CN103500260A - 一种自适应自动对焦评价函数 - Google Patents
一种自适应自动对焦评价函数 Download PDFInfo
- Publication number
- CN103500260A CN103500260A CN201310495984.0A CN201310495984A CN103500260A CN 103500260 A CN103500260 A CN 103500260A CN 201310495984 A CN201310495984 A CN 201310495984A CN 103500260 A CN103500260 A CN 103500260A
- Authority
- CN
- China
- Prior art keywords
- evaluation function
- grain direction
- auto focus
- focus evaluation
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
提供了一种自适应自动对焦评价函数,该方法先计算实时采集图像的四个方向上的灰度共生矩阵,然后将这四个灰度共生矩阵的对比度值加以比较并获得被测目标的纹理方向信息,再由获得的纹理方向特征信息设计最优的自动对焦评价函数。该自动对焦评价函数不依赖光学系统和被测目标,对不同目标都表现出优异的性能。
Description
技术领域
本发明涉及显微视觉中的自动调焦领域,并且更具体地涉及一种用于自动对焦评价的函数。
背景技术
自动对焦系统是自动视频显微镜观察、测量以及深度信息重建的关键部件,有关显微镜自动对焦系统的研究一直是显微镜研究的热点,尤其是对大数值孔径、高放大倍率和小景深的自动视频显微镜。
目前提出的自动对焦系统主要有基于外部辅助测量设备的主动式自动对焦系统和基于图像质量评价的被动式自动对焦系统。基于外部辅助测量设备的主动式自动对焦系统根据外部测量设备测量的光学成像系统与被成像目标距离来调节二者的距离而实现自动对焦,但这种方法安装调试复杂,并且系统结构也较复杂,因此较少使用。目前应用较多的是基于图像质量评价的被动式自动对焦系统,通过使用自动对焦评价函数对所采集图像的质量评价来搜索焦点位置。被动式自动对焦系统实现简单,使用方便,但其应用的关键是自动对焦评价函数的设计和实验比较选取,因为自动对焦评价函数的性能严重依赖成像系统和被观察或测量目标,不同的自动对焦评价函数由于应用的不同而表现出非常大的性能差异,针对某一具体应用,必须分析比较或设计优化的自动对焦评价函数。
针对以上问题,本文拟设计一种不依赖显微成像系统和被观察或测量目标的自动对焦评价函数。显微镜的自动对焦系统在执行过程中根据所采集图像的特征分析自动设计优化的自动对焦评价函数,主动避免自动对焦评价函数对成像系统和目标的依赖性,从而从根本上提高显微镜的设计和开发效率。
发明内容
本发明的技术解决问题:设计一种根据所采集图像的特征分析自动选用设计优化的自动对焦评价函数,避免自动对焦评价函数对成像系统和目标的依赖性。
本发明的技术方案是:首先计算实时采集图像的四个方向上的灰度共生矩阵,然后将这四个灰度共生矩阵的对比度值加以比较并获得被测目标的纹理方向信息,再由获得的纹理方向特征信息设计最优的自动对焦评价函数。
附图说明
通过结合附图对本发明的实施例进行详细描述,本发明的上述和其它目的、特征、优点将会变得更加清楚,其中:
图1是本发明的算法流程图。
图2是四种方向的纹理图像和其在0°、45°、90°和135°方向上的灰度共生矩阵对比度柱状图。
表1是本发明中纹理方向矢量的可能结果。
表2是不同纹理方向矢量及其对应的最佳聚焦评价算子。
具体实施方式
如图1所示,本发明的方法过程是,首先计算实时采集图像的四个方向上的灰度共生矩阵,然后将这四个灰度共生矩阵的对比度值加以比较并获得被测目标的纹理方向信息,再由获得的纹理方向特征信息设计最优的自动对焦评价函数。
首先介绍一下灰度共生矩阵,由于纹理是由灰度分布在空间位置上反复出现而形成的,因而在图像空间中相隔某距离的两象素之间会存在一定的灰度关系,即图像中灰度的空间相关特性。灰度共生矩阵就是一种通过研究灰度的空间相关特性来描述纹理的常用方法。
设图像为M×N阶矩阵,并将每个像元出现的灰度值量化Ng层。设Lx={1,2,...,M}为水平空间域,Ly={1,2,N...,为}垂直空间域,G={1,2,...,Ng}为量化灰度层级。集Lx×Ly为行列编序的图像像元集,则图像函数f可表示为一个函数:指定每一个像元既有Ng个灰度层中的一个值G,即f:Lx×Ly→G。灰度共生矩阵定义为在图像域Lx×Ly范围内,两个相距为d,方向为θ的像元在图像中出现的概率,即:
P(i,j|d,θ)=#{[(k,l),(m,n)]∈(Lx×Ly)×(Lx×Ly)|d,θ,f(k,l)=i,f(m,n)=j}(1)
其中:#{x}表示大括号中成立的像元对数。
在本发明中我们对一幅图像分别计算了0°,45°,90°,135°四个方向上的灰度共生矩阵。
灰度共生矩阵的对比度特征参数可以在某种程度上反映该图像的纹理方向,其计算公式为:
本说明中以研磨零件表面为例,分别对四个方向的纹理进行四个方向灰度共生矩阵和其对比度值的计算,然后将结果加以比较。图1左侧一列为所拍摄的不同摆放角度的研磨零件表面图像,右侧四列为对应图像的四个方向灰度共生矩阵对比度值的条形图统计。通过比较可以很明显地注意到,当纹理方向与计算灰度共生矩阵方向相一致时,对应灰度共生矩阵对比度值相对较小。因此我们可以通过选用对比值相对较小的灰度共生矩阵的方向对纹理方向进行粗略估计。
