機(jī)器視覺測(cè)量算子耦合顯微圖像內(nèi)容的快速聚焦機(jī)制

王幫元

(安徽經(jīng)濟(jì)管理學(xué)院，信息工程系,安徽 合肥 230031)

機(jī)器視覺測(cè)量算子耦合顯微圖像內(nèi)容的快速聚焦機(jī)制

王幫元

(安徽經(jīng)濟(jì)管理學(xué)院，信息工程系,安徽 合肥 230031)

針對(duì)顯微聚焦速度慢、精度不夠等難題，設(shè)計(jì)了機(jī)器視覺測(cè)量算子；根據(jù)顯微圖像內(nèi)容，自動(dòng)選擇圖像有效聚焦點(diǎn)，提出了二者相融合的快速自動(dòng)聚焦算法。將最大灰度值像素作為有效聚焦點(diǎn)，并引入清晰度評(píng)價(jià)函數(shù)，嵌入爬山搜索法，快速鎖定Z軸聚焦位置，解決顯微聚焦速度慢、精度不夠的問題。實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)方法，文中算法具有更高的聚焦效率與精度。方案應(yīng)用在快速自動(dòng)聚焦上可以達(dá)到較好的效果，在工程上應(yīng)用是可行的。

機(jī)器視覺；圖像內(nèi)容；自動(dòng)聚焦；清晰度評(píng)價(jià)函數(shù)

近年來，關(guān)于自動(dòng)聚焦技術(shù)越來越引起人們的注意，取得了一定的科研成果[1-2]。自動(dòng)聚焦技術(shù)作為高精密光學(xué)儀器的核心技術(shù)，給人們帶來了很多益處，并運(yùn)用在工業(yè)、醫(yī)療等各個(gè)領(lǐng)域[3-4]。在工業(yè)中，超精密儀器的零件往往非常精細(xì)，以微米單位計(jì)算，這需要高精度的顯微相機(jī)來保障，但也對(duì)相機(jī)快速并準(zhǔn)確地自動(dòng)聚焦帶來了難度。提高聚焦速度與精度是亟待解決的技術(shù)問題，于是基于機(jī)器視覺、圖像處理的快速自動(dòng)聚焦方法應(yīng)運(yùn)而生。

高精度顯微成像系統(tǒng)延長了人類視覺，觀察到及其精密的細(xì)節(jié)信息，其中圖像自動(dòng)聚焦是成像清晰的關(guān)鍵[5-8]。自動(dòng)聚焦根據(jù)光學(xué)成像原理，聚焦過程即是尋找光學(xué)焦點(diǎn)的過程，更是鎖定圖像最清晰狀態(tài)的過程[9-10]。那么采用具有自動(dòng)聚焦的顯微成像系統(tǒng)來觀察圖像，既提高了工作效率，也提高了檢測(cè)精度。

縱觀目前國內(nèi)外對(duì)圖像自動(dòng)聚焦問題大多都是在全局選取聚焦像素點(diǎn)進(jìn)行清晰度評(píng)價(jià)，反饋給運(yùn)動(dòng)控制模塊，調(diào)整顯微鏡Z軸位置，實(shí)現(xiàn)自動(dòng)聚焦。選取全局范圍的像素作為聚焦點(diǎn)，進(jìn)行清晰度計(jì)算，不僅降低了速度，而且由于圖像中難免存在空白像素即無效像素，從而影響聚焦精度和圖像聚焦質(zhì)量。

基于以上情況，本文提出了機(jī)器視覺測(cè)量算子，根據(jù)顯微圖像內(nèi)容，自動(dòng)選擇圖像有效聚焦點(diǎn)，設(shè)計(jì)了快速自動(dòng)聚焦算法。本文將最大灰度值像素作為有效聚焦點(diǎn)，在一幀圖像選取8個(gè)聚焦點(diǎn)。以8個(gè)聚焦點(diǎn)為核心的區(qū)域，有機(jī)結(jié)合清晰度評(píng)價(jià)函數(shù)和爬山搜索法快速鎖定Z軸聚焦位置，解決顯微聚焦速度慢、精度不夠的問題。為達(dá)到準(zhǔn)確的快速自動(dòng)聚焦的目的，須解決以下兩個(gè)問題：①有效聚焦點(diǎn)自動(dòng)選擇問題；②基于清晰度評(píng)價(jià)和爬山搜索法快速鎖定Z軸聚焦位置的問題。

