CN112241953B - 基于多聚焦图像融合和hdr算法的样本图像融合方法及装置 - Google Patents
基于多聚焦图像融合和hdr算法的样本图像融合方法及装置 Download PDFInfo
- Publication number
- CN112241953B CN112241953B CN202011138538.0A CN202011138538A CN112241953B CN 112241953 B CN112241953 B CN 112241953B CN 202011138538 A CN202011138538 A CN 202011138538A CN 112241953 B CN112241953 B CN 112241953B
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- definition
- vaginal
- fusion
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 53
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 14
- 244000005700 microbiome Species 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000000813 microbial effect Effects 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 239000000243 solution Substances 0.000 claims description 8
- 210000003855 cell nucleus Anatomy 0.000 claims description 7
- 210000002919 epithelial cell Anatomy 0.000 claims description 6
- 239000007850 fluorescent dye Substances 0.000 claims description 6
- 241000186660 Lactobacillus Species 0.000 claims description 5
- 229940039696 lactobacillus Drugs 0.000 claims description 5
- 210000004215 spore Anatomy 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000002906 microbiologic effect Effects 0.000 claims 3
- 238000003745 diagnosis Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 7
- 208000004926 Bacterial Vaginosis Diseases 0.000 description 3
- 206010046914 Vaginal infection Diseases 0.000 description 3
- 201000008100 Vaginitis Diseases 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 244000052769 pathogen Species 0.000 description 2
- 210000001215 vagina Anatomy 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 208000034164 Cytolytic vaginosis Diseases 0.000 description 1
- 206010017533 Fungal infection Diseases 0.000 description 1
- 208000007074 Trichomonas Vaginitis Diseases 0.000 description 1
- 208000025206 Trichomonas vaginitis urogenital infection Diseases 0.000 description 1
- 208000037009 Vaginitis bacterial Diseases 0.000 description 1
- 201000007096 Vulvovaginal Candidiasis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000012136 culture method Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000007687 exposure technique Methods 0.000 description 1
- 208000024386 fungal infectious disease Diseases 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000002458 infectious effect Effects 0.000 description 1
