基于灰度梯度值的自适应自动聚焦方法技术

基于灰度梯度值的自适应自动聚焦方法，本发明专利技术涉显微镜的自动聚焦问题，提出一种基于灰度梯度值的自适应自动聚焦方法。该方法首先以离焦的空白图像作为参考对象与当前图像相比较得到一个重要度因子，来衡量像素点灰度值差值的计算参与度；然后以相邻像素点灰度值差值的个数评价图像是否清晰。然后采用自适应分阶段变步长搜索方式，完成显微镜图像焦点的自动定位。通过实验测试表明，本发明专利技术给出的聚焦评价算法具有计算复杂度低、单峰性好、时效性好的优点，能够实现快速、精准地显微镜自动聚焦。

Adaptive Autofocus Method Based on Gray Gradient Value

An adaptive automatic focusing method based on gray gradient value is proposed, which relates to the automatic focusing problem of microscopes. In this method, firstly, the defocused blank image is used as a reference object to get an important factor compared with the current image to measure the degree of participation in calculating the gray value difference of the pixels; secondly, the number of gray value difference between adjacent pixels is used to evaluate the clarity of the image. Then, an adaptive step-by-step search method is used to locate the focus of the microscope image automatically. The experimental results show that the focusing evaluation algorithm has the advantages of low computational complexity, good single peak and good timeliness, and can achieve fast and accurate automatic focusing of geomicroscope.

【技术实现步骤摘要】
基于灰度梯度值的自适应自动聚焦方法
本专利技术设计基于灰度梯度值的自适应自动聚焦方法。
技术介绍
传统细胞病理诊断方法通过采集人体细胞样本，染色，然后镜下观察的方式难以适应现实应用的需求。随着技术的发展，自动阅片技术应运而生。该技术自动控制显微镜移动聚焦，采集镜下图片后自动分析和识别异常细胞，有效地辅助医生实现病症诊断，在降低医生劳动强度的同时，提高了医生的诊断敏感度和特异度。DNA倍体分析技术通过图像分析和识别技术，测量细胞核内DNA相对含量，将DNA超过正常范围的细胞识别出来，供医生进一步确认。与传统方法相比，该技术只需要医生复核仪器挑选出来的少数异常细胞，无需医生手动完成对标本细胞的浏览和目测，有效降低了医生的工作量。重要的是该技术避免了医生镜下观察的主观性和由于视觉疲劳引起的偏差，进一步提高了病症诊断的准确率。影响显微镜自动聚焦效果主要有两个重要因素：清晰度判别函数和搜索方法。现阶段常用的清晰度评价函数主要有四类：基于空间域的评价函数，基于变换域的评价函数，基于信息熵的评价函数，基于统计学的评价函数。而最常用的是基于空间域和基于统计学的评价函数。传统经典的清晰度评价函数有：灰度方差函数(VAR)、灰度差分函数(SMD)、拉普拉斯算子(SML)、能量梯度算子、图像熵及基于频谱变换等。基于变换域的评价函数一般计算复杂度高，时效性差，如基于小波变换的显微镜聚焦方法需要将图像进行小波分解，然后计算出评价值，还有一种方法利用离散变换对图像目标进行检测评价，此类方法由于要做出相应的变换所以计算时间较长。由张天煜提出的基于强边缘宽度直方图的图像清晰度评价函数，是在空间域的领域里提出的一种通过计算强边缘的灰度直方图，确定强边缘的宽度从而判断图像清晰度的方法，由于此方法需要确定强边缘的位置，所以鲁棒性不好。后来由S.Matsui等结合半扫描成像法，设计了具有特殊性质的点扩散函数，在保持所采集图像高信噪比的前提下，大大改善了离焦深度估计的性能，该算法具有较强的鲁棒性。PeizhenQiu利用菲涅变换作为数字全息重建，实现数字全息聚焦。之后在自适应原理的应用基础上，YuqingXiao仿造视网膜建立模型，实现了一种基于自适应视网膜采样模型的自动聚焦方法。本专利技术提出一种基于灰度梯度值的自适应自动聚焦方法。该方法首先以离焦的空白图像作为参考对象与当前图像相比较得到一个重要度因子，来衡量像素点灰度值差值的计算参与度；然后以相邻像素点灰度值差值的个数评价图像是否清晰。算法采用自适应分阶段变步长搜索方式，完成显微镜图像焦点的自动定位。通过实验测试表明，本专利技术给出的聚焦评价算法具有计算复杂度低、单峰性好、时效性好的优点，能够实现快速、精准地显微镜自动聚焦。
技术实现思路
本专利技术的目的是为了解决现有显微镜自动聚焦算法在计算复杂度、单峰性、时效性的某一方面存在不足，而提出的一种基于灰度梯度值的自适应自动聚焦方法。上述专利技术目的主要是通过以下技术方案实现的：步骤一、从摄像头采集到灰度图像A，用g(x,y)代表第x行，第y列的像素值；步骤二、使用清晰度评价函数评价图像是否清晰。这一步本专利技术提供两种方法：方法1：其中α为离焦图像的平均灰度值，是一个常数，求取方法为：首先在整张玻片上随机采集10张完全离焦的图像，求平均灰度值，该平均灰度值即为α。b的设定公式为：min[g′(x,y)-g′(x+1,y)]方法2：β为阈值，取方法为：β＝max[g′(x,y)-g′(x-1,y)]其中g′(x,y)为离焦图像的像素点灰度值，β即为未聚焦时图像的灰度值差值的最大值。步骤三、使用自适应搜索算法寻找焦点。当起始位置距离聚焦点较远的时候使用方法1以较大步长快速靠近，距离聚焦点较近的时候使用方法2以小步长逐步搜索，确保精确度。在变步搜索的过程中使用了三种步长：(1)在起始位置时距离焦点较远，图像处于严重离焦的状态，图像内容几乎全为背景内容，即图2中x<g时，此时步长设为大步长S，采用方法1进行图像清晰度评价，快速的向焦点搜索。(2)靠近焦点的时候，此时可以看到图像内容，但图像内容处于模糊不清晰状态，即图2中g<x<G时，这时步长设为较小步长S1，仍然采用方法1进行图像清晰度评价，向焦点搜索。在g到G的过程即是粗聚焦区向精聚焦区过渡的过程，所以g的设定可以设定为当前图像中像素点灰度值差值的最大值刚刚大于β的时x的位置，G为当前图像中像素点灰度值差值的最大值大于β的个数超过V时x的位置，β值的确定方法在第二步骤已给出，V的值可自由设定。(3)在焦点附近的时候，此时图像的内容较明显，但还会存在模糊的边缘轮廓，此时将步长设为更小值Sm，方法2进行图像清晰度评价函，然后进行慢步搜索。步骤四、重复上述步骤二和步骤三直至聚焦到焦点。专利技术效果本专利技术提供了一种基于灰度梯度值的自适应自动聚焦方法。首先采集DNA的灰度图像，然后使用步骤二中清晰度评价函数中的方法评价该图像是否清晰，最后根据评价的结果，运用步骤三中的方法进行焦点搜索，最终得到一张清晰的DNA灰度图像。经过试验表明本专利技术中的评价在单峰性、尖锐性、时效性上都有很大的改进和提高，然后利用自适应搜索方法快速而又准确的定位到焦点。试验结果数据如图3所示，本专利技术中的清晰度评价函数在单峰性、时效性、尖锐性上都要优于SMD、SML、VAR函数，结合自适应搜索方法使得整个聚焦过程更加快速和准确。附图说明图1是聚焦流程图；图2是搜索方法图；图3是实验结果对比图，图3-1是清晰度评价函数聚焦曲线对比图，图3-2是清晰度评价函数运算时间对比图。具体实施方法具体实施方式1：结合图1和图2说明本实施方式，本实施方式是基于灰度梯度值的自适应自动聚焦方法，具体是按照以下步骤制备的：步骤一、打开相机；步骤二、图像采集，从摄像头采集到灰度图像A，A(x,y)用代表地x行，第y列的像素值；步骤三、清晰度评价：(1).清晰度评价函数Back函数：其中α为离焦图像的平均灰度值，是一个常数，求取方法为：首先在整张玻片上随机采集10张完全离焦的图像，求平均灰度值，该平均灰度值即为α。b的设定公式为：min[g′(x,y)-g′(x+1,y)](2).清晰度评价函数SD函数：β为阈值，取方法为：β＝max[g′(x,y)-g′(x-1,y)]其中g′(x,y)为离焦图像的像素点灰度值，β即为未聚焦时图像的灰度值差值的最大值。步骤四、焦点搜索。本过程的作用是根据步骤三中的清晰度评价函数的结果进行焦点搜索。当起始位置距离聚焦点较远的时候使用Back函数以较大步长快速靠近，距离聚焦点较近的时候使用SD函数以小步长逐步搜索，确保精确度。在变步搜索的过程中使用了三种步长：(1)在起始位置时距离焦点较远，图像处于严重离焦的状态，图像内容几乎全为背景内容，即图2中x<g时，此时步长设为大步长S，采用Back函数进行图像清晰度评价，快速的向焦点搜索。(2)靠近焦点的时候，此时可以看到图像内容，但图像内容处于模糊不清晰状态，即图2中g<x<G时，这时步长设为较小步长S1，仍然采用Back函数进行图像清晰度评价，向焦点搜索。在g到G的过程即是粗聚焦区向精聚焦区过渡的过程，所以g的设定可以设定为当前图像中像素点灰度值差值的最大值刚刚大于本文档来自技高网...

