本发明涉及图像处理，尤其涉及一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法。
背景技术：
1、医学光学显微镜图像在现代医学和生物学研究中扮演着重要角色，高质量的显微镜图像依赖于精细的样本制备过程，包括固定、染色和切片等，这些过程容易引入人为误差和变异。在微生物学中，使用多种化学染色剂来进行细菌、真菌和其他微生物的染色是一种常见的显微镜观察方法，用于提高生物样本的对比度和可见性，使得特定的细胞结构和分子更易于观察和分析。取样制备涂片染色过程中，观察结果可能受到染色剂颜色的干扰，包括染色剂的选择、染色时间、染色技术的准确性，以及显微镜设定的正确性；针对由染色剂本身特征引起的过度染色可能导致细胞结构细节丢失，而染色不足则可能导致关键特征不明显，以及针对由显微镜的设置引起的不当的光照和对比度设置可能使染色结果难以区分(尤其是在颜色对比度较低的情况下)，这些因素对结果产生干扰影响。
2、然而，染色过程可能对生物样本造成一定程度的损害。例如，染色剂可能含有对细胞有害的化学物质，如有机溶剂、酸或碱。这些化学物质可能改变细胞膜的通透性，导致细胞损伤或死亡。同时，染色前通常需要固定样本，以保持细胞和组织的结构。常用的固定剂如甲醛、乙醇或丙酮等，可能导致细胞变性或结构改变。在染色和处理过程中，细胞可能会受到机械损伤，出现脱落或破裂等情况。此外，某些染色剂或固定剂可能改变细胞内特定抗原的结构或可及性，从而影响后续的免疫染色或其他分子检测。因此，在不损害生物样本的前提下实现长时间的活体成像，依然是一个具有挑战性的领域，需要进一步改进成像技术和定量分析方法，故本专利提出一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法。
技术实现思路
1、本发明提供了一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法，通过采用生成对抗网络联合fcn模型对显微镜图像进行标准化色彩还原矫正，可以实现微生物实验室检查技术的高效化和智能化，同时解决受染色剂颜色干扰影响所带来的观察结果不准确问题，有望实现在不损害生物样本的前提下实现长时间的活体成像，推动生物医学研究和临床诊断的发展与进步，综上解决了背景技术中的问题。
2、为了实现上述目的，本发明采用了如下技术方案：
3、一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法，包括如下步骤：
4、s1、数据准备，所述数据准备是指收集采取适当固定方法和统一标准染色过程的不同染色细胞和组织的高质量显微镜图像，并对图像进行注释，标记关键结构和特征，使用标准化的标签和注释格式。记录每张图像的元数据，包括样本信息、显微镜设置、染色方法等，将这些高质量显微镜图像作为模型的目标数据集；
5、s2、gan模型训练，所述使用gan模型中的生成器来模拟染色剂的颜色分布；
6、s3、fcn模型训练，所述在gan模型训练完成后，可以使用fcn模型对生成的染色剂颜色进行精细的分割和识别；
7、s4、模型融合与优化，所述将gan生成的染色剂颜色图像与fcn分割结果进行融合，得到更加精确的染色剂颜色分布；
8、s5、处理，通过结合gan和fcn模型，可以实现对定化学染色剂本身颜色的建模和分割。
9、作为上述技术方案的进一步描述：
10、所述步骤s2gan模型训练中生成器可以接收一个随机噪声向量作为输入，并通过多层神经网络逐渐转化为与真实染色剂颜色相似的输出，同时，使用判别器来判断生成的颜色分布是否接近真实的染色剂颜色。
11、作为上述技术方案的进一步描述：
12、所述步骤s3中首先，将gan生成的染色剂颜色图像作为fcn的输入，然后，通过fcn的卷积层提取特征，并利用转置卷积进行上采样以获得高分辨率的语义特征图，最后，通过softmax层对特征图进行分类，得到每个像素点对应的染色剂颜色类别。
13、作为上述技术方案的进一步描述：
14、所述步骤s4中可以根据实际应用需求对模型进行优化，例如调整网络结构、增加训练样本等，以提高模型的性能和准确性。
15、作为上述技术方案的进一步描述：
16、所述步骤s1中数据集应该包含足够的样本以覆盖各种可能的染色剂颜色和染色反应类型。
17、综上所述，由于采用了上述技术方案，本发明的有益效果是：
18、本发明中，通过采用生成对抗网络联合fcn模型对显微镜图像进行标准化色彩还原矫正，可以实现微生物实验室检查技术的高效化和智能化，同时解决受染色剂颜色干扰影响所带来的观察结果不准确问题，有望实现在不损害生物样本的前提下实现长时间的活体成像，推动生物医学研究和临床诊断的发展与进步。
1.一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法，其特征在于：所述步骤s2gan模型训练中生成器可以接收一个随机噪声向量作为输入，并通过多层神经网络逐渐转化为与真实染色剂颜色相似的输出，同时，使用判别器来判断生成的颜色分布是否接近真实的染色剂颜色。
3.根据权利要求1所述的一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法，其特征在于：所述步骤s3中首先，将gan生成的染色剂颜色图像作为fcn的输入，然后，通过fcn的卷积层提取特征，并利用转置卷积进行上采样以获得高分辨率的语义特征图，最后，通过softmax层对特征图进行分类，得到每个像素点对应的染色剂颜色类别。
4.根据权利要求1所述的一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法，其特征在于：所述步骤s4中可以根据实际应用需求对模型进行优化，例如调整网络结构、增加训练样本等，以提高模型的性能和准确性。
5.根据权利要求1所述的一种排除染色剂颜色干扰的显微镜图像色彩还原矫正方法，其特征在于：所述步骤s1中数据集应该包含足够的样本以覆盖各种可能的染色剂颜色和染色反应类型。
