（福建江夏學院，福建 福州 350108）

一種基于復合空域濾波的線粒體電鏡圖像二值化增強算法

（福建江夏學院，福建 福州 350108）

本文通過分析線粒體電鏡圖像特點，提出一種基于復合空域濾波的線粒體電鏡圖像二值化增強算法.實驗表明，該算法成功突出了大多數(shù)線粒體信息，抑制了大多數(shù)非線粒體信息，是進行線粒體邊緣識別的有效圖像增強算法.

圖像增強；空域濾波；算法；線粒體

1 引言

近年，隨著高性能電子顯微鏡（以下簡稱電鏡）的分辨率性能不斷提高和日趨普及，電鏡在醫(yī)學超微結構研究領域的應用也越來越多，各種細胞線粒體微細結構的研究方興未艾.大量的醫(yī)學研究人員在做基礎性研究時需借助于電鏡的幫助以獲取線粒體的超微結構圖片，并據(jù)此進行定量分析.然而，在獲取線粒體相關參數(shù)的方法上，目前的主要做法有兩種.一種是在人機交互下借助某個圖像分析軟件（如Imagepro）來完成，即將利用電鏡得到的數(shù)字照片輸入計算機，由有經(jīng)驗的專業(yè)技術人員通過光標在計算機屏幕上分別勾描每張照片的線粒體輪廓，從而讓圖像分析軟件獲得輪廓數(shù)據(jù)再反饋出線粒體的周長、面積等參數(shù)信息[1,2].另一種是采用傳統(tǒng)的手工點計數(shù)法，利用自制測試格重疊于照片上測量數(shù)據(jù)，再據(jù)此計算出線粒體的體密度（Vv）、面密度（Sv）、數(shù)密度（Nv）及比表面積（δ）[3,4,5].當研究人員為了獲得具有統(tǒng)計學意義的結論時，必須對大量的電鏡圖片進行人工勾描，從而造成大量人力物力的耗費.為了有效解決當前線粒體形態(tài)定量分析研究過程中，必不可少的人工識別電鏡圖片的線粒體輪廓環(huán)節(jié)極為費時費力這一問題，研究尋求合適的線粒體識別算法，并最終設計出專門針對線粒體電鏡圖片進行計算機自動輪廓識別和給出線粒體形態(tài)定量研究常用參數(shù)的軟件，將有助于相關醫(yī)學研究人員的科研工作，提高相關醫(yī)學研究效率.

在圖像的采集、傳輸、保存、轉換過程中，由于曝光條件、光學系統(tǒng)失真、切片制作精確度、系統(tǒng)噪聲、細胞超微結構特點等因素的影響，不可避免的會導致原始線粒體圖像存在大量噪聲、線粒體間隙存在其他細胞結構成分、圖像的質(zhì)量還達不到后期自動識別分析的要求等問題.為了提高線粒體自動識別的準確度和降低線粒體自動識別的誤識率、誤拒率，必須先對線粒體電鏡圖像進行增強處理，目的是突出圖像中的線粒體信息，抑制非線粒體信息，從而便于計算機對圖像進一步理解，準確識別出線粒體輪廓，為最終實現(xiàn)線粒體電鏡圖像的計算機自動識別軟件的開發(fā)打下基礎.換句話說，設計合適的圖像增強處理算法是完成對線粒體電鏡圖像進行有效線粒體輪廓自動識別的一個重要環(huán)節(jié).目前常用的增強技術根據(jù)其處理所進行的空間不同，可分為基于空域的方法和基于變換域的方法[6].基于空域的增強方法常用的有灰度映射、直方圖變換、空域濾波，基于變換域的方法最主要的有頻域濾波.

2 線粒體電鏡圖像特點

本文研究的線粒體電鏡圖像由飛利浦EM208型透射式電子顯微鏡拍攝而成，拍攝的結果直接保存為TIF格式，放大倍數(shù)大多數(shù)為12500（電鏡底片電子放大倍數(shù)是指在5X7.5 CM范圍時的放大倍數(shù)），分辨率為600DPI，顏色模式為灰度.這些線粒體圖像采集自喂養(yǎng)12周的白鼠（雄性C57B6J小鼠，體重約20-25g，由中國科學院上海實驗動物中心提供）肝細胞.采集方法如下：取肝臟組織，3％戊二醛-1.5％多聚甲醛前固定，1％鋨酸-1.5％亞鐵氰化鉀后固定，乙醇-丙酮脫水，環(huán)氧樹脂618包埋劑包埋，超薄切片，醋酸鈾、檸檬酸鉛染色，飛利浦208型透射電鏡觀察肝臟細胞超微結構并采集圖像.