【技术保护点】
1.基于灰度梯度值的自适应自动聚焦方法，其特征在于基于灰度梯度值的自适应自动聚焦方法主要是按照以下步骤进行的：步骤一、从摄像头采集到灰度图像A，用A(x,y)代表第x行，第y列的像素值。步骤二、使用清晰度评价函数评价图像是否清晰：本过程具有两种清晰度评价函数，具体的使用结合步骤三，在本步骤使用的评价函数：(1).清晰度评价函数Back函数：

【技术特征摘要】
1.基于灰度梯度值的自适应自动聚焦方法，其特征在于基于灰度梯度值的自适应自动聚焦方法主要是按照以下步骤进行的：步骤一、从摄像头采集到灰度图像A，用A(x,y)代表第x行，第y列的像素值。步骤二、使用清晰度评价函数评价图像是否清晰：本过程具有两种清晰度评价函数，具体的使用结合步骤三，在本步骤使用的评价函数：(1).清晰度评价函数Back函数：其中α为离焦图像的平均灰度值，是一个常数，求取方法为：首先在整张玻片上随机采集10张完全离焦的图像，求平均灰度值，该平均灰度值即为α。b的设定公式为：min[g′(x,y)-g′(x+1,y)](2).清晰度评价函数SD函数：β为阈值，取方法为：β＝max[g′(x,y)-g′(x-1,y)]其中g′(x,y)为离焦图像的像素点灰度值，β即为未聚焦时图像的灰度值差值的最大值。使用上述方法判断出图像是否清晰。步骤三、焦点搜索：本过程的作用是根据步骤三中的清晰度评价函数的结果进行焦点搜索。当起始位置距离聚焦点较远的时候使用Back函数以较大步长快速靠近，距离聚焦点较近的时候使用SD函数以小步长逐步搜索，确保精...

【专利技术属性】
技术研发人员：黄金杰，刘德太，杨微，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23