- 230000002757 inflammatory effect Effects 0.000 description 1
- 238000004949 mass spectrometry Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明涉及一种基于多聚焦图像融合和HDR算法的样本图像融合方法和装置，应用于阴道微生物样本检测，方法包括：获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像，基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中，输出目标图像，以实现将多张图像清晰的融合到一张图像中，便于医务人员的查看和诊断。
Description
技术领域
本发明属于阴道微生物样本检测技术领域，具体涉及一种基于多聚焦图像融合和HDR算法的样本图像融合方法及装置。
背景技术
感染性阴道炎是妇科常见疾病，当病原体侵入阴道，在一定的条件下使阴道黏膜产生炎症变化而形成阴道炎。其中不是由特异的病原体引起的阴道炎称非特异性阴道炎；主要有细菌性阴道病、外阴阴道假丝酵母菌病、滴虫性阴道炎、需氧菌性阴道炎、细胞溶解性阴道病。
常见的妇科疾病大多都是由微生物引起，对微生物样本检测的传统方法有培养法、镜检法、分子检测法、质谱法等，应用最多的还是采用显微扫描的方式对样本进行观察。现有扫描仪聚焦时在X轴及Y轴方向移动玻片到一个位置，然后移动Z轴，连续拍摄9张或是11张图像（拍摄张数在INI文件可以设定，根据实际聚焦Z轴需要移动的距离范围和步长设定），然后使用自动聚焦清晰度函数寻找最清晰的一张图像的位置做焦平面。
由于样本本身有厚度，每一层的清晰度不一样，且每一层的标识物也不一样，因此，如何将每一层清晰的图像融合显示在一张图像中成为了本领域技术人员亟需解决的技术问题。
发明内容
为了至少解决现有技术存在的上述问题，本发明提供了一种基于多聚焦图像融合和HDR算法的样本图像融合方法及装置，以实现将多层图像融合至一张图像中。
本发明提供的技术方案如下：
一方面，一种基于多聚焦图像融合和HDR算法的样本图像融合方法，应用于阴道微生物样本检测，包括：
获取阴道微生物样本的图像集合，所述图像集合包括所述阴道微生物样本的预设层数中每一层的图像；
基于多聚焦图像融合和HDR算法，将所述图像集合中的每一张图像融合到一张目标图像中；
输出所述目标图像。
可选的，上述所述获取阴道微生物样本的图像集合，包括：
通过显微扫描设备获取所述阴道微生物样本的每一层的初选图像；
对每张所述初选图像进行清晰度识别，确定清晰度最大值和清晰度极值；
在所述清晰度最大值时，设置相机曝光第一预设数量的第一次选图像，在所述清晰度极值时，设置相机曝光第二预设数量的第二次选图像；
采集所述第一次选图像和所述第二次选图像作为所述阴道微生物样本的图像集合。
可选的，上述所述通过显微扫描设备获取所述阴道微生物样本的每一层的初选图像，包括：
通过按照目标方向调节显微扫描设备的Z轴位置，获取所述阴道微生物样本的每一层的初选图像，且此时的显微扫描设备的X/Y轴的位置固定。
可选的，上述所述对每张所述初选图像进行清晰度识别，确定清晰度最大值和清晰度极值，包括：
利用清晰度函数对每张所述初选图像进行清晰度识别，确定清晰度最大值；
标记所述清晰度最大值对应的最大值位置；
以所述最大值位置为基准，在所述最大值位置的两侧进行搜索，确定清晰度极值。
可选的，上述所述在所述清晰度极值时，设置相机曝光第二预设数量的第二次选图像，包括：
识别所述清晰度极值中的极大值；
确定所述极大值对应为位置，设置相机曝光第三预设数量的第三次选图像。
可选的，上述所述第三预设数量为三张；
对应的，所述设置相机曝光第三预设数量的第三次选图像，包括：
根据选择依据确定曝光参数，所述曝光参数是根据上皮细胞、孢子、细胞核轮廓和乳酸杆菌的清晰度所确定的；
根据所述曝光参数设置相机曝光第三预设数量的第三次选图像。
可选的，上述所述基于多聚焦图像融合，将所述图像集合中的每一张图像融合到一张目标图像中，包括：
选取每张所述图像的目标区域的区域特征值，所述区域特征值包括区域能量和高频能量；
逐一像素计算每张图像所述目标区域的灰度值；
根据所述区域能量、所述高频能量和所述灰度值，将所述图像集合中的每一张图像融合到一张目标图像中。
可选的，上述所述逐一像素计算每张图像所述目标区域的灰度值之后，还包括：
对每张图像的所述区域能量、所述高频能量和所述灰度值进行一致性滤波，以实现对图像的准确融合。
可选的，上述所述获取阴道微生物样本的图像集合之前，还包括：
采用双重荧光染色液对所述阴道微生物样本进行处理。
另一方面，一种基于多聚焦图像融合和HDR算法的样本图像融合装置，应用于阴道微生物样本检测，包括：
获取模块，用于获取阴道微生物样本的图像集合，所述图像集合包括所述阴道微生物样本的预设层数中每一层的图像；
融合模块，用于基于多聚焦图像融合和HDR算法，将所述图像集合中的每一张图像融合到一张目标图像中；
输出模块，用于输出所述目标图像。
本发明的有益效果为：
