奧林巴斯顯微鏡高斯邊緣增強(qiáng)算法的區(qū)別

大多數(shù)的邊緣增強(qiáng)算法中通常采用的數(shù)字圖像處理經(jīng)常產(chǎn)生的圖像中增加隨機(jī)噪聲的不希望的副作用。因?yàn)樗哳l空間細(xì)節(jié)，其可以包括隨機(jī)噪聲，所述的高斯差分算法是用于提高在嘈雜的數(shù)字圖像的邊緣是有用的。這種互動(dòng)式的教程探討應(yīng)用高斯算法，在顯微鏡拍攝的圖像的差異。

教程初始化與隨機(jī)選擇的樣本圖像（在顯微鏡拍攝的）出現(xiàn)在題為左手和中心窗試樣（1）模糊和模糊試樣（2） ，分別為。操作教程，選擇一個(gè)標(biāo)本圖像從選擇的樣本下拉菜單。每個(gè)標(biāo)本名稱包含在括號(hào)中的縮寫指定在獲得雇用的圖像對(duì)比度機(jī)制。以下命名法被使用：（FL）熒光; （BF）明場; （DF）暗場; （PC）相襯; （DIC），微分干涉對(duì)比（諾馬斯基）; （HMC）霍夫曼調(diào)制對(duì)比度; 和（POL）偏振光。游客會(huì)注意到，標(biāo)本用光學(xué)顯微鏡的行為提供了各種技術(shù)教程圖像處理過程中不同抓獲。

模糊試樣窗口中顯示所造成的施加圖像高斯模糊到試樣的圖像。模糊效果的強(qiáng)度可以通過使用改變σ（1）和σ（2）的滑塊，這將影響圖像的左側(cè)和中央的窗口的外觀，分別。游客應(yīng)注意的是，的值σ（1）滑塊必須小于該值σ（2）滑塊和教程將確保該狀態(tài)下，通過自動(dòng)限制滑塊的移動(dòng)范圍。的差分圖像（1） - （2）窗口顯示所導(dǎo)致減去出現(xiàn)在中心窗口中的圖像的圖像（模糊試樣（2） ）從包含在左側(cè)的窗口的圖像（模糊試樣（1） ）。游客應(yīng)探索如何調(diào)整滑塊組合影響圖像模糊和圖像差的外觀。

高斯差是灰度圖像增強(qiáng)算法，涉及從另一個(gè)模糊版本的原始灰度圖像，原來的較少模糊版本的減法。模糊圖像進(jìn)行卷積與具有不同標(biāo)準(zhǔn)偏差高斯核原灰度圖像獲得。模糊使用高斯核的圖像抑制僅高頻空間信息。從另一個(gè)減去一個(gè)圖像保留了被保存在兩個(gè)模糊圖像的頻率范圍之間處于空間信息。因此，高斯的差相當(dāng)于一個(gè)帶通激發(fā)塊即丟棄所有，但極少數(shù)的空間頻率中存在的原始灰度圖像的。在它的操作中，高斯算法的差異被認(rèn)為是模仿如何在眼睛的視網(wǎng)膜神經(jīng)處理提取從目的地為傳輸?shù)酱竽X的圖像細(xì)節(jié)。

兩個(gè)高斯曲線與不同標(biāo)準(zhǔn)偏差的橫截面積與它們的差被示于圖1中。注意如何差曲線密切類似于所述的拉普拉斯，另一種常用的邊緣增強(qiáng)算法。

作為圖像增強(qiáng)算法，高斯的差異可以用于增加在數(shù)字圖像的邊緣和其他細(xì)節(jié)本的可視性。各種各樣的替代邊緣銳化濾波器通過增強(qiáng)高頻細(xì)節(jié)進(jìn)行操作，但由于隨機(jī)噪聲也具有高的空間頻率，許多這些銳化濾波器的傾向增強(qiáng)噪聲，不希望的偽影。的高斯算法的差去除高頻細(xì)節(jié)通常包括隨機(jī)噪聲，使這種方法用于與噪音的高度處理圖像*合適的一個(gè)。一個(gè)主要的缺點(diǎn)，以應(yīng)用高斯算法的差是一個(gè)固有的減少由操作所產(chǎn)生的整體圖像的對(duì)比度。

采用平滑教程標(biāo)本圖像高斯內(nèi)核的大小表示相應(yīng)的模糊圖像的下方。當(dāng)用于圖像增強(qiáng)，高斯的算法的差通常應(yīng)用于當(dāng)內(nèi)核的尺寸比（2）到內(nèi)核（1）為4：1或5：1。該算法也可以被用來獲得的近似高斯的拉普拉斯時(shí)的比率σ（2） ，以σ（1）約等于1.6。高斯的拉普拉斯是用于檢測(cè)出現(xiàn)在各種圖像邊緣有用的尺度或?qū)W位圖像焦點(diǎn)。的精確值σ（1）和σ（2）被用來近似高斯的拉普拉斯將確定的差分圖像，這可能會(huì)顯得模糊，結(jié)果的規(guī)模。