การประยุกตใชการประมวลผลภาพกับภาพจากกลองจุลทรรศน...

ว.วทย. มข. 40(4) 1089-1100 (2555) KKU Sci. J. 40(4) 1089-1100 (2012)

การประยกตใชการประมวลผลภาพกบภาพจากกลองจลทรรศน

Applications of Digital Image Processing in Microscope Images เยาวเรศ ศรสถตยกล1

บทคดยอ บทความนกลาวถงการประยกตใชงานโปรแกรมประมวลผลภาพเพอวเคราะหคณลกษณะสวนประกอบ

โครงสราง และพนผวภาพจลทรรศน กลองจลทรรศนจาแนกไดเปนกลองจลทรรศนแสง กลองจลทรรศนอเลกตรอน และกลองจลทรรศนชนดหวอานสองกราด เทคนคทสาคญสาหรบการวเคราะหวตถในภาพ คอ การแบงสวนภาพ ซงสามารถดาเนนการโดยใชงานการกาหนดคาเทรชโฮล และการคนหาขอบของวตถ ความกาวหนาในการวจยประมวลผลภาพจากกลองจลทรรศนประเภทตาง ๆ บงชวา การวเคราะหคณลกษณะ โครงสราง สณฐาน หรอพนผวสามารถดาเนนการไดอยางมประสทธภาพ

ABSTRACT This article reviews the applications of digital image processing program in

compositional, structural, and morphological characterizations of microscope images. Microscopes can be classified into optical microscopes, electron microscopes and scanning probe microscopes. The essential technique in the object analysis is the image segmentation which can be performed by the thresholding and the edge detection. The progress in research on different types of microscope images indicates that the characterization of composition, structure, and morphology can be effectively carried out.

คาสาคญ: การประมวลผลภาพ ภาพจากกลองจลทรรศน การแบงสวนภาพ การกาหนดคาเทรชโฮล การคนหาขอบของวตถ

Keywords: Digital image processing, Microscope image, Image segmentation, Thresholding, Edge detection

1สานกวชาสารสนเทศศาสตร มหาวทยาลยวลยลกษณ อ. ทาศาลา จ.นครศรธรรมราช 80161 E-mail: [email protected]

1090 KKU Science Journal Volume 40 Number 4 Review

บทนา ใ น ป จ จ บ น ก า ร ว เ ค ร า ะ ห โ ค ร ง ส ร า ง

สวนประกอบ คณลกษณะหรอพนผวของสงตาง ๆ สามารถทาไดโดยใชงานภาพนงจากกลองดจทล และกลองจลทรรศน หรอภาพตอเนองจากกลองวดโอ และกลองโทรทศนวงจรปด ซงภาพถายดวยกลองดจทลนนไดรบความนยมใชงานอยางแพรหลาย แตสาหรบงานทางดานวทยาศาสตรระดบจลภาค การวเคราะหตวอยาง จา เ ปนตองใชภาพจากกลองจลทรรศน เนองจากสามารถวเคราะหโครงสราง สวนประกอบ คณลกษณะ หรอพนผวในเชงลกได ในการวเคราะหภาพถายจากกลองจลทรรศน มขอบเขตเกยวของกบการคานวณ ขนาด หรอการเปรยบเทยบความแตกตางทเกดขน จากการศกษาวจยในชวงไมกปทผานมา ไดมการนาเทคนค กระบวนการ และอลกอรทมตาง ๆ ในสาขาวชาการประมวลผลภาพ (image processing) มาชวยในการวเคราะหขอมลภาพจลทรรศนเหลาน ซงกระบวนการประมวลผลภาพทนามาใชงานมทงแบบอตโนมต และกงอตโนมต แตไมวาจะใชงานในแบบใด กพบวาการประมวลผลภาพไดทาใหการวเคราะหเปนไปอยางมประสทธภาพและรวดเรวมากยงขน ซงบทความนไดกลาวถงกลองจลทรรศน วธประมวลผลภาพดจทล และตวอยางการประยกตใชการประมวลผลภาพกบภาพจากกลองจลทรรศนแบบตาง ๆ

กลองจลทรรศน กลองจลทรรศนเปนอปกรณสาหรบดภาพ

วตถทมขนาดเลกเกนกวามองเหนไดดวยตาเปลา กลองจลทรรศนสามารถแบงออกเปนประเภทใหญ ๆ ได 3 ป ร ะ เ ภ ท ค อ ก ล อ ง จ ล ท ร ร ศ น แ ส ง ( optical microscopes) ทสามารถใชศกษาวตถทเลกถงระดบ 100 นาโนเมตร กลองจลทรรศนอเลกตรอน (electron

microscopes) และกลองจลทรรศนชนดหวอานสองกราด (scanning probe microscope) ทสามารถใชศกษาโครงสรางขนาดตากวานาโนเมตรได (Geisse) ซงมหลกการทางานทแตกตางกนดงแสดงในรปท 1

