CN107064106B - 一种二维表面等离子体最佳激发角位置的高精度识别方法 - Google Patents

Abstract

该发明公开了一种二维表面等离子体(SPR)最佳激发角位置的高精度识别方法。所述方法包括：通过局部二值化和霍夫变换粗略定位出通光孔径圆的位置，并将与物镜后焦面共轭的图像传感器采集到的物镜后焦面图像裁剪为包含了通光孔径圆的W×W正方形矩阵图像；通过局部二值化提高通光孔径和通光孔径外部分的对比度并应用霍夫变换检测通光孔径的圆心及半径；统计通光孔径内沿半径方向的灰度值分布，估计SPR最佳激发角所在圆的粗略半径；在此基础上结合形态学方法确定SPR最佳激发角附近像素的灰度分布；最后，利用最小二乘方法计算出最佳激发角所在圆的圆心及半径，得到SPR最佳激发角精确位置。

Description

一种二维表面等离子体最佳激发角位置的高精度识别方法

技术领域

本发明涉及纳米光学检测技术领域，尤其涉及二维表面等离子体最佳激发角特征提取的方法。

背景技术

表面等离子体(Surface Plasmon Resonance，SPR)是金属表面的自由电子流在外部电场如电子流或入射光场等的作用下进行规则的振荡运动而形成的一种表面电磁波，能够纳米薄膜或结构进行精确地定量表征，在生物医学、材料、化学等领域有广泛的应用。常用的SPR耦合方法有棱镜式和高数值孔径(NA)油浸显微物镜耦合两种，其中棱镜耦合SPR技术对应的SPR最佳激发角特征通常是一条黑色的光带，识别方式简单且已相对成熟。显微物镜耦合SPR技术是一种新型的高分辨率纳米检测技术，能够实现横向结构在亚纳米尺度的高分辨率检测，其对应的SPR最佳激发角特征是包含在系统通光孔径内的一个二维圆环(径向偏振入射)或圆弧(线性偏振入射)吸收带。针对这一类型的二维SPR最佳激发角图谱，目前通常采用人工识别或者进行一维粗略识别的方法。本发明提出了一种二维SPR最佳激发角位置高精度自动识别方法，能够对二维的通光孔径边界和SPR最佳激发角图谱位置分别进行精确的定位和识别，通过该方法，能对后焦面上最佳激发角的位置信息进行全面的提取，对比传统的对通光孔径半径方向的一维提取，该方法具有精度高、可以完成对后焦面信息全面提取以及能实现大批量图像的全自动快速识别等优点。

发明内容

(一)要解决的技术问题

目前对后焦面图像的处理通常采用人工识别或者进行一维粗略识别的方法，操作繁琐且难以实现自动化地高精度检测。为解决二维SPR最佳激发角位置的精确识别问题，本发明提供了一种高精度的二维SPR最佳激发角位置自动识别方法。

(二)技术方案

为了达成上述目的，本发明提供如下的方案：

步骤1：获得图像传感器采集的后焦面图像数据，转为双精度图像数据矩阵并进行归一化处理；

步骤2：归一化后的图像分成不同的子块，进行全局阈值与局部阈值相结合的二值化处理，以此保证二值化后的通光孔径清晰区别于通光孔径外部分；以二值化之后图像的左上角为原点，x、y轴正方向分别为右、下方向建立坐标系；

步骤3：采用霍夫变换对通光孔径边界进行粗定位，检测到通光孔径的圆心(x₀,y₀)和半径R₀，依据此粗定位结果，以圆心为中心，取裕量ΔR并以2(R₀+ΔR)为边长W，将原始图像裁剪为W×W大小的正方形图像，裁减掉大量通光孔径外部分，建立以新的正方形矩阵左上角为原点的新坐标系；

步骤4：对裁剪后图像进行局部二值化处理，使通光孔径明显区分于通光孔径外部分。局部二值化时需设置图像分块大小，将图像分为N个区域并单独设置阈值，以此保证二值化后通光孔径圆斑的轮廓清晰，减小背景噪声的影响。对二值化结果直接进行霍夫变换，即可得到通光孔径边界的精密位置；

步骤5：将通光孔径边界与SPR最佳激发角所在圆两圆视为同心，计算通光孔径内部沿半径方向的灰度值分布，得到SPR最佳激发角附近灰度值有一个明显的凹陷，此处即为SPR最佳激发角所在圆的粗略半径，得到粗估计值R₂；

