CN102156997A - 图像处理设备和图像处理方法 - Google Patents

Abstract

本发明公开了图像处理设备和图像处理方法。该图像处理设备包括接收器和经预测图像生成器，接收器用于接收全对焦图像，该图像是通过与形成多个焦面图像的多个分割区域相对应地、针对每个焦面图像从多个焦面图像中选择作为多个分割区域的图像中的最佳聚焦的图像的代表性分割图像而生成的，多个焦面图像是通过在多个聚焦位置处对对象成像而获得的，并且接收器用于接收关于包括代表性分割图像的焦面图像的聚焦位置的信息，经预测图像生成器用于通过基于关于包括代表性分割图像的焦面图像的聚焦位置的信息针对代表性分割图像中的每一个利用模糊函数执行模糊补偿预测，来生成与每个焦面图像相对应的经模糊补偿预测的图像，其中该信息是由接收器接收的。

Description

图像处理设备和图像处理方法

技术领域

本发明涉及能够对图像数据执行压缩编码和解码的图像处理设备和图像处理方法。

背景技术

近年来，已知一种以数字形式摄取(pick up)由光学显微镜捕获的图像并将图像保存或显示为数字图像的系统。在上述系统中，希望可以利用等于或高于真实显微镜的可操作性来观察所摄取的数字图像。

例如，当以小的景深通过显微镜光学系统观察具有一定厚度的样本时，通过旋转慢动聚焦螺杆来改变聚焦位置(focus position)的操作是必要的。为了在上述系统中实现该操作，通过在多个聚焦位置处对同一样本成像而获得的多个焦面图像(focus face image)是必要的。因而，要观察一个样本需要大量的图像数据，因而在上述系统中，希望高效地压缩图像数据。

例如，日本专利申请早期公开No.2007-11977(下文中称为专利文献1)公开了一种压缩方法，该方法包括对多个焦面图像使用帧间编码。在帧间编码中，确定彼此相邻的帧之间的差分。另外，专利文献1还涉及一种包括使用经预测图像的压缩方法，该经预测图像是通过对作为基准的焦面图像执行模糊补偿预测而生成的。例如，当希望对一个焦面图像进行压缩时，对基准焦面图像执行模糊补偿预测，该模糊补偿预测取决于其焦面和作为基准的焦面之间的距离。然后，对所生成的经预测图像和要压缩的焦面图像之间的差分数据进行编码(参见专利文献1中的第0030、0033段，等等)。

发明内容

然而，在专利文献1所描述的帧间编码方法中，为了对任意聚焦位置处的焦面图像解码，必须对彼此相邻的焦面图像进行解码。因而，花费较长时间来执行解码处理，这是不实用的。另外，在上述模糊补偿预测中，仅在模糊方向上执行图像预测。因此，当基于一个基准焦面图像执行模糊补偿预测时，难以高精度地生成经预测图像。结果，经预测图像和要压缩的焦面图像之间的差分数据增大，因而压缩率不利地降低。

考虑到上述情形，需要提供一种图像处理设备和图像处理方法，它们能够以高压缩率对不同聚焦位置处的多个焦面图像进行压缩编码，并且还能够在短处理时间内对不同聚焦位置处的多个焦面图像进行解码。

根据本发明的一个实施例，提供了一种图像处理设备，包括接收装置和经预测图像生成装置。接收装置接收以下内容：全对焦图像(all-in-focus image)，该图像是通过与形成多个焦面图像的多个分割区域相对应地、针对每个焦面图像从多个焦面图像中选择作为多个分割区域的图像中的最佳聚焦图像的代表性分割图像而生成的，该多个焦面图像是通过在多个聚焦位置处对对象成像而获得的，以及关于包括代表性分割图像的焦面图像的聚焦位置的信息。经预测图像生成装置通过基于关于包括代表性分割图像的焦面图像的聚焦位置的信息、针对代表性分割图像中的每一个利用模糊函数执行模糊补偿预测，来生成与每个焦面图像相对应的经模糊补偿预测的图像，其中该信息是由接收装置接收的。

根据本发明的另一个实施例，提供了一种图像处理设备，包括接收器和经预测图像生成器。接收器接收以下内容：全对焦图像，该图像是通过与形成多个焦面图像的多个分割区域相对应地、针对每个焦面图像从多个焦面图像中选择作为多个分割区域的图像中的最佳聚焦图像的代表性分割图像而生成的，该多个焦面图像是通过在不同聚焦位置处对对象成像而获得的，以及关于包括代表性分割图像的焦面图像的聚焦位置的信息。经预测图像生成器通过基于关于包括代表性分割图像的焦面图像的聚焦位置的信息针对代表性分割图像中的每一个利用模糊函数执行模糊补偿预测，来生成与每个焦面图像相对应的经模糊补偿预测的图像，其中该信息是由接收器接收的。