กลองจลทรรศนแสงเปนกลองจลทรรศนทใชงานกนโดยทวไป อาศยเลนสเพอขยายภาพวตถทวางในระนาบโฟกสของเลนสนน ๆ กลองจลทรรศนแสงมแบบตาง ๆ ทหลากหลายไดแก stereo microscope ใชสองดสงมชวตทไมเลกมาก เชน แมลง โดยสามารถสองดเปนภาพ 3 มต, dark field microscope ใชการกระเจงของแสงเพอสรางภาพของวตถทใสไมมสหรอยอมสตดยาก เชนสงมชวตขนาดเลก หรอเนอเยอบางชนด, phase contrast microscope ใชการหกเหของแสงสะทอนในการสรางภาพวตถทเปนสงมชวตเลก ๆ ทบางและโปรงใส ไมมส เชน เนอเยอ เซลล และ fluorescence microscope ใชงานในหองวจยหรอหองปฏบตการของโรงพยาบาล เพอศกษาสงมชวตขนาดเลก ทมคณสมบตสามารถเรองแสงหรอเปลงแสงเองได เมอไดรบพลงงานแสงจากแหลงกาเนดทมพลงงานสง เชน แสงอลตราไวโอเลต

กลอง จลทรรศน อ เลกตรอน เ ปนกลองจลทรรศนทมกาลงการขยายสงถงระดบลานเทา เพราะใชลาอเลกตรอนแทนแสงปกต โดยลาอเลกตรอนซงมขนาดเลกมากกระทบวตถทาใหเกดสญญาณสรางภาพบนจอ และใชสนามแมเหลกจากขดลวดพนรอบ ๆ แกนเหลกออนแทนเลนสแสงในกลอง ซงสนามแมเหลกทเกดขนเมอมกระแสไฟฟาไหลผานขดลวดจะบบลาอเลกตรอนไปสเปาหมาย กลองประเภทนเปนกลองทใชในการศกษาโครงสราง และสวนประกอบไดอยางละเอยด ในปจจบนกลองจลทรรศนอเลกตรอนม 2 ชนด ไดแก กลองจลทรรศนอเลกตรอนชนดสองกราด (scanning electron microscope) หรอเรยกวา SEM

บทความ วารสารวทยาศาสตร มข

ใชศกษาลกษณะพนผววตถ โดยลาอเลกตรอนจะสองกราดไปบนผวของวตถ แลวเกดสญญาณสรางภาพทเปน 3 มต และ กลองจลทรรศนอเลกตรอนชนดสองผาน (transmission electron microscope) เรยกวา TEM ใชศกษาโครงสรางภายใน โดยลาแสงอเลกตรอนจะสองผานตวอยางทตองการศกษา ดงนนจงตองเตรยมตวอยางใหมขนาดบางเปนพเศษ

กลองจลทรรศนชนดหวอานสองกราดเปนเครองมอทใชในงานนาโนเทคโนโลย กลองจลทรรศน

รปท 1 หลกการทางานของกลองจลทรรศนประเภทตาง ๆ

การประมวลผลภาพดจทล การประมวลผลภาพด จ ทล คอ เทคนค

กระบวนการ หรออลกอรทมตาง ๆ ทเกยวของกบดาเนนการกบภาพดจทล โดยมจดประสงคหลกเพอทาใหภาพมคณภาพด ขน เหมาะสาหรบการนาไปประมวลผลในขนตอนตอไป โดยส วนใหญ การประมวลผลภาพจะประกอบดวยขนตอนตาง ๆ ทเรมตนจากกระบวนการรบภาพ กระบวนการทาใหภาพมความคมชดมากขนหรอการกาจดสญญาณรบกวน (noise) ภายในภาพ หากตองการวเคราะหวตถในภาพ ก จ ะ ต อ ง ม ข น ต อน ก า ร แ บ ง ส ว น ภ า พ ( image segmentation) เพอแบงสวนของวตถในภาพออกจาก