本发明提供的一种基于多聚焦图像融合和HDR算法的样本图像融合方法及装置，应用于阴道微生物样本检测，方法通过获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中，输出目标图像的方式，可以获得阴道微生物样本每一层清晰的标识物图像，并能够最终融合在一张图片中显示，且多曝光技术让不同曝光度的图像中呈现的更多标识物，并能够最终显示在一张图片中，更加便于医务人员的查看，减轻医生负担，减小出错的概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于多聚焦图像融合和HDR算法的样本图像融合方法的一种流程图；
图2是本发明实施例提供的基于多聚焦图像融合和HDR算法的样本图像融合装置的一种结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
图1是本发明实施例提供的基于多聚焦图像融合和HDR算法的样本图像融合方法的一种流程图。
如图1所示，本实施例的一种基于多聚焦图像融合和HDR算法的样本图像融合方法，应用于阴道微生物样本检测，包括以下步骤：
S11、获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像。
S12、基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中。
S13、输出目标图像。
多聚焦图像融合是指当拍摄一副清晰的目标空间图像时，因为没有办法使标识物空间中的全部实体清晰成像，所以需要拍照各个目标获得更多幅清晰的图像。依照光学成像理论，当物体处在物平面内的时候，则成像结果是清晰的；反之，成像模糊。当目标的离焦程度相比较景深较小的时候，则认为标识物映射成的像是清晰明亮的。即光学成像系统对同一空间里面的不同标识物难以成全部清晰的像。为了得到完全清晰的场景图，在多聚焦图像的成像机理基础上，对获取的众多图像利用融合的措施实行处理能够获得相对清晰的图像。
高动态范围HDR（High Dynamic Range）图像合成是利用计算机处理技术，将普通数字图像转成高质量图像。场景中不同曝光度的图像呈现出来的视觉效果各异，为了能够获得更多信息，HDR技术就引入了。
通过多聚焦融合算法，可以获得样本每一层清晰的标识物图像，并能够最终融合在一张图片中显示。通过HDR算法，多曝光技术让不同曝光度的图像中呈现的更多标识物，并能够最终显示在一张图片中。
在一个具体的实现过程中，获取阴道微生物样本的图像集合，包括：通过显微扫描设备获取阴道微生物样本的每一层的初选图像，然后对每张初选图像进行清晰度识别，确定清晰度最大值和清晰度极值，最后当在清晰度最大值时，设置相机曝光第一预设数量的第一次选图像，例如第一预设数量可以是三张，三张图像分别是不同的曝光时间。在清晰度极值时，设置相机曝光第二预设数量的第二次选图像，例如第二次预设数量可以是六张，采集第一次选图像和第二次选图像作为阴道微生物样本的图像集合，需指出的是具体的第一预设数量和第二预设数量为用户自行设定的，可以进行人为调整。而在具体的操作时，通过显微扫描设备获取阴道微生物样本的每一层的初选图像，具体流程是，首先调节显微镜载物台X/Y位置至阴道微生物样本上方，然后固定显微扫描设备的X/Y轴的位置，再通过按照目标方向调节显微扫描设备的Z轴位置，获取阴道微生物样本的每一层的初选图像，目标方向通常是由上至下调节Z轴位置，使得可以获取到样本的每一层的图像。其中，对每张初选图像进行清晰度识别，确定清晰度最大值和清晰度极值，具体可以是利用清晰度函数对每张初选图像进行清晰度识别，确定清晰度最大值；标记清晰度最大值对应的最大值位置；以最大值位置为基准，在最大值位置的上下两侧进行搜索，确定清晰度极值，其中清晰度的极值包括极大值和极小值。然后对应的，在清晰度极值时，设置相机曝光第二预设数量的第二次选图像，具体的流程是，首先识别清晰度极值中的极大值，然后确定极大值对应为位置，设置相机曝光第三预设数量的第三次选图像，例如，第三预设数量也可以是三张，即在每一个清晰度极大值对应的位置曝光三张不同时间的第三次初选图像，从而便得到了多张清晰度不同的图像，也就是阴道微生物样本的不同层的不同清晰度的图像。
在第三预设数量为三张时，对应的设置相机曝光第三预设数量的第三次选图像，具体可以是：根据选择依据确定曝光参数，曝光参数是根据上皮细胞、孢子、细胞核轮廓和乳酸杆菌的清晰度所确定的；根据曝光参数设置相机曝光第三预设数量的第三次选图像。其中，第一个曝光的具体参数使设置相机使得能够清晰得到上皮细胞、孢子和细胞核轮廓，第二个曝光具体参数是设置相机使得上皮细胞通透可见、细胞核边缘纹理清晰，第三个具体曝光参数是设置相机使得在细胞核过曝的情况下，背景中的乳酸杆菌可以全部显现出来。也就是指根据图像能够观测到的不同的内容所确定相机的曝光参数，使得每次曝光的三张图像可以更加清晰。
而基于多聚焦图像融合，将图像集合中的每一张图像融合到一张目标图像中，具体则可以是选取每张图像的目标区域的区域特征值，区域特征值包括区域能量和高频能量；逐一像素计算每张图像目标区域的灰度值；根据区域能量、高频能量和灰度值，将图像集合中的每一张图像融合到一张目标图像中。其中，在逐一像素计算每张图像目标区域的灰度值之后，还包括：对每张图像的区域能量、高频能量和灰度值进行一致性滤波，以实现对图像的准确融合。通常图像中某一局部区域内的各像素之间往往有较强的相关性，图像中的局部特征往往不能由一个像素表征，需要通过某一局部中的多个像素来表征和体现，所以可以通过以某像素为中心的领域来确定融合图像中对应的像素点的值。基于区域特征的多聚焦图像融合法的基本思路就是逐个像素比较灰度值，对所选区域能量、高频能量进行对比，然后融合。
