基于AFM圖像的分割方法的研究

摘 要：該文針對AFM圖像的特點，提出了一種基于內部標記的分水嶺分割算法。首先利用LoG濾波器對圖像進行濾波并通過二值化得到內部標記圖像，然后利用最小標定技術得到外部標記圖像，最后使用分水嶺分割算法得到最后的分割圖像。實驗結果表明，該算法能夠有效地對圖像進行分割。

關鍵詞：圖像處理 原子力顯微鏡 二值化 分水嶺

中圖分類號：TP391.4 文獻標識碼：A 文章編號：1674-098X（2013）04（c）-0022-02

圖像分割是圖像處理中的一項關鍵技術，也是計算機視覺領域低層次中的主要問題，同時它也是一個經典難題[1]。從20世紀70年代至今，已經有大量的研究人員提出了許多圖像分割的方法[2～3]。

原子力顯微鏡（Atomic Force Microscopy， 簡稱AFM）是由IBM公司的G.Binning和斯坦福大學的C.F.Quate及C.Gerber于1986年合作發明的[4]。它利用懸臂感受和放大懸臂上尖細探針與被測樣品間的原子作用力，從而達到檢測的目的。

1 AFM圖像的特點

在使用原子力顯微鏡掃描的過程中，探針和樣品表面原子間的作用力使懸臂彎曲，通過檢測懸臂彎曲的程度，測得樣品表面的結構[5]。由于在掃描過程中樣品并不處于水平位置，這就導致圖像并不能代表真實高度信息。

2 AFM圖像的預處理

通過對AFM圖像的觀察，發現在物體的邊緣處表面高度信息的變化很明顯，所以使用高斯拉普拉斯（LoG）濾波器對圖像進行濾波。圖1（右）顯示了對AFM原始圖像使用LoG濾波器之后的結果圖。

3 分水嶺算法

分水嶺算法是一種基于拓撲理論的數學形態學的分割方法，基本思想是把圖像中每一個像素的灰度值表示該點的海拔高度，每一個局部極小值及其影響區域稱為集水盆，而集水盆的邊界則形成分水嶺。

3.1 基于標記的分水嶺分割算法

分水嶺變換直接用于梯度圖像常常會導致過分割[6]。用于控制過分割的一種方法基于標記符的概念，通過得到內部標記集合和外部標記集合對圖像進行分割[7]。

經過對濾波圖像的研究分析使用0閾值二值化，再利用形態學開運算就得到圖2（右）。將該圖作為分水嶺變換的內部標記圖，同時通過對內部標記圖進行基于距離變換的分水嶺變化得到外部標記圖，如圖2（右）。

3.2 分水嶺變換

在給出內部標記和外部標記之后，使用它們來修正濾波圖像，采用的方法是成為“強制最小”的過程。強制最小技術（MMT）[8]修改灰度級圖像，以便局部最小區域僅出現在標記的位置，如圖3（左）。最后通過分水嶺變換得到分割圖像，如圖3（右）。

3.3 實驗結果

圖4給出了本文中的方法與最大類間方差（Otsu）及分水嶺算法的比較。通過觀察可以看到，與另外兩種方法相比，本文提出的方法能夠針對AFM圖像的特點，有效的抑制了欠分割與過分割。

4 結語

本文通過對原子力顯微鏡圖像特點的研究給出了一種能有效對AFM圖像進行分割的方法。實驗證明該方法能夠在無需對AFM圖像進行水平校正的情況下得到很好的分割效果。但是在該算法的過程中使用到了濾波和形態學變換，在以后進一步的研究過程中可以將該調節過程自動化來提高該算法的自動分割效果。

參考文獻

[1] 何俊，葛紅，王玉峰.圖像分割算法研究綜述[J].計算機工程與科學，2009，31（12）：58-61.

[2] Jianbo Shi，Jitendra Malik.Normalized Cuts and Image Segmentation[J].IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，2000，22（8）：888-905.

[3]Song Chun Zhu，Alan Yuille.Region Competition： Unifying Snakes，Region Growing， and Bayes/MDL for Multiband Image Segmentation[J].IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE，1996，18（9）：884-900.

[4]朱杰，孫潤廣.原子力顯微鏡的基本原理及其方法學研究[J].生命科學儀器，2005，3（1）：22-26.

[5]何振宇，張森文，蔡繼業.基于圖像處理的AFM細胞形態參數的自動獲取[J]. 電子顯微學報，2008，27（1）：57-63.

[6]胡敏，蔡慧芬.基于形態學標記連通的分水嶺圖像分割[J].電子測量與儀器學報，2011，25（6）.

[7]S.Venkataraman，D.P. Allison，H.Qi，et al.Automated image analysis of atomic force microscopy images of rotavirus particles[J]. ultramicroscopy，2006，106：829-837.

[8]Soille，P.Morphological Image Analysis：Principles and Applications[M].2nd ed.NY：SpringerVerlag，2003.