图2
    以图像中的一维数据处理为例说明信号增强的原理：对图像中一行水平灰度数据，见图2.(a)，记为f ，对 f膨胀运算： δ_B ( f )，将膨胀结果减去原信号 f ，得到相对峰值，结果见图2.(b)；对f 腐蚀运算： ξ_B ( f )，用原信号f 减去腐蚀结果，得到相对谷值，结果见图2.(c)；最后对原始信号加上相对峰值，减去相对谷值，得到增强信号，见图2.(d)，其平均信号强度提高。这里对一维的信号 f，结构元素B为水平直线，关于原点对称，长度为h，单位为像素。h的大小取决于单个信号的平均宽度R，R/4≤h≤2R。如果h过大，则造成较大范围内的极值化，信号与背景的边界被破坏；h过小，在较小范围内会产生过多的极值，在信号背景内都会产生过多的毛刺，信号与背景都将被过度分割。 f 的单个信号平均宽度R＝12，取h＝5，即这里结构元素的大小为5。

2.3 算法步骤

    对被处理图像，记为 g，基于前述原理，图像的滤波、增强步骤归纳如下：     1）对图像g 滤波：根据图像中信号的形状、大小，确定结构元素 B₁，对图像g 依次进行开、闭运算。对图像g 依次进行开、闭运算： f= γ_B ( g ) φ_B (g )，结果 f 为滤波后的图像。     2）根据f 中信号的形状、大小，确定结构元素 B₂，对 f 膨胀运算：f^B2 =ξ _B2 ( f )；提取f 峰值 f₁：；对 f 腐蚀运算：f_B2 = δ_B2 ( f )；提取f谷值f₂ ： ；     3）图像增强：保留峰值 f₁，去除谷值 f₂，使信号与背景的对比加大，达到图像增强的目的。  ，结果e 为增强后的图像。

3 实验结果

    生物医学图像中常见的是荧光图像，按上述方法对图3.(a)所示的一幅荧光图像进行处理，该图像中的信号为荧光点，荧光点形状基本为圆形，直径为50~300像素。所以，结构元素形状确定为圆形，根据滤波和增强采取不同的大小的直径：

(a) 原始图像                             (b) 滤波后的图像                     (c) 增强后的图像

图3荧光图像处理结果     图像滤波根据开、闭运算的特点，通过组合使用开、闭运算及选择合适的结构元素的大小，几乎能将所有的非目标特征去除，达到滤波效果。目标大小为50－300像素。图像中的噪声点及划痕等非目标特征点大小从几个像素到十几像素不等，基本形状为圆或椭圆。所以，结构元素形状确定为圆形，直径大小取2。     图像增强要提取边缘上的峰值，选择范围不能太小即结构元素不能太小，确定结构元素形状为圆形、直径大小为10；处理结果见图3，可以看出，原始图像图3.(a)灰暗，荧光强度信号与图像背景对比度低，经滤波后，图像中的点目标去除，荧光图像光滑，形状保持不变，见图3.(b)，再经增强处理后，信号强度明显增强，荧光图像清晰可辨，见图3.(c)。