在根据上述实施例中的每一个的图像处理设备中，针对作为形成全对焦图像的最佳聚焦图像的代表性分割图像中的每一个来执行模糊补偿预测。因而，可以高精度地生成与每个焦面图像相对应的经模糊补偿预测的图像。因此，例如，以生成焦面图像和经模糊补偿预测的图像之间的差分图像的方式，可以以高压缩率对不同聚焦位置处的多个焦面图像进行压缩编码。

图像处理设备还可包括全对焦图像生成装置和差分图像生成装置。全对焦图像生成装置通过基于分割区域图像的亮度信息选择代表性分割图像来生成全对焦图像。差分图像生成装置生成每个焦面图像和与每个焦面图像相对应的经模糊补偿预测的图像之间的差分图像，该经模糊补偿预测的图像是由经预测图像生成装置生成的。

如上所述，高精度地生成与每个焦面图像相对应的经模糊补偿预测的图像。因此，可以减少焦面图像和经模糊补偿预测的图像之间的差分图像的数据量。因此，可以以高压缩率对不同聚焦位置处的多个焦面图像进行压缩编码。

全对焦图像生成装置可以通过基于各个分割区域图像的对比度选择代表性分割图像来生成全对焦图像。

经预测图像生成装置可以针对每个代表性分割图像执行模糊补偿预测，并且可以针对全对焦图像中包括的多个代表性分割图像之间的边界区域执行边界区域模糊补偿预测，该多个代表性分割图像是彼此相邻的。针对彼此相邻的代表性分割图像之间的边界区域执行边界区域模糊补偿预测，因而，例如可以防止诸如由于代表性分割图像之间的边界中的不连续性而引起的折叠(folding)之类的问题。

图像处理设备还可包括存储装置。存储装置存储全对焦图像和关于包括代表性分割图像的焦面图像的聚焦位置的信息。

存储装置可以存储每个焦面图像和与每个焦面图像相对应的经模糊补偿预测的图像之间的差分图像，该经模糊补偿预测的图像是由经预测图像生成装置生成的。另外，图像处理设备还可包括相加图像生成装置。相加图像生成装置生成存储在存储装置中的差分图像和与每个焦面图像相对应的经模糊补偿预测的图像的相加图像，该经模糊补偿预测的图像是由经预测图像生成装置生成的。

在上述图像处理设备中，以生成所存储的差分图像和与每个焦面图像相对应的经模糊补偿预测的图像的相加图像的方式，对每个焦面图像进行解码。因而，为了对任意焦面图像解码，没有必要对其他焦面图像进行解码。因此，可以在短处理时间内对不同聚焦位置处的多个焦面图像进行解码。

根据本发明的另一个实施例，提供了一种由图像处理设备执行的图像处理方法。该图像处理方法接收以下内容：全对焦图像，该图像是通过与形成多个焦面图像的多个分割区域相对应地、针对每个焦面图像从多个焦面图像中选择作为多个分割区域的图像中的最佳聚焦的图像的代表性分割图像而生成的，该多个焦面图像是通过在不同聚焦位置处对对象成像而获得的，以及关于包括代表性分割图像的焦面图像的聚焦位置的信息。该图像处理方法还包括通过基于关于包括代表性分割图像的焦面图像的聚焦位置的信息、针对代表性分割图像中的每一个利用模糊函数执行模糊补偿预测，来生成与每个焦面图像相对应的经模糊补偿预测的图像。

如上所述，根据本发明的实施例，可以以高压缩率对不同聚焦位置处的多个焦面图像进行压缩编码，并且还可以在短的处理时间内对不同聚焦位置处的多个焦面图像进行解码。

附图说明

图1是示出至少包括根据本发明第一实施例的图像处理设备的图像处理系统的配置的框图；

图2是被图1中所示的PC进行了压缩编码的多个焦面图像的说明图；

图3是被图1中所示的PC进行了压缩编码的多个焦面图像的说明图；

图4是用于对图2中所示的多个焦面图像进行压缩编码的全对焦图像的说明图；

图5是示出PC生成图4中所示的全对焦图像的处理的流程图；

图6是图2中所示的多个焦面图像的压缩编码的概况的说明图；

图7是示出PC对图2中所示的多个焦面图像进行压缩编码的处理的流程图；

图8是图2中所示的多个焦面图像的压缩编码的说明图；

图9是示出根据本发明第二实施例由PC对每个经压缩编码的焦面图像进行解码的处理的流程图；

图10是根据本发明第三实施例对代表性MB应用模糊补偿滤波器(blur compensation filter)的说明图；

图11是根据本发明第四实施例的多个焦面图像的压缩编码的概况的说明图；以及

图12是示出根据本发明另一实施例的图像处理系统的配置示例的视图。

具体实施方式

下文中将参考附图描述本发明的实施例。

<第一实施例>

[图像处理系统的配置]

