CN101702053A - 一种尿沉渣检验设备中显微镜系统的自动聚焦方法 - Google Patents

Abstract

本发明涉及一种尿沉渣检验设备中显微镜系统的自动聚焦方法，属于显微镜系统的图像处理方法。首先拍摄层流形式高速通过流动池的聚焦液图像，然后对图像进行分析，寻找最佳的聚焦位置，实现尿沉渣检验设备中显微系统的自动聚焦。解决了尿沉渣检验设备中显微镜系统的自动聚焦问题，针对尿沉渣检验设备中利用聚焦液进行显微系统自动聚焦这一实际问题，提出了一种新的聚焦方法，该方法聚焦准确，重复性好。本发明提供了以计算聚焦液内聚焦微粒清晰度为基础，计算出每个位置的图像清晰度评价方法，更好的满足了图像清晰度评价函数的要求，使聚焦判断更加准确。

Description

一种尿沉渣检验设备中显微镜系统的自动聚焦方法

技术领域

本发明属于显微镜系统的图像处理技术领域，尤其是指一种尿沉渣显微镜系统中的自动聚焦方法。

背景技术

从基本原理上来说，自动聚焦方法可以分为两大类：一类是主动方法；另一类是被动方法。主动方法是基于镜头与被拍摄物体之间距离测量的测距方法，根据被拍摄物体的情况调整光学系统，主动方法的特征是通过接受主动发射电磁波或声波的反射来测量物体的距离和方位，并根据光学成像原理计算最佳聚焦位置，然后通过信息处理器来控制电机以实现自动聚焦，因此这种方法称为主动方法。

被动方法指利用光学系统所获取图像本身所自有的信息来实现自动聚焦，经过镜头位置的调节以获取最清晰的聚焦图像，这种方法也称之为基于数字图像处理的自动聚焦方法。该方法可以通过软件实现自动聚集，即通过固定的算法对数字图像在内包含的信息进行相应处理，得到相应的控制量，驱动步进电机，带动镜头前后移动，知道获得聚焦清楚的图像，因此这种方法称为被动方法。

不管现有的主动方法还是被动方法，都是利用在不同的位置拍摄固定目标图像，通过对图像进行分析，寻找最佳焦点。都无法直接应用于尿沉渣检验设备的流动式显微镜系统，因为基于图像分析尿沉渣仪器的原理是：仪器采用的流动式显微镜系统，尿样本采用层流平板式流式细胞技术、标本在上下层鞘液的包裹下进入系统，双层鞘流液包裹在尿液标本的外周，而尿液会以单层细胞颗粒的厚度进入薄层板。这样做的目的是为了防止交叉污染和保证尿液样本内的有形成分在同一焦面上。因此，无法找到相对“固定”的目标最作为聚焦的参照物。

发明内容

本发明提供一种尿沉渣检验设备中显微镜系统的自动聚焦方法，以解决现有的自动聚焦方法都无法直接应用于尿沉渣检验设备的流动式显微镜系统的问题。本发明采取的技术方案是，包括下列步骤：

(一)将聚焦区域分为N等分个位置，相邻两个位置的距离为d，每个位置连续拍摄M幅图像；

(二)选定一个阈值T，这个阈值的范围在[50，200]之间，然后采用区域生长算法分割图像中的每个聚焦微粒，其中阈值选定可以采用：最小误差法、大津率方法或者根据实验人为选定；

