CN111010507B - 相机自动聚焦方法和装置、分析仪器和存储介质 - Google Patents

相机自动聚焦方法和装置、分析仪器和存储介质 Download PDF

Info

Publication number
CN111010507B
CN111010507B CN201911172360.9A CN201911172360A CN111010507B CN 111010507 B CN111010507 B CN 111010507B CN 201911172360 A CN201911172360 A CN 201911172360A CN 111010507 B CN111010507 B CN 111010507B
Authority
CN
China
Prior art keywords
focusing
camera
effective peak
image
determining
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.)
Active
Application number
CN201911172360.9A
Other languages
English (en)
Other versions
CN111010507A (zh
Inventor
万亚利
张雅俊
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.)
Maccura Medical Electronics Co Ltd
Original Assignee
Maccura Medical Electronics 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 Maccura Medical Electronics Co Ltd filed Critical Maccura Medical Electronics Co Ltd
Priority to CN201911172360.9A priority Critical patent/CN111010507B/zh
Publication of CN111010507A publication Critical patent/CN111010507A/zh
Application granted granted Critical
Publication of CN111010507B publication Critical patent/CN111010507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/95—Computational photography systems, e.g. light-field imaging systems
    • H04N23/951—Computational photography systems, e.g. light-field imaging systems by using two or more images to influence resolution, frame rate or aspect ratio

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Automatic Focus Adjustment (AREA)
  • Microscoopes, Condenser (AREA)

Abstract

本发明公开一种相机自动聚焦方法和装置、分析仪器和存储介质。该方法包括：控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列，根据第一组图像序列的清晰度状态确定第二聚焦起点；控制相机基于第二步长从第二聚焦起点向目标对象移动第二步数并拍照，得到第二组图像序列，根据第二组图像序列的清晰度状态确定第三聚焦起点，第二步长小于第一步长；控制相机基于第三步长从第三聚焦起点向目标对象移动第三步数并拍照，得到第三组图像序列，根据第三组图像序列与已知成分类别图像的相似度状态确定相机的最终定焦位置，第三步长小于第二步长。采用本发明实施例能够提高图像质量，提高有形成分分类和识别的准确率。

