[發(fā)明專利]基因芯片圖像的自動(dòng)對比度增強(qiáng)方法

有效

• 申請?zhí)枺?/td>: 201510072881.2
• 申請日: 2015-02-12
• 公開（公告）號(hào): CN104616264B
• 公開（公告）日: 2017-12-19
• 發(fā)明（設(shè)計(jì)）人: 邵桂芳;李鐵軍;許兩有;文玉華;劉暾東
• 申請（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 廈門市精誠新創(chuàng)知識(shí)產(chǎn)權(quán)代理有限公司35218
• 代理人: 李伊飏

技術(shù)領(lǐng)域

本發(fā)明涉及基因芯片圖像的自動(dòng)對比度增強(qiáng)方法。

背景技術(shù)

基因芯片(cDNA Microarray)以高通量、微型化、自動(dòng)化及低成本等優(yōu)點(diǎn)成為后基因組時(shí)代最重要的基因檢測工具之一。基因芯片分析包含樣本采集、芯片制備、掃描成像、圖像處理、數(shù)據(jù)分析和生物學(xué)應(yīng)用等步驟，如圖1所示。基因芯片的圖像處理是其中提取基因表達(dá)水平信息的關(guān)鍵步驟，其準(zhǔn)確性和可靠性將直接影響基因表達(dá)譜數(shù)據(jù)的有效性，并最終決定生物學(xué)分析和病理分析的成敗。因此，基因芯片圖像處理對解讀成千上萬個(gè)基因點(diǎn)的雜交信息，建立可信疾病預(yù)測具有重要的意義，其分析的可靠性和準(zhǔn)確性將直接影響到芯片的推廣與使用。

芯片制作過程復(fù)雜(會(huì)帶來操作失誤或儀器誤差)、圖像質(zhì)量多變(會(huì)出現(xiàn)噪聲等級(jí)不同、基因點(diǎn)形態(tài)各異和基因點(diǎn)分布疏密不一)以及圖像分析方法多樣等，對基因芯片圖像處理造成巨大挑戰(zhàn)。導(dǎo)致目前基因芯片圖像處理過程存在如下問題：①算法精度完全依賴于圖像質(zhì)量；②單一算法無法滿足要求。需要采用新的理論或方法對基因芯片圖像處理進(jìn)行更深入的研究。

而圖像預(yù)處理對提高圖像質(zhì)量，從而對提高圖像分析結(jié)果精度具有重要意義。現(xiàn)有基因芯片圖像預(yù)處理著重于基因芯片圖像的噪聲去除或者傾斜校正，很少有人研究對比度增強(qiáng)。此外，一般來說，通常圖像對比度增強(qiáng)采用的方法是灰度變換法，即對圖像灰度范圍進(jìn)行線性擴(kuò)展，如

但該方法涉及到的a,b,c,d參數(shù)均需要預(yù)先設(shè)定，即需要人為給出原始圖像的對比度范圍以及需要增強(qiáng)的目標(biāo)對比度范圍，不具有適應(yīng)性。

發(fā)明內(nèi)容

因此，針對上述的問題，本發(fā)明針對基因芯片的圖像處理方法進(jìn)行改進(jìn)，提出一種新的自適應(yīng)對比度增強(qiáng)方法，以使其具有很好的適應(yīng)性，可廣泛運(yùn)用于各種類型基因芯片圖像。

為了解決上述技術(shù)問題，本發(fā)明的思路如下：經(jīng)深入研究后發(fā)現(xiàn)，基因芯片圖像大多存在對比度較低現(xiàn)象，并且低對比度對網(wǎng)格定位影響較大；而對比度增強(qiáng)后，網(wǎng)格定位準(zhǔn)確率最大可提高25％。

具體的，本發(fā)明的基因芯片圖像的自動(dòng)對比度增強(qiáng)方法，包括如下步驟：

步驟1：將待處理的基因芯片圖像進(jìn)行數(shù)字處理，用f(x,y)表示數(shù)字處理過的基因芯片圖像灰度值；

步驟2：統(tǒng)計(jì)背景灰度值k；

步驟3：計(jì)算圖像對比度C；

步驟4：對圖像灰度值f(x,y)進(jìn)行掃描，如果f(x,y)≤k，則判斷該像素點(diǎn)是背景，則保留圖像內(nèi)容，如果f(x,y)>k，則代表該像素點(diǎn)為基因點(diǎn)則進(jìn)行對比度增強(qiáng)；利用步驟3計(jì)算得到的圖像對比度值C，獲得增強(qiáng)倍數(shù)10000/C，具體增強(qiáng)過程為

另外，為了去除增強(qiáng)后的噪聲影響，還包括步驟5：對步驟4處理后的圖像灰度值f(x,y)進(jìn)行噪聲濾除：其具體包括如下過程：

步驟51：采用中值濾波器對圖像進(jìn)行掃描，針對的圖像灰度值f(x,y)中的某個(gè)像素點(diǎn)g(x,y)，取其鄰域圖像塊g(x+k,y+l)，其中l(wèi),k∈[-1,1]；

步驟52：對圖像塊進(jìn)行從小到大排序g_s＝sort(g(x+k,y+l))；

步驟53：取中間值g′(x,y)；

步驟54：重復(fù)步驟51-步驟53，最后得到濾除噪聲后的圖像g′(x,y)。

其中，步驟1中，為簡化計(jì)算，將圖像灰度值f(x,y)由16位轉(zhuǎn)換為8位f(x,y)＝f(x,y)/256，同時(shí)，步驟5還包括還原圖像的步驟：步驟55：還原圖像g′(x,y)＝g′(x,y)*256。

步驟2中，統(tǒng)計(jì)背景灰度值k包括如下過程：將圖像灰度值f(x,y)切分為若干個(gè)小窗口，統(tǒng)計(jì)這若干個(gè)小窗口的最大灰度值，形成最大灰度值集合；取最大灰度值集合中的最小值作為背景灰度值k。

為了更好的實(shí)現(xiàn)算法，作為一個(gè)優(yōu)選的方案，上述步驟2具體包括如下過程：

步驟21：為方便統(tǒng)計(jì)背景灰度值，采用10×10的滑動(dòng)窗口在圖像灰度值f(x,y)的邊緣位置掃描，取每個(gè)窗口內(nèi)最大灰度值，形成最大灰度值集合；

步驟22：為消除噪聲影響，針對圖像灰度值f(x,y)的每個(gè)邊緣位置(上下左右)，分別隨機(jī)選擇兩邊和中間三個(gè)位置，共計(jì)12個(gè)窗口位置，最后取最大灰度值集合中的最小值作為背景灰度值，即其中A_j表示每個(gè)窗口，m代表重復(fù)實(shí)驗(yàn)次數(shù)。

更進(jìn)一步的，所述步驟2還包括步驟23：為了避免隨機(jī)性以及噪聲影響，重復(fù)步驟2-步驟3多次，例如取m＝10即重復(fù)10次(當(dāng)然，也可以重復(fù)其他次數(shù))，取平均值作為最后的背景估計(jì)值k。