顯微鏡自動(dòng)調(diào)光算法研究

黃金寶 宋寶泉 周東翔 蔡宣平

國防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院信息工程系，長沙 410073

顯微鏡自動(dòng)調(diào)光算法研究

黃金寶 宋寶泉 周東翔 蔡宣平

國防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院信息工程系，長沙 410073

自動(dòng)調(diào)光是全自動(dòng)顯微成像中的一項(xiàng)關(guān)鍵技術(shù)。為了解決已有調(diào)光算法空白視野失效、不能實(shí)時(shí)處理圖像和調(diào)光精度低等問題，本文從分析清晰度評(píng)價(jià)函數(shù)隨光源亮度變化曲線入手，驗(yàn)證了這類函數(shù)的調(diào)光性能。根據(jù)光學(xué)顯微鏡的成像原理和觀測(cè)目標(biāo)的特點(diǎn)，考慮與圖像清晰度無關(guān)、僅與圖像亮度信息有關(guān)的變量，提出了利用空白區(qū)域的灰度均值尋找最優(yōu)光亮度的算法。通過人工訓(xùn)練樣本方式獲取最優(yōu)灰度均值，最后通過單變量尋優(yōu)法得到最優(yōu)光源亮度?；谧孕醒邪l(fā)的全自動(dòng)顯微鏡系統(tǒng)對(duì)本文算法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果證明了算法的有效性。

顯微；自動(dòng)調(diào)光；人工訓(xùn)練樣本；清晰度評(píng)價(jià)；灰度均值

microscopy; dimmer automation; artificial training samples; definition evaluation; average gray

引言

隨著光學(xué)顯微鏡和計(jì)算機(jī)技術(shù)的結(jié)合，顯微鏡系統(tǒng)正在向自動(dòng)化和智能化方向發(fā)展，這種發(fā)展趨勢(shì)不僅為各種觀察應(yīng)用提供更直觀、質(zhì)量更高的圖像，而且為各種檢驗(yàn)提供更準(zhǔn)確的判斷依據(jù)，提高了生產(chǎn)效率。因此，國內(nèi)外的許多公司、科研院所都致力于光學(xué)顯微鏡的自動(dòng)化與智能化研究。尤其是德國和日本的智能光學(xué)顯微鏡起步較早，從2004年開始就已經(jīng)提出了一些有代表性的方法和設(shè)備。近年來，國內(nèi)的智能光學(xué)顯微鏡也急起直追，針對(duì)不同的應(yīng)用領(lǐng)域也有不少產(chǎn)品和設(shè)備問世。

光學(xué)顯微鏡圖像質(zhì)量的兩個(gè)關(guān)鍵決定因素是聚焦精度和調(diào)光精度，本文主要研究如何在全自動(dòng)顯微鏡系統(tǒng)中實(shí)現(xiàn)精確自動(dòng)調(diào)光。目前對(duì)于顯微圖像調(diào)光自動(dòng)化的研究，國外主要有M.Zeder等[1]提出利用人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)細(xì)菌顯微圖像質(zhì)量的方法，將少量圖像處理后得到的空間不變因子作為神經(jīng)網(wǎng)絡(luò)的初值，該方法適用于海量圖像的評(píng)估，不適于實(shí)時(shí)圖像質(zhì)量評(píng)價(jià)；德國Leica生產(chǎn)的DM系列顯微鏡自動(dòng)調(diào)光功能是對(duì)不同放大倍數(shù)的物鏡設(shè)定一個(gè)經(jīng)驗(yàn)亮度值，更換物鏡時(shí)設(shè)置對(duì)應(yīng)值，不適用于不同玻片不同視野的精確調(diào)光；在國內(nèi)主要有南京航空航天大學(xué)的陳葉明[2]提出了以灰度方差為調(diào)光目標(biāo)函數(shù)的顯微鏡自動(dòng)調(diào)光算法，利用反射光紅光和透射光綠光雙變量尋找最優(yōu)光強(qiáng)區(qū)間，該算法的缺點(diǎn)是對(duì)空白視野失效，評(píng)價(jià)函數(shù)在光源亮度變化過程中有局部極值，需要消除假峰。

本文基于自行研發(fā)的全自動(dòng)顯微鏡系統(tǒng)，首先對(duì)常用清晰度評(píng)價(jià)函數(shù)的調(diào)光性能進(jìn)行了分析驗(yàn)證，然后提出了基于空白區(qū)域亮度評(píng)價(jià)的顯微鏡自動(dòng)調(diào)光算法，通過實(shí)驗(yàn)證明了算法的有效性。

1 調(diào)光系統(tǒng)組成及原理

調(diào)光系統(tǒng)結(jié)構(gòu)如圖1所示，系統(tǒng)主要由PC機(jī)、單片機(jī)、數(shù)字變阻器、顯微鏡電源電路和鹵素?zé)舻冉M成。

