顯微圖像是指在顯微鏡里觀察到的圖像。隨著計算機圖像處理技術和模式識別的發展, 對顯微圖像進行分析處理已經逐漸在科學研究中得到套用, 其中最重要的一個方面是對微生物進行分類識別。
基本介紹
- 中文名：顯微圖
- 外文名：micrograph
- 簡介：在顯微鏡里觀察到的圖像
- 套用學科：儀器科學，醫學
- 套用：微生物分類識別等
- 相關操作：圖像拼接、醫學圖像處理系統
像特徵量,各特徵值定義,綜合分析統計,圖像系統,構成,發展前景,圖像拼接,模板匹配拼接,多解析度匹配,無縫拼接,
像特徵量
單個細胞的幾何特徵就是各連通區域的幾何特徵,各特徵量之間存在著密切的聯繫和影響, 樣片中各細胞的分布和統計就是圖像中各連通區域的分布和統計.細胞各特徵量的計算是統計與分析的基礎, 而正確的判斷和統計還需經過數理統計、均值聚類等進一步計算和分析而獲得.各連通域的計算包括對幾何特徵如周長、面積、重心的運算和形態特徵如圓度、矩形度、矩的套用、邊緣複雜度的運算。
各特徵值定義
形態特徵的計算首先涉及到細胞連通區域的標記, 區域標記是指將連在一起的同一區域像素賦上相同的標記的過程.不同細胞的連線部分賦上不同的標記.為了能更好地區分不同的細胞體, 可採用顏色差值區域標記法, 給不同的連通體賦上不同的像素值, 而且其顏色差值比較大, 這樣我們就可以很清楚地區分每個獨立的細胞區域.連通區域的面積通過連通區域的總像素的求和得到, 而連通區域的周長通過獲得連通域的外輪廓, 然後求取累積邊界的長而獲得, 對於邊界對角線上的點, 其長度應計為√2。
對於面積一定的圖形, 一般周長越小, 圓形外輪廓表面越光滑, 越接近圓;反之, 周長越大, 則圖形外輪廓表面褶皺越多, 形狀也就越複雜.由此可採用圓度C 來衡量圖形的複雜程度, 其最常用的計算公式如下：
。其中, P 為圖形周長, A 為周長所圍面積。
綜合分析統計
考慮到排除圖像噪音的需要, 在對細胞的幾何與形態特徵量的運算中, 通過對細胞特徵中周長、面積、圓度、長短半軸等量的數學期望以及它們的方差的計算, 可以排除掉過小的噪聲點而使有效的連通域進入進一步的計算.統計量期望的計算公式為:
。其中, n 為細胞圖像中細胞的個數, xn 為第n個細胞的特徵量(如:周長、面積等).
根據連通域特徵的定義和數學模型, 各特徵量的單獨計算很容易得到, 為了全面分析它們, 需綜合分析這些特徵量.細胞大小、細胞的圓度、細胞的長寬、細胞的矩等在不同目標判別中, 其占有的權重不同, 系統而全面的分析還可通過各特徵的期望與方差, 可區分或篩選出圖像中有效的連通區域.同時, 用K 一均值聚類和FCM 算法可從巨觀上進一步過濾掉連通域噪聲並給出更為全面準確的細胞分類和判斷分析結果, 得到精確的分析統計結果。
圖像系統
醫學顯微圖像是進行醫療診斷的重要參考依據,也是醫療手段現代化和計算機化的重要一環.傳統的醫學顯微圖像的分析過程一般是在病人送來檢樣後,在光學顯微鏡下由檢測員用肉眼觀看並計數和分析,並對照顯微例圖樣本而給出診斷結論. 這樣的操作過程使得檢測員的工作強度較大,對檢測員的技術水平要求較高,且檢測的結果是以文字方式記錄下來的,不利於主治醫師和住院部醫師對顯微圖像的進一步分析.
如果採用計算機技術將顯微圖像以數字圖象的方式攝入和記錄下來就將大大提高這個醫療信息的使用效益. 由於檢測員在大螢幕上觀測顯微圖像,工作強度將大大減少. 同時,顯微圖像將被列印在診斷報告單上,為其他醫師和病人家屬提供一個作進一步分析的圖像樣本,這也是醫院醫療信息網上的共享資源,這還是基於Internet的遠距離醫療診斷系統的一部分. 由於計算機上已儲存有標準的顯微例圖樣本,檢測員可在計算機上對照被測圖例而進行分析判別. 同時在軟體系統上增加DNS和其它醫療顯微圖像的分析判斷模組,系統將提供更為可靠和快捷的分析結果.
構成
醫學顯微圖像處理系統的構成如圖所示。
顯微圖像處理系統的構成如圖
顯微圖像處理系統的構成如圖病歷錄入和改寫模組可輸入和編輯病人的基本醫療情況,病歷查詢模組可方便查詢和編輯其診斷圖像信息,圖像攝入模組將光學圖像變為數位化圖像,診斷報告列印模組將列印有顯微圖像的診斷報告,圖像標註模組為在圖像上寫字和標記圖像的特徵區域提供工具,圖像對比分析模組為所檢測的圖像與樣本圖像的比較和分析提供對比和分析的環境.從系統構成的框圖上可知,系統的各基本模組是可相互調用的,軟體系統的使用者可在可視化環境中用滑鼠方便地完成各種操作。
發展前景
顯微圖像處理系統主要套用了圖像對象與資料庫的關聯技術和面想對象的編程方法,通過系統的實際運行檢驗,表明系統的軟體框架設計合理,為高效準確地提供顯微圖像診斷結果和醫療信息計算機化提供了一個良好的操縱平台,我們將添加更多的醫療圖像種類的分析模組.同時,該系統可拓廣到CT、X光透視圖像的管理及無損醫學檢驗中.
