專利名稱：圖像的選擇性解卷恢復(fù)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像處理，更具體地說，涉及使用解卷恢復(fù)(deconvolution)來減小圖像的特征之間的串?dāng)_。通過對(duì)用于解卷恢復(fù)的相關(guān)區(qū)域進(jìn)行選擇，而解卷恢復(fù)是通常涉及高強(qiáng)度計(jì)算的處理過程，從而本發(fā)明能夠大大減少提供高級(jí)圖像質(zhì)量所需的計(jì)算量。
背景技術(shù)：
美國(guó)專利No.6,477,273公開了對(duì)圖像進(jìn)行質(zhì)心積分的方法。美國(guó)專利No.6,633,669公開了對(duì)圖像進(jìn)行自動(dòng)網(wǎng)格(autogrid)的方法。美國(guó)專利申請(qǐng)No.09/917545公開了對(duì)圖像進(jìn)行自動(dòng)閾值(autothresholding)的方法。

發(fā)明內(nèi)容
簡(jiǎn)短來說，本發(fā)明提供了一種方法，用于選擇性使用解卷恢復(fù)以減小圖像的特征之間的串?dāng)_，該方法包括以下步驟a)提供包括多個(gè)特征的圖像，其中每個(gè)特征都與至少一個(gè)值(v)相關(guān)聯(lián)；b)識(shí)別測(cè)試特征，該測(cè)試特征是鄰近于已知的圖像的低值區(qū)的高值特征，其中該測(cè)試特征具有尾比例(rt)，尾比例是測(cè)試特征的值(vt)與鄰近的圖像的低值區(qū)的值(vo)的比例；c)計(jì)算閾值t，該閾值t是測(cè)試特征的尾比例(rt)的函數(shù)；以及d)對(duì)選中的圖像區(qū)域進(jìn)行識(shí)別，選中的區(qū)域是其中鄰近的特征的值(v)之間的比值大于所述閾值(T(rt))的那些區(qū)域。該圖像通常包括排列成網(wǎng)格的特征。通常，通過自動(dòng)網(wǎng)格分析形成偽圖像。通常，步驟b)還包括在計(jì)算尾比例(rt)之前從測(cè)試特征的值(vt)和鄰近的圖像的低值區(qū)的值(vo)中都減去背景常數(shù)。該背景常數(shù)可選地取為圖像的低值區(qū)的背景的值(vb)，其離開任何特征都足夠遠(yuǎn)，以避免任何拖尾效應(yīng)，它可選地可以是離任何特征都比各個(gè)特征之間的平均距離遠(yuǎn)至少兩倍的圖像的低值區(qū)。通常，閾值(T(rt))是所述測(cè)試值的尾比例(rt)的倍數(shù)。通常，本發(fā)明的方法還包括對(duì)選中的圖像區(qū)域進(jìn)行解卷恢復(fù)的步驟。
在另一方面，本發(fā)明提供了用于選擇用于解卷恢復(fù)的圖像區(qū)域的系統(tǒng)，該系統(tǒng)包括a)圖像設(shè)備，用于提供數(shù)字化圖像；b)數(shù)據(jù)存儲(chǔ)設(shè)備；以及c)中央處理器，用于接收來自圖像設(shè)備的數(shù)字化圖像并能夠?qū)懭霐?shù)據(jù)存儲(chǔ)設(shè)備并從數(shù)據(jù)存儲(chǔ)設(shè)備讀出，該中央處理器被編程以i)接收來自圖像設(shè)備的數(shù)字化圖像；ii)識(shí)別多個(gè)特征并將每個(gè)特征與至少一個(gè)值(v)相關(guān)聯(lián)；iii)識(shí)別測(cè)試特征，該測(cè)試特征是鄰近于已知的圖像的低值區(qū)的高值特征，其中該測(cè)試特征具有尾比例(rt)，尾比例是測(cè)試特征的值(vt)與鄰近的圖像的低值區(qū)的值(vo)的比例；iv)計(jì)算閾值t，該閾值t是測(cè)試特征的尾比例(rt)的函數(shù)；以及v)對(duì)所述圖像的選中區(qū)域進(jìn)行識(shí)別，所述選中區(qū)域是其中鄰近的特征的值(v)之間的比值大于所述閾值(T(rt))的那些區(qū)域。
該圖像通常包括排列成網(wǎng)格的特征。通常，中央處理器還被編程從而通過自動(dòng)網(wǎng)格分析形成偽圖像。通常，步驟iii)還包括在計(jì)算尾比例(rt)之前從測(cè)試特征的值(vt)和鄰近的圖像的低值區(qū)的值(vo)中都減去背景常數(shù)。該背景常數(shù)可選地取為圖像的低值區(qū)的背景的值(vb)，其離開任何特征都足夠遠(yuǎn)，以避免任何拖尾效應(yīng)，它可選地可以是離任何特征都比各個(gè)特征之間的平均距離遠(yuǎn)至少兩倍的圖像的低值區(qū)。通常，閾值(T(rt))是所述測(cè)試值的尾比例(rt)的倍數(shù)。通常，中央處理器還被編程以對(duì)選中的圖像區(qū)域進(jìn)行解卷恢復(fù)。
本發(fā)明的一個(gè)優(yōu)點(diǎn)是提供了一種減小要從一幅圖像推導(dǎo)出高質(zhì)量的數(shù)據(jù)所必須的計(jì)算量的方法。