Description

相机自动聚焦方法和装置、分析仪器和存储介质
技术领域
本发明涉及图像处理技术领域，尤其涉及一种相机自动聚焦方法和装置、分析仪器和存储介质。
背景技术
在医学分析领域，一些分析仪器通过相机将样本拍摄成图像，然后利用数字图像处理技术对图像中有形成分进行分析，实现对样本中有形成分的分类和识别。通过自适应调整相机的焦点，可以获得较高质量的样本图像，从而提高有形成分分类和识别的准确率。
现有技术中的相机聚焦方法主要基于对图像的清晰度算法实现，未考虑图像的灰度，导致图像中的细胞与显微镜下的细胞在视觉上相差较大，图像质量较低。
发明内容
本发明实施例提供一种相机自动聚焦方法和装置、分析仪器和存储介质，能够提高图像质量，从而提高有形成分分类和识别的准确率。
第一方面，本发明实施例提供一种相机自动聚焦方法，该方法包括：
控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列，根据第一组图像序列的清晰度状态确定第二聚焦起点；
控制相机基于第二步长从第二聚焦起点向目标对象移动第二步数并拍照，得到第二组图像序列，根据第二组图像序列的清晰度状态确定第三聚焦起点，第二步长小于第一步长；
控制相机基于第三步长从第三聚焦起点向目标对象移动第三步数并拍照，得到第三组图像序列，根据第三组图像序列与已知成分类别图像的相似度状态确定相机的最终定焦位置，第三步长小于第二步长；
相机每移动一步拍摄至少一张图像。
在第一方面的一种可能的实施方式中，根据第一组图像序列的清晰度状态确定第二聚焦起点的步骤，包括：对第一组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分；计算对应指定有形成分的各子图像的清晰度，将同一步下对应指定有形成分的所有子图像的清晰度的均值作为该步的清晰度均值；根据第一步数中所有步的清晰度均值得到第一清晰度状态曲线；搜寻第一清晰度状态曲线中的有效峰值点；根据有效峰值点确定第二聚焦起点。
在第一方面的一种可能的实施方式中，搜寻第一清晰度状态曲线中的有效峰值点的步骤，包括：将第一清晰度状态曲线划分为基于步数连续的多个区间；遍历多个区间，将所有满足预设峰值条件的区间内的最大值所属步数对应的点确定为有效峰值点；其中，预设峰值条件为：当前区间内的清晰度均值中的最大值大于前一区间内的清晰度均值中的最大值、后一区间内的清晰度均值中的最大值和预设清晰度阈值。
在第一方面的一种可能的实施方式中，根据有效峰值点确定第二聚焦起点的步骤，包括：若有效峰值点的数目为1，则将该有效峰值点所处的位置确定为相机的第一定焦位置，第二聚焦起点相对于第一定焦位置的后退距离为S1，
Figure BDA0002289061790000021
其中，B为预定相机焦点有效搜寻距离，∝为误差常量；若有效峰值点的数目为2，且两个有效峰值点之间的距离小于B，则将前一有效峰值点所处的位置确定为相机的第一定焦位置，第二聚焦起点相对于第一定焦位置的后退距离为S2，
Figure BDA0002289061790000022
其中，peak1为两个有效峰值点中前一有效峰值点所处的位置，peak2为后一有效峰值点所处的位置；若有效峰值点的数目为3，且前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值小于B，则将较大值所属的两个有效峰值点中前一有效峰值点的所处的位置确定为相机的第一定焦位置，第二聚焦起点相对于第一定焦位置的后退距离为S3，
Figure BDA0002289061790000031
其中，dis为前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值；若有效峰值点的数目为0或者大于等于4，则确定相机失焦。
在第一方面的一种可能的实施方式中，根据第二组图像序列的清晰度状态确定第三聚焦起点的步骤，包括：对第二组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分；计算对应指定有形成分的各子图像的清晰度，将属于同一步下对应指定有形成分的所有子图像的清晰度的均值作为该步的清晰度均值；根据第二步数中所有步的清晰度均值得到第二清晰度状态曲线；搜寻第二清晰度状态曲线中的有效峰值点；根据有效峰值点确定第三聚焦起点。
在第一方面的一种可能的实施方式中，根据有效峰值点确定第三聚焦起点的步骤，包括：若有效峰值点的数目为1，则将该有效峰值点所处的位置确定为相机的第二定焦位置，第三聚焦起点重合于第二定焦位置；若有效峰值点的数目为2，且两个有效峰值点之间的距离小于B，则将前一有效峰值点所处的位置确定为相机的第二定焦位置，其中，B为预定相机焦点有效搜寻距离，第三聚焦起点重合于第二定焦位置；若有效峰值点的数目为3，且前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值小于B，则将较大值所属的两个有效峰值点中前一有效峰值点所处的位置确定为相机的第二定焦位置，第三聚焦起点重合于第二定焦位置；若有效峰值点的数目为0或者大于等于4，则确定相机失焦。
