Высокоточная и эффективная микроскопия частиц с помощью регионального поиска фокуса и адаптивной стекировки

Почему важна высокая резкость для мелких частиц

От наночастиц для доставки лекарств до промышленных порошков — многие современные технологии зависят от мельчайших частиц, размер и форма которых требуют высокой точности измерений. Однако даже лучшие микроскопы имеют одно врожденное ограничение: они способны резко фокусировать лишь тонкий слой глубины за один раз. Когда частицы располагаются на разной высоте в капле или на предметном стекле, одни кажутся чёткими, другие — размытыми, а размытие может существенно исказить измерения. В этой статье описан практический способ превратить стек некогда несовершенных микроскопических изображений в одно чёткое изображение с фокусом по всей глубине, которое позволяет гораздо точнее фиксировать размер и форму частиц.

Размытые снимки — вводящие в заблуждение измерения

Под микроскопом микро- и наночастицы редко лежат аккуратно в одной плоскости. Обычно они разбросаны на слегка разных глубинах. Поскольку объектив способен резко отображать только узкий слой одновременно, часть изображения оказывается в фокусе, а часть — нет. Когда программное обеспечение для анализа изображений пытается оценить размер и округлость частиц по таким смешанным по качеству кадрам, оно склонно переоценивать размеры и недооценивать степень округлости. Эти ошибки не только косметические: они могут влиять на скорость высвобождения лекарства в организме, на поведение катализатора или на износ материала со временем. Авторы рассматривают стандартные полистироловые шарики диаметром в несколько микрометров, но описанная проблема и решение имеют широкое применение в разных областях.

Построение более чёткого составного изображения

Чтобы преодолеть ограничение глубины резкости, исследователи комбинируют две идеи: более разумный поиск лучшего фокуса и шаг слияния изображений, называемый фокус-стекингом. Сначала они оценивают, насколько резкое изображение, используя простую статистическую меру вариации серого уровня (дисперсию), которая надежно отражает чёткость краёв частиц. Затем сканируют образец по вертикали, собирая стек изображений при разных положениях фокуса. Вместо того чтобы обрабатывать каждый пиксель одинаково, метод автоматически находит регионы, где, вероятно, находятся частицы, и концентрирует анализ именно там, игнорируя фон, который добавляет шум и вычислительную нагрузку. Для каждого такого региона алгоритм ищет вдоль оси фокуса положение, в котором частицы выглядят наиболее чёткими, а затем состыковывает эти наилучшие фрагменты в одно изображение с фокусом по всей глубине.

Умнее фокус и лучшие стандарты размера

Команда также уточняет, как определяется размер частицы, чтобы измерения оставались стабильными даже при изменении настроек микроскопа, таких как яркость или контраст. Они сравнивают несколько распространённых метрик размера и обнаруживают, что две особенно устойчивы: одна основана на наименьшем поперечном расстоянии через частицу, другая — на площади её контура. Их эмпирическое правило интуитивно понятно: когда частица почти круглая, используют наименьшую ось как её размер; когда форма нерегулярна, переходят к диаметру, вычисленному по площади. Такая адаптивная метрика лучше отражает реальную геометрию как изолированных, так и слипшихся частиц. Параллельно ускоряют поиск фокуса, сочетая быстрый грубый обзор по всему диапазону глубины с более медленным, тонким поиском только внутри областей с частицами, сокращая время поиска фокуса более чем в четыре раза при сохранении точности.

Чётче изображения — меньше ошибок

Исследователи проверили свой подход на смесях полистироловых шариков с известными диаметрами. Они сделали десятки снимков на разных уровнях фокуса и сравнили три случая: один кадр, который визуально выглядел лучше всего, плохо сфокусированный кадр и их воссозданное изображение с фокусом по всей глубине. При измерении размеров частиц по этим изображениям воссозданный вариант показал ошибки в среднем лишь около 1–2%, что значительно ниже примерно 5–14% ошибок одиночных кадров. Для слипшихся частиц, у которых контуры труднее различимы, метод также сократил ошибки в оценке формы более чем на две трети. Важно, что техника работала не только для одного размера шариков, но и для смесей разных размеров, позволяя отделять отдельные пиковые значения распределения, которые в противном случае слились бы воедино.

Что это означает для лабораторий в реальном мире

Практически это исследование показывает, что лаборатории могут значительно повысить надёжность измерений частиц без покупки экзотического микроскопического оборудования или обучения больших моделей глубокого обучения. Используя простую меру резкости, целевой поиск фокуса и продуманное определение размера частицы, метод превращает стек обычных микроскопических изображений в высокоточное изображение с фокусом по всей глубине. Для учёных и инженеров это означает более надёжные данные о размере и форме частиц, более чёткое разделение между разными группами по размерам в смесях и лучшие связи между микроскопической структурой и реальной работой материалов, лекарств и устройств.

Цитирование: Xu, C., Tao, Y., Guo, X. et al. High-fidelity and efficient particle microscopy via regional focus search and adaptive focus stacking. Sci Rep 16, 5755 (2026). https://doi.org/10.1038/s41598-026-36757-y

Ключевые слова: микроскопия частиц, фокус-стекинг, резкость изображения, анализ размера частиц, микро- и наночастицы