있다. 일실시예에서, 피처들의 예상되는 그리드의 에지를 구성하는 피처들이 실험되어, 테스트 피처로서 밝은 에지 피처가 선택되었다. 테스트 피처로서 선택된 피처는 후보 세트 중 가장 높은 값이 될 수 있거나, 사전 선택된 임계치보다 우선적으로 실험될 수 있다. 다른 실시예에서, 이미징된 오브젝트는 인접한 높은 값 및 낮은 값 특징들로 제공되어, 기준점으로서 역할을 한다.
테스트 피처의 값(vt)을 화상의 인접한 낮은 값 구역의 값(vo)으로 나눔으로써 테일 비율(rt)을 계산한다. 통상적으로, 배경 상수는 테일 비율(rt)을 계산하기 전에, 테스트 피처의 값(vt)과 화상의 인접한 낮은 값 구역의 값(vo) 양자 모두로부터 감산된다. 배경 상수는 임의의 적절한 방법에 의해 결정될 수 있다. 배경 상수는 임의의 테일 효과를 피하기 위해 임의의 피처로부터 충분히 떨어진 화상의 낮은 값 구역의 (vb) 값으로 취해질 수 있다. 피처들이 그리드 내에 배치되는 곳인, 떨어진 낮은 값 구역은 통상적으로 피처들 간의 평균 거리보다 임의의 피처로부터 적어도 두 배 이상 더 떨어져 있다. 대안으로, 배경 상수는 주어진 장치에 대해 적절하도록 선험적으로 결정된 고정 값일 수 있다.
테스트 피처의 테일 비율(rt)의 함수인 임계값(t)이 계산된다. 연산, 대수, 지수, 삼각법 등인 함수들을 포함하여 임의의 적절한 함수를 이용할 수 있다. 통상적으로, 임계값(T(rt))은 간단히 테일 비율(rt)의 배수, 즉, T(rt)=A×rt이며, A는 대부분 통상적으로 2와 20 사이에 임의의 적절한 수이다.
임계값(t)은 이어서 임의의 적절한 방법에 의해 화상의 선택된 영역들을 식별하는데 사용된다. 통상적으로, 이 단계는 자동화되어 있다. 가장 통상적으로는, 선택된 영역들은 인접한 피처들 간의 값들(v)의 비율이 상기 임계값(T(rt))보다 더 큰 영역이다.
본 발명은 광학 정보의 자동화된 판독에 유용하다. 특히, DNA 검출 또는 타이핑과 같은 자동화된 분석적 처리에 포함될 수 있는, 트레이, 슬라이드 등에서의 샘플 점들의 매트릭스의 자동화된 판독에 유용하다. 대안으로, 본 발명은 천문, 의학 화상 처리, 실시간 화상 분석 등에 유용할 수 있다. 특히, 본 발명은 과도한 계산없이 화상의 디컨볼루션에 의해 공간적 크로스토크를 줄이는데 유용하다.
본 발명의 목적들 및 이점들이 이하의 예에 의해 더 설명되지만, 이러한 예들에서 인용되고 있는 방법 단계들의 특정 순서 및 세부 사항들뿐만 아니라 그 외의 조건들 및 세부 사항들도 본 발명을 지나치게 제한하는 것으로 해석되어서는 안 된다.
예
본 발명에 사용된 서브젝트 화상이 도 2에 도시된다. 그 화상은 사이즈가 74×62 픽셀이며, 10열 9행으로 배열된 피처들을 도시한다. 각 픽셀의 휘도는 강도 값으로 표시된다.
우선, 화상은 미국특허 제6,477,273호 및 제6,633,669호에 기술된 바와 같이, 오토그리드 분석을 받았으며, 도 3에 도시된 분석 그리드를 생성하고, 통합된 강도를 각 피처에 할당하기 위해, 제6,633,669호에 기술된 "플렉싱(flexing)"을 포함한다. 표 1은 각 열 및 행 위치에 대해 통합된 강도 값을 나타낸다.
Figure 112007000312377-PCT00001
열 1, 행 E에서의 밝은 에지 피처가 테스트 피처로서 선택되었다. 도 4는 각 픽셀로부터 배경 상수를 감산한 후의 인접한 다크 구역과 이러한 피처의 확장된 뷰이다. 배경 상수는 임의의 밝은 피처로부터 근처의 최대 거리에서, 화상의 에지에서의 소그룹의 화소들의 평균 강도 값이 되도록 취해졌다. 도 5는 x 방향으로의 테스트 피처의 테일을 도시한 그래프이다. 각 x 위치에 대해, 그래프는 y 방향에서의 4개의 픽셀 이상 통합된 강도 값을 나타낸다. 이 테스트 피처의 테일 비율은, 테스트 피처로부터 떨어진 인접한 다크 구역 중심의 하나의 피처 폭(5픽셀)에서의 영역 상에서 통합된 강도(25, 도 5의 픽셀 2~5 상에서 통합됨)와 테스트 피처 위의 통합된 강도(1489, 도 5의 픽셀 7~10 상에서 통합됨) 사이의 비율 또는 0.0168이다.