在第一方面的一种可能的实施方式中，根据第三组图像序列与已知成分类别图像的相似度状态确定相机的最终定焦位置的步骤，包括：对第三组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分；利用预训练的神经网络对各子图像进行分类；计算对应指定有形成分的各子图像相对于训练集中对应图像的相似度，将同一步下对应指定有形成分的所有子图像相对于训练集中对应图像的相似度的均值作为该步的相似度均值；将第三步数中所有步的相似度均值中的最大值所属步数对应的位置作为相机的最终定焦位置。
第二方面，本发明实施例提供一种相机自动聚焦装置，该装置包括：
第一聚焦模块，用于控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列，根据第一组图像序列的清晰度状态确定第二聚焦起点；
第二聚焦模块，用于控制相机基于第二步长从第二聚焦起点向目标对象移动第二步数并拍照，得到第二组图像序列，根据第二组图像序列的清晰度状态确定第三聚焦起点，第二步长小于第一步长；
第三聚焦模块，用于控制相机基于第三步长从第三聚焦起点向目标对象移动第三步数并拍照，得到第三组图像序列，根据第三组图像序列与已知成分类别图像的相似度状态确定相机的最终定焦位置，第三步长小于第二步长。
第三方面，本发明实施例提供一种分析仪器，该分析仪器包括如上文所述的相机自动聚焦装置。
第四方面，本发明实施例提供一种计算机可读存储介质，其上存储有程序，程序被处理器执行时实现如上文所述的相机自动聚焦方法。
如上所述，本发明实施例的技术方案可以理解为相机的三次聚焦操作，前两次聚焦操作主要基于清晰度算法实现，第三次聚焦操作主要基于与已知成分类别图像的相似度算法实现。
与现有技术中的仅通过清晰度算法对相机聚焦相比，本发明实施例从与已知成分类别图像的相似度算法的角度出发，考虑了图像的灰度变化，提高了图像质量，使图像中的细胞与显微镜下的细胞在视觉上接近，提高了有形成分分类和识别的准确率。
附图说明
从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中，相同或相似的附图标记表示相同或相似的特征。
图1为本发明一实施例提供的相机自动聚焦方法的流程示意图；
图2为本发明另一实施例提供的相机自动聚焦方法的流程示意图；
图3为本发明实施例提供的第二定焦位置F2和最终定焦位置F3的相对位置关系示意图；
图4为本发明实施例提供的第一次聚焦操作的流程示意图；
图5为本发明实施例提供的有效峰值点的数目为3的曲线示意图之一；
图6为本发明实施例提供的有效峰值点的数目为3的曲线示意图之二；
图7为本发明实施例提供的第二次聚焦操作的流程示意图；
图8为本发明实施例提供的中值滤波处理后的第二次清晰度状态曲线示意图；
图9为本发明实施例提供的第三次聚焦操作的流程示意图；
图10为本发明实施例提供的相机自动聚焦装置的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。
本发明实施例提供一种相机自动聚焦方法和装置、分析仪器和存储介质，主要针对分析仪器聚焦过程中可能存在焦点位置寻找不准确，导致图像拍摄不清晰、图像灰度失真的问题。采用本发明实施例中的技术方案，能够获取质量较高的图像，提高有形成分分类和识别的准确率。
图1为本发明实施例提供的相机自动聚焦方法的流程示意图。如图1所示，该自动聚焦方法包括步骤101至步骤103。
在步骤101中，控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列，根据第一组图像序列的清晰度状态确定第二聚焦起点。
在步骤102中，控制相机基于第二步长从第二聚焦起点向目标对象移动第二步数并拍照，得到第二组图像序列，根据第二组图像序列的清晰度状态确定第三聚焦起点，第二步长小于第一步长。
在步骤103中，控制相机基于第三步长从第三聚焦起点向目标对象移动第三步数并拍照，得到第三组图像序列，根据第三组图像序列与已知成分类别图像的相似度状态确定相机的最终定焦位置，第三步长小于第二步长。
其中，相机每移动一步拍摄至少一张图像。
根据本发明实施例，上述步骤101-步骤103可以理解为相机的三次聚焦操作，前两次聚焦操作主要基于清晰度算法实现，第三次聚焦操作主要基于与已知成分类别图像的相似度算法实现。
