引 言

数码显微成像技术是观察微观世界的有利工具之一^[1],但在成像过程中,经常存在一些退化因素,导致最终的显微图像细节模糊。在对焦最佳时,这种模糊主要是物镜的光学退化引入的,也有成像电路等因素的共同作用。这种固有缺陷的存在,以及人们对高质量图像信息获取的需求,都促使研究者致力于如何有效提升细节信息的工作,即细节增强技术。

显微图像细节增强技术,在硬件上需要提升物镜的成像能力,提高采集成像电路的信噪比,但考虑到成本等因素,都难以付诸实践,最佳的方式是利用软件算法的形式作为补偿。在算法实现细节增强方面,有研究者认为是去模糊工作,将其作为一个反卷积的过程。研究者们设计了诸多模型与方法,比如代数去模糊法(最小二乘等),统计法模型(贝叶斯模型法、马尔科夫随机场等),分析模型(基于各种变分的思路),还包括一些综合多特征优势的混合模型^[2-3]。为了更好地获得显微去模糊图像的数学解,常常把反卷积问题转化为能量最小化问题,最普通的策略就是使用最优化理论与迭代方法求解,如RL等方法。但反卷积的方法首先需要点扩散函数的估计,其次是计算时间相对较长,作为软件后处理的方式可能会耽误整个成像过程。细节增强,主要是边缘区域,因此有研究者应用共焦空间微分显微镜系统,实现了在获得样品共焦显微图像的同时直接获取对应的边缘增强显微图像,且图像分辨率与对比度较高^[4]。有作者将颜色转移技术应用到显微图像的颜色增强上,实现了显微图像的彩色化达到颜色增强的效果^[5]。这些方法的效果好,但计算速度有待进一步提升。因此,为实现显微图像细节增强,本文主要考虑非反卷积式的快速细节增强的方法,以配合整个数码显微成像系统的工作。

对于数码显微成像系统中细节增强后处理算法,高对比的细节增强、高效率的运行能力是关键。针对这个问题,本文结合具体的数码显微镜,提出一种基于局部窗口与极值的细节增强方法,解决细节模糊的问题。

1 数码显微成像系统

数码显微成像系统按功能可分为光学部分、硬件电路部分和软件算法部分。光学部分即显微物镜,其主要作用是使被观察物体成像,使得其可用于人眼观察或者电子目镜CMOS感光;硬件部分即电子目镜,一般采用CMOS器件,其主要作用在于将光信号转变为电信号,并以数字方式将图像记录保存;软件算法部分一方面实现图像和视频的显示,另一方面对图像存在的失真与退化进行校准、补偿等以得到物体真实的图像。如图 1所示的数码显微成像系统的典型构架,图中显微镜为宁波永新光学股份有限公司所产的液晶数码显微镜,是本文方法的应用与实验对象。系统要求细节增强效果明显,且运行速度在1 s以下。

由于成像系统的缺陷,所获取的显微图像难免细节有所模糊。而数码显微系统具有功能强大的处理器与软件集成系统,使得有机会用算法补偿提升细节,实现显微图像细节的增强,以便于后期的数据分析。本文旨在通过单幅图像的数据,构建图像的局部窗口范围内极值优选方法,实现细节的增强,弥补硬件上的缺憾。

2 基于局部窗口与极值的增强 2.1 图像的局部极值与细节图像提取

若显微图像为f,对于坐标(x,y),以其为中心在图像的局部空间区域B(尺寸为N×N)内作局部运算。g_max与g_min代表求取局部最大值的函数与局部最小值的函数,且计算后的结果为MAX和MIN,那么坐标(x,y)处的极大极小值为

(1)

(2)

对于任意坐标处的图像值,都使用这种思路求取极值,于是实现了局部极值的计算,获得了极大值与极小值图像MAX和MIN。本文的细节,一方面是强度高的区域的细节,即亮细节;另一方面是强度低的区域的细节,即暗细节。

在提取了极值图像的基础上,可以利用以下公式实现亮、暗细节图像的提取

(3)

(4)

即f_bright可以提取亮区域的细节图,而f_black可以提取暗区域的细节图。

2.2 窗口的选择

对于显微图像的细节增强,需要提升细节区域的对比,选择合适的窗口进行局部细节信息的增强比全局的运算更有优势。

本文设计L₁以及L₂两个局部窗口。设定L₁的窗口尺寸为l₁×l₁,并称为W(L₁),该窗口矩阵为全1矩阵,即窗口W(L₁)内的所有元素都为1,如图 2左边所示;设定另一个窗口L₂为W(L₂),W(L₂)也为l₁×l₁大小的矩阵,但内部l₂×l₂大小范围内的都是1,其余部分都为0。这两个窗口的差值ΔW,即

