荧光图像增强去噪的自适应顶帽变换算法

于 岩 成 敏

(四川大学计算机学院，四川 成都 610064)

1.引言

荧光显微镜在医学中已经得到广泛应用，针对荧光图像所拍摄的荧光图像的处理已经逐渐成为人们研究的课题。针对显微镜中激光光谱不均匀的问题，可以对荧光显微镜硬件进行改造[1，2]，但是显微镜的改造过程繁琐，不能得到很好的应用。生物荧光图像的背景比较复杂，不同区域的信噪比差距很大，针对荧光图像的局部特征，Sternbreg[3]提出了一种“rolling ball”的算法来去除生物图形背景，但是对于不同形状和大小的信号，存在一些缺陷；在均匀颜色空间中，像素生长算法通过设定像素个数阈值达到消除噪声区域的目的[4]，但是这个像素个数是人为确定的，存在较大变数；ISODATA算法中，通过多幅图像平均的办法来提高信噪比[5]。相比以上算法，形态学有着自己的优势：方便灵活，并行快速，易于硬件实现，并对医学图像有不错的处理效果。因此本文采用形态学的思想，通过局部自适应的方法来对其进行去噪。

形态学作为一门建立在数学基础上的图像处理与分析学科，已经被慢慢用于医学图像处理当中。形态学着重研究图像的几何结构，它的基本思想是利用一个具有一定几何形状的结构元素来探测整个图像，通过不同形状和大小的结构元素来检验其对图像是否有效[6]。顶帽变换作为形态学的一个经典的方法，它能够提取图像中局部较亮的部分，而且能够增加图像的对比度，对于一些对比度不高的医学图像，顶帽变换非常合适。由于传统形态学自身的原因，例如：在传统形态学运算中，采用的结构元素，包括其形状、大小，以及结构元素中的数值的判断，往往是通过经验来得到的。因此将其用于图像去噪效果不是很稳定。鉴于以上特点，本文提出了一种改进的顶帽变换的自适应去噪算法来处理荧光图像。

2.荧光图像

荧光镜检测技术是用短波长的光线照射被荧光素染色的被检测物体，使之受激发后而产生长波长的荧光，然后观察。可以在一个细胞中标记多种蛋白质，用短波长光线照射后，会使所有被标记的不同的蛋白质产生不同颜色，从而得到一副彩色细胞蛋白质图像。观察时，显微镜会把彩色图像分解成不同的单色图像（单色图像的色彩是被标记的蛋白质所产生的颜色，不同的荧光素对不同的蛋白标记所产生的颜色是不同的）分别进行观察。本文将对宫颈上皮细胞中的三种蛋白质的荧光图像进行分析。图1(a)为宫颈上皮细胞所标记的三种蛋白质的彩色图像。图1(b)，图1(c)，图1(d)分别为显微镜对图1(a)分解后的三种被标记的蛋白质的图像。以图1(b)为例，可以看出，图像中出现了红雾状的噪声，而且图像的对比度不高，影响了观测效果。造成这种噪声的原因主要是由于对细胞的清洗不均匀，光照强度不均，细胞膜在操作过程中受损破裂，细胞自身的蛋白质粘连等。而这些因素又是操作过程中所不可避免的，医生需要得到的是蛋白质部分的信息，为了突出医生所需要的图像信息，就需要对图像进行去噪和增强处理。

图1 不同蛋白质的荧光图像对比

3.顶帽变换

形态学的基本运算包括腐蚀、膨胀、开运算和闭运算。其基本思想是用一个结构元素SE对图像进行检验，验证此结构元素是否能对图像进行填充。

3.1 腐蚀和膨胀

设结构元素为SE，大小为m*n。图像f大小为W*H。则腐蚀运算为：

f⊖SE=Min{f-i，-j－SE(i，j)}

被腐蚀后的图像整体色调变暗。

膨胀运算为：

f⊕SE=Max{fi，j+SE(i，j)}

被膨胀后的图像整体色调变亮。

3.2 开运算和闭运算

开运算：用同一个结构元素对图像进行先腐蚀后膨胀的操作。

f◦SE=(f⊖SE)⊕SE

开运算可以去掉比结构元素小的峰，运算后的图像像素的灰度值小于或等于原灰度值。

闭运算：用同一个结构元素对图像进行先膨胀后腐蚀的操作。

f·SE=(f⊕SE)⊖SE

闭运算可以填充比结构元素小的谷，运算后的图像像素的灰度值大于或等于原灰度值。

3.3 顶帽变换（Top—hat）

用原图像减去开运算后的图像的方法就是顶帽变换。

f－(f◦SE)

