機器視覺測量算子耦合顯微圖像內容的快速聚焦機制

王幫元

(安徽經濟管理學院，信息工程系,安徽 合肥 230031)

機器視覺測量算子耦合顯微圖像內容的快速聚焦機制

王幫元

(安徽經濟管理學院，信息工程系,安徽 合肥 230031)

針對顯微聚焦速度慢、精度不夠等難題，設計了機器視覺測量算子；根據顯微圖像內容，自動選擇圖像有效聚焦點，提出了二者相融合的快速自動聚焦算法。將最大灰度值像素作為有效聚焦點，并引入清晰度評價函數，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。實驗結果表明，相對于傳統方法，文中算法具有更高的聚焦效率與精度。方案應用在快速自動聚焦上可以達到較好的效果，在工程上應用是可行的。

機器視覺；圖像內容；自動聚焦；清晰度評價函數

近年來，關于自動聚焦技術越來越引起人們的注意，取得了一定的科研成果[1-2]。自動聚焦技術作為高精密光學儀器的核心技術，給人們帶來了很多益處，并運用在工業、醫療等各個領域[3-4]。在工業中，超精密儀器的零件往往非常精細，以微米單位計算，這需要高精度的顯微相機來保障，但也對相機快速并準確地自動聚焦帶來了難度。提高聚焦速度與精度是亟待解決的技術問題，于是基于機器視覺、圖像處理的快速自動聚焦方法應運而生。

高精度顯微成像系統延長了人類視覺，觀察到及其精密的細節信息，其中圖像自動聚焦是成像清晰的關鍵[5-8]。自動聚焦根據光學成像原理，聚焦過程即是尋找光學焦點的過程，更是鎖定圖像最清晰狀態的過程[9-10]。那么采用具有自動聚焦的顯微成像系統來觀察圖像，既提高了工作效率，也提高了檢測精度。

縱觀目前國內外對圖像自動聚焦問題大多都是在全局選取聚焦像素點進行清晰度評價，反饋給運動控制模塊，調整顯微鏡Z軸位置，實現自動聚焦。選取全局范圍的像素作為聚焦點，進行清晰度計算，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量。

基于以上情況，本文提出了機器視覺測量算子，根據顯微圖像內容，自動選擇圖像有效聚焦點，設計了快速自動聚焦算法。本文將最大灰度值像素作為有效聚焦點，在一幀圖像選取8個聚焦點。以8個聚焦點為核心的區域，有機結合清晰度評價函數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。為達到準確的快速自動聚焦的目的，須解決以下兩個問題：①有效聚焦點自動選擇問題；②基于清晰度評價和爬山搜索法快速鎖定Z軸聚焦位置的問題。

1 快速自動聚焦算法原理

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

圖1 聚焦前后的效果對比

但當前顯微聚焦速度慢、精度較低。對此，本文提出了一個基于機器視覺與圖像內容的快速自動聚焦算法，流程如圖2所示。

圖2 本文快速自動聚焦算法總體流程

首先將圖像中像素分為2類：有用像素和無用像素。在調焦過程中，有用像素為中心的局部區域的清晰度函數值變化明顯，當達到聚焦位置時，清晰度值最大；而無用像素為中心的局部區域的清晰度函數值變化很不明顯，其變化參數對聚焦基本沒有價值，反而會影響對聚焦位置的整體判斷。傳統聚焦算法基于全局像素進行清晰度評價，進而調整Z軸位置，不僅耗時，而且降低精度。本研究基于圖像內若干有用像素進行清晰度評價，不僅降低了運算量提高了速度，而且增加了系統的精度。有用像素存在于圖像灰度明顯變化的區域，即梯度劇變處，這些區域對調焦反應明顯(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。

2 算法流程與關鍵技術

2.1 基于機器視覺檢測算子的快速選擇有效聚焦像素點

傳統聚焦算法基于全局像素進行清晰度評價，進而調整Z軸位置，不僅耗時，而且降低精度[10]。本研究基于圖像內容有用像素進行清晰度評價，不僅降低了運算量提高了速度，而且增加了系統的精度。有用像素存在于圖像灰度明顯變化的區域，即梯度劇變處，這些區域對調焦反應明顯。圖像的灰度最大值處的像素即是有用像素，可選為聚焦點。機器視覺檢測算子步驟如下：