本实施例提供的一种基于多聚焦图像融合和HDR算法的样本图像融合方法，应用于阴道微生物样本检测，通过获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中，输出目标图像的方式，可以获得阴道微生物样本每一层清晰的标识物图像，并能够最终融合在一张图片中显示，且多曝光技术让不同曝光度的图像中呈现的更多标识物，并能够最终显示在一张图片中，更加便于医务人员的查看，减轻医生负担，减小出错的概率。
进一步地，本实施例中在获取阴道微生物样本的图像集合之前，还包括采用双重荧光染色液对阴道微生物样本进行处理。基于双重荧光染色液的样本，由于在荧光强度不一样时，背景中所显示的标识物不一样。解决了人工调节荧光强度和相机曝光参数，会丢失很多标识物的问题，从而可以更好地保证医生得到的诊断信息更加全面。智能数字显微扫描系统结合染色机和双重荧光染色试剂盒，对于各种类型组织、细胞、细菌等进行自动聚焦、自动扫描、自动保存荧光图片56张，从而减轻医生的负担，减少出错的机会。
基于一个总的发明构思，本发明实施例还提供一种基于多聚焦图像融合和HDR算法的样本图像融合装置。
图2是本发明实施例提供的基于多聚焦图像融合和HDR算法的样本图像融合装置的一种结构示意图。
如图2所示，本实施例提供的一种基于多聚焦图像融合和HDR算法的样本图像融合装置，应用于阴道微生物样本检测，包括：
获取模块10，用于获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像；
融合模块20，用于基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中；
输出模块30，用于输出目标图像。
本发明提供的一种基于多聚焦图像融合和HDR算法的样本图像融合装置，应用于阴道微生物样本检测，通过获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中，输出目标图像的方式，可以获得阴道微生物样本每一层清晰的标识物图像，并能够最终融合在一张图片中显示，且多曝光技术让不同曝光度的图像中呈现的更多标识物，并能够最终显示在一张图片中，更加便于医务人员的查看，减轻医生负担，减小出错的概率。
进一步地，本实施例中的获取模块10具体用于：
通过显微扫描设备获取所述阴道微生物样本的每一层的初选图像；
对每张所述初选图像进行清晰度识别，确定清晰度最大值和清晰度极值；
在所述清晰度最大值时，设置相机曝光第一预设数量的第一次选图像，在所述清晰度极值时，设置相机曝光第二预设数量的第二次选图像；
采集所述第一次选图像和所述第二次选图像作为所述阴道微生物样本的图像集合。
进一步地，本实施例中的获取模块10具体还用于：
通过按照目标方向调节显微扫描设备的Z轴位置，获取所述阴道微生物样本的每一层的初选图像，且此时的显微扫描设备的X/Y轴的位置固定。
进一步地，本实施例中的获取模块10具体还用于：
利用清晰度函数对每张所述初选图像进行清晰度识别，确定清晰度最大值；
标记所述清晰度最大值对应的最大值位置；
以所述最大值位置为基准，在所述最大值位置的两侧进行搜索，确定清晰度极值。
进一步地，本实施例中的获取模块10具体还用于：
识别所述清晰度极值中的极大值；
确定所述极大值对应为位置，设置相机曝光第三预设数量的第三次选图像。
进一步地，本实施例的所述第三预设数量为三张；
对应的，所述获取模块10中设置相机曝光第三预设数量的第三次选图像，具体用于：
根据选择依据确定曝光参数，所述曝光参数是根据上皮细胞、孢子、细胞核轮廓和乳酸杆菌的清晰度所确定的；
根据所述曝光参数设置相机曝光第三预设数量的第三次选图像。
进一步地，本实施例的融合模块20具体用于：
选取每张所述图像的目标区域的区域特征值，所述区域特征值包括区域能量和高频能量；
逐一像素计算每张图像所述目标区域的灰度值；
根据所述区域能量、所述高频能量和所述灰度值，将所述图像集合中的每一张图像融合到一张目标图像中。
进一步地，本实施例的融合模块20具体还用于：
对每张图像的所述区域能量、所述高频能量和所述灰度值进行一致性滤波，以实现对图像的准确融合。
进一步地，本实施例中还包括：染色模块，具体用于：
采用双重荧光染色液对所述阴道微生物样本进行处理。
关于装置部分的实施例，在对应的方法实施例中已经做了详细的介绍说明，因此，在对应的装置部分不再进行具体的阐述，可以相互参照进行理解。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (8)
1.一种基于多聚焦图像融合和HDR算法的样本图像融合方法，应用于阴道微生物样本检测，其特征在于，包括：
获取阴道微生物样本的图像集合，所述图像集合包括所述阴道微生物样本的预设层数中每一层的图像；其中，所述获取阴道微生物样本的图像集合，包括：通过显微扫描设备获取所述阴道微生物样本的每一层的初选图像；对每张所述初选图像进行清晰度识别，确定清晰度最大值和清晰度极值；在所述清晰度最大值时，设置相机曝光第一预设数量的第一次选图像，在所述清晰度极值时，设置相机曝光第二预设数量的第二次选图像；采集所述第一次选图像和所述第二次选图像作为所述阴道微生物样本的图像集合；