วารสารวทยาศาสตร มข. ปท 40 ฉบบท 4 1091

าลกษณะพนผววตถ โดยลาอเลกตรอนจะสองกราดไปบนผวของวตถ แลวเกดสญญาณสรางภาพท

กลองจลทรรศนอเลกตรอนชนดสองransmission electron microscope) หรอ

ใชศกษาโครงสรางภายใน โดยลาแสงอเลกตรอนจะสองผานตวอยางทตองการศกษา ดงนน

กลองจลทรรศนชนดหวอานสองกราดเปนกลองจลทรรศน

ประเภทนมแบบทตางกน ไดแก scanning tunneling microscope หรอเรยกวา STM ใชสาหรบศกษาพนผวของโลหะในระดบอะตอม, atomic force microscope หรอเรยกวา AFM สามารถใชงานไดกบตวอยางทไมนาไฟฟา ซงรวมถงตวอยางทางชวภาพ และ scanning near-field optical microscopy หรอเรยกวา SNOM

หลกการทางานของกลองจลทรรศนประเภทตาง ๆ (ทมา: http://en.wikipedia.org/wiki/Microscope)

การประมวลผลภาพด จ ทล คอ เทคนคกระบวนการ หรออลกอรทมตาง ๆ ทเกยวของกบการดาเนนการกบภาพดจทล โดยมจดประสงคหลกเพอทาใหภาพมคณภาพด ขน เหมาะสาหรบการนาไปประมวลผลในขนตอนตอไป โดยส วนใหญ การ

ตอนตาง ๆ ทเรมตนจากกระบวนการรบภาพ กระบวนการทาใหภาพมความคมชดมากขนหรอการกาจดสญญาณรบกวน

ภายในภาพ หากตองการวเคราะหวตถในภาพ mage

เพอแบงสวนของวตถในภาพออกจาก

ฉากหลง จากนนจงจะสามารถวเคราะหและคานวณขอมลเชงปรมาณ เชน ขนาด รปทรง ส และทศทางของวตถ เปนตน ดงนนหากนาขอมลเชงปรมาณเหลานไปวเคราะหและสรางเปนระบบ กจะสามารถนาไปใชประโยชนตาง ๆ ได เชน การคดแยกเกรดหรอคณภาพของพชผลทางการเกษตร เชน ระบบคดแยกสมโชกน (Sirisathitkul et al., 2006) และการวดความแกของสมโอพนธขาวนาผง (Wattanavicheanand and Aroonyadet, 2005) เปนตน การวเคราะหภาพในงานดานการแพทย เชน การวเคราะหตอมทอนซลโดยใชกระบวนการประมวลผลภาพและโครงขายประสาทเทยม (Leelasantitham and Kiattisin, 2009) และก า ร ว เ ค ร า ะ ห ภ า พ เ ร ต น า ด ว ย ก ร ะ บ ว น ก า ร


mathematical morphology (Sopharak et al., 2011) เปนตน การวเคราะหภาพในงานอตสาหกรรม เชน การตรวจหา bump ใน flip-chip โดยใช fuzzy filtering และการประมวลผลภาพ (Karnpracha et al., 2007) ระบบเหลานจาเปนตองมการประมวลผลภาพเปนจานวนมาก และเปนกระบวนการทดาเนนการซา ๆ ซงการวเคราะหดวยสายตาจะใชเวลานาน เปนการสนเปลองแรงงาน และหากตองวเคราะหภาพเปนจานวนมาก เปนเหตใหผตรวจสอบเกดอาการลาและสงผลใหมความผดพลาดเกดขนได

การแบงสวนภาพเปนการดาเนนการซงทาใหสามารถแยกขอมลภาพในสวนทตองการออกจากสวนอน ๆ วธทสะดวกทสดคอ การแบงสวนภาพโดยใชงานการกาหนดคาเทรชโฮล (threshold) ซงเปนคาความเขมทมคาคงท และสามารถแบงแยกความแตกตางของวตถและฉากหลงได ดงนนเมอนาไปประยกตใชงานกบภาพโทนสเทา (gray scale image) กจะทาไดโดยการนาคาความเขมของแตละพกเซลในภาพมาเปรยบเทยบกบคาเทรชโฮล หากความเขมของพกเซลนนมคาสงกวาคาเทรชโฮล กจะกาหนดใหพกเซลนนในภาพผลลพธมคา 1 แตถาไมใชกจะกาหนดเปน 0 ดงนนจงเรยกภาพผลลพธวาภาพไบนาร (binary image)

การแบงสวนภาพอกวธหนงทเปนทนยม คอ การคนหาขอบของวตถ (edge detection) เปนการคนหาเสนรอบวตถทอยในภาพ เมอทราบเสนรอบวตถกจะสามารถคานวณคาตาง ๆ เชน พนท เสนผานศนยกลาง ความเบยว (eccentricity) หรอนาไปใชในการรจาชนดของวตถนน ๆ ได การดาเนนการนจะตองกาหนดเทมเพลต (template) สาหรบใชในการพจารณาหาขอบ ซงเทมเพลตทนยมใชงานมขนาดตาง ๆ กน เชน 2x2, 3x3, 5x5 เปนตน โดยทตวดาเนนการคนหาขอบภาพ (edge detector) แตละตวจะมเทม

