CN113960778A - 一种基于中频滤波的动态步长聚焦方法 - Google Patents

Abstract

本发明提出了一种基于中频滤波的动态步长聚焦方法，主要是分为两部分，第一部分是聚焦评价函数，在进行聚焦评价前先对图像做中频滤波的预处理，滤除图像的高频和低频信息，再使用拉普拉斯算子计算图像的清晰度值；第二部分是基于第一部分计算清晰度值的方法，找到最佳聚焦平面的动态步长搜索算法，在每轮搜索的过程中记录搜索区域，搜索步长，并根据上一轮的搜索区域和搜索步长动态更新本轮搜索的初始搜索步长和搜索区域，有效降低了局部极值对搜索结果的影响，可以有效的找到清晰度值最大的聚焦平面。

Description

一种基于中频滤波的动态步长聚焦方法

技术领域

本发明涉及岩石薄片显微图像的自动聚焦方法，尤其涉及一种基于中频滤波的动态步长聚焦方法。

背景技术

在石油地质勘探中，通过将钻井取出来的岩石制作成岩石薄片，再对岩石薄片进行分析就可以得出石油的含量情况。这一整个岩石薄片图像采集过程中，对于岩石薄片的聚焦清晰度的评判直接影响后续的图像拼接和图像分析的结果。而手动聚焦耗费大量的人力物力，因此，对于岩石薄片图像采集使用自动聚焦方法。自动聚焦又分为主动聚焦和被动聚焦两种方式，主动聚焦是通过光学仪器测量镜头和待测物体之间的距离，来调整二者的距离达到聚焦的目的；被动聚焦则是通过图像处理算法来评价当前焦平面的清晰度，移动载物台获取清晰度评价最好的焦平面，主动聚焦对光学仪器的精度要求较高，实现起来有一定难度，所以被动聚焦的应用范围更加广泛。

对于不同的应用场景，自动聚焦有着不同的技术难题。在被动式的岩石薄片自动聚焦问题主要是清晰度评价函数和聚焦搜索两个方面，对此，国内外学者都提出了各自的解决方案。梁隆恺针对采集的图片分辨率高，计算量大，根据图像灰度特点提出了灰度非零值统计函数和低灰度值统计函数的聚焦算法。He C对低倍率显微图像中的细胞定位，提出了基于八邻域算子和最小二乘平面拟合的自动聚焦算法。还有Qiu Y等人针对高分辨率下的中期染色体聚焦算法，Mo C等人针对视频监控和跟踪系统的自动对焦算法。另外，对于聚焦区域的选择，中外学者都针对相应的应用场景提出不同的聚焦区域选择算法，其中，由于细胞薄片的感兴趣区域分布不均匀，Zhang F等人与江旻珊等人分别就人工鱼群算法进行改进，以获取合适的聚焦窗口。Tsai T H等人分别就运动检测获取感兴趣区域，在对这个区域选择合适的焦窗，在连续图像中对该窗口进行跟踪，Jeon J等人就图像的熵和边缘信息选择最优的点扩散函数获取聚焦区域。为高效的获取聚焦平面，江旻珊提出了混合搜索法来提高搜索效率。

在岩石薄片图像的采集中，由于岩石薄片中不同矿物本身的岩性不同以及岩石薄片的制作工艺等问题，容易引进一些噪声。传统的聚焦评价函数若直接用于对岩石显微图像的评价，对评价结果的准确性往往不理想，因此需要进行改进。

