发明内容
(1)要解决的技术问题
针对现有技术的不足,本发明的目的在于提供一种显微镜的自动对焦及自动识别测量方法,该自动对焦及自动识别测量方法旨在解决现有技术下在对焦时需要先计算出焦面位置,然后通过对焦装置移动至该位置,对焦操作的步骤较为复杂,且只能对显微镜进行对焦,而不能自动识别测量,功能单一的技术问题。
(2)技术方案
为了解决上述技术问题,本发明提供了这样一种显微镜的自动对焦及自动识别测量方法,其步骤如下:
S1:控制观测样本从初始位置开始运动,运动距离为S,在运动过程中间隔均匀地采集N副图像,以计算量少、调焦范围大的SMD函数0为评价函数,计算图像的函数值,选取其中最大值,以其对应位置为新的初始位置,利用这幅图像通过已针对样本训练过的Bayes分类器搜索目标区域,定位目标的中心坐标,并以此为中心建立对焦窗口;
S2:以目标中心坐标为中心,圈定m*n的矩形区域进行计算,并按爬山策略,以设定的步长沿评价函数值增大的方向逐步对焦,直到评价函数的单调性改变时停止,此时达到的极点值是显微镜系统的正焦位置;
S3:显微镜在正焦位置连续采集三次数字图像,然后对数字图像进行预处理,流程包括灰度化、几何变换和图像增强;
S4:图像滤波:对图像进行点积运算并赋值到图像,其公式为
S5:二值化处理:用一个滑窗扫描图像,并用滑窗中心点亮度与滑窗内其他区域的亮度进行比较,若中心点亮度高于滑窗内其他区域的亮度,则将中心点标记为白色,若中心点亮度低于滑窗内其他区域的亮度,则标记为黑色;
S6:边缘检测处理:X方向:Y方向:
S7:系统根据处理后的图像,结合光栅尺的数据,完成自动测量,得出三张图像的区域面积分别为ar1、ar2和ar3,计算其平均值,输出区域面积三张图像的区域质心分别为rc1、rc2和rc3,计算其平均值,输出区域质心/>三张图像的区域方向分别为rf1、rf2和rf3,计算其平均值,输出区域方向/>三张图像的区域周长分别为ap1、ap2和ap3,计算其平均值,输出区域周长/>
使用本技术方案的自动对焦及自动识别测量方法时,S1:控制观测样本从初始位置开始运动,运动距离为S,在运动过程中间隔均匀地采集N副图像,S为300-600μm,所述N的范围为4-6,以计算量少、调焦范围大的SMD函数0为评价函数,计算图像的函数值,选取其中最大值,以其对应位置为新的初始位置,利用这幅图像通过已针对样本训练过的Bayes分类器搜索目标区域,定位目标的中心坐标,并以此为中心建立对焦窗口,Bayes分类器对样本训练的具体步骤为:
S11:设定x中分类类别,分别为{c1,c2,c3…cx},对于样本y,利用贝叶斯定理找到最大的P(c|y)作为样本y的最终分类,/> 其中P(c)表示训练样本空间中各类样本所占的比例,P(y|c)表示类别为c的条件下,样本y的类条件概率,P(y)是用来归一化的证据因子;
S12:基于训练集D来估计P(c)和P(y|c):Dc表示训练集D中第c类样本组成的集合,Bayes分类器对于已知类别,所有属性相互独立,其中d为属性的数目,yi为样本y在第i个属性上的取值,Dc,yi表示在第i个属性上取值为yi的样本组成的集合,则类条件概率为:
S2:以目标中心坐标为中心,圈定m*n的矩形区域进行计算,并按爬山策略,以设定的步长沿评价函数值增大的方向逐步对焦,步长为10μm-20μm,直到评价函数的单调性改变时停止,此时达到的极点值是显微镜系统的正焦位置;
