Обработка изображений микроскопа

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

Получение изображения

До начала 1990-х годов большая часть получения изображений в приложениях видеомикроскопии обычно выполнялась с помощью аналоговой видеокамеры, часто просто телевизионных камер замкнутого контура. Хотя для этого требовалось использование устройства захвата кадров для оцифровки изображений, видеокамеры обеспечивали изображение с полной частотой кадров (25–30 кадров в секунду), что позволяло записывать и обрабатывать видео в реальном времени. Хотя появление твердотельных детекторов дало ряд преимуществ, видеокамера реального времени фактически превосходила их во многих отношениях.

Сегодня сбор данных обычно осуществляется с помощью ПЗС- камеры, установленной на оптическом пути микроскопа. Камера может быть полноцветной или монохромной. Очень часто для получения как можно большего количества прямой информации используются камеры очень высокого разрешения. криогенное Также распространено охлаждение для минимизации шума. Часто цифровые камеры, используемые для этих целей, предоставляют данные об интенсивности пикселей с разрешением 12–16 бит, что намного выше, чем используется в потребительских продуктах обработки изображений.

По иронии судьбы, в последние годы много усилий было направлено на сбор данных со скоростью видео или выше (25–30 кадров в секунду или выше). То, что когда-то было легко с помощью стандартных видеокамер, теперь требует специальной высокоскоростной электроники для обработки огромной полосы пропускания цифровых данных.

Более высокая скорость сбора данных позволяет наблюдать динамические процессы 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, обработка которых может оказаться сложной задачей даже для современной компьютерной системы.

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

Для получения наилучших результатов необходимо выбрать подходящий датчик для конкретного применения. Поскольку изображения, полученные с помощью микроскопа, имеют собственное предельное разрешение, часто нет смысла использовать шумный детектор с высоким разрешением для получения изображений. Более скромный детектор с более крупными пикселями часто может создавать изображения гораздо более высокого качества из-за снижения шума. Это особенно важно в приложениях с низкой освещенностью, таких как флуоресцентная микроскопия .

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, может возникнуть желание получить изображения с максимально возможным пространственным разрешением, независимо от времени, необходимого для получения одного изображения.

Методы 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 в себя регулировку яркости и контрастности изображения, усреднение изображений для уменьшения шума изображения и коррекцию неравномерности освещения. Такая обработка включает в себя только базовые арифметические операции между изображениями (т.е. сложение, вычитание, умножение и деление). Подавляющее большинство операций обработки изображений, полученных с помощью микроскопа, имеют именно такой характер.

Другой класс распространенных 2D-операций, называемый сверткой изображения , часто используется для уменьшения или улучшения деталей изображения. Такие алгоритмы «размытия» и «повышения резкости» в большинстве программ работают путем изменения значения пикселя на основе взвешенной суммы его и окружающих пикселей (более подробное описание свертки на основе ядра заслуживает отдельного раздела) или путем изменения частотной области. функция изображения с использованием преобразования Фурье . Большинство методов обработки изображений выполняются в частотной области.

Другие базовые двухмерные методы включают такие операции, как вращение изображения, деформация, цветовая балансировка и т. д.

Иногда используются передовые методы с целью «устранить» искажение оптического пути микроскопа, тем самым устраняя искажения и размытие, вызванные оборудованием. Этот процесс называется деконволюцией множество алгоритмов , и было разработано , некоторые из которых имеют большую математическую сложность. Конечным результатом является изображение, гораздо более четкое и четкое, 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 образца) и использует эти данные для восстановления более точного трехмерного изображения.

Техники 3D-изображения

Еще одно 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 узкая, можно захватывать изображения «сквозь» трехмерный объект с помощью 2D-оборудования, такого как конфокальные микроскопы . Затем программное обеспечение может реконструировать 3D-модель исходного образца, которой можно манипулировать соответствующим образом. Обработка превращает 2D-инструмент в 3D-инструмент, которого иначе не было бы. В последнее время этот метод привел к ряду научных открытий в клеточной биологии.

Анализ

Анализ изображений будет значительно различаться в зависимости от приложения. Типичный анализ включает в себя определение границ объекта, подсчет похожих объектов, расчет площади, длины периметра и другие полезные измерения каждого объекта. Распространенный подход заключается в создании маски изображения, которая включает только пиксели, соответствующие определенным критериям, а затем выполнение более простых операций сканирования над полученной маской. Также можно маркировать объекты и отслеживать их движение по серии кадров видеоряда.

См. также

• Обработка изображений

Ссылки

Расс, Джон К. (19 декабря 2006 г.) [1992]. Руководство по обработке изображений (5-е изд.). ЦРК Пресс. ISBN  0-8493-7254-2 .

• Ян-Марк Гезебрук, «Цвет и геометрическая структура изображений, приложения в микроскопии», ISBN   90-5776-057-6
• Молодой Ян Т., Не просто красивые картинки: Цифровая количественная микроскопия, Учеб. Королевское микроскопическое общество, 1996, 31 (4), стр. 311–313.
• Янг Ян Т., Количественная микроскопия, IEEE Engineering in Medicine and Biology, 1996, 15 (1), стр. 59–66.
• Янг Ян Т., Плотность выборки и количественная микроскопия, Аналитическая и количественная цитология и гистология, том. 10, 1988, стр. 269–275.

Внешние ссылки

• Количественная визуализация (неработающая ссылка)