因此需要研发出一种基于中频滤波的动态步长聚焦方法来解决上述问题。

发明内容

本发明的目的就在于为了解决上述问题设计了一种基于中频滤波的动态步长聚焦方法。

本发明通过以下技术方案来实现上述目的：

一种基于中频滤波的动态步长聚焦方法，包括以下步骤：

S1、将当前视场的图像做中频离散余弦变换，即将图像与中频离散余弦变换算子做卷积，滤除图像中的高频和低频信息，保留图像中的中频信息；

S2、对S1中的处理结果的图像使用Laplacian算子计算图像的清晰度值；

S3、根据S2中的清晰度值，进行动态步长搜索找到最佳聚焦平面。

具体地，步骤S2中对S1中的中频信息图像使用Laplacian算子计算图像梯度，再根据计算出的梯度之和作为图像清晰度值。

具体地，步骤S3中使用动态步长搜索算法，找到最佳聚焦平面，动态步长搜索算法如下：

S31、先选定一个初始步长L为起始搜索步长；

S32、每次跨L步长向后搜索，并且每次到位置后计算清晰度评价值F[i]，i表示当前位置，同时判断F[i]是否是单调递增的，若是，则在本轮搜索完成后用M记录本次搜索的清晰度值最大的位置，若出现F[i]<F[i-1]，则继续向后搜索K次，K为F[i]的位置与本次搜索起始位置之差的一半，在后的K步搜索中若得到的清晰度值为递减的，则终止此次搜索前往S33步，若不是则按规则更新K值后继续搜索；

S33、根据本次搜索的最大清晰度值的位置M与搜索起始位置、搜索终止位置计算搜索区域D，D为M与搜索起始位置之差和M与搜索结束位置之差较小者，同时用diff表示本次搜索得到的清晰度最大值与上一次搜索得到的清晰度最大值之差，用end表示结束搜索标志，end为本次搜索的清晰度最大值乘以终止搜索系数t，若diff小于end则终止搜索，本次得到的最大清晰度值的位置即为最佳聚焦平面，若diff大于等于end，则转S34；

S34、由S33中得到的D更新搜索区域，跟新为[M-D/2,M+D/2]，M为上次搜索得到的最大聚焦评价值的位置，同时更新新一轮搜索的步长L，L为上次搜索步长*本次搜索区域D/上次搜索区域D，转S32；

算法结束即找到最佳聚焦平面。

本发明的有益效果在于：

本发明提出的基于中频滤波的动态步长聚焦方法，就岩石薄片的特性先将图像用中频滤波算子(中频离散余弦变换)预处理，滤除高频和低频信息，保留图像的基本结构，再根据Laplacian图像梯度算子计算图像聚焦评价值。在计算出聚焦评价值的基础上使用动态步长搜索算法记录每次的搜索结果，并通过这些搜索结果动态更新搜索区域和搜索步长，可以更准确的找到最佳聚焦平面。

附图说明

图1是基于中频滤波的动态步长聚焦方法的流程图；

图2是无局部极值的两阶段搜索法；

图3是无局部极值的动态步长搜索法；

图4是有局部极值的两阶段搜索法；

图5是有局部极值的动态步长搜索法；

图6是动态步长聚焦搜索算法流程图。

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示，一种基于中频滤波的动态步长聚焦方法，包括以下步骤：

S1、将当前视场的图像做中频离散余弦变换，即将图像与中频离散余弦变换算子做卷积，滤除图像中的高频和低频信息，保留图像中的中频信息；

S2、对S1中的处理结果的图像使用Laplacian算子计算图像的清晰度值；步骤S2中对S1中的中频信息图像使用Laplacian算子计算图像梯度，再根据计算出的梯度之和作为图像清晰度值。

S3、根据S2中的清晰度值，进行动态步长搜索找到最佳聚焦平面。

如图6所示，步骤S3中使用动态步长搜索算法，找到最佳聚焦平面，动态步长搜索算法如下：

S31、先选定一个初始步长L为起始搜索步长；

S32、每次跨L步长向后搜索，并且每次到位置后计算清晰度评价值F[i]，i表示当前位置，同时判断F[i]是否是单调递增的，若是，则在本轮搜索完成后用M记录本次搜索的清晰度值最大的位置，若出现F[i]<F[i-1]，则继续向后搜索K次，K为F[i]的位置与本次搜索起始位置之差的一半，在后的K步搜索中若得到的清晰度值为递减的，则终止此次搜索前往S33步，若不是则按规则更新K值后继续搜索；