圖1是本發(fā)明可能應(yīng)用到的原型掃描系統(tǒng)的示意圖。
圖2是在以下示例中所使用的被測(cè)圖像。
圖3是圖2的圖像的分析網(wǎng)格，如在以下的示例中所述。
圖4是圖2的放大圖，包括了圖2中的在第一列第五行處的特征。
圖5是關(guān)于圖4的一個(gè)片段相對(duì)于x位置繪制的在y方向的4個(gè)像素上積分得到的像素強(qiáng)度的折線圖。
具體實(shí)施例方式
本發(fā)明提供了一種方法，用于選擇圖像中用于解卷恢復(fù)的區(qū)域。現(xiàn)有技術(shù)中已知的任何合適的解卷恢復(fù)方法都可以使用，包括迭代法和盲算法。迭代法包括Weiner過濾法，模擬退火法和最大可能估計(jì)法。解卷恢復(fù)可以減小圖像中特征之間的串?dāng)_，諸如相對(duì)暗的特征由于靠近明亮的特征而被錯(cuò)誤照亮的情況。
該選擇方法包括以下步驟a)提供包括多個(gè)特征的圖像，其中每個(gè)特征都與至少一個(gè)值(v)相關(guān)聯(lián)；b)識(shí)別一個(gè)測(cè)試特征，該測(cè)試特征是鄰近于已知的圖像的低值區(qū)的高值特征，其中該測(cè)試特征具有尾比例(tail ratio)(rt)，尾比例是測(cè)試特征的值(vt)與鄰近的圖像的低值區(qū)的值(vo)的比例；c)計(jì)算閾值t，該閾值t是測(cè)試特征的尾比例(rt)的函數(shù)；以及d)對(duì)選中的圖像區(qū)域進(jìn)行識(shí)別，選中的區(qū)域是鄰近的特征的值(v)之間的比值大于所述閾值(T(rt))的那些區(qū)域。通常，一個(gè)或更多個(gè)步驟是自動(dòng)的。更典型的，所有步驟都是自動(dòng)的。
提供圖像的步驟可以通過合適的方法來完成。通常，該步驟是自動(dòng)的。可以通過使用攝像機(jī)、數(shù)字相機(jī)、光化學(xué)相機(jī)、顯微鏡、望遠(yuǎn)鏡、可見掃描系統(tǒng)、探針掃描系統(tǒng)、或其他產(chǎn)生二維陣列形式的數(shù)據(jù)點(diǎn)的傳感設(shè)備來采集該圖像。通常，希望目標(biāo)圖像是包含區(qū)別特征的圖像，但是，也可以包含額外的噪聲。通常，特征被排列在包含行和列的網(wǎng)格中。如在此處所使用的，“列”用來指在一個(gè)方向上大致對(duì)齊的特征，“行”用來指在大致正交于列的方向上大致對(duì)齊的特征。應(yīng)該理解，哪個(gè)方向是列、哪個(gè)方向是行都是完全任意的，因此一直相對(duì)于某個(gè)術(shù)語而使用另一個(gè)術(shù)語是不重要的，而且行和列可以不是完全直線的?；蛘?，網(wǎng)格可以包括特征構(gòu)成的若干其他的重復(fù)的幾何排列，諸如三角形或六邊形的排列。或者，特征可以不排列成預(yù)定的圖案，諸如在天文圖像中。如果圖像不是由圖像捕捉或圖像生成設(shè)備以數(shù)字形式產(chǎn)生的，則圖像通常要被數(shù)字化成像素點(diǎn)。通常，此處所述的方法是使用中央處理器或計(jì)算機(jī)來完成的。
圖1示出了掃描系統(tǒng)，本發(fā)明可以使用該掃描系統(tǒng)。在圖1中的系統(tǒng)中，聚焦光束移動(dòng)過物體且系統(tǒng)檢測(cè)到因而產(chǎn)生的反射光或熒光。為了做這件事，來自光源10的光通過光源光學(xué)元件12被聚焦并被反射鏡14反射到物體上，此處示出的是試樣3×4化驗(yàn)盤16。通過使用馬達(dá)24改變反射鏡14的位置，來自光源10的光能夠被引導(dǎo)到試樣上的不同位置。從試樣16熒光發(fā)出的光或反射出的光通過反射鏡15返回到檢測(cè)光學(xué)元件18，其通常是半鍍銀鏡。或者，光源可以放在中央，并且發(fā)出的光或者熒光發(fā)出的光可以從系統(tǒng)的側(cè)面進(jìn)行檢測(cè)，如US5900494所示，或者光源可以在系統(tǒng)的側(cè)面，并且發(fā)出的或熒光發(fā)出的光可以在中央進(jìn)行檢測(cè)，或者其他類似的變化。使用任何合適的圖像捕獲系統(tǒng)20檢測(cè)穿過檢測(cè)光學(xué)元件18的光，諸如電視攝像機(jī)、CCD、激光反射系統(tǒng)、光電倍增管、雪崩光電二級(jí)管、光電二極管、或單光子計(jì)數(shù)模塊，其輸出被提供給計(jì)算機(jī)22，計(jì)算機(jī)22被編程以進(jìn)行分析并控制整個(gè)系統(tǒng)。計(jì)算機(jī)22通常包括用于執(zhí)行程序的中央處理器，以及諸如RAM、硬盤驅(qū)動(dòng)器或類似的數(shù)據(jù)存儲(chǔ)器的系統(tǒng)。應(yīng)該理解，本說明書僅用于示例性的目的；本發(fā)明可以同樣好地用于由磁性傳感器或接觸傳感器生成的“仿真”圖像，而不僅是基于光的圖像，并且任何物體都可以被檢查，不僅僅是試樣16。