임계값은 테일 비율의 10배, 즉 0.168이 되도록 취해졌다. 따라서, 목표는 인접한 밝은 피처로부터 예상되는 기여도보다 (b) 10배 이하; 즉, 테일 비율의 (a)배인 인접한 피처의 휘도보다 10배 이하의 밝기 강도를 갖는 피처들을 선택하는 것이다. 이 조건은 공식 1: b < a × 10 × (테일 비율), 또는 b < a × (임계값)으로 표현될 수 있다.
통합된 강도 값들 및 임계값은 연속 연산들을 간소화하기 위해 로그로 변환되었다. 표 2는 각 열 및 행 위치에 대해 표 1에서 보고된 통합된 강도 값들의 자연 로그를 포함한다. ln(임계값)의 값은 -1.78이었다. 공식 1은 공식 2에서 로그로 표시된다: ln(b) < ln(a) + ln(임계값), 이는 -ln(임계값) < ln(a) - ln(b)로 재배열할 수 있다. 브라이트(blight)/다크(dark) 및 다크/브라이트 전환 양자 모두를 검출하기 위해, 휘도 차의 절대값을 취하면, 공식 2는 공식 3: -ln(임계값) < ｜ln(a) - ln(b)｜가 된다.
Figure 112007000312377-PCT00002
표 3은 x 방향으로의 표 2에서의 인접한 값들 간의 차들의 절대값, 즉 ｜ln(a) - ln(b)｜를 나타낸다. 그러므로, 표 3은 9열 및 9행을 포함한다. 표 3에서의 값들은 그 표에서의 최대값 2.911로 나눔으로써 1.000으로 표준화되었다. 표준화된 값들은 표 4에 나타낸다. 1.78의 -ln(임계값)은 1.78/2.911 = 0.61로 표준화되었다. 표준화된 임계값이 표 4에 적용되어, -ln(임계값) 또는 0.61보다 작은 값들에 대해서는 0이고, -ln(임계값) 또는 0.61보다 큰 값들에 대해서는 1을 나타내는 표 5를 생성하였다.
Figure 112007000312377-PCT00003
Figure 112007000312377-PCT00004
Figure 112007000312377-PCT00005
표 6은 y 방향으로의 표 2에서의 인접한 값들 간의 차들의 절대값, 즉 ｜ln(a) - ln(b)｜를 나타낸다. 그러므로, 표 6는 10열 및 8행을 포함한다. 표 6에서의 값들은 그 표에서의 최대값 3.2751로 나눔으로써 1.000으로 표준화되었다. 표준화된 값들은 표 7에 나타낸다. 1.78의 -ln(임계값)은 1.78/3.2751 = 0.54로 표준화되었다. 표준화된 임계값이 표 7에 적용되어, -ln(임계값) 또는 0.54보다 작은 값들에 대해서는 0이고, -ln(임계값) 또는 0.54보다 큰 값들에 대해서는 1을 나타내는 표 8을 생성하였다.
Figure 112007000312377-PCT00006
Figure 112007000312377-PCT00007
Figure 112007000312377-PCT00008
표 5는 커널:
[1 1]
에 의해 컨볼빙되어, 9×10 행렬인 넌-제로 엔트리가 x 방향으로의 브라이트-다크 또는 다크-브라이트 전환을 지시하는 표 9를 생성하였다.
Figure 112007000312377-PCT00009
표 8은 커널:
Figure 112007000312377-PCT00010
에 의해 컨볼빙되어, 9×10 행렬인 넌-제로 엔트리가 y 방향으로의 브라이트-다크 또는 다크-브라이트 전환을 지시하는 표 10을 생성하였다.
Figure 112007000312377-PCT00011
표 9 및 표 10으로 표시된 행렬들이 추가되어, 표 11로서 나타내어 지는 행렬을 만든다.
Figure 112007000312377-PCT00012
4개의 직사각형 영역들은 표 11에서의 넌-제로 값들(A1:B3, D5:F7, H1:I3, I9:I10) 모두를 포함하는 디컨볼루션을 위해 선택되었다. 전체 화상의 디컨볼루션에 포함되었던 계산 결과의 적어도 약 74%를 저장하는 90개의 피처들 중에서 23개를 포함하는 선택된 영역들은, 많은 디컨볼루션 방법들이 계산 결과의 범위가 분석된 영역들의 사이즈에 의해 지수적으로 상승하는 것을 제공하기 때문에, 훨씬 더 많을 수도 있다.
본 발명의 다양한 변경들 및 수정들이 본 발명의 범위 및 원리들로부터 벗어나지 않고 본 기술분야의 숙련자들에게 명백해 질 것이며, 이상에서 설명된 예시적 실시예들에 지나치게 제한되는 것은 아님을 이해해야 한다.

