我正在为斐济 (ImageJ) 开发一个图像处理算法/插件，它处理扫描的显微镜载玻片图像（放大 20 倍）并从载玻片中提取特征。

载玻片包含组织学肿瘤切片，这些切片用可识别Ki-67 蛋白阳性细胞核的抗体进行免疫组织化学染色，以及可识别所有细胞核的复染剂。所谓的增殖指数，它衡量细胞分裂的速度，然后计算为阳性细胞核与阴性细胞核的比率。对于特征提取，我基本上需要从 RGB 图像中提取两个颜色分量；一个对应于阳性细胞核（二氨基联苯胺；棕色），另一个对应于阴性细胞（甲基绿；浅绿色）。

我正在使用斐济的颜色反卷积插件 ( http://www.mecourse.com/landinig/software/cdeconv/cdeconv.html ) 来分离这两种污渍。这非常有效，除非幻灯片是用记号笔绘制的。病理学家有时会用记号笔在载玻片上标记感兴趣的区域，以便以后更容易检查载玻片。我的数据集包含用红色/蓝色/绿色或黑色标记绘制的幻灯片。问题在于，除了两种污点之外的颜色的存在完全使颜色反卷积算法失败。

上图是一个放大 20 倍的幻灯片示例，显示了用黑色记号笔在图像的上半部分绘制的线条的边缘。图像的下部显示棕色的正核和浅绿色的负核。

有没有机会过滤掉这些记号笔伪影？效果类似于透过焊工的面具看，我不想以某种方式从图像中减去面具。如果我无法过滤掉标记，我可能只需要手动裁剪出具有这些伪影的部分。

编辑：

我已经按照 Aaron 的建议尝试了高通滤波。我使用了 ImageJ 的高通滤波器插件，它从源创建一个高斯模糊图像，然后从原始图像中减去这个模糊图像。图像在这里（半径/模糊长度或使用的高斯标准偏差为 20 像素）：

神器快没了，晶核还能辨认，真好。原件中的淡黄色背景颜色（由于扫描仪的校准问题）也消失了。

但是，我也想了解这是如何工作的。:) 高斯对每个像素的 RGB 值有什么作用？我应该如何选择高斯的像素半径？维基百科的高斯模糊文章对我来说并不是那么清楚。还有其他方法可以为图像数据实现高通滤波器吗？