去卷积工具包
ZEN工具包

去卷积工具包 获得基于计算的光学切片数据方法

即使是高级成像系统也免不了出现由光学和电子显微镜组件造成的图像模糊现象——但好在这种情况可以通过计算去卷积方法得到校正。去卷积工具包(Deconvolution Toolkit)为生命科学应用提供了一系列此类算法。

  • 减少模糊,增强衬度和分辨率
  • 根据您的优先事项从一系列算法中进行选择
  • 通过多个GPU的支持加速您的工作流
  • 30天免费试用
去除图像模糊,提高图像质量
去除图像模糊,提高图像质量

去除图像模糊,提高图像质量

从根源解决问题

光学物理定律和成像系统电子元件的使用不可避免地会造成图像模糊,而这会降低信噪比、图像衬度、轴向及横向分辨率等图像质量指标。对图像进行去卷积可以优化这些图像质量指标中的一项,在理想情况下还可优化所有指标。

图像:大鼠皮质初代培养;4通道Z轴序列图像的投影(景深扩展);基于GPU的去卷积。样品由德国马格德堡LSM Bioanalytik GmbH的H. Braun提供

专为满足您的需求而设计的一系列算法

专为满足您的需求而设计的一系列算法

从处理速度到无损成像质量,根据您的优先事项进行选择

目前,已有几种不同的去卷积算法供研究人员使用。其中一些算法非常快速,足够用于模糊程度低的系统。如果系统的模糊程度较高,则需要更加成熟的算法,而这些算法将使用更广泛的计算资源,耗时也将更长。虽然这些算法可以解决更困难的问题并获得更优质的图像结果,但处理时间有时会成为很大的阻碍。ZEN去卷积工具包提供了一系列算法,使您能够选择适合您实验和后期处理需求的算法。

改进多个成像系统的图像质量
改进多个成像系统的图像质量

改进多个成像系统的图像质量

去卷积不仅仅是宽场显微镜的工具

虽然传统意义上来说,我们将去卷积视为宽场荧光显微镜的一种工具,但所有成像系统都会因光学设备和电子元件而产生模糊。无论您使用传统的宽场系统、Apotome、LSM系统还是Lattice Lightsheet 7系统工作,将去卷积纳入图像处理工作流后,系统都将得到改善。对每个成像系统来说,更适合自身的特定推荐算法可以帮助其取得更理想的成像结果。

易于使用,并进行了优化以实现高性能
易于使用,并进行了优化以实现高性能

易于使用,并进行了优化以实现高性能

改进的功能可自动化您的工作流

去卷积工具包算法经过优化,使用非常方便并且具有高性能。ZEN会读取图像的元数据并自动确定光学系统的点扩散函数(PSF),为去卷积调节理想设置。通过GPU或甚至mGPU处理,算法加速超过10倍。为了更快得到结果,所有去卷积算法在图像采集期间都使用ZEN Direct Processing(同步数据处理)运行。此外,无损数据压缩算法Zstandard(zstd)可以进一步提高资源密集型处理任务的速度。

图像:约束迭代去卷积前后,标记用于线粒体(TOM20-mCherry)和微管(Tubulin-GFP)结构的U2OS细胞。

ZEN去卷积工具包——基础和应用

如何将图像内容和图像模糊部分分开?

点扩散函数(PSF)

点扩散函数(PSF)——为什么无噪图像在物理上不可能

点扩散函数(PSF)

以单一波长的 尺度观察任何物体,产生的图像会不可避免地变得模糊。 幸运的是,由此产生的模糊模式,即点扩散函数,对于每个物体都 具有相似性。当对荧光 点源进行成像时,可以直接观察到它。


 

点扩散函数(PSF)

为什么无噪图像在物理上无法实现

以单一波长的尺度观察任何物体,产生的图像会不可避免地变得模糊。幸运的是,由此产生的模糊模式,即点扩散函数,对于每个物体都具有相似性。当对荧光点源进行成像时,可以直接观察到它。

去卷积原理

去卷积原理——将PSF应用到数字图像中

去卷积原理

卷积是一种数学运算,在该运算中一个函数被另一个函数调制。图像模糊可以理解为真实世界对象与PSF的卷积。幸运的是,这一运算过程具有可逆性,这便是去卷积过程的原理——通过将模糊图像与PSF的反函数进行卷积,以生成去噪图像。

什么是去卷积?