S3:显微镜在正焦位置连续采集三次数字图像,然后对数字图像进行预处理,流程包括灰度化、几何变换和图像增强,灰度化处理的公式为f(a,b)=0.3R(a,b)+0.59G(a,b)+0.11B(a,b),f(a,b)为转换后的灰度图像在(a,b)处的灰度值,R、G、B的值为灰度值,灰度范围为0-255,几何变换的变化方式包括平移、转置、镜像、旋转和缩放,几何变换的计算公式为:srcA=dstA*(srcWidth/dstWidth)、srcB=dstB*(srcHeight/dstHeight),其中dstA和dstB为目标图像的像素横纵坐标,dstWidth和dstHeight为目标图像的长与宽,srcWidth和srcHeight为原图像的宽度与高度,srcA和srcB为目标图像在(dstA、dstB)点对应的原图像的坐标,图像增强采用直方图均衡化方法来增强图像细节;
S4:图像滤波:对图像进行点积运算并赋值到图像,其公式为 R5表示当前像素点,RzGz表示当前像素与滤波器对应值相乘的值,z为滤波器大小;
S5:二值化处理:用一个滑窗扫描图像,并用滑窗中心点亮度与滑窗内其他区域的亮度进行比较,若中心点亮度高于滑窗内其他区域的亮度,则将中心点标记为白色,若中心点亮度低于滑窗内其他区域的亮度,则标记为黑色;
S6:边缘检测处理:X方向:Y方向:
S7:系统根据处理后的图像,结合光栅尺的数据,完成自动测量,得出三张图像的区域面积分别为ar1、ar2和ar3,计算其平均值,输出区域面积三张图像的区域质心分别为rc1、rc2和rc3,计算其平均值,输出区域质心/>三张图像的区域方向分别为rf1、rf2和rf3,计算其平均值,输出区域方向/>三张图像的区域周长分别为ap1、ap2和ap3,计算其平均值,输出区域周长/>
优选地,所述S1中S为300-600μm,所述N的范围为4-6。
优选地,所述S1中Bayes分类器对样本训练的具体步骤为:
S11:设定x中分类类别,分别为{c1,c2,c3…cx},对于样本y,利用贝叶斯定理找到最大的P(c|y)作为样本y的最终分类,/> 其中P(c)表示训练样本空间中各类样本所占的比例,P(y|c)表示类别为c的条件下,样本y的类条件概率,P(y)是用来归一化的证据因子;
S12:基于训练集D来估计P(c)和P(y|c):Dc表示训练集D中第c类样本组成的集合,Bayes分类器对于已知类别,所有属性相互独立,其中d为属性的数目,yi为样本y在第i个属性上的取值,Dc,yi表示在第i个属性上取值为yi的样本组成的集合,则类条件概率为:
优选地,所述S2中步长为10μm-20μm。
优选地,所述S3中灰度化处理的公式为f(a,b)=0.3R(a,b)+0.59G(a,b)+0.11B(a,b),f(a,b)为转换后的灰度图像在(a,b)处的灰度值,R、G、B的值为灰度值,灰度范围为0-255。
优选地,所述S3中几何变换的变化方式包括平移、转置、镜像、旋转和缩放,几何变换的计算公式为:srcA=dstA*(srcWidth/dstWidth)、srcB=dstB*(srcHeight/dstHeight),其中dstA和dstB为目标图像的像素横纵坐标,dstWidth和dstHeight为目标图像的长与宽,srcWidth和srcHeight为原图像的宽度与高度,srcA和srcB为目标图像在(dstA、dstB)点对应的原图像的坐标。
优选地,所述S3中图像增强采用直方图均衡化方法来增强图像细节,S3中图形的灰度化处理方式为:YUV亮度灰度化或最大值灰度化或平均值灰度化或Gamma校正灰度化其中的一种。
优选地,所述S4中图像滤波采用线性滤波的方式,R5表示当前像素点,RzGz表示当前像素与滤波器对应值相乘的值,z为滤波器大小。
(3)有益效果