在進(jìn)一步進(jìn)行分析之前，可對(duì)該圖像進(jìn)行質(zhì)心積分(centroidintegration)和自動(dòng)網(wǎng)格分析，如美國(guó)專利號(hào)6,447,273和6,633,669中所述。每個(gè)特征可以分配一個(gè)積分強(qiáng)度，在此稱為“值”，或者也可通過任何其他合適的方法分配一個(gè)值，這些方法可以包括選擇局部最大值作為特征值等等?？梢陨捎勺詣?dòng)網(wǎng)格分析形成的一個(gè)偽圖像。
如在此處所用的，“高值”和“低值”用來指在攝影圖像中的亮的和暗的特征。應(yīng)該理解，術(shù)語“高值”、“低值”、“值”可用于任何可能在圖像中出現(xiàn)的特性，包括但不限于顏色值、x光透射值、電磁波放射值、等等，這與圖像和用于采集圖像的設(shè)備的屬性有關(guān)。通常，“高值”是指傾向于在鄰近的“低值”特征中產(chǎn)生串?dāng)_的一種特性，這與圖像采集設(shè)備的屬性有關(guān)。
識(shí)別測(cè)試特征的步驟可以通過任何合適的方法來完成。通常，該步驟是自動(dòng)的。該測(cè)試特征是高值特征，鄰近于已知的圖像的低值區(qū)。該低值區(qū)可以是低值特征或者已知是低值的區(qū)域，諸如邊緣區(qū)域或者其他已知在希望出現(xiàn)特征的區(qū)域之外的區(qū)域。在一個(gè)實(shí)施例中，對(duì)構(gòu)成意外的網(wǎng)格特征的邊緣上的特征進(jìn)行檢查并選出明亮的邊緣特征作為測(cè)試特征。該選出作為測(cè)試特征的特征可以是一組候選特征中的高值或者可以是第一個(gè)被檢查出超過預(yù)定閾值的特征。在另一個(gè)實(shí)施例中，要成像的物體具有鄰近的高值和低值特征作為參考點(diǎn)。
通過用測(cè)試特征的值(vt)除以鄰近的圖像的低值區(qū)的值(vo)計(jì)算尾比例(rt)。通常，在計(jì)算尾比例(rt)之前從測(cè)試特征的值(vt)和鄰近的圖像低值區(qū)(vo)中提取背景常量。背景常量可以看作是圖像的低值區(qū)的背景的值(vb)，其距離任何特征都足夠遠(yuǎn)，以避免拖尾效應(yīng)(tail effect)。當(dāng)特征排列在網(wǎng)格中時(shí)，遠(yuǎn)距離的低值區(qū)距離任何特征通常至少兩倍遠(yuǎn)于各特征之間的平均距離?；蛘撸尘俺Ａ靠梢允枪潭ǖ闹?，事先根據(jù)給定的設(shè)備而確定合適的值。
計(jì)算閾值t，它是測(cè)試特征的尾比例(rt)的函數(shù)?？梢允褂萌魏魏线m的函數(shù)，包括算術(shù)函數(shù)、對(duì)數(shù)函數(shù)、指數(shù)函數(shù)、三角函數(shù)等等。通常該閾值(T(rt))就是尾比例(rt)的倍數(shù)，即T(rt)＝A×rt，其中A是任何合適的數(shù)，但最常見的是2到20。
閾值t之后被用于以任何合適的方法來識(shí)別圖像的選中的區(qū)域。通常，該步驟是自動(dòng)的。最典型的，該選中的區(qū)域是鄰近特征之間的值(v)的尾比例大于所述閾值(T(rt))的那些區(qū)域。
本發(fā)明在自動(dòng)讀取光學(xué)信息方面是有用的，特別是在托盤、玻片等上面自動(dòng)讀取試樣點(diǎn)構(gòu)成的矩陣方面，其可包含在自動(dòng)分析過程中，例如DNA檢測(cè)或抑制(typing)?；蛘?，本發(fā)明可以用于天文學(xué)、醫(yī)學(xué)成像、實(shí)時(shí)圖像分析等等。特別是，本發(fā)明可用于通過對(duì)圖像進(jìn)行解卷恢復(fù)而減小空間串?dāng)_，同時(shí)不進(jìn)行不必要的計(jì)算。
本發(fā)明的目的和優(yōu)點(diǎn)將通過以下的示例進(jìn)一步說明，但在這些示例中引述的具體的方法步驟的順序和細(xì)節(jié)以及其他的條件和細(xì)節(jié)不應(yīng)該被理解為對(duì)本發(fā)明構(gòu)成不必要的限制。
示例在本示例中使用的被測(cè)圖像在圖2中示出。該圖像為74×62像素大小并畫出了在10列和9行中排列的特征。每個(gè)像素的亮度都由強(qiáng)度值代表。
首先對(duì)該圖像進(jìn)行自動(dòng)網(wǎng)格分析，如美國(guó)專利6,477,273和6,633,669，以產(chǎn)生如圖3所示的分析網(wǎng)格并給每個(gè)特征分配一個(gè)積分強(qiáng)度。表I顯示了對(duì)于每個(gè)列和行位置的積分強(qiáng)度值。
表I1 23456 78910

