Обработка изображений с микроскопа — это широкий термин, который охватывает использование методов цифровой обработки изображений для обработки, анализа и представления изображений, полученных с помощью микроскопа . Такая обработка в настоящее время является обычным явлением в ряде различных областей, таких как медицина , биологические исследования , исследования рака , тестирование лекарств , металлургия и т. д. Ряд производителей микроскопов теперь специально разрабатывают функции, которые позволяют микроскопам взаимодействовать с системой обработки изображений.
До начала 1990-х годов большинство изображений, полученных в видеомикроскопических приложениях, обычно делалось с помощью аналоговой видеокамеры, часто просто камер замкнутого контура телевидения. Хотя для оцифровки изображений требовалось использование фрейм-граббера , видеокамеры обеспечивали изображения с полной частотой кадров (25-30 кадров в секунду), что позволяло записывать и обрабатывать видео в реальном времени. Хотя появление твердотельных детекторов дало несколько преимуществ, видеокамера реального времени фактически превосходила их во многих отношениях.
Сегодня сбор данных обычно осуществляется с помощью ПЗС- камеры, установленной в оптическом пути микроскопа. Камера может быть полноцветной или монохромной. Очень часто используются камеры с очень высоким разрешением, чтобы получить как можно больше прямой информации. Также распространено криогенное охлаждение, чтобы минимизировать шум. Часто цифровые камеры, используемые для этого приложения, предоставляют данные об интенсивности пикселей с разрешением 12–16 бит, что намного выше, чем используется в потребительских продуктах для обработки изображений.
По иронии судьбы, в последние годы много усилий было вложено в получение данных с видеоскоростью или выше (25-30 кадров в секунду или выше). То, что когда-то было легко сделать 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, с которыми может быть сложно справиться даже с помощью современной компьютерной системы.
Хотя современные детекторы CCD обеспечивают очень высокое разрешение изображения , часто это требует компромисса, поскольку при заданном размере чипа, по мере увеличения количества пикселей, размер пикселя уменьшается. По мере уменьшения пикселей уменьшается глубина их ячеек, что снижает количество электронов, которые могут быть сохранены. В свою очередь, это приводит к ухудшению соотношения сигнал/шум .
Для достижения наилучших результатов необходимо выбрать подходящий датчик для конкретного приложения. Поскольку микроскопические изображения имеют собственное предельное разрешение, часто не имеет смысла использовать шумный детектор с высоким разрешением для получения изображения. Более скромный детектор с большими 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 .
Более того, необходимо также учитывать требования к временному разрешению приложения. Детектор с более низким разрешением часто будет иметь значительно более высокую скорость сбора данных, что позволит 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.
Обработка изображений для микроскопического применения начинается с фундаментальных методов, предназначенных для наиболее точного воспроизведения информации, содержащейся в микроскопическом образце. Это может включать регулировку яркости и контрастности изображения, усреднение изображений для снижения шума изображения и коррекцию неравномерности освещения. Такая обработка включает только основные арифметические операции между изображениями (т. е. сложение, вычитание, умножение и деление). Подавляющее большинство обработки, выполняемой на микроскопическом изображении, имеет именно такой характер.
Другой класс распространенных 2D-операций, называемых сверткой изображений , часто используется для уменьшения или улучшения деталей изображения. Такие алгоритмы «размывания» и «повышения резкости» в большинстве программ работают путем изменения значения пикселя на основе взвешенной суммы этого и окружающих пикселей (более подробное описание свертки на основе ядра заслуживает отдельной записи) или путем изменения функции частотной области изображения с использованием преобразования Фурье . Большинство методов обработки изображений выполняются в частотной области.
Другие базовые двумерные методы включают такие операции, как поворот изображения, деформация, цветовой баланс и т. д.
Иногда применяются передовые методы с целью «отменить» искажение оптического пути микроскопа, тем самым устраняя искажения и размытость, вызванные приборами. Этот процесс называется деконволюцией , и было разработано множество алгоритмов , некоторые из которых имеют большую математическую сложность. Конечным результатом является изображение, намного более резкое и четкое, чем можно было бы получить в одной только оптической области. Обычно это трехмерная операция, которая анализирует объемное изображение (т. е. изображения, полученные в различных фокальных плоскостях через образец) и использует эти данные для реконструкции более точного трехмерного изображения.
Другим распространенным требованием является получение серии изображений в фиксированном положении, но на разных фокусных глубинах. Поскольку большинство микроскопических образцов по существу прозрачны, а глубина резкости сфокусированного образца исключительно узка, можно захватывать изображения «сквозь» трехмерный объект с помощью 2D-оборудования, такого как конфокальные микроскопы . Затем программное обеспечение способно реконструировать 3D-модель исходного образца, которой можно манипулировать соответствующим образом. Обработка превращает 2D-инструмент в 3D-инструмент, который в противном случае не существовал бы. В последнее время эта техника привела к ряду научных открытий в клеточной биологии.
Анализ изображений будет значительно различаться в зависимости от приложения. Типичный анализ включает определение того, где находятся края объекта, подсчет похожих объектов, вычисление площади, длины периметра и других полезных измерений каждого объекта. Распространенный подход заключается в создании маски изображения, которая включает только пиксели, соответствующие определенным критериям, а затем выполнении более простых операций сканирования на полученной маске. Также можно маркировать объекты и отслеживать их движение в серии кадров в видеопоследовательности.
Расс, Джон К. (19 декабря 2006 г.) [1992]. Справочник по обработке изображений (5-е изд.). CRC Press. ISBN 0-8493-7254-2.