The invention relates to the field of image stitching, in particular to a gray level correction method and device in multi image mosaic. The aim is to solve the discontinuous gray level in the image mosaic. The method and device of gray level correction proposed by the invention first select the seed image from the image after registration, then adjust the image by the gain compensation method according to the position information and the gray information of the seed image. The image is fine tuned by the histogram normalization method, and the image and the image can be reached as much as possible. The grayscale is consistent. Then, the Poisson image editing method is used for image fusion to eliminate stitching marks. The process of gray correction is based on the seed image as the starting point of gray correction, reducing the error accumulation and transmission of traditional methods. From the whole to the part, the correction effect is improved step by step, and the result of gray correction is more robust, which ensures the quality of the gray level correction results of the microscopic images.
【技术实现步骤摘要】
多幅显微图像拼接中的灰度校正方法及装置
本专利技术涉及图像拼接领域,具体涉及一种多幅显微图像拼接中的灰度校正方法及装置。
技术介绍
近年来,随着电镜成像技术的发展和计算性能的提升,通过显微图像配准拼接获得大视野高分辨率全景图像,得到广泛应用[1][2]。但在电子显微镜图像采集和拼接的过程中,由于磁场环境变化、参数漂移,以及配准误差、拼接缝等因素的影响,导致拼接后的图像产生了多种灰度不连续现象,包括拼接图像间的灰度块状不一致和局部图像边缘拼接区域的灰度不连续等。这些灰度不连续现象影响视觉效果,给后续的目标追踪、3D重建等任务增加了难度。所以,为了达到多幅图像拼接结果全局灰度连续,即整体的灰度一致和局部拼接缝处的灰度平缓过渡。需要一个完整的灰度校正流程对多幅图像拼接中的灰度不连续现象用多种方法对其进行逐步的校正。针对图像数量增多引入的灰度校正困难,研究人员提出增益补偿法(GainCompensation)来解决这一问题[3]。常见的方法包括为每幅图像设定增益因子,在增益因子作用下列出不同图像之间差异的能量方程,求解出能量方程最小时的增益因子的值,对每幅图像进行灰度校正。这种方法虽然简单,但是对图像间灰度差异较大时校正效果有限。另外一些方法是图像处理中灰度校正常用的直方图规范化法(HistogramNormalization)以另一个图像的灰度直方图分布为模板[4],运用统计学的方法,找到灰度映射的函数,对其他图像进行灰度校正,这类方法的灰度校正效果要优于增益补偿法,但是对于图像拼接结果中的图像直接进行直方图规范化其模板图像选择带来的误差的累积和传播会极大的影响 ...
【技术保护点】
一种多幅显微图像拼接中的灰度校正方法,其特征在于,包括以下步骤:步骤S10,在配准后的显微图像中选取多幅种子图像,并记录所述种子图像的位置和灰度信息;步骤S20,根据所述种子图像的位置和灰度信息,对配准后的各显微图像的灰度进行粗调,得到灰度粗调后的显微图像;步骤S30,根据粗调后的所述种子图像的位置和灰度信息,对粗调后的各显微图像的灰度进行细调,得到灰度细调后的显微图像;步骤S40,将所述细调后的显微图像进行局部灰度的融合,得到灰度校正后的显微图像;其中,所述种子图像,为调整其他各幅显微图像灰度的模板,且所述种子图像为亮度和清晰度满足预设要求的显微图像;所述种子图像的位置信息,为该图像在拼接图像序列中的序列号。
【技术特征摘要】
1.一种多幅显微图像拼接中的灰度校正方法,其特征在于,包括以下步骤:步骤S10,在配准后的显微图像中选取多幅种子图像,并记录所述种子图像的位置和灰度信息;步骤S20,根据所述种子图像的位置和灰度信息,对配准后的各显微图像的灰度进行粗调,得到灰度粗调后的显微图像;步骤S30,根据粗调后的所述种子图像的位置和灰度信息,对粗调后的各显微图像的灰度进行细调,得到灰度细调后的显微图像;步骤S40,将所述细调后的显微图像进行局部灰度的融合,得到灰度校正后的显微图像;其中,所述种子图像,为调整其他各幅显微图像灰度的模板,且所述种子图像为亮度和清晰度满足预设要求的显微图像;所述种子图像的位置信息,为该图像在拼接图像序列中的序列号。2.根据权利要求1所述的灰度校正方法,其特征在于,步骤S20中“对配准后的各显微图像的灰度进行粗调”,包括:根据种子图像的位置和灰度信息,构建进行灰度粗调的目标函数,进而计算出每幅图像的灰度增益因子;根据所述灰度增益因子对全部图像进行灰度优化得到整体灰度粗调之后的图像。3.根据权利要求2所述的灰度校正方法,其特征在于,“根据种子图像的位置和灰度信息,构建进行灰度粗调的目标函数,进而计算出每幅图像的灰度增益因子”,具体为:对所述配准后的显微图像,计算每幅图像与相邻图像之间的重叠区域;构建目标函数e:其中,n为所述配准后的显微图像的总数量;i、j为两幅相邻图像的序号;Nij为第i幅图像和第j幅图像的重叠区域中的像素个数;gi、gj分别为第i幅图像和第j幅图像的灰度增益因子;R(i,j)表示第i幅图像上,与第j幅图像重叠的区域;ui表示第i幅图像上的重叠区域R(i,j)中的一个像素点;Ii(ui)表示像素点ui的灰度值;表示第i幅图像上的重叠区域R(i,j)中所有像素点的灰度平均值;R(j,i)表示第j幅图像上,与第i幅图像重叠的区域;uj表示第j幅图像上的重叠区域R(j,i)中的一个像素点;Ij(uj)表示像素点uj的灰度值;表示第j幅图像上的重叠区域R(j,i)中所有像素点的灰度平均值;分别代表增益因子的偏离程度和亮度的偏离程度,当第i幅图像为种子图像时,当第i幅图像为非种子图像时,C1、D1、C2、D2均为预设值,取值时考虑在灰度校正之后所述种子图像的增益和亮度保持不变;将所述目标函数用极值法求解,得到每幅图像的灰度增益因子。4.根据权利要求2所述的灰度校正方法,其特征在于,“根据所述灰度增益因子对全部图像进行灰度优化得到整体灰度粗调之后的图像”,具体为:对配准后的每幅图像,用该图像上各像素点的灰度值分别乘以该...
【专利技术属性】
技术研发人员:陈曦,周芳旭,韩华,沈丽君,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。