基于多聚焦图像融合和HDR算法，将所述图像集合中的每一张图像融合到一张目标图像中，包括：选取每张所述图像的目标区域的区域特征值，所述区域特征值包括区域能量和高频能量；逐一像素计算每张图像所述目标区域的灰度值；根据所述区域能量、所述高频能量和所述灰度值，将所述图像集合中的每一张图像融合到一张目标图像中；
输出所述目标图像。
2.根据权利要求1所述的样本图像融合方法，其特征在于，所述通过显微扫描设备获取所述阴道微生物样本的每一层的初选图像，包括：
通过按照目标方向调节显微扫描设备的Z轴位置，获取所述阴道微生物样本的每一层的初选图像，且此时的显微扫描设备的X/Y轴的位置固定。
3.根据权利要求1所述的样本图像融合方法，其特征在于，所述对每张所述初选图像进行清晰度识别，确定清晰度最大值和清晰度极值，包括：
利用清晰度函数对每张所述初选图像进行清晰度识别，确定清晰度最大值；
标记所述清晰度最大值对应的最大值位置；
以所述最大值位置为基准，在所述最大值位置的两侧进行搜索，确定清晰度极值。
4.根据权利要求1所述的样本图像融合方法，其特征在于，所述在所述清晰度极值时，设置相机曝光第二预设数量的第二次选图像，包括：
识别所述清晰度极值中的极大值；
确定所述极大值对应为位置，设置相机曝光第三预设数量的第三次选图像。
5.根据权利要求4所述的样本图像融合方法，其特征在于，所述第三预设数量为三张；
对应的，所述设置相机曝光第三预设数量的第三次选图像，包括：
根据选择依据确定曝光参数，所述曝光参数是根据上皮细胞、孢子、细胞核轮廓和乳酸杆菌的清晰度所确定的；
根据所述曝光参数设置相机曝光第三预设数量的第三次选图像。
6.根据权利要求1所述的样本图像融合方法，其特征在于，所述逐一像素计算每张图像所述目标区域的灰度值之后，还包括：
对每张图像的所述区域能量、所述高频能量和所述灰度值进行一致性滤波，以实现对图像的准确融合。
7.根据权利要求1所述的样本图像融合方法，其特征在于，所述获取阴道微生物样本的图像集合之前，还包括：
采用双重荧光染色液对所述阴道微生物样本进行处理。
8.一种基于多聚焦图像融合和HDR算法的样本图像融合装置，应用于阴道微生物样本检测，其特征在于，包括：
获取模块，用于获取阴道微生物样本的图像集合，所述图像集合包括所述阴道微生物样本的预设层数中每一层的图像；具体用于通过显微扫描设备获取所述阴道微生物样本的每一层的初选图像；对每张所述初选图像进行清晰度识别，确定清晰度最大值和清晰度极值；在所述清晰度最大值时，设置相机曝光第一预设数量的第一次选图像，在所述清晰度极值时，设置相机曝光第二预设数量的第二次选图像；采集所述第一次选图像和所述第二次选图像作为所述阴道微生物样本的图像集合；
融合模块，用于基于多聚焦图像融合和HDR算法，将所述图像集合中的每一张图像融合到一张目标图像中；具体用于选取每张所述图像的目标区域的区域特征值，所述区域特征值包括区域能量和高频能量；逐一像素计算每张图像所述目标区域的灰度值；根据所述区域能量、所述高频能量和所述灰度值，将所述图像集合中的每一张图像融合到一张目标图像中；
输出模块，用于输出所述目标图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011138538.0A CN112241953B (zh) | 2020-10-22 | 2020-10-22 | 基于多聚焦图像融合和hdr算法的样本图像融合方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011138538.0A CN112241953B (zh) | 2020-10-22 | 2020-10-22 | 基于多聚焦图像融合和hdr算法的样本图像融合方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112241953A CN112241953A (zh) | 2021-01-19 |
| CN112241953B true CN112241953B (zh) | 2023-07-21 |
Family
ID=74169625
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011138538.0A Active CN112241953B (zh) | 2020-10-22 | 2020-10-22 | 基于多聚焦图像融合和hdr算法的样本图像融合方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112241953B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116630220B (zh) * | 2023-07-25 | 2023-11-21 | 江苏美克医学技术有限公司 | 一种荧光图像景深融合成像方法、装置及存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1146375A2 (de) * | 2000-04-13 | 2001-10-17 | STN ATLAS Elektronik GmbH | Verfahren und Vorrichtung zum Fokussieren eines Bildes |
| CN102982522A (zh) * | 2012-12-14 | 2013-03-20 | 东华大学 | 一种实现多聚焦显微图像实时融合的方法 |
