本發(fā)明涉及顯微圖像景深擴展領域，具體地，涉及一種多光譜顯微成像的景深擴展方法及系統(tǒng)。
背景技術(shù)：
：顯微鏡的景深嚴重制約著顯微鏡在光軸方向上的成像范圍，景深擴展技術(shù)可以若干倍地放大顯微鏡的景深，擴大顯微鏡的軸向成像范圍。顯微成像系統(tǒng)能夠提高圖像的橫向分辨率，然而這是以犧牲圖像的景深為代價的。對于被測物體三維形狀復雜、觀測界面相變等三維動態(tài)變化過程、被測物體與光軸方向傾斜或者其他大縱深的三維視場，往往需要得到視場范圍內(nèi)所有物體聚焦的單張圖像。因此，擴展圖像景深的問題在多光譜顯微成像中非常重要，由此發(fā)展出來的方法包括：改進顯微成像系統(tǒng)的機械布置，或者組成元件(機械掃描、波前編碼或者綜合復用入射光等))以及圖像合成景深重建。前者會增加系統(tǒng)硬件的復雜度；而后者充分利用圖像合成的特點，不需要額外結(jié)構(gòu)，實現(xiàn)簡單。技術(shù)實現(xiàn)要素：針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種多光譜顯微成像的景深擴展方法及系統(tǒng)。根據(jù)本發(fā)明提供的多光譜顯微成像的景深擴展方法，包括如下步驟：中值濾波步驟：將每一像素點的灰度值設置為該像素點指定鄰域窗口內(nèi)的所有像素點灰度值的中值，并對顯微圖像進行噪聲濾除；從而減少后續(xù)虛假邊緣產(chǎn)生；形態(tài)學梯度處理步驟：將膨脹后的原圖像和腐蝕后的原圖像做差，得到形態(tài)學梯度，即提取出顯微圖像中由團塊組成的目標和背景的邊緣；能夠突出高亮區(qū)域的外圍，能夠描述圖像亮度變化的劇烈程度，滿足對清晰區(qū)域的檢測，獲取清晰的邊緣輪廓信息；形態(tài)學膨脹處理步驟：以基于清晰區(qū)域臨近區(qū)域也清晰為前提條件，通過灰度圖像的形態(tài)學膨脹方法來擴大清晰區(qū)域；其作用相當于空間最大值濾波過程，是指將一些圖像與核進行卷積，核采用3×3的方形核，核與圖像卷積，即計算核覆蓋的區(qū)域的像素點的最大值，并把這個最大值賦給參考點指定的像素，這樣就會使圖像中的高亮度區(qū)域逐漸增長；形態(tài)學閉運算步驟：將圖像進行膨脹后再進行腐蝕，通過形態(tài)學閉運算消除低于高亮點鄰近點的孤立點或孤立點群，得到邊緣圖像；態(tài)學閉運算使亮的區(qū)域連在一起，但基本的大小不變，通過形態(tài)學閉運算進一步消除了影響后續(xù)結(jié)果的噪聲，保證了景深擴展的準確性；縱向高度獲取步驟：將得到的多副邊緣圖像的灰度值進行縱向比較，獲取最大灰度所在圖像序列號并記錄，構(gòu)建高度圖；圖像合成步驟：通過高度圖將原始圖像上像素點的RGB值賦予給新的合成圖像，生成最終的融合全景深圖像，實現(xiàn)景深擴展。優(yōu)選地，所述形態(tài)學膨脹處理步驟中的灰度圖像的形態(tài)學膨脹方法是指：將一些圖像與核進行卷積，所述核采用3×3的方形核，核與圖像進行卷積，即計算該核覆蓋區(qū)域的像素點的最大值，并將該最大值賦給參考點指定的像素。優(yōu)選地，所述縱向高度獲取步驟包括：假設有圖像序列為1,2,3，…N的邊緣圖像，逐像素點比較N幅圖片的最大灰度值，記錄最大灰度值所在圖像的編號，生成高度圖像；具體地：假定第一幅圖像、第二幅圖像、第三幅圖像的邊緣圖像矩陣分別為：158728075453233492135321684,17259507040592332452530102124,11213219525070893323153520204114;]]>對第一幅圖像、第二幅圖像、第三幅圖像的邊緣圖像矩陣進行逐像素點比較，若坐標為(0,0)處像素點最大值在第二副圖像，則令高度圖坐標(0,0)處的高度值為2，坐標為(0,1)像素點最大值在第三幅圖像，則令高度圖坐標(0,1)處的高度值為3，依次比較第一幅圖像、第二幅圖像、第三幅圖像的邊緣圖像矩陣中各個坐標的值從而生成高度圖如下：2333113311211132.]]