เพลตและสมประสท ธ ทแตกตางกน ตวอยางตวดาเนนการคนหาขอบภาพทนยมใชงานไดแก Canny, laplacian of gaussian (LoG), Prewitt, Roberts และ Sobel เปนตน ซงภาพผลลพธทไดจากกระบวนการนประกอบดวยพกเซลตาง ๆ ทประกอบกนเปนขอบของวตถในภาพ

โดยทวไป ระบบทใชงานการดาเนนการประมวลผลภาพมทงแบบระบบอตโนมต (automatic system) นนคอการดาเนนการทงหมดจะเกดขนโดยระบบเองและไมตองใหผใชงานเขาไปเกยวของ ดงนนระบบนจงตองมกระบวนการและมอลกอรทมการประมวลผลภาพหรอการวเคราะหภาพทคอนขางซ บ ซ อน แต ส า ห ร บ ร ะ บ บ ก ง อ ต โ น ม ต (semi-automatic system) จะอนญาตใหผใชงานสามารถระบขอมลอน ๆ เพมเตมไดระหวางประมวลผล เชน จานวนวตถในภาพ และตาแหนงของวตถแตละชน เปนตน ดงนนโปรแกรมกจะสามารถดาเนนการในสวนทเหลอไดอยางถกตอง

การประมวลผลภาพจลทรรศนแสง ในชวงแรกทมการนาเทคนคการประมวลผล

ภาพมาประยกตใชงานกบภาพจลทรรศนนน โดยสวนใหญจะเกยวของกบการปรบปรงคณภาพของภาพ เพอกาจดสญญาณรบกวนและ image restoration และเปนการกรองขอมลภาพ (Bonnet, 2004) แตหลงจากทกลองจลทรรศนสามารถจดเกบขอมลเปนภาพดจทล และโปรแกรมคอมพวเตอรมความสามารถในการประมวลผลกบภาพขนาดใหญภายในเวลาอนรวดเรวได จงทาใหมการพฒนาการประยกตใชการประมวลผลภาพจลทรรศนกนอยางกวางขวาง

Santis et al. (2008) นาเสนอการประมวลผลภาพโดยใชงาน image processing

บทความ วารสารวทยาศาสตร มข. ปท 40 ฉบบท 4 1093

toolbox ในซอฟตแวร MatLab สาหรบการคานวณพารามเตอรตาง ๆ เพอวเคราะหสณฐานของอนภาค กราไฟตในเหลกหลอ เรมตนจากการถายภาพดวยกล อง จลทรรศนแสง และ นาภาพ ท ได มา เ ข าสกระบวนการแบงสวนภาพ ซงภาพผลลพธทไดจากการดาเนนการประกอบดวยวตถและฉากหลงทแบงแยกออกจากกนไดอยางชดเจน จากนนดาเนนการดวยอลกอรทมสาหรบการคนหาขอบของวตถ ซงในงานชนน ใชงานตวดาเนนการคนหาขอบภาพตาง ๆ ดงนคอ Sobel, Canny และ LoG ดงนนเมอสามารถสรางภาพทประกอบดวยเสนขอบของวตถตาง ๆ ไดแลว จงใชงาน active contour method เพอทาใหเสนขอบของวตถตาง ๆ มความคมชดและมความตอเนองมากขน จากนนใชงาน image processing toolbox ในการคานวณพารามเตอรตาง ๆ เกยวกบรปทรงของวตถจากภาพผลลพธ ซงพารามเตอรทนามาใชในงานชนน คอ พนท ความเบยว และ solidity ซงเปนอตราสวนระหวางพนทและ convex area ของวตถ

Wang et al. (2010) ไดนาเสนอวธการประมวลผลภาพซงนามาประยกตใชกบภาพจลทรรศนแสงของฟลมบางไทเทเนยมทเคลอบบนแกว เพอวเคราะหการเปลยนแปลงสณฐานดวยวธ digital image correlation method (DICM) ดงแสดงในรปท 2 โดยเรมตนดวยการถายภาพฟลมบางไทเทเนยมทมความหนา 150 นาโนเมตรดวยกลองจลทรรศนแสง จาก นนด า เ นนการ คนหาขอบของ วต ถด วยต วดาเนนการคนหาขอบภาพ Roberts ซงเปนเทมเพลตขนาด 2×2 เพอสรางภาพเสนขอบของวตถตาง ๆ ในภาพ โดยทเสนขอบของวตถทมคาการเปลยนแปลงโทนสเทาคอนขางสงจะทาใหเกดความตอเนองของเสนขอบ จากนนนาภาพทไดมาคานวณคาเทรชโฮล และนาคาเทรชโฮลทไดมาดาเนนการกบภาพเพอสรางภาพไบนาร

