熒光圖像增強去噪的自適應頂帽變換算法

于 巖 成 敏

(四川大學計算機學院，四川 成都 610064)

1.引言

熒光顯微鏡在醫學中已經得到廣泛應用，針對熒光圖像所拍攝的熒光圖像的處理已經逐漸成為人們研究的課題。針對顯微鏡中激光光譜不均勻的問題，可以對熒光顯微鏡硬件進行改造[1，2]，但是顯微鏡的改造過程繁瑣，不能得到很好的應用。生物熒光圖像的背景比較復雜，不同區域的信噪比差距很大，針對熒光圖像的局部特征，Sternbreg[3]提出了一種“rolling ball”的算法來去除生物圖形背景，但是對于不同形狀和大小的信號，存在一些缺陷；在均勻顏色空間中，像素生長算法通過設定像素個數閾值達到消除噪聲區域的目的[4]，但是這個像素個數是人為確定的，存在較大變數；ISODATA算法中，通過多幅圖像平均的辦法來提高信噪比[5]。相比以上算法，形態學有著自己的優勢：方便靈活，并行快速，易于硬件實現，并對醫學圖像有不錯的處理效果。因此本文采用形態學的思想，通過局部自適應的方法來對其進行去噪。

形態學作為一門建立在數學基礎上的圖像處理與分析學科，已經被慢慢用于醫學圖像處理當中。形態學著重研究圖像的幾何結構，它的基本思想是利用一個具有一定幾何形狀的結構元素來探測整個圖像，通過不同形狀和大小的結構元素來檢驗其對圖像是否有效[6]。頂帽變換作為形態學的一個經典的方法，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比度，對于一些對比度不高的醫學圖像，頂帽變換非常合適。由于傳統形態學自身的原因，例如：在傳統形態學運算中，采用的結構元素，包括其形狀、大小，以及結構元素中的數值的判斷，往往是通過經驗來得到的。因此將其用于圖像去噪效果不是很穩定。鑒于以上特點，本文提出了一種改進的頂帽變換的自適應去噪算法來處理熒光圖像。

2.熒光圖像

熒光鏡檢測技術是用短波長的光線照射被熒光素染色的被檢測物體，使之受激發后而產生長波長的熒光，然后觀察。可以在一個細胞中標記多種蛋白質，用短波長光線照射后，會使所有被標記的不同的蛋白質產生不同顏色，從而得到一副彩色細胞蛋白質圖像。觀察時，顯微鏡會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記的蛋白質所產生的顏色，不同的熒光素對不同的蛋白標記所產生的顏色是不同的）分別進行觀察。本文將對宮頸上皮細胞中的三種蛋白質的熒光圖像進行分析。圖1(a)為宮頸上皮細胞所標記的三種蛋白質的彩色圖像。圖1(b)，圖1(c)，圖1(d)分別為顯微鏡對圖1(a)分解后的三種被標記的蛋白質的圖像。以圖1(b)為例，可以看出，圖像中出現了紅霧狀的噪聲，而且圖像的對比度不高，影響了觀測效果。造成這種噪聲的原因主要是由于對細胞的清洗不均勻，光照強度不均，細胞膜在操作過程中受損破裂，細胞自身的蛋白質粘連等。而這些因素又是操作過程中所不可避免的，醫生需要得到的是蛋白質部分的信息，為了突出醫生所需要的圖像信息，就需要對圖像進行去噪和增強處理。

圖1 不同蛋白質的熒光圖像對比

3.頂帽變換

形態學的基本運算包括腐蝕、膨脹、開運算和閉運算。其基本思想是用一個結構元素SE對圖像進行檢驗，驗證此結構元素是否能對圖像進行填充。

3.1 腐蝕和膨脹

設結構元素為SE，大小為m*n。圖像f大小為W*H。則腐蝕運算為：

f?SE=Min{f-i，-j－SE(i，j)}

被腐蝕后的圖像整體色調變暗。

膨脹運算為：

f⊕SE=Max{fi，j+SE(i，j)}

被膨脹后的圖像整體色調變亮。

3.2 開運算和閉運算

開運算：用同一個結構元素對圖像進行先腐蝕后膨脹的操作。

f?SE=(f?SE)⊕SE

開運算可以去掉比結構元素小的峰，運算后的圖像像素的灰度值小于或等于原灰度值。

閉運算：用同一個結構元素對圖像進行先膨脹后腐蝕的操作。

f·SE=(f⊕SE)?SE

閉運算可以填充比結構元素小的谷，運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，增強了圖像的對比度。

針對熒光圖像中出現的對比度較低的問題，頂帽變換能很好地解決。

4.結構元素的選取

結構元素的選取在形態學運算中是很重要的一環，直接影響到對圖像處理的效果。結構元素的選取包括形狀、元素中的點以及結構元素的大小。

4.1 結構元素的形狀

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

4.2 結構元素中的點

由形態學運算的定義可知，在運算過程中，結構元素中的點的值會和圖像中對應點的像素值相加減。對圖像帶來了不必要的加性噪聲，影響了處理效果。為了避免這種影響，可以選擇點全部為零的結構元素[10]。

4.3 結構元素的大小

圖像的去噪效果與結構元素的大小n（邊長為（2n+1）的正方形）有著密切的關系。如果n過小，噪聲不能很好地去除，反之，圖像中的信息量會遭到破壞，使邊緣造成模糊現象。因此，在過小和過大之間，會有一個比較合適的閾值，使圖像處理效果達到最佳，圖像的直方圖更接近原始圖像的直方圖。

根據以上關系，可以得到一種自適應算法，確定閾值。步驟為：

步驟1：初始化變量n=1，估計原始圖像的直方圖hist[11]；

步驟2：利用結構元素SEn，對圖像進行頂帽變換，得到輸出圖像fn，計算出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，Else跳至步驟4，繼續運算；

步驟4：n+1，進行步驟2的操作。

（紅色圖像的閾值n為5）

4.4 增強對比度的染色

由于標本在制作過程中，一些極小顆粒的蛋白質對觀測造成了一定的影響，細胞液分布不均勻，會導致短波照射過程中，出現不均現象。為了避免這些所帶來的影響，根據最大類間方差，將圖像分成前景和背景，對圖像進行一次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比度，有利于實驗者對目標進行觀察。

5.測試實驗

針對紅色的熒光圖像圖2(a)進行實驗，圖2(b)為中值濾波去噪后的染色圖像，圖2(c)為傳統形態學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；而傳統的形態學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象，對比度更高，有利于觀察實驗。

6.結論和展望

本文提出了一種改進的自適應tophat變換算法，結合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。但是針對圖像的背景，只是做了簡單的Otsu分割，不能很好地處理背景中的噪聲，這將是今后的改進方向。

[1]尹霞.顯微熒光圖像連續光譜分析系統的研究[D].河北工業大學，2005.

[2]楊廣烈.熒光與熒光顯微鏡[J].光學儀器，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.一種改進的ISODATA算法及在彩色熒光圖像中的應用[J].四川大學學報，2007，6(44)：563-568.

[6]崔屹.圖像處理與分析—數學形態學方法及應用[M].北京：科學出版社，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.形態學圖像去噪中結構元素選取原則[J].數據采集與處理，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.基于改進形態學運算的圖像去噪自適應算法研究[J].成都信息工程學院學報，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濾除[J].中國圖像圖形學報，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].計算機應用，2000，20(5)：37-39.