图1是示出至少包括根据本发明第一实施例的图像处理设备的图像处理系统的配置的框图。例如，PC(个人计算机)100被用作图像处理设备。

PC 100包括CPU(中央处理单元)101、ROM(只读存储器)102、RAM(随机访问存储器)103、输入/输出接口105和将这些组件彼此连接的总线104。

连接到输入/输出接口105的有：显示部分106、输入部分107、存储部分108、通信部分109、驱动部分110等等。

显示部分106例如是使用液晶、EL(电致发光)或CRT(阴极射线管)的显示设备。

输入部分107包括点选设备、键盘、触摸面板和其他操作设备。在输入部分107包括触摸面板的情况下，触摸面板可以与显示部分106相集成。

存储部分108是非易失性存储器，例如HDD(硬盘驱动器)、闪存或另一种固态存储器。

驱动部分110例如是能够驱动诸如光记录介质、软盘(floppy，注册商标)、磁记录带或闪存之类的可移除记录介质111的设备。同时，上述存储部分108经常用作预先安装在PC 100中的设备，其主要驱动不可移除的记录介质。

通信部分109是调制解调器、路由器或者用于与其他设备通信的另一通信设备，其可以连接到LAN(局域网)、WAN(广域网)等等。通信部分109可以执行有线通信或无线通信。通信部分109经常与PC 100分开使用。

[要压缩编码的图像]

图2和图3是多个焦面图像的说明图，这些焦面图像将要被根据第一实施例的PC 100进行压缩编码。

例如，通过具有光学显微镜功能的扫描仪设备等(未示出)，要观察的对象2被成像。在这种情况下，要观察的对象2被夹持在两个显微镜滑片1a和1b之间。如图2所示，景深F(它是在光学显微镜中获得对焦图像的范围)小于要观察的对象2的厚度t。考虑到此，要观察的对象2被在要观察的对象2的厚度方向(图2的Z方向)上的不同聚焦位置处成像，该厚度方向是光学显微镜的聚焦方向。因此，生成了在不同区域中聚焦的多个焦面图像3。这多个焦面图像3被适当地输出，因此可以实现与通过旋转光学显微镜的慢动聚焦螺杆来改变聚焦位置的操作类似的操作。

尽管图2中示出了七个焦面图像3a至3g，但是焦面图像3的数目可以适当地设置。例如，可以生成大约几十或者更多个焦面图像3。应当注意，上述生成焦面图像3的处理被称为“虚拟滑动”。

另外，如图3所示，针对各个焦面图像3a至3g生成图像金字塔结构4a至4g。这些图像金字塔结构4a至4g是多个图像群组，每个群组是针对各个焦面图像3a至3g以不同分辨率生成的。作为图3的横轴的Z轴指示出聚焦方向轴，并且作为图3的纵轴的M轴指示出图像放大倍率(分辨率)方向轴。

在图像金字塔结构4a至4g的最低层(M＝0)，分别布置了各自具有最大尺寸的焦面图像3a至3g。在图像金字塔结构4a至4g的最高层(M＝3)，分别布置了各自具有最小尺寸的焦面图像3’a至3’g。各自具有最大尺寸的焦面图像3a至3g的分辨率例如是50×50(K像素：千像素)或者40×60(K像素)。各自具有最小尺寸的焦面图像3’a至3’g的分辨率例如是256×256(像素)或者256×512(像素)。

低放大倍率(例如M＝1、2、3)处的焦面图像是通过利用诸如Lanczos之类的滤波器来缩减高放大倍率(M＝0)处的焦面图像3a至3g的尺寸来生成的。作为缩减比率，例如可以选择1/2、1/4、1/8或更小。通过多个图像金字塔结构4a至4g，可以实现与改变由光学显微镜捕获的图像的放大倍率的操作类似的操作。

[图像处理设备的操作]

将描述作为根据第一实施例的图像处理设备的PC 100的操作。PC100的以下处理是通过存储在存储部分108、ROM 102等中的软件和用于PC 100的硬件资源的协作来实现的。具体而言，CPU 101将构成软件的存储在存储部分108、ROM 102等中的程序载入到RAM 103中以便执行程序，从而实现以下处理。

[全对焦(all in-focus)图像]

首先，将描述用于对图2中所示的多个焦面图像3进行压缩编码的全对焦图像。图4是全对焦图像的说明图。

如图4所示，通过CPU 101，Z方向上的位置坐标z(0至6)被定义为焦面图像3a至3g的多条聚焦位置信息。图4的Z方向对应于图2中所示要观察的对象2的厚度方向。例如，具有等于0的位置坐标z的焦面图像3a是以以下状态摄取的图像：其聚焦位置是在从图2所示要观察的对象2的顶部部分一侧上确定的。下文中，焦面图像3a至3g被使用位置坐标z称为焦面图像I(z)。