1 快速自動(dòng)聚焦算法原理

如圖1(a)所示，聚焦前或聚焦不良的圖像，往往圖像不清晰，很多細(xì)節(jié)丟失，圖像平滑度較高，這對(duì)獲取圖像細(xì)節(jié)信息不利。如圖1(b)所示，聚焦后或聚焦成功的圖像，往往圖像清晰，圖像有很多細(xì)節(jié)，圖像平滑度較低，這有利于細(xì)節(jié)信息的獲取和分析。本研究的快速自動(dòng)聚焦算法就是要達(dá)到這樣的效果。

圖1 聚焦前后的效果對(duì)比

但當(dāng)前顯微聚焦速度慢、精度較低。對(duì)此，本文提出了一個(gè)基于機(jī)器視覺與圖像內(nèi)容的快速自動(dòng)聚焦算法，流程如圖2所示。

圖2 本文快速自動(dòng)聚焦算法總體流程

首先將圖像中像素分為2類：有用像素和無用像素。在調(diào)焦過程中，有用像素為中心的局部區(qū)域的清晰度函數(shù)值變化明顯，當(dāng)達(dá)到聚焦位置時(shí)，清晰度值最大；而無用像素為中心的局部區(qū)域的清晰度函數(shù)值變化很不明顯，其變化參數(shù)對(duì)聚焦基本沒有價(jià)值，反而會(huì)影響對(duì)聚焦位置的整體判斷。傳統(tǒng)聚焦算法基于全局像素進(jìn)行清晰度評(píng)價(jià)，進(jìn)而調(diào)整Z軸位置，不僅耗時(shí)，而且降低精度。本研究基于圖像內(nèi)若干有用像素進(jìn)行清晰度評(píng)價(jià)，不僅降低了運(yùn)算量提高了速度，而且增加了系統(tǒng)的精度。有用像素存在于圖像灰度明顯變化的區(qū)域，即梯度劇變處，這些區(qū)域?qū)φ{(diào)焦反應(yīng)明顯(見圖3)。圖像的灰度最大值處的像素即是有用像素，可選為聚焦點(diǎn)。

2 算法流程與關(guān)鍵技術(shù)

2.1 基于機(jī)器視覺檢測(cè)算子的快速選擇有效聚焦像素點(diǎn)

傳統(tǒng)聚焦算法基于全局像素進(jìn)行清晰度評(píng)價(jià)，進(jìn)而調(diào)整Z軸位置，不僅耗時(shí)，而且降低精度[10]。本研究基于圖像內(nèi)容有用像素進(jìn)行清晰度評(píng)價(jià)，不僅降低了運(yùn)算量提高了速度，而且增加了系統(tǒng)的精度。有用像素存在于圖像灰度明顯變化的區(qū)域，即梯度劇變處，這些區(qū)域?qū)φ{(diào)焦反應(yīng)明顯。圖像的灰度最大值處的像素即是有用像素，可選為聚焦點(diǎn)。機(jī)器視覺檢測(cè)算子步驟如下：

1)將圖像灰度化，并提取所有像素的灰度值。

2)對(duì)所有像素的灰度值進(jìn)行排序，按式(1)求出最大灰度值，提取8個(gè)最大的灰度值及對(duì)應(yīng)像素的坐標(biāo)，即有用像素、有效聚焦點(diǎn)。

3)保存有效聚焦點(diǎn)的坐標(biāo)，預(yù)備用于清晰度評(píng)價(jià)的計(jì)算，并在圖中進(jìn)行標(biāo)注。如圖3所示，8個(gè)綠色點(diǎn)即是有效聚焦點(diǎn)，都在梯度邊緣或圖像強(qiáng)度值較高點(diǎn)。

(1)

式中:P為最大灰度值，pixel_grayvlaue為圖像內(nèi)某個(gè)像素點(diǎn)的灰度值，max為求一區(qū)域內(nèi)數(shù)據(jù)最大值的函數(shù)。

圖3 自動(dòng)選擇有效聚焦點(diǎn)

快速選擇有效聚焦像素點(diǎn)部分關(guān)鍵代碼：

%*****快速選擇有效聚焦像素點(diǎn)*****%

M=max(A(:))%求最大灰度值

[x,y]=find(A(x,y)==M)；%提取灰度最大值所在像素的坐標(biāo)

%清晰度評(píng)價(jià)計(jì)算%

function [ grad ]= pjgrad(f)

[m n]=size(f);

sum=0;

for i=1:m-1 for j=1:n-1 grd=[f(i+1,j)-f(i,j)].^2+[f(i,j+1)-f(i,j)].^2; sum=sum+grd;

end

end

grad=sum/m/n;

end

2.2 快速鎖定Z軸聚焦位置

基于以上8個(gè)有用像素點(diǎn)作為圖像聚焦點(diǎn)，進(jìn)行清晰度評(píng)價(jià)。分別基于爬山搜索法鎖定Z軸位置，實(shí)現(xiàn)圖像自動(dòng)快速聚焦。步驟如下：

1)以上面得到的8個(gè)有效聚焦點(diǎn)為中心，取30×30像素區(qū)域，按式(2)進(jìn)行清晰度評(píng)價(jià)計(jì)算。

[f(x,y+1)-f(x,y)2]}/m×n.

