去模糊算法适对发射点扩散函数（PSF）的假设要求最低

长期以来，在显微镜领域获得高分辨率图像一直是一个挑战。去卷积是一种增强图像清晰度的方法，它通常会放大样品和图像之间的噪声。波士顿大学的研究人员最近开发了一种新的去模糊算法，可以避免这些问题，通过光子强度守恒和局部线性来提高图像的分辨率。 据《先进光子学》报道，创新的去模糊算法适用于各种荧光显微镜，对发射点扩散函数（PSF）的假设要求最低。它适用于一系列原始图像，甚至适用于单幅图像，可以对波动的荧光统计数据进行时间分析。此外，研究人员已将该算法作为MATLAB函数提供，使其易于使用。

使用DPR增强分辨率。(a)在两个间隔很近的点状物体的模拟图像上应用增益1和2的DPR。左：两个点状物体间隔1.68σ。右列：两个点状物体间隔1.41σ。比例尺表示2σ。(b)原始、DPR增益1和DPR增益2图像中两个间隔很近的点状物体的强度下降的模拟结果。(c)在BPAE细胞的共聚焦图像上应用DPR增益1和2。比例尺表示600nm。

这一突破背后的基本概念是像素重新分配。通过基于局部梯度重新分配像素强度，图像被锐化而没有引入噪声伪像的风险。该技术在应用此过程之前对原始图像进行标准化，以确保结果的一致性。 显微镜的分辨率传统上是由其区分两个紧密间隔的点源的能力来定义的。这种称为“像素重新分配去模糊”（DPR）的新方法显著降低了所需的分离距离，从而提高了显微镜的分辨率。

通过像素重新分配进行去模糊，将原始荧光显微镜图像重新映射，通过像素重新分配锐化图像。 为了证明DPR的有效性，研究人员将其应用于各种成像条件：单分子定位、工程化心脏组织的结构成像和斑马鱼体积成像。这些现实应用展示了DPR在提高显微图像清晰度方面的潜力。

DPR在保留较大结构的同时锐化图像的独特能力为更广泛的应用打开了大门。它可用于样品同时包含小型和大型结构的场景，使其成为研究人员的多功能工具。虽然没有去模糊策略完全不受噪声的影响，但DPR的优势在于它不会放大噪声。这使其与其他解卷积方法不同，简化了其实现，使其适用于具有扩展特征的多种样品。

DPR技术是一种提高显微镜图像空间分辨率的新方法，它提供了一种通用且用户友好的解决方案，显著提高了图像清晰度，同时避免了常见的噪声相关问题，使其成为各种科学应用中非常宝贵的工具。 波士顿大学生物显微镜实验室主任、该研究的资深作者Jerome Mertz教授说：“由于其易用性、速度和多功能性，我们认为DPR对生物成像界具有普遍的实用性。”

        审核编辑：彭菁