圖1 自動(dòng)調(diào)光系統(tǒng)結(jié)構(gòu)框圖

調(diào)光的基本過程為：PC機(jī)通過RS-232通信接口向單片機(jī)(MCU)發(fā)送光源亮度命令，MCU接收命令后將其轉(zhuǎn)換成相應(yīng)的電阻值，然后通過I2C總線設(shè)置為數(shù)字變阻器的阻值，數(shù)字變阻器通過自身電阻調(diào)節(jié)顯微鏡電源輸出電流的大小，從而調(diào)節(jié)鹵素?zé)?Halogen Lamp)的亮度。CCD采集顯微鏡的圖像傳送到PC機(jī)，由調(diào)光算法或人工觀察判斷圖像亮度是否合適。如果亮度不合適，則調(diào)整光源亮度值，PC機(jī)重新向MCU發(fā)送光源亮度命令，調(diào)節(jié)鹵素?zé)袅炼龋敝翀D像亮度合適為止。

本系統(tǒng)中數(shù)字變阻器的電阻值可以量化為0～255個(gè)等級(jí)，隨著數(shù)字變阻器阻值增大，光源亮度增強(qiáng)，從而可將顯微鏡的光源亮度由小到大劃分為256份，我們將數(shù)字變阻器阻值的等級(jí)作為光源亮度值(I)。注意，光源亮度與數(shù)字變阻器阻值只是單調(diào)遞增關(guān)系，不是線性關(guān)系，即隨著數(shù)字變阻器阻值均勻增大，光源亮度不是均勻增強(qiáng)的。

2 清晰度評(píng)價(jià)函數(shù)調(diào)光策略

2.1 清晰度評(píng)價(jià)函數(shù)

清晰度評(píng)價(jià)函數(shù)一般用于聚焦算法的研究。目前提出的評(píng)價(jià)函數(shù)非常多，通?？煞譃椋夯叶群瘮?shù)、頻域函數(shù)、信息學(xué)函數(shù)、統(tǒng)計(jì)學(xué)函數(shù)四大類。比較典型的有：圖像灰度方差（Var）、Vollaths函數(shù)、圖像的拉普拉斯能量（EOL）[3]、圖像的灰度差分絕對(duì)值之和（SMD）[4]、SML函數(shù)[5]、Tenengrad函數(shù)[6]、Brenner函數(shù)[7]等。

2.2 評(píng)價(jià)函數(shù)性能驗(yàn)證

實(shí)驗(yàn)樣本為肺結(jié)核病人的痰涂片。整個(gè)實(shí)驗(yàn)的過程是：

第一步，人工將顯微鏡光源調(diào)到適當(dāng)亮度，做白平衡，選定某一有結(jié)核桿菌的視野完成自動(dòng)聚焦，得到清晰圖像。

第二步，設(shè)置光源亮度值由小到大逐級(jí)變化，采集不同亮度對(duì)應(yīng)的圖像。在實(shí)驗(yàn)中發(fā)現(xiàn)，當(dāng)I<150時(shí)整個(gè)視野太暗無法觀察，所以只采集150

第三步，將采集到的樣本圖像用清晰度評(píng)價(jià)函數(shù)進(jìn)行處理，得到評(píng)價(jià)函數(shù)曲線形態(tài)。由于不同評(píng)價(jià)函數(shù)的值相差幾個(gè)數(shù)量級(jí)，為了方便在同一坐標(biāo)系下進(jìn)行比較，對(duì)每個(gè)函數(shù)進(jìn)行了歸一化處理。

實(shí)驗(yàn)結(jié)果如圖2所示。其中，（a）為3幅采集到的不同亮度的結(jié)核桿菌圖像；（b）為評(píng)價(jià)函數(shù)隨光源亮度變化曲線，橫坐標(biāo)為光源亮度值(I)，縱坐標(biāo)為歸一化的評(píng)價(jià)函數(shù)值，無色虛線代表最優(yōu)亮度值的位置。

圖2

根據(jù)評(píng)價(jià)函數(shù)曲線和實(shí)驗(yàn)驗(yàn)證過程，可以得到如下結(jié)論：

1）清晰度評(píng)價(jià)函數(shù)在最大峰值附近具有很高的靈敏度，曲線整體平滑，抗噪性能比較好，但是在整個(gè)光源亮度變化過程中存在局部極值，而且每個(gè)函數(shù)都或多或少與最優(yōu)亮度存在著一定偏差，不滿足單峰性和無偏性的要求。