另外，如图4所示，通过CPU 101，每个焦面图像I(z)被分割为作为多个分割区域中的图像的MB(宏块)5。尽管MB 5的尺寸一般例如是16×16(像素)，但是也可以适当地设置8×8(像素)。每个MB 5设有作为二维位置信息的编号mb。例如，如图4所示，各个焦面图像I(z)上各自具有相同编号mb(例如，mb＝10)的MB 5是各自被布置在各个焦面图像I(z)上相同的位置处的MB 5。

通过CPU 101，针对所有编号mb中的每一个，选择了一个代表性MB 6作为在每个焦面图像I(z)中包括的MB 5中的最佳聚焦的代表性分割图像。这些代表性MB 6被彼此相加，从而生成图4中所示的全对焦图像I_{all_focused}。例如，作为一种选择代表性MB 6的方法，基于MB 5的每个像素的亮度值计算每个MB 5的对比度，并且将各自具有最大对比度的MB 5选为代表性MB 6。或者，可以将各自具有最大亮度值或最大平均亮度值的MB 5选为代表性MB 6。另外，可以采用基于MB 5的亮度值信息的各种聚焦检测方法。

图5是示出PC 100生成全对焦图像I_{all_focused}的处理的流程图。首先，将在下面描述图5中所示的符号。

MB_num：每个焦面图像I(z)的MB 5的数目

Z_num：焦面图像I(z)的数目

I(z，mb)：焦面图像I(z)上具有编号mb的MB 5

z₀(mb)：包括具有编号mb的代表性MB 6的焦面图像I(z)的位置坐标z

I_{all_focused}(mb)：全对焦图像I_{all_focused}中具有编号mb的代表性MB 6

Enc(I_{all_focused}(mb))：在编码之后全对焦图像I_{all_focused}中具有编号mb的代表性MB 6

Enc(I_{all_focused})：在编码之后的全对焦图像I_{all_focused}

图5中所示的步骤101a和101b意味着从具有编号mb＝1的MB 5开始，步骤101a和101b之间所描述的步骤被在MB_num的所有MB上重复。类似地，图5中所示的步骤102a和102b意味着从具有z＝1的位置坐标的焦面图像I(1)开始，步骤102a和102b之间所描述的步骤被在z_num的所有焦面图像上重复。

通过CPU 101，首先，作为焦面图像I(1)中具有编号mb＝1的MB 5的(I(1，1))被输出(步骤101a和102a)。然后，判定I(1，1)的MB 5是否相比于I(0，1)的MB 5被更好地聚焦(步骤103)。在确定I(1，1)的MB 5相比于I(0，1)的MB 5被更好地聚焦的情况下(步骤103中的“是”)，z₀(1)＝1且I_{all_focused}(1)＝I(1，1)被设置(步骤104)。在确定I(1，1)的MB 5相比于I(0，1)的MB 5没有被更好地聚焦的情况下(步骤103中的“否”)，在返回到步骤102a之后接下来将作为焦面图像I(2)中具有编号mb＝1的MB 5的(I(2，1))与I(0，1)相比较(步骤102b)。

以这种方式，选择了编号mb＝1的代表性MB 6，并且定义了包括代表性MB 6的焦面图像的位置坐标z₀(1)。另外，全对焦图像的编号mb＝1的代表性MB 6被定义为I_{all_focused}(1)。应当注意，在步骤103中，在所有MB都被确定为“否”的情况下，作为焦面图像I(0)中具有编号mb＝1的MB 5的I(0，1)变为代表性MB 6，并且位置坐标变为z₀(1)＝0。

在步骤105中，对I_{all_focused}(1)进行编码从而生成Enc(I_{all_focused}(1))。返回步骤101a，针对具有编号mb＝2的MB 5执行步骤102a和102b之间的步骤，并且设置I_{all_focused}(2)的代表性MB 6和包括该代表性MB 6的焦面图像I(z)的位置坐标z₀(2)。然后，对I_{all_focused}(2)进行编码。如上所述，针对编号mb的所有MB中的每一个，计算作为代表性MB 6的I_{all_focused}(mb)和包括该代表性MB 6的焦面图像I(z)的位置坐标z₀(mb)，并且对每个I_{all_focused}(mb)进行编码。

在步骤106中，生成经编码的全对焦图像Enc(I_{all_focused})，然后与关于具有各个编号mb的代表性MB 6的位置坐标z₀(mb)一起存储在存储部分108等中。

应当注意，为了节省记录容量，全对焦图像I_{all_focused}的像素值可以通过公知的压缩方法来编码，例如JPEG(联合图像专家组)或MPEG(运动图像专家组)。另外，位置坐标z₀(mb)可以通过使用无损编码等来编码。

应当注意，可以使用除PC 100以外的PC等来生成经编码的全对焦图像Enc(I_{all_focused})，然后可以将全对焦图像Enc(I_{all_focused})存储在PC 100的存储部分108中。

[焦面图像的压缩编码]

