Implementation of panoramic image acquisition system based on stitching in microscopic imaging
本文提出了一种利用视觉伺服控制平移-俯仰运动的显微全景成像系统，并采用图像拼接技术从低分辨率（640 × 480）输入生成高分辨率（15488 × 15456）全景视图，从而克服了传统显微镜固有的视野受限问题。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在生物学和材料科学领域，观察细胞或微芯片的微小细节至关重要，但观察的深度与视野范围之间存在着一种持久的权衡。高倍显微镜就像一个紧贴单个点的放大镜；它们能揭示惊人的细节，但视野非常狭窄，导致周围的上下文环境消失了。传统上，科学家们不得不手动将载玻片在镜头下移动，拍摄一个微小点位的照片，再次移动，再拍下一个，并寄希望于拼凑出整个场景的心理地图。这种手动过程速度缓慢，容易产生人为错误，并且往往无法捕捉到样本的完整图像。为了解决这个问题，研究人员转向了一种称为“图像拼接”的方法，即通过计算机将许多小的、重叠的照片融合成为一张巨大的、高分辨率的全景图。然而，要让这些图像完美对齐需要精确的移动，并且需要一种让相机知道自己相对于物体位置的方法，这一挑战通常需要昂贵且复杂的机械设备。
来自南京大学和南京航空航天大学的一个研究小组开发了一种更易实现这种全景视图的方法。他们构建了一个系统，该系统结合了一个标准的工业相机和一个简单的、通过往复运动移动样本的电动平台。其核心创新在于系统控制这种移动的方式。该系统并非依赖预设的路径或昂贵的传感器，而是使用了一种被称为“视觉伺服”（visual servoing）的技术。简单来说，相机不断地“注视”着它正在拍摄的样本边缘。通过分析当前视野角落中的亮度和边缘，计算机可以判断自己是在样本中间、顶部还是底部。基于这种视觉反馈，计算机向电机发送指令，使样本仅移动足够的距离以捕捉下一个重叠部分，并在新视图与前一个视图完美对齐时自动停止。
研究人员使用三个步进电机和一个低成本控制器构建了一个二维移动台。他们将测试样本放置在这个台上，并用黑色哑光玻璃覆盖周围区域，以确保相机只看到感兴趣的对象。在系统开始工作之前，团队必须教会它电机运动与相机屏幕像素之间的关系。他们使用了一个具有已知测量值的校准板，以确定移动一个像素需要多少个电机步长。他们还建立了一个转换因子，以便最终图像包含比例尺，允许用户直接从数字照片中测量特征的实际物理尺寸。这种校准确保了系统确切知道移动多少距离才能在不遗漏任何样本部分或捕捉过多空白空间的情况下，创建必要的图像重叠。
一旦完成校标，系统便通过识别样本边界开始工作。软件将相机的视野划分为若干区域，并检查边缘的平均亮度。如果视图的顶边缘是暗的，系统就知道样本在那个边缘下方，于是向上移动平台。如果左边缘是暗的，则向右移动平台。这个过程持续进行，直到整个样本都被覆盖在网格状的重叠图像中。研究人员选择了每张照片边缘的特定区域作为参考点。利用一种称为“模板匹配”的方法，计算机在下一张照片中找到这些相同的参考点，并计算如何精确对齐它们。由于样本是在直线路径上移动且没有旋转或改变大小，因此图像可以像地板上的瓷砖一样堆叠在一起，而不需要复杂的几何校正。
这种方法的成果令人瞩目。使用分辨率相对较低（640 x 480 像素）的相机，该系统成功地拼接出了一张分辨率高达 15,488 x 15,456 像素的巨型全景图像。这张最终图像清晰地捕捉了整个场景，保留了在单张低分辨率照片中会丢失的细节。研究人员对水平和垂直运动都进行了测试，确认在拼接过程中没有信息丢失或失真。虽然最终的全景图像在照片交界处显示出一些可见的缝隙，但该系统成功证明了简单的低成本设置也可以实现高分辨率显微场景的自动化采集。研究结论指出，这种方法提供了一种实用的替代方案，可以取代昂贵的高端成像系统，使得以极少的人工干预生成生物细胞和微结构的详细全景视图成为可能。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。