低質(zhì)量掃描電鏡圖像增強(qiáng)設(shè)計(jì)及實(shí)現(xiàn)*

孫 羽，孫浩亮，朱若華，楊志強(qiáng)，柯 睿，傅 強(qiáng)，常 勝

(武漢大學(xué) 物理科學(xué)與技術(shù)學(xué)院，湖北 武漢430072)

掃描電子顯微鏡SEM(Scanning Electron Microscope)以接收二次電子束[1]的信息束來(lái)形成觀測(cè)樣品的圖像，通過(guò)對(duì)圖像的分析獲取觀測(cè)樣品的特性，廣泛應(yīng)用于物理、化學(xué)、生物、材料等多領(lǐng)域的科學(xué)研究和工程實(shí)踐。但由于荷電效應(yīng)、邊緣效應(yīng)、樣品損傷、樣本的導(dǎo)電性不理想等客觀因素以及電鏡操作人員的水平等主觀因素，掃描電鏡易產(chǎn)生低質(zhì)量圖像。這些低質(zhì)量圖像存在模糊、對(duì)比度小、噪聲大、邊緣不明顯等缺陷，導(dǎo)致樣品信息難以有效提取，給相關(guān)的科研工作帶來(lái)阻礙。

面對(duì)這一問(wèn)題，目前已有的對(duì)改善SEM圖像的研究大部分集中在SEM操作手段[2]的改進(jìn)和SEM儀器設(shè)計(jì)制造的精度上。前一種方式依賴于操作人員的熟練度，后一種方式則會(huì)產(chǎn)生較高的成本。在現(xiàn)今信息社會(huì)，數(shù)字圖像處理技術(shù)[3]已經(jīng)日臻成熟，已廣泛運(yùn)用于各領(lǐng)域。SEM圖像亦是一種圖像，也可使用數(shù)字圖像處理方法來(lái)提高其質(zhì)量，但相應(yīng)的工作尚不常見(jiàn)。

針對(duì)以上情況以及科研人員的需求，本文將數(shù)字圖像處理方法引入到SEM圖像分析，構(gòu)建了低質(zhì)量掃描電鏡圖像增強(qiáng)處理流程。根據(jù)不同的低質(zhì)量原因?qū)D像分類處理；通過(guò)空間域圖像增強(qiáng)[4-5]方法改善SEM圖像質(zhì)量，提高分辨率，調(diào)節(jié)合適的亮度；進(jìn)一步研究圖像識(shí)別功能，自動(dòng)勾勒樣品邊緣，易于研究人員精確簡(jiǎn)單地識(shí)別出樣品對(duì)象。整體算法在SoPC的嵌入式平臺(tái)上得到了實(shí)現(xiàn)，為掃描電子顯微鏡性能的增強(qiáng)和功能的擴(kuò)展提供了新的途徑。

1 SEM圖像質(zhì)量判別及增強(qiáng)

SEM圖像的低質(zhì)量一般由荷電效應(yīng)、邊緣效應(yīng)、樣品損傷以及樣本的導(dǎo)電性不理想造成，反映在圖像上通常體現(xiàn)為整體偏亮或偏暗及圖像對(duì)比度不足。為此，灰度圖像增強(qiáng)便成為SEM圖像質(zhì)量提升的基本手段。

通過(guò)對(duì)大量電鏡圖像的分析,建立圖1所示流程。首先對(duì)圖像的質(zhì)量進(jìn)行判別，高質(zhì)量圖像直接輸出，低質(zhì)量圖像進(jìn)行增強(qiáng)處理后再根據(jù)其峰值信噪比情況輸出。

圖1 質(zhì)量判別及圖像增強(qiáng)方法

1.1 SEM圖像質(zhì)量判別

采用圖像平均灰度值和圖像梯度相結(jié)合的方法，來(lái)判斷圖像的質(zhì)量高低及其應(yīng)該采用的處理方法。

1.1.1平均灰度

由于許多SEM圖像存在明暗不均的問(wèn)題，因此通過(guò)式(1)計(jì)算圖像的平均灰度，判斷圖像的明暗程度。

其中,f(i,j)為各像素點(diǎn)的灰度值，m和n分別為圖像的行數(shù)和列數(shù)。通過(guò)對(duì)大量電鏡圖像的分析發(fā)現(xiàn)，高質(zhì)量SEM圖像的Faver值在90～110之間,低于這個(gè)范圍則需對(duì)其進(jìn)行增加亮度處理,高于這個(gè)范圍則需降低其亮度。

