增强分辨率的像素重新分配算法

一种开创性的算法通过像素重新分配，成功地解决了显微镜分辨率的难题。

通过像素重新分配去模糊重映射原始荧光显微镜图像，通过像素重新分配锐化图像。图片来源：Zhao 和 Mertz。

在显微镜领域实现高分辨率图像是一个长期存在的障碍。为提高图像清晰度而经常采用的解卷积方法经常会加剧由样本和图像相互作用产生的噪声。

波士顿大学研究人员的最新研究成果提出了一种创新的去模糊算法，该算法可以规避这些挑战，从而提高图像分辨率，同时保持光子强度和局部线性度。

他们在《先进光子学》（Advanced Photonics）金牌期刊上发表的研究结果表明，这种新型去模糊算法适用于各种荧光显微镜，对发射点扩散函数（PSF）的假设要求极低。

该算法可在原始图像序列甚至单张图像上有效运行，便于对波动的荧光团统计数据进行时间分析。此外，研究人员还将这一算法作为 MATLAB 函数随时提供，确保了广泛的可访问性。

这一革命性进步的核心理念围绕像素重新分配展开。通过根据局部梯度重新分配像素强度，可以在不引入噪声伪影的情况下锐化图像。在应用这一过程之前，该技术会对原始图像进行标准化处理，以确保结果的一致性。

传统的显微镜分辨率通常由分辨两个紧密间隔点源的能力来定义。这种被称为 "通过像素重新分配去模糊"（DPR）的新方法大大减少了所需的分离距离，从而提高了显微镜分辨率。

为了强调 DPR 的有效性，研究人员将其应用于各种成像场景，包括单分子定位、工程心脏组织结构成像和斑马鱼体积成像。这些实际应用凸显了 DPR 在提高显微图像清晰度方面的潜力。

DPR 在保留较大结构的同时锐化图像的独特能力开辟了大量应用领域。它既可用于显示小结构的样本，也可用于显示大结构的样本，是研究人员的多功能工具。

虽然没有一种去卷积技术能完全不受噪声影响，但 DPR 的优势在于它能避免噪声放大。这使其有别于其他去卷积方法，简化了实施过程，适用于各种具有扩展特征的样本。

DPR 技术引入了一种新方法来提高显微图像的空间分辨率，它提供了一种多功能、用户友好的解决方案，可显著提高图像清晰度，同时避免常见的噪声相关问题。这使它成为各种科学应用的宝贵工具。

我们相信，由于 DPR 的易用性、快速性和多功能性，它将在生物成像领域大显身手。

杰罗姆-默茨（Jerome Mertz），研究资深作者、教授兼波士顿大学生物显微镜实验室主任

参考资料

Zhao, B & Mertz, J (2023) Resolution enhancement with deblurring by pixel reassignment. Advanced Photonics. doi.org/10.1117/1.AP.5.6.066004.