| CN103345756A (zh) * | 2013-07-19 | 2013-10-09 | 浙江农林大学 | 一种尿沉渣分析仪中显微镜的自动对焦方法、装置和电子设备 |
| CN104881854A (zh) * | 2015-05-20 | 2015-09-02 | 天津大学 | 基于梯度和亮度信息的高动态范围图像融合方法 |
| CN105241811A (zh) * | 2015-09-30 | 2016-01-13 | 爱威科技股份有限公司 | 多层次聚焦自动采图方法与系统 |
| CN106960414A (zh) * | 2016-12-12 | 2017-07-18 | 天津大学 | 一种多视角ldr图像生成高分辨率hdr图像的方法 |
| 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 |
| CN107948519A (zh) * | 2017-11-30 | 2018-04-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置及设备 |
| CN110443794A (zh) * | 2019-05-29 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 一种基于病理图像的图像状态确定方法、装置以及系统 |
| CN110927158A (zh) * | 2019-10-31 | 2020-03-27 | 湖南爱威医疗科技有限公司 | 图像采集方法和装置、显微镜系统、计算机可读存储介质 |
| CN110940646A (zh) * | 2019-11-01 | 2020-03-31 | 江苏美克医学技术有限公司 | 一种阴道微生物检测双重荧光染色液及其应用 |
| CN110987886A (zh) * | 2019-11-28 | 2020-04-10 | 上海纳奥生物科技有限公司 | 一种全自动显微影像荧光扫描系统 |
| CN111311530A (zh) * | 2020-01-22 | 2020-06-19 | 西安电子科技大学 | 基于方向滤波器及反卷积神经网络的多聚焦图像融合方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| HUP0600435A2 (en) * | 2006-05-26 | 2007-11-28 | 3Dhistech Kft | Method and system for digitizing a specimen having fluorescent target points |
| KR101699919B1 (ko) * | 2011-07-28 | 2017-01-26 | 삼성전자주식회사 | 다중 노출 퓨전 기반에서 고스트 흐림을 제거한 ｈｄｒ 영상 생성 장치 및 방법 |
| US9047666B2 (en) * | 2013-03-12 | 2015-06-02 | Futurewei Technologies, Inc. | Image registration and focus stacking on mobile platforms |
| US9654700B2 (en) * | 2014-09-16 | 2017-05-16 | Google Technology Holdings LLC | Computational camera using fusion of image sensors |
-
2020
- 2020-10-22 CN CN202011138538.0A patent/CN112241953B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1146375A2 (de) * | 2000-04-13 | 2001-10-17 | STN ATLAS Elektronik GmbH | Verfahren und Vorrichtung zum Fokussieren eines Bildes |
| CN102982522A (zh) * | 2012-12-14 | 2013-03-20 | 东华大学 | 一种实现多聚焦显微图像实时融合的方法 |
| CN103345756A (zh) * | 2013-07-19 | 2013-10-09 | 浙江农林大学 | 一种尿沉渣分析仪中显微镜的自动对焦方法、装置和电子设备 |
| CN104881854A (zh) * | 2015-05-20 | 2015-09-02 | 天津大学 | 基于梯度和亮度信息的高动态范围图像融合方法 |
| CN105241811A (zh) * | 2015-09-30 | 2016-01-13 | 爱威科技股份有限公司 | 多层次聚焦自动采图方法与系统 |
| CN106960414A (zh) * | 2016-12-12 | 2017-07-18 | 天津大学 | 一种多视角ldr图像生成高分辨率hdr图像的方法 |
| 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 |
| CN107948519A (zh) * | 2017-11-30 | 2018-04-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置及设备 |
