BSE电镜多相含量分析软件：图像预处理算法实现

分割质量好不好，预处理占一半。

16-bit归一化、高斯滤波、中值滤波、CLAHE增强------五步流水线，一步都不能少。

一、为什么需要预处理

BSE电镜图像的常见问题：

问题	影响
位深不一致	8-bit或16-bit混用，分割算法只认8-bit
噪声干扰	电子噪声导致颗粒感，影响分割精度
对比度不足	各相灰度差异小，Otsu找不到最优阈值
格式多样	灰度、彩色、带Alpha通道，需统一

二、预处理流水线

text

复制代码

原始图像 → 位深归一化 → 灰度化 → 高斯滤波 → 中值滤波 → CLAHE增强 → 输出

步骤	作用	关键参数
位深归一化	统一为8-bit	16-bit除以256
灰度化	单通道	`COLOR_BGR2GRAY`
高斯滤波	抑制高斯噪声	5×5核
中值滤波	去除椒盐噪点	3×3核
CLAHE	增强局部对比度	clipLimit=2.0

三、完整代码

python

复制代码

import cv2
import numpy as np

def safe_imread(img_path, flags=cv2.IMREAD_UNCHANGED):
    try:
        img = cv2.imread(img_path, flags)
        if img is not None:
            return img
    except:
        pass
    
    try:
        with open(img_path, 'rb') as f:
            data = f.read()
        img_array = np.frombuffer(data, np.uint8)
        img = cv2.imdecode(img_array, flags)
        return img
    except Exception as e:
        print(f"Error reading image: {e}")
        return None

def preprocess_image(img_path):
    img = safe_imread(img_path, cv2.IMREAD_UNCHANGED)
    
    # 位深归一化
    if img.dtype == np.uint16:
        img = (img / 256).astype(np.uint8)
    elif img.dtype != np.uint8:
        img = img.astype(np.uint8)
    
    # 灰度化
    if len(img.shape) == 3:
        img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 高斯滤波
    blurred = cv2.GaussianBlur(img, (5, 5), 0)
    
    # 中值滤波
    denoised = cv2.medianBlur(blurred, 3)
    
    # CLAHE增强
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    equalized = clahe.apply(denoised)
    
    return equalized

四、各步骤详解

位深归一化

python

复制代码

if img.dtype == np.uint16:
    img = (img / 256).astype(np.uint8)

策略：除以256（而非65535/255），直接取高字节，计算更快。

灰度化

python

复制代码

if len(img.shape) == 3:
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Otsu分割只需要单通道，多通道无意义。

高斯滤波（5×5）

python

复制代码

blurred = cv2.GaussianBlur(img, (5, 5), 0)

为什么选5×5：3×3太弱，7×7太强，5×5是平衡点。

中值滤波（3×3）

python

复制代码

denoised = cv2.medianBlur(blurred, 3)

为什么先高斯再中值：先抑制连续噪声，再去除孤立噪点。顺序颠倒效果变差。

CLAHE增强

python

复制代码

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
equalized = clahe.apply(denoised)

参数	本项目值	说明
clipLimit	2.0	对比度限制，越大对比度越强
tileGridSize	(8, 8)	分块大小

五、调参指南

问题	调整
噪声很大	高斯核(7,7)或中值核5
对比度太低	clipLimit=3.0
明暗不均	tileGridSize=(4,4)

下篇预告

下一篇写多级Otsu分割算法详解：从二值Otsu扩展到多级分割，递归阈值搜索。