Claims (10)

  1. 디컨볼루션(deconvolution)을 위한 화상의 영역들을 선택하는 방법으로서,
    a) 각 피처(feature)가 적어도 하나의 값(v)과 연관되어 있는 복수의 피처들을 포함하는 화상을 제공하는 단계;
    b) 테스트 피처를 식별하는 단계 - 상기 테스트 피처는 상기 화상의 공지된 낮은 값 구역에 인접한 높은 값 피처이며, 상기 테스트 피처는 테일 비율(rt)을 갖고, 상기 테일 비율(tail ratio)은 상기 테스트 피처의 값(vt) 대 상기 화상의 상기 인접한 낮은 값 구역의 값(vo)의 비율임 -;
    c) 임계값 t를 계산하는 단계 - 상기 임계값(T(rt))은 상기 테스트 피처의 테일 비율(rt)의 함수임 -; 및
    d) 상기 화상의 선택된 영역들을 식별하는 단계 - 상기 선택된 영역들은 전체 화상보다 적은 부분을 포함하고, 상기 선택된 영역들은 인접한 피처들 간의 값들(v)의 비율이 상기 임계값(T(rt))보다 큰 영역들임 -
    를 포함하는 방법.
  2. 제1항에 있어서,
    단계 b)는 상기 테일 비율(rt)을 계산하기 전에, 상기 테스트 피처의 값(vt) 과 상기 화상의 상기 인접한 낮은 값 구역의 값(vo) 양자 모두로부터 배경 상수를 감산하는 단계를 더 포함하는 방법.
  3. 제1항에 있어서,
    e) 오토그리드(autogrid) 분석에 의해 의사 화상(pseudo-image)을 형성하는 단계를 더 포함하는 방법.
  4. 제1항에 있어서,
    상기 임계값(T(rt))은 상기 테스트 피처의 테일 비율(rt)의 배수인 방법.
  5. 제1항에 있어서,
    f) 상기 화상의 선택된 영역들을 디컨볼빙(deconvolving)하는 단계를 더 포함하는 방법.
  6. 디컨볼루션을 위해 화상의 영역들을 선택하는 시스템으로서,
    b) 디지털화된 화상을 제공하기 위한 화상 디바이스;
    c) 데이터 저장 디바이스; 및
    d) 상기 데이터 저장 디바이스에 기입할 수 있고, 그로부터 판독할 수 있으며, 상기 화상 디바이스로부터 상기 디지털화된 화상을 수신하기 위한 중앙 처리 장치 - 상기 중앙 처리 장치는,
    ⅰ) 상기 화상 디바이스로부터 디지털화된 화상을 수신하고,
    ⅱ) 복수의 피처들을 식별하여, 각 피처를 적어도 하나의 값(v)과 연관시키고,
    ⅲ) 테스트 피처를 식별하고 - 상기 테스트 피처는 상기 화상의 공지된 낮은 값 구역에 인접한 높은 값 피처이고, 상기 테스트 피처는 테일 비율(rt)을 가지며, 상기 테일 비율은 상기 테스트 피처의 값(vt) 대 상기 화상의 상기 인접한 낮은 값 구역의 값(vo)의 비율임 - ,
    ⅳ) 임계값 t를 계산하고 - 상기 임계값(T(rt))은 상기 테스트 피처의 테일 비율(rt)의 함수임 -,
    ⅴ) 상기 화상의 선택된 영역들 - 상기 선택된 영역들은 전체 화상보다 적은 부분을 포함하고, 상기 선택된 영역들은 인접한 피처들 간의 값들(v)의 비율이 상기 임계값(T(rt))보다 큰 영역들임 - 을 식별하도록 프로그램되어 있음 -
    를 포함하는 시스템.
  7. 제6항에 있어서,
    상기 중앙 처리 장치는 상기 테일 비율(rt)을 계산하기 전에, 상기 테스트 피처의 값(vt)과 상기 화상의 상기 인접한 낮은 값 구역의 값(vo) 양자 모두로부터 배경 상수를 감산하도록 더 프로그램되어 있는 시스템.
  8. 제6항에 있어서,
    상기 중앙 처리 장치는 오토그리드 분석에 의해 의사 화상을 형성하도록 더 프로그램되어 있는 시스템.
  9. 제6항에 있어서,
    상기 임계값(T(rt))은 상기 테스트 피처의 테일 비율(rt)의 배수인 시스템.
  10. 제6항에 있어서,
    상기 중앙 처리 장치는 상기 화상의 선택된 영역들을 디컨볼빙하도록 더 프로그램되어 있는 시스템.
KR1020077000047A 2004-06-01 2005-04-29 화상의 선택적 디컨볼루션 KR20070031991A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020077000047A KR20070031991A (ko) 2004-06-01 2005-04-29 화상의 선택적 디컨볼루션

