CN104732525A - 结合像素间距法视觉显著性的显微图像清晰度评价方法 - Google Patents

Abstract

本发明公开了一种结合像素间距法视觉显著性的显微图像清晰度评价方法，包括如下步骤：①提取对焦准确区域；②求取平均边缘宽度；③建立清晰度评价指标；优点在于针对显微图像，考虑视觉显著性提取图像中对焦准确区域；针对这些对焦准确区域，进而利用平均边缘宽度衡量清晰度，在本发明方法中，只要一幅输入显微图像，即可迅速获取符合HVS主观评价的客观评价结果，本发明方法可应用于显微镜成像优化、显微镜自动对焦等等，快速实现数码显微图像的质量评价。

Description

结合像素间距法视觉显著性的显微图像清晰度评价方法

技术领域

本发明涉及一种图像清晰度的评价方法，尤其涉及一种结合像素间距法视觉显著性的显微图像清晰度评价方法。

背景技术

图像清晰度评价是数字显微图像处理技术的重要组成部分之一。在数字显微成像中，通常需要用机器来判定图像的优劣——即所谓的客观评价方法。人类视觉系统(Human Visual System：HVS)能够自动判别图像是否清晰，其中包含几个方面的特点与要求：看清细胞，评价重点是对焦清晰的细胞的对比度、边缘锐度(尽量少弥散)；评价结果应该与照片曝光亮暗无关、与细胞多少无关、与照片中可能存在的杂质无关；如果有对焦不准确的细胞与对焦准确的细胞同时存在，应该自动忽略不清晰的细胞。而机器视觉系统却不能准确区分与考虑这些。因此，针对显微图像进行清晰度评价，如何设计满足这些条件的客观算法，以给出符合HVS一致的评价结果，这正是数字显微图像处理技术的关键难点之一；此外，对于显微图像评价，必然是无参考的评价方式，这也是一个难点。

对于图像清晰度，无参考评价方式通常采用梯度衡量法等，但其针对的通常是整幅图像，这显然不符合前景与背景都存在的显微图像的应用。另外，考虑视觉特性的一些图像评价方法，通常也是考虑整幅图像基础上的局部操作，也无法较好满足显微图像评价所需的几点要求。这些都是导致常用方法评价显微图像得到的结果不符合HVS主观评价的原因。

在光照、曝光不定情况下，对清晰度评价的要求更高；并且，需要对显微图像中对焦区域进行提取，专门针对这些区域进行评估。设计符合HVS的显微图像清晰度评价方法，必须满足：只评价清晰目标——对焦清晰物体，评价与亮暗、物体多少等无关，清晰度考察的是目标的对比度、边缘锐度等。

发明内容

本发明所要解决的技术问题是提供一种结合像素间距法视觉显著性的显微图像清晰度评价方法，可从单幅显微图直接计算视觉显著性索引图并提取对焦准确区域，进而利用平均边缘宽度衡量这些区域，并最终实现图像清晰度的准确评价。

本发明解决上述技术问题所采用的技术方案为：一种结合像素间距法视觉显著性的显微图像清晰度评价方法，包括如下步骤：

①提取对焦准确区域：

①－a获取视觉显著性索引图；

将原始显微图像定义为I，将与原始显微图像I对应的视觉显著性索引图定义为V，将视觉显著性索引图V中的任意像素定义为p，将该像素p处的像素强度定义为I(p)，将该像素p处的显著性值定义为像素间距：

$V\left(I\left(p\right)\right)=\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}{N}_{j}G(I\left(p\right),j)$

上式中，G(I(p),j)＝|I(p)-j|，j代表强度——灰度值，Nj表示原始显微图像I中具有强度为j的像素个数，L是灰阶，利用上式计算原始显微图像I中所有像素的像素间距，获得视觉显著性索引图V，然后对V进行归一化，即V[0，1]；

①－b阈值与形态学处理

对步骤①－a得到的视觉显著性索引图V，定义阈值Th，对V进行分割，产生阈值图T：

T＝(V>Th)

进而利用形态学手段进行扩展，得到二值化的清晰物体区域提取模板TM：

$\mathrm{TM}=T\⊕\mathrm{mask}$

这里的mask是r×r的结构元素，是形态学的膨胀操作，然后根据清晰物体区域提取模板TM，找出原始显微图像I中对应于TM值为1的像素区域，即为对焦准确区域；

②求取平均边缘宽度：

根据步骤①得到的对焦准确区域，统计平均边缘宽度，具体步骤如下：

②－a获取边缘图像；

使用各向同性sobel竖直方向算子检测区域图像，得到边缘图像，记为E；

②－b寻极值：

对于边缘图像E中的某个边缘点i，找到图像f的对应点附近(同一行)的极值点；

②－c)计算边缘宽度：

找到的极值点的像素间距离就是该边缘的宽度，记为width_i；

②－d)重复(a)-(c)，对边缘图像E中所有边缘点求取极值点的像素间距离，求和得到总的边缘宽度值，而边缘点的数量即为边缘数量，记为N；

③建立清晰度评价指标：

将为总的边缘宽度值与边缘数量的比值定义为清晰度评价值，记为clear；即

图像越清晰，则清晰度评价值clear越小。

所述的各向同性sobel竖直算子为： $\left[\begin{array}{ccc}-1& 0& -1\\ -\sqrt{2}& 0& \sqrt{2}\\ -1& 0& 1\end{array}\right],$ 对应的各向同性sobel水平算子为： $\left[\begin{array}{ccc}-1& -\sqrt{2}& -1\\ 0& 0& 0\\ -1& \sqrt{2}& 1\end{array}\right].$

所述的原始显微图像I的深度为8位，对应的图像灰阶L＝256。

与现有技术相比，本发明的优点在于针对显微图像，考虑视觉显著性提取图像中对焦准确区域；针对这些对焦准确区域，进而利用平均边缘宽度衡量清晰度。在本发明方法中，只要一幅输入显微图像，即可迅速获取符合HVS主观评价的客观评价结果。本发明方法可应用于显微镜成像优化、显微镜自动对焦等等，快速实现数码显微图像的质量评价。

附图说明

图1为本发明方法的操作流程框图；

图2为具体实施例1的图像(包括清晰图与模糊程度不同的图)，

其中：

图2a为原始清晰图像；

图2b为高斯模糊退化图，高斯核半径为5，标准差为1；

图2c为高斯模糊退化图，高斯核半径为5，标准差为2；

图2d为高斯模糊退化图，高斯核半径为5，标准差为3；

图2e为高斯模糊退化图，高斯核半径为5，标准差为4；

图2f为高斯模糊退化图，高斯核半径为5，标准差为5；

图3为具体实施例2的图像(包括前景对焦区域模糊图与背景非对焦区域模糊图)，

其中：

图3a为原始清晰图像；

图3b为前景对焦区域模糊图，高斯核半径为5，标准差为5；

图3c为背景非对焦区域模糊图，高斯核半径为5，标准差为5。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

利用本发明方法处理流程，如图1所示，输入原始显微图像，即可得到评价结果——一个评估数值。以图2a(观测显微图像)为例(以下称为I),采用的阈值Th＝0.8，结构元素尺寸r＝9，其主要操作步骤如下：

1、视觉显著性索引图提取对焦准确区域

(1)视觉显著性图的获取

对于显微图像为I，其对应的视觉显著性索引图为V，任意像素p，其像素强度为I(p)，该像素p处的显著性值为：

$V\left(I\left(p\right)\right)=\underset{j=0}{\overset{L-1}{\mathrm{\Σ}}}{N}_{j}G(I\left(p\right),j)$

上式中，j代表强度——灰度值，Nj表示图像I中具有强度为j的像素个数，L是灰阶，对于8位深度的图像则具有256个灰阶——L＝256。

于是，根据上式，对于图像I，任意像素强度值对应的显著性值都可以获取，于是快速获得显著性索引图V。

为运算方便，本发明对V进行归一化。于是，V[0,1]。

(2)阈值与形态学处理

显著性索引图表征的是人眼视觉对原图像的关注程度，越接近1则越关注，在本发明看来，即是越清晰区域。

于是，利用阈值Th，对V进行分割，产生阈值图T：

T＝(V>Th)

这类分割较为粗糙，于是利用形态学手段实现适当扩展：

$\mathrm{TM}=T\⊕\mathrm{mask}$

这里的mask是r×r的结构元素，是形态学的膨胀操作，得到二值化的清晰区域提取模板TM。

2、平均边缘宽度的衡量

对于原始的显微图像I，根据步骤1中的清晰区域模板TM，找出I中的对应区域(满足区域像素对应的TM值为1)。

对I图的这些区域(成为区域图像)统计平均边缘宽度，其整个算法流程如下：

(1)获取边缘图像E：

各向同性sobel竖直方向算子检测区域图像，得到边缘图E；

所述的各向同性sobel水平算子：

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

各向同性sobel竖直算子：

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

(2)寻极值：

对于E中的某个边缘点i，找到图像f的对应点附近(同一行)的极值点；

(3)计算边缘宽度：

找到的极值点的像素间距离就是该边缘的宽度width_i；

(4)重复(1)-(3)，对E中所有边缘点求取距离，求和，得到边缘数量N；

(5)清晰度评价指标：

最终的评价(clear metric)为总的边缘宽度值/边缘的数量：

$\mathrm{clear}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{width}}_i}{N}$

