Mikroskop bildbehandling

Mikroskopbildbehandling är ett brett begrepp som täcker användningen av digital bildbehandlingsteknik för att bearbeta, analysera och presentera bilder erhållna från ett mikroskop . Sådan bearbetning är nu vanligt förekommande inom ett antal olika områden såsom medicin , biologisk forskning , cancerforskning , drogtester , metallurgi , etc. Ett antal tillverkare av mikroskop designar nu specifikt funktioner som gör att mikroskopen kan samverka med ett bildbehandlingssystem .

Bildförvärv

Fram till början av 1990-talet gjordes de flesta bildinsamlingar i videomikroskopiapplikationer vanligtvis med en analog videokamera, ofta helt enkelt slutna TV-kameror. Även om detta krävde användningen av en bildruta för att digitalisera bilderna, tillhandahöll videokameror bilder med full videobildhastighet (25-30 bilder per sekund) vilket möjliggjorde livevideoinspelning och bearbetning. Medan tillkomsten av solid state-detektorer gav flera fördelar, var realtidsvideokameran faktiskt överlägsen i många avseenden.

Idag görs förvärvet vanligtvis med en CCD- kamera monterad i mikroskopets optiska väg. Kameran kan vara fullfärg eller monokrom. Mycket ofta används kameror med mycket hög upplösning för att få så mycket direkt information som möjligt. Kryogen kylning är också vanligt, för att minimera buller. Ofta tillhandahåller digitalkameror som används för denna applikation pixelintensitetsdata till en upplösning på 12-16 bitar, mycket högre än vad som används i konsumentavbildningsprodukter.

Ironiskt nog har man under de senaste åren lagt ner mycket ansträngning på att skaffa data med videohastigheter eller högre (25-30 bilder per sekund eller högre). Det som en gång var enkelt med vanliga videokameror kräver nu speciell höghastighetselektronik för att hantera den enorma digitala databandbredden.

Med högre hastighet kan dynamiska processer observeras i realtid eller lagras för senare uppspelning och analys. I kombination med den höga bildupplösningen kan detta tillvägagångssätt generera enorma mängder rådata, vilket kan vara en utmaning att hantera, även med ett modernt datorsystem .

Det bör observeras att även om nuvarande CCD-detektorer tillåter mycket hög bildupplösning , innebär detta ofta en avvägning eftersom, för en given chipstorlek, när pixelantalet ökar, minskar pixelstorleken. När pixlarna blir mindre minskar deras brunnsdjup, vilket minskar antalet elektroner som kan lagras. Detta resulterar i sin tur i ett sämre signal-brusförhållande .

För bästa resultat måste man välja en lämplig sensor för en given applikation. Eftersom mikroskopbilder har en inneboende begränsande upplösning, är det ofta lite meningsfullt att använda en bullrig, högupplöst detektor för bildinsamling. En mer blygsam detektor, med större pixlar, kan ofta producera mycket bättre bilder på grund av minskat brus. Detta är särskilt viktigt i applikationer med svagt ljus som fluorescensmikroskopi .

Dessutom måste man också beakta de tidsmässiga upplösningskraven för ansökan. En detektor med lägre upplösning har ofta en betydligt högre insamlingshastighet, vilket möjliggör observation av snabbare händelser. Omvänt, om det observerade objektet är orörligt, kan man önska att förvärva bilder med högsta möjliga rumsliga upplösning utan hänsyn till den tid som krävs för att förvärva en enda bild.

2D-bildtekniker

Bildbehandling för mikroskopiapplikation börjar med grundläggande tekniker som är avsedda att mest exakt återge informationen i det mikroskopiska provet. Detta kan inkludera justering av bildens ljusstyrka och kontrast, bildgenomsnitt för att minska bildbrus och korrigering för ojämnheter i belysningen. Sådan bearbetning involverar endast grundläggande aritmetiska operationer mellan bilder (dvs addition, subtraktion, multiplikation och division). Den stora majoriteten av bearbetningen som görs på mikroskopbild är av denna karaktär.

En annan klass av vanliga 2D-operationer som kallas bildfalsning används ofta för att reducera eller förbättra bilddetaljer. Sådana "oskärpa" och "skärpning"-algoritmer i de flesta program fungerar genom att ändra en pixels värde baserat på en viktad summa av den och de omgivande pixlarna (en mer detaljerad beskrivning av kärnbaserad faltning förtjänar en ingång för sig själv) eller genom att ändra frekvensdomänen bildens funktion med Fourier Transform . De flesta bildbehandlingstekniker utförs i frekvensdomänen.

Andra grundläggande tvådimensionella tekniker inkluderar operationer som bildrotation, skevhet, färgbalansering etc.

Ibland används avancerade tekniker med målet att "ångra" förvrängningen av mikroskopets optiska väg, och på så sätt eliminera förvrängningar och oskärpa som orsakas av instrumenteringen. Denna process kallas dekonvolution , och en mängd olika algoritmer har utvecklats, några med stor matematisk komplexitet. Slutresultatet är en bild som är mycket skarpare och tydligare än vad som kan erhållas enbart i den optiska domänen. Detta är vanligtvis en 3-dimensionell operation, som analyserar en volymetrisk bild (dvs. bilder tagna i en mängd olika fokalplan genom provet) och använder dessa data för att rekonstruera en mer exakt 3-dimensionell bild.

3D-bildtekniker

Ett annat vanligt krav är att ta en serie bilder i en fast position, men på olika bränndjup. Eftersom de flesta mikroskopiska prover i huvudsak är genomskinliga och skärpedjupet för det fokuserade provet är exceptionellt smalt, är det möjligt att fånga bilder "genom" ett tredimensionellt objekt med hjälp av 2D-utrustning som konfokalmikroskop . Programvaran kan sedan rekonstruera en 3D-modell av det ursprungliga provet som kan manipuleras på lämpligt sätt. Bearbetningen förvandlar ett 2D-instrument till ett 3D-instrument, som annars inte skulle existera. På senare tid har denna teknik lett till ett antal vetenskapliga upptäckter inom cellbiologi.

Analys

Analys av bilder kommer att variera avsevärt beroende på tillämpning. Typisk analys inkluderar att bestämma var kanterna på ett objekt är, räkna liknande objekt, beräkna arean, omkretslängden och andra användbara mått på varje objekt. Ett vanligt tillvägagångssätt är att skapa en bildmask som bara innehåller pixlar som matchar vissa kriterier och sedan utföra enklare skanningsoperationer på den resulterande masken. Det är också möjligt att märka objekt och spåra deras rörelse över en serie bildrutor i en videosekvens.

Se även

• Bildbehandling

  Russ, John C. (2006-12-19) [1992]. The Image Processing Handbook (5:e upplagan). CRC Tryck. ISBN 0-8493-7254-2 .

•   Jan-Mark Geusebroek, Färg och geometrisk struktur i bilder, tillämpningar i mikroskopi, ISBN 90-5776-057-6
• Young Ian T., Inte bara vackra bilder: Digital kvantitativ mikroskopi, Proc. Royal Microscopical Society, 1996, 31(4), s. 311–313.
• Young Ian T., Quantitative Microscopy, IEEE Engineering in Medicine and Biology, 1996, 15(1), s. 59–66.
• Young Ian T., Sampling density and quantitative microscopy, Analytical and Quantitative Cytology and Histology, vol. 10, 1988, s. 269-275

externa länkar

• Kvantitativ bildbehandling (trasig länk)