CN114967099B - 一种显微镜的自动对焦及自动识别测量方法 - Google Patents
一种显微镜的自动对焦及自动识别测量方法 Download PDFInfo
- Publication number
- CN114967099B CN114967099B CN202210412635.7A CN202210412635A CN114967099B CN 114967099 B CN114967099 B CN 114967099B CN 202210412635 A CN202210412635 A CN 202210412635A CN 114967099 B CN114967099 B CN 114967099B
- Authority
- CN
- China
- Prior art keywords
- image
- automatic
- focusing
- value
- microscope
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000003708 edge detection Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000012549 training Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 12
- 101100332287 Dictyostelium discoideum dst2 gene Proteins 0.000 claims description 10
- 101100366890 Dictyostelium discoideum dstB gene Proteins 0.000 claims description 10
- 101100332286 Dictyostelium discoideum dst1 gene Proteins 0.000 claims description 8
- 101100366888 Dictyostelium discoideum dstA gene Proteins 0.000 claims description 8
- 230000009194 climbing Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
- G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明公开了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。该自动对焦及自动识别测量方法，其步骤如下：S1：建立对焦窗口；S2：确定显微镜系统的正焦位置；S3：对数字图像进行预处理；S4：图像滤波；S5：二值化处理；S6：边缘检测处理；S7：完成自动测量。该自动对焦及自动识别测量方法在对焦时，对焦的方式简单，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。
Description
技术领域
本发明属于显微镜对焦技术领域，具体涉及一种显微镜的自动对焦及自动识别测量方法。
背景技术
显微镜用于放大微小物体让肉眼可以观测，显微镜还有助于科学家发现新物种，有助于医生治疗疾病，光学显微镜主要由目镜、物镜、载物台和反光镜组成。目镜和物镜都是凸透镜，焦距不同。
目前，专利号为CN201910921045.5的发明专利公开了一种自动显微镜自动对焦方法，所述方法包括以下步骤：预处理步骤：将该自动显微镜上的对焦装置移动到切片上，获取当前位置的图像，并计算所述图像的清晰度，将当前位置的清晰度和位置设置为初始化清晰度和位置，并设定预设步长和初始方向；搜索步骤：以预设步长搜索峰值，并获得其上升沿以及下降沿；拟合步骤：拟合所述峰值以及所述上升沿和所述下降沿，找出最佳焦面位置，移动自动显微镜上的对焦装置至该位置处，完成对焦过程。其既可以对高对比度或高前景目标对焦，也可以对低对比度和低前景目标进行对焦，只需调整清晰度阈值即可，且对焦精度高，在搜索结束后对找到的峰值和它的上升沿以及下降沿依次进行抛物线拟合和四点单峰拟合，并将最终的拟合结果作为最后的焦面位置，但该方法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。
因此，针对上述对焦步骤复杂和不能识别测量的问题，亟需得到解决，以改善显微镜的使用场景。
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。
附图说明
图1为本发明自动对焦及自动识别测量方法一种具体实施方式的流程图。
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/>
Claims (10)
1.一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，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/>
2.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，所述S1中S为300-600μm，所述N的范围为4-6。
3.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，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：
4.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，所述S2中步长为10μm-20μm。
5.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，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。
6.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，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＝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。
7.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，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。
8.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，所述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。
9.根据权利要求1所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，所述S4中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。
10.根据权利要求9所述的一种显微镜的自动对焦及自动识别测量方法，其特征在于，所述S4中图像滤波采用线性滤波的方式，线性滤波为方框滤波或均值滤波或高斯滤波。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210412635.7A CN114967099B (zh) | 2022-04-19 | 2022-04-19 | 一种显微镜的自动对焦及自动识别测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210412635.7A CN114967099B (zh) | 2022-04-19 | 2022-04-19 | 一种显微镜的自动对焦及自动识别测量方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114967099A CN114967099A (zh) | 2022-08-30 |
