Перечислите способы выделения полезного сигнала при обработке СЗМ изображений.

 

· Вычитание среднего наклона.

 

Полученные изображения часто имеют общий наклон, который может появляться по разным причинам. Это может быть реальный наклон поверхности; может быть температурный дрейф, который приводит к смещению образца во время сканирования; может быть нелинейность пьезокерамического манипулятора. Как бы то ни было, это приводит к появлению общего наклона, и на изображении обычно это мешает выявлению структуры объекта.

 

Для того, чтобы этого избежать, из исходной матрицы значений вычитается плоскость среднего наклона.

В результате получается матрица с меньшим диапазоном значений и мелкие детали отображаются большим количеством цветов, становятся более заметными. Нелинейности пьезоманипулятора могут приводить также к тому, что изображение получается вогнутым. В этом случае нужно вычитать не

плоскость, а более сложную поверхность — параболическую или гиперболическую.

 

· Усреднение.

 

Помимо полезного сигнала на изображении всегда присутствует шумовая составляющая. Чтобы убрать ее, часто достаточно заменить значение в каждой точке средним арифметическим значений всех точек в некоторой ближайшей ее окрестности. Если это не помогает — например, если уровень шумов довольно высок – требуется применение более сложных методов. Например, можно попробовать выделить полезный сигнал, убрав высокочастотную составляющую исходного сигнала. В сущности, усреднение по окрестности и есть такая фильтрация. Часто помогает увеличение размеров окрестности, по которой

ведется усреднение.

· Медианная фильтрация.

 

Хорошие результаты дает медианная фильтрация. Это нелинейный метод обработки изображений, позволяющий убрать резкие выбросы, но, в отличие от усреднения, оставляющий ступеньки.

Пример: По горизонтали отложена координата точки, по вертикали — значение. Получается двумерный профиль. Для фильтруемой точки берутся значения ее соседей и заносятся в таблицу. Эта таблица сортируется по возрастанию, и за новое значение точки принимается значение из средней ячейки таблицы.

Таким образом, если в точке был выброс, то она оказывается на краю отсортированной таблицы и не попадает в отфильтрованное изображение. Ступеньки же остаются без изменения (рис. 3). Если сравнить результаты усреднения и медианной фильтрации, то легко заметить различия в конечных результатах (рис. 2,3)

· Усреднение по строкам.

 

Изображения в сканирующей зондовой микроскопии характерны тем, что формируются они построчно. Таким образом, появляется выделенное направление (формирования строки), вдоль которого изображение имеет характерные особенности. Дело в том, что снятие строки происходит быстро, а между снятием соседних строк проходит некоторое время. При этом может произойти какой-то сбой, и следующие строки окажутся резко сдвинутыми вверх или вниз. На изображении появляется горизонтальная ступенька, которой нет на реальной поверхности. Чтобы убрать этот дефект, применяется усреднение по строкам. Все строки изображения сдвигаются вверх или вниз так, чтобы их средние значения были одинаковыми. При

этом профиль строки остается прежним, а профиль столбца меняется, — убираются ступеньки (рис. 4).

· Подсветка.

 

Человеческий глаз лучше различает контрастные предметы. Потому на изображении, где цветом передается высота, мелкие детали не заметны на фоне крупных объектов. Есть способ совместить информацию о высоте объекта с информацией о высоте мелкой детали над его поверхностью. Благодаря игре света и тени горизонтальные участки поверхности будут освещены сильнее, чем склоны.

По величине тени мозг сам рассчитывает высоту объекта. Таким образом, если смоделировать на изображении эффект освещения, то проявляются мелкие детали, причем без потери информации о крупных объектах (рис. 5).

· Фурье – фильтрация. При Фурье-фильтрации производятся преобразования над пространственным спектром поверхности. Наиболее распространенными являются фильтры низких и высоких частот с круговыми и квадратными окнами.

· Аппроксимация методом наименьших квадратов.