Big Logo

List of Student Projects


Mosaicing en microscopie optique

Olivier Balsiger
Section Microtechnique


Student Project

Semester Project, March 2000


Introduction

Les images obtenues par microscopie sont par nature très locales. Il est pourtant nécessaire de les replacer dans un contexte plus global, ce qui s’effectue généralement par une diminution du grossissement. Le projet proposé suggère de développer une méthode alternative qui consiste au contraire à prendre plusieurs images décalées à une résolution unique. Afin d’obtenir une seule image, il faut donc aligner le plus finement possible toutes ces images. Bien sûr, cet alignement doit être réalisé de manière automatique.

Construction de la mosaïque
L’établissement d’une mosaïque composée de plusieurs images est une combinaison de trois problèmes:

  • Application de la transformation géométrique de correction donnée par la fonction Ls_align
  • Positionnement de l’image alignée sur la mosaïque
  • Elimination des effets de jointure, gestion du recouvrement

Dans le cas qui nous concerne, le premier problème évoqué ci-dessus est résolu en grande partie par les fonctions Ls_align et Affine qui permettent respectivement de trouver automatiquement la transformation géométrique ainsi que de l’appliquer à l’image devant être alignée.

Les images sont des cellules duodenum de taille 767 x 573 pixel et la mosaïque 980 x 778 (fig.18).



Mosaïque composée de 22 images prises au microscope

Conclusion

L’objectif de ce projet était la mise au point d’un programme automatique réalisant une mosaïque à partire d’image acquises en microscopie optique. Le modèle de transformation géométrique utilisé a permis d’aligner des images présentant peu de distorsions, obtenues par un microscope ainsi que par un appareil photo numérique. L’alignement automatique est réalisé par la fonction Ls_align développée dans le groupe BIG pour l’alignement d’images biomédicales. Une série de tests a permis de caractériser le comportement de l’algorithme sur des images décalées en translation, rotation et changement d’échelle en fonction de plusieurs paramètres influençant le résultat et/ou le temps d’alignement. La mise en correspondance finale des images recardées à permis la comparaison de deux méthodes de gestion des zones de recouvrement en fonction des différentes valeur d’intensité des pixels possible.

La méthode poursuivie pour procéder à la construction de ces mosaïques a rencontré certaines limitations:
- Modèle géométrique : Le modèle de transformation géométrique adopté s’est révélé efficace pour l’alignement d’image présentant peu de distorsions. Ceci est pratiquement toujours vérifié en microscopie où l’optique employée est de bonne qualité. L’établissement de panoramiques issue d’un appareil photo numérique est également possible pour autant que la scène filmée se situe à une distance importante de l’endroit de la prise de vue, sans quoi les corrections à appliquer aux images pour leur alignement ne correspondraient plus à notre modèle.
- Alignement automatique : L’algorithme utilisé pour l’alignement automatique compare les images deux à deux. Cela implique une construction séquentielle où chaque image est repérée par rapport à la précédente. Il faut donc fournir des images déjà ordonnées à l’algorithme.
Les valeurs limites de décalages en translation pouvant être détectées automatiquement par la fonction Ls_align se situent aux environs de 50 pixels pour des images 256 x 256 pixels. Des décalages plus importants peuvent être détectés en utilisant une prédiction de la transformation attendue. En rotation, la valeur limite de détection semble plus fortement dépendante du type d’image considérée et peut varier entre 5° et plus de 30°. La mise à l’échelle d’image captées selon un grossissement différents à montré un comportement asymétrique.
La précision d’alignement est très élevée puisqu’elle atteint couramment des valeurs de l’ordre du millième de pixel en l’absence de bruit. Le temps de calcul peut-être influencé par le niveau de résolution final de la pyramide multi-résolution de l’algorithme, un gain de temps se traduit par une perte précision, qui reste néanmoins toujours largement inférieure au pixel.