S33、根据本次搜索的最大清晰度值的位置M与搜索起始位置、搜索终止位置计算搜索区域D，D为M与搜索起始位置之差和M与搜索结束位置之差较小者，同时用diff表示本次搜索得到的清晰度最大值与上一次搜索得到的清晰度最大值之差，用end表示结束搜索标志，end为本次搜索的清晰度最大值乘以终止搜索系数t，若diff小于end则终止搜索，本次得到的最大清晰度值的位置即为最佳聚焦平面，若diff大于等于end，则转S34；

S34、由S33中得到的D更新搜索区域，跟新为[M-D/2,M+D/2]，M为上次搜索得到的最大聚焦评价值的位置，同时更新新一轮搜索的步长L，L为上次搜索步长*本次搜索区域D/上次搜索区域D，转S32；

算法结束即找到最佳聚焦平面。

为验证本发明的可行性，选取了两组图像样本，一组是无局部极值点的图像，另一组是有局部极值点的图像，从图2和图3的结果可以看出两阶段搜索法对大小步长的设置比较依赖，找到的结果也不是最佳聚焦平面，而本发明的动态步长可以动态调整搜索步长，最终找到最佳聚焦平面；从图4和图5来看，对于存在局部极值点的图像样本，两阶段搜索法容易受到局部极值点的影响，错把局部极值点当成最佳聚焦平面，而本发明的动态步长搜索由于可以动态的调整步长和调整搜索区域，可以有效避免局部极值的影响，找到最终的最佳聚焦平面。

本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。

Claims (3)

1.一种基于中频滤波的动态步长聚焦方法，其特征在于，包括以下步骤：

S1、将当前视场的图像做中频离散余弦变换，即将图像与中频离散余弦变换算子做卷积，滤除图像中的高频和低频信息，保留图像中的中频信息；

S2、对S1中的处理结果的图像使用Laplacian算子计算图像的清晰度值；

S3、根据S2中的清晰度值，进行动态步长搜索找到最佳聚焦平面。

2.根据权利要求1所述的基于中频滤波的动态步长聚焦方法，其特征在于，步骤S2中对S1中的中频信息图像使用Laplacian算子计算图像梯度，再根据计算出的梯度之和作为图像清晰度值。

3.根据权利要求1所述的基于中频滤波的动态步长聚焦方法，其特征在于，步骤S3中使用动态步长搜索算法，找到最佳聚焦平面，动态步长搜索算法如下：

S31、先选定一个初始步长L为起始搜索步长；

S32、每次跨L步长向后搜索，并且每次到位置后计算清晰度评价值F[i]，i表示当前位置，同时判断F[i]是否是单调递增的，若是，则在本轮搜索完成后用M记录本次搜索的清晰度值最大的位置，若出现F[i]<F[i-1]，则继续向后搜索K次，K为F[i]的位置与本次搜索起始位置之差的一半，在后的K步搜索中若得到的清晰度值为递减的，则终止此次搜索前往S33步，若不是则按规则更新K值后继续搜索；

S33、根据本次搜索的最大清晰度值的位置M与搜索起始位置、搜索终止位置计算搜索区域D，D为M与搜索起始位置之差和M与搜索结束位置之差较小者，同时用diff表示本次搜索得到的清晰度最大值与上一次搜索得到的清晰度最大值之差，用end表示结束搜索标志，end为本次搜索的清晰度最大值乘以终止搜索系数t，若diff小于end则终止搜索，本次得到的最大清晰度值的位置即为最佳聚焦平面，若diff大于等于end，则转S34；

S34、由S33中得到的D更新搜索区域，跟新为[M-D/2,M+D/2]，M为上次搜索得到的最大聚焦评价值的位置，同时更新新一轮搜索的步长L，L为上次搜索步长*本次搜索区域D/上次搜索区域D，转S32；

算法结束即找到最佳聚焦平面。

Images