1)將圖像灰度化，并提取所有像素的灰度值。

2)對所有像素的灰度值進行排序，按式(1)求出最大灰度值，提取8個最大的灰度值及對應像素的坐標，即有用像素、有效聚焦點。

3)保存有效聚焦點的坐標，預備用于清晰度評價的計算，并在圖中進行標注。如圖3所示，8個綠色點即是有效聚焦點，都在梯度邊緣或圖像強度值較高點。

(1)

式中:P為最大灰度值，pixel_grayvlaue為圖像內某個像素點的灰度值，max為求一區域內數據最大值的函數。

圖3 自動選擇有效聚焦點

快速選擇有效聚焦像素點部分關鍵代碼：

%*****快速選擇有效聚焦像素點*****%

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

%清晰度評價計算%

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個有用像素點作為圖像聚焦點，進行清晰度評價。分別基于爬山搜索法鎖定Z軸位置，實現圖像自動快速聚焦。步驟如下：

1)以上面得到的8個有效聚焦點為中心，取30×30像素區域，按式(2)進行清晰度評價計算。

[f(x,y+1)-f(x,y)2]}/m×n.

(2)

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

2)調整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，調整Z軸，完成自動聚焦。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

爬山搜索聚焦點部分關鍵代碼：

%*****爬山搜索聚焦點*****%

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 實驗結果與分析

圖7是對在工業顯微鏡下未聚焦時的視野，基于本文快速自動聚焦算法，利用Matlab編程進行圖像處理實驗得到結果，如圖8、圖9(計算機CPU為1.99 GHz,內存為2 GB)所示。

圖7 聚焦前顯微下視野

圖7是工業顯微鏡下未聚焦時的視野，圖像模糊，細節信息丟失，圖像平滑嚴重，不利于觀察。

經過本研究自動選擇有效聚焦點，得8個有效聚焦點坐標。以這8個有效聚焦點為中心區域，進行聚焦調整，得Z軸聚焦位置，如圖8所示。

圖8 自動聚焦點選擇與Z軸位置鎖定結果

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

圖10所示為經過傳統聚焦算法聚焦，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展開聚焦工作，而傳統聚焦算法基于全局展開聚焦工作，通過圖9、圖10的比較，傳統聚焦算法聚焦效果明顯不如本研究準確，這樣為后期的工業作業帶來了很大麻煩，甚至嚴重影響工業作業的準確度。

圖9 本文算法處理后的顯微下視野

圖10 傳統聚焦方法處理后的顯微下視野

對照組算法與本文算法的聚焦效率測試見表1。從表1可知，本文算法的聚焦效率非常高，時耗為0.87 s；而傳統算法為2.52 s。由于本研究基于有效聚焦點展開聚焦工作，減小了計算量；而傳統聚焦算法基于全局展開聚焦工作，增加了不必要的計算量。

表1 不同算法的聚焦效率對比結果 s

通過對比，可見本文快速自動聚焦算法的速度明顯快于傳統聚焦算法的速度。

4 結束語

本文針對顯微聚焦速度慢、精度不夠等問題，提出了機器視覺測量算子；根據顯微圖像內容，自動選擇圖像有效聚焦點，設計了快速自動聚焦算法。本文將最大灰度值像素作為有效聚焦點，有機結合清晰度評價函數和爬山搜索法快速鎖定Z軸聚焦位置。實驗結果表明，在精度和速度上，相對于傳統方法，該方案應用在快速自動聚焦上可以達到較好的效果，在工程上應用是可行的。

[1]翟永平,劉云輝，周東翔，等.稀疏圖像內容情況下顯微鏡自動聚焦算法[J].軟件學報,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.紅外透鏡檢測中的自動聚焦技術[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的離焦深度快速自動聚焦技術[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調焦算法[J].光子學報,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,李合銀，程雪岷，等.嵌入式自動聚焦攝像模組控制系統的設計[J].光學精密工程,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研究資助項目(KJ2013Z038)

王幫元(1966-)，男，副教授，研究方向：圖像處理；計算機應用.

TP391

A

1671-4679(2014)06-0032-05

劉文霞]