与现有技术相比,本发明的有益效果在于:本发明的自动对焦及自动识别测量方法在对焦时,随着观测样本的运动,建立对焦窗口,然后按爬山策略,以设定的步长沿评价函数值增大的方向逐步对焦,直到评价函数的单调性改变时停止,此时达到的极点值是显微镜系统的正焦位置,对焦的方式简单,操作方便,且基于图像处理技术,自动识别测量,并且采集三组数据,最后以三组数据的平均值为输出结果,测量结果的精度更准确。
具体实施方式
实施例1
本具体实施方式是显微镜的自动对焦及自动识别测量方法,其流程图如图1所示,该自动对焦及自动识别测量方法,其步骤如下:
S1:控制观测样本从初始位置开始运动,运动距离为S,在运动过程中间隔均匀地采集N副图像,其中S为300-600μm,N的范围为4-6,当S为400μm,N的范围为5,以计算量少、调焦范围大的SMD函数0为评价函数,计算图像的函数值,选取其中最大值,以其对应位置为新的初始位置,利用这幅图像通过已针对样本训练过的Bayes分类器搜索目标区域,定位目标的中心坐标,并以此为中心建立对焦窗口;Bayes分类器对样本训练的具体步骤为:
S11:设定x中分类类别,分别为{c1,c2,c3…cx},对于样本y,利用贝叶斯定理找到最大的P(c|y)作为样本y的最终分类,/> 其中P(c)表示训练样本空间中各类样本所占的比例,P(y|c)表示类别为c的条件下,样本y的类条件概率,P(y)是用来归一化的证据因子;
S12:基于训练集D来估计P(c)和P(y|c):Dc表示训练集D中第c类样本组成的集合,Bayes分类器对于已知类别,所有属性相互独立,其中d为属性的数目,yi为样本y在第i个属性上的取值,Dc,yi表示在第i个属性上取值为yi的样本组成的集合,则类条件概率为:
S2:以目标中心坐标为中心,圈定m*n的矩形区域进行计算,并按爬山策略,以设定的步长沿评价函数值增大的方向逐步对焦,直到评价函数的单调性改变时停止,此时达到的极点值是显微镜系统的正焦位置;
S3:显微镜在正焦位置连续采集三次数字图像,然后对数字图像进行预处理,流程包括灰度化、几何变换和图像增强,图形的灰度化处理方式为:YUV亮度灰度化或最大值灰度化或平均值灰度化或Gamma校正灰度化;灰度化处理的公式为f(a,b)=0.3R(a,b)+0.59G(a,b)+0.11B(a,b),f(a,b)为转换后的灰度图像在(a,b)处的灰度值,R、G、B的值为灰度值,灰度范围为0-255,几何变换的变化方式包括平移、转置、镜像、旋转和缩放,几何变换的计算公式为:srcA=dst A*(srcWidth/dstWidth)、srcB=dst B*(srcHeight/dstHeight),其中dstA和dstB为目标图像的像素横纵坐标,dstWidth和dstHeight为目标图像的长与宽,srcWidth和srcHeight为原图像的宽度与高度,srcA和srcB为目标图像在(dstA、dstB)点对应的原图像的坐标,图像增强采用直方图均衡化方法来增强图像细节;
S4:图像滤波:对图像进行点积运算并赋值到图像,其公式为 R5表示当前像素点,RzGz表示当前像素与滤波器对应值相乘的值,z为滤波器大小;
S5:二值化处理:用一个滑窗扫描图像,并用滑窗中心点亮度与滑窗内其他区域的亮度进行比较,若中心点亮度高于滑窗内其他区域的亮度,则将中心点标记为白色,若中心点亮度低于滑窗内其他区域的亮度,则标记为黑色;
S6:边缘检测处理:X方向:Y方向:
S7:系统根据处理后的图像,结合光栅尺的数据,完成自动测量,得出三张图像的区域面积分别为ar1、ar2和ar3,计算其平均值,输出区域面积三张图像的区域质心分别为rc1、rc2和rc3,计算其平均值,输出区域质心/>三张图像的区域方向分别为rf1、rf2和rf3,计算其平均值,输出区域方向/>三张图像的区域周长分别为ap1、ap2和ap3,计算其平均值,输出区域周长/>