我们设计了如下算法来进一步细化纹理方向。设定义纹理方向矢量D=[D1,D2,D3,D4],其中D1、D2、D3、D4分别对应纹理方向的0°、45°、90°和135°。元素为1时就认为具有对应方向的纹理,0时认为没有。设C=[C1,C2,C3,C4]为四个方向(0°,45°,90°,135°)上的灰度共生矩阵对比度矢量,并定义阈值T:
其中为集合C的平均值,min(C)为集合C的最小值。当矢量C中的任一元素小于T时,矢量D中对应元素赋值为1,即认为存在该方向的纹理。阈值T的设置方式可以保证我们的方向判断是恒有结果的,且最能反映纹理图像的方向。可能的纹理方向结果如表1所示:
表1纹理方向矢量
纹理方向矢量D | [D1 D2 D3 D4] |
1 | [1 0 0 0] |
2 | [0 1 0 0] |
3 | [0 0 1 0] |
4 | [0 0 0 1] |
5 | [1 0 1 0] |
6 | [0 1 0 1] |
7 | [1 1 0 0] |
8 | [0 1 1 0] |
9 | [0 0 1 1] |
10 | [10 0 1] |
现在,我们已经判断出了所观测对象的纹理方向,接下来的工作就是根据所判断出的纹理方向设计最佳的自动对焦评价函数。表2列出了我们针对
表2纹理方向与对应算子
不同纹理方向所选择的计算调焦评价函数所用到的算子。当纹理方向为水平、垂直,或水平和垂直时,我们选用Brenner算子和转置后的Brenner算子;当纹理方向为对角方向或包含对角方向时,我们选用对角方向的sobel算子。我们设原图像为f(x,y),算子只有一个时设为opr,两个时分别为opr1和opr2。则与opr卷积后的图像为g(x,y)=f(x,y)*opr,与opr1和opr2卷积后的图像为g1(x,y)=f(x,y)*opr1,g2(x,y)=f(x,y)*opr2,其中*代表卷积操作。则评价函数为:
或
因为平方运算可以增大评价函数的对焦敏感特性,即可以使对焦位置附近的函数曲线具有更大的斜率,因而采用平方运算。
尽管已经示出和描述了本发明的示例实施例,本领域技术人员应当理解,在不背离权利要求及其等价物中限定的本发明的范围和精神的情况下,可以对这些示例实施例做出各种形式和细节上的变化。
Claims (3)
1.一种自适应自动对焦评价函数,其特征在于:方法先计算实时采集图像的0°、45°、90°和135°四个方向上的灰度共生矩阵,然后将这四个灰度共生矩阵的对比度值加以比较并获得被测目标的纹理方向信息,再由获得的纹理方向特征信息设计最优的自动对焦评价函数。
2.根据权利要求1所述的自适应自动对焦评价函数,其特征在于:为了细化获取到的纹理方向,设定义纹理方向矢量D=[D1,D2,D3,D4],其中D1、D2、D3、D4分别对应纹理方向的0°、45°、90°和135°。元素为1时就认为具有对应方向的纹理,0时认为没有。设C=[C1,C2,C3,C4]为四个方向0°、45°、90°、135°灰度共生矩阵对比度矢量,并定义阈值T:
其中为集合C的平均值,min(C)为集合C的最小值。当矢量C中的任一元素小于T时,矢量D中对应元素赋值为1,即认为存在该方向的纹理。
3.根据权利要求1所述的自适应自动对焦评价函数,其特征在于:根据所判断出的纹理方向设计最佳的自动对焦评价函数。当纹理方向为水平、垂直,或水平和垂直时,我们选用Brenner算子和转置后的Brenner算子;当纹理方向为对角方向或包含对角方向时,我们选用对角方向的sobel算子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310495984.0A CN103500260A (zh) | 2013-10-22 | 2013-10-22 | 一种自适应自动对焦评价函数 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310495984.0A CN103500260A (zh) | 2013-10-22 | 2013-10-22 | 一种自适应自动对焦评价函数 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103500260A true CN103500260A (zh) | 2014-01-08 |
Family
ID=49865470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310495984.0A Pending CN103500260A (zh) | 2013-10-22 | 2013-10-22 | 一种自适应自动对焦评价函数 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103500260A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1474345A (zh) * | 2003-05-22 | 2004-02-11 | 上海交通大学 | 虹膜识别系统的图像质量评价方法 |
US20070030998A1 (en) * | 2005-04-15 | 2007-02-08 | O'hara Charles G | Change analyst |
-
2013
- 2013-10-22 CN CN201310495984.0A patent/CN103500260A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1474345A (zh) * | 2003-05-22 | 2004-02-11 | 上海交通大学 | 虹膜识别系统的图像质量评价方法 |
US20070030998A1 (en) * | 2005-04-15 | 2007-02-08 | O'hara Charles G | Change analyst |
Non-Patent Citations (2)
Title |
---|
Q. LIANG 等: "A texture–analysis–based design method for self-adaptive focus criterion function", 《JOURNAL OF MICROSCOPY》, vol. 246, no. 02, 31 May 2012 (2012-05-31), pages 190 - 201 * |
陈美龙 等: "基于GLCM 算法的图像纹理特征分析", 《通信技术》, vol. 45, no. 02, 10 February 2012 (2012-02-10), pages 108 - 111 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pertuz et al. | Analysis of focus measure operators for shape-from-focus | |
Abdelhamed et al. | A high-quality denoising dataset for smartphone cameras | |
US20230342925A1 (en) | System and method for calculating focus variation for a digital microscope | |
US10567655B2 (en) | System and method for automated extraction of high resolution structural dynamics from video | |
DE102015005267B4 (de) | Informationsverarbeitungsvorrichtung, Verfahren dafür und Messvorrichtung | |
Mahmood et al. | Optimal depth estimation by combining focus measures using genetic programming | |
US9185402B2 (en) | Traffic camera calibration update utilizing scene analysis | |
EP3869257A1 (en) | Method and system for imaging a cell sample | |
CN102968800B (zh) | 一种图像清晰度的评价方法 | |
CN103389310B (zh) | 一种基于辐射标定的亚像素光学元件损伤在线检测方法 | |
Liu et al. | An image auto-focusing algorithm for industrial image measurement | |
CN108053396B (zh) | 一种多失真图像质量的无参考评价方法 | |
JP2014021489A (ja) | 顕微鏡法における被写界深度(dof)を改善するための方法及び装置 | |
CN102891966A (zh) | 数码成像设备的对焦方法及装置 | |
CN112019751B (zh) | 基于标定信息的自动聚焦方法 | |
CN105931257A (zh) | 基于纹理特征和结构相似度的sar图像质量评估方法 | |
CN103400368A (zh) | 基于图论和超像素的并行快速sar图像分割方法 | |
CN114693657A (zh) | 基于Faster R-CNN的大型复杂结构件表面多尺寸多类别缺陷智能检测方法及系统 | |
Cabazos-Marín et al. | Automatic focus and fusion image algorithm using nonlinear correlation: Image quality evaluation | |
CN108364274B (zh) | 微纳米尺度下光学图像的无损清晰重构方法 | |
CN103500260A (zh) | 一种自适应自动对焦评价函数 | |
CN116543247A (zh) | 基于光度立体表面重建的数据集制作方法及验证系统 | |
Phamila et al. | Low complexity multifocus image fusion in discrete cosine transform domain | |
US20160162753A1 (en) | Image processing apparatus, image processing method, and non-transitory computer-readable storage medium | |
Jia et al. | No-reference image quality assessment based on natural scene statistics and gradient magnitude similarity |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140108 |