1.1.2 Tenengrad梯度

使用Sobel算子來(lái)提取水平和垂直方向的梯度值，采用式(2)所示的Tenengra[6]函數(shù)對(duì)圖像的清晰度作評(píng)價(jià)。通過(guò)對(duì)大量電鏡圖像的分析發(fā)現(xiàn)，高質(zhì)量圖像的F值小于7.2或大于13.2。

其中,S(x,y)是在像素點(diǎn) f(x,y)上Sobel算子的卷積，定義為模糊度。卷積計(jì)算如下：

定義兩個(gè)模板算子為：

f(x,y)與 kx、ky的卷積結(jié)果記為 fx(x,y)、fy(x,y),則有：

將灰度與梯度結(jié)合作為質(zhì)量判別的標(biāo)準(zhǔn)。灰度符合而梯度值不高，圖像就會(huì)呈現(xiàn)整體模糊；梯度值很高而灰度值很低或很高，則有可能是噪聲、亮線等問(wèn)題。只有兩者均判斷為高質(zhì)量的圖像才直接輸出，否則進(jìn)入增強(qiáng)處理流程。

1.2 低質(zhì)量SEM圖像增強(qiáng)

通過(guò)前一階段對(duì)灰度均值的判斷，將低質(zhì)量圖像分為亮度偏低或亮度偏高兩種情況處理。

對(duì)于亮度偏低(平均灰度值偏低)的SEM圖像，計(jì)算出平均灰度aver(f),f為圖像的所有像素點(diǎn)，采用式(5)所示的對(duì)數(shù)變換方法加以增強(qiáng)。

對(duì)于整體亮度偏高(即平均灰度值較低)的圖像，采用式(6)所示的指數(shù)變換方法加以增強(qiáng)。

其中,c為常數(shù),本文取c=1;γ為根據(jù)電鏡圖像特點(diǎn)定義的指數(shù)項(xiàng)，其表達(dá)式為:

上述兩個(gè)函數(shù)兼具對(duì)圖像進(jìn)行拉伸的效果，在調(diào)節(jié)灰度的同時(shí)也調(diào)整了圖像的對(duì)比度。

1.3 SEM圖像信息提取

為滿足科研人員對(duì)樣品圖像觀測(cè)的需要，將邊緣檢測(cè)手段[7]應(yīng)用于SEM圖像，提取了圖2所示樣品對(duì)象的邊沿。這對(duì)多體樣品的識(shí)別以及樣品尺寸的準(zhǔn)確測(cè)量具有實(shí)際應(yīng)用意義。

圖2 樣品邊沿提取

首先運(yùn)用Otsu算法將SEM圖像背景與目標(biāo)分離，根據(jù)SEM圖像特點(diǎn)設(shè)定合適的分割閾值將圖像二值化，以避免出現(xiàn)偽邊沿；然后使用控制標(biāo)記符分水嶺分割算法去除已分離出的物體中的不必要小目標(biāo)，勾勒樣品邊沿。具體方法是：(1)計(jì)算圖像中大量局部最小區(qū)域的位置；(2)計(jì)算圖像的“擴(kuò)展的最小變換”，通過(guò)閾值來(lái)擴(kuò)展“局部最小區(qū)域”，將“擴(kuò)展最小區(qū)域”作為內(nèi)部標(biāo)記符；(3)尋找外部標(biāo)記符；(4)使用內(nèi)部和外部標(biāo)記修改梯度圖像，使用“強(qiáng)制最小”過(guò)程將所得二值圖像疊加到原圖上，使結(jié)果圖像中只保留所需要的目標(biāo)物體。

2 基于SoPC的圖像增強(qiáng)實(shí)現(xiàn)