ซงในขนตอนนทาใหสามารถกาจดพกเซลทไมไดเปนสมาชกของเสนขอบของวตถได นาภาพไบนารทไดไปดาเนนการ Gaussian filter กบทก ๆ ตาแหนงพกเซล และประมวลผลดวยการดาเนนการเทรชโฮลอกครง ซงในขนตอนน พกเซลใดทมคาสงกวาคาเทรชโฮลจะถกกาหนดเปนสขาว และ พกเซลใดทมคาตากวาคาเทรชโฮลจะถกกาหนดเปนสดา ดงนนภาพผลลพธทไดจงเปนภาพไบนารทมเสนขอบของบรเวณทมการเปลยนรปราง และนาไปใชในการวเคราะหการเปลยนแปลงสณฐานไดตอไป

Phromsuwan et al. (2012A) ไดประยกตใชเทคนคการประมวลผลภาพโดยใชงาน image processing toolbox ในซอฟตแวร MatLab เพอศกษาแพทเทรนแมเหลกระดบไมโครทสงเคราะหดวยกระบวนการ X-Ray lithography โดยไดทาการเปรยบเทยบอลกอรทมสาหรบการคนหาขอบของวตถตาง ๆ กบภาพถายจากกลองจลทรรศนแสง เพอคนหาตวดาเนนการคนหาขอบภาพทเหมาะสมสาหรบการนามาใชในงานน ดงแสดงในรปท 3 ซงกระบวนการนเรมตนจากการใชงานภาพส RGB ดงนนเพอใหสามารถนามาใชงานในกระบวนการแบงสวนภาพ จงตองทาการแปลงใหเปนภาพโทนสเทากอน จากนนใชงานอลกอรทมสาหรบการคนหาขอบของวตถ ภาพผลลพธทไดจากขนตอนนเปนภาพไบนารซงประกอบดวยเสนขอบของวตถตาง ๆ เปรยบเทยบเมอใชตวดาเนนการคนหาขอบภาพแบบตาง ๆ ไดแก Canny, LoG, Prewitt, Roberts และ Sobel จากนนขนตอนตอไปจงเปนการดาเนนการระบายพนทภายในวตถ ซงภาพผลลพธทไดจะถกนาไปใชในการนบจานวนวตถทงหมดภายในภาพ ดงแสดงในรปท 4 คาทคานวณไดจากโปรแกรมระบวา ควรใชงานตวดาเนนการคนหา


ขอบภาพ LoG ในการตรวจจบเสนขอบของวตถสาหรบภาพถายจากกลองจลทรรศนแสง

การประมวลผลภาพจลทรรศนอเลกตรอนชนด

สองกราด (SEM) Midoh et al. (2007) ไดใชงาน scale

space กบภาพจลทรรศนอเลกตรอนชนดสองกราดทมสญญาณรบกวน เพอวดขนาดวตถตามขนตอนในรปท 5 เรมตนดวยการระบวตถในภาพ จากนนประมาณสญญาณรบกวนทเกดขนในภาพโดยใช 2-way ANOVA

และสราง gaussian and gradient scale space ขนตอนตอไปทาการกาหนดจดเรมตนของขอบวตถสาหรบการทา edge tracking จากนนดาเนนการ edge tracking และวดขนาดของวตถ นาผลทไดมาเปรยบเทยบกบภาพเดยวกนทประมวลผลดวยตวดาเนนการคนหาขอบภาพ Canny ซงพบวาวธทคณะของ Midoh นาเสนอมประสทธภาพเหนอกวาตวดาเนนการคนหาขอบภาพ Canny ในเรองการกาจดสญญาณรบกวนและความถกตองในการตรวจจบเสนขอบ

รปท 2 ลาดบวธของการประมวลผลภาพ (ดดแปลงจาก: Wang et al., 2010)

Start

Input Image 1

Input Image 2

Selecting the computational domain for DICM

Calculation for Displacement difference of the two images

Conducting edge detection to image 1

Conducting edge detection to image 2

Filter operation and binarization

Combined binary image 1 and image 2 into one image

End


รปท 3 แผนภาพแสดงขนตอนตาง ๆ ในโปรแกรมประมวลผลภาพซงใชงานอลกอรทมสาหรบการคนหาขอบของวตถตาง ๆ (ดดแปลงจาก: Phromsuwan et al., 2012A)