2）不同的清晰度評(píng)價(jià)函數(shù)隨著光強(qiáng)的變化曲線基本一致，說明它們之間具有很強(qiáng)的相關(guān)性。在全自動(dòng)顯微鏡系統(tǒng)中，自動(dòng)聚焦算法是基于清晰度評(píng)價(jià)函數(shù)實(shí)現(xiàn)的，如果自動(dòng)調(diào)光采用這種策略，將會(huì)與自動(dòng)聚焦算法產(chǎn)生耦合，相互影響，變成二維尋優(yōu)問題，解決起來比較復(fù)雜、且耗時(shí)較長。

3）在玻片的掃描過程中，必然存在空白視野。清晰度評(píng)價(jià)函數(shù)曲線在這種情況下會(huì)變得非常平滑，此時(shí)靈敏度、信噪比等特性消失，不能用于圖像質(zhì)量評(píng)價(jià)。

3 空白區(qū)域亮度評(píng)價(jià)調(diào)光策略

3.1 基本思路

由于清晰度評(píng)價(jià)函數(shù)調(diào)光策略，不能準(zhǔn)確反映最優(yōu)亮度，與聚焦算法耦合，對(duì)空白視野失效，有一定的局限性，我們考慮與圖像清晰度無關(guān)，只與光亮度有關(guān)的變量作為目標(biāo)函數(shù)實(shí)現(xiàn)自動(dòng)調(diào)光。

圖3簡要表示了物鏡和玻片的關(guān)系。假定此時(shí)為正確對(duì)焦位置，視野內(nèi)圖像清晰，物鏡和玻片的距離用d表示。當(dāng)玻片如圖中實(shí)線箭頭所示方向向上移動(dòng)一段距離，即d減小時(shí)，圖像將漸漸模糊，當(dāng)d足夠小，視野內(nèi)會(huì)變成一片空白，此時(shí)圖像上沒有任何細(xì)節(jié)，只有光亮度信息。

算法基本思路是：選取某個(gè)足夠小的d，使得視野內(nèi)一片空白，只有光亮度信息，不同光源亮度下空白視野的圖像具有不同的灰度信息。我們知道，光源亮度增強(qiáng)，圖像中各個(gè)像素灰度值會(huì)相應(yīng)的增大，灰度均值也隨之增大。如果灰度均值與光源亮度之間存在一一對(duì)應(yīng)的關(guān)系，那么就可以用灰度均值來代表光源亮度值。在不同玻片、不同視野下，先正確對(duì)焦，調(diào)節(jié)光源亮度，人工選取最好的圖像，采集所對(duì)應(yīng)的空白圖像，采集空白圖像時(shí)物鏡和玻片的距離固定為某一個(gè)特定值。計(jì)算每張空白圖像灰度均值，對(duì)得到的所有灰度均值再作一次平均，最終值就是最優(yōu)灰度均值，將這個(gè)值所代表的光源亮度作為最優(yōu)亮度。

3.2 調(diào)光策略流程

依我看翠姨還沒有她從前漂亮呢，不過她們說翠姨漂亮得像棵新開的臘梅。翠姨從來不擦胭脂的，而那天又穿了一件為著將來作新娘子而準(zhǔn)備的藍(lán)色緞子滿是金花的夾袍。

調(diào)光策略主要分為兩個(gè)部分。

第一部分，通過人工訓(xùn)練樣本方式獲取最優(yōu)灰度均值。

為了實(shí)現(xiàn)精確自動(dòng)調(diào)光，調(diào)光算法的目標(biāo)灰度均值要適用于不同玻片的不同視野，我們稱之為最優(yōu)灰度均值。最優(yōu)灰度均值的獲取采用人工訓(xùn)練樣本的方法。實(shí)驗(yàn)中，光源亮度值范圍為200

第一步，大量采集樣本圖像。圖像采集流程如圖4所示。實(shí)驗(yàn)中選取了4張典型肺結(jié)核病人的痰涂片，每個(gè)玻片隨機(jī)選取5個(gè)視野，每個(gè)視野采集55幅結(jié)核桿菌圖像和55幅空白圖像，共計(jì)采集2200幅圖像。

圖4 圖像采集流程圖

第二步，分析處理樣本，計(jì)算最優(yōu)灰度均值。通過人工觀察選出每個(gè)視野中成像質(zhì)量最好的結(jié)核桿菌圖像，找到與之對(duì)應(yīng)的空白圖像，統(tǒng)計(jì)灰度均值，用G表示；對(duì)20個(gè)視野成像質(zhì)量最好的圖像灰度均值再做一次平均，作為最優(yōu)灰度均值，用G0表示。統(tǒng)計(jì)結(jié)果如表1所示。

表1 圖像灰度均值統(tǒng)計(jì)結(jié)果

第二部分，通過單變量尋優(yōu)法得到最優(yōu)光源亮度。

系統(tǒng)初始化完成后，玻片調(diào)至z軸起始位置下方40μm處，此時(shí)視野中沒有任何內(nèi)容信息，只有亮度信息，然后開始調(diào)光。算法流程如圖10所示?；叶染惦S著光源亮度增強(qiáng)是單調(diào)遞增且一一對(duì)應(yīng)的，最接近G0的灰度均值所對(duì)應(yīng)的圖像的亮度就是最優(yōu)光源亮度。

