于 巖 成 敏

(四川大學(xué)計(jì)算機(jī)學(xué)院，四川 成都 610064)

1.引言

熒光顯微鏡在醫(yī)學(xué)中已經(jīng)得到廣泛應(yīng)用，針對(duì)熒光圖像所拍攝的熒光圖像的處理已經(jīng)逐漸成為人們研究的課題。針對(duì)顯微鏡中激光光譜不均勻的問題，可以對(duì)熒光顯微鏡硬件進(jìn)行改造[1，2]，但是顯微鏡的改造過(guò)程繁瑣，不能得到很好的應(yīng)用。生物熒光圖像的背景比較復(fù)雜，不同區(qū)域的信噪比差距很大，針對(duì)熒光圖像的局部特征，Sternbreg[3]提出了一種“rolling ball”的算法來(lái)去除生物圖形背景，但是對(duì)于不同形狀和大小的信號(hào)，存在一些缺陷；在均勻顏色空間中，像素生長(zhǎng)算法通過(guò)設(shè)定像素個(gè)數(shù)閾值達(dá)到消除噪聲區(qū)域的目的[4]，但是這個(gè)像素個(gè)數(shù)是人為確定的，存在較大變數(shù)；ISODATA算法中，通過(guò)多幅圖像平均的辦法來(lái)提高信噪比[5]。相比以上算法，形態(tài)學(xué)有著自己的優(yōu)勢(shì)：方便靈活，并行快速，易于硬件實(shí)現(xiàn)，并對(duì)醫(yī)學(xué)圖像有不錯(cuò)的處理效果。因此本文采用形態(tài)學(xué)的思想，通過(guò)局部自適應(yīng)的方法來(lái)對(duì)其進(jìn)行去噪。

形態(tài)學(xué)作為一門建立在數(shù)學(xué)基礎(chǔ)上的圖像處理與分析學(xué)科，已經(jīng)被慢慢用于醫(yī)學(xué)圖像處理當(dāng)中。形態(tài)學(xué)著重研究圖像的幾何結(jié)構(gòu)，它的基本思想是利用一個(gè)具有一定幾何形狀的結(jié)構(gòu)元素來(lái)探測(cè)整個(gè)圖像，通過(guò)不同形狀和大小的結(jié)構(gòu)元素來(lái)檢驗(yàn)其對(duì)圖像是否有效[6]。頂帽變換作為形態(tài)學(xué)的一個(gè)經(jīng)典的方法，它能夠提取圖像中局部較亮的部分，而且能夠增加圖像的對(duì)比度，對(duì)于一些對(duì)比度不高的醫(yī)學(xué)圖像，頂帽變換非常合適。由于傳統(tǒng)形態(tài)學(xué)自身的原因，例如：在傳統(tǒng)形態(tài)學(xué)運(yùn)算中，采用的結(jié)構(gòu)元素，包括其形狀、大小，以及結(jié)構(gòu)元素中的數(shù)值的判斷，往往是通過(guò)經(jīng)驗(yàn)來(lái)得到的。因此將其用于圖像去噪效果不是很穩(wěn)定。鑒于以上特點(diǎn)，本文提出了一種改進(jìn)的頂帽變換的自適應(yīng)去噪算法來(lái)處理熒光圖像。

2.熒光圖像

熒光鏡檢測(cè)技術(shù)是用短波長(zhǎng)的光線照射被熒光素染色的被檢測(cè)物體，使之受激發(fā)后而產(chǎn)生長(zhǎng)波長(zhǎng)的熒光，然后觀察?？梢栽谝粋€(gè)細(xì)胞中標(biāo)記多種蛋白質(zhì)，用短波長(zhǎng)光線照射后，會(huì)使所有被標(biāo)記的不同的蛋白質(zhì)產(chǎn)生不同顏色，從而得到一副彩色細(xì)胞蛋白質(zhì)圖像。觀察時(shí)，顯微鏡會(huì)把彩色圖像分解成不同的單色圖像（單色圖像的色彩是被標(biāo)記的蛋白質(zhì)所產(chǎn)生的顏色，不同的熒光素對(duì)不同的蛋白標(biāo)記所產(chǎn)生的顏色是不同的）分別進(jìn)行觀察。本文將對(duì)宮頸上皮細(xì)胞中的三種蛋白質(zhì)的熒光圖像進(jìn)行分析。圖1(a)為宮頸上皮細(xì)胞所標(biāo)記的三種蛋白質(zhì)的彩色圖像。圖1(b)，圖1(c)，圖1(d)分別為顯微鏡對(duì)圖1(a)分解后的三種被標(biāo)記的蛋白質(zhì)的圖像。以圖1(b)為例，可以看出，圖像中出現(xiàn)了紅霧狀的噪聲，而且圖像的對(duì)比度不高，影響了觀測(cè)效果。造成這種噪聲的原因主要是由于對(duì)細(xì)胞的清洗不均勻，光照強(qiáng)度不均，細(xì)胞膜在操作過(guò)程中受損破裂，細(xì)胞自身的蛋白質(zhì)粘連等。而這些因素又是操作過(guò)程中所不可避免的，醫(yī)生需要得到的是蛋白質(zhì)部分的信息，為了突出醫(yī)生所需要的圖像信息，就需要對(duì)圖像進(jìn)行去噪和增強(qiáng)處理。

