颜色反卷积算法分析(colour deconvolution)
来源:互联网 发布:网络图片识别app 编辑:程序博客网 时间:2024/06/06 03:13
理论
反卷积(deconvolution)是指通过测量输出和已知输入,重构未知输入的过程。
颜色反卷积算法的设计针对RGB摄像机获取的颜色信息,基于RGB染色特异性吸收,分别计算每种染色剂对图像的作用效果。免疫组织化学图像处理通常用的染色包括DAB、H&E。
差异染色的目的是染料特别附着于提供指标物质或结构的分布信息。污渍量附着或沉积将确定染色特异性波长的光密度,根据Lambert-Beer法则光密度与染色浓度成比例。朗伯特-比尔定律:
Ic = Io,c exp(-AcC) (1)
光密度 :
ODc =-log10(Ic/Io,c) = A*cC (2)
ColourDeconvolution
CD模型可以理解为将RGB色彩空间X变换为用染色组织切片染色定义新的色彩空间 Y。如果将单张图片定义为I = (C, X) 2维形式。像素点C和每个像素相关联的颜色空间函数 ,函数X为每个像素分配红色,绿色和蓝色强度。根据朗伯特比尔定律由公式(1)可以定义为:
X = exp(-SY) (3)
其中S为吸收因子构成,归一化处理后的矩阵;
R
G
B
Sr,1
Sg,1
Sb,1
H
Sr,2
Sg,2
Sb,2
E
Sr,3
Sg,2
Sb,3
DAB
Yc = DZc (4)
其中,D是S的逆矩阵S-1,Zc= - log(X C)
实例
假设:I为混合染色后的图像,C是空间Y的一个1*3的矩阵为材料特征量,表达形式为[AH, AE, ADAB],则该点的在空间 X光密度OD值,为y= CS:
[ODr , ODg , ODb] = [AH , AE,ADAB] S
则根据公式(4)
C = S-1*[y] 即为:C= D*[y]
得到图像像素X在空间Y中的图像的特征量。
[AH, AE, ADAB]由公式(2)可以得到RGB三色通道分别的光密度值得到分离后的各个图像的光密度值
根据该值在RGB空间中输出图像,可以得到三幅不同染色剂染色对混合图像作用比例的图像。
- 颜色反卷积算法分析(colour deconvolution)
- 颜色反卷积算法分析(Colour Deconvolution )
- 图像反卷积Deconvolution的实现
- 反卷积(Deconvolution)上采样(Upsampling)上池化(Unpooling)的区别
- 反卷积(Transposed Convolution, Fractionally Strided Convolution or Deconvolution)
- 反卷积算法
- 反卷积(转置卷积)
- 反卷积(转置卷积)总结
- 反卷积层(转置卷积)
- 前端颜色取反算法
- 使用 matlab 数字图像处理(九)—— 去卷积(deconvolution,逆滤波复原)
- 反卷积
- 反卷积
- CNN-卷积反卷积
- CNN-卷积反卷积
- 卷积与反卷积
- 卷积与反卷积
- 卷积与反卷积
- Linux中网络的配置
- Markdown语法说明
- 【C++】使用libxml解析XML文件
- ASP.net搭建三层架构网站
- CF - 294B DP
- 颜色反卷积算法分析(colour deconvolution)
- PHP获取当前文件路径信息的方法
- altium designer 怎么才能不经过原理图直接在空白pcb上加封装然后画线?
- sort
- Java 多线程之 Lock 的使用
- 枚举星期
- 获得微秒数 5
- swift 2
- hadoop集群调优及MR调优