以上增強(qiáng)算法采用軟件方法設(shè)計(jì)，需依賴于計(jì)算機(jī)。為使得設(shè)計(jì)更好地投入實(shí)際使用，基于SoPC的嵌入式平臺(tái)實(shí)現(xiàn)了整個(gè)流程，為作為附件升級(jí)掃描電子顯微鏡打下了基礎(chǔ)。

2.1 系統(tǒng)結(jié)構(gòu)

基于Nios軟核[8]構(gòu)建的SoPC系統(tǒng)框架如圖3所示。掃描電鏡采集SEM圖像，轉(zhuǎn)換為十六進(jìn)制數(shù)據(jù)文件后在Nios中完成對(duì)圖像數(shù)據(jù)的處理，實(shí)現(xiàn)SEM圖像的質(zhì)量判斷、低質(zhì)量SEM圖像的處理以及圖像樣品對(duì)象的邊沿檢測(cè)。其中SRAM為SEM圖像數(shù)據(jù)的緩存設(shè)備，SDRAM是Nios中的片內(nèi)緩存。圖4列出了SoPC系統(tǒng)的資源利用情況，可以看出，DEII平臺(tái)的核心芯片EP2C35的邏輯和存儲(chǔ)器資源滿足算法實(shí)現(xiàn)的需要。

圖3 基于SoPC的系統(tǒng)結(jié)構(gòu)

圖4 SoPC系統(tǒng)的資源利用

2.2 設(shè)計(jì)優(yōu)化手段

在SEM圖像增強(qiáng)算法中，使用到了指數(shù)函數(shù)和對(duì)數(shù)函數(shù)，且對(duì)逐個(gè)像素單元的處理需使用循環(huán)結(jié)構(gòu)。這些步驟消耗了大量的運(yùn)算時(shí)間，降低了運(yùn)算速度。為提升系統(tǒng)性能，采取了以下設(shè)計(jì)優(yōu)化手段：

(1)在 SoPC中添加 PPL模塊，將 Nios的主頻提高到100 MHz，提升運(yùn)算速度。

(2)采用查找表方式實(shí)現(xiàn)復(fù)雜函數(shù)。確定設(shè)計(jì)中對(duì)數(shù)、指數(shù)運(yùn)算的取值范圍，將應(yīng)得的計(jì)算結(jié)果制成查找表，通過(guò)查找和插值直接得到運(yùn)算結(jié)果,避免耗時(shí)長(zhǎng)的計(jì)算。

(3)優(yōu)化循環(huán)結(jié)構(gòu)。在邊沿提取中，分水嶺分割算法對(duì)匹配的目標(biāo)進(jìn)行尋找時(shí)需要大量循環(huán)。根據(jù)電鏡圖像樣品面積相對(duì)較大的特點(diǎn)，在尋找目標(biāo)時(shí)，進(jìn)行間隔式的掃描，減少循環(huán)次數(shù)，以減少耗時(shí)。

3 結(jié)果驗(yàn)證

通過(guò)對(duì)具有代表性的200余幅SEM圖像進(jìn)行處理，提取其相關(guān)參數(shù)進(jìn)行分析，驗(yàn)證了算法的可行性。圖5和圖6給出從其中隨機(jī)取10張SEM圖像，分析其平均灰度、灰度梯度處理前后的變化結(jié)果，其中淺灰代表處理前圖像的值，深灰色代表處理后圖像的值。從圖5可看出，處理后的圖像平均灰度進(jìn)入了 90～110的區(qū)間，達(dá)到了高質(zhì)量SEM圖像的要求。從圖6可以看出，圖像的灰度梯度達(dá)到了小于7.2或大于13.2的要求，滿足高質(zhì)量SEM圖像的要求。

