CN114384681A - 显微镜快速精准自动对焦方法、系统、计算机设备及介质 - Google Patents

显微镜快速精准自动对焦方法、系统、计算机设备及介质 Download PDF

Info

Publication number
CN114384681A
CN114384681A CN202210041370.4A CN202210041370A CN114384681A CN 114384681 A CN114384681 A CN 114384681A CN 202210041370 A CN202210041370 A CN 202210041370A CN 114384681 A CN114384681 A CN 114384681A
Authority
CN
China
Prior art keywords
image
focusing
microscope
depth
obtaining
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.)
Pending
Application number
CN202210041370.4A
Other languages
English (en)
Inventor
石磊
赵国军
刘律文
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.)
Shanghai Youge Medical Technology Co ltd
Original Assignee
Shanghai Youge Medical 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 Shanghai Youge Medical Technology Co ltd filed Critical Shanghai Youge Medical Technology Co ltd
Priority to CN202210041370.4A priority Critical patent/CN114384681A/zh
Publication of CN114384681A publication Critical patent/CN114384681A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/24—Base structure
    • G02B21/241—Devices for focusing
    • G02B21/244—Devices for focusing using image analysis techniques
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
    • G02B7/28—Systems for automatic generation of focusing signals
    • G02B7/36—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
    • G02B7/28—Systems for automatic generation of focusing signals
    • G02B7/36—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals
    • G02B7/38—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals measured at different points on the optical axis, e.g. focussing on two or more planes and comparing image data

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Automatic Focus Adjustment (AREA)
  • Microscoopes, Condenser (AREA)

Abstract

本发明属于图像分析技术领域，公开了一种显微镜快速精准自动对焦方法、系统、计算机设备及介质，包括：采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集；将采集的图像进行裁剪，并通过图像评价函数，得到每个图像的质量评价值，根据每个图像的质量评价值确定质量最好的图像，并获取所述质量最好的图像对应的焦距f0；采用分类离焦深度法判断是否属于对焦类别；切换下一个视野，再次利用分类离焦深度法进行判断，直至全局扫描结束。本发明能够在精度和效率上取得平衡，通过聚焦深度法和分类离焦深度法结合，实现对检测目标的精准采集，从而精准的得到检测目标信息，预判方案，从而降低劳动成本，实现显微镜高度自动化。