Start

Step1: Read Image I = imread(filename);

Step2: Convert RGB to grayscale image I = rgb2gray(I);

Step3: Edge detection (a) Canny edge detection; Thresh = empty,Sigma = 2(default)

BW1 = edge(I,’canny’); (b) Laplacian of Gaussian edge detection; Thresh = empty, Sigma = 2(default)

BW1 = edge(I,’log’); (c) Prewitt edge detection; Thresh = empty, Direction = ’both’(default)

BW1 = edge(I,’prewitt’); (d) Robert cross edge detection; Thresh = empty, Options = ’thinning’(default)

BW1 = edge(I,’roberts’); (e) Sobel edge detection; Thresh = empty, Direction = ’both’(default),

Options = ’notthinning’ (default)

Step4: Fill area BW_filled = imfill(BW1,’holes’);

Step5: Tracing the exterior boundaries of objects as well as boundaries of holes inside these objects

boundaries = bwboundaries(BW_filled);

Step6: Plot all edge lines then show result plot(boundaries{k}(:,2),boundaries{k}(:,1),’r’,’LineWidth’,2);

End


(a) (b)

รปท 4 ภาพจากกลองจลทรรศนแสงของแพทเทรนแมเหลกระดบไมโคร (a) กอนประมวลผล (b) ภายหลงการประมวลผล (ทมา: Phromsuwan et al., 2012A)

รปท 5 ภาพรวมของอลกอรทมการวดขนาด (ดดแปลงจาก: Midoh et al., 2007)

Mogireddy et al. (2011) ไดใชงาน support vector machines (SVM) ในการเลอกอลกอรทมการแบงสวนภาพทเหมาะสมสาหรบการใชงานกบภาพ particulate matter (PM) กระบวนการประมวลผลภาพทใชงานประกอบดวย 5 ขนตอนดงน ขนตอนท 1 เรมจากการอานขอมลภาพ (image reading) ซงภาพทนามาใชเปนภาพจลทรรศนอเลกตรอนชนดสองกราดขนาด M×N พกเซล ขนตอน

ท 2 เปนการประมวลผลเบองตน (preprocessing) ซงประกอบดวยการกาจดสญญาณรบกวน โดยทสญญาณรบกวนทเกดขนในภาพมลกษณะเปนจด เสน และรอยขนาดเลก การกาจดสญญาณรบกวนทาไดโดยการใชงาน median filter จากนนทาใหภาพคมชดเพอทาใหวตถและฉากหลงมความแตกตางกนอยางชดเจน ขนตอนท 3 เปนการแบงสวนภาพดวยการใชงานตวดาเนนการคนหาขอบภาพ Sobel ดงนนจงสามารถ

Specify a object to be measured

Estimating the noise level

Constructing Gaussian and Gradient scale spaces

Determining a starting scale for edge tracking

Edge tracking

Object size measurement

Noise estimate


ระบบรเวณของวตถและเสนขอบของวตถได ขนตอนท 4 คอการสกดคณลกษณะ (feature extraction) ซงเ ร ม ต นด ว ยก า ร ใ ช ง าน อ ลกอร ท ม connected component labeling เพอกาหนดหมายเลขใหกบวต ถแตละ ชน จาก นนคานวณขนาด พนท และคณลกษณะอน ๆ แตเนองจากวตถมรปทรงทผดปกต จงตองคานวณคาพารามเตอร shape factor หรอ form factor (ff) ซงเปนอตราสวนระหวางพนทของวตถและเสนรอบรป ขนตอนท 5 ไดแกการแทนขอมล (representation) โดยใชงานวธทางสถต เชน แทนขอมลในรปแบบกราฟ ฮส โตแกรม และตาราง นอกจากน บทความนยงไดกลาวถงซอฟตแวรในเชงพาณชยทใชงานกบภาพ SEM สาหรบการวเคราะหคณลกษณะของ PM และกลาวถงขอดขอเสยของซอฟตแวรเหลาน

