De la nécessité de décrire le traitement d’images AFM

Existe-t-il (ou existera-t-il) une méthode universelle de traitement d’images AFM ?

Il y a une grande différence entre les images AFM et les images photographiques. Alors que les deux sont composées de pixels, les images AFM brutes comportent des valeurs numériques réelles (32 bits) alors que les images photographiques sont pour la plupart une combinaison de trois couleurs codée sur 8 bits chacune. Par conséquent, il y a beaucoup plus d’information dans les images AFM que le simple rendu chromographique qui en est le plus souvent exporté. Une autre conséquence de cette différence est que les outils traditionnels de traitement d’images ne sont pas forcement le mieux adapté pour les images AFM. Probablement encore plus important : l’œil humain, au travers de la conversion 32 bits -> 16 bits, n’est pas un bon filtre de données AFM !
Dans cette étude nous avons utilisé un traitement d’images classique, l’opérateur Laplacien, sur deux jeux de données AFM : une protéine isolée (image ci-dessous : a) image originale, b) image plus un masque laplacien x1, c) image avec un poids laplacien, d) image plus un masque laplacien x5) et le TMV. Grâce à un calcul spécifique de l’évaluation de la "visibilité" d’une image, on montre que les meilleurs traitements sur ces deux types de molécules sont différents. Par conséquent, bien qu’un traitement d’images apparaisse classique aux yeux des spécialistes, il n’en demeure pas moins de tester différentes variantes de traitements d’images et qu’il est extrêmement important de le reporter dans les publications.
Le formalisme du filtre laplacien a été développé par Wendy Chen et les images AFM des protéines ont été obtenues pendant l’action Cost TD1002 par Jean-Marie Teulon et Christian Godon.

Chen SWW, Teulon JM, Godon C and Pellequer JL (2016) Atomic Force Microscope, Molecular Imaging, and Analysis. J. Mol. Recognit. 29 : 51–55.