与现有技术中的仅通过清晰度算法对相机聚焦相比，本发明实施例从与已知成分类别图像的相似度算法的角度出发，考虑了图像的灰度变化，提高了图像质量，使图像中的细胞与显微镜下的细胞在视觉上接近，提高了有形成分分类和识别的准确率。
下面结合图2对三次聚焦操作流程进行说明：
(1)相机第一次聚焦，向前移动P1步，每次移动的距离为S1。然后在P1步内寻找第一定焦位置F1来确定相机焦点的大致范围，完成初步定焦的作用。
(2)相机后退到第二聚焦起点，第二聚焦起点相对于第一定焦位置F1后退一定距离。
(3)相机第二次聚焦，向前移动P2步，每次移动的距离为S2，然后在第一定焦位置F1的周围精细地查找第二定焦位置F2。
(4)相机后退到第三聚焦起点，第三聚焦起点相对于第二定焦位置F2可以后退一定距离，也可以不后退。
(5)相机第三次聚焦，向前移动P3步，每次移动的距离为S3，然后在第二定焦位置F2的小范围内进一步准确地查找最终定焦位置F3。
在完成第二次聚焦后，基于第二定焦位置F2所拍摄的照片就已经较清晰了，基本可以满足分类要求。图3示出了第二定焦位置F2和最终定焦位置F3的相对位置关系。图3中示出的最终定焦位置F3位于第二定焦位置F2右侧，实际中也可以为左侧，此处不做限定。通过第三次聚焦可以使拍摄的图像更加清晰、灰度更加适中、与用显微镜观察时所看到的图像更加接近。
下面对三次聚焦操作流程分别详细说明。
图4为本发明实施例提供的第一次聚焦操作的流程示意图。
如图4所示，第一次聚焦流程包括步骤1011至步骤1016。
在步骤1011中，控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列。
在步骤1012中，对第一组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分。
示例性地，若相机每移动一步拍摄m张图像，每张图像可分割出n个有形成分(比如红细胞)的子图像，则相机移动一步得到的图像序列可分割出m×n个红细胞的子图像。有效连通区域分割的算法可以参考相关资料得到，此处不做赘述。
在步骤1013中，计算对应指定有形成分的各子图像的清晰度，将同一步下对应指定有形成分的所有子图像的清晰度的均值作为该步的清晰度均值。
其中，指定有形成分可以为样本中任一类别的有形成分。以尿沉渣分析仪为例，样本中的有形成分包括：红细胞、白细胞、管型细胞等，可以选择其中任一种参与聚焦操作中的清晰度运算。
每个指定有形成分子图像的清晰度评价函数Clarity可以表示为：
Figure BDA0002289061790000071
其中，M和N分别为子图像的长与宽，imgij为sobel算子计算的指定有形成分的近似梯度幅度中第i行第j列所对应的元素。
进一步地，相机移动一步所含的对应指定有形成分的所有子图像的清晰度均值MeanClarity可以表示为：
Figure BDA0002289061790000072
其中，Clarityi为第i个指定有形成分子图像的清晰度值。
在步骤1014中，根据第一步数中所有步的清晰度均值得到第一清晰度状态曲线。
设第一次聚焦时相机移动了P1步，将MeanClarity简写为MC，可以得到由第一次聚焦时P1步的清晰度均值组成的清晰度均值向量为MC1：[MC1,MC2,MC3……MCP1]，将MC1用离散曲线方式表示可以得到第一清晰度状态曲线，横坐标为步数，纵坐标为清晰度均值。
在一些实施例中，为了防止脉冲噪声对聚焦结果的影响，可以采用中值滤波对第一清晰度状态曲线进行滤波处理。
在步骤1015中，搜寻第一清晰度状态曲线中的有效峰值点。
在步骤1016中，根据有效峰值点确定第二聚焦起点。
在清晰度状态曲线中的峰值点附近区域，拍摄图像呈模糊-清晰-模糊的变化趋势，峰值点处时最清晰。
具体地，在进行有效峰值点搜寻时，可以将第一清晰度状态曲线划分为基于步数连续的多个区间，然后遍历多个区间，将所有满足预设峰值条件的区间内的最大值所属步数对应的点确定为有效峰值点。
其中，满足预设峰值条件的区间的清晰度均值中的最大值大于前一区间内的清晰度均值中的最大值、后一区间内的清晰度均值中的最大值和预设清晰度阈值。
正常情况下，有效峰值点的数目为1，拍摄图像呈模糊-清晰-模糊的变化。但是随着目标对象形态的不同(比如，凹形或者翻转)和噪声的影响，拍摄图像的变化趋势变得复杂，从而发生有效峰值点数目出现多个的情况。
根据第一清晰度状态曲线中有效峰值点数目的不同，第二聚焦起点的确定也分为多种情况：
(1)有效峰值点的数目为1。
第一定焦位置为有效峰值点所处的位置。
第二聚焦起点相对于第一定焦位置的后退距离S1，
Figure BDA0002289061790000081
其中，B为预定相机焦点有效搜寻距离，∝为误差常量。
(2)若有效峰值点的数目为2，且两个有效峰值点之间的距离小于B。
第一定焦位置为前一有效峰值点所处的位置。