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/858,130 2004-06-01
KR1020077000047A KR20070031991A (ko) 2004-06-01 2005-04-29 화상의 선택적 디컨볼루션

Publications (1)

Publication Number Publication Date
KR20070031991A true KR20070031991A (ko) 2007-03-20

Family

ID=43656106

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020077000047A KR20070031991A (ko) 2004-06-01 2005-04-29 화상의 선택적 디컨볼루션

Country Status (1)

Country Link
KR (1) KR20070031991A (ko)

Similar Documents

Publication Publication Date Title
US7141773B2 (en) Image focusing in fluorescent imaging
EP3007432B1 (en) Image acquisition device and image acquisition method
US6747808B2 (en) Electronic imaging device focusing
EP1904954A2 (en) Method of extracting intensity data from digitized image
US8064679B2 (en) Targeted edge detection method and apparatus for cytological image processing applications
AU2007266783A1 (en) Method and system for digitizing a specimen with fluorescent target points
JP2009229125A (ja) 距離測定装置および距離測定方法
US6961476B2 (en) Autothresholding of noisy images
US11967090B2 (en) Method of and microscope comprising a device for detecting movements of a sample with respect to an objective
EP3680851B1 (en) Method and system to calculate the point spread function of a digital image detector system based on a mtf modulated quantum-noise measurement
KR20070031991A (ko) 화상의 선택적 디컨볼루션
JP2008501187A (ja) 画像の選択的デコンボリューション
CN111062887B (zh) 基于改进的Retinex算法的图像清晰度判定方法
CN117616451A (zh) 一种光学图像处理方法、机器学习方法、训练后的模型、机器学习的预处理方法、光学图像处理模块、光学图像处理程序和光学图像处理系统
US9658444B2 (en) Autofocus system and autofocus method for focusing on a surface
Wang Computational restoration of fluorescence images: noise reduction, deconvolution, and pattern recognition
US11282175B2 (en) Sample imaging and image deblurring
JP4229325B2 (ja) ピーク検出画像処理方法、プログラム及び装置
WO2021145158A1 (ja) 撮像装置及び撮像装置の制御方法
Cardullo et al. Post-processing for statistical image analysis in light microscopy
JP2000020695A (ja) 画像処理方法
CN117651967A (zh) 一种光学图像处理方法、机器学习方法、训练后的模型、机器学习的预处理方法、光学图像处理模块、光学图像处理程序和光学图像处理系统
CN113533343A (zh) 一种基于tdi线阵相机的检测方法及装置
Pawley Contrast, Resolution, Bleaching and Statistics in Confocal Microscopy
Amat et al. Image Obtention and Preprocessing

Legal Events

Date Code Title Description
WITN Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid