XRF―mapping 图像处理方法的研究.docVIP

XRF―mapping 图像处理方法的研究 　　【摘 要】本文借助Matlab软件分别采用四种不同的插值方法对元素成像的结果进行优化，并进行图像质量的评价，可以看出：Cubic插值法具有很好的优化图像的效果。其次，不同的插值点数，所形成的图像质量也不相同，综合图像质量和数据处理的时间，插值点数是1000时，图像已基本达到理想的状况。最后，将优化的结果用于胃肿瘤组织的微量元素分析，所反映的元素相对含量和分布特征与实际情况基本一致，从而说明图像优化是可行的。 中国论文网 /8/view-7244912.htm 　　【关键词】元素成像；图像优化；图像质量评价；MATLAB 　　0 引言 　　同步辐射是一种高强度、宽谱带的光源，使得基于同步辐射的X射线荧光分析方法（SR-XRF）能够测量活的、湿的样品中元素含量的动态变化。同步辐射X射线荧光分析在生物医学、地学研究、环保和考古等方面有着广泛的应用[1-3]。同样地，同步辐射X射线荧光分析在肿瘤早期诊断上也存在着明显的优势[4-5]。但是由于同步辐射实验的机时有限，生物样品采集数据的时间较长，因而使的采集的数据有限，使得绘制出的元素图像并不是特别的理想，都是十分的粗糙[6]。因此，有必要对实验数据进行优化处理。 　　数据分析和处理在各个领域有着广泛的应用，MATLAB本身有着强大的数据分析和处理功能[7-8]。插值法作为数值分析的理论基础，有着十分丰富的内容。插值（interpolation）是指在所给的基准数据情况下，研究如何平滑地估算出基准数据之间其他点的函数数值。每当其他点上函数值若获取的代价比较高时，插值就会发挥作用。插值法包括lagrange插值、Newton插值、Hermite插值、分段低次插值、样条插值等[9-12]。它们均在数值计算领域发挥着不同程度的作用。在MATLAB中提供多种插值函数在获得数据的平滑度、时间复杂度和空间复杂度方面有着完全不同的性能[13]。 　　因此，本文利用MATLAB软件对实验数据进行插值处理后优化元素图像，进而达到提高图像质量的效果。 　　1 XRF-mapping图像的优化方法及比较 　　1.1 四种插值方法的比较 　　在相同插值点数下，不同插值方法（cubic插值、linear插值、nearest插值、spline插值）所成平面图像之间的比较。 　　图1为根据采集数据形成的元素分布图，可以看出：图像有点模糊，对观看稍有妨碍，其对应的绝对测量尺度为一般。再做不同插值法对比时，以图1为参照标准。 　　图2为四种插值方法的所形成平面图的比较，以图1为参照标准。在相同插值点数的情况下，可以看出：cubic插值和spline插值方法所形成的图像优化程度较好，图形并未出现模糊现象，也没有出现边境棱角分裂现象，其对应的绝对测量尺度为非常好。Linear插值图形棱角较分明，其对应的绝对测量尺度为好。Nearest插值方法所形成的图像特别模糊，其对应的绝对测量尺度为特别差，所以这两种插值方法优化程度不太好。因此，在优化图形时，选用cubic插值和spline插值可以形成较好的优化图形。 　　1.2 不同插值点所形成图样的比较 　　对同一插值方法（cubic插值）四种不同插值点数，所形成的二维图像进行对比分析。 　　图3为四种不同插值点数所形成平面图的比较。在相同插值方法的情况下，可以看出：插值点为2和5时，图像难以分辨出元素的分布；插值点为10时，图像特别模糊，无法分清元素分布情况，其对应的绝对测量尺度为差。这两种情况下，所反映出来的元素相对含量的最高值只有实际的一半，显然是不正确的。插值点数为100时，图像较前两图清晰了不少，基本满足清晰条件，其对应的绝对测量尺度为好，但相对含量比实际的最高值小了一点，即存在一定的偏差。当插值点数为1000，所形成的图形特别清晰，优化的图像很好，其对应的绝对测量尺度为非常好，显示出的相对含量与实际情况基本一致。当插值点更多时，生成的较大的存储档，严重影响计算机的运行速度，如插值点达到10000时，个人计算机运行卡顿（所用电脑配置为core i7处理器和8 G存储器），只有在计算机工作站上才能完成运算。所以，在优化图形时选取插值点为1000，可以优化出很好的元素图像，同时又不影响计算机的正常运行。 　　2 结论 　　根据前面的讨论，在相同插值点数的情况下选用cubic插值和spline插值可以形成较好的优化图像；在相同插值方法的情况下，考虑到现有计算机的运行能力，选取插值点为1000，可以优化出很好的元素图像。因此，在cubic插值方法下选择插值点数为1000时，所形成的元素图像较好。 　　通过对实验中采集到的数据进行优化处理后，显示出来的“胃肿瘤组织中的微量元素的相对含量和分布规则”等特征没