基于统计规律的生物图像去噪算法的制作方法

本发明涉及一种生物图像去噪算法，属于光学显微技术与计量显微成像技术领域。

背景技术：

在共聚焦显微镜测得的样本三维高度信息的基础上再加上一维颜色信息构成能直接反应样本材质和形貌的四维信息图，三维高度信息可以由共聚焦显微镜测得的层析数据进行处理得到比较准确的结果，而样本每一个位置的颜色信息则由彩色CCD拍照获得，但是通过彩色CCD拍摄获得图片亮度、对比度等都不高，而且包含许多孤立噪声点，从而造成彩色图片的可辨识度不好，当我们用candy算法进行边缘提取的时候，由图2和图3可见，噪声并不能去除完整。传统的中值滤波并不能完美地去掉细胞之外的孤立点噪声。

传统图像去噪技术包括一些图像空间去噪以及图像变换域去噪的方法都是针对广义的图像而进行的的一种去噪技术，并不一定适合于所有的图像包括生物图像，因此必须针对特殊的生物细胞图像设计一种针对性的去噪方法。

技术实现要素：

本发明目的是为了解决传统的算法处理结果不能完整地去掉噪声，因而导致不满足工程需要，并且传统的算法处理图像时存在很多限制的问题，提供了一种基于统计规律的生物图像去噪算法。

本发明所述基于统计规律的生物图像去噪算法，该算法包括选取滤波模板、细胞边缘和噪声监测、图像去噪处理三个步骤，具体过程为：

步骤1、选取滤波模板：采用生物显微镜采集生物细胞的RGB图像，选取遍历生物显微镜采集到的RGB图像能够将细胞与孤立点噪声分隔开的滤波模板，选取的滤波模板为均值滤波模板和高斯滤波模板，RGB图像由单个细胞和背景区域杂散噪声组成，或者由多个细胞组成的细胞群和背景区域杂散噪声组成；

步骤2、细胞边缘和噪声监测：采用均值滤波模板和高斯滤波模板遍历采集到的整幅生物细胞图像，确定生物细胞边缘位置和孤立噪声点位置；

步骤3、图像去噪处理：对步骤2获取的生物细胞边缘位置和孤立噪声点位置进行滤波处理，滤除孤立点噪声，保留生物细胞样品图，获得去噪后的生物细胞图像。

结合图6和图7，本发明的优点：

1、采用本发明所提出的算法，通过MATLAB程序实现生物显微镜下得到的细胞图像的背景噪声的去除，去除范围和去除精度都有很大程度上的提高，针对特定生物样品的去噪有着重大的意义；

2、采用本发明所述的基于统计规律的图像去噪算法面向的是：(1)PMT自身的热噪声，可看作随机噪声；(2)背景光引起的噪声，这个可以看作一个很小的常量；(3)一些其它的椒盐噪声等；可以消除传统的算法处理细胞图像后存在的部分孤立噪声点仍然存在的现象，使用本发明的方法去噪图像细胞周边基本没有像素噪声点；

3、本发明是从生物细胞图像处理方向出发，提出了一种基于统计规律的图像去噪算法研究，与传统算法相比，本发明的去噪方法不仅实现了图像去噪算法与实际的工程领域相结合这一思想，还弥补了传统的算法处理结果不满足工程需要而且处理图像的各种限制问题。

附图说明

图1是本发明所述基于统计规律的生物图像去噪算法的流程框图；

图2是采用3×3中值滤波模板滤波的效果图；

图3是采用3×3中值滤波模板边缘提取后的效果图；

图4是采用5×5中值滤波模板滤波的效果图；

图5是采用5×5中值滤波模板边缘提取后的效果图；

图6是采用本发明生物图像去噪算法去噪后的效果图；

图7是采用本发明生物图像去噪算法边缘提取后的效果图。

具体实施方式

具体实施方式一：本实施方式所述基于统计规律的生物图像去噪算法，该算法包括选取滤波模板、细胞边缘和噪声监测、图像去噪处理三个步骤，具体过程为：

步骤1、选取滤波模板：采用生物显微镜采集生物细胞的RGB图像，选取遍历生物显微镜采集到的RGB图像能够将细胞与孤立点噪声分隔开的滤波模板，选取的滤波模板为均值滤波模板和高斯滤波模板，RGB图像由单个细胞和背景区域杂散噪声组成，或者由多个细胞组成的细胞群和背景区域杂散噪声组成；

步骤2、细胞边缘和噪声监测：采用均值滤波模板和高斯滤波模板遍历采集到的整幅生物细胞图像，确定生物细胞边缘位置和孤立噪声点位置；

步骤3、图像去噪处理：对步骤2获取的生物细胞边缘位置和孤立噪声点位置进行滤波处理，滤除孤立点噪声，保留生物细胞样品图，获得去噪后的生物细胞图像。

本实施方式中，RGB是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一。

本实施方式中，对于步骤1中选取的滤波模板，采用3×3和5×5的中值滤波模板滤波的效果分别如图2-图5所示，选取不同大小的中值滤波都不能完全去除掉背景噪声，因此我们需要特定的模板来遍历图像将细胞与孤立点噪声分隔开，因此我们选取均值滤波模板和高斯滤波模板来同时遍历图像。

具体实施方式二：本实施方式对实施方式一作进一步说明，步骤2所述采用均值滤波模板和高斯滤波模板遍历采集到的整幅生物细胞图像确定生物细胞边缘位置和孤立噪声点位置的具体过程为：

采用均值滤波模板和高斯滤波模板遍历采集到的整幅生物细胞图像，在每个区域采用高斯滤波模板获取该区域的滤波阈值，然后采用均值滤波模板根据确定的滤波阈值删选该区域内大于或小于滤波阈值的个数，根据个数确定遍历的区域是孤立点噪声位置还是细胞边缘或内部位置。

具体实施方式三：本实施方式对实施方式二作进一步说明，设高斯滤波模板获取的亮度值阈值S＝48，当均值滤波模板遍历的区域内部的亮度值大于S＝48的个数超过均值滤波模板的1/2时，此时遍历的区域为位于细胞边缘或内部位置，当均值滤波模板遍历的区域内部的亮度值大于S＝48的个数未超过均值滤波模板的1/2时，此时遍历的区域为位于孤立点噪声位置。

本实施方式中，根据确定的图像内部的区域划分选择滤除或者保留原图像的位置，从而达到精确滤波的效果，根据此方法滤波后的图像效果如图4所示。

本实施方式中，根据图2和图3的滤波效果可知，噪声的产生原因包括：(1)、自身的热噪声，可看作随机噪声；(2)、背景光引起的噪声，这个可以看作一个很小的常量；(3)、一些其它的椒盐噪声等。即，这种噪声的特点就是分布的杂散性以及单点性。因此，用滤波模板遍历的时候噪声的点数不超过模板点数的一半，因此提出了一种以此判断这种特定背景噪声的方法。

本发明中，结合图1，本发明的具体过程为：构建n*n的均值滤波模板；对原始图像扩充(n-1)/2；采用均值滤波模板遍历扩充后的图像；根据图像特点确定阈值；统计模板内大于阈值的个数，根据个数来确定该点的强度；最终确定图像滤波方案。