CN115576092A - 一种光学显微镜智能自动聚焦方法、装置及存储设备 - Google Patents

Abstract

本发明公开了一种光学显微镜智能自动聚焦方法、装置及存储设备，具体涉及图像处理领域，包括如下步骤：选用拉普拉斯算子作为清晰度评价函数，并在步进电机的任意起始位置，获取初始图像并计算初始图象清晰度值；根据爬山算法确定下一步爬山方向以及步长直至找到清晰度峰点。本发明通过图像采集卡获取图像,计算评价函数值,然后根据爬山算法确定移动方向和距离,再通过串行端口发出控制命令,控制驱动器驱动镜头移动,计算新位置的评价函数值,从而依据爬山算法确定进一步的移动方向和距离,步进电机驱动聚焦机构使载物台移动一个小距离,以获得一幅较为清晰的图像，如此循环下去,直到图像最清晰为止，完成自动聚焦。

Description

一种光学显微镜智能自动聚焦方法、装置及存储设备

技术领域

本发明涉及图像处理技术领域，更具体地说，本发明涉及一种光学显微镜智能自动聚焦方法、装置及存储设备。

背景技术

光学显微视觉被广泛地应用于医学研究、电子芯片制造、生物工程等领域。自动聚焦技术是自动控制显微视觉系统的核心功能，是显微视觉的基础。自动聚焦是指通过光电传感器将物体反射的光接受，根据成像装置内部的计算与处理，控制电动对焦装置，从而在图像探测器上获得清晰图像的过程。

清晰度评价函数就是建立在自动聚焦完成程度上的一个指标，一个理想的聚焦评价函数应该具有度分析法实现，即用一个评价函数，通过分析函数值的大小，来评判图像的清晰度，也就是聚焦度。

解决自动聚焦算法的关键技术是选择一个合适的聚焦评价函数，目前许多学者在该方面作了大量的研究，并给出了判别和系统调焦的策略。对于他们提出的算法，大致可分为空域和频域两方面。空域典型的有灰度差分法、灰度梯度、罗伯特梯度算子等。频域中主要有DCT变换法与小波变换法。这些方法都很难兼顾聚焦速度和聚焦精度两方面。

针对上述问题，本发明提出了一种解决方案。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种光学显微镜智能自动聚焦方法、装置及存储设备，通过图像采集卡获取图像,计算评价函数值,然后根据爬山算法确定移动方向和距离,再通过串行端口发出控制命令,控制驱动器驱动镜头移动,计算新位置的评价函数值,从而依据爬山算法确定进一步的移动方向和距离,步进电机驱动聚焦机构使载物台移动一个小距离,以获得一幅较为清晰的图像，如此循环下去,直到图像最清晰为止，完成自动聚焦以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种光学显微镜智能自动聚焦方法，还包括如下步骤：

选用拉普拉斯算子作为清晰度评价函数，并在步进电机的任意起始位置，获取初始图像并计算初始图象清晰度值；

根据爬山算法确定下一步爬山方向以及步长直至找到清晰度峰点。

在一个优选地实施方式中，在获取初始图像并计算初始图象清晰度值前还包括如下步骤：

根据成像要求设定清晰度标准阈值。

在一个优选地实施方式中，当根据成像要求设定清晰度标准阈值后，所述光学显微镜智能自动聚焦方法包括如下步骤：

选用拉普拉斯算子作为清晰度评价函数，并在电机的任意起始位置，获取初始图像并计算初始图象清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则进行下一步骤；

根据爬山算法找到聚焦峰值点，获取峰值图像并计算相应清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则进行下一步骤；

统计爬山算法自动聚焦路线范围，确定找寻区域，自动选择找寻区域外的一点作为新的基点，获取此处图像并计算图象清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则重复根据爬山算法找到聚焦峰值点。

