[发明专利]一种面向显微成像的图像自动对焦算法

说明书

本发明公开了一种面向显微成像的图像自动对焦算法，其主要方法包括：对原始图像进行灰度化；对灰度图进行中值滤波；对中值滤波的图像进行Canny边缘检测；对Canny边缘检测的图像进行形态学闭运算操作；对形态学闭运算操作的图像进行取反；对第一次取反的图像进行连通域滤波，去除羊毛纤维内部的小孔洞噪声；对第一次连通域滤波的图像(二值图)进行取反；对第二次取反的图像进行连通域滤波，去除黑色背景中的小团块噪声；对两次连通域滤波的图像作为蒙版，再进行蒙版叠加得到最大蒙版；每张羊毛原图应用最大蒙版筛选拷贝得到相应的羊毛ROI图；先进行直方图均衡化，再进行图像清晰度计算；调整物镜与载玻片的位置继续拍摄原图，输出最清晰图像。

技术领域

本发明设计利用一种面向显微成像的图像自动对焦算法进行无参考羊绒羊毛纤维图像的清晰度评价。

背景技术

这里的显微成像以羊绒羊毛纤维图像为例，利用图像处理技术在同一位置拍摄的一系列羊绒羊毛纤维图像(显微成像)中寻找出清晰度最高的那张图像(自动对焦)，能够减少投入生产的劳动力，提高工作效率。也是为要送入到卷积神经网络进行训练学习的羊绒羊毛纤维图像进行清晰度质量上的把控，如果羊绒羊毛纤维图像本身较为模糊，则会降低网络识别的准确率，甚至造成识别类别的错误。传统的羊绒羊毛纤维图像的对焦方法是根据国家标准来进行人工对焦的，具体过程是：先将显微镜的物镜调整到一定位置，观察目镜中的羊绒羊毛纤维图像，图像中的羊毛纤维的两侧边缘若显示白色的边线，则说明物镜过于靠近盖玻片；图像中的羊毛纤维的两侧边缘若显示黑色的边线，则说明物镜过于远离盖玻片；图像中的羊毛纤维的边缘若显示一细线，没有白色或黑色边线，则说明羊毛纤维在焦平面上，对焦完毕。很明显，这个过程比较依赖操作人员的熟练度和经验，主观性因素较大，而且比较耗时，因此，急需一种羊绒羊毛纤维图像的自动对焦算法来解决上述问题。同时以往的图像清晰度评价方法，如基于梯度函数的评价方法、熵函数法、基于点锐度的清晰度算法、基于梯度结构相似度的清晰度算法(NRSS)等算法在某些情况下并不能很好适应羊绒羊毛纤维图像的清晰度检测，从而造成清晰度评价的错误。

本发明通过适当、合理的图像预处理手段，先将羊绒羊毛纤维图像的背景过滤掉，并将羊毛ROI提取出来，在同一水平位置拍摄下的一系列羊绒羊毛纤维图像中，由于每张羊绒羊毛纤维图像的灰度、梯度的值域和空间分布并不相同，所以每张羊绒羊毛纤维图像提取的羊毛ROI大小也会因此不同。针对以上缺陷，利用蒙版叠加，将同一位置拍摄的一系列羊绒羊毛纤维图像的羊毛ROI进行叠加得到最大的羊毛ROI，并用这个最大的羊毛ROI代表该位置拍摄的一系列羊毛纤维。在此基础上，结合直方图均衡化来抑制某些由于过曝光而导致图像清晰度增大的羊绒羊毛纤维图像的误查找情况，再利用梯度函数法对准备进行清晰度评价的羊绒羊毛纤维图像进行检测，能够有效查找出与操作人员判断几乎一致的某个位置拍摄下的最清晰的羊绒羊毛纤维图像(既不过曝光，并且羊毛纤维内部纹理丰富且清晰)。

发明内容

本发明提出了一种面向显微成像的图像自动对焦算法，其步骤如下：

(1)首先，获取待进行清晰度评价的羊绒羊毛纤维图像，再对图像进行灰度化。在这里这一步的主要目的是为了化三通道为单通道，降低图像的数据量，节省内存开销，加快运行速度。

(2)对灰度化后的图像进行中值滤波处理。在这里使用中值滤波的原因是因为中值滤波能够有效抑制、去除一些噪声，保护羊绒羊毛纤维图像中的羊毛边缘信息，使边缘更加清晰，不被模糊，便于后续的Canny边缘检测。

(3)对中值滤波后的图像进行Canny边缘检测。在这里使用Canny边缘检测的原因是因为经过中值滤波处理之后，羊绒羊毛纤维图像的噪声大大减少，并且Canny边缘检测算法利用非极大值抑制技术来消除边缘的误检和利用双阈值方法来确定潜在的边缘，可以较高容错地筛选出羊毛纤维边缘。