(三)对每个聚焦微粒图像进行边缘检测：

其中f：表示聚焦微粒的灰度图像，S：标识梯度模板；G：表示聚焦微粒的梯度图像。其中边缘检测可以采用的梯度模板有：Sobel算子、Robert算子；

(四)计算每个聚焦微粒的梯度均值作为该微粒的清晰度评价函数，公式如下：

其中grad(i)代表聚焦微粒梯度图像中第i个位置的梯度值，num代表聚焦微粒梯度图像内像素数量；

(五)计算每幅图像的清晰度评价函数，公式如下：

其中perptl_i代表第i个聚焦微粒的清晰度评价函数，K(i)代表第i幅聚焦图像内的聚焦微粒数量；

(六)计算每个位置的清晰度评价函数：

其中perpos(k)代表聚焦微粒第k幅图像清晰度评价函数0＜k≤N，M代表第k位置的图像数量，α_i代表第i幅评价函数权值，

这里每幅评价函数权值的选取方法为

(七)如果第k个位置拍摄的M幅图像内没有聚焦微粒，且左和右位置评价函数大于0，利用插值求第k个位置的清晰度评价函数；

(八)搜索N个位置的图像清晰度评价函数中最大峰值对应的位置为最佳聚焦位置。

由于图像清晰度评价函数可能出现多峰的情况，所以如果采用传统的搜索策略将可能搜索到局部峰值，而全程搜索策略可解决这一问题，因此：

本发明还包括：

(九)首先采用较大的步长进行全程搜索，并记录每一步搜索时的评价函数值，得到评价函数曲线的变化情况，然后通过步进电机将流动池移动到最大值的附近范围内，进行小步长进行二次聚焦并精确搜索，直到搜索到清晰度准则函数极值点为止，这样可以解决在多个峰值出现的情况下搜索最大值的问题。此时所对应的图像即为清晰的聚焦图像。

本发明有益效果是，首先拍摄层流形式高速通过流动池的聚焦液图像，然后对图像进行分析，寻找最佳的聚焦位置，实现尿沉渣检验设备中显微系统的自动聚焦。解决了尿沉渣检验设备中显微镜系统的自动聚焦问题，针对尿沉渣检验设备中利用聚焦液进行显微系统自动聚焦这一实际问题，提出了一种新的聚焦方法，该方法聚焦准确，重复性好。本发明提供了以计算聚焦液内聚焦微粒清晰度为基础，计算出每个位置的图像清晰度评价方法，更好的满足了图像清晰度评价函数的要求，使聚焦判断更加准确。

附图说明

图1是自动聚焦系统原理图；

图2是自动聚焦算法流程图；

图3是最小误差法求阈值流程图；

图4是区域生长算法流程图；

图5是Sobel算子边缘检测流程图；

图6是评价函数与位置分布函数图。

具体实施方式

名词解释：

尿沉渣：是指尿液内的有形成分，如尿液内的红细胞、白细胞和细菌等。

尿沉渣检验设备：是一种检测尿液内有形成分的临床检验设备。

聚焦液：一种含有固化红细胞的液体，浓度一般约为：0.8×10⁶～1.5×10⁶个/ul，用于尿沉渣检验设备中显微系统的自动聚焦过程。

聚焦微粒：聚焦液内的固化红细胞。

层流：层流是指流体微团互不掺混、运动轨迹有条不紊地流动。

流动池：是由特别制作的薄层板构成，检测样本在鞘流液的作用下形成层流。

包括下列步骤：

(一)如图1所示，将聚焦区间分为N＝500个位置，相邻两个位置距离d＝2um，每个位置连续拍摄M＝1幅图像；

图1中闪光灯1插入灯座2中，该灯座与灯座调节圈3螺纹连接、并与集光镜组4一起固定到聚光镜筒5，绿色滤光片7固定在聚光镜筒5内，聚光镜组8旋入聚光镜筒5的右端，该聚光镜筒固定在聚光镜座6上，该聚光镜座与光学基准板9通过螺钉固定连接；物镜10旋入物镜筒11内，辅助物镜13与物镜筒11右端固定连接，将C形接口14与CCD相机15螺纹连接，该C形接口与物镜筒11固定连接，物镜筒座12与光学基准板9通过螺钉固定连接。

