Обработка изображений с микроскопа - Microscope image processing

Обработка изображений с микроскопа - это широкий термин, который охватывает использование методов цифровой обработки изображений для обработки, анализа и представления изображений, полученных с помощью микроскопа . Такая обработка в настоящее время является обычным явлением в ряде различных областей, таких как медицина , биологические исследования , исследования рака , испытания лекарств , металлургия и т. Д. Ряд производителей микроскопов теперь специально разрабатывают функции, которые позволяют микроскопам взаимодействовать с системой обработки изображений. .

Получение изображения

До начала 1990-х годов большая часть изображений в приложениях видеомикроскопии обычно выполнялась с помощью аналоговых видеокамер, часто просто телевизионных камер замкнутого цикла. Хотя для этого требовалось использование устройства захвата кадров для оцифровки изображений, видеокамеры выдавали изображения с полной частотой кадров (25–30 кадров в секунду), позволяя записывать и обрабатывать видео в реальном времени. Хотя появление твердотельных детекторов дало несколько преимуществ, видеокамера реального времени действительно превосходила их во многих отношениях.

Сегодня сбор данных обычно выполняется с помощью камеры CCD, установленной на оптическом пути микроскопа. Камера может быть полноцветной или монохромной. Очень часто камеры очень высокого разрешения используются для получения максимально возможной прямой информации. Криогенное охлаждение также широко используется для минимизации шума. Часто цифровые камеры, используемые для этого приложения, предоставляют данные об интенсивности пикселей с разрешением 12–16 бит, что намного выше, чем в потребительских устройствах для обработки изображений.

По иронии судьбы, в последние годы много усилий было приложено для получения данных с частотой видео или выше (25–30 кадров в секунду или выше). То, что когда-то было легко с обычными видеокамерами, теперь требует специальной высокоскоростной электроники для обработки огромной полосы пропускания цифровых данных.

Более высокая скорость сбора данных позволяет наблюдать за динамическими процессами в реальном времени или сохранять их для последующего воспроизведения и анализа. В сочетании с высоким разрешением изображения этот подход может генерировать огромные объемы необработанных данных, с которыми может быть сложно справиться даже в современной компьютерной системе.

Следует отметить, что, хотя современные ПЗС-детекторы допускают очень высокое разрешение изображения , часто это требует компромисса, поскольку для данного размера чипа по мере увеличения количества пикселей размер пикселей уменьшается. По мере того, как пиксели становятся меньше, глубина их ям уменьшается, уменьшая количество электронов, которые могут быть сохранены. В свою очередь, это приводит к ухудшению отношения сигнал / шум .

Для достижения наилучших результатов необходимо выбрать подходящий датчик для конкретного приложения. Поскольку изображения с микроскопа имеют внутреннее ограничивающее разрешение, часто не имеет смысла использовать шумный детектор с высоким разрешением для получения изображений. Более скромный детектор с более крупными пикселями часто может давать изображения гораздо более высокого качества из-за меньшего шума. Это особенно важно при слабом освещении, например, при флуоресцентной микроскопии .

Кроме того, необходимо также учитывать требования приложения к временному разрешению. Детектор с более низким разрешением часто будет иметь значительно более высокую скорость сбора данных, что позволяет наблюдать более быстрые события. И наоборот, если наблюдаемый объект неподвижен, можно получить изображения с максимально возможным пространственным разрешением без учета времени, необходимого для получения одного изображения.

Техника 2D-изображения

Обработка изображений для применения в микроскопии начинается с фундаментальных методов, предназначенных для наиболее точного воспроизведения информации, содержащейся в микроскопическом образце. Это может включать настройку яркости и контрастности изображения, усреднение изображений для уменьшения шума изображения и корректировку неравномерности освещения. Такая обработка включает в себя только основные арифметические операции между изображениями (например, сложение, вычитание, умножение и деление). Подавляющее большинство обработки изображений, полученных с микроскопа, имеет именно такой характер.

Другой класс общих 2D-операций, называемых сверткой изображений , часто используется для уменьшения или улучшения деталей изображения. Такие алгоритмы «размытия» и «повышения резкости» в большинстве программ работают, изменяя значение пикселя на основе взвешенной суммы этого и окружающих пикселей (более подробное описание свертки на основе ядра заслуживает отдельной записи) или путем изменения частотной области функция изображения с помощью преобразования Фурье . Большинство методов обработки изображений выполняется в частотной области.

Другие базовые двухмерные методы включают в себя такие операции, как поворот изображения, деформация, балансировка цвета и т. Д.

Иногда используются передовые методы с целью «устранения» искажения оптического пути микроскопа, тем самым устраняя искажения и размытость, вызванные оборудованием. Этот процесс называется деконволюцией , и было разработано множество алгоритмов , некоторые из которых имеют большую математическую сложность. Конечный результат - изображение намного более резкое и ясное, чем можно было бы получить только в оптической области. Обычно это трехмерная операция, которая анализирует объемное изображение (т.е. изображения, полученные в различных фокальных плоскостях через образец) и использует эти данные для восстановления более точного трехмерного изображения.

Техника трехмерного изображения

Другое распространенное требование - сделать серию изображений в фиксированном положении, но с разной фокусной глубиной. Поскольку большинство микроскопических образцов по существу прозрачны, а глубина резкости сфокусированного образца исключительно мала, можно получать изображения «сквозь» трехмерный объект с помощью 2D-оборудования, такого как конфокальные микроскопы . Затем программное обеспечение может реконструировать трехмерную модель исходного образца, с которой можно соответствующим образом манипулировать. Обработка превращает 2D-инструмент в 3D-инструмент, которого иначе не существовало бы. В последнее время этот метод привел к ряду научных открытий в клеточной биологии.

Анализ

Анализ изображений может значительно отличаться в зависимости от приложения. Типичный анализ включает определение границ объекта, подсчет похожих объектов, вычисление площади, длины периметра и других полезных измерений каждого объекта. Распространенный подход - создать маску изображения, которая включает только пиксели, соответствующие определенным критериям, а затем выполнить более простые операции сканирования с полученной маской. Также можно маркировать объекты и отслеживать их движение по серии кадров в видеопоследовательности.

Смотрите также

Рекомендации

Расс, Джон К. (2006-12-19) [1992]. Справочник по обработке изображений (5-е изд.). CRC Press. ISBN   0-8493-7254-2 . CS1 maint: обескураженный параметр ( ссылка )

  • Ян-Марк Гейзебрук, Цвет и геометрическая структура в изображениях, Приложения в микроскопии, ISBN   90-5776-057-6
  • Молодой Ян Т., Не только красивые картинки: Цифровая количественная микроскопия, Proc. Королевское микроскопическое общество, 1996, 31 (4), стр. 311–313.
  • Янг Ян Т., Количественная микроскопия, IEEE Engineering in Medicine and Biology, 1996, 15 (1), pp. 59–66.
  • Янг Ян Т., Плотность выборки и количественная микроскопия, Аналитическая и количественная цитология и гистология, вып. 10. 1988, с. 269–275.

Внешние ссылки

Ресурсы библиотеки по
обработке изображений с микроскопа