ABCDEFGHI在列1行E處的明亮邊緣被選出作為測(cè)試特征。圖4是在將背景常數(shù)從每個(gè)像素點(diǎn)上減去之后該特征以及鄰近的暗區(qū)的放大圖。該背景常數(shù)取成在圖像的邊緣處的一小組像素的平均強(qiáng)度值，其與任何明亮特征的距離接近最大(near-maximal)。圖5是折線圖，示出測(cè)試特征在x方向的拖尾(tail)。對(duì)于每個(gè)x位置來說，圖中表示出在y方向上四個(gè)像素上積分得到的一個(gè)強(qiáng)度值。對(duì)于該測(cè)試特征的尾比例是在中心與測(cè)試特征(25，在圖5的像素2-5上的積分)相距一個(gè)特征寬度(5像素)的鄰近的暗區(qū)上的積分強(qiáng)度與在測(cè)試特征(1489，在圖5的像素7-10上積分)上的積分強(qiáng)度，也就是0.0168。
閾值取為尾比例的十倍，即0.168。目標(biāo)是選出強(qiáng)度(b)小于來自鄰近明亮特征的預(yù)期分布的亮度的十倍的特征；也就是，小于10乘以鄰近特征的亮度(a)乘以尾比例。該條件可以表達(dá)為以下公式Ib＜a×10×(尾比例)，或者b＜a×(閾值)。
該積分強(qiáng)度值和閾值被轉(zhuǎn)換為對(duì)數(shù)以便簡(jiǎn)化后續(xù)的運(yùn)算。表II包含了表I中的對(duì)于每列每行的積分強(qiáng)度值的自然對(duì)數(shù)。ln(閾值)的值為-1.78。公式I以對(duì)數(shù)形式表達(dá)為公式IIln(b)＜ln(a)+ln(閾值)，再移項(xiàng)為-1n(閾值)＜ln(a)-ln(b)。取亮度差的絕對(duì)值，以檢測(cè)亮/暗和暗/亮過渡，公式II變?yōu)楣絀II-ln(閾值)＜|ln(a)-ln(b)|。
表II1 23456 78910

