CN108520499A - 一种基于白带显微成像的图像偏移矫正方法 - Google Patents

一种基于白带显微成像的图像偏移矫正方法 Download PDF

Info

Publication number
CN108520499A
CN108520499A CN201810263319.1A CN201810263319A CN108520499A CN 108520499 A CN108520499 A CN 108520499A CN 201810263319 A CN201810263319 A CN 201810263319A CN 108520499 A CN108520499 A CN 108520499A
Authority
CN
China
Prior art keywords
offset
image
region
gray
boundary
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.)
Granted
Application number
CN201810263319.1A
Other languages
English (en)
Other versions
CN108520499B (zh
Inventor
肖峻
夏翔
蒋雨梦
王祥舟
郝如茜
刘娟秀
张静
倪光明
杜晓辉
刘霖
刘永
周辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Ningbo Momi Innovation Works Electronic Technology Co Ltd
Original Assignee
University of Electronic Science and Technology of China
Ningbo Momi Innovation Works Electronic Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China, Ningbo Momi Innovation Works Electronic Technology Co Ltd filed Critical University of Electronic Science and Technology of China
Priority to CN201810263319.1A priority Critical patent/CN108520499B/zh
Publication of CN108520499A publication Critical patent/CN108520499A/zh
Application granted granted Critical
Publication of CN108520499B publication Critical patent/CN108520499B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

该发明公开了一种基于白带显微成像的图像偏移矫正方法，涉及图像处理领域，具体涉及白带显微成像的图像偏移矫正方法。本发明通过采用图像偏移校正的方式，将不同焦距，同一视野区域下的图像进行偏移的矫正，从而为后续算法提供了准确的素材图片，提高了图像融合算法的效果，增大了细胞识别算法的识别率。与此前的方法相比，该方法以白带显微图像为背景，针对其特点，提出了一种针对性强，效果好的矫正方法。本发明采用选取特征区域作为图像矫正目标区域的方法，减小了计算量，提高了算法的效率。该特征区域选取方差较大的目标区域，防止了灰度化导致的误差。此外该方法规避了边界与杂质的影响，提高了偏移矫正的精确度。

Description

一种基于白带显微成像的图像偏移矫正方法
技术领域
本发明涉及图像处理领域，具体涉及白带显微成像的图像偏移矫正方法。
背景技术
在白带检测的镜检过程中，相机获取到的是白带液体在显微镜下的图像。由于地球引力、平台的不完全水平、液体的流动性、拍照时间间隙等原因，导致在不同焦距下，同一视野获取的图像在水平和垂直方向上存在偏移。该偏移的存在极大的影响了图像融合算法的效果，从而对细胞识别算法造成较大的影响。传统的图像偏移矫正一般分为基于图像灰度的矫正和基于特征的矫正。常见的基于特征的矫正又包括基于点特征，线特征和面特征的矫正。由于不同视野下的白带显微图像内容是不同的。因此传统矫正方法在选择特征时不够灵活。不能很好的应用在白带显微图片的矫正上。
发明内容
本发明的目的在于克服上述缺陷，提供一种采用图像偏移矫正算法的方式，将不同焦距，同一视野下的图像进行偏移校正，从而得到无偏移的图像。
本发明根据不同的白带显微图像，自动选取对比度高，针对性强的特征区域，将特征与灰度相结合，从而能够很好的对图像偏移进行矫正。通过本发明，实现了不同焦距下白带显微图片的校准，给后续的算法提供了素材保障。因而本发明采用的技术方案如下：一种基于白带显微成像的图像偏移矫正方法，包括以下步骤：
步骤1：获取不同焦距下同一视野的白带涂片显微图像；
步骤2：保存图片清晰度最高的三张相邻焦距的图片作为图像偏移矫正的素材，分别令其为I1，I2，I3；
步骤3：将三张图像分别进行灰度化，以I1作为图像矫正的标准图；计算I1的灰度图中各连通区域的面积，保留面积大于P像素小于Q像素的连通区域，其中P的取值范围为大于等于30小于等于45，Q的取值范围为大于等于1960小于等于2040；
步骤4：对步骤3处理后的连通区域进行筛选，过滤掉与图像边界的距离小于M个像素的区域，M的取值为大于等于21小于等于35；
步骤5：计算剩余每个连通区域在灰度图上的方差，选取方差最大的区域作为目标区域；将目标区域外接矩形的上下左右边界各向外延伸3～9个像素，记录下延伸后的矩形区域在图I1灰度图中的位置，截取该矩形区域，令为PIC_CUT1；
步骤6：将步骤5得到的矩形区域PIC_CUT1的位置坐标应用于I2中，将该矩形区域在上下左右方向各扩充20个像素的矩形范围内进行平移，平移步长为1个像素；从I2的灰度图中截取出每次平移后的矩形区域；
步骤7：将步骤6得到的矩形区域各像素点分别与PIC_CUT1对应像素点的灰度值做差，再求取灰度差的绝对值之和，记录绝对值之和最小的矩形区域所对应的横向偏移量OFFSET_X1和纵向偏移量OFFSET_Y1；
步骤8：对I2整幅图进行横向偏移量为OFFSET_X1，纵向偏移量为OFFSET_Y1的偏移矫正；
步骤9：采用与步骤5～步骤7相同的方法对I3图像进行处理,得到横向偏移量为OFFSET_X2，纵向偏移量为OFFSET_Y2；
步骤10：对I3整幅图进行横向偏移量为OFFSET_X2，纵向偏移量为OFFSET_Y2的偏移矫正；
步骤11：对I1，I2，I3根据偏移量OFFSET_X1、OFFSET_X2、OFFSET_Y1以及OFFSET_Y2分别进行多余区域的裁剪，得到三幅偏移矫正后的图像。
进一步的，所述步骤4中过滤掉与图像边界的距离小于25个像素的区域可以避免在进行偏移量测试时，偏移后的目标矩形区域出现在图像外。
进一步的，所述步骤5中将目标区域的外接矩形的上下左右边界各向外延伸5个像素可以保证连通区域边界的完整性。
本发明与现有技术相比，具有以下优点及有益效果：
(1)本发明通过采用图像偏移校正的方式，将不同焦距，同一视野区域下的图像进行偏移的矫正，从而为后续算法提供了准确的素材图片，提高了图像融合算法的效果，增大了细胞识别算法的识别率。与此前的方法相比，该方法以白带显微图像为背景，针对其特点，提出了一种针对性强，效果好的矫正方法。
(2)本发明采用选取特征区域作为图像矫正目标区域的方法，减小了计算量，提高了算法的效率。该特征区域选取方差较大的目标区域，防止了灰度化导致的误差。此外该方法规避了边界与杂质的影响，提高了偏移矫正的精确度。
附图说明
图1为本发明的原理图。
具体实施方式
下面结合实施例及其附图对本发明做进一步地详细说明，但本发明的实施方式不限于此。
实施例
图像配准技术广泛的应用于图像处理当中，图像偏移矫正作为图像配准中至关重要的部分，对图像处理算法的效果有着巨大的影响。在白带的自动检测中，由于地球引力、平台的不完全水平、液体的流动性、拍照时间间隙等原因。在不同焦距下，同一视野获取的白带图像在水平和垂直方向上存在偏移。该偏移可能导致在进行图像融合时，出现重影，模糊，边界不明显等问题，极大的影响了图像融合的效果，以及细胞识别的准确率。通过图像偏移矫正技术，可以降低这种偏移给算法带来的影响，从而为后续算法的实现提供了保障。
如图1所示，一种基于白带显微成像的图像偏移矫正算法，该发明主要通过图像处理的方法，将白带检测中拍摄到的多张不同对焦，相同视野下的图像进行偏移矫正，实现图像的配准。具体的说，该方法包括以下步骤：
(1)通过电机控制显微镜平台以一定的间隔拍摄白带涂片在不同焦距，同一视野下的显微图像；
(2)保存图片清晰度最高的三张相邻焦距的图片作为图像偏移矫正的素材，分别令其为I1，I2，I3；
(3)将三张图像分别进行灰度化，以I1作为图像矫正的标准图。计算I1的灰度图中各连通区域的面积，保留面积大于40像素小于2000像素的连通区域；
(4)对步骤(3)处理后的连通区域进行筛选，过滤掉与图像边界的距离小于25个像素的区域；
(5)计算每个连通区域在灰度图上的方差，选取方差最大的区域作为目标区域。将目标区域的外接矩形的上下左右边界各向外延伸5个像素，记录下延伸后的矩形区域在图I1灰度图中的位置，截取该矩形区域，令为PIC_CUT1；
(6)将步骤(5)中保存下的矩形区域坐标在上下左右方向各扩充20个像素的矩形范围内进行平移，平移步长为1个像素。从I2的灰度图中截取出平移后的各矩形区域；
(7)将这些矩形区域分别与PIC_CUT1的灰度值做差，求取灰度差的绝对值之和，保存绝对值之和最小的矩形区域所对应的横向偏移量OFFSET_X1和纵向偏移量OFFSET_Y1；
(8)对I2整幅图进行横向偏移量为OFFSET_X1，纵向偏移量为OFFSET_Y1的偏移矫正；
(9)对I3重复步骤(5)-步骤(7),得到横向偏移量为OFFSET_X2，纵向偏移量为OFFSET_Y2；
(10)对I3整幅图进行横向偏移量为OFFSET_X2，纵向偏移量为OFFSET_Y2的偏移矫正；
(11)对I1，I2，I3根据偏移量OFFSET_X1、OFFSET_X2、OFFSET_Y1以及OFFSET_Y2分别进行多余区域的裁剪，得到三幅偏移矫正后的图像。