Description

显微镜快速精准自动对焦方法、系统、计算机设备及介质
技术领域
本发明属于图像分析技术领域，尤其涉及一种显微镜快速精准自动对焦方法、系统、计算机设备及介质。
背景技术
目前，显微光学成像技术是一种集光学，机械、电子，传感器，计算机技术为一体的综合性学科。在集成电路，生物医学，材料分子等领域发挥着重要作用。在显微光学成像数字化系统中，最关键的是对焦策略，需要均衡精度和速度。传统人工显微镜操作方式存在效率低，精度低，时间长，无法复看的缺点。全自动显微光学成像数字化系统可以实现自动对焦，自动全局扫图以及智能分析等功能。为医疗辅诊断提供帮助。
在显微光学成像领域中，光学成像系统对一定范围内的物体，它的成像都存在着一个最清晰的成像图像位置，即系统的焦平面位置，它满足物像共扼原理，称为聚焦。系统成像远离这个位置，就会造成显微系统离焦，导致物体图像成像模糊不清。调节系统由离焦到聚焦的过程为对焦过程。即调节图像从模糊到清晰的过程。自动对焦的本质是通过传感器配合相应算法代替人眼对成像质量进行判断，并同时控制相关硬件对光学成像系统进行调整，使成像效果最佳。
当前大部分采用的对焦算法是基于数字图像的对焦算法，主要分为离焦深度法，对焦深度法。离焦深度法速度快，精度低，对焦深度法精度高，速度慢。因此，如何又快又准的实现自动对焦是当前亟待解决的问题。
通过上述分析，现有技术存在的问题及缺陷为：现有的对焦方法精度低，效率低，不能高效率精准的进行显微镜对焦。
解决以上问题及缺陷的难度为：无法快速精准对焦。
解决以上问题及缺陷的意义为：精准高效对焦，节省检测时间。
发明内容
针对现有技术存在的问题，本发明提供了一种显微镜快速精准自动对焦方法、系统、计算机设备及介质。
本发明是这样实现的，一种显微镜快速精准自动对焦方法，所述显微镜快速精准自动对焦方法包括：
步骤一，采用聚焦深度法按一定步长改变被拍物体和显微镜镜头的距离，定位最清晰图像位置，为初步粗对焦定位提高图片；
步骤二，将采集的图像进行裁剪，并通过图像评价函数，得到每个图像的质量评价值，根据每个图像的质量评价值确定质量最好的图像，并获取所述质量最好的图像对应的焦距f0，达到初步对焦位置；
步骤三，采用分类离焦深度法判断是否属于对焦类别；切换下一个视野，再次利用分类离焦深度法进行判断，直至全局扫描结束。
进一步，步骤一中，所述采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集包括：
预先规划每次电机前进步长p1，范围R1，当进行第一次对焦，从初始位置按照步长p1，在范围内采集图片，采集图片个数N，以焦距大小命名图片，区分不同焦距图片。
进一步，步骤二中，所述通过图像评价函数，得到每个图像的质量评价值包括：
利用拉普拉斯算子对图像进行模板卷积得到图像的高频分量，对得到的图像的高频分量进行求和，所述高频分量和即每个图像的质量评价值；
所述拉普拉斯算子如下：
Figure BDA0003470076800000021
Figure BDA0003470076800000031
其中，g(x，y)表示每个像素的亮度，z(x，y)表示亮度为g(x，y)的像素进行滤波模板卷积后每个像素点值；f表示取均值；
梯度算子为水平方向和垂直方向两个，高通滤波算子一个，对应的算子矩阵如下：
Figure BDA0003470076800000032
进一步，步骤三中，所述采用分类离焦深度法判断是否属于对焦类别包括：
首先，以f0为中心确定二次对焦范围r2；通过训练的离焦深度分类算法模型，判断f0所属的离焦量，根据指导原则，确定前进的步长，得到焦距f1所得的图像；
其次，计算图像所对应的离焦量，判断是否在对焦区域，如果不在，根据所在离焦区域分析前进步长；如果在，则对焦成功。
进一步，所述以f0为中心确定二次对焦范围r2包括：
取最大拉普拉斯值LM对应的焦距为中心，确定二次对焦范围；
具体包括：
取单峰曲线g前后两个点拟合近焦曲线，利用最小二乘法拟合计算得到参数a，b，c；所述单峰曲线g如下：
g＝a·exp(-(x-b)2/2c2)；
获取计算的所有图像中质量评价值，并将计算得到的质量评价值最大值减去质量评价值最小值的1/3得到截距y，计算公式如下：
y＝MIN(N)+(MAX(N)-MIN(N))/3；
代入g函数中计算得到x0，x1；所述[x0，x1]即为二次对焦范围r2。
进一步，所述通过训练的离焦深度分类算法模型，判断f0所属的离焦量包括：
离焦深度分类算法模型将二次对焦范围按离焦量的划分，分为10等间隔，d＝(x1-x0)/10，取整d；
按照距离分为5类训练，[x0，x0+3d]为类别class0；[x0+3d，x0+5d]为类别class2；[x0+5d，x0+6d]为类别class3；[x0+6d，x0+8d]为类别class4，[x0+8d，x0+10d]为类别class5；其中class3为对焦区域；
