[发明专利]基因芯片图像的自动对比度增强方法

说明书

技术领域

本发明涉及基因芯片图像的自动对比度增强方法。

背景技术

基因芯片(cDNA Microarray)以高通量、微型化、自动化及低成本等优点成为后基因组时代最重要的基因检测工具之一。基因芯片分析包含样本采集、芯片制备、扫描成像、图像处理、数据分析和生物学应用等步骤，如图1所示。基因芯片的图像处理是其中提取基因表达水平信息的关键步骤，其准确性和可靠性将直接影响基因表达谱数据的有效性，并最终决定生物学分析和病理分析的成败。因此，基因芯片图像处理对解读成千上万个基因点的杂交信息，建立可信疾病预测具有重要的意义，其分析的可靠性和准确性将直接影响到芯片的推广与使用。

芯片制作过程复杂(会带来操作失误或仪器误差)、图像质量多变(会出现噪声等级不同、基因点形态各异和基因点分布疏密不一)以及图像分析方法多样等，对基因芯片图像处理造成巨大挑战。导致目前基因芯片图像处理过程存在如下问题：①算法精度完全依赖于图像质量；②单一算法无法满足要求。需要采用新的理论或方法对基因芯片图像处理进行更深入的研究。

而图像预处理对提高图像质量，从而对提高图像分析结果精度具有重要意义。现有基因芯片图像预处理着重于基因芯片图像的噪声去除或者倾斜校正，很少有人研究对比度增强。此外，一般来说，通常图像对比度增强采用的方法是灰度变换法，即对图像灰度范围进行线性扩展，如

但该方法涉及到的a,b,c,d参数均需要预先设定，即需要人为给出原始图像的对比度范围以及需要增强的目标对比度范围，不具有适应性。

发明内容

因此，针对上述的问题，本发明针对基因芯片的图像处理方法进行改进，提出一种新的自适应对比度增强方法，以使其具有很好的适应性，可广泛运用于各种类型基因芯片图像。

为了解决上述技术问题，本发明的思路如下：经深入研究后发现，基因芯片图像大多存在对比度较低现象，并且低对比度对网格定位影响较大；而对比度增强后，网格定位准确率最大可提高25％。

具体的，本发明的基因芯片图像的自动对比度增强方法，包括如下步骤：

步骤1：将待处理的基因芯片图像进行数字处理，用f(x,y)表示数字处理过的基因芯片图像灰度值；

步骤2：统计背景灰度值k；

步骤3：计算图像对比度C；

步骤4：对图像灰度值f(x,y)进行扫描，如果f(x,y)≤k，则判断该像素点是背景，则保留图像内容，如果f(x,y)>k，则代表该像素点为基因点则进行对比度增强；利用步骤3计算得到的图像对比度值C，获得增强倍数10000/C，具体增强过程为

另外，为了去除增强后的噪声影响，还包括步骤5：对步骤4处理后的图像灰度值f(x,y)进行噪声滤除：其具体包括如下过程：

步骤51：采用中值滤波器对图像进行扫描，针对的图像灰度值f(x,y)中的某个像素点g(x,y)，取其邻域图像块g(x+k,y+l)，其中l,k∈[-1,1]；

步骤52：对图像块进行从小到大排序g_s＝sort(g(x+k,y+l))；

步骤53：取中间值g′(x,y)；

步骤54：重复步骤51-步骤53，最后得到滤除噪声后的图像g′(x,y)。

其中，步骤1中，为简化计算，将图像灰度值f(x,y)由16位转换为8位f(x,y)＝f(x,y)/256，同时，步骤5还包括还原图像的步骤：步骤55：还原图像g′(x,y)＝g′(x,y)*256。

步骤2中，统计背景灰度值k包括如下过程：将图像灰度值f(x,y)切分为若干个小窗口，统计这若干个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为背景灰度值k。

为了更好的实现算法，作为一个优选的方案，上述步骤2具体包括如下过程：

步骤21：为方便统计背景灰度值，采用10×10的滑动窗口在图像灰度值f(x,y)的边缘位置扫描，取每个窗口内最大灰度值，形成最大灰度值集合；

步骤22：为消除噪声影响，针对图像灰度值f(x,y)的每个边缘位置(上下左右)，分别随机选择两边和中间三个位置，共计12个窗口位置，最后取最大灰度值集合中的最小值作为背景灰度值，即其中A_j表示每个窗口，m代表重复实验次数。

更进一步的，所述步骤2还包括步骤23：为了避免随机性以及噪声影响，重复步骤2-步骤3多次，例如取m＝10即重复10次(当然，也可以重复其他次数)，取平均值作为最后的背景估计值k。