本公開的實施例關于一種二維圖像灰度修正方法，包括將二維圖形分為多個包括相同數目像素點數目的方形子區域，在每個子區域中計算灰度平均值和標準差，將灰度值相對于該平均值和標準差差別過大的像素數目超過閾值的子區域選定為修正子區域，在所有非修正子區域的子區域中根據各個像素點的灰度擬合高斯分布曲線，以及在每個修正子區域中根據所擬合的高斯分布曲線進行修正。該方法可以提高檢測物的對比度，并提高檢測的靈敏性。

技術領域

本公開關于圖像檢測技術的領域，更具體地，關于一種二維圖形灰度修正方法。

背景技術

在圖像檢測領域中經常需要通過光學成像或者顯微成像的方法來對包括肉眼難以分辨的細微特征的檢測物進行計算機輔助分析。因為圖像檢測經常在溶液，半透明或透明襯底，凝膠，化學混合物或專業的標定參照物上進行，使得背景中容易出現各種干擾物影響檢測物的檢測。而檢測物本來的數量可能較少，在整幅圖像中經常僅有少數幾個像素點能夠體現出檢測物存在。為了將這些少量的檢測物從圖像中分辨出來，可能需要人工處理來進行篩選。

此外，因為干擾物造成的光學透明度不同、光源的特征、樣品的反射和散射等，所拍攝的光學圖像還會出現亮度、對比度等的不均勻，而使得同類的檢測物在圖像上具有明顯不同的成像特征。對于這種情況，需要先對光學圖像進行修正，最好使得檢測物能夠以相似的亮度和對比度分布在將干擾物進行過濾處理后的均勻背景中，從而能夠利用計算機自動篩選出檢測物。當前雖然有多種圖像平滑和對比度增強算法可以利用，但仍缺少一種針對該情況的有效處理方法。

發明內容

本公開的目的之一是解決現有技術中的上述問題，并提供一種二維圖像灰度修正方法，其包括將二維圖形分為多個包括相同數目像素點數目的方形子區域；在每個子區域中計算灰度平均值和標準差；將其中灰度值與平均值之間的差的絕對值大于標準差的兩倍的像素點數目超過預定閾值的子區域選定為修正子區域；在所有非修正子區域的子區域中根據各個像素點的灰度擬合高斯分布曲線；以及在每個修正子區域中根據所擬合的高斯分布曲線進行修正，修正對于每個像素點的灰度按照執行，其中G為修正后的灰度，g為修正前的灰度，g₀為根據所擬合的高斯分布曲線所確定的灰度，exp表示以自然常數e為底的指數函數，以及C₁和C₂分別為預先確定的不為零的常數。

該方法有助于將二維圖像中包含背景以及包含檢測物的區域做出分離，利用二維圖像中包含背景的區域建立適合二維圖像的高斯分布擬合背景函數，通過將該高斯分布擬合背景函數應用于包含檢測物的區域進行像素灰度修正，可以使得檢測物與背景之間具有更明顯的對比，提高計算機從圖像中自動檢測檢測物的準確性。

在一些實施例中，預定閾值為每個子區域中像素點數目的5％。

在一些實施例中，所擬合的高斯分布曲線為

其中C₃、C₄、σ₁、σ₂、μ₁、μ₂、ρ為需要擬合確定的參數，而x和y分別為以二維圖像的中心為中點的坐標系中的橫軸和縱軸的坐標。

在一些實施例中，需要擬合確定的參數使得對于非修正子區域中多個采樣像素點的灰度與擬合的高斯分布曲線中該多個采樣像素點灰度的偏差小于預定的偏差閾值。

在一些實施例中，需要擬合確定的參數使得作為所有非修正子區域中像素點灰度與擬合的高斯分布曲線中像素點灰度的標準差的目標函數最小。

在一些實施例中，對于每個修正子區域計算其周圍8個最近鄰子區域中所有非修正子區域的灰度平均值的平均，并且對該修正子區域中每個像素點的灰度減去灰度平均值的平均。

在一些實施例中，二維圖像在光軸垂直于成像平面的光源照射下進行成像。

在一些實施例中，方形子區域為至少包括64個像素點的正方形。