使用包括残差网络模块级联以及全连接层特征提取ResNet50深度卷积网络训练分类算法模型输出图像属于5类的概率，取概率最大的类别。
进一步，所述指导原则包括：
当图像位于类别1，电机前进步长为4；
当图像位于类别2，电机前进步长为2d；
当图像位于类别3，停止对焦；
当图像位于类别4，电机后退步长2d；
当图像位于类别5，电机后退步长2d；
进一步，所述步长p1小于二次聚焦范围r2的长度。
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述显微镜快速精准自动对焦方法的步骤。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述显微镜快速精准自动对焦方法的步骤。
本发明的另一目的在于提供一种实施所述显微镜快速精准自动对焦方法的显微镜快速精准自动对焦系统，所述显微镜快速精准自动对焦系统包括：
图像采集模块，用于采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集；
图像质量评价模块，用于将采集的图像进行裁剪，并通过图像评价函数，得到每个图像的质量评价值，根据每个图像的质量评价值确定质量最好的图像，并获取质量最好的图像对应的焦距f0；
对焦类别判断模块，用于采用分类离焦深度法判断是否属于对焦类别；切换下一个视野，再次利用分类离焦深度法进行判断，直至全局扫描结束。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供了一种显微镜快速精准自动对焦方法，能够在精度和效率上取得平衡，通过聚焦深度法和分类离焦深度法结合，实现对检测目标的精准采集；从而精准的得到检测目标信息，预判方案，有效的解决的检查效率低，记录不全等问题，从而降低劳动成本，实现显微镜高度自动化。
附图说明
图1是本发明实施例提供的显微镜快速精准自动对焦方法原理图。
图2是本发明实施例提供的显微镜快速精准自动对焦方法流程图。
图3是本发明实施例提供的对焦范围确定示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种显微镜快速精准自动对焦方法、系统、计算机设备及介质，下面结合附图对本发明作详细的描述。
如图1-图2所示，本发明实施例提供的显微镜快速精准自动对焦方法包括：
S101，采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集；
S102，将采集的图像进行裁剪，并通过图像评价函数，得到每个图像的质量评价值，根据每个图像的质量评价值确定质量最好的图像，并获取所述质量最好的图像对应的焦距f0；
S103，采用分类离焦深度法判断是否属于对焦类别；切换下一个视野，再次利用分类离焦深度法进行判断，直至全局扫描结束。
本发明实施例提供的采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集包括：
预先规划每次电机前进步长p1，范围R1，当进行第一次对焦，从初始位置按照步长p1，在范围内采集图片，采集图片个数N，以焦距大小命名图片，区分不同焦距图片。
本发明实施例提供的通过图像评价函数，得到每个图像的质量评价值包括：
利用拉普拉斯算子对图像进行模板卷积得到图像的高频分量，对得到的图像的高频分量进行求和，所述高频分量和即每个图像的质量评价值；
拉普拉斯算子如下：
Figure BDA0003470076800000061
Figure BDA0003470076800000062
其中，g(x，y)表示每个像素的亮度，z(x，y)表示亮度为g(x，y)的像素进行滤波模板卷积后每个像素点值；f表示取均值；
梯度算子为水平方向和垂直方向两个，高通滤波算子一个，对应的算子矩阵如下：
Figure BDA0003470076800000063
本发明实施例提供的采用分类离焦深度法判断是否属于对焦类别包括：
首先，以f0为中心确定二次对焦范围r2；通过训练的离焦深度分类算法模型，判断f0所属的离焦量，根据指导原则，确定前进的步长，得到焦距f1所得的图像；
其次，计算图像所对应的离焦量，判断是否在对焦区域，如果不在，根据所在离焦区域分析前进步长；如果在，则对焦成功。
本发明实施例提供的以f0为中心确定二次对焦范围r2包括：
取最大拉普拉斯值LM对应的焦距为中心，确定二次对焦范围；
具体包括：
取单峰曲线g前后两个点拟合近焦曲线，利用最小二乘法拟合计算得到参数a，b，c；所述单峰曲线g如下：
g＝a·exp(-(x-b)2/2c2)；
获取计算的所有图像中质量评价值，并将计算得到的质量评价值最大值减去质量评价值最小值的1/3得到截距y，计算公式如下：