在一个优选地实施方式中，若清晰度标准阈值为显微镜成像的最佳清晰度值时，则爬山算法搜寻到峰值点后，在重新选择基点，找寻下一个峰点，直到对焦区域完全被找寻，再对各个峰值点的清晰度进行比较，确定最佳清晰度值。

在一个优选地实施方式中，在利用爬山算法寻找峰值点时，需要不断判断新的过程区域是否落入之前的找寻区域内，具体方法如下：

设全部对焦区域设为S，爬山算法找寻过的区域设为X，找寻的过程区域设为x_n，则爬山算法找寻过的区域X＝(x₁+x₂+……+x_n)，待找寻的区域为S-X，找寻的各峰值点清晰度为y_n，则此时，判断找寻的过程区域是否落入之前的找寻区域内其具体判断方法如下：

若x_n+1为X的子集，则选择找寻区域外的一点(S-X)作为新的基点，进行下一轮利用爬山寻找峰值y_n；

若x_n+1不是X的子集，则继续利用爬山寻找峰值y_n。

在一个优选地实施方式中，当全部对焦区域S全部找寻完毕后，对找寻的各峰值点清晰度y_n进行比较，其中max{y_n}为最佳清晰度值。

一种光学显微镜智能自动聚焦存储设备，所述存储设备存储指令及数据用于实现上述内容里任意一种光学显微镜智能自动聚焦方法。

一种光学显微镜智能自动聚焦装置，包括：上位机及自动聚焦设备；

所述上位机加载并执行存储设备中的指令及数据，用于实现上述内容里任意一种光学显微镜智能自动聚焦方法；

所述自动聚焦设备，用于实现上述内容里任意一种光学显微镜智能自动聚焦方法。

本发明一种光学显微镜智能自动聚焦方法的技术效果和优点：

1、本发明通过图像采集卡获取图像,计算评价函数值,然后根据爬山算法确定移动方向和距离,再通过串行端口发出控制命令,控制驱动器驱动镜头移动,计算新位置的评价函数值,从而依据爬山算法确定进一步的移动方向和距离,步进电机驱动聚焦机构使载物台移动一个小距离,以获得一幅较为清晰的图像，如此循环下去,直到图像最清晰为止，完成自动聚焦；

2、本发明当爬山算法搜寻到峰值点后，在重新选择基点找寻下一个峰点时，不断判断新的过程区域是否落入之前的找寻区域内，避免找寻到同一峰值点，降低自动对焦效率。

附图说明

图1为本发明一种光学显微镜智能自动聚焦方法流程图；

图2为本发明爬山算法过程图；

图3为本发明自动聚焦找寻峰点流程图；

图4为本发明一种光学显微镜智能自动聚焦装置及存储设备结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明一种光学显微镜智能自动聚焦方法，通过图像采集卡获取图像,计算评价函数值,然后根据爬山算法确定移动方向和距离,再通过串行端口发出控制命令,控制驱动器驱动镜头移动,计算新位置的评价函数值,从而依据爬山算法确定进一步的移动方向和距离,步进电机驱动聚焦机构使载物台移动一个小距离,以获得一幅较为清晰的图像，如此循环下去,直到图像最清晰为止，完成自动聚焦。

具体的，如图1所示，包括如下步骤：

步骤S101、设定拍摄清晰度指标；

即根据成像要求设定清晰度标准阈值，从而能够根据清晰度指标来判定拍摄的清晰度是否满足要求。

步骤S102、选用拉普拉斯算子作为清晰度评价函数，并在电机的任意起始位置，获取初始图像并计算初始图象清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则进行步骤S103；

步骤S103、根据爬山算法确定下一步拍摄位置，获取相应的过程图像并计算相应清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则结束利用爬山算法获取峰值点，完成自动聚焦，若不满足则进行步骤S10。

步骤S104、根据爬山算法找到聚焦峰值点，获取峰值图像并计算相应清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则进行步骤S105。