Claims (3)

1.一种基于白带显微成像的图像偏移矫正方法，包括以下步骤：
步骤1：获取不同焦距下同一视野的白带涂片显微图像；
步骤2：保存图片清晰度最高的三张相邻焦距的图片作为图像偏移矫正的素材，分别令其为I1，I2，I3；
步骤3：将三张图像分别进行灰度化，以I1作为图像矫正的标准图；计算I1的灰度图中各连通区域的面积，保留面积大于P像素小于Q像素的连通区域，其中P的取值范围为大于等于30小于等于45，Q的取值范围为大于等于1960小于等于2040；
步骤4：对步骤3处理后的连通区域进行筛选，过滤掉与图像边界的距离小于M个像素的区域，M的取值为大于等于21小于等于35；
步骤5：计算剩余每个连通区域在灰度图上的方差，选取方差最大的区域作为目标区域；将目标区域外接矩形的上下左右边界各向外延伸3～9个像素，记录下延伸后的矩形区域在图I1灰度图中的位置，截取该矩形区域，令为PIC_CUT1；
步骤6：将步骤5得到的矩形区域PIC_CUT1的位置坐标应用于I2中，将该矩形区域在上下左右方向各扩充20个像素的矩形范围内进行平移，平移步长为1个像素；从I2的灰度图中截取出每次平移后的矩形区域；
步骤7：将步骤6得到的矩形区域各像素点分别与PIC_CUT1对应像素点的灰度值做差，再求取灰度差的绝对值之和，记录绝对值之和最小的矩形区域所对应的横向偏移量OFFSET_X1和纵向偏移量OFFSET_Y1；
步骤8：对I2整幅图进行横向偏移量为OFFSET_X1，纵向偏移量为OFFSET_Y1的偏移矫正；
步骤9：采用与步骤5～步骤7相同的方法对I3图像进行处理,得到横向偏移量为OFFSET_X2，纵向偏移量为OFFSET_Y2；
步骤10：对I3整幅图进行横向偏移量为OFFSET_X2，纵向偏移量为OFFSET_Y2的偏移矫正；
步骤11：对I1，I2，I3根据偏移量OFFSET_X1、OFFSET_X2、OFFSET_Y1以及OFFSET_Y2分别进行多余区域的裁剪，得到三幅偏移矫正后的图像。
2.如权利要求1所述的一种基于白带显微成像的图像偏移矫正方法，其特征在于所述步骤4中过滤掉与图像边界的距离小于25个像素的区域可以避免在进行偏移量测试时，偏移后的目标矩形区域出现在图像外。
3.如权利要求1所述的一种基于白带显微成像的图像偏移矫正方法，其特征在于所述步骤5中将目标区域的外接矩形的上下左右边界各向外延伸5个像素可以保证连通区域边界的完整性。
CN201810263319.1A 2018-03-28 2018-03-28 一种基于白带显微成像的图像偏移矫正方法 Expired - Fee Related CN108520499B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810263319.1A CN108520499B (zh) 2018-03-28 2018-03-28 一种基于白带显微成像的图像偏移矫正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810263319.1A CN108520499B (zh) 2018-03-28 2018-03-28 一种基于白带显微成像的图像偏移矫正方法