| CN110443794A (zh) * | 2019-05-29 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 一种基于病理图像的图像状态确定方法、装置以及系统 |
| CN110927158A (zh) * | 2019-10-31 | 2020-03-27 | 湖南爱威医疗科技有限公司 | 图像采集方法和装置、显微镜系统、计算机可读存储介质 |
| CN110940646A (zh) * | 2019-11-01 | 2020-03-31 | 江苏美克医学技术有限公司 | 一种阴道微生物检测双重荧光染色液及其应用 |
| CN110987886A (zh) * | 2019-11-28 | 2020-04-10 | 上海纳奥生物科技有限公司 | 一种全自动显微影像荧光扫描系统 |
| CN111311530A (zh) * | 2020-01-22 | 2020-06-19 | 西安电子科技大学 | 基于方向滤波器及反卷积神经网络的多聚焦图像融合方法 |
Non-Patent Citations (1)
| Title |
|---|
| 多源图像融合技术及其在公安刑事摄影工作中的应用;程艳;郝新华;;政法学刊;29(02);第91-94页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112241953A (zh) | 2021-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5152077B2 (ja) | 生体像提示装置、生体像提示方法及びプログラム並びに生体像提示システム | |
| JP5715371B2 (ja) | 被写界深度が向上した撮像システム及び撮像方法 | |
| CN107850754A (zh) | 具有快速样本自动聚焦的成像组件 | |
| JP6791245B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
| JP6053327B2 (ja) | 顕微鏡システム、標本画像生成方法及びプログラム | |
| JP5782243B2 (ja) | 被写界深度が向上した撮像システム及び撮像方法 | |
| JP5996334B2 (ja) | 顕微鏡システム、標本画像生成方法及びプログラム | |
| JP5651423B2 (ja) | 被写界深度が向上した撮像システム及び撮像方法 | |
| US8982454B2 (en) | Microscope and filter inserting method | |
| JP5826561B2 (ja) | 顕微鏡システム、標本画像生成方法及びプログラム | |
| JP2024019639A (ja) | 顕微鏡システム、プログラム、及び、投影画像生成方法 | |
| US9916665B2 (en) | Cell tracking device and method, and storage medium non-transitory storing computer-readable cell tracking programs | |
| CN110619318A (zh) | 基于人工智能的图像处理方法、显微镜、系统和介质 | |
| WO2008020583A1 (fr) | dispositif autofocus, microscope et procédé de mise au point automatique | |
| CN112150446A (zh) | 显微镜镜检阅片扫描方法、计算机设备和系统 | |
| CN112241953B (zh) | 基于多聚焦图像融合和hdr算法的样本图像融合方法及装置 | |
| He et al. | Microscope images automatic focus algorithm based on eight-neighborhood operator and least square planar fitting | |
| CN112241713B (zh) | 基于模式识别和深度学习的阴道微生物识别方法及装置 | |
| CN116088158A (zh) | 一种细胞图像处理系统、方法、自动读片装置与存储介质 | |
| CN115943305A (zh) | 信息处理装置、信息处理方法、程序和信息处理系统 | |
| US20200074628A1 (en) | Image processing apparatus, imaging system, image processing method and computer readable recoding medium | |
| WO2022050109A1 (ja) | 画像処理装置、画像処理方法及び画像処理システム | |
| WO2022202233A1 (ja) | 情報処理装置、情報処理方法、情報処理システム、及び、変換モデル | |
| CN115629072A (zh) | 一种骨髓涂片图像分析诊断方法及病理切片扫描仪装置 | |
| CN112903675B (zh) | 样本分析仪和样本分析仪的细胞图像处理方法 |
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 |