采集到的正常線粒體電鏡圖像（參看圖1）具有以下特點：

（一）電鏡圖像成分較多，線粒體較密集，正常線粒體內(nèi)部染色質(zhì)較均勻，嵴較清晰，線粒體間隙含有豐富的粗面內(nèi)質(zhì)網(wǎng)、豐富的糖原、少量溶酶體和脂滴.

（二）線粒體形態(tài)各異，以類橢球狀為主.圖中所有成分分布隨機，每幅圖像差異巨大.因此通過特征提取再來匹配識別線粒體的方法可行性差.

（三）圖像顏色模式是灰度.線粒體內(nèi)部部分成分與外部灰度值非常接近，而線粒體外部某些其他成分的灰度值也落在線粒體分布的主要灰度值區(qū)間.

（四）利用看圖軟件放大后觀察，可看見圖像中含有大量噪聲，需要在識別前進行去噪處理.

（五）一些線粒體邊緣有些粘連、重疊.圖像中某些區(qū)域有散焦現(xiàn)象導致該區(qū)域各成分的邊緣較模糊.

（六）由于拍攝光源、切片厚度精確度等因素，每張圖像的亮度會有所不同，甚至一張圖像中的不同區(qū)域亮度也有可能有差異.

圖1 線粒體電鏡圖像原始圖

3 線粒體圖像增強算法的設計

圖像增強的目的是為了突出有用信息，抑制無用信息.筆者利用各常用增強算法在Matlab環(huán)境下對線粒體電鏡圖像進行了大量圖像增強實驗，從實驗結果得出，可實現(xiàn)圖像平滑去噪功能的算法有：平滑濾波器（均值濾波器、中值濾波器、最大值濾波器、最小值濾波器）、頻域低通濾波器（理想低通濾波器、巴特沃斯低通濾波器、指數(shù)低通濾波器）；可實現(xiàn)增大對比度、銳化圖像功能的算法有：灰度映射、直方圖修正（直方圖均衡化、直方圖規(guī)定化）、銳化濾波器（梯度法、Laplacian算子法、Sobel算子法）、頻域高通濾波器（理想高通濾波器、巴特沃斯高通濾波器、指數(shù)高通濾波器）.此外，帶通或帶阻濾波器根據(jù)設置的通帶寬度W，通帶中心頻率D0的值，可能實現(xiàn)平滑圖像功能，也可能實現(xiàn)銳化圖像功能；同態(tài)濾波器可消除乘性噪聲和增強圖像對比度.

對于線粒體電鏡圖像而言，有用的信息即線粒體邊緣，其余其他成分均可看作無用的干擾信息.線粒體圖像增強處理的主要目的即突出線粒體邊緣，消除或抑制其他成分（包括圖像中的噪聲），以利于提高后續(xù)的線粒體邊緣識別操作的正確率.而隨著圖像采集和處理方法的進步，前人已研究和提出針對各種不同特性圖像的增強技術，但是這些增強算法由于任何一種圖像增強算法僅能對某類型圖像有效，所以無法實現(xiàn)通用性.就筆者對線粒體電鏡圖像進行的各常用圖像增強處理實驗結果看，現(xiàn)有增強算法雖然大多數(shù)對線粒體電鏡圖像有一定增強效果，但是還沒有一個實驗結果足以滿足后續(xù)線粒體邊緣識別的正確率要求.為此，在比較研究常用圖像增強算法的線粒體電鏡圖像增強處理的優(yōu)劣基礎上，特設計一種復基于復合空域濾波的二值化增強算法以符合線粒體電鏡圖像邊緣識別需求，該增強算法如下:

step1:讀入測試圖像，將圖像信息賦予圖像二維矩陣變量I；

step2:定義二維矩陣變量 J、K、G、GB，定義變量M和N分別用于保存I的二個維數(shù)，即圖像像素的垂直排列個數(shù)和水平排列個數(shù)；

step3:定義閾值變量yuzhi1，并賦予值20；

step4:設置二重循環(huán)，除去圖像四周最外一圈的像素點，遍歷所有內(nèi)部像素點,對每個像素點執(zhí)行操作a）-c），得到一種初步二值化圖像，效果圖如圖2（b）所示，其中邊緣像素點顯示為白色，其余部分像素點顯示為黑色；

a）設置標志變量flag=0；

b）對每個像素點，分別計算其鄰域的八個像素點灰度值與自身灰度值之差，如果該差值小于yuzhi1，則 flag累加 1；

c）如果flag小于3個或者大于5個，則設置J（i,j）=0；其他情況，設置 J（i,j）=255；

step5:設置二重循環(huán)，除去圖像四周最外一圈的像素點，遍歷所有內(nèi)部像素點,對每個像素點執(zhí)行操作a）-c）,得到一種有一定去噪效果的邊緣銳化增強圖K，效果圖如圖2（c）所示；