圖5 處理前后平均灰度對(duì)比

圖6 處理前后灰度梯度對(duì)比

為進(jìn)一步驗(yàn)證本文方法的效果，選取了圖7所示的一張SEM圖像進(jìn)行更具體的分析,結(jié)果如表1所示。從表1可以看到，圖7(a)所示的原圖平均灰度值為88.81、灰度梯度值為9.91，其平均灰度值偏低，灰度梯度過(guò)高，屬于低質(zhì)量SEM圖像，需進(jìn)行增強(qiáng)處理。通過(guò)相應(yīng)的對(duì)數(shù)變換增強(qiáng)手段，提高亮度并且改善對(duì)比度后，得到圖7(b)所示的增強(qiáng)圖像。通過(guò)直觀視覺(jué)觀察，樣品亮度和對(duì)比度得到了明顯改善，且圖像更加平滑，噪聲減少，細(xì)節(jié)部分得到了突出。處理后平均灰度值和灰度梯度值都達(dá)到高質(zhì)量圖像的范圍，峰值信噪比達(dá)到24.15，定量地證實(shí)了增強(qiáng)的效果。

圖7 SEM圖像增強(qiáng)效果

表1 圖7的定量參數(shù)

通過(guò)直方圖[9]對(duì)圖7處理前后進(jìn)行分析，結(jié)果如圖8所示，進(jìn)一步印證了圖像質(zhì)量的提升。原圖直方圖較為尖銳，分布比較集中，大部分集中在中低灰度區(qū)域，反映出其圖像偏暗，灰度值梯度較小，圖像分辨率低。進(jìn)行處理后，灰度值的取值點(diǎn)數(shù)集中區(qū)域點(diǎn)數(shù)減少，其他部分的點(diǎn)數(shù)得到了增多，說(shuō)明其灰度值梯度增大，分辨率提高，亮度增大，圖像質(zhì)量得到增強(qiáng)。

圖8 圖7的直方圖分析

本文針對(duì)SEM圖像的特點(diǎn)，實(shí)現(xiàn)了按圖像質(zhì)量對(duì)圖像進(jìn)行分類；對(duì)低質(zhì)量圖像進(jìn)行了增強(qiáng)，改善了圖像的灰度分布、提高了圖像的峰值信噪比；在此基礎(chǔ)上基于分水嶺算法提取了SEM圖像中樣品對(duì)象的邊緣，豐富了SEM圖像的處理功能，能幫助科研工作者更準(zhǔn)確、輕松地從SEM圖像中獲取所需的信息。在基于SoPC的電路系統(tǒng)上實(shí)現(xiàn)了增強(qiáng)及邊緣提取算法，提供了以電路方式處理SEM圖像的途徑，為作為附件升級(jí)掃描電子顯微鏡打下了基礎(chǔ)。

[1]唐曉山,屈菊蘭.常見(jiàn)掃描電子顯微鏡圖像的缺陷和解決方法[J].湛江師范學(xué)院學(xué)報(bào)（自然科學(xué)版）,2005,26(3):123-125.

[2]董延龍.掃描電子顯微鏡的改進(jìn)及其應(yīng)用[J].現(xiàn)代農(nóng)業(yè)科技,2009(7):301-302.

[3]余成波.數(shù)字圖像處理及 MATLAB實(shí)現(xiàn)[M].重慶:重慶大學(xué)出版社,2003.

[4]陳桂明,張明照,戚紅雨.應(yīng)用MATLAB語(yǔ)言處理數(shù)字信號(hào)與數(shù)字圖像[M].北京:科學(xué)出版社,2000.

[5]徐煒君,劉國(guó)忠.空間域和頻域結(jié)合的圖像增強(qiáng)技術(shù)及實(shí)現(xiàn)[J].中國(guó)測(cè)試,2009,35(4):52-54.

[6]李奇,馮華君,徐之海,等.數(shù)字圖象清晰度評(píng)價(jià)函數(shù)研究[J].光子學(xué)報(bào),2002,31(6):736-738.

[7]龍建武.基于Otsu的圖像閾值分割算法的研究[D].長(zhǎng)春：吉林大學(xué),2011.

[8]馬峰,徐和根,趙曼.基于 FPGA的智能卡控制器的實(shí)現(xiàn)[J].微型機(jī)與應(yīng)用,2013,32(1):20-22.

[9]殷德奎，俞卞章.基于多維直方圖的灰度圖像質(zhì)量評(píng)價(jià)[J].模式識(shí)別與人工智能,1996,9(3):265-270.