衡量黑河蔡司激光共聚焦显微镜图片质量的主要有三大重要因素：亮度、分辨率和信噪比。能够大做文章的因素其实是信噪比。这里我们主要来探讨如何提升图像的信噪比。

　　黑河蔡司激光共聚焦显微镜ZEN软件中能提供三大类提升信噪比的方法

　　一、基于平滑处理的去噪模块

　　二、基于去卷积的直接去除非焦平面模糊信号

　　三、基于深度学习的人工智能降噪

　　下面我们来具体介绍这三大类方法。

　　通过平滑处理

　　提高信噪比最直接的方法就是去噪，常见的就是在拍摄共聚焦图片时候会选中“Interpolation”这个按钮，这也是属于去噪的一种。其原理是让两个像素点之间的边界变得模糊，从而使图片变得柔和，到达去噪的目的。

　　▲ 图1. Interpolation功能对比差异

　　常规“去噪”和平滑处理类似，去噪的内涵是把图像中的噪点变得平滑，在ZEN软件的图像处理模块中Smooth大类下就包含了很多去噪方法(如表1)。

　　▲ 表1. 各种平滑处理特点注释

　　除了“Denoise”算法采用小波算法外，其他算法都是常规线性代数的方法，小波变换能更多的保留边缘信号，就是图片中的细节信息。选中合适的去噪算法，会让图像看起来变得平滑，没有所谓的噪点。

　　▲ 图2. Denoise算法处理效果展示。信噪比较差的图片(共聚焦拍摄时激光强度极弱，Gain值打的特别高的情况下)，用Denoise算法处理可以得到效果比较好的图片

　　通过简单去卷积

　　——Deblurring模块

　　去卷积有很多种不同的算法，蔡司ZEN软件中Deblurring功能用比较简单的方式实现了信噪比提升，这个功能符合很多人对“去噪”效果的预期。

　　在Smooth模块下的去噪算法大多是对噪点本身下功夫，而Deblurring则考虑了成像过程产生的“噪声”。

　　Deblurring是基于最邻近函数去除背景的一种方法，对Z-Stack图像作Deblurring处理的时候，考虑某一层图象的噪声只是由其相邻两层图像带来的非焦平面信号和显微系统本身引起的;处理单张二维图像的时候，则是运用该图本身非焦平面的点扩散函数估算其相邻的噪声。选用Deblurring则是真的会去除那些噪点，而不是作平滑处理。

　　通过深度学习的方法

　　——AI Denoising模块

　　除了常规的平滑和去卷积算法外，蔡司ZEN软件中还有“AI Denoising”模块，其内核是 Noise2Void (N2V) [1]深度学习的去噪方法。N2V只需要信噪比很低的图像就能实现深度学习，是一种直接在噪声图像上进行训练的自我监督深度学习方法。因此，成像过程中就可以用更低的荧光光强进行成像，特别适合活细胞成像。

　　蔡司ZEN软件里的AI Denoising主要有两大板块构成，一个是在Analysis板块中的Intellesis Denoising，用户可以自己训练模型，而不是给一个通用模型。另一个就是调用训练好模型的地方在processing板块中直接搜索Intellesis Denoising就可以了。

　　N2V只能够对像素点独立的噪声进行处理，所以想让AI Denoising效果更好可以对图像先进行Whitening(白噪声处理)，然后再去训练AI Denoising的模型，模型训练好后运用的时候，还是要输入白噪声处理后的目标图像，最终导出图像是不含白噪声的图像。还有一点小技巧就是用8bit的图像能获得更好的去噪效果。

　　AI Denoising不止效果显著，还可以对多维图像进行降噪处理。

　　这次介绍了这么多图像去噪的方法，从普通平滑处理降噪、到非焦平面信号去除、再到深度学习的人工智能降噪，蔡司君相信总有一款是适合要发表高分文章，攀登科研高峰的你，要不要现在就拿出以前已经拍摄好的图像进行抢救一下呢?

　　备注：ZEN 3.4版本及以上才有Deblurring模块;ZEN 3.6版本及以上才有AI Denoising模块。