图6是根据第一实施例对焦面图像I(z)(z＝0至6)的压缩编码的概况的说明图。如图6所示，针对全对焦图像I_{all_focused}的每个代表性MB 6，应用取决于每个代表性MB 6的模糊补偿滤波器(PSFa、PSFb、PSFc)。因而，生成了分别对应于焦面图像I(z)的经模糊补偿预测的图像(未示出)。计算每个焦面图像I(z)和每个相应经模糊补偿预测的图像之间的差分。这样获得的差分图像10a至10g被存储在存储部分108等中。因此，每个焦面图像I(z)被压缩编码。这将在下面详细描述。

图7是示出PC 100对每个焦面图像I(z)进行压缩编码的处理的流程图。图8是上述压缩编码的说明图。

首先，通过CPU 101，作为在图5所示的步骤106中被编码并保存在存储部分108等中的全对焦图像Enc(I_{all_focused})中具有编号mb的代表性MB 6的Enc(I_{all_focused}(mb))被解码(步骤202)。经解码的Enc(I_{all_focused}(mb))被称为I’_{all_focused}(mb)。

经解码的I’_{all_focused}(mb)和关于存储在存储部分108等中的具有编号mb的代表性MB 6的位置坐标z₀(mb)被输出(步骤203)。然后，针对I’_{all_focused}(mb)，基于位置坐标z₀(mb)执行模糊补偿预测(步骤204)。

如图7的步骤204’所示，模糊补偿预测是以以下方式执行的：其向I’_{all_focused}(mb)应用取决于要编码的焦面图像I(z)的位置坐标z和代表性MB6的位置坐标z₀(mb)的Z坐标位移|z-z₀(mb)|的模糊补偿滤波器PSF(|z-z₀(mb)|)。因此，Ipred(z，mb)被输出作为经模糊补偿预测的MB 7(步骤205)。

将详细描述模糊补偿滤波器PSF(|z-z₀(mb)|)。模糊补偿预测是利用预先确定的光学参数和取决于上述Z坐标位移|z-z₀(mb)|的混淆半径(confusion radius)R的容许圆、通过下面的PSF(点扩散函数)表达的。

[表达式1]

R(z，mb)＝α·Z_pitch·|z-z₀(mb)|+β

其中，Z_pitch是聚焦方向(图8的Z方向)上的成像间隔，即，彼此相邻的焦面图像I(z)之间的间隔。成像间隔例如大约若干μm。另外，α和β是由光学系统和成像设备之间的关系定义的系数。

当模糊补偿滤波器PSF(|z-z₀(mb)|)由PSF(x，y，z，mb)指示出时，利用R(z，mb)，模糊补偿滤波器PSF(|z-z₀(mb)|)由下面的表达式表达。

[表达式2]

$\mathrm{PSF}(x,y,z,\mathrm{mb})=\frac{1}{\mathrm{\&pi;R}{(z,\mathrm{mb})}^2}\exp [-\frac{{(x+x_0)}^2+{(y+y_0)}^2}{R{(z,\mathrm{mb})}^2}]$

π：圆周率

(x，y)：滤波器的坐标

(x0，y0)：滤波器的中心坐标

如上所述，当模糊补偿滤波器PSF(x，y，z，mb)被应用于I’_{all_focused}(mb)时，作为经模糊补偿预测的MB 7的Ipred(z，mb)被输出。这由下面的表达式表达。

[表达式3]

$I_{\mathrm{pred}}(z,\mathrm{mb})={I^{\&prime;}}_{\mathrm{all}\_\mathrm{focused}}\left(\mathrm{mb}\right)\&CircleTimes;\mathrm{PSF}(x,y,z,\mathrm{mb})$

通过CPU 101，计算作为经模糊补偿预测的MB 7的输出Ipred(z，mb)和作为要压缩的焦面图像I(z)的MB 5的I(z，mb)之间的差分。因此，Δ(z，mb)被计算作为差分MB 8，然后被存储在存储部分108等中(步骤206)。这由下面的表达式表达。

[表达式4]

Δ(z，mb)＝I(z，mb)-I_pred(z，mb)

如上所述，Δ(z，mb)被记录作为差分MB 8，因而，与作为压缩之前的焦面图像I(z)的MB 5的I(z，mb)的数据相比，可以明显减少数据量。当诸如频率转换技术和无损压缩技术之类的各种编码方法被应用于该Δ(z，mb)时，可以实现其进一步的高压缩(步骤207)。在步骤207中，编码之后的Δ(z，mb)被称为Enc(Δ(z，mb))。

通过从步骤201b返回到步骤201a，关于所有编号mb输出了作为经模糊补偿预测的MB 7的Ipred(z，mb)，并且生成了Ipred(z)作为与要压缩的焦面图像I(z)相对应的经模糊补偿预测的图像9。另外，生成了Δ(z，mb)作为关于所有编号mb的差分MB 8，并且生成了Δ(z)作为与要压缩的焦面图像I(z)相对应的差分图像10。在步骤208中，输出经编码的Enc(Δ(z))。

上述模糊补偿滤波器仅能够在模糊方向上生成经预测的图像。因而，例如，假定模糊补偿滤波器被应用于整个焦面图像I(z’)，因而生成了经模糊补偿预测的图像，其中焦面图像I(z’)是基准。在这种情况下，如果要压缩的另一焦面图像I(z)包括最佳聚焦的区域(对应于代表性MB 6)，则难以通过生成的经模糊补偿预测的图像来表示最佳聚焦的区域。结果，要压缩的焦面图像I(z)和经模糊补偿预测的图像之间的差分数据增大，因而压缩率降低。

然而，在用作根据第一实施例的图像处理设备的PC 100中，针对作为形成经解码的全对焦图像I’_{all_focused}的最佳聚焦的图像的代表性MB 6中的每一个，应用模糊补偿滤波器PSF(|z-z₀(mb)|)。因此，对于代表性MB6中的每一个，输出经模糊补偿预测的MB 7。因而，可以高精度地生成与每个焦面图像I(z)相对应的经模糊补偿预测的图像9。结果，可以明显减少焦面图像I(z)和经模糊补偿预测的图像9之间的差分图像10的数据量。因此，可以高精度地对不同聚焦位置处的多个焦面图像I(z)进行压缩编码。

<第二实施例>

将通过以PC作为根据本发明第二实施例的图像处理设备的示例进行描述。在下面的描述中，将省略或简化对PC 100的配置和与第一实施例中的描述相同的部分的描述。

根据第二实施例的PC是对已在第一实施例中进行了压缩编码的多个焦面图像I(z)进行解码的配置。在根据第二实施例的PC的存储部分等中，存储了已在图5的步骤106中生成的经编码的全对焦图像Enc(I_{all_focused})。另外，在PC的存储部分等中，存储了全对焦图像Enc(I_{all_focused})的每个编号mb的代表性MB的位置坐标z₀(mb)。另外，在存储部分等中，存储了与已在图7的步骤208中生成的每个经压缩的焦面图像I(z)相对应的经编码的差分图像Enc(Δ(z))。

[焦面图像的解码]

图9是示出由根据第二实施例的PC对各个焦面图像I(z)进行解码的处理的流程图。

通过包括在根据第二实施例的PC中的CPU，执行与图7的从步骤202到205所描述的操作类似的处理(步骤302-305)。即，对于作为具有编号mb的经解码代表性MB的I’_{all_focused}(mb)，执行基于位置坐标z₀(mb)的模糊补偿，然后输出作为经模糊补偿预测的MB的Ipred(z，mb)。

接下来，对作为存储在存储部分等中的经编码差分图像Enc(Δ(z))的经编码差分MB的Enc(Δ(z，mb))进行解码，并且生成Δ’(z，mb)作为解码之后的差分MB(步骤306)。

I’(z，mb)被生成，它是作为在步骤305中生成的经模糊补偿预测的MB的Ipred(z，mb)和作为上述差分MB的Δ’(z，mb)的相加MB(步骤307)。该作为相加MB的I’(z，mb)是通过对焦面图像I(z)的具有编号mb的MB进行解码而获得的。这由下面的表达式表达。

[表达式5]

I′(z，mb)＝I_pred(z，mb)+Δ′(z，mb)

通过从步骤301b返回到步骤301a，对于所有编号mb执行了上述处理，并且焦面图像I’(z)被输出作为焦面图像I(z)的经解码图像(步骤308)。上述处理是在每个位置坐标z中执行的，因而多个焦面图像I(z)被解码。

如上所述，在根据第二实施例的图像处理设备(PC)中，对于每个MB，经解码的差分图像Δ(z)和经模糊补偿预测的图像Ipred(z)被彼此相加，因而生成了作为相加图像的焦面图像I’(z)，它是焦面图像I(z)的经解码图像。因而，为了对任意的焦面图像I(z)解码，参考经解码的全对焦图像I’_{all_focused}就足够了，并且没有必要对其他焦面图像I(z)解码。因此，可以在短处理时间内对不同聚焦位置处的多个焦面图像I(z)进行解码。结果，可以利用良好的可操作性容易地实现旋转光学显微镜的慢动聚焦螺杆的操作和其类似操作。