>根據(jù)本發(fā)明提供的多光譜顯微成像的景深擴展系統(tǒng)，包括：中值濾波模塊、形態(tài)學梯度處理模塊、形態(tài)學膨脹處理模塊、形態(tài)學閉運算模塊、縱向高度獲取模塊以及圖像合成模塊；其中：中值濾波模塊：用于將每一像素點的灰度值設置為該像素點指定鄰域窗口內(nèi)的所有像素點灰度值的中值，并對顯微圖像進行噪聲濾除；形態(tài)學梯度處理模塊：用于將膨脹后的原圖像和腐蝕后的原圖像做差，得到形態(tài)學梯度，即提取出顯微圖像中由團塊組成的目標和背景的邊緣；形態(tài)學膨脹處理模塊：以基于清晰區(qū)域臨近區(qū)域也清晰為前提條件，通過灰度圖像的形態(tài)學膨脹方法來擴大清晰區(qū)域；形態(tài)學閉運算模塊：用于將圖像進行膨脹后再進行腐蝕，通過形態(tài)學閉運算消除低于高亮點鄰近點的孤立點或孤立點群，得到邊緣圖像；縱向高度獲取模塊：用于將得到的多副邊緣圖像的灰度值進行縱向比較，獲取最大灰度所在圖像序列號并記錄，構(gòu)建高度圖；圖像合成模塊：用于通過高度圖將原始圖像上像素點的RGB值賦予給新的合成圖像，生成最終的融合全景深圖像，實現(xiàn)景深擴展。優(yōu)選地，所述形態(tài)學膨脹處理模塊中的灰度圖像的形態(tài)學膨脹方法是指：將一些圖像與核進行卷積，所述核采用3×3的方形核，核與圖像進行卷積，即計算該核覆蓋區(qū)域的像素點的最大值，并將該最大值賦給參考點指定的像素。與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：1、本發(fā)明方法中的形態(tài)學梯度操作能夠描述圖像亮度變化的劇烈程度，即可滿足對清晰區(qū)域的檢測；由于基于顯微圖像中團塊較多，有用孤立點少的特點，通過形態(tài)學梯度方法更適用于顯微圖像的邊緣檢測。2、本發(fā)明通過形態(tài)學閉運算使亮的區(qū)域連在一起，但基本的大小不變，進一步消除了影響后續(xù)結(jié)果的噪聲，保證了景深擴展的準確性。3、本發(fā)明具有無需人工干擾，可以若干倍地放大顯微鏡的景深，擴大顯微鏡的軸向成像范圍，準確性高、速度快、實用性強且成本低廉的優(yōu)點。附圖說明通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、目的和優(yōu)點將會變得更明顯：圖1為本發(fā)明提供的多光譜顯微成像的景深擴展方法的流程示意圖；圖2為原始細胞圖像；圖3為進行中值濾波處理后的圖像；圖4為進行形態(tài)學梯度處理后的圖像；圖5為進行形態(tài)學膨脹處理后的圖像；圖6為進行形態(tài)學閉運算處理后的圖像；圖7為將一系列圖像合成處理后的圖像。具體實施方式下面結(jié)合具體實施例對本發(fā)明進行詳細說明。以下實施例將有助于本領域的技術(shù)人員進一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應當指出的是，對本領域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變化和改進。這些都屬于本發(fā)明的保護范圍。根據(jù)本發(fā)明提供的多光譜顯微成像的景深擴展方法，包括如下步驟：步驟S1：基于顯微圖像都是由塊狀的背景或目標組成的假設，使用形態(tài)學梯度方法代替普通梯度準確地提取圖像中的絕大部分邊緣信息；步驟S2：通過形態(tài)學膨脹擴大邊緣區(qū)域，保證邊緣信息的完整性，步驟S3：加入形態(tài)學閉運算處理部分以消除圖像中噪聲的影響；步驟S4：對步驟S3得到的圖像進行景深擴展，得到合成圖像。其中形態(tài)學梯度操作能夠描述圖像亮度變化的劇烈程度，即可滿足對清晰區(qū)域的檢測。