概述
荧光显微图像普遍存在背景噪声，来源包括：自发荧光、镜头杂散光、PMT 暗电流、不均匀照明、荧光染料非特异性结合等。如果不做背景扣除就直接定量，会导致：
- 荧光强度被高估，弱信号样本组间差异被掩盖
- 共定位系数（Pearson/Manders）假性偏高
- 阈值分割不稳定，颗粒计数重复性差
本文介绍 ImageJ/FIJI 中常用的背景扣除和预处理方法，以及每种方法的适用场景和参数选择原则。
背景扣除的三种主要方法
方法一：Rolling Ball 背景扣除（最常用）
适用于背景不均匀（如照明不均、渐变背景）的情况。
原理：用一个设定半径的”球”在图像下滚动，球能触及的最低点即为局部背景，从原图中减去该背景。
操作步骤：
Process → Subtract Background- Rolling ball radius：核心参数。选择原则 = 图像中最大感兴趣结构直径的 2–3 倍
- 细胞大小 ~20 μm，对应 50 像素（0.4 μm/像素），radius 设 100–150 像素
- 灶点大小 ~1 μm，radius 设 5–10 像素
- 勾选 Light background（如果背景比信号亮，如明场）或不勾（荧光图背景暗）
- 勾选 Create background（可选，查看扣除的背景图）
- 点击 OK
注意：radius 太小会把真实信号当背景扣掉；radius 太大无法扣除局部不均匀背景。建议先复制一张图测试不同 radius。
方法二：Manual Subtraction（手动扣背景）
适用于背景均匀、只想减去一个固定值的情况。
操作步骤：
- 在背景区域（无信号处）画一个 ROI，
Analyze → Measure记录 Mean 强度 Process → Math → Subtract- 输入刚才记录的背景 Mean 值
- 点击 OK
适用场景：背景非常均匀的共聚焦图像、流式散点图等。简单但无法处理照明不均。
方法三：Image Calculator 通道相减
适用于有自发荧光对照通道的情况（如未染色对照、同型对照）。
操作步骤：
- 打开样本通道和对照通道
Process → Image Calculator- Operation 选 Subtract，Image1 = 样本通道，Image2 = 对照通道
- 勾选 Create new window
- 点击 OK
适用场景：有相同拍摄参数的空白对照，且对照通道没有真实信号。
不均匀照明校正（Flat Field Correction）
如果背景呈现明显的明暗渐变（中心亮、边缘暗，或反之），Rolling Ball 可能不够，需要做平场校正。
操作步骤：
- 拍摄一张无样本的空白图像（只有照明场），作为 background reference
- 在 ImageJ 中打开样本图和空白图
Process → Image Calculator：Operation = Divide，Image1 = 样本，Image2 = 空白- 结果乘以一个常数（如空白图的平均强度）恢复亮度：
Process → Math → Multiply - 得到校正后的均匀照明图像
注意：空白图必须用与样本完全相同的拍摄参数（物镜、激光、增益、曝光）获得，否则校正会引入新误差。
去噪与平滑
背景扣除后，如果图像噪声仍明显，可做轻度过平滑。注意不要过度平滑，否则会丢失细节。
Gaussian Blur（高斯模糊）
Process → Filters → Gaussian Blur- Sigma (radius)：1–2 像素。>3 像素会明显模糊信号边界
- 适用于：低信噪比的荧光图，在阈值分割前使用
Median Filter（中值滤波）
Process → Filters → Median- Radius：1–2 像素
- 适用于：椒盐噪声、斑点噪声，比高斯模糊更能保留边缘
Despeckle（去斑）
Process → Noise → Despeckle- 适用于：去除孤立亮点噪点，对连续信号影响小
推荐的预处理流水线
对于典型的免疫荧光图像，推荐按以下顺序处理：
原图 → 转 8-bit/16-bit → Subtract Background (Rolling Ball) → 轻度去噪 → 后续定量Image → Type → 16-bit（保留更多灰度级，避免 8-bit 截断）Process → Subtract Background（Rolling Ball，radius 按结构大小选）Process → Filters → Gaussian Blur（sigma=1，仅在噪声大时）- 然后再做强度测量、共定位、颗粒分析等
常见问题与注意事项
| 问题 | 原因 | 解决方法 |
|---|---|---|
| 扣除背景后出现负值 | 背景 ROI 选在了有信号的区域 | 选真正无信号的区域，或用 Rolling Ball |
| 背景扣不干净、还有渐变 | Rolling Ball radius 太小 | 增大 radius，或用 Flat Field Correction |
| 扣完背景信号也变弱了 | radius 太小把信号扣了 | 增大 radius，重新测试 |
| 组间背景扣除程度不一致 | 不同样本用了不同参数 | 所有样本用完全相同的 radius 和参数 |
| 共定位系数扣背景后反而降低 | 之前假性共定位就是背景噪声造成的 | 正常现象，扣背景后的结果才可信 |
| 图像扣背景后出现黑色空洞 | 8-bit 截断导致负值被设为 0 | 用 16-bit 处理，或先加一个偏移值 |
关键原则
- 所有样本用相同参数处理：这是统计比较的前提，不要每张图单独调参数
- 先扣背景再定量：不要直接在原图上测 Mean
- 保留原图：处理前另存一份，避免覆盖原始数据
- 不要过度处理：过度平滑和过度扣背景都会引入伪影
- 记录处理参数：在 Methods 中注明背景扣除方法和参数，保证可重复性
相关阅读
- ImageJ 荧光图片分析：荧光强度定量与共定位分析
- ImageJ 核质比分析：蛋白核转位定量操作指南
- ImageJ 荧光灶点计数：DNA 损伤灶与蛋白 puncta 定量分析
- 共聚焦显微镜信号弱怎么办
- 免疫荧光高背景排查
本文用于科研实验排查与条件优化，不替代实验室 SOP、试剂说明书或医学判断。