科 / 研 / 图 / 像 / 处 / 理
图像去卷积 (Image Deconvolution)，是一种重要的图像恢复手段，用于恢复因光学或其他物理过程而变得模糊的图像。
点扩散函数（PSF, Point Spread Function）,描述了光学系统对点光源的响应。
显微镜的成像过程可以理解为：物体卷积系统的 PSF 形成模糊的图像，加上噪声即为最终我们得到的图像。
👆来源：https://svi.nl/Huygens-Deconvolution
去卷积，本质是已知模糊的图像以及成像系统的 PSF，反推出原始物体的过程，从而逆转图像的模糊效果，恢复图像的原始细节和清晰度。
👆来源：https://bigwww.epfl.ch/deconvolution/
这篇文章会介绍怎样利用 ImageJ 的插件 DeconvolutionLab2 来进行图像去卷积。
👆来源：https://bigwww.epfl.ch/deconvolution/deconvolutionlab2/
一
插件安装
1、安装 DeconvolutionLab2
访问 DeconvolutionLab2 官网，或 公众号回复“去卷积”，下载 DeconvolutionLab_2.jar 文件：
把 DeconvolutionLab_2.jar 文件放到 plugins 文件夹下，重启 Fiji 即可：
2、安装 PSF Generator
如果你没有成像系统的 PSF，可以通过系统的参数生成一个 理论的 PSF (Theoretical Point Spread Function)。
生成理论的 PSF 需要 PSF Generator 这个插件。
访问 PSF Generator 官网：
https://bigwww.epfl.ch/algorithms/psfgenerator/
或 公众号回复“去卷积” 下载 PSF_Generator.jar 文件：
同样，把 PSF_Generator.jar 文件放到 plugins 文件夹下，重启 Fiji 即可。
如果你通过 Beads 测量了系统的 PSF，可以省略这一步。
二
生成 PSF (Optional)
1、打开插件（Plugins -> PSF Generator -> PSF Generator）
弹出插件界面：
2、选择光学模型
PSF Generator 有 5 种光学模型可选：
Gibson & Lanni PSF model
Richards & Wolf PSF model
Variable Refrative Index Gibson & Lanni PSF model
Born & Wolf PSF model
Torok & Varga PSF model
每种光学模型有其对应的基本条件，以及需要的不同参数，可以根据自己的成像条件进行选择。
例如 Gibson & Lanni PSF model，考虑了浸没层、盖玻片和样品层的影响。此模型的点扩散函数（PSF）在横向上是位移不变的。
官网有这 5 种模型的详细解释，以及这 5 种模型对应的 PSF，不同角度的投影。可以通过自己成像时的条件，以及图像在 3D 上 defocusing 的 pattern 来判断用哪种模型。
这里我选择 Born & Wolf PSF model，假设 PSF 在 Z 方向上是对称的：
3、设置系统参数
需要设置的参数：
折射率（Refractive index）
发射光波长（Wavelength）
物镜NA
相机XY方向上的pixel size（Pixelsize XY）
Z方向的步长（Z-step）
PSF的大小（Size XYZ）
这是根据官网给出的 Example：
根据这个成像和系统参数，设置的生成 PSF 的参数，可以进行参考。
注意 PSF 的大小需要和图像的大小一致：
设置好参数后点击 Run 即可得到系统理论的 PSF：
三
DeconvolutionLab2 去卷积
1、打开插件（Plugins -> DeconvolutionLab2 -> DeconvolutionLab2 Lab）
2、选择图像、PSF 和算法
点击 Choose，分别选择图像和 PSF。
这里我把 Image 和 PSF 都分别存成了一个 3D stack，所以导入方式选择 Get from a file。
选择算法，这里推荐 Richardson-Lucy 算法，迭代次数选择 10 次，其他迭代次数以及去卷积算法也可以尝试：
然后点击 Run，迭代过程会实时显示：
最终去卷积效果：
ROI 对比：
3D 对比：
往期回顾
◆ 荧光强度测量