步骤6：通过对图像进行二值化处理、腐蚀、去除连通性差的像素点、划定采样范围，完成SPR最佳激发角所在圆附近像素的坐标及灰度值提取；进一步的，所述提取的具体方法是：

步骤6.1：对原始图像选择新的分块大小进行局部二值化处理，以使SPR最佳激发角特征更明显；

步骤6.2：将二值化结果反色，根据步骤4中确定的通光孔径边界，将反色后图像边界之外的部分灰度值全部置零；

步骤6.3：设计形态结构元素，对上述结果进行形态学腐蚀，选取半径为R的圆盘形结构进行腐蚀，删除连通区域边界附近的孤立像素点；

步骤6.4：选取阈值P，移除连通性小于P的像素点，P的选取应与实际图像结合，保证与SPR最佳激发角无关的区域被尽可能多地移除；

步骤6.5：通光孔径边界与SPR最佳激发角所在圆两圆视为同心，基于步骤5中得到的最佳激发角所对应圆环的半径粗估计结果R₂，取裕量ΔR₁，保留6.4结果中半径在R₂±ΔR₁范围内的图像，其余部分灰度值全部置零。

步骤7：基于最佳激发角所在圆附近像素的坐标及灰度值提取的结果，可以得到图像中提取出的SPR最佳激发角区域在已建立坐标系上的坐标，利用最小二乘方法，结合圆上点的坐标求解得到SPR最佳激发角所在圆的圆心和半径。

以上显示和描述了本发明的基本原理和主要特征。本方法能对后焦面的信息进行全面的提取，对比传统的对通光孔径半径方向的一维提取，该方法具有精度高、能够自动识别等优点，此外，该方法还能实现大批量图像的全自动快速识别，解决了二维表面等离子体技术在超显微分辨领域的产业化的技术瓶颈问题。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

附图说明

图1是二维表面等离子体最佳激发角位置的高精度识别方法的操作流程。

图2是与透镜后焦面共轭的位置上图像传感器采集的通光孔径图像原始数据；

图3是原始数据经全局阈值与局部阈值结合的二值化方法处理后生成的图像数据；

图4是对通光孔径进行霍夫变换得到的通光孔径边界粗略位置；

图5是对图4所示图像的裁剪后图像数据；

图6是裁剪后图像的经局部二值化后的图像数据；

图7是通光孔径位置精确检测结果；

图8是通光孔径的径向灰度值分布，其中横轴为归一化的半径值，纵轴为相同半径像素灰度累加值，R₂处为检测到SPR最佳激发角的粗略位置；

图9是SPR最佳激发角提取流程，其中第一步是进行二值图像反色，第二步是对图像进行腐蚀，第三步是移除连通性较小的像素，最后得到SPR最佳激发角提取结果；

图10是测得通光孔径边界和SPR最佳激发角精密位置；

图11是使用径向偏振光激发表面等离子体时，与透镜后焦面共轭的位置上图像传感器采集的通光孔径图像原始数据；

图12是测得径向偏振模态下的通光孔径边界和SPR最佳激发角精密位置；

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

具体实施方式一：使用线性偏振模态的入射光激发SPR时，在与显微物镜后焦面共轭的图像传感器上得到的SPR最佳激发角，其特征为在通光孔径内产生一对对称的SPR吸收圆弧。通光孔径边界和SPR最佳激发角位置的精确拟合按以下步骤进行：

步骤1：输入一帧包含线性偏振后焦面信息的矩形图像，图像尺寸n×m,将像素值归一化至[0,1]之间，得到如附图3所示图像。

步骤2：针对实例原始的图像数据亮度不均匀，单侧较亮，另一侧较暗，使用全局阈值二值化图像时，若阈值较小，则通光孔径暗侧边界易混淆于背景的无关噪声中难于分辨，而若阈值较大，则通光孔径左侧边界难以区分于孔径外部分，使通光孔径暗侧不完整。因此为使通光孔径的亮暗两侧均能较完整地区分于通光孔径外部分，选用全局阈值与局部阈值相结合的二值化方法。其中全局阈值选择最小误差阈值分割方法，局部阈值是先对图像进行分块，然后对每一子块内的图像采用最小误差阈值分割方法计算子块阈值，最终将全局阈值与局部阈值结合起来完成图像的二值化。局部二值化过程中，将原始数据分为N块，此过程需要选取图像分块的大小。不同的分块大小可能会使二值化结果有较大的差异，较大的阈值会使二维图像通光孔径外黑色噪声点影响增大，较小的阈值会使图像轮廓不清晰，需要根据图像特征合理选取图像分块大小。此处设置图像分块大小时，需保证二值化后的图像中通光孔径清晰区分于通光孔径外部分，因此选择较大的分块尺寸。以图像数据矩阵左上角为原点，x、y轴正方向分别为右、下方向建立坐标系。

步骤3：采用图像处理中常用的圆检测方法霍夫变换对通光孔径进行粗定位，检测到通光孔径圆心(x₀,y₀)，半径R₀。依据此粗定位结果，以粗估计圆心位置为中心，取裕量ΔR，2(R₀+ΔR)为边长W，可将原始图像裁剪为W×W大小的正方形图像，如附图5所示，裁减掉大量通光孔径外部分，后续即可基于此正方形图像进行圆形检测。同时建立裁剪后图像左上角为原点的新坐标系。

步骤4：对于裁剪过的图像进行局部二值化处理，使图像中通光孔径明显区分于通光孔径外部分。如步骤2中所述局部二值化时需要设置图像分块大小，此处需保证二值化后的图像中通光孔径轮廓清晰，减小背景噪声的影响，因此较步骤2节的分块大小设置，此处可选择稍小的分块。图像的宽度为W，实例中设置分块大小为W/6，即可获得较好的二值化结果(如附图6所示)。对二值化结果直接进行霍夫变换，即可得到通光孔径边界的精密位置。检测到通光孔径圆心(x₁,y₁)，半径R₁，得到如附图7检测的通光孔径边界圆环。

步骤5：所述的二维表面等离子体最佳激发角所在圆检测方法为：从附图5所示的圆形图案中可以看出，通光孔径内两段SPR圆弧处的颜色明显暗于两侧，由直接观察可得通光孔径和SPR最佳激发角所在圆圆心偏差不大，因此两圆环视为同心，统计通光孔径内部沿半径方向的灰度值分布，得到如附图8中点状曲线所示的结果，在半径约为R₂处，灰度值有一个明显的凹陷，因此可说明此处即为SPR最佳激发角所在圆的粗略半径，搜索曲线最小的局部极小值即可确定出此点。为了避免靠近外圆边界处灰度值局部跳变对搜索结果造成影响，先对该曲线进行分段最小二乘拟合，分段长度为6，段间重合长度为2，得到较平滑的灰度值分布，如附图8中实线曲线所示，SPR最佳激发角所在圆半径粗估计值为R₂。

步骤6：SPR最佳激发角所在圆附近像素的坐标及灰度值的提取涉及形态学腐蚀和像素连通性判断，主要包含以下步骤：

(1)对附图7所示原始图像，选择新的分块大小进行局部二值化处理，以使SPR最佳激发角特征尽量明显，此处选择较步骤4更小的分块，最终均设置分块大小为W/20；

(2)将步骤(1)的二值化图像反色，根据步骤4中确定的通光孔径边界，将反色后图像边界之外的部分灰度值全部置零，如附图9左上图所示；

(3)设置形态结构元素，对步骤(2)的结果进行形态学腐蚀，选取半径为3的圆盘形结构，得到的腐蚀结果如附图9右上图所示；

(4)移除步骤(3)的结果中连通性小于P的像素点，选择P的取值时，应保证与SPR最佳激发角无关的区域被尽可能多的移除，得到的结果如附图9右下图所示；

(5)通光孔径边界和SPR最佳激发角所在圆视为同圆心，基于步骤5中的最佳激发角半径粗估计结果R₂，取裕量ΔR₁，保留步骤(4)的结果中半径在R₂±ΔR₁范围内的图像，其余部分的灰度值全部置零，得到的SPR最佳激发角附近像素坐标及灰度值提取，如附图9左下图所示。

步骤7：基于步骤6中得到的SPR最佳激发角所在圆附近像素的坐标及灰度值的提取结果，利用最小二乘方法建立圆形模型，结合圆上点的坐标可以得到所求二维表面等离子体图像最佳激发角的圆心以及半径。

假设圆心为(c₁,c₂)，半径为r，则圆形方程可表示如下

(x-c₁)²+(y-c₂)²＝r² (1)

改写上述方程得到

2xc₁+2yc₂+c₃＝x²+y² (2)

其中

为拟合SPR最佳激发角位置，得到的n个点的坐标分别为(x₁,y₁)，(x₂,y₂)，…，(x_n,y_n)，将数据点带入方程(2)可得超定方程组

利用最小二乘方法，求解线性方程，即可得到SPR最佳激发角所在的内圆的圆心(c₁,c₂)和半径r，其中

基于上述论述，通过最小二乘方法拟合出的SPR最佳激发角位置如附图10所示，得到SPR最佳激发角所在圆圆心(c₁,c₂)，半径r，对比原始图像中的SPR最佳激发角定位精确。

具体实施方式二：使用径向偏振模态的入射光激发SPR时，在与显微物镜后焦面共轭的图像传感器上得到的SPR最佳激发角，其特征为在通光孔径内产生一个完整的SPR吸收圆。通光孔径边界和SPR最佳激发角位置的精确拟合按以下过程进行：

输入一帧包含径向偏振后焦面信息的矩形图像，将像素值归一化至[0,1]之间，得到如附图11所示图像。采取具体实施方式1中步骤2-步骤7对该图像进行处理，其中步骤5-步骤7的处理即为对通光孔径内SPR最佳激发角对应的吸收环的处理，以此提取到径向偏振下SPR最佳激发角精确的圆心和半径，如附图12所示。

Claims (3)

1.一种二维表面等离子体(SPR)的最佳激发角位置高精度识别方法，包括以下步骤：

步骤1：获得与物镜后焦面共轭的图像传感器采集到的物镜后焦面图像数据，转为双精度图像数据矩阵并进行归一化处理；

步骤2：将归一化后的图像分成不同的子图像块，进行全局阈值与局部阈值相结合的二值化处理，以二值化后图像左上角为原点，x、y轴正方向分别为右、下方向建立坐标系；

步骤3：采用霍夫变换对通光孔径边界进行粗定位，得到通光孔径圆心的位置(x₀,y₀)和半径R₀，依据此粗定位结果，以圆心为中心，取裕量ΔR并以2(R₀+ΔR)为边长W，将原始图像裁剪为W×W大小的正方形图像，建立以新的正方形图像矩阵左上角为原点的新坐标系；

步骤4：将步骤3中裁剪后的图像分为N个区域并单独设置阈值进行局部二值化处理，对二值化后的图像进行霍夫变换，得到通光孔径边界的精密位置；

步骤5：将通光孔径边界所在的外圆与SPR最佳激发角所在的内圆视为同心，计算通光孔径内沿半径方向的灰度值分布，SPR最佳激发角位置附近灰度值有一个明显的凹陷，此凹陷处半径R₂即为内圆半径的粗估计值；

步骤6：通过对步骤3中裁剪的后图像进行二值化处理、腐蚀、去除连通性差的像素点、划定采样范围，完成SPR最佳激发角所在圆附近像素的坐标及灰度值提取；

步骤7：根据步骤6得到的SPR最佳激发角所在圆附近像素的坐标及灰度值，利用最小二乘方法，求解获得SPR最佳激发角所在圆的圆心和半径。

2.如权利要求1所述的一种二维SPR最佳激发角位置高精度识别方法，其特征在于所述步骤6中提取SPR最佳激发角所在圆附近像素坐标及灰度值具体方法是：

步骤6.1：对步骤3中裁剪后的图像数据，选择新的分块大小进行局部二值化处理；

步骤6.2：将二值化后的图像反色，根据步骤4中确定的通光孔径边界，将反色后图像边界之外的部分灰度值全部置零；

步骤6.3：设计形态结构元素，选取半径为R的圆盘形结构对步骤6.2的图像数据进行形态学腐蚀，删除连通区域边界附近的孤立像素点；

步骤6.4：选取阈值P，并移除连通性小于P的像素点；

步骤6.5：基于步骤5中得到的SPR最佳激发角所在的内圆半径粗估计结果R₂，取裕量ΔR₁，保留步骤6.4结果中半径在R₂±ΔR₁范围内的图像，其余部分灰度值全部置零，完成SPR最佳激发角所在圆附近像素坐标及灰度值的提取。

3.如权利要求2所述的一种二维SPR最佳激发角位置高精度识别方法，其特征在于所述步骤6.3和步骤6.4中选取的R和P可以根据图像背景噪音的分布以及图像处理的效率进行调节。