对于例图，我们获取的clear值最终为6.6529。对于一幅图像，clear值越小，则清晰度越好，图像质量越好。

为进一步说明本发明有效性，使用两组实验论证，包括图2与图3。图2a是原始清晰图像，而图2b～2f是在图2a基础上形成的不同模糊程度的图像，其采用半径为5高斯模糊核进行模糊，标准差一次为1、2、3、4、5。标准差越大，模糊程度越高。图2的模糊是对整幅图像的模糊。而图3a则是与图2a一样的清晰图，图3b、3c则是在其基础上进行局部模糊得到的，都采用半径为5标准差为5的高斯核进行模糊：图3b是前景对焦区域模糊后的图(仅对生物目标区域模糊)，图3c则是为背景非对焦区域模糊图(对生物目标区域以外的区域进行模糊，与图3b相反)。图3的模糊，是局部的模糊，能表征本发明提到的显微图像评价中的问题。

本发明与常用的衡量图像清晰度的方法——灰度平均梯度法比较。灰度平均法GMG(Gray Mean Grads)的定义如下：

$\mathrm{GMG}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\Σ}}}\underset{j=1}{\overset{N-1}{\mathrm{\Σ}}}\sqrt{\frac{{[I(i+1,j)-I(i,j)]}^2+{[I(i,j+1)-I(i,j)]}^2}{2}}}{(M-1)(N-1)}$

M×N是图像I的尺寸。GMG数值越大，则图像越清晰，图像质量越好。

具体实验结果如下：

图2a～2f所示，评价所得结果如表1所示。clear值越小，其表示清晰度越好；GMG值越大，其表示清晰度越好。事实上，从图2a到图2f，是逐渐模糊的，清晰度越来越差，因此根据评价结果，都符合事实情况，符合HVS评价。因此，本发明方法与常规方法一致，对于整幅图像相对模糊的情况下，也能实现清晰度评价。

表1

图3a～3c所示，评价所得结果如表2所示。clear值越小，其表示清晰度越好；GMG值越大，其表示清晰度越好。事实上，从HVS来观察，图3a与图3c的区别不大，而图3b的质量明显比其余两幅图差。本发明clear的评价结果符合HVS观察结果；但是，GMG的结果表明，图3c的结果远差于图3b的结果，这与HVS是不一致的。这也从侧面表现了普通方法的局限性。而本发明方法，针对显微成像中普遍存在的这类情况，也是适用的。

表2

测试图片	图3a	图3b	图3c
				clear(本发明)	6.6529	18.6009	6.6505
GMG(对比方法)	3.884	2.9424	2.1923

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本 发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (3)

1.一种结合像素间距法视觉显著性的显微图像清晰度评价方法，其特征在于，包括如下步骤：

①提取对焦准确区域：

①－a获取视觉显著性索引图；

将原始显微图像定义为I，将与原始显微图像I对应的视觉显著性索引图定义为V，将视觉显著性索引图V中的任意像素定义为p，将该像素p处的像素强度定义为I(p)，将该像素p处的显著性值定义为像素间距：

上式中，G(I(p),j)＝|I(p)-j|，j代表像素强度——灰度值，Nj表示原始显微图像I中具有强度为j的像素个数，L是灰阶，利用上式计算原始显微图像I中所有像素的像素间距，获得视觉显著性索引图V，然后对V进行归一化，使得V[0，1]；

①－b阈值与形态学处理

对步骤①－a得到的视觉显著性索引图V，定义一个阈值Th，所述的阈值Th＝0.5～0.95，对V进行分割，产生阈值图T：

T＝(V>Th)

进而利用形态学手段进行扩展，得到二值化的清晰物体区域提取模板TM：

TM＝T⊕mask

这里的mask是大小为r×r的结构元素，⊕是形态学的膨胀操作，然后根据清晰物体区域提取模板TM，找出原始显微图像I中对应于TM值为1的像素区域，即为对焦准确区域；

②求取平均边缘宽度：

根据步骤①得到的对焦准确区域，统计平均边缘宽度，具体步骤如下：

②－a获取边缘图像；

使用各向同性sobel竖直方向算子检测对焦准确区域图像，得到边缘图像，记为E；

②－b寻极值：

对于边缘图像E中的某个边缘点i，找到原始显微图像I的对应点所在行中与该对应 点最接近的极大值和极小值；

②－c定义边缘宽度：

将上述的极大值和极小值所对应的像素点之间的距离定义为该边缘点所在边缘的宽度，记为width_i；

②－d重复(a)-(c)，对边缘图像E中所有边缘点求取边缘宽度，求和得到总的边缘宽度值，而边缘图像E中的边缘点数量即为边缘数量，记为N；

③建立清晰度评价指标：

将为总的边缘宽度值与边缘数量的比值定义为清晰度评价值，记为clear；即

图像越清晰，则清晰度评价值clear越小。

2.如权利要求1所述的结合像素间距法视觉显著性的显微图像清晰度评价方法，其特征在于所述的各向同性sobel竖直算子为：对应的各向同性sobel水平算子为：

3.如权利要求1所述的结合像素间距法视觉显著性的显微图像清晰度评价方法，其特征在于所述的原始显微图像I的深度为8位，对应的图像灰阶L＝256。