(2)

式中:q為清晰度函數(shù)值;m,n為圖像長寬;f(x,y)為(x,y)坐標(biāo)處的像素灰度值。

2)調(diào)整Z軸位置，基于爬山搜索法，鎖定Z軸的聚焦位置，如圖4所示。

圖4 爬山搜索法流程

3)由上面得到的Z軸聚焦位置，調(diào)整Z軸，完成自動(dòng)聚焦。如圖5、圖6所示，圖5為聚焦前圖像，圖6為本研究自動(dòng)快速聚焦處理后效果。

圖5 聚焦前圖像

圖6 本文聚焦算法處理后圖像效果

爬山搜索聚焦點(diǎn)部分關(guān)鍵代碼：

%*****爬山搜索聚焦點(diǎn)*****%

function z = ClimbMount(x0,y0)

e=10^(-4);

lmd = 0.5;

x=-3:0.3:3;

y=-3:0.3:3;

z=1./(x.^2 + y.^2 + 2);

plot3(x,y,z);

title(′爬山算法′);xlabel(′x′);ylabel(′y′);zlabel(′z′);

gradsX=XDiff(x0,y0);

gradsY=YDiff(x0,y0);

gradsLen=GradsLen(x0,y0);

while(gradsLen >e) x0 = x0 + lmd * gradsX; y0 = y0 + lmd * gradsY; plot3(x0,y0,1./(x0.^2 + y0.^2 + 2),′y^′); hold on; pause(0.05); gradsX = XDiff(x0,y0); gradsY = YDiff(x0,y0); gradsLen = GradsLen(x0,y0);

end

function z = GradsLen(x,y);

x = XDiff(x,y);

x = x.^2;

y = YDiff(x,y);

y = y.^2;

z = sqrt(x+y);

function z = XDiff(x,y);

x=-2*x;

y=x.^2+y.^2+2;

y=y.^2;

z=x./y;

function z = YDiff(x,y);

y=-2*y;

x=x.^2+y.^2+2;

x=x.^2;

z=y./x;

3 實(shí)驗(yàn)結(jié)果與分析

圖7是對(duì)在工業(yè)顯微鏡下未聚焦時(shí)的視野，基于本文快速自動(dòng)聚焦算法，利用Matlab編程進(jìn)行圖像處理實(shí)驗(yàn)得到結(jié)果，如圖8、圖9(計(jì)算機(jī)CPU為1.99 GHz,內(nèi)存為2 GB)所示。

圖7 聚焦前顯微下視野

圖7是工業(yè)顯微鏡下未聚焦時(shí)的視野，圖像模糊，細(xì)節(jié)信息丟失，圖像平滑嚴(yán)重，不利于觀察。

經(jīng)過本研究自動(dòng)選擇有效聚焦點(diǎn)，得8個(gè)有效聚焦點(diǎn)坐標(biāo)。以這8個(gè)有效聚焦點(diǎn)為中心區(qū)域，進(jìn)行聚焦調(diào)整，得Z軸聚焦位置，如圖8所示。

圖8 自動(dòng)聚焦點(diǎn)選擇與Z軸位置鎖定結(jié)果

圖9所示為經(jīng)過本研究的快速自動(dòng)聚焦算法聚焦，得到顯微鏡下清晰視野，效果很明顯。

圖10所示為經(jīng)過傳統(tǒng)聚焦算法聚焦，得到顯微鏡下模糊視野，效果不明顯。由于本研究基于有效聚焦點(diǎn)展開聚焦工作，而傳統(tǒng)聚焦算法基于全局展開聚焦工作，通過圖9、圖10的比較，傳統(tǒng)聚焦算法聚焦效果明顯不如本研究準(zhǔn)確，這樣為后期的工業(yè)作業(yè)帶來了很大麻煩，甚至嚴(yán)重影響工業(yè)作業(yè)的準(zhǔn)確度。