ABCDEFGHI表III記錄了在表II的在x方向上鄰近值之間的差的絕對(duì)值，即|ln(a)-ln(b)|。表III因此包含了9列和9行。通過除以表中的最大值2.911，表III中的值被歸一化到1.000。歸一化后的值在表IV中示出。-ln(閾值)的值1.78歸一化成了1.78/2.911＝0.61。歸一化的閾值被應(yīng)用于表IV以產(chǎn)生表V，表V中的0代表小于-ln(閾值)或0.61的值，1代表大于-ln(閾值)或0.61的值。
表III1 2 3 4 5 6 7 8 9

ABCDEFGHI
表IV1 2 3 4 5 6 7 8 9

ABCDEFGHI表V1 2 3 4 5 6 7 8 9

ABCDEFGHI表VI記錄了在表II的在y方向上鄰近值之間的差的絕對(duì)值，即|ln(a)-ln(b)|。表VI因此包含了10列和8行。通過除以表中的最大值3.2751，表VI中的值被歸一化到1.000。歸一化后的值在表VII中示出。-ln(閾值)的值1.78歸一化成了1.78/3.2751＝0.54。歸一化的閾值被應(yīng)用于表VII以產(chǎn)生表VIII，表VIII中的0代表小于-ln(閾值)或0.54的值，1代表大于-ln(閾值)或0.54的值。
表VI12 3456 78910

ABCDEFGH表VII1 234567 8910

ABCDEFGH表VIII12 3456 789 10

ABCDEFGH表V與核矩陣(kemel)卷積，核矩陣為 從而產(chǎn)生9乘10的矩陣，如表IX，其中非零項(xiàng)表示在x方向上的亮到暗或暗到亮過渡。
表IX1 2345678 910

ABCDEFGHI表VIII與核矩陣(kernel)卷積，核矩陣為11]]>從而產(chǎn)生9乘10的矩陣，如表X，其中非零項(xiàng)表示在y方向上的亮到暗或暗到亮過渡。
表X123456 78910