顶帽变换后的图像留下了原图中的波峰部分，增强了图像的对比度。

针对荧光图像中出现的对比度较低的问题，顶帽变换能很好地解决。

4.结构元素的选取

结构元素的选取在形态学运算中是很重要的一环，直接影响到对图像处理的效果。结构元素的选取包括形状、元素中的点以及结构元素的大小。

4.1 结构元素的形状

结构元素的形状可以是任意形状，常用的结构元素的形状为圆形、正方形、菱形、六边形、线性等等，不同形状的结构元素可以针对不同的噪声。不同形状的结构元素分别对图像各块进行处理，然后再将处理后的图像合并起来，能得到较好的滤波效果[7]，但是这种方法比较复杂，处理过程比较麻烦。结构元素在选取时遵循相似性原则[8，9]：结构元素的形状与噪声图像的形状应尽可能相似。针对此荧光图像中雾状的噪声，可以选择具有对称性的正方形的结构元素。

4.2 结构元素中的点

由形态学运算的定义可知，在运算过程中，结构元素中的点的值会和图像中对应点的像素值相加减。对图像带来了不必要的加性噪声，影响了处理效果。为了避免这种影响，可以选择点全部为零的结构元素[10]。

4.3 结构元素的大小

图像的去噪效果与结构元素的大小n（边长为（2n+1）的正方形）有着密切的关系。如果n过小，噪声不能很好地去除，反之，图像中的信息量会遭到破坏，使边缘造成模糊现象。因此，在过小和过大之间，会有一个比较合适的阈值，使图像处理效果达到最佳，图像的直方图更接近原始图像的直方图。

根据以上关系，可以得到一种自适应算法，确定阈值。步骤为：

步骤1：初始化变量n=1，估计原始图像的直方图hist[11]；

步骤2：利用结构元素SEn，对图像进行顶帽变换，得到输出图像fn，计算出fn的直方图histn；

步骤3：判断histn与hist的差距，若差距不大，则输出图像fn，跳出循环，Else跳至步骤4，继续运算；

步骤4：n+1，进行步骤2的操作。

（红色图像的阈值n为5）

4.4 增强对比度的染色

由于标本在制作过程中，一些极小颗粒的蛋白质对观测造成了一定的影响，细胞液分布不均匀，会导致短波照射过程中，出现不均现象。为了避免这些所带来的影响，根据最大类间方差，将图像分成前景和背景，对图像进行一次Otsu

[12]分割。图像中像素值大于阈值(该阈值为42)的部分，像素值不变，像素值小于阈值的部分改为0，这样增加了图像的对比度，有利于实验者对目标进行观察。

5.测试实验

针对红色的荧光图像图2(a)进行实验，图2(b)为中值滤波去噪后的染色图像，图2(c)为传统形态学的顶帽变换后的染色图像，图2(d)为本方法处理所得到的图像。

图2 不同去噪方法的对比

由图像可以明显看出，中值滤波不能很好地去除图像中的噪声；而传统的形态学的顶帽变换处理所得到图像，虽然背景稍微有所改变，但依然有红雾现象；而本方法所处理的图像，能够较好地去除图像中的红雾现象，对比度更高，有利于观察实验。

6.结论和展望

本文提出了一种改进的自适应tophat变换算法，结合Otsu分割图像，可以很好地去除图像前景中的噪声，这种方法比较适合荧光图像。但是针对图像的背景，只是做了简单的Otsu分割，不能很好地处理背景中的噪声，这将是今后的改进方向。

[1]尹霞.显微荧光图像连续光谱分析系统的研究[D].河北工业大学，2005.

[2]杨广烈.荧光与荧光显微镜[J].光学仪器，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]何霁，滕奇志，罗代升，何小海.一种改进的ISODATA算法及在彩色荧光图像中的应用[J].四川大学学报，2007，6(44)：563-568.

[6]崔屹.图像处理与分析—数学形态学方法及应用[M].北京：科学出版社，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]张黄群，于盛林，白银刚.形态学图像去噪中结构元素选取原则[J].数据采集与处理，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]许致火，何建新，朱幼莲.基于改进形态学运算的图像去噪自适应算法研究[J].成都信息工程学院学报，2009，2(24)：33-38.

[11]李树涛，王耀南.图像椒盐噪声的非线性自适应滤除[J].中国图像图形学报，2000，5(12)：999-1001.

[12]付忠良.图像阈值选取方法—O tsu方法的推广[J].计算机应用，2000，20(5)：37-39.