圖9 本文算法處理后的顯微下視野

圖10 傳統(tǒng)聚焦方法處理后的顯微下視野

對(duì)照組算法與本文算法的聚焦效率測(cè)試見表1。從表1可知，本文算法的聚焦效率非常高，時(shí)耗為0.87 s；而傳統(tǒng)算法為2.52 s。由于本研究基于有效聚焦點(diǎn)展開聚焦工作，減小了計(jì)算量；而傳統(tǒng)聚焦算法基于全局展開聚焦工作，增加了不必要的計(jì)算量。

表1 不同算法的聚焦效率對(duì)比結(jié)果 s

通過對(duì)比，可見本文快速自動(dòng)聚焦算法的速度明顯快于傳統(tǒng)聚焦算法的速度。

4 結(jié)束語

本文針對(duì)顯微聚焦速度慢、精度不夠等問題，提出了機(jī)器視覺測(cè)量算子；根據(jù)顯微圖像內(nèi)容，自動(dòng)選擇圖像有效聚焦點(diǎn)，設(shè)計(jì)了快速自動(dòng)聚焦算法。本文將最大灰度值像素作為有效聚焦點(diǎn)，有機(jī)結(jié)合清晰度評(píng)價(jià)函數(shù)和爬山搜索法快速鎖定Z軸聚焦位置。實(shí)驗(yàn)結(jié)果表明，在精度和速度上，相對(duì)于傳統(tǒng)方法，該方案應(yīng)用在快速自動(dòng)聚焦上可以達(dá)到較好的效果，在工程上應(yīng)用是可行的。

[1]翟永平,劉云輝，周東翔，等.稀疏圖像內(nèi)容情況下顯微鏡自動(dòng)聚焦算法[J].軟件學(xué)報(bào),2012,23(5)：1282-1285.

[2]PLISSITI M E,NIKOU C,CHARCHANTI A.Automated detection of cell nuclei in pap smear images using morphological reconstruction and clustering[J].IEEE Trans.Inf.Technol.Biomed.2011,3(2):213-216.

[3]陳玉群,范典，胡俊，等.紅外透鏡檢測(cè)中的自動(dòng)聚焦技術(shù)[J].紅外與激光工程,2013,42(8):45-46.

[4]黃德天，吳志勇，劉雪超，等.一種適用于任意目標(biāo)的離焦深度快速自動(dòng)聚焦技術(shù)[J].光電子激光,2013,24(4)：606-609.

[5]XU X Y,XU S Z,JIN L H,et al.Characteristic Analysis of Otsu Threshold and Its Applications[J].Pattern Recognition.2011,2(1):124-128.

[6]NA MAT-LSA ,MY MASHOR ,NH OTHMAN.An automated cervical pre-cancerous diagnostic system[J].Artif.Intell.Med.2011,5(2):315-319.

[7]張來線,孫華燕，郭惠超，等.基于圖像灰度梯度最大值累加的自動(dòng)調(diào)焦算法[J].光子學(xué)報(bào),2013,42(5)：606-609.

[8]PLISSITI M E,NIDOU C,CHARCHANTI A.Watershed-based segmentation of cell nuclei boundaries on Pap smear images[J].2010 10th IEEE International Conference on Information Technology and Applications in Biomedicine,2011,2(4):145-149.

[9]馬建設(shè),李合銀，程雪岷，等.嵌入式自動(dòng)聚焦攝像模組控制系統(tǒng)的設(shè)計(jì)[J].光學(xué)精密工程,2013,20(10)：2222-2228.

[10]MAO S,CHAN Y,CHU Y.Edge enhancement nucleus and cytoplast contour detector of cervical smear images[J].IEEE Transactions on Systems Man and Cybernetics,2012,3(2):235-239.

Research of fast auto-focusing algorithm based on machine vision and microscopic image content

WANG Bang-yuan

(Department of Information Engineering，Anhui Economic Management Institute,Hefei 230031,China)

According to the problem of slow microscopic focus speed and low precision,the fast auto-focusing algorithm based on machine vision and microscopic image content which automatically select image effectively focus point is proposed.According to the pixel of the biggest gray value,it can realize the effective focus point.In this solution,the Z axis focusing position is fast locked based on clarity-evaluation function and mountain climbing servo,to resolve the problem of slow microscopic focus speed and low precision.Experimental results show that the solution achieves good effect in fast auto-focusing in terms of precision and speed,and will the covered in practical engineering.

machine vision；image content；auto-focusing；clarity-evaluation function

2014-08-13

安徽省教育廳自然科學(xué)研究資助項(xiàng)目(KJ2013Z038)

王幫元(1966-)，男，副教授，研究方向：圖像處理；計(jì)算機(jī)應(yīng)用.

TP391

A

1671-4679(2014)06-0032-05

劉文霞]