Phromsuwan et al. (2012A) ประยกตใชเทค นคการประมวลผลภาพโดยใ ชง าน image processing toolbox ในซอฟตแวร MatLab เพอศกษาแพทเทรนแมเหลกระดบไมโครทสงเคราะหดวยกระบวนการ X-ray lithography โดยไดทาการเปรยบเทยบอลกอรทมสาหรบการคนหาขอบของวตถตาง ๆ กบภาพจลทรรศนอเลกตรอนชนดสองกราด (SEM) เพอคนหาตวดาเนนการคนหาขอบภาพทเหมาะสมสาหรบการนามาใชในงานน ดงแสดงในรปท 6 ซงมกระบวนการเดยวกนกบทอธบายขางตน และผลของการเปรยบเทยบสรปไดวา ควรใชงานตวดาเนนการคนหาขอบภาพ Canny และ LoG ในการตรวจจบเสนขอบของวตถสาหรบภาพจลทรรศนอเลกตรอนชนดสองกราด

รปท 6 ภาพ SEM ของแพทเทรนแมเหลกระดบไมโคร (a) กอนประมวลผล (b) ภายหลงการประมวลผล (ทมา:

Phromsuwan et al., 2012A)

การประมวลผลภาพจลทรรศนอเลกตรอนชนด

สองผาน (TEM) Ortalan et al. (2009) นาเทคนคในการ

ประมวลผลภาพมาประยกตใชงาน เพอศกษาขอบเกรนและอนภาคนาโน (nanoparticles) จากภาพคอน-

ทราสตา (low-contrast image) ของวสดทมความหนาไมสมาเสมอ โดยนาภาพถาย STEM จลทรรศนอเลกตรอนชนดสองผานของซเปอรคอนดคเตอรทมอนภาคในระดบนาโนเมตรมาทาการวเคราะห ซงเทคนคการประมวลผลภาพเรมตนดวยการดาเนนการ

a b


คนหาขอบของวตถดวยตวดาเนนการคนหาขอบภาพ Sobel, Prewitt, Kirsch, Frei-chen จากภาพผลลพธพบวา การดาเนนการคนหาขอบของวตถดวยตวดาเนนการคนหาขอบภาพ Sobel ใหผลลพธดกวาวธอน ๆ หลงจากนนนาภาพทไดไปประมวลผลดวย LoG เพอกาจดสญญาณรบกวน จากนนนาภาพทไดมาปรบความเขมภายในภาพดวยกระบวนการ non-uniform illumination (NUI) และเพอทาใหเสนขอบของวตถในภาพมความคมชดมากขน จงดาเนนการดวย image sharpening ผลการทดลองระบไดวา เมอประยกตใชเทคนคการประมวลผลภาพแลวนน ทาใหสามารถวดขนาด คานวณความหนาแนน และระบตาแหนงของอนภาคนาโนได และสามารถระบขอบเกรนได

Wojcik and Krapf (2011) ใชงานซอฟตแวร MatLab ในการนาเสนอขนตอนการประมวลผลภาพซงใชงาน Shannon entropy ในการดาเนนการคนหาขอบของวตถ เพอสรางระบบซงสามารถรจาและวดขนาดของรพรนในระดบนาโน (nanopore) แบบเรยลไทมและเปนการดาเนนการแบบอตโนมต ซงขนตอนการดาเนนการคนหาขอบของวตถ ตรวจจบเสนขอบของรพรนในระดบนาโนในภาพถายจากก��-

จลทรรศนอเลกตรอนชนดสองผานนน ดาเนนการโดยใชงาน Shannon entropy filter ซงเปนเทมเพลตสาหรบใชในการคานวณคา Shannon entropy ของพกเซลทอยในบร เวณขนาด 19x19 ผลลพธของกระบวนการนคอ entropy image หลงจากนนประมวลผลกบ entropy image อกคร งดวย Gaussian filter เพอกาจดสญญาณรบกวน และดาเนนการขนตอนการแบงสวนภาพโดยใชงานการกาหนดคาเทรชโฮลดวยวธ automatic thresholding ซงภาพผลลพธทไดเปนภาพไบนารประกอบดวยเสนขอบตาง ๆ และสามารถนาไปใชในการวดเสนผานศนยกลางได

Phromsuwan et al. (2012B) ประยกตใชเทค นคการประมวลผลภาพโดยใ ชง าน image processing toolbox ในซอฟตแวร MatLab เพอศกษาอนภาคแมเหลกนาโนเหลกพลาตนมทสงเคราะหจากปฏกรยาเคม โดยใชงานตวดาเนนการคนหาขอบภาพ Canny สาหรบการคนหาขอบของวตถกบภาพจลทรรศนอเลกตรอนชนดสองกราด (TEM) ดงแสดงในรปท 7 และสามารถคานวณการกระจายขนาดของอนภาคได

รปท 7 ภาพ TEM ของอนภาคแมเหลกนาโน (a) กอนประมวลผล (b) ภายหลงการประมวลผล (ทมา:

