做成像的你不能不了解的真相3-信噪比1

　　大家对前几期《做成像的你不得不了解的真相》系列文章反馈积极，小编倍受鼓舞，今天再来开讲新话题——信噪比。

　　做荧光成像的你一定有这个经历吧，你小心翼翼制备好了样品，调整好显微镜和软件，点击拍照按钮，结果得到了下面的图像。

图1

　　看到这样的图像是不是有点沮丧？不过，有经验的用户已经意识到问题所在，并且手动把曝光时间延长，或是提高激发光强度，这时你看到的图像可能就是下面两张了。

 图2

 图3

 

　　哇，图像质量提升立竿见影啊！是的，你对这三张图像质量的观感，就是今天小编想唠一唠的问题——成像质量最重要的判断依据——信噪比。

　　在展开这个问题之前，请大家思考以下两个问题：

　　1. 图一和图三的噪声相比，哪一个更大？

　　2. 信噪比到底是什么呢？

 

 

 

 

 

 

专业问题答案分割线 —— 先想一想再看答案哦！

 

 

 

 

 

 

 

好了，我们来公布答案咯！大家看看自己想的对不对。

正确答案：

1. 图三噪声大，图一小。我的原力告诉我，很多人都答错了！

2. 信噪比就是信号和噪声之比值。呵呵，这个回答没毛病，不过仅仅是字面上的解释，还是比较抽象。为了把这个概念讲清楚，还是不得不上公式：

 

 

 

　　看上去好多新概念，不过并不难理解。下面我们一个个来解释一下：

　　先来说信号。信号实际上就是我们实验中GFP绿色的荧光，或者RFP红色的荧光。而光子数就是荧光强度的定量表述。数字成像设备，需要将光信号转换为可以测量的电信号，例如共聚焦显微镜里的光电倍增管（PMT），或是宽场荧光成像使用的相机（CCD，CMOS相机）。而量子效率（Quantum Efficiency, QE）就是PMT或者相机将光信号转换为电信号的效率。检测设备最重要的一个性能，就是要有更高的量子效率。

 

 

 　　然后我们说噪声。噪声源实际上也有很多种，大家都知道相机自身是会产生噪声的，而对于和活细胞弱荧光成像相似的应用，相机的读出噪声（Readout Noise）是对图像质量影响很大的一个参数。除了读出噪声，相机实际上还有其它很多种噪声，例如暗噪声（Dark Noise），或是对CMOS相机成像质量影响较大的相关性噪声（Correlated Noise）。除某些特定成像应用外，一般暗噪声或是相关性噪声的贡献很小，在这篇文章中小编就不过多讨论。忽略掉其它的噪声源，上面的公式可以简化成为

 

　　这里还有一个非常重要的噪声源，称为散粒噪声（Shot Noise），由于从相机硬件层面无法降低散粒噪声，所以很多时候这个最为重要的噪声反而并没有太多人提及。（注：硬件层面没办法，并不意味着软件层面没办法哦！）

 

 　　散粒噪声是光信号自身的噪声

 

　　上面的公式就进一步变化为

 

 

 

 

 　　这个时候，我们分析信噪比随信号变化的曲线，会得到如下结果。其中实线表示无噪声的理想相机，虚线是实际的相机。可见，读出噪声越大，相机曲线与理想曲线偏离越远。

 　　从以上公式可以看出，在信号比较强的情况下，散粒噪声远远大于读出噪声，信噪比其实等于

 

　　这时，决定信噪比的仅仅是信号强度和量子效率！本文开始时提到的，通过增加曝光时间或是加强激发光，能提高图像的原因就在这里了。不过，实际拍照时，由于各种原因，例如避免光漂白、光毒性，或是为了提高速度，活细胞成像的信号常常处在相对较低的水平，这时候我们就需要借助信噪比来判断图像质量好坏与否了。

 

 　　用上面这张图为范例，信噪比的计算方法如下，

 

 

 

　　除了判断图像质量，对于很多需要做荧光定量测量的应用，例如简单的钙离子成像，FRET/FRAP，或是复杂如单分子定位的超高分辨率成像（STORM/PALM），这也是一个非常重要的概念。

 

　　最后我们回到开始的问题，为什么图3的噪声会高过图1呢？原因很简单，图3本身信号强，散粒噪声占主导地位，噪声远大于图1。图3质量好，并不是噪声小，而是信噪比高。

 

 

以上，我们讨论了信噪比的一些基本概念。现在给大家再出两个问题，请判断以下说法是否正确：

1. 成像的追求，就是要不断提高信噪比；没有最好，只有更好

2. 图像的信噪比，有经验后视觉判断就可以了, 定量计算很难，也没有必要

期待大家踊跃留言回答，小编将会在下一篇文章中给出解答。