本文探讨了三种用于显微镜图像去噪的算法：高斯滤波、中值滤波和非局部均值滤波。这些算法在处理显微镜图像中常见的噪声问题时，旨在去除噪声并保留图像细节。文章提供了每种算法的Python代码示例，并展示了它们在去噪效果上的差异。特别是，非局部均值滤波在提升图像细节方面表现出色，作者还对该算法在核型分析中的应用前景进行了初步的探讨。

🔬高斯滤波是一种常用的图像去噪方法，通过对图像进行平滑处理来减少噪声。其原理是使用高斯函数对图像进行卷积，将每个像素的灰度值替换为其邻域像素灰度值的加权平均值。高斯滤波能够有效抑制高斯噪声，但可能会使图像边缘变得模糊。

📏中值滤波是一种非线性滤波方法，它用像素邻域内的像素值的中值来替代该像素的灰度值。中值滤波对椒盐噪声（即图像中随机出现的黑白像素）具有很好的抑制作用，同时也能在一定程度上保留图像的边缘信息。

💡非局部均值滤波是一种更高级的去噪算法，它通过计算图像中每个像素与其邻域内所有像素的加权平均值来进行去噪。该算法的权重取决于像素之间的相似度，相似度高的像素权重更大。非局部均值滤波在去除噪声的同时，能够更好地保留图像的细节信息，尤其适用于处理显微镜图像。

🔍非局部均值滤波在实验中展现出优异的去噪效果，显著提升了图像的细节，改善了图像的视觉质量。实验结果表明，该算法能够有效去除图像噪声，并保留图像的条带细节。研究者认为，非局部均值滤波对核型图的细节优化具有潜在的应用价值。

本篇文章介绍三种图像去噪算法，分别为：高斯滤波去噪、中值滤波去噪、非局部均值滤波器去噪

在显微镜图像处理技术中，去噪是非常重要的图像优化手段，不管我们是用何种电子显微镜拍摄出来的图像，都会或多或少的存在图像噪声，需要一种技术，能够将拍摄出来的图像去除噪声，并且在去除噪声的同时能够保留或者优化图像纹理细节。

噪声图像

高斯滤波去噪

代码

from skimage import img_as_ubyte, img_as_floatfrom scipy import ndimage as ndfrom matplotlib import pyplot as pltimg = img_as_float(io.imread("images/denoising/noisy_img.jpg"))gaussian_img = nd.gaussian_filter(img, sigma=3)plt.imsave("images/gaussian.jpg", gaussian_img)

效果

高斯滤波去噪效果

中值滤波去噪

代码

from skimage import img_as_ubyte, img_as_floatfrom scipy import ndimage as ndfrom matplotlib import pyplot as pltimg = img_as_float(io.imread("images/denoising/noisy_img.jpg"))median_img = nd.median_filter(img, size=3)plt.imsave("images/median.jpg", median_img)

效果

中值滤波去噪效果

非局部均值去噪

代码

from skimage.restoration import denoise_nl_means, estimate_sigmafrom skimage import img_as_ubyte, img_as_floatfrom skimage import iofrom scipy import ndimage as ndfrom matplotlib import pyplot as pltimg = img_as_float(io.imread("images/denoising/noisy_img.jpg"))sigma_est = np.mean(estimate_sigma(img, multichannel=True))patch_kw = dict(patch_size=5,                      patch_distance=3,                  multichannel=True)denoise_img = denoise_nl_means(img, h=1.15 * sigma_est, fast_mode=False,                               patch_size=5, patch_distance=3, multichannel=True)# denoise_img_as_8byte = img_as_ubyte(denoise_img)plt.imsave("images/NLM.jpg",denoise_img)

效果

非局部均值去噪效果

核型分析随堂小测

下面是使用非局部均值的去噪效果

原图

去噪图

可以看到细节提升非常的明显，就像原图上蒙了一层布，去噪算法将这层布给移除掉了。并且保留了条带细节，需要后续多传一些图进入去噪函数，看这种针对原图细节优化的算法是否对所有核型图都具有普遍性。