应当注意，通过第一实施例中描述的PC 100，可以执行如第二实施例中所描述的多个焦面图像I(z)的解码。

<第三实施例>

图10是根据本发明第三实施例对代表性MB应用模糊补偿滤波器的说明图。

如图10所示，对作为经解码的全对焦图像I’_{all_focused}的MB 306的I’_{all_focused}(A)，应用模糊补偿滤波器PSF(|z-z₀(A)|)。此时，同样对I’_{all_focused}(A)与I’_{all_focused}(B)、I’_{all_focused}(C)和I’_{all_focused}(D)(它们是与I’_{all_focused}(A)相邻的其他代表性MB 306)之间的边界区域W也应用取决于I’_{all_focused}(A)的模糊补偿滤波器PSF(|z-z₀(A)|)。即，在I’_{all_focused}(B)、I’_{all_focused}(C)和I’_{all_focused}(D)中，对于不包括在边界区域W中的区域，分别应用模糊补偿滤波器PSF(|z-z₀(B)|)、模糊补偿滤波器PSF(|z-z₀(C)|)和模糊补偿滤波器PSF(|z-z₀(D)|)。另外，对于包括在边界区域W中的区域，如上所述应用模糊补偿滤波器PSF(|z-z₀(A)|)。然后，生成作为经模糊补偿预测的MB的Ipred(z，A)、Ipred(z，B)、Ipred(z，C)和Ipred(z，D)。

如上所述，模糊补偿滤波器被应用于代表性MB 306中的每一个，同时上述模糊补偿滤波器PSF(|z-z₀(A)|)被应用于彼此相邻的代表性MB 306的边界区域W。因此，可以防止诸如由于MB边界的不连续性引起的折叠或混叠(aliasing)之类的问题，该问题在对代表性MB中的每一个执行模糊补偿预测时可能发生。

在第三实施例中，对于边界区域模糊补偿预测，模糊补偿滤波器PSF(|z-z₀(A)|)被应用于边界区域W。然而，并非模糊补偿滤波器PSF(|z-z₀(A)|)，而是模糊补偿滤波器PSF(|z-z₀(B)|)、模糊补偿滤波器PSF(|z-z₀(C)|)和模糊补偿滤波器PSF(|z-z₀(D)|)中的任何一个都可以应用于边界区域W。或者，可以适当地把与应用于每个代表性MB 306的模糊补偿滤波器不同的模糊补偿滤波器设置为应用于边界区域W。

<第四实施例>

图11是根据本发明第四实施例对多个焦面图像I(z)的压缩编码和解码的概况的说明图。

在第四实施例中，具有M＝1的分辨率的尺寸缩减的全对焦图像I″_{all_focused}被存储在PC的存储部分等中。当参考尺寸缩减的全对焦图像I″_{all_focused}时，具有M＝0的分辨率的多个焦面图像I(z)被压缩编码或解码。

尺寸缩减的全对焦图像I″_{all_focused}是通过缩减图4中所示的全对焦图像I_{all_focused}的尺寸来生成的。否则，尺寸缩减的全对焦图像I″_{all_focused}可以基于具有M＝1的分辨率的尺寸缩减的焦面图像I″(z)来生成，该焦面图像I″(z)被包括在图3所示的各个图像金字塔结构4a至4g中。

针对尺寸缩减的全对焦图像I″_{all_focused}的尺寸缩减的代表性MB 6”中的每一个，应用放大滤波器和例如包括Lanczos的模糊补偿滤波器PSF，生成具有M＝0的分辨率的经模糊补偿预测的图像。计算每个焦面图像I(z)和经模糊补偿预测的图像(它们具有M＝0的分辨率)之间的差分，从而生成各自具有M＝0的分辨率的差分图像10a至10g。

当对焦面图像I(z)进行解码时，如上所述基于尺寸缩减的全对焦图像I″_{all_focused}来生成各自具有M＝0的分辨率的经模糊补偿预测的图像。然后，将经模糊补偿预测的图像中的每一个与差分图像10a至10g(各自具有M＝0的分辨率)中的每一个彼此相加。因而，各自具有M＝0的分辨率的多个焦面图像I(z)被解码。

如上所述，各自具有低分辨率的尺寸缩减的全对焦图像I″_{all_focused}被使用，因而可以减小用于保存尺寸缩减的全对焦图像I″_{all_focused}的存储器大小。另外，当尺寸缩减的全对焦图像I″_{all_focused}被编码并存储在存储部分等中时，可以减少在对尺寸缩减的全对焦图像I″_all focused解码时的CPU的处理量。应当注意，尺寸缩减的全对焦图像I″_{all_focused}的分辨率并不限于M＝1的分辨率，而是可以适当地设置。

根据上述实施例中每一个的图像处理设备被用在例如医学领域或病理领域的系统中，该系统对活性生物体的细胞、组织、器官等的图像(这些图像由光学显微镜捕获)进行数字化以便允许医生、病理学家等等基于数字图像来检查组织等或者对病人进行诊断。然而，图像处理设备的应用并不限于上述领域中的应用，图像处理设备也可应用在其他领域中。

<其他实施例>

根据本发明的实施例并不限于上述实施例，而是可以进行其他各种修改。

在上述实施例的每一个中，已经将PC作为图像处理设备的示例进行了描述。然而，具有光学显微镜功能的扫描仪设备等可以用作根据本发明每个实施例的图像处理设备，并且多个焦面图像可以被扫描仪设备等进行压缩编码或解码。