第二聚焦起点相对于第一定焦位置的后退距离为S2，
Figure BDA0002289061790000082
其中，peak1为两个有效峰值点中前一有效峰值点所处的位置，peak2为两个有效峰值点中后一有效峰值点所处的位置。
(3)若有效峰值点的数目为3，且前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值小于B。
第一定焦位置为较大值所属的两个有效峰值点中前一有效峰值点的所处的位置。
第二聚焦起点相对于第一定焦位置的后退距离为S3，
Figure BDA0002289061790000091
其中，dis为前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值。
图5和图6示出了有效峰值点数目为3的两种情况，其中，dis1表示前两个有效峰值点之间的距离，dis2表示后两个有效峰值点之间的距离。
在图5中，dis1＜dis2，因此将后两个有效峰值点中前一有效峰值点(虚线框所示)所处的位置确定为相机的第一定焦位置。
在图6中，dis1＞dis2，因此将前两个有效峰值点中前一有效峰值点(虚线框所示)所处的位置确定为相机的第一定焦位置。
(4)若有效峰值点的数目为0或者大于等于4，则确定相机失焦。
图7为本发明实施例提供的第二次聚焦操作的流程示意图。
如图7所示，第二次聚焦流程包括步骤1021至步骤1026。
在步骤1021中，控制相机基于第二步长从第二聚焦起点向目标对象移动第二步数并拍照，得到第二组图像序列。
在步骤1022中，对第二组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分。
在步骤1023中，计算对应指定有形成分的各子图像的清晰度，将属于同一步下对应指定有形成分的所有子图像的清晰度的均值作为该步的清晰度均值。
在步骤1024中，根据第二步数中所有步的清晰度均值得到第二清晰度状态曲线。
设第二次聚焦时相机移动了P2步，可以得到由第二次聚焦时P2步的清晰度均值组成的清晰度均值向量为MC2：[MC1,MC2,MC3……MCP2]，将MC2用离散曲线方式表示，可以得到第二清晰度状态曲线，横坐标为步数，纵坐标为清晰度均值。
在一些实施例中，为了防止脉冲噪声对聚焦结果的影响，可以采用中值滤波对第二清晰度状态曲线进行滤波处理。图8为示出了中值滤波处理后的第二次清晰度状态曲线示意图。
在步骤1025中，搜寻第二清晰度状态曲线中的有效峰值点。
这里搜寻第二清晰度状态曲线中的有效峰值点的方法与上文相同，具体可以将第二清晰度状态曲线划分为基于步数连续的多个区间，然后遍历多个区间，将所有满足预设峰值条件的区间内的最大值所属步数对应的点确定为有效峰值点。
其中，满足预设峰值条件的区间内的清晰度均值中的最大值大于前一区间内的清晰度均值中的最大值、后一区间内的清晰度均值中的最大值和预设清晰度阈值。
在步骤1026中，根据有效峰值点确定第三聚焦起点。
根据第二清晰度状态曲线中有效峰值点数目的不同，第三聚焦起点的也分为多种情况：
(1)有效峰值点的数目为1。
第二定焦位置为有效峰值点所处的位置。
第三聚焦起点可以重合于第二定焦位置，也可以相对第二定焦位置后退一定距离。
(2)有效峰值点的数目为2且两个有效峰值点之间的距离小于B。
第二定焦位置为前一有效峰值点所处的位置。参考图8，考虑到第二次聚焦后，基于第二定焦位置所拍摄的照片就已经较清晰了，基本可以满足分类要求，因此可以参考图8中两个有效峰覆盖的距离作为相机焦点有效搜寻距离，来确定B的取值范围，这样就不会漏掉任何焦点信息。
第三聚焦起点重合于第二定焦位置，也可以相对第二定焦位置后退一定距离。
(3)有效峰值点的数目为3且前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值小于B。
第二定焦位置为较大值所属的两个有效峰值点中前一有效峰值点所处的位置。
第三聚焦起点重合于第二定焦位置，也可以相对第二定焦位置后退一定距离。
(4)有效峰值点的数目为0或者大于等于4，则确定相机失焦。
图9为本发明实施例提供的第三次聚焦操作的流程示意图。如图9所示，第三次聚焦流程包括步骤1031至步骤1035。
在步骤1031中，控制相机基于第三步长从第三聚焦起点向目标对象移动第三步数并拍照，得到第三组图像序列。
在步骤1032中，对第三组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分。
在步骤1033中，利用预训练的神经网络对各子图像进行分类。
其中，预训练的神经网络由初始神经网络训练得到。