将PSF应用到数字图像中

卷积是一种数学运算,在该运算中一个函数被另一个函数调制。图像模糊可以理解为真实世界对象与PSF的卷积。幸运的是,这一运算过程具有可逆性,这便是去卷积过程的原理——通过将模糊图像与PSF的反函数进行卷积,以生成去噪图像。

去卷积原理

去卷积微调——适用于高级用户

去卷积原理

如要获得更高质量的去卷积效果,则需要更多关于系统的准确PSF信息,包括样品制备。使用ZEN,您可以输入自己的实验PSF,通过提供有关样品嵌入介质、盖玻片厚度、PSF深度变化和更多参数信息来微调光学参数和PSF。

去卷积微调

适用于高级用户

如要获得更高质量的去卷积效果,则需要更多关于系统的准确PSF信息,包括样品制备。使用ZEN,您可以输入自己的实验PSF,通过提供有关样品嵌入介质、盖玻片厚度、PSF深度变化和更多参数信息来微调光学参数和PSF。
 

各个去卷积方法之间有什么不同?

在图像模糊和PSF的背景下,了解卷积和去卷积的基本过程是理解去卷积算法的关键。ZEN中的每个去卷积算法使用的都是这些算法的一些变体。
简单算法(如去模糊或近邻算法)即是从原始图像中减去PSF生成的图像模糊部分。
逆滤波方法直接应用PSF的反函数。迭代方法则应用前向PSF来趋近原始图像。

去卷积方法

演算过程

应用

速度

结果质量

去模糊

从同一图像平面减去模糊平面

二维数据集

很快

中等(二维)

近邻

从相邻平面减去模糊平面

具有有限序列图像的3D应用

很快

逆滤波

应用反PSF函数

全3D序列图像

中等

快速迭代(Meinel)

迭代;对预测图像进行前向PSF;错误功能

完全对称PSF

中等

良好

快速迭代(Richardson-Lucy)

迭代;前向PSF;最大可能性

不对称PSF

中等

良好

约束迭代

迭代;前向PSF;优化最大可能性

黄金标准


优秀

去卷积默认设置和选项

适用于大多数相关成像系统

成像模式

宽场 

Apotome

共聚焦

Lightsheet

归一化

自动

自动

自动

自动

背景校正

闪烁校正

衰减校正

热像素校正

约束迭代具体默认值

优势

自动

不适用

自动

手动=5

可能性

泊松分布

不适用

泊松分布

泊松分布

正则化

零阶

不适用

一阶

零阶

优化

分析

不适用

线搜索

分析

首次估计

输入

不适用

平均值

输入

最大交互性

40

不适用

7

40

自动停止百分比

0.1

不适用

0.1

0.1

快速迭代具体默认值

方法

Meinel

不适用

Richardson Lucy

Meinel

正则化

不适用

优化

不适用

最大交互性

15

不适用

50

15

自动停止百分比

0.1

不适用

0.1

0.1

正则化逆滤波具体默认值

正则化

零阶

零阶

零阶

零阶

下载

  • ZEN Deconvolution & Direct Processing for Life Science Application

    文件大小: 917 KB
  • A Practical Guide of Deconvolution

    文件大小: 2 MB

联系蔡司显微镜事业部

联系方式

正在加载表格...

/ 4
下一步:
  • 第1步
  • 第2步
  • 第3步
联系我们
必填信息
选填信息