a）計算像素點I（i,j）的八鄰域像素點的灰度值的和 sum I；

b）計算像素點J（i,j）的八鄰域像素點的灰度值的和sumJ；

c）計算 K（i,j）=（sum I+sumJ+4*J（i,j））/20，其中給予J（i,j）4倍權值，使得線粒體區(qū)域比其他區(qū)域的顏色加深效果更明顯，從而提高線粒體與背景圖像的區(qū)分度;

step6:設置閾值變量yuzhi2=40；

step7:設置二重循環(huán)，除去圖像四周最外五圈的像素點，遍歷其余內(nèi)部像素點,對每個像素點執(zhí)行操作a）-c）,得圖K的一種去噪平滑圖G，效果圖如圖 2（d）所示；

a）設置表示距離的變量d=5；

b）計算與K（i,j）距離為d的八個方向上的八個像素點的灰度平均值賦予變量ave；

c）如果K（i,j）與ave的差值的絕對值大于yuzhi2，則 G（i,j）=ave;

step8:設置 K=G，yuzhi2=20；重復步驟 7），得到一種二次去噪平滑圖G，此時原始線粒體電鏡圖像中的噪聲已幾乎去除干凈，粗面內(nèi)質(zhì)網(wǎng)、糖原、溶酶體和脂滴已完全與背景混為一體，以淺灰色為主，線粒體以深灰色為主，效果如圖2（e）所示.

step9:計算圖G的平均灰度aveHD；

step10:設置修正值變量xzz=8；

step11:設置二重循環(huán)，除去圖像四周最外五圈的像素點和左側前40列像素點，遍歷其他內(nèi)部像素點,對每個像素點執(zhí)行操作a）-c）,得到一種二值化增強圖GB，效果圖如圖2（f）所示；

a）計算像素點G（i,j）的自身及八鄰域像素點的平均灰度值aveG；

b）設置p=i-4;q=j-40;；

c）如果aveG

以上算法step11中，由于原始圖像的最左側含有圖像標題信息，在step7中距離設置為5，未處理圖像最外五圈像素，所以以上區(qū)域無法進行充分的增強處理，在最終增強圖像中予以裁剪去除.若對以上算法中的閾值變量yuzhi1、閾值變量yuzhi2、修正值變量xzz、距離變量d的值進行變更，最終增強效果將相應有所改變.采用yuzhi1=20、yuzhi2=40、xzz=8、d=5，得到的最終二值化的增強圖的過程如圖2所示.

4 結論

從實驗結果可見，最終的二值化增強圖中已將所有線粒體的區(qū)域大部分設置為黑色，非線粒體區(qū)域大部分被設置為了白色，達到了突出線粒體信息和抑制非線粒體信息的增強目的，故該二值化增強的結果基本符合后續(xù)線粒體輪廓識別需要.但是原始圖像中有些模糊、灰度值與鄰域差距不大的小部分非線粒體區(qū)域的像素點也被處理成了黑色，這需要在后續(xù)邊緣識別算法中予以甄別去除.此外二值化增強后的線粒體輪廓存在“鋸齒”現(xiàn)象，需要在邊緣識別過程中予以消除，以確保之后的線粒體定量分析中計算線粒體平均周長的精確性.

圖2 生成二值化增強圖過程

〔1〕吳正蓉,申洪.大腸腫瘤組織線粒體形態(tài)結構定量研究[J].世界華人消化雜志，2003，11（9）：1372-1374.

〔2〕林科燦,劉景豐.肝動脈復流時機對大鼠肝內(nèi)膽管上皮細胞缺血再灌注后超微結構的影響[J].中華實驗外科雜志，2006,23（9）:1072-1074.

〔3〕鄭富盛.細胞形態(tài)立體計量學[M].北京：北京醫(yī)科大學/中國協(xié)和醫(yī)科大學聯(lián)合出版社，1990.6-42.

〔4〕高家林，田艷，何繼峰，羅素元.嗎啡處理大鼠海馬線粒體定量分析及超微結構觀察[J].解剖學研究，2007,29（6）:442-444.

〔5〕C.M artinelli,P.Sartori,M.Ledda,E.Pannese.A study of mitochondria in spinal ganglion neurons during life:Quantitative changes from youth to extremely advanced age[J].Tissue and Cell.2006（38）：93–98.

〔6〕章毓晉.圖像處理和分析教程[M].北京：人民郵電出版社，2009.43-64.

TP391

A

1673-260X（2012）01-0104-03

福建省教育廳B類科技項目（JB11190）