Publications (2)

Publication Number Publication Date
CN108520499A true CN108520499A (zh) 2018-09-11
CN108520499B CN108520499B (zh) 2020-02-18

Family

ID=63434454

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810263319.1A Expired - Fee Related CN108520499B (zh) 2018-03-28 2018-03-28 一种基于白带显微成像的图像偏移矫正方法

Country Status (1)

Country Link
CN (1) CN108520499B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505793A (zh) * 2020-04-15 2020-08-07 于兴虎 基于方差和全局搜索策略的显微操作自动聚焦方法及系统
CN112541903A (zh) * 2020-12-16 2021-03-23 深圳市欢太科技有限公司 页面比对方法、装置、电子设备及计算机存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1908964A (zh) * 2006-08-22 2007-02-07 北京方正奥德计算机系统有限公司 一种图像线性几何变形自动矫正的方法
CN106295588A (zh) * 2016-08-17 2017-01-04 电子科技大学 一种白带显微图像中白细胞的自动识别方法
CN107622482A (zh) * 2017-09-13 2018-01-23 电子科技大学 一种基于白带显微成像的图像融合方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1908964A (zh) * 2006-08-22 2007-02-07 北京方正奥德计算机系统有限公司 一种图像线性几何变形自动矫正的方法
CN106295588A (zh) * 2016-08-17 2017-01-04 电子科技大学 一种白带显微图像中白细胞的自动识别方法
CN107622482A (zh) * 2017-09-13 2018-01-23 电子科技大学 一种基于白带显微成像的图像融合方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111505793A (zh) * 2020-04-15 2020-08-07 于兴虎 基于方差和全局搜索策略的显微操作自动聚焦方法及系统
CN112541903A (zh) * 2020-12-16 2021-03-23 深圳市欢太科技有限公司 页面比对方法、装置、电子设备及计算机存储介质

Also Published As

Publication number Publication date
CN108520499B (zh) 2020-02-18

Similar Documents

Publication Publication Date Title
CN107463918B (zh) 基于激光点云与影像数据融合的车道线提取方法
US9959653B2 (en) Mosaic oblique images and methods of making and using same
WO2020010945A1 (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
GB2557398A (en) Method and system for creating images
KR101053506B1 (ko) 어안 렌즈를 구비하는 카메라 모듈에 의해 획득된 영상의 왜곡 보정을 위한 파라미터 조정 방법
CN106412426A (zh) 全聚焦摄影装置及方法
CN117036641A (zh) 一种基于双目视觉的公路场景三维重建与缺陷检测方法
JP2016151955A (ja) 画像処理装置、撮像装置、距離計測装置、および画像処理方法
CN108596878A (zh) 图像清晰度评价方法
Linger et al. Aerial image registration for tracking
CN111354047A (zh) 一种基于计算机视觉的摄像模组定位方法及系统
CN108520499A (zh) 一种基于白带显微成像的图像偏移矫正方法
CN114820485A (zh) 一种基于机载图像测量波浪爬高的方法
TW202203158A (zh) 自動多影像3d地面控制點擷取技術
JP4296617B2 (ja) 画像処理装置および画像処理方法、並びに記録媒体
CN107941241B (zh) 一种用于航空摄影测量质量评价的分辨率板及其使用方法
KR101578029B1 (ko) 영상 왜곡 보정 장치 및 방법
CN113096016A (zh) 一种低空航拍图像拼接方法和系统
KR101574195B1 (ko) 모바일 플랫폼에 기반한 가상 카메라의 자동 캘리브레이션 방법
CN108230273B (zh) 一种基于几何信息的人工复眼相机三维图像处理方法
CN109961393A (zh) 基于插值和迭代优化算法的亚像素配准与拼接技术
US9380285B2 (en) Stereo image processing method, stereo image processing device and display device
Du et al. Mosaicking of mountain tunnel images guided by laser rangefinder
CN115601441A (zh) 一种聚焦型光场相机几何参数标定方法
KR101020921B1 (ko) 회전형 카메라 제어방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200218