所述步驟S1中的形態(tài)學梯度方法是指：用原圖像的膨脹圖像減去原圖像的腐蝕圖像，將顯微圖像中由團塊組成的目標和背景的邊緣有效提取出來；由于基于顯微圖像中團塊較多，有用孤立點少的特點，通過形態(tài)學梯度方法更適用于顯微圖像的邊緣檢測；所述步驟S2中的形態(tài)學膨脹是指：基于清晰區(qū)域臨近區(qū)域也清晰的假設，通過進行形態(tài)學膨脹處理來擴大清晰區(qū)域，保證邊緣信息(即清晰區(qū)域)的完整性。具體地，本發(fā)明中使用的是灰度圖像的形態(tài)學膨脹方法，其作用相當于空間最大值濾波過程，是指將一些圖像與核進行卷積。這里的核可以是任何的形狀或大小，本發(fā)明采用的核為3×3的方形核。核與圖像卷積，即計算核覆蓋的區(qū)域的像素點的最大值，并把這個最大值賦給參考點指定的像素，這樣就會使圖像中的高亮度區(qū)域逐漸增長。所述步驟S2包括：將圖像進行膨脹再腐蝕，通過形態(tài)學閉運算消除低于高亮點鄰近點的孤立點(或孤立點群)。形態(tài)學閉運算使亮的區(qū)域連在一起，但基本的大小不變。所述步驟S3通過形態(tài)學閉運算進一步消除了影響后續(xù)結(jié)果的噪聲，保證了景深擴展的準確性。具體地：所述步驟S3包括：步驟S3.1：對原始圖像進行中值濾波預處理消除原始圖像中的噪聲；步驟S3.2：采用形態(tài)學梯度方法獲取序列圖像的邊緣信息，并進行形態(tài)學膨脹處理擴大邊緣區(qū)域，經(jīng)形態(tài)學膨脹處理擴大聚焦清晰區(qū)域的邊緣圖像已經(jīng)包含了原始圖像中的幾乎所有邊緣信息，然后對邊緣圖像進行形態(tài)學閉運算處理，消除存在的孤立點噪聲等干擾；步驟S3.3：對每一幅邊緣圖像進行縱向比較灰度值大小獲取每一個像素的最大灰度所在圖像序列號并記錄，構(gòu)建高度圖，并通過高度圖將原始圖像上像素點的RGB值賦予最終合成圖像，實現(xiàn)景深擴展。本發(fā)明具有無需人工干擾，可以若干倍地放大顯微鏡的景深，擴大顯微鏡的軸向成像范圍，準確性高、速度快、實用性強且成本低廉的優(yōu)點。具體地操作流程如下：第一步，原始圖像序列的中值濾波，經(jīng)過中值濾波處理的圖像如圖3所示。第二步，形態(tài)學梯度處理，經(jīng)過形態(tài)學梯度處理的圖像如圖4所示。第三步，采用3×3的方形核進行形態(tài)學膨脹處理，如圖5所示。第四步，進行形態(tài)學閉運算操作，如圖6所示。重復上述四步，得到一系列的圖像序列的邊緣圖像，記錄的圖像序列為1,2,3，…N幅圖片，分別經(jīng)過中值濾波、形態(tài)學梯度處理、形態(tài)學膨脹處理、形態(tài)學閉運算操作，得到一系列的圖像邊緣圖，逐像素點比較N幅圖片的最大灰度值，記錄這個灰度值所在圖像的編號，生成高度圖像。假定第一幅，第二幅，第三幅圖像的邊緣圖像矩陣分別為158728075453233492135321684,17259507040592332452530102124,11213219525070893323153520204114.]]>逐像素點比較，坐標為(0,0)像素點最大值在第二張圖，所以高度值為2，坐標為(0,1)像素點最大值在第三張圖，所以高度值為3，以此類推，生成高度圖為2333113311211132.]]>按照對應的高度圖信息，去相應的圖像序列中找到該像素值填充在合成圖像中。比如高度圖顯示1，則該點像素值為第一副圖的像素值，高度圖顯示2，則該點像素值為第二幅圖的像素值，高度圖顯示3，則該點像素值為第三幅圖的像素值，以此類推。以上對本發(fā)明的具體實施例進行了描述。需要理解的是，本發(fā)明并不局限于上述特定實施方式，本領域技術(shù)人員可以在權(quán)利要求的范圍內(nèi)做出各種變化或修改，這并不影響本發(fā)明的實質(zhì)內(nèi)容。在不沖突的情況下，本申請的實施例和實施例中的特征可以任意相互組合。當前第1頁1 2 3