训练过程为：从成分类别已知的多张分割图像中选取训练集和测试集，利用训练集中各分割图像的有效连通区域的多个特征值和对应的成分类别对初始神经网络进行训练，采用测试集中数据对训练得到的神经网络进行验证，将验证通过的神经网络模型作为预训练的神经网络。
在步骤1034中，计算对应指定有形成分的各子图像相对于训练集中对应图像的相似度，将同一步下对应指定有形成分的所有子图像相对于训练集中对应图像的相似度的均值作为该步的相似度均值。
其中，对应指定有形成分的一个子图像相对于训练集中对应图像的相似度的计算公式为：
Figure BDA0002289061790000111
其中，i的取值为1，2，…n，x1,x2,…,xn为提取自对应指定有形成分的一个子图像的特征向量，y1,y2,…,yn为提取自训练集中对应指定有形成分的一个分割图像的特征向量，n为所提取特征向量的维度。比如，红细胞的特征包括：长、宽、高，灰度值，针对红细胞的提取的向量为4维特征向量。
接下来，计算每一步的相似度均值，将同一步下对应指定有形成分的所有子图像相对于训练集中对应图像的相似度的均值作为该步的相似度均值，表示为MeanConsineSimilarity，简写为MCS。
设第三次聚焦时相机移动了P3步，可以得到由第三次聚焦时P3步的相似度均值组成的相似度均值向量为MCS：[MCS1,MCS2,MCS3……MCSP3]，将MCS用离散曲线方式表示，可以得到相似度状态曲线，横坐标为步数，纵坐标相似度均值。
在步骤1035中，将第三步数中所有步的相似度均值中的最大值所属步数对应的位置作为相机的最终定焦位置。
在一些实施例中，为了防止脉冲噪声对聚焦结果的影响，可以采用中值滤波器对余弦相似度均值向量进行滤波处理，找到经中值滤波后的余弦相似度最大值所对应的相机步数位置，即为最终定焦位置。
本发明实施例从与已知成分类别图像的相似度算法的角度出发，考虑了图像的灰度变化，提高了图像质量，使图像中的细胞与显微镜下的细胞在视觉上接近，提高了有形成分分类和识别的准确率。
如上所述，本发明实施例中的相机自动聚焦方法能够基于图像序列的清晰度算法快速找到焦点，然后通过预设的神经网络分类，再采用匹配的方法，找到更有利于有形成分后续分类识别的定焦位置。
图10为本发明实施例提供的相机自动聚焦装置的结构示意图。如图10所示，该相机自动聚焦装置包括：第一聚焦模块1001、第二聚焦模块1002和第三聚焦模块1003。
其中，第一聚焦模块1001用于控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列，根据第一组图像序列的清晰度状态确定第二聚焦起点。
第二聚焦模块1002用于控制相机基于第二步长从第二聚焦起点向目标对象移动第二步数并拍照，得到第二组图像序列，根据第二组图像序列的清晰度状态确定第三聚焦起点，第二步长小于第一步长。
第三聚焦模块1003用于控制相机基于第三步长从第三聚焦起点向目标对象移动第三步数并拍照，得到第三组图像序列，根据第三组图像序列与已知成分类别图像的相似度状态确定相机的最终定焦位置，第三步长小于第二步长。
根据本发明实施例，上述第一聚焦模块1001、第二聚焦模块1002和第三聚焦模块1003可以理解为分别执行相机的三次聚焦操作，前两次聚焦操作主要基于清晰度算法实现，第三次聚焦操作主要基于与已知成分类别图像的相似度算法实现。
与现有技术中的仅通过清晰度算法对相机聚焦相比，本发明实施例从与已知成分类别图像的相似度算法的角度出发，考虑了图像的灰度变化，提高了图像质量，使图像中的细胞与显微镜下的细胞在视觉上接近，提高了有形成分分类和识别的准确率。
本发明实施例还提供一种分析仪器，该分析仪器包括如上所述的相机自动聚焦装置。
本发明实施例还提供一种计算机可读存储介质，其上存储有程序，程序被处理器执行时实现如上所述的相机自动聚焦方法。
需要明确的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例而言，相关之处可以参见方法实施例的说明部分。本发明实施例并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本发明实施例的精神之后，作出各种改变、修改和添加，或者改变步骤之间的顺序。并且，为了简明起见，这里省略对已知方法技术的详细描述。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明实施例可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而系统体系结构并不脱离本发明实施例的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明实施例的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明实施例的范围之中。

Claims (10)

1.一种相机自动聚焦方法，其特征在于，包括：
控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列，根据所述第一组图像序列的清晰度状态确定第二聚焦起点；
控制所述相机基于第二步长从所述第二聚焦起点向所述目标对象移动第二步数并拍照，得到第二组图像序列，根据所述第二组图像序列的清晰度状态确定第三聚焦起点，所述第二步长小于所述第一步长；
控制所述相机基于第三步长从所述第三聚焦起点向所述目标对象移动第三步数并拍照，得到第三组图像序列，根据所述第三组图像序列与已知成分类别图像的相似度状态确定所述相机的最终定焦位置，所述第三步长小于所述第二步长；所述已知成分类别为指定有形成分，所述指定有形成分包括红细胞或白细胞或管型细胞；
所述相机每移动一步拍摄至少一张图像。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一组图像序列的清晰度状态确定第二聚焦起点的步骤，包括：
对所述第一组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分；
计算对应指定有形成分的各子图像的清晰度，将同一步下对应所述指定有形成分的所有子图像的清晰度的均值作为该步的清晰度均值；
根据所述第一步数中所有步的清晰度均值得到第一清晰度状态曲线；
搜寻所述第一清晰度状态曲线中的有效峰值点；
根据所述有效峰值点确定所述第二聚焦起点。
3.根据权利要求2所述的方法，其特征在于，所述搜寻所述第一清晰度状态曲线中的有效峰值点的步骤，包括：
将所述第一清晰度状态曲线划分为基于步数连续的多个区间；
遍历所述多个区间，将所有满足预设峰值条件的区间内的最大值所属步数对应的点确定为有效峰值点；
其中，所述预设峰值条件为：当前区间内的清晰度均值中的最大值大于前一区间内的清晰度均值中的最大值、后一区间内的清晰度均值中的最大值和预设清晰度阈值。
4.根据权利要求2所述的方法，其特征在于，所述根据所述有效峰值点确定所述第二聚焦起点的步骤，包括：
若所述有效峰值点的数目为1，则将该有效峰值点所处的位置确定为所述相机的第一定焦位置，所述第二聚焦起点相对于所述第一定焦位置的后退距离为S1，
Figure FDA0003009456710000021
其中，B为预定相机焦点有效搜寻距离，∝为误差常量；
若所述有效峰值点的数目为2，且两个有效峰值点之间的距离小于B，则将前一有效峰值点所处的位置确定为所述相机的第一定焦位置，所述第二聚焦起点相对于所述第一定焦位置的后退距离为S2，
Figure FDA0003009456710000022
其中，peak1为两个有效峰值点中前一有效峰值点所处的位置，peak2为后一有效峰值点所处的位置；
若所述有效峰值点的数目为3，且前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值小于B，则将所述较大值所属的两个有效峰值点中前一有效峰值点的所处的位置确定为所述相机的第一定焦位置，所述第二聚焦起点相对于所述第一定焦位置的后退距离为S3，
Figure FDA0003009456710000023
其中，dis为前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值；
若所述有效峰值点的数目为0或者大于等于4，则确定所述相机失焦。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第二组图像序列的清晰度状态确定第三聚焦起点的步骤，包括：
对所述第二组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分；
计算对应指定有形成分的各子图像的清晰度，将属于同一步下对应所述指定有形成分的所有子图像的清晰度的均值作为该步的清晰度均值；
根据所述第二步数中所有步的清晰度均值得到第二清晰度状态曲线；
搜寻所述第二清晰度状态曲线中的有效峰值点；
根据所述有效峰值点确定所述第三聚焦起点。
6.根据权利要求5所述的方法，其特征在于，所述根据所述有效峰值点确定所述第三聚焦起点的步骤，包括：
若所述有效峰值点的数目为1，则将该有效峰值点所处的位置确定为所述相机的第二定焦位置，所述第三聚焦起点重合于所述第二定焦位置；
若所述有效峰值点的数目为2，且两个有效峰值点之间的距离小于B，则将前一有效峰值点所处的位置确定为所述相机的第二定焦位置，其中，B为预定相机焦点有效搜寻距离，所述第三聚焦起点重合于所述第二定焦位置；
若所述有效峰值点的数目为3，且前两个有效峰值点之间的距离与后两个有效峰值点之间的距离中的较大值小于B，则将所述较大值所属的两个有效峰值点中前一有效峰值点所处的位置确定为所述相机的第二定焦位置，所述第三聚焦起点重合于所述第二定焦位置；
若所述有效峰值点的数目为0或者大于等于4，则确定所述相机失焦。
7.根据权利要求1所述的方法，其特征在于，所述根据所述第三组图像序列与已知成分类别图像的相似度状态确定所述相机的最终定焦位置的步骤，包括：
对所述第三组图像序列中各图像进行有效连通区域分割，得到一个或者多个子图像，每个子图像对应一个有形成分；
利用预训练的神经网络对各子图像进行分类；
计算对应指定有形成分的各子图像相对于训练集中对应图像的相似度，将同一步下对应所述指定有形成分的所有子图像相对于所述训练集中对应图像的相似度的均值作为该步的相似度均值；
将所述第三步数中所有步的相似度均值中的最大值所属步数对应的位置作为相机的最终定焦位置。
8.一种相机自动聚焦装置，其特征在于，包括：
第一聚焦模块，用于控制相机基于第一步长从第一聚焦起点向目标对象移动第一步数并拍照，得到第一组图像序列，根据所述第一组图像序列的清晰度状态确定第二聚焦起点；
第二聚焦模块，用于控制所述相机基于第二步长从所述第二聚焦起点向所述目标对象移动第二步数并拍照，得到第二组图像序列，根据所述第二组图像序列的清晰度状态确定第三聚焦起点，所述第二步长小于所述第一步长；
第三聚焦模块，用于控制所述相机基于第三步长从所述第三聚焦起点向所述目标对象移动第三步数并拍照，得到第三组图像序列，根据所述第三组图像序列与已知成分类别图像的相似度状态确定所述相机的最终定焦位置，所述第三步长小于所述第二步长。
9.一种分析仪器，其特征在于，包括如权利要求8所述的相机自动聚焦装置。
10.一种计算机可读存储介质，其上存储有程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7 任一项所述的相机自动聚焦方法。
CN201911172360.9A 2019-11-26 2019-11-26 相机自动聚焦方法和装置、分析仪器和存储介质 Active CN111010507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911172360.9A CN111010507B (zh) 2019-11-26 2019-11-26 相机自动聚焦方法和装置、分析仪器和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911172360.9A CN111010507B (zh) 2019-11-26 2019-11-26 相机自动聚焦方法和装置、分析仪器和存储介质

Publications (2)

Publication Number Publication Date
CN111010507A CN111010507A (zh) 2020-04-14
CN111010507B true CN111010507B (zh) 2021-08-03

Family

ID=70113268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911172360.9A Active CN111010507B (zh) 2019-11-26 2019-11-26 相机自动聚焦方法和装置、分析仪器和存储介质

Country Status (1)

Country Link
CN (1) CN111010507B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111711759B (zh) * 2020-06-29 2022-02-01 重庆紫光华山智安科技有限公司 一种聚焦方法、装置、存储介质及电子设备
CN112213619A (zh) * 2020-09-16 2021-01-12 杭州长川科技股份有限公司 探针台聚焦方法、装置、计算机设备和存储介质
CN112213618B (zh) * 2020-09-16 2022-12-06 杭州长川科技股份有限公司 探针台聚焦方法、装置、计算机设备和存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102062929A (zh) * 2010-11-27 2011-05-18 长春迪瑞医疗科技股份有限公司 一种显微镜系统的自动聚焦方法和装置
CN105093479A (zh) * 2014-04-30 2015-11-25 西门子医疗保健诊断公司 用于显微镜的自动对焦方法和装置
CN105629631A (zh) * 2016-02-29 2016-06-01 广东欧珀移动通信有限公司 控制方法、控制装置及电子装置
CN106791353A (zh) * 2015-12-16 2017-05-31 深圳市汇顶科技股份有限公司 自动对焦的方法、装置和系统
CN107480672A (zh) * 2016-06-08 2017-12-15 广州康昕瑞基因健康科技有限公司 图像识别方法及系统和自动聚焦控制方法及系统
CN108345085A (zh) * 2017-01-25 2018-07-31 广州康昕瑞基因健康科技有限公司 聚焦方法和聚焦系统
CN109344852A (zh) * 2018-08-01 2019-02-15 迈克医疗电子有限公司 图像识别方法和装置、分析仪器和存储介质
CN109782414A (zh) * 2019-03-01 2019-05-21 广州医软智能科技有限公司 一种基于无参考结构清晰度的自动调焦方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2448246B1 (en) * 2010-10-28 2019-10-09 Axis AB Method for focusing

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102062929A (zh) * 2010-11-27 2011-05-18 长春迪瑞医疗科技股份有限公司 一种显微镜系统的自动聚焦方法和装置
CN105093479A (zh) * 2014-04-30 2015-11-25 西门子医疗保健诊断公司 用于显微镜的自动对焦方法和装置
CN106791353A (zh) * 2015-12-16 2017-05-31 深圳市汇顶科技股份有限公司 自动对焦的方法、装置和系统
CN105629631A (zh) * 2016-02-29 2016-06-01 广东欧珀移动通信有限公司 控制方法、控制装置及电子装置
CN107480672A (zh) * 2016-06-08 2017-12-15 广州康昕瑞基因健康科技有限公司 图像识别方法及系统和自动聚焦控制方法及系统
CN108345085A (zh) * 2017-01-25 2018-07-31 广州康昕瑞基因健康科技有限公司 聚焦方法和聚焦系统
CN109344852A (zh) * 2018-08-01 2019-02-15 迈克医疗电子有限公司 图像识别方法和装置、分析仪器和存储介质
CN109782414A (zh) * 2019-03-01 2019-05-21 广州医软智能科技有限公司 一种基于无参考结构清晰度的自动调焦方法

Also Published As

Publication number Publication date
CN111010507A (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN111010507B (zh) 相机自动聚焦方法和装置、分析仪器和存储介质
Chen et al. Robust multi-focus image fusion using edge model and multi-matting
EP3008696B1 (en) Tracker assisted image capture
Yousefi et al. A new auto-focus sharpness function for digital and smart-phone cameras
US20100188558A1 (en) Automatic Focusing Apparatus and Method for Digital Images Using Automatic Filter Switching
EP3371741B1 (en) Focus detection
CN110191287B (zh) 对焦方法和装置、电子设备、计算机可读存储介质
CN114040111B (zh) 测序仪成像对焦方法及装置、设备、存储介质
CN111027347A (zh) 一种视频识别方法、装置和计算机设备
CN113283319A (zh) 人脸模糊度的评价方法及装置、介质和电子设备
CN111199536B (zh) 一种聚焦评价方法及其装置
CN113542612B (zh) 镜头防抖方法、装置、计算机设备和存储介质
JP4493416B2 (ja) 画像処理方法および装置並びにプログラム
CN113409353A (zh) 运动前景检测方法、装置、终端设备及存储介质
CN113033517B (zh) 车辆定损图像获取方法、装置和存储介质
CN111491105A (zh) 移动终端的对焦方法、移动终端及计算机存储介质
Mishima et al. Physical cue based depth-sensing by color coding with deaberration network
CN112001387B (zh) 对焦区域的确定方法及装置、终端、存储介质
CN111275045B (zh) 图像的主体识别方法、装置、电子设备和介质
CN114384681A (zh) 显微镜快速精准自动对焦方法、系统、计算机设备及介质
Wang et al. Intelligent autofocus
KR101025568B1 (ko) 영상의 엔트로피를 이용한 초점위치 결정장치 및 방법
JP3823982B2 (ja) 画像補正方法、プログラム及び装置
CN113191349B (zh) 聚焦电机的控制方法、装置、存储介质及电子装置
CN113869363B (zh) 一种基于图像评价网络和图像评价函数的爬山调焦搜索方法

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