[发明专利]一种二维图像灰度修正方法

说明书

本公开的实施例关于一种二维图像灰度修正方法，包括将二维图形分为多个包括相同数目像素点数目的方形子区域，在每个子区域中计算灰度平均值和标准差，将灰度值相对于该平均值和标准差差别过大的像素数目超过阈值的子区域选定为修正子区域，在所有非修正子区域的子区域中根据各个像素点的灰度拟合高斯分布曲线，以及在每个修正子区域中根据所拟合的高斯分布曲线进行修正。该方法可以提高检测物的对比度，并提高检测的灵敏性。

技术领域

本公开关于图像检测技术的领域，更具体地，关于一种二维图形灰度修正方法。

背景技术

在图像检测领域中经常需要通过光学成像或者显微成像的方法来对包括肉眼难以分辨的细微特征的检测物进行计算机辅助分析。因为图像检测经常在溶液，半透明或透明衬底，凝胶，化学混合物或专业的标定参照物上进行，使得背景中容易出现各种干扰物影响检测物的检测。而检测物本来的数量可能较少，在整幅图像中经常仅有少数几个像素点能够体现出检测物存在。为了将这些少量的检测物从图像中分辨出来，可能需要人工处理来进行筛选。

此外，因为干扰物造成的光学透明度不同、光源的特征、样品的反射和散射等，所拍摄的光学图像还会出现亮度、对比度等的不均匀，而使得同类的检测物在图像上具有明显不同的成像特征。对于这种情况，需要先对光学图像进行修正，最好使得检测物能够以相似的亮度和对比度分布在将干扰物进行过滤处理后的均匀背景中，从而能够利用计算机自动筛选出检测物。当前虽然有多种图像平滑和对比度增强算法可以利用，但仍缺少一种针对该情况的有效处理方法。

发明内容

本公开的目的之一是解决现有技术中的上述问题，并提供一种二维图像灰度修正方法，其包括将二维图形分为多个包括相同数目像素点数目的方形子区域；在每个子区域中计算灰度平均值和标准差；将其中灰度值与平均值之间的差的绝对值大于标准差的两倍的像素点数目超过预定阈值的子区域选定为修正子区域；在所有非修正子区域的子区域中根据各个像素点的灰度拟合高斯分布曲线；以及在每个修正子区域中根据所拟合的高斯分布曲线进行修正，修正对于每个像素点的灰度按照执行，其中G为修正后的灰度，g为修正前的灰度，g₀为根据所拟合的高斯分布曲线所确定的灰度，exp表示以自然常数e为底的指数函数，以及C₁和C₂分别为预先确定的不为零的常数。

该方法有助于将二维图像中包含背景以及包含检测物的区域做出分离，利用二维图像中包含背景的区域建立适合二维图像的高斯分布拟合背景函数，通过将该高斯分布拟合背景函数应用于包含检测物的区域进行像素灰度修正，可以使得检测物与背景之间具有更明显的对比，提高计算机从图像中自动检测检测物的准确性。

在一些实施例中，预定阈值为每个子区域中像素点数目的5％。

在一些实施例中，所拟合的高斯分布曲线为

其中C₃、C₄、σ₁、σ₂、μ₁、μ₂、ρ为需要拟合确定的参数，而x和y分别为以二维图像的中心为中点的坐标系中的横轴和纵轴的坐标。

在一些实施例中，需要拟合确定的参数使得对于非修正子区域中多个采样像素点的灰度与拟合的高斯分布曲线中该多个采样像素点灰度的偏差小于预定的偏差阈值。

在一些实施例中，需要拟合确定的参数使得作为所有非修正子区域中像素点灰度与拟合的高斯分布曲线中像素点灰度的标准差的目标函数最小。

在一些实施例中，对于每个修正子区域计算其周围8个最近邻子区域中所有非修正子区域的灰度平均值的平均，并且对该修正子区域中每个像素点的灰度减去灰度平均值的平均。

在一些实施例中，二维图像在光轴垂直于成像平面的光源照射下进行成像。

在一些实施例中，方形子区域为至少包括64个像素点的正方形。