利用各种超分辨显微镜对样品进行研究时,由于获取的原始图像有各种各样的噪声,噪声的干扰会使图像质量变差。块匹配和三维协同滤波算法(Block matching and 3D Filtering,BM3D)是去噪领域内最优秀的算法之一。在超分辨率显微镜领域发表的各种论文中,对于BM3D的原始图像去噪很少被报道。本文主要基于去噪算法,通过模拟图像数据,利用不同的分块方法,对含有不同类型的噪声原始图像进行去噪重构做了深入的分析和研究,并对超分辨重构图像进行了对比研究,总结了相关规律,最后用真实实验进行了验证。具体而言,本文的主要工作如下:(1)基于BM3D去噪算法,通过对原始图像不同Baricitinib小鼠大小的分块,分别对低密度和高密度荧光分子分布的含有高斯噪声的模拟图像进行了去噪及重构。研究结果表明:BM3D的去噪能力与分块的大小有关。分块越大,去噪效果越好。当块大小大于40时,可以达到较好的去噪效果。SNR和SSIM在荧光分子为低密度时分别提高13d B和0.088,在高密度时可提高6d B和0.222。去噪对超分辨重构效果和重建时间有很大的影响。去噪后可以实现更好的超分辨率重建效果和更短的重建时间。(2)为了研究原始图像的分块大小和荧光分子密度这两个因素对去噪性能的影响,在原始图像上添加泊松噪声。研究结果表明,BM3D去噪能力与分块大小和荧光分子密度高度都相关。在荧光分为高密度时,无论原始图像的分块大小为多少,去噪后的SNR低于去噪前的SNR,说明BM3D在高密度荧光分子分布时,去噪效果较差。在荧光分子低密度分布时,BM3D在分块大小为8到20时去噪效果较差。当块大小超过20时,随着分块的增大,去噪效果增强,在分块大小约为37时可取得较好的去噪效果。(3)进一步研究了BM3D去噪性能与Biosynthesized cellulose原始图像添加高斯噪声方差大小之间的关系。随着噪声方差的增大,去噪后SNR与去噪前的SNR的差值逐渐增大后又开始减小,在方差为0.01时差值达到最大。对于噪声方差小于0.01时,在高密度荧光分子分布的原始图像去噪后可以重构出超分辨图像。对于噪声方差较大的原始图像,在荧光分子为低密度分布时,原始图像去噪后可以取得更好的超分辨重构效果。总的来说,原始图像添加高斯噪声的方差为0.01时,BM3D去噪效果最好。通过本文的研Puromycin究,可以更深入的了解BM3D去噪算法的应用场景,对于工业成像系统里面影响图像去噪效果的因素提供了理论和及技术的支撑。