y＝MIN(N)+(MAX(N)-MIN(N))/3；
代入g函数中计算得到x0，x1；所述[x0，x1]即为二次对焦范围r2。
本发明实施例提供的通过训练的离焦深度分类算法模型，判断f0所属的离焦量包括：
离焦深度分类算法模型将二次对焦范围按离焦量的划分，分为10等间隔，d＝(x1-x0)/10，取整d；
按照距离分为5类训练，[x0，x0+3d]为类别class0；[x0+3d，x0+5d]为类别class2；[x0+5d，x0+6d]为类别class3；[x0+6d，x0+8d]为类别class4，[x0+8d，x0+10d]为类别class5；其中class3为对焦区域；
使用包括残差网络模块级联以及全连接层特征提取ResNet50深度卷积网络训练分类算法模型输出图像属于5类的概率，取概率最大的类别。
本发明实施例提供的指导原则包括：
当图像位于类别1，电机前进步长为4；
当图像位于类别2，电机前进步长为2d；
当图像位于类别3，停止对焦；
当图像位于类别4，电机后退步长2d；
当图像位于类别5，电机后退步长2d；
本发明实施例提供的步长p1小于二次聚焦范围r2的长度。
下面结合具体实施例对本发明的技术方案做进一步说明。
本发明实施例提供的全自动显微镜对焦方法，包括如下：
S1首先采用聚焦深度法不断改变被怕物体和显微镜镜头得距离搜寻最近清晰图像位置。预先规划每次电机前进步长p1，范围R1，当进行第一次对焦，从初始位置按照步长p1，在范围内采集图片，采集图片个数N，以焦距大小命名图片，区分不同焦距图片。
S2将图片裁剪为(w，h)，减少每次处理时间，通过图像评价函数，得到每个图像的质量评价值，从中找出N中图像质量最好对应的焦距f0。
S3采用分类离焦深度法。首先确定以f0为中心确定二次对焦范围r2。通过训练的离焦深度分类算法模型，判断f0所属的离焦量，根据指导原则，确定前进的步长，得到焦距f1所得的图像，再计算图像所对应的离焦量，判断是否在对焦区域，如果不在，根据所在离焦区域分析前进步长。如果在，则对焦成功。
S4切换下一个视野，重复S3步骤，达到对全局的扫描。
进一步的在S1步骤中，P1小于r2的长度，确保能够拍到近焦的图像。
进一步的在S2步骤中图像质量评价函数介绍：利用拉普拉斯算子对图像进行模板卷积得到图像的高频分量，然后可以对图像的高频分量求和，用高频分量和作为图像的清晰度评价标准：
拉普拉斯算子：
z(x,y)＝g(x-1,y)+g(x+1,y)+g(x,y-1)+g(x,y+1)-4g(x,y)
Figure BDA0003470076800000081
梯度算子为水平方向和垂直方向两个，高通滤波算子只有一个
对应的算子矩阵：
Figure BDA0003470076800000082
对于一个M×N像素的图像，每个像素的亮度为g(x，y)，进行滤波模板卷积后每个像素点值为z(x，y)。
进一步在S3步骤中，随着焦距的增大，函数值呈现出单峰的形式。取最大拉普拉斯值LM对应的焦距为中心，二次对焦范围确定，如图1所示。
设单峰曲线：
f＝a·exp(-(x-b)2/2c2)
取f前后两个点拟合近焦曲线。如图1中3对应高斯函数的曲线。
使用最小二乘法拟合求出参数a，b，c。
取S2步骤中N个图像中最大值减去最小值为LM/3为截距，
y＝MIN(N)+(MAX(N)-MIN(N))/3；
将y带入F函数中求出x0，x1；x0和x1分别对应图1中的点1和2。
[x0，x1]即为二次对焦范围r2。离焦深度分类算法模型将二次对焦范围按离焦量的划分。分为1等间隔，d＝(x1-x0)/11，取整d。按照距离分为4类训练，[x0，x0+3d]为类别class0；[x0+3d，x0+5d]为类别class2；[x0+5d，x0+6d]为类别class3；[x0+7d，x0+9d]为类别class4，[x0+9d，x0+11d]为类别class5；其中class3为对焦区域。
使用ResNet50深度卷积网络训练分类算法模型。ResNet50网络中主要用到残差网络模块级联，最后结合全连接层特征提取，输出图片属于5类的概率，我们取概率最大的类别。
在前向传播过程中，随着层数的增加，图像的特征信息会逐层减少。在残差网络的加入后，下一层比上一层包含更多的图像特征信息，从而保证不会梯度消失，能够较好训练模型。采集5000张图片数据，每类1000张，训练测试比例9：1；训练集分类结果为95％，测试集识别结果为92％。
分类指导电机步长原则：
当图像位于类别1，电机前进步长为4d；
当图像位于类别2，电机前进步长为2d；
当图像位于类别3，停止对焦；
当图像位于类别4，电机后退步长2d；
当图像位于类别5，电机后退步长2d。
证明部分(具体实施例/实验/仿真/能够证明本发明创造性的正面实验数据等)
如具体实施方式所示。

Claims (10)

1.一种显微镜快速精准自动对焦方法，其特征在于，所述显微镜快速精准自动对焦方法包括：
步骤一，采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集；
步骤二，将采集的图像进行裁剪，并通过图像评价函数，得到每个图像的质量评价值，根据每个图像的质量评价值确定质量最好的图像，并获取质量最好的图像对应的焦距f0；
步骤三，采用分类离焦深度法判断是否属于对焦类别；切换下一个视野，再次利用分类离焦深度法进行判断，直至全局扫描结束。
2.如权利要求1所述的显微镜快速精准自动对焦方法，其特征在于，步骤一中，所述采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集包括：
预先规划每次电机前进步长p1，范围R1，当进行第一次对焦，从初始位置按照步长p1，在范围内采集图片，采集图片个数N，以焦距大小命名图片，区分不同焦距图片。
3.如权利要求1所述的显微镜快速精准自动对焦方法，其特征在于，步骤二中，所述通过图像评价函数，得到每个图像的质量评价值包括：
利用拉普拉斯算子对图像进行模板卷积得到图像的高频分量，对得到的图像的高频分量进行求和，所述高频分量和即每个图像的质量评价值；
所述拉普拉斯算子如下：
Figure FDA0003470076790000011
Figure FDA0003470076790000012
其中，g(x，y)表示每个像素的亮度，z(x，y)表示亮度为g(x，y)的像素进行滤波模板卷积后每个像素点值；f表示取均值；
梯度算子为水平方向和垂直方向两个，高通滤波算子一个，对应的算子矩阵如下：
Figure FDA0003470076790000021
4.如权利要求1所述的显微镜快速精准自动对焦方法，其特征在于，步骤三中，所述采用分类离焦深度法判断是否属于对焦类别包括：
首先，以f0为中心确定二次对焦范围r2；通过训练的离焦深度分类算法模型，判断f0所属的离焦量，根据指导原则，确定前进的步长，得到焦距f1所得的图像；
其次，计算图像所对应的离焦量，判断是否在对焦区域，如果不在，根据所在离焦区域分析前进步长；如果在，则对焦成功。
5.如权利要求4所述的显微镜快速精准自动对焦方法，其特征在于，所述以f0为中心确定二次对焦范围r2包括：
取最大拉普拉斯值LM对应的焦距为中心，确定二次对焦范围；
具体包括：
取单峰曲线g前后两个点拟合近焦曲线，利用最小二乘法拟合计算得到参数a，b，c；所述单峰曲线g如下：
g＝a·exp(-(x-b)2/2c2)；
获取计算的所有图像中质量评价值，并将计算得到的质量评价值最大值减去质量评价值最小值的1/3得到截距y，计算公式如下：
y＝MIN(N)+(MAX(N)-MIN(N))/3；
代入g函数中计算得到x0，x1；所述[x0，x1]即为二次对焦范围r2。
6.如权利要求4所述的显微镜快速精准自动对焦方法，其特征在于，所述通过训练的离焦深度分类算法模型，判断f0所属的离焦量包括：
离焦深度分类算法模型将二次对焦范围按离焦量的划分，分为10等间隔，d＝(x1-x0)/10，取整d；
按照距离分为5类训练，[x0，x0+3d]为类别class0；[x0+3d，x0+5d]为类别class2；[x0+5d，x0+6d]为类别class3；[x0+6d，x0+8d]为类别class4，[x0+8d，x0+10d]为类别class5；其中class3为对焦区域；
使用包括残差网络模块级联以及全连接层特征提取ResNet50深度卷积网络训练分类算法模型输出图像属于5类的概率，取概率最大的类别；
所述指导原则包括：
当图像位于类别1，电机前进步长为4；
当图像位于类别2，电机前进步长为2d；
当图像位于类别3，停止对焦；
当图像位于类别4，电机后退步长2d；
当图像位于类别5，电机后退步长2d。
7.如权利要求1所述的显微镜快速精准自动对焦方法，其特征在于，所述步长p1小于二次聚焦范围r2的长度。
8.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行如权利要求1-7任意一项所述显微镜快速精准自动对焦方法的步骤。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1-7任意一项所述显微镜快速精准自动对焦方法的步骤。
10.一种实施权利要求1～7任意一项所述显微镜快速精准自动对焦方法的显微镜快速精准自动对焦系统，其特征在于，所述显微镜快速精准自动对焦系统包括：
图像采集模块，用于采用聚焦深度法不断改变被拍物体和显微镜镜头的距离搜寻最近清晰图像位置，并进行图像的采集；
图像质量评价模块，用于将采集的图像进行裁剪，并通过图像评价函数，得到每个图像的质量评价值，根据每个图像的质量评价值确定质量最好的图像，并获取质量最好的图像对应的焦距f0；
对焦类别判断模块，用于采用分类离焦深度法判断是否属于对焦类别；切换下一个视野，再次利用分类离焦深度法进行判断，直至全局扫描结束。
CN202210041370.4A 2022-01-14 2022-01-14 显微镜快速精准自动对焦方法、系统、计算机设备及介质 Pending CN114384681A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210041370.4A CN114384681A (zh) 2022-01-14 2022-01-14 显微镜快速精准自动对焦方法、系统、计算机设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210041370.4A CN114384681A (zh) 2022-01-14 2022-01-14 显微镜快速精准自动对焦方法、系统、计算机设备及介质