| CN114967099B true CN114967099B (zh) | 2024-04-02 |
Family
ID=82977756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210412635.7A Active CN114967099B (zh) | 2022-04-19 | 2022-04-19 | 一种显微镜的自动对焦及自动识别测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114967099B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008116526A (ja) * | 2006-11-01 | 2008-05-22 | Matsushita Electric Ind Co Ltd | 顕微鏡画像の処理装置及び処理方法 |
| CN110865453A (zh) * | 2019-09-26 | 2020-03-06 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 一种自动显微镜自动对焦方法 |
| CN113777769A (zh) * | 2021-09-10 | 2021-12-10 | 深圳市高川自动化技术有限公司 | 一种显微仪器自动调焦方法、装置、智能终端及存储介质 |
-
2022
- 2022-04-19 CN CN202210412635.7A patent/CN114967099B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008116526A (ja) * | 2006-11-01 | 2008-05-22 | Matsushita Electric Ind Co Ltd | 顕微鏡画像の処理装置及び処理方法 |
| CN110865453A (zh) * | 2019-09-26 | 2020-03-06 | 麦克奥迪（厦门）医疗诊断系统有限公司 | 一种自动显微镜自动对焦方法 |
| CN113777769A (zh) * | 2021-09-10 | 2021-12-10 | 深圳市高川自动化技术有限公司 | 一种显微仪器自动调焦方法、装置、智能终端及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 显微镜的快速自动对焦算法;苗立刚;轩波;彭思龙;;光电子.激光;20070125(01);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114967099A (zh) | 2022-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107609557B (zh) | 一种指针式仪表读数识别方法 | |
| CN117351008B (zh) | 一种智能手机面板表面缺陷检测方法 | |
| CN108920992A (zh) | 一种基于深度学习的医药标签条码的定位与识别方法 | |
| JPH10506206A (ja) | 医・生物学標本の自動焦点装置 | |
| CN108133216B (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
| CN110428463B (zh) | 非球面光学元件离焦模糊定中图像自动提取中心的方法 | |
| CN113592911B (zh) | 表观增强深度目标跟踪方法 | |
| CN112883986B (zh) | 一种复杂背景下的静态红外靶灯识别方法 | |
| CN110736747A (zh) | 一种细胞液基涂片镜下定位的方法及系统 | |
| CN111462075A (zh) | 一种全切片数字病理图像模糊区域的快速重聚焦方法及系统 | |
| CN106548471B (zh) | 粗精调焦的医学显微图像清晰度评价方法 | |
| CN110060259A (zh) | 一种基于霍夫变换的鱼眼镜头有效区域提取方法 | |
| CN111062961A (zh) | 一种基于深度学习的隐形眼镜边缘缺陷检测方法 | |
| CN106709529B (zh) | 一种光伏电池色差分类的视觉检测方法 | |
| CN112037185A (zh) | 染色体分裂相图像筛选方法、装置及终端设备 | |
| CN111474103B (zh) | 一种骨髓细胞载玻片自动聚焦扫描方法及系统 | |
| CN114967099B (zh) | 一种显微镜的自动对焦及自动识别测量方法 | |
| CN113378663A (zh) | 一种巡检指针式圆形仪表识别方法及装置 | |
| Hao et al. | Improving the performances of autofocus based on adaptive retina-like sampling model | |
| CN114565564B (zh) | 一种基于相关法阈值迭代的拟合质心亚像素定位方法 | |
| CN115035071A (zh) | 一种pad导光板黑点缺陷的视觉检测方法 | |
| CN115079393A (zh) | 一种基于10倍物镜的染色体核型分析显微拍摄装置及方法 | |
| Utama et al. | Pupil Center Detection Using Radial Symmetry Transform to Measure Pupil Distance in the Eye | |
| CN117850032B (zh) | 一种光学透镜的调校方法及系统 | |
| CN117970595B (zh) | 一种基于深度学习和图像处理的显微镜自动对焦方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230608 Address after: Room 622, Jianxing Business Center, 26 Zhanqian Road, Xinhua Street, Huadu District, Guangzhou, Guangdong 510000 Applicant after: Guangzhou Guangjian Technology Development Co.,Ltd. Applicant after: GUANGZHOU EXAMINATION DETECTION AUTHENTICATION GROUP CO.,LTD. Address before: 510000 No. 1, Qiling Hebin West Road, Shiling Town, Huadu District, Guangzhou City, Guangdong Province Applicant before: Guangzhou Guangjian Technology Development Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |