一种基于多曝光图像融合技术的细胞成像方法与流程

1.本发明关于一种细胞成像方法，特别是有关于一种基于多曝光图像融合技术的细胞成像方法。


背景技术：

2.近几年，随着人工智能的发展，在荧光下自动获取细胞成像已经是一种必不可少的步骤，它利用外部荧光光源激发细胞中的荧光染料，经过ccd采集后再分析，能过对细胞和分子水平的定性和定量研究，被广泛用于疾病早期诊断、疗效监测、新药研发等领域。
3.但是经过可见光波段激发后，细胞越大，吸收荧光物质越多，荧光信号就较强，会造成大细胞过曝光，而微小的细胞可能会被淹没掉，造成无法同时获取荧光成像下的所有细胞成像。
4.现有技术中，通常采集不同波长的荧光图像，对荧光图像进行数值处理，从而去除背景荧光干扰。现有技术中存在以下缺陷：
5.1、需要多个不同波长的激发光源，对成像系统硬件有一定要求；
6.2、要求使用的荧光染料在长波长下的激发效率要高于短波长下的激发效率，对使用的荧光染料有一定要求；
7.3、采用聚类分析和种子漫水等数值方法，运算比较复杂。


技术实现要素：

8.针对上述问题，本发明提供一种基于多曝光图像融合技术的细胞成像方法，该方法包括如下步骤：
9.s1：对图像进行聚焦；
10.s2：相同亮度下采集k幅荧光图像；
11.s3：将该k幅荧光图像依次进行从rgb转换到hsv；
12.s4：取最佳色调h和饱和度s通道图像；
13.s5：取融合的亮度v通道图像；
14.s6：新合成的hsv图像转换为rgb图像；
15.其中，步骤s2中k幅荧光图像为同一波长光源激发的荧光图像，k≥1。
16.进一步地，步骤s2在相同的曝光时间下采集k幅荧光图像。
17.进一步地，步骤s3包含以下步骤：
18.s31：将r、g、b值平均分成255份；
19.s32：使r’＝r/255，g’＝g/255，b’＝b/255，其中，0≤r’≤1，0≤g’≤1，0≤b’≤1；
20.s33：使c
max
＝max(r’，g’，b’)，c
min
＝min(r’，g’，b’)，δ＝c
max-c
min
，计算色调h、饱和度s及亮度v，其中，
21.mod表示取余，6表示360
°
除以60
°
，
[0022][0023]
v＝c
max
。
[0024]
进一步地，步骤s4基于图像二维熵最大取最佳色调h和饱和度s通道。
[0025]
进一步地，该图像二维熵公式为：
[0026][0027][0028]
其中，h为二维熵p
ij
表示像素(i，j)上的灰度值与其周围像素的灰度分布的综合值，i表示像素的灰度值(0≤i≤255)，j表示邻域灰度均值(0≤j≤255)，f(i,j)为特征二元组(i,j)出现的频数，n为图像尺寸。
[0029]
进一步地，通过拉普拉斯金字塔取融合的亮度v通道图像。
[0030]
进一步地，步骤s5包含以下步骤：
[0031]
s51：选取需要融合的两张通道图像，构建拉普拉斯金字塔；
[0032]
s52：对融合区域，构建高斯金字塔；
[0033]
s53：对金字塔的每一层，进行融合；
[0034]
s54：利用融合后的金字塔重建并输出最终通道图像。
[0035]
本发明提供一种基于多曝光图像融合技术的细胞成像方法，首先对图像进行聚焦，在相同亮度或者相同曝光时间下采集k幅荧光图像，将该k幅荧光图像依次进行从rgb转换到hsv，然后基于图像二维熵最大取最佳色调h和饱和度s通道图像，再通过拉普拉斯金字塔进行融合的亮度v通道图像；最后将新合成的hsv图像转换为rgb图像；本发明对激发光源和荧光染料无特殊要求、运算简单，可对多种种类细胞同时显色，为后续人工智能识别提供了最佳的分析图片。
附图说明
[0036]
图1为本发明一种基于多曝光图像融合技术的细胞成像方法流程图。
具体实施方式
[0037]
为使对本发明的目的、构造、特征、及其功能有进一步的了解，兹配合实施例详细说明如下。
[0038]
针对上述问题，本发明提供一种基于多曝光图像融合技术的细胞成像方法，包括如下步骤：
[0039]
s1：对图像进行聚焦；
[0040]
s2：相同亮度下采集k幅荧光图像；
[0041]
s3：将该k幅荧光图像依次进行从rgb转换到hsv；
[0042]
s4：取最佳色调h和饱和度s通道图像；
[0043]
s5：取融合的亮度v通道图像；
[0044]
s6：新合成的hsv图像转换为rgb图像；
[0045]
其中，步骤s2中k幅荧光图像为同一波长光源激发的荧光图像，k≥1。
[0046]
进一步地，步骤s2在相同的曝光时间下采集k幅荧光图像。需要说明的是，本发明最好是聚焦清楚后再去调亮度或者曝光时间采集k幅荧光图像，保证图像清晰且没有位移。
[0047]
进一步地，步骤s3包含以下步骤：
[0048]
s31：将r、g、b值平均分成255份；
[0049]
s32：使r’＝r/255，g’＝g/255，b’＝b/255，其中，0≤r’≤1，0≤g’≤1，0≤b’≤1；
[0050]
s33：使c
max
＝max(r’，g’，b’)，c
min
＝min(r’，g’，b’)，δ＝c
max-c
min
，计算色调h、饱和度s及亮度v，其中，
[0051]
mod表示取余，6表示360
°
除以60
°
，
[0052][0053]
v＝c
max
。
[0054]
r、g、b是色相，r是红色，g是绿色，b是蓝色，hsv是使用色调h、饱和度s和亮度v表示色彩的一种方式。将k幅原始荧光图像依次进行从rgb转换到hsv，分别可以得到色调h，饱和度s和亮度v三个自动通道图像，总共可以得到k*3幅通道图像。
[0055]
进一步地，步骤s4基于图像二维熵最大取最佳色调h和饱和度s通道，图像二维熵在一维熵的基础上引入邻域灰度均值这个能够反映灰度分布空间特征的特征量，可以在图像所包含信息量的前提下，突出反映图像中每个像素位置的灰度信息和像素邻域内灰度分布的综合特征。
[0056]
进一步地，该图像二维熵公式为：
[0057][0058][0059]
其中，h为二维熵，p
ij
表示像素(i，j)上的灰度值与其周围像素的灰度分布的综合值，i表示像素的灰度值(0≤i≤255)，j表示邻域灰度均值(0≤j≤255)，f(i,j)为特征二元组(i,j)出现的频数，n为图像尺寸。
[0060]
进一步地，通过拉普拉斯金字塔取融合的亮度v通道图像。
[0061]
进一步地，步骤s5包含以下步骤：
[0062]
s51：选取需要融合的两张通道图像，构建拉普拉斯金字塔；
[0063]
s52：对融合区域，构建高斯金字塔；
[0064]
s53：对金字塔的每一层，进行融合；
[0065]
s54：利用融合后的金字塔重建并输出最终通道图像；
[0066]
首先选取需要融合的两幅通道图像，建立n(n≥1)层的拉普拉斯金字塔，拉普拉斯金字塔的层数越高，融合效果越好。再传入一个mask掩膜，代表融合的位置，根据这个mask掩膜建立一个高斯金字塔，用于后续融合，构建的高斯金字塔层数为n+1。根据mask掩膜将两幅通道图像的拉普拉斯金字塔的图像进行相加，相加的结果成为一个新的拉普拉斯金字塔，同时，两幅图像的高斯金字塔的n+1层也进行相加，相加后的图像为img1。根据这个新的拉普拉斯金字塔重建出最终的图像，首先对img1上采样，然后跟新的拉普拉斯金字塔的顶层(n层)相加，得到的图像记为img2。img2进行上采样后跟下一层(n-1层)相加，得到img3。重复这个过程，最终得到的结果就是拉普拉斯金字塔融合算法的结果。
[0067]
本发明提供一种基于多曝光图像融合技术的细胞成像方法，首先对图像进行聚焦，在相同亮度或相同曝光时间下采集k幅荧光图像，将该k幅荧光图像依次进行从rgb转换到hsv，然后基于图像二维熵最大取最佳色调h和饱和度s通道图像，再通过拉普拉斯金字塔进行融合的亮度v通道图像；最后将新合成的hsv图像转换为rgb图像；本发明对激发光源和荧光染料无特殊要求、运算简单，可对多种种类细胞同时显色，为人工智能识别提供了最佳的分析图片。
[0068]
本发明已由上述相关实施例加以描述，然而上述实施例仅为实施本发明的范例。必需指出的是，已揭露的实施例并未限制本发明的范围。相反地，在不脱离本发明的精神和范围内所作的更动与润饰，均属本发明的专利保护范围。