Publications (1)

Publication Number Publication Date
CN114384681A true CN114384681A (zh) 2022-04-22

Family

ID=81201912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210041370.4A Pending CN114384681A (zh) 2022-01-14 2022-01-14 显微镜快速精准自动对焦方法、系统、计算机设备及介质

Country Status (1)

Country Link
CN (1) CN114384681A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117555123A (zh) * 2024-01-12 2024-02-13 江苏游隼微电子有限公司 一种电子显微镜自动对焦方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117555123A (zh) * 2024-01-12 2024-02-13 江苏游隼微电子有限公司 一种电子显微镜自动对焦方法及装置
CN117555123B (zh) * 2024-01-12 2024-03-22 江苏游隼微电子有限公司 一种电子显微镜自动对焦方法及装置

Similar Documents

Publication Publication Date Title
CN109714519B (zh) 一种自动调整图像画面的方法和系统
US9307134B2 (en) Automatic setting of zoom, aperture and shutter speed based on scene depth map
US9297995B2 (en) Automatic stereological analysis of biological tissue including section thickness determination
CN105026977B (zh) 信息处理装置、信息处理方法和信息处理程序
CN109064505B (zh) 一种基于滑动窗口张量提取的深度估计方法
US20120249770A1 (en) Method for automatically focusing a microscope on a predetermined object and microscope for automatic focusing
CN111932542B (zh) 一种基于多焦距的图像识别方法及装置、存储介质
CN111105346A (zh) 基于峰值搜索和灰度模版配准的全扫描显微图像拼接方法
CN113705298A (zh) 图像采集方法、装置、计算机设备及存储介质
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
CN113538545B (zh) 一种基于电液可调焦镜头的单目深度估计方法及相应的相机和存储介质
CN106973199B (zh) 利用对焦距离扫描提高深度精确度的多光圈相机系统
CN113253416B (zh) 一种基于星像椭圆率模型的望远镜高效精准调焦方法
CN109003228B (zh) 一种暗场显微大视场自动拼接成像方法
EP3709258B1 (en) Generating composite image from multiple images captured for subject
CN117590574A (zh) 一种显微镜自动对焦方法、终端和系统
Selek A new autofocusing method based on brightness and contrast for color cameras
CN114785953B (zh) 基于sfr的相机自动对焦方法及装置
CN116405775A (zh) 自动聚焦方法和装置、电子设备及拍摄系统
Shajkofci et al. DeepFocus: a few-shot microscope slide auto-focus using a sample invariant CNN-based sharpness function
CN113204107B (zh) 一种具有双物镜的三维扫描显微镜及三维扫描方法
CN112817118B (zh) 一种红外自动对焦快速搜索方法
Cruz et al. Automated urine microscopy using scale invariant feature transform
CN117452619B (zh) 一种稀疏目标显微成像自动对焦方法、系统及存储介质
JP2014142213A (ja) 撮影パラメータ決定装置及びその制御方法

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