另外，如图12所示，被用作本发明实施例的扫描仪设备500进行了压缩编码的多个焦面图像可以存储在除了PC 200以外的另一计算机或服务器600中。另外，要被用户用作终端设备的每个PC 200可以访问上述计算机或服务器600，从而接收被压缩编码的多个焦面图像。被压缩编码的多个焦面图像被PC 200解码。在这种情况下，用作终端设备的PC 200和服务器600等可以经由诸如LAN或WAN之类的网络700彼此连接。尤其是，当使用WAN时可以实现远程医疗、远程诊断等等。

本申请包含与2010年1月19日向日本专利局提交的日本优先专利申请JP 2010-008989中公开的内容有关的主题，该申请的全部内容通过引用结合于此。

本领域的技术人员应当明白，可以根据设计要求和其它因素进行各种修改、组合、子组合和变更，只要它们在所附权利要求或其等同物的范围之内。

Claims (8)

1.一种图像处理设备，包括：

接收装置，用于接收

全对焦图像，该图像是通过与形成多个焦面图像的多个分割区域相对应地、针对每个焦面图像从所述多个焦面图像中选择作为所述多个分割区域的图像中的最佳聚焦的图像的代表性分割图像而生成的，所述多个焦面图像是通过在多个聚焦位置处对对象成像而获得的，和

关于包括所述代表性分割图像的焦面图像的聚焦位置的信息；以及

经预测图像生成装置，用于通过基于关于包括所述代表性分割图像的焦面图像的聚焦位置的信息针对所述代表性分割图像中的每一个利用模糊函数执行模糊补偿预测，来生成与每个焦面图像相对应的经模糊补偿预测的图像，其中该信息是由所述接收装置接收的。

2.如权利要求1所述的图像处理设备，还包括：

全对焦图像生成装置，用于通过基于所述分割区域图像的亮度信息选择所述代表性分割图像，来生成所述全对焦图像；以及

差分图像生成装置，用于生成每个焦面图像和与每个焦面图像相对应的经模糊补偿预测的图像之间的差分图像，所述经模糊补偿预测的图像是由所述经预测图像生成装置生成的。

3.如权利要求2所述的图像处理设备，

其中所述全对焦图像生成装置通过基于每个分割区域图像的对比度选择所述代表性分割图像，来生成所述全对焦图像。

4.如权利要求3所述的图像处理设备，

其中所述经预测图像生成装置针对每个代表性分割图像执行模糊补偿预测，并且针对所述全对焦图像中包括的多个代表性分割图像之间的边界区域执行边界区域模糊补偿预测，所述多个代表性分割图像是彼此相邻的。

5.如权利要求4所述的图像处理设备，还包括存储装置，用于存储所述全对焦图像和关于包括所述代表性分割图像的焦面图像的聚焦位置的信息。

6.如权利要求5所述的图像处理设备，

其中所述存储装置存储每个焦面图像和与每个焦面图像相对应的经模糊补偿预测的图像之间的差分图像，所述经模糊补偿预测的图像是由所述经预测图像生成装置生成的，并且

其中所述图像处理设备还包括相加图像生成装置，用于生成存储在所述存储装置中的差分图像和与每个焦面图像相对应的经模糊补偿预测的图像的相加图像，所述经模糊补偿预测的图像是由所述经预测图像生成装置生成的。

7.一种由图像处理设备执行的图像处理方法，包括：

接收

全对焦图像，该图像是通过与形成多个焦面图像的多个分割区域相对应地、针对每个焦面图像从所述多个焦面图像中选择作为所述多个分割区域的图像中的最佳聚焦图像的代表性分割图像而生成的，所述多个焦面图像是通过在多个聚焦位置处对对象成像而获得的，和

关于包括所述代表性分割图像的焦面图像的聚焦位置的信息；以及

通过基于接收到的关于包括所述代表性分割图像的焦面图像的聚焦位置的信息针对所述代表性分割图像中的每一个利用模糊函数执行模糊补偿预测，来生成与每个焦面图像相对应的经模糊补偿预测的图像。

8.一种图像处理设备，包括：

接收器，用于接收

全对焦图像，该图像是通过与形成多个焦面图像的多个分割区域相对应地、针对每个焦面图像从所述多个焦面图像中选择作为所述多个分割区域的图像中的最佳聚焦图像的代表性分割图像而生成的，所述多个焦面图像是通过在多个聚焦位置处对对象成像而获得的，和

关于包括所述代表性分割图像的焦面图像的聚焦位置的信息；以及

经预测图像生成器，用于通过基于关于包括所述代表性分割图像的焦面图像的聚焦位置的信息针对所述代表性分割图像中的每一个利用模糊函数执行模糊补偿预测，来生成与每个焦面图像相对应的经模糊补偿预测的图像，其中该信息是由所述接收器接收的。

Images