Matlab圖像增強(qiáng)與復(fù)原技術(shù)在SEM圖像中的應(yīng)用
0引 言
本文引用地址:http://m.butianyuan.cn/article/149973.htm根據(jù)國內(nèi)外的相關(guān)文獻(xiàn),研究和發(fā)展圖像處理工具,改善圖像質(zhì)量是當(dāng)今研究的熱點(diǎn)。圖像增強(qiáng)與復(fù)原是一種基本的圖像處理技術(shù)。其按照特定的需要突出一幅圖像中的某些信息或強(qiáng)化某些感興趣的特征,將原來不清晰的圖片變得清晰,使之改善圖像質(zhì)量和豐富信息量,提高圖像的視覺效果和圖像成分的清晰度,加強(qiáng)圖像判讀和識別效果的圖像處理的方法。圖像增強(qiáng)和復(fù)原的目的是對圖像進(jìn)行加工,以得到視覺上更好、更加容易區(qū)分的圖像。
1圖像處理方法
1.1 直方圖均衡化
直方圖均衡化(Histogran Equalization,HE)是利用直方圖的統(tǒng)計數(shù)據(jù)進(jìn)行直方圖的修改,能有效地處理原始圖像的直方圖分布情況,使各灰度級具有均勻的概率分布,通過調(diào)整圖像的灰度值的動態(tài)范圍,自動地增加整個圖像的對比度,以使圖像具有較大的反差,大部分細(xì)節(jié)清晰。傳統(tǒng)的直方圖理論如下:
輸入的直方圖用H(p)表示;輸入的灰度級范圍為[p0,pk],其目的是找到一個單調(diào)的像素亮度變換q=T(p),使得輸出的直方圖G(q)在整個輸出亮度范圍[p0,pk]內(nèi)是均勻的。直方圖可以看作是離散的概率密度函數(shù),變換T的單調(diào)性意味著有如下公式成立:
式(1)中的求和可以理解成離散概率密度函數(shù)的累積。假設(shè)圖像有M行和N列個像素,則均衡化的直方圖G(q)就對應(yīng)均衡化的離散概率密度函數(shù)f,其函數(shù)的值是一個常數(shù):
式(2)的值替換式(1)的左邊,對于理想化的連續(xù)概率密度來說,就可以得到精確的均衡化直方圖,這時式(1)變化為:
式(4)中的積分被稱為累積的直方圖,在數(shù)字圖像中用求和來近似,因此結(jié)果直方圖并不是理想地等同的。在離散情況下,對式(4)的連續(xù)像素亮度變換的近似為:
1.2頻域低通濾波
對于圖像這樣的二維信號,經(jīng)過傅里葉變換可以將其空間域轉(zhuǎn)換到頻率域,在頻域中可以進(jìn)行圖像的增強(qiáng)操作。在分析圖像信號的頻率特性時,對于一幅圖像,直流分量表示了圖像的平均灰度;大面積的背景區(qū)域和緩慢變化部分代表了圖像的低頻分量,而它的邊緣,細(xì)節(jié),跳躍部分以及顆粒噪聲都代表圖像的高頻分量。因此,在頻域中對圖像采用濾波器函數(shù)衰減高頻信息而使低頻信息暢通無阻的過程稱為低通濾波。通過濾波可以去除高頻分量,消除噪聲,起到平滑圖像去噪聲的增強(qiáng)作用。
在頻域中實(shí)現(xiàn)對圖像的濾波過程如下:
(1)對原始輸入圖像進(jìn)行傅里葉變換,得到頻譜函數(shù)F(u,v);
(2)利用傳遞函數(shù)H(u,v)對圖像的頻譜函數(shù)F(u,v)進(jìn)行處理,得到輸出G(u,v);
(3)G(u,v)再經(jīng)過傅里葉反變換,得到所希望的圖像。
1.3 自適應(yīng)維納濾波