圖像拼接
目前已提出一種基於格線匹配的快速匹配算法,其基本思路是利用圖像中相鄰像素的灰度值相差不大的特點,在第二幅圖像的重疊區域取一個格線,然後將格線在第一幅圖像上移動,計算所有格線點的兩幅圖像對應點的RGB值的差的平方和。記錄最小的值的格線位置,即認為是最佳匹配位置。並且將匹配分為粗細兩個步驟,可明顯減少計算量。
圖像拼接技術目前主要套用於全景視頻系統和地理信息系統中,實現若干幅部分重疊的小圖像拼接成一幅大的圖像,以得到全景信息。在顯微圖像的研究中,同樣地存在類似的圖像拼接問題。智慧型化鐵譜診斷系統是一個典型的顯微圖像套用領域,其基本思想是通過對顯微圖像中的機械磨損顆粒圖像進行識別以進行機械磨損故障分析。在低的物鏡放大倍數下(如× 4、× 10) ,磨粒的整體形貌在同一現場中基本上能得到完整顯示,但在高放大倍數下(如× 40、× 60) ,在一個視場中往往不能完整顯示一個尺寸較大的磨粒,所以經常出現磨粒被截斷的現象,從而導致後續磨粒識別的困難。
模板匹配拼接
模板匹配又稱為基於塊kuai匹配的算法,是一種最常用的圖像匹配算法。在模板匹配中使匹配的兩個表達都是圖像。對圖像的匹配可以是整幅圖像和整幅圖像間的匹配,也可以是圖像間的一部分(子圖像)間的匹配,顯然圖像拼接中的模板匹配是在第二幅圖像中建立模板,在第一幅圖像中去尋找與模板最相似的圖像區域,從而以確定圖像的重疊區域,最終實現圖像拼接。匹配中的主要工作是將模板在圖上平移並計算相關,相關值最大處即為匹配最好處。
模板匹配示意圖
模板匹配示意圖多解析度匹配
又稱基於金字塔數據結構的多解析度匹配。在模板匹配中,如果模板的尺寸選取過大,雖能保證足夠的精度,但匹配的速度將大大降低; 如果模板的尺寸選取過小,雖能有效地提高計算速度,但匹配的精度又將明顯降低。
一種減少匹配搜尋時間的有效方法是用圖像的金字塔式數據結構,按先粗後細的順序尋找匹配位置。其基本思路是先對圖像中2× 2領域內的像點灰度值取平均,得到解析度低一級的圖像。照此原理,可得到一組呈金字塔式的圖像。當把待匹配的兩幅都作此預處理後,匹配搜尋從二圖的某一低解析度的開始。這裡不但像點數目少,高頻信息也平滑掉一部分。因此粗匹配結果可能出現不只一個匹配位置。因為圖中點數少,即使粗匹配是在全部參考點上進行,搜尋過程仍很快。接下去轉到高一級解析度的圖上找匹配,但搜尋空間只限於一個或幾個粗匹配點附近,計算量不大。第三次找匹配同第二次的。仿此下去,直到在k= 0的一級即原圖像上找出二圖的匹配點為止。
金字塔式圖像數據結構
金字塔式圖像數據結構將基於圖像金字塔數據結構的多解析度匹配技術運用於圖像拼接需要注意以下幾點:
( 1)圖像的金字塔數據結構層數並不是越多越好,它必定存在一個最佳值。一般以最頂層圖像數據長和寬不少於200個像素較合適。
( 2)由於圖像的金字塔數據結構頂層的圖像解析度低,匹配精度不高,所以頂層的最佳匹配點並不一定是真正的最佳點,如果只在頂層尋找一個最佳的匹配點,然後在逐層向下以頂層的匹配點為依據進行搜尋,這樣誤匹配的機率必將大大增加。解決的方法是在頂層以相關係數值的大小為依據,從大到小尋找多個匹配點,然後以該多個粗匹配點為基礎逐層向下搜尋,這樣匹配的可靠性將大為提高,因此粗匹配點的選取數目也需要認真考慮。一般取5～ 10個點。
( 3)由於基於塊匹配的圖像拼接算法對圖像灰度的依賴性很大,所以不同質量的圖像匹配的難易程度不同,對於圖像清晰,對比度強,圖像中景物很多的圖像,顯然匹配容易,此時要求圖像重疊區域要少些,模板也可小些; 而對於圖像模糊,對比度差,尤其是圖像中景物很少的圖像,拼接將變得很困難,有時甚至會失敗,此時要求圖像的重疊應多些,匹配的模板也要大些。所以在對具體圖像進行拼接時,圖像的重疊區域大小及匹配模板的大小均需仔細考慮。一般要求圖像重疊區域在1 /2幅圖像寬左右。
無縫拼接
當找到兩幅待拼接圖像的最佳匹配點後,下一步工作就是將兩幅圖像合成一幅圖像, 如果對於重疊部分只是簡單的取重疊區域中第一幅圖像或第二幅圖像數據, 將會造成圖像的模糊和明顯的連線痕跡,這是圖像拼接所不能容忍的, 它同樣會影響到後續的圖像分割和識別, 即使取兩幅圖像重疊區的平均值,效果也不能令人滿意。因此為了能使拼接區域平滑,目前廣泛採用漸入漸出的方法,即在重疊部分由第一幅圖像慢慢過渡到第二幅圖像。這樣便可實現圖像的無縫拼接。兩幅圖像的左右方向拼接示意圖如圖所示.
圖像拼接示意圖
圖像拼接示意圖