(二)这里我们采用最小误差法求阈值T和采用区域生长算法分割图像中的聚焦微粒；

最小误差法求阈值：如图3所示，其原理是对一幅大小为M×N的数字图像，我们用f(x，y)表示图像上坐标为(x，y)的像素点的灰度值，图像的一维直方图h(g)表示图像中各个灰度值出现的频数，因此可以用一维直方图作为图像概率分布的描述.假设理想的灰度分布模型是混合正态分布p(g)＝∑P_ip(g|i)，这里P_i是子分布的先验概率，p(g)的二个子分布p(g|i)分别服从均值为μ_i，方差为δ_i的正态分布

如果以灰度T作为阈值，则算法步骤如下：

a)计算子分布先验概率： $P_0\left(t\right)=\underset{g=0}{\overset{t}{\mathrm{\Σ}}}h\left(g\right)$ $P_1\left(t\right)=\underset{g=t+1}{\overset{L-1}{\mathrm{\Σ}}}h\left(g\right)$

b)计算子分布均值： ${\mathrm{\μ}}_0\left(t\right)=\underset{g=0}{\overset{t}{\mathrm{\Σ}}}h\left(g\right)g/P_0\left(t\right)$ ${\mathrm{\μ}}_1\left(t\right)=\underset{g=t+1}{\overset{L-1}{\mathrm{\Σ}}}h\left(g\right)g/P_1\left(t\right)$

c)计算子分布方差： ${\mathrm{\δ}}_0^2\left(t\right)=\underset{g=0}{\overset{t}{\mathrm{\Σ}}}{(g-{\mathrm{\μ}}_0\left(t\right))}^{2}h\left(g\right)/P_0\left(t\right)$

${\mathrm{\δ}}_1^2\left(t\right)=\underset{g=t+1}{\overset{L-1}{\mathrm{\Σ}}}{(g-{\mathrm{\μ}}_1\left(t\right))}^{2}h\left(g\right)/P_1\left(t\right)$

d)计算最小分类图像误差函数：

J(t)＝1+2[P₀(t)lnδ₀(t)+P₁(t)lnδ₁(t)]-2[P₀(t)ln P₀(t)+P₁(t)lnP₁(t)]

e)选择最佳阈值，即满足J(t)取得最小值的T＝t^*。

区域生长算法：如图4所示，选择种子点，确定生长准则和终止条件。

1)采用遍历图像的办法选择第一个灰度大于T的像素点为种子点；

2)生长准则：灰度值f(x，y)大于T，采用八邻域遍历；

3)终止条件：一直进行到再没有满足生长准则需要的象素时为止。

(三)对每个聚焦微粒图像进行边缘检测，这里，梯度模板S采用Sobel算子。先利用Sobel算子分别进行水平检测和垂直检测，然后求矢量梯度。如图5所示，具体步骤如下：

a)进行水平方向边缘检测，采用Sobel算子水平方向模板：

$\left[\begin{array}{ccc}-1& -2& 1\\ 0& 0& 0\\ -1& 2& 1\end{array}\right]$

b)进行垂直方向边缘检测，采用Sobel算子垂直方向模板：

$\left[\begin{array}{ccc}-1& 0& 1\\ -2& 0& 2\\ -1& 0& 1\end{array}\right]$

c)求该点的矢量梯度： $\left|G\right|={[{\left(\frac{\∂f}{\∂x}\right)}^2+{\left(\frac{\∂f}{\∂y}\right)}^2]}^{\frac{1}{2}}$

(四)计算每个聚焦微粒的梯度均值作为该微粒的清晰度评价函数，公式如下：

$\mathrm{perptl}\left(i\right)=\underset{i=1}{\overset{\mathrm{num}}{\mathrm{\Σ}}}\mathrm{grad}\left(i\right)/\mathrm{num}$

其中，grad(i)代表聚焦微粒梯度图像中第i个位置的梯度值，num代表聚焦微粒梯度图像内像素数量；

(五)计算每幅图像的清晰度评价函数，公式如下：

$\mathrm{perimg}\left(i\right)=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}\mathrm{perptl}\left(i\right)/K\left(i\right)$