(5)

ΔW如图 2右边所示,其实是l₁×l₁尺寸大小,内部l₂×l₂大小范围内的都是0,其余是1。

文中采用的双窗口即如图 2所示的L₁与ΔW。根据窗口尺寸的适当变化,可以框定与分析不同尺寸的细节信息。

2.3 双窗口下的局部极值法增强

使用图 2中的双窗口,L₁与ΔW分别代入2.1节中所述的结构B,结合局部极值计算,可以获取相应的f_bright(L₁)与f_black(L₁),以及f_bright(ΔW)与f_black(ΔW)。

于是,本文认为亮细节图f_bright与暗细节图f_black由对应的最大值决定

(6)

(7)

对于窗口的变化,可以获取不同的亮细节图f_bright与暗细节图f_black,最终的f_bright与f_black的各个像素值分别由这些不同窗口下结果的每个像素位置的最大值决定。对于细节增强,本文旨在加强亮细节,降低暗细节,提升细节对比。于是,获取增强结果E为

(8)

式中:w₁与w₂为调节用的两个常数,f为原始图像。

3 实验结果与分析

应用于显微成像系统的本方法具有一些参数,窗口L₁的尺寸初始选择为[9,13,17],对应L₂的尺寸为[5,9,13]。 利用三套双窗口系统,获得最终的增强结果。

显微图像的仿真与实拍实验的结果如图 3所示。图 3中,第一行(a)(b)(c)为原图,第二行(d)(e)(f)为增强的结果。其中,图(a)为仿真显微灰度图(来自百度图片),图(b)(c)为novel (sw82)拍摄实物(椴树年轮切面与木本双子叶植物茎横切),(d)(e)(f)分别为对应的增强结果。在实拍实验中,采用的物镜为永新所产的novel (sw82),电子目镜CMOS分辨率为2 048×1 536,像元尺寸为2.2 μm,图像为彩色,实验物体对象包括木本双子叶植物茎横切和椴树年轮切面。由于实拍图像尺寸太大,本文截取了图像的部分内容作为实验结果的展示。从实验结果观察,经过本文方法的处理,细节层次得到增强,对比相对提升,实现了较好地效果。另外,根据计算速度监测,对于2 048×1 536的图像,本方法计算时间约为0.5 s,完全适用于永新光学的显微成像系统。

此外,为衡量细节增强的程度,引入了三种图像客观评价方法,包括结合视觉注意机制与边缘展宽衡量的显微图像清晰度评价方法^[6],简称为视觉清晰度法;灰度平均梯度GMG(Gray Mean Gradient)法与拉普拉斯算子和LS(Laplacian Sum)法^[6]。视觉清晰度法越小越好,灰度平均梯度GMG与拉普拉斯算子和LS越大越好。对于原图与细节增强图的客观评价结果如表 1所示。相比于原图,增强后的结果的视觉清晰度指标更低,GMG与LS指标更高,表明增强结果非常有效。以原图作为基准,以视觉清晰度指标、GMG与LS指标作衡量,通过本文方法的增强,评价指标提升的平均百分比分别为20.9%、71.2%与81.8%,也从一定程度上说明了细节增强的有效性。

4 结 论

本文针对显微成像系统成像退化补偿的要求,提出使用双窗口局部极值的手段实现显微图像细节的增强方法。根据数码光学显微镜固有的细节模糊的缺陷,一方面考虑了细节增强方法的效果要求,另一方面是方法的高效运行速度,鉴于数码显微系统的强大处理器与软件集成能力,提出使用局部双窗口去提取不同尺寸的细节,并用极值的选择加强亮细节与暗细节区域的对比,最终快速实现细节的对比增强。通过实验,给出了仿真与实拍数据的结果,利用客观评价手段论证了细节增强的有效性,且运行速度皆满足显微成像系统要求。未来,更多的工作需要投入到参数的自适应选择上。目前认为自适应参数有两个重点:一是对不同场景数据的训练,得出经验数据,而后自动判别选择相应参数;二是可根据大量数据获取普适应的初始参数,而后根据具体的应用场景设计收敛公式实现参数的最优化。