自適應(yīng)維納濾波圖像復(fù)原試圖利用退化現(xiàn)象的某種先驗(yàn)知識(即退化模型),對已退化了的圖像加以重建和復(fù)原,使復(fù)原的圖像盡量接近源圖像。圖像復(fù)原的目的就是盡可能復(fù)原被退化圖像的本來面目。實(shí)現(xiàn)圖像復(fù)原需要弄清退化原因,建立相應(yīng)的數(shù)學(xué)模型,并沿著圖像質(zhì)量降低的逆過程對圖像進(jìn)行復(fù)原。圖像復(fù)位技術(shù)對圖像退化的復(fù)原技術(shù)分為非約束復(fù)原方法、約束復(fù)原方法、非線性復(fù)原方法以及其他方法。在此,采用有約束圖像復(fù)原技術(shù)中的自適應(yīng)維納濾波。該算法是用 Wiener2函數(shù)進(jìn)行二維自適應(yīng)去噪濾波;該函數(shù)可對一幅被加性噪聲污染的灰度圖進(jìn)行低通濾波處理。它的運(yùn)算法則是Winner2函數(shù)估計圖像A中每個像素周圍的局部均值和方差:
式中:N和M表示每個像素周圍的N×M局部鄰域。Winener2函數(shù)使用這些估計值,構(gòu)建像素式維納濾波為:
式中:v2為噪聲方差,如果不指定噪聲方差,Winner2函數(shù)將使用所有局部估計方差的平均值作為其參數(shù)。
2基于Matlab中的圖像增強(qiáng)與圖像復(fù)原技術(shù)在SEM圖像中的應(yīng)用
采用該算法對醫(yī)學(xué)生物圖像進(jìn)行增強(qiáng)和復(fù)原的實(shí)現(xiàn)。如圖1所示,原始圖像的圖像模糊不清,動態(tài)范圍小,整個圖像呈現(xiàn)低對比度。利用直方圖均衡化處理的圖像2,使整個圖像的對比度明顯增強(qiáng),上皮細(xì)胞與周圍環(huán)境的區(qū)別明顯,但是圖像不平滑,有噪聲。經(jīng)過低通濾波處理后的圖3,通過濾波去除了高頻分量,消除了噪聲,起到了平滑圖像去除噪聲的增強(qiáng)作用,但因它去除了某些邊界對應(yīng)的頻率分量,使得上皮細(xì)胞的邊界變得有一點(diǎn)模糊緣效應(yīng)。經(jīng)過自適應(yīng)維納濾波得到的圖4,很好地改善了上皮細(xì)胞的圖像質(zhì)量,突出了上皮細(xì)胞的整體與局部特征,達(dá)到了很好的視覺效果和區(qū)別特征。
3 結(jié) 語
所用的原始圖片,是作者從事掃描電鏡工作過程中所拍到并且保存的照片,細(xì)胞與背景區(qū)分不明顯,無論怎么操作電鏡都無法達(dá)到客戶所希望的、清楚的細(xì)胞輪廓,與周圍環(huán)境區(qū)別明顯。圖像增強(qiáng)可以理解為按需要進(jìn)行適當(dāng)?shù)淖儞Q,對圖像的某些特征,如邊緣、輪廓的對比度等進(jìn)行強(qiáng)調(diào)或銳化,突出某些有用的信息,去除或消弱無用的信息,以便于顯示、觀察或進(jìn)一步分析和處理。圖像質(zhì)量的視覺評價是一個高度主觀的過程。
由圖1~圖4可見,原始圖片中的圖像模糊不清,對比度低,上皮細(xì)胞輪廓不明顯,與背景區(qū)分不大,在經(jīng)過直方圖均衡化,頻域低通濾波,自適應(yīng)維納濾波處理后,圖像逐步得以改善。最后得到的結(jié)果圖像 (見圖4自適應(yīng)維納濾波處理后的圖像),其上皮細(xì)胞的輪廓非常明顯,對比度和亮度很適中,能很好地用于生物醫(yī)學(xué)工作來鑒別上皮細(xì)胞。通過數(shù)字圖像處理能夠很好地增強(qiáng)與改善生物醫(yī)學(xué)上這類圖像質(zhì)量,在掃描電鏡工作過程中,因細(xì)胞(上皮細(xì)胞,鈣細(xì)胞,神經(jīng)細(xì)胞等)與周圍環(huán)境太相似,無論怎么操作電鏡,都無法得到細(xì)胞輪廓清楚,與背景區(qū)分明顯的理想圖像。數(shù)字圖像處理為醫(yī)學(xué)生物圖像的處理提供了一個技術(shù)平臺,不僅對生物醫(yī)學(xué)圖像的分析和診斷有著重要意義,而且對其他圖像處理也有著重要的參考意義。
評論