ABCDEFGHI將由表IX和表X表示的矩陣相加，得到如表XI所示的矩陣。
表XI1 234567 8910

ABCDEFGHI四個(gè)矩形區(qū)域被選中用來進(jìn)行解卷恢復(fù)，該四個(gè)區(qū)域包含了表XI中所有的非零值(A1:B3，D5:F7，H1:I3，I9:I10)。選出的區(qū)域包括了90個(gè)特征中的23個(gè)，相對(duì)于如果對(duì)整個(gè)圖像進(jìn)行解卷恢復(fù)的計(jì)算量來說節(jié)省了至少約74％，甚至節(jié)省更多，因?yàn)楹芏嘟饩砘謴?fù)的方法中計(jì)算量的程度與被分析的區(qū)域的大小是成指數(shù)上升的。
在不脫離本發(fā)明的范圍和宗旨的前提下，本發(fā)明的各種變化和替換對(duì)于本領(lǐng)域的技術(shù)人員來說都是明顯的，并且應(yīng)該理解，本發(fā)明不僅僅限于以上所示出的實(shí)施例。
權(quán)利要求
b)圖像設(shè)備，用于提供數(shù)字化圖像；c)數(shù)據(jù)存儲(chǔ)設(shè)備；以及d)中央處理器，用于接收來自圖像設(shè)備的數(shù)字化圖像并能夠?qū)懭霐?shù)據(jù)存儲(chǔ)設(shè)備并從數(shù)據(jù)存儲(chǔ)設(shè)備讀出，該中央處理器被編程以i)接收來自圖像設(shè)備的數(shù)字化圖像；ii)識(shí)別多個(gè)特征并將每個(gè)特征與至少一個(gè)值(v)相關(guān)聯(lián)；iii)識(shí)別測(cè)試特征，該測(cè)試特征是鄰近于已知的圖像的低值區(qū)的高值特征，其中所述測(cè)試特征具有尾比例(rt)，所述尾比例是測(cè)試特征的值(vt)與所述鄰近的圖像的低值區(qū)的值(vo)的比例；iv)計(jì)算閾值t，所述閾值(T(rt))是所述測(cè)試特征的尾比例(rt)的函數(shù)；以及v)對(duì)所述圖像的選中區(qū)域進(jìn)行識(shí)別，所述選中區(qū)域包括小于整個(gè)圖像的圖像，所述選中區(qū)域是其中鄰近的特征的值(v)之間的比值大于所述閾值(T(rt))的那些區(qū)域。
7.如權(quán)利要求6所述的系統(tǒng)，其中，該中央處理器還被編程以在計(jì)算尾比例(rt)之前從測(cè)試特征的值(vt)和鄰近的圖像的低值區(qū)的值(vo)中都減去背景常數(shù)。
8.如權(quán)利要求6所述的系統(tǒng)，其中，該中央處理器還被編程以通過自動(dòng)網(wǎng)格分析形成偽圖像。
9.如權(quán)利要求6所述的系統(tǒng)，其中，所述閾值(T(rt))是所述測(cè)試值的尾比例(rt)的倍數(shù)。
10.如權(quán)利要求6所述的系統(tǒng)，其中，該中央處理器還被編程以將所述圖像的選中區(qū)域解卷恢復(fù)。
全文摘要
提供方法和系統(tǒng)，用于選擇性使用解卷恢復(fù)以減小圖像的特征之間的串?dāng)_。該選擇要解卷恢復(fù)的圖像的區(qū)域的方法包括以下步驟a)提供包含多個(gè)特征的圖像，其中每個(gè)特征都與至少一個(gè)值(v)相關(guān)聯(lián)；b)識(shí)別一個(gè)測(cè)試特征，該測(cè)試特征是鄰近于已知的圖像的低值區(qū)的高值特征，其中該測(cè)試特征具有尾比例(r
文檔編號(hào)G06K9/00GK1961336SQ200580017940
公開日2007年5月9日 申請(qǐng)日期2005年4月29日 優(yōu)先權(quán)日2004年6月1日
發(fā)明者馬修·R·C·阿特金森, 庫(kù)爾特·J·霍爾沃森 申請(qǐng)人:3M創(chuàng)新有限公司