Phromsuwan et al., 2012B)

a b


บทสรป การประมวลผลภาพดจทลเปนเทคนคทม

ประสทธภาพสามารถนามาประยกตใชในการวเคราะหภาพไดหลากหลายประเภท ทงภาพทางดานการเกษตร การแพทย อตสาหกรรม และดานวทยาศาสตร เปนตน จากการศกษาพบวาการประยกตใชงานเทคนคการประมวลผลภาพกบภาพจลทรรศนของวสดระดบนาโนและไมโคร สามารถชวยในการวเคราะหโครงสราง สณฐาน คณลกษณะ หรอพนผว โดยใชการวดพนท ความเบยว เสนขอบของวตถ เปนตน ซงสามารถชวยใหการดาเนนการมประสทธภาพมากขนได ในปจจบนยงคงมชองทางในการพฒนาเทคนคประมวลผลภาพใหใชงานไดกบภาพจลทรรศนกาลงขยายสง ซงอาจมความคมชดตา การลดขอจากดตาง ๆ เหลานจะนาไปสการประยกตใชงานทหลากหลายและแพรหลายมากยงขน

เอกสารอางอง Bonnet, N. (2004). Some trends in microscope image

processing. Micron 35(8): 635-653. Geisse, N. AFM and Combined Optical Techniques.

Asylum Research, แห ล งข อ มล : http://www.asylumresearch.com/Applications/CombinedAFMOptical/CombinedAFMOptical.shtml. คนเมอวนท 11 กนยายน 2555.

Karnpracha, S., Seanton, A. and Kaitwanidvilai, S. (2007). A nondestructive bump inspection in flip chip component using fuzzy filtering and image processing. ECTI Transactions on Electrical Engineering. Electronics and Communications 5(2): 103-108.

Leelasantitham, A. and Kiattisin, S. (2009). A diagnosis of tonsillitis using image processing and neural network. International Journal of Applied Biomedical Engineering 2(2): 36-42.

Midoh, Y., Nakamae, K. and Fujioka, H. (2007). Object size measurement method from noisy SEM images by utilizing scale space. Measurement Science and Technology 18(3): 579-591.

Mogireddy, K., Devabhaktuni, V., Kumar, A., Aggarwal, P. and Bhattacharya, P. (2011). A new approach to simulate characterization of particulate matter employing support vector machines. Journal of Hazardous Materials 186(2-3): 1254-1262.

Ortalan, V., Herrera, M., Morgan, D.G., Browning, N.D. (2009). Application of image processing to STEM tomography of low-contrast materials. Ultramicroscopy 110(1): 67-81.

Phromsuwan, U., Sirisathitkul, C., Sirisathitkul, Y. and Sriphung, C. (2012A). Implementation of edge detection algorithms to characterize magnetic micropillars patterned by X-ray lithography. International Journal of Physical Sciences 7(12): 1959-1966.

Phromsuwan, U., Sirisathitkul, C., Sirisathitkul, Y. and Uyyanonvara, B. (2012B). Application of image processing to determine size distribution of magnetic nanoparticles. In: The 19th International Conference on Magnetism 8-13 July 2012. Busan, Korea.

Santis, A.D., Bartolomeo, O.D., Iacoviello, D. and Iacoviello, F. (2008). Quantitative shape evaluation of graphite particles in ductile iron. Journal of Materials Processing Technology 196(1-3): 292-302.

Sirisathitkul, Y., Thumpen, N. and Puangtong, W. (2006). Automated Chokun orange maturity sorting by color grading. Walailak Journal of Science and Technology 3(2):195-205.

Sopharak, A., Uyyanonvara, B. and Barman, S. (2011). Automatic microaneurysm detection from


non-dilated diabetic retinopathy retinal images using mathematical morphology methods. IAENG International Journal of Computer Science 38(3): 295-301.

Wang, S.B., Fang, Y.Z., Jia, H.K., Li, L.A., Wang, Z.Y. and Zhang, S.J. (2010). A new application of digital image processing to investigate thin compressed films: The measurement of buckling propagation. Optics and Lasers in Engineering 48(11): 1140-1144.

Wattanavicheanand, K. and Aroonyadet, N. (2005) Assessment of fruit maturity in Kao Nampheung pummelo using image processing of oil grands. Thai Journal of Agricultural Science 36(2): 129-140.

Wojcik, T.R. and Krapf, D. (2011). Solid-state nanopore recognition and measurement using Shannon entropy. IEEE Photonics Journal 3(3): 337-343.

��

การประยุกตใชการประมวลผลภาพกับภาพจากกลองจุลทรรศน...

Documents