4 實(shí)驗(yàn)驗(yàn)證

我們用原始系統(tǒng)和自動(dòng)調(diào)光系統(tǒng)作了對(duì)比試驗(yàn)。將G0=181.65作為目標(biāo)灰度均值應(yīng)用于調(diào)光算法中。兩個(gè)系統(tǒng)分別在不同初始光源亮度下采集了圖像，I0為初始光源亮度。實(shí)驗(yàn)結(jié)果如圖5和圖6所示。

圖5 原始系統(tǒng)采集的結(jié)核桿菌圖像

圖6 自動(dòng)調(diào)光系統(tǒng)采集的結(jié)核桿菌圖像

由實(shí)驗(yàn)結(jié)果可以看出，原始系統(tǒng)采集的圖像質(zhì)量非常依賴初始光源亮度，當(dāng)光源亮度過大或過小時(shí)，被動(dòng)采集圖像，得到的圖像質(zhì)量很差；自動(dòng)調(diào)光系統(tǒng)能夠自適應(yīng)的改變光源亮度，不同初始光源亮度下都能采集到質(zhì)量很高的圖像。結(jié)果表明空白區(qū)域亮度評(píng)價(jià)調(diào)光算法亮度調(diào)節(jié)準(zhǔn)確，適用于不同的初始條件，實(shí)現(xiàn)了全自動(dòng)顯微鏡系統(tǒng)自動(dòng)調(diào)光的功能。

5 結(jié)語

本文針對(duì)全自動(dòng)顯微鏡系統(tǒng)中光源亮度對(duì)圖像質(zhì)量產(chǎn)生嚴(yán)重影響的問題，分析驗(yàn)證了常用清晰度評(píng)價(jià)函數(shù)的調(diào)光性能，總結(jié)了這種方法的可行性和局限性。提出了空白區(qū)域亮度評(píng)價(jià)調(diào)光策略，首先通過人工訓(xùn)練樣本的方式，得到最優(yōu)灰度均值，然后將該最優(yōu)值應(yīng)用于調(diào)光算法中，編程實(shí)現(xiàn)調(diào)光功能，通過對(duì)比實(shí)驗(yàn)證明了算法的有效性。

[1]M. Zeder, E. Kohler, J. Pernthaler. Automated quality assessment of autonomously acquired microscopic images of fluorescently stained bacteria. Original Article, Cytometry Part A : 76-85,2010.

[2]陳葉明.顯微目標(biāo)信息融合與調(diào)光自動(dòng)化技術(shù)研究[碩士學(xué)位論文].南京航空航天大學(xué)，10-17，2003.

[3]翟永平,周東翔,劉云輝.聚焦函數(shù)性能評(píng)價(jià)指標(biāo)設(shè)計(jì)及最優(yōu)函數(shù)選取.光學(xué)學(xué)報(bào)，31(4):0418002,2011.

[4]R.A.Jarvis. Focus optimization criteria for computer image processing [J]. Microscope, 24(2):163～180,1976.

[5]J.M.Tenenbaum. Accommodation in computer vision [Ph.D thesis]: Stanford University, 1970.

[6]S.K.Nayar, Y.Nakagawa. Shape from focus [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 16(8):824～831, 1994.

[7]J.F.Brenner,B.S.Dew, J.B.Horton,et al. An automated microscope for cytological research: A preliminary evaluation [J]. The Journal of Histochemistry and Cytochemistry,24(1):100～11, 1976.

[8]李艷軍，左洪福，吳振鋒.顯微觀測(cè)技術(shù)的新進(jìn)展及其應(yīng)用[J].光學(xué)儀器，2002(2):1～6

Dimmer Automation Algorithm for Microscopy

Huang Jinbao，Song Baoquan，Zhou Dongxiang，Cai Xuanping
Department of Information Engineering, College of Electronics Science and Engineering, National University of Defense Technology, 410073,Changsha, P.R.China

Dimmer automation is one of the key issues in automatic microscopy. The traditional methods suffer from blank vision failure, not real-time image processing and low dimmer accuracy. This paper validates dimmer performance of the definition evaluation function through the change curve. Considering the optical microscope imaging principle and characteristics of the observed object, this paper proposes an algorithm searching best light intensity based on average gray of blank areas. Then acquire the best average gray through artificial training samples and best light intensity through single variable optimization method. Experimental investigation has been conducted to demonstrate the validity of the proposed method.

10.3969/j.issn.1001-8972.2012.21.010

國家自然科學(xué)基金, 項(xiàng)目批準(zhǔn)號(hào):No.60975023