其中，perptl_i代表第i个聚焦微粒的清晰度评价函数，K(i)代表第i幅聚焦图像内的聚焦微粒数量；

(六)每个位置的清晰度评价函数，公式如下：

$\mathrm{perpos}\left(k\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\α}}_i\mathrm{perimg}\left(i\right)$

其中，perpos(k)代表聚焦微粒第k幅图像清晰度评价函数0＜k≤N，M代表第k位置的图像数量，α_i代表第i幅评价函数权值，

这里每幅评价函数权值的选取方法为：

(七)如果第k个位置拍摄的M图像内没有聚焦微粒，且左和右位置评价函数大于0，利用插值求第k个位置的清晰度评价函数，这里采用简单的二次插值，即：

perpos(k′)＝(perpos(k′-1)+perpos(k′+1))/2；

(八)搜索N个位置图像清晰度评价函数中最大峰值对应的位置为最佳聚焦位置，如图6所示X轴代表位置，F(x)代表评价函数；

(九)为了应对可能出现的多峰问题，我们这里采用全程搜索策略是：首先采用较大的步长，按(一)～(八)步骤进行聚焦搜索，其中N＝500，d＝2um，M＝1记录每一步搜索时的评价函数值，得到评价函数曲线的变化情况，然后通过步进电机将流动池移动到最大值的附近范围内，进行小步长按(一)～(八)步骤进行聚焦搜索，其中(N＝125，d＝1um，M＝4)，直到搜索到清晰度准则函数极值点为止。

Claims (2)

1.一种尿沉渣检验设备中显微镜系统的自动聚焦方法，其特征在于包括下列步骤：

(一)将聚焦区域分为N等分个位置，相邻两个位置的距离为d，每个位置连续拍摄M幅图像；

(二)选定一个阈值T，这个阈值的范围在[50，200]之间，然后采用区域生长算法分割图像中的每个聚焦微粒，其中阈值选定可以采用：最小误差法、大津率方法或者根据实验人为选定；

(三)对每个聚焦微粒图像进行边缘检测：

其中f：表示聚焦微粒的灰度图像，S：标识梯度模板；G：表示聚焦微粒的梯度图像。其中边缘检测可以采用的梯度模板有：Sobel算子、Robert算子；

(四)计算每个聚焦微粒的梯度均值作为该微粒的清晰度评价函数，公式如下：

其中grad(i)代表聚焦微粒梯度图像中第i个位置的梯度值，num代表聚焦微粒梯度图像内像素数量；

(五)计算每幅图像的清晰度评价函数，公式如下：

其中perptl_i代表第i个聚焦微粒的清晰度评价函数，K(i)代表第i幅聚焦图像内的聚焦微粒数量；

(六)计算每个位置的清晰度评价函数：

其中perpos(k)代表聚焦微粒第k幅图像清晰度评价函数0＜k≤N，M代表第k位置的图像数量，α_i代表第i幅评价函数权值，

这里每幅评价函数权值的选取方法为

(七)如果第k个位置拍摄的M幅图像内没有聚焦微粒，且左和右位置评价函数大于0，利用插值求第k个位置的清晰度评价函数；

(八)搜索N个位置的图像清晰度评价函数中最大峰值对应的位置为最佳聚焦位置。

2.根据权利要求1所述的尿沉渣检验设备中显微镜系统的自动聚焦方法，其特征在于还包括下列步骤：

(九)首先采用较大的步长进行全程搜索，并记录每一步搜索时的评价函数值，得到评价函数曲线的变化情况，然后通过步进电机将流动池移动到最大值的附近范围内，进行小步长进行二次聚焦并精确搜索，直到搜索到清晰度准则函数极值点为止，这样可以解决在多个峰值出现的情况下搜索最大值的问题。此时所对应的图像即为清晰的聚焦图像。

Images