圖1 不同蛋白質(zhì)的熒光圖像對(duì)比

3.頂帽變換

形態(tài)學(xué)的基本運(yùn)算包括腐蝕、膨脹、開運(yùn)算和閉運(yùn)算。其基本思想是用一個(gè)結(jié)構(gòu)元素SE對(duì)圖像進(jìn)行檢驗(yàn)，驗(yàn)證此結(jié)構(gòu)元素是否能對(duì)圖像進(jìn)行填充。

3.1 腐蝕和膨脹

設(shè)結(jié)構(gòu)元素為SE，大小為m*n。圖像f大小為W*H。則腐蝕運(yùn)算為：

f?SE=Min{f-i，-j－SE(i，j)}

被腐蝕后的圖像整體色調(diào)變暗。

膨脹運(yùn)算為：

f⊕SE=Max{fi，j+SE(i，j)}

被膨脹后的圖像整體色調(diào)變亮。

3.2 開運(yùn)算和閉運(yùn)算

開運(yùn)算：用同一個(gè)結(jié)構(gòu)元素對(duì)圖像進(jìn)行先腐蝕后膨脹的操作。

f?SE=(f?SE)⊕SE

開運(yùn)算可以去掉比結(jié)構(gòu)元素小的峰，運(yùn)算后的圖像像素的灰度值小于或等于原灰度值。

閉運(yùn)算：用同一個(gè)結(jié)構(gòu)元素對(duì)圖像進(jìn)行先膨脹后腐蝕的操作。

f·SE=(f⊕SE)?SE

閉運(yùn)算可以填充比結(jié)構(gòu)元素小的谷，運(yùn)算后的圖像像素的灰度值大于或等于原灰度值。

3.3 頂帽變換（Top—hat）

用原圖像減去開運(yùn)算后的圖像的方法就是頂帽變換。

f－(f?SE)

頂帽變換后的圖像留下了原圖中的波峰部分，增強(qiáng)了圖像的對(duì)比度。

針對(duì)熒光圖像中出現(xiàn)的對(duì)比度較低的問題，頂帽變換能很好地解決。

4.結(jié)構(gòu)元素的選取

結(jié)構(gòu)元素的選取在形態(tài)學(xué)運(yùn)算中是很重要的一環(huán)，直接影響到對(duì)圖像處理的效果。結(jié)構(gòu)元素的選取包括形狀、元素中的點(diǎn)以及結(jié)構(gòu)元素的大小。

4.1 結(jié)構(gòu)元素的形狀

結(jié)構(gòu)元素的形狀可以是任意形狀，常用的結(jié)構(gòu)元素的形狀為圓形、正方形、菱形、六邊形、線性等等，不同形狀的結(jié)構(gòu)元素可以針對(duì)不同的噪聲。不同形狀的結(jié)構(gòu)元素分別對(duì)圖像各塊進(jìn)行處理，然后再將處理后的圖像合并起來(lái)，能得到較好的濾波效果[7]，但是這種方法比較復(fù)雜，處理過(guò)程比較麻煩。結(jié)構(gòu)元素在選取時(shí)遵循相似性原則[8，9]：結(jié)構(gòu)元素的形狀與噪聲圖像的形狀應(yīng)盡可能相似。針對(duì)此熒光圖像中霧狀的噪聲，可以選擇具有對(duì)稱性的正方形的結(jié)構(gòu)元素。

4.2 結(jié)構(gòu)元素中的點(diǎn)

由形態(tài)學(xué)運(yùn)算的定義可知，在運(yùn)算過(guò)程中，結(jié)構(gòu)元素中的點(diǎn)的值會(huì)和圖像中對(duì)應(yīng)點(diǎn)的像素值相加減。對(duì)圖像帶來(lái)了不必要的加性噪聲，影響了處理效果。為了避免這種影響，可以選擇點(diǎn)全部為零的結(jié)構(gòu)元素[10]。

4.3 結(jié)構(gòu)元素的大小

圖像的去噪效果與結(jié)構(gòu)元素的大小n（邊長(zhǎng)為（2n+1）的正方形）有著密切的關(guān)系。如果n過(guò)小，噪聲不能很好地去除，反之，圖像中的信息量會(huì)遭到破壞，使邊緣造成模糊現(xiàn)象。因此，在過(guò)小和過(guò)大之間，會(huì)有一個(gè)比較合適的閾值，使圖像處理效果達(dá)到最佳，圖像的直方圖更接近原始圖像的直方圖。

根據(jù)以上關(guān)系，可以得到一種自適應(yīng)算法，確定閾值。步驟為：

步驟1：初始化變量n=1，估計(jì)原始圖像的直方圖hist[11]；

步驟2：利用結(jié)構(gòu)元素SEn，對(duì)圖像進(jìn)行頂帽變換，得到輸出圖像fn，計(jì)算出fn的直方圖histn；

步驟3：判斷histn與hist的差距，若差距不大，則輸出圖像fn，跳出循環(huán)，Else跳至步驟4，繼續(xù)運(yùn)算；

步驟4：n+1，進(jìn)行步驟2的操作。

（紅色圖像的閾值n為5）

4.4 增強(qiáng)對(duì)比度的染色

由于標(biāo)本在制作過(guò)程中，一些極小顆粒的蛋白質(zhì)對(duì)觀測(cè)造成了一定的影響，細(xì)胞液分布不均勻，會(huì)導(dǎo)致短波照射過(guò)程中，出現(xiàn)不均現(xiàn)象。為了避免這些所帶來(lái)的影響，根據(jù)最大類間方差，將圖像分成前景和背景，對(duì)圖像進(jìn)行一次Otsu

[12]分割。圖像中像素值大于閾值(該閾值為42)的部分，像素值不變，像素值小于閾值的部分改為0，這樣增加了圖像的對(duì)比度，有利于實(shí)驗(yàn)者對(duì)目標(biāo)進(jìn)行觀察。

5.測(cè)試實(shí)驗(yàn)

針對(duì)紅色的熒光圖像圖2(a)進(jìn)行實(shí)驗(yàn)，圖2(b)為中值濾波去噪后的染色圖像，圖2(c)為傳統(tǒng)形態(tài)學(xué)的頂帽變換后的染色圖像，圖2(d)為本方法處理所得到的圖像。

圖2 不同去噪方法的對(duì)比

由圖像可以明顯看出，中值濾波不能很好地去除圖像中的噪聲；而傳統(tǒng)的形態(tài)學(xué)的頂帽變換處理所得到圖像，雖然背景稍微有所改變，但依然有紅霧現(xiàn)象；而本方法所處理的圖像，能夠較好地去除圖像中的紅霧現(xiàn)象，對(duì)比度更高，有利于觀察實(shí)驗(yàn)。

6.結(jié)論和展望

本文提出了一種改進(jìn)的自適應(yīng)tophat變換算法，結(jié)合Otsu分割圖像，可以很好地去除圖像前景中的噪聲，這種方法比較適合熒光圖像。但是針對(duì)圖像的背景，只是做了簡(jiǎn)單的Otsu分割，不能很好地處理背景中的噪聲，這將是今后的改進(jìn)方向。

[1]尹霞.顯微熒光圖像連續(xù)光譜分析系統(tǒng)的研究[D].河北工業(yè)大學(xué)，2005.

[2]楊廣烈.熒光與熒光顯微鏡[J].光學(xué)儀器，2001，23(2)：18-29.

[3]Sternberg S.Biomedical Image Processing.IEEE Computer，1983，6(1)：22-34.

[4]Boland M.V.&M arkey M.K.&M urphy R.F.Classification of protein localization patterns obtained via fluorescence light m icroscopy.Engineering in Medical and Biology society.Proceedings of the l9th Annual International Conference of the IEEE，2003(2)：298-304.

[5]何霽，滕奇志，羅代升，何小海.一種改進(jìn)的ISODATA算法及在彩色熒光圖像中的應(yīng)用[J].四川大學(xué)學(xué)報(bào)，2007，6(44)：563-568.

[6]崔屹.圖像處理與分析—數(shù)學(xué)形態(tài)學(xué)方法及應(yīng)用[M].北京：科學(xué)出版社，2000.

[7]Debayle J.&Pinoli J.C.Multiscale image filtering and segmentation by means of adaptive neighborhood mathematical morphology[J].Image Processing，2005，3(11-14)：537-540.

[8]張黃群，于盛林，白銀剛.形態(tài)學(xué)圖像去噪中結(jié)構(gòu)元素選取原則[J].數(shù)據(jù)采集與處理，2008，23(s)：81-87.

[9]Soille and H.Talbot.Directional Morphological Filtering.IEEE Transactions on Pattern Analysis and M achine Intelligence，2001，23(11)：1313-1329.

[10]許致火，何建新，朱幼蓮.基于改進(jìn)形態(tài)學(xué)運(yùn)算的圖像去噪自適應(yīng)算法研究[J].成都信息工程學(xué)院學(xué)報(bào)，2009，2(24)：33-38.

[11]李樹濤，王耀南.圖像椒鹽噪聲的非線性自適應(yīng)濾除[J].中國(guó)圖像圖形學(xué)報(bào)，2000，5(12)：999-1001.

[12]付忠良.圖像閾值選取方法—O tsu方法的推廣[J].計(jì)算機(jī)應(yīng)用，2000，20(5)：37-39.