步骤S105，统计爬山算法自动聚焦路线范围，确定找寻区域，自动选择找寻区域外的一点作为第二基点，获取该点图像并计算图象清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则进行步骤S103。

实施例2

本发明实施例2与上述实施例的区别在于，上述实施例大致介绍了本发明一种光学显微镜智能自动聚焦方法的具体流程，在本实施例中，将对其中某些步骤进行详细介绍。

在步骤S101中，清晰度标准阈值设置主要根据实际需要来设定，在实际研究过程中，由于对图片的需求不同，标准阈值也并不相同。

在步骤S102中，本发明采用拉普拉斯算子作为清晰度评价函数，其精准度高，特别是在焦点附近该函数的灵敏度非常高，该评价函数使用了被判断点及其周围4个像素点的灰度信息，其函数式如下：

L_k＝|2*f(x,y)-f(x-1,y)-f(x+1,y)|+|2*f(x,y)-f(x,y-1)-f(x,y+1)|

式中，L_k为离散后的拉普拉斯算子值，f(x,y)为获取图像中(x,y)点的灰度值，f(x-1,y)、f(x+1,y)、f(x,y-1)与f(x,y+1)为该点周围4个像素点的灰度信息。

在步骤S103中，主要是通过爬山算法快速有效地寻找出清晰度的峰值点，由于拉普拉斯算子作为评价函数时，评价函数在聚焦峰点两侧逐渐减少，利用爬山算法，比较前后脚印的值确定下一步爬山方向以及步长，是简单易行的。如图2所示，显微镜初始位置在1点向前移动一个大步长，到2点。2点的函数值大于1点的函数值，则继续右移动一个大步长，反之向左移动一个大步长。循环进行，直到到了5点，函数值小于上一个点4，证明已经经过了峰值点，退回两个大步长，在3和5点之间用小步长进行搜索，直到找到峰值点。在峰值点地寻找过程中，若有清晰度值满足设定的阈值要求地，则停止继续寻找，完成自动对焦。

具体的，如图3所示，若平台正相移动使清晰度增大，应该继续驱动电机正转,平台正相移动，寻找峰值；电机以20步为步长，继续驱动步进电机正转,从而使平台正向移动。粗聚焦过程中，逐步接近峰值点，忽略小的波动，找到清晰度显著下降的点为止。粗聚焦过程中接近了焦面，在逐步前进的过程中，平台已经接近了焦面。而由于振动，画面存在一些模糊。粗聚焦过程中，清晰度开始较大幅度的下降，认为过了峰值点。由于阈值的存在，所以不能分辨小的“谷”和刚经过峰值的区别，所以电机随后要后退40步，进行细聚焦。

在步骤S104中，当寻找到清晰度的峰值点时，首先判断该点的清晰度是否满足清晰度要求，若满足则完成自动对焦，若不能满足，由于爬山算法其寻找的峰值点可能仅为局部峰值，因此当爬山算法找到的峰值点无法满足清晰度指标时，仍有可能在其他拍摄点满足清晰度要求。因此，当寻找到清晰度的峰值点无法满足清晰度要求进行步骤S105。

在步骤S105中，首先统计爬山算法过程中涉及到的像素点信息，并以此生成路径范围，再在排除该路径范围之外的像素点上选取一点作为第二基点，在第二基点的基础上再次进行爬山算法搜索峰值点，并时刻验证获取的图像清晰度是否满足实际要求。

实施例3

本发明实施例3与上述实施例的区别在于，上述实施例中，均是以满足实际确定的一个清晰度要求而进行自动对焦，但在实际使用中，可能是要找寻整个显微镜的最佳对焦点，此时需要对图片整体进行自动对焦寻找。而上述实施例无法实现这一对焦目标。因此，本实施例对此进行进一步介绍。

当步骤S101中，拍摄清晰度指标为显微镜成像的最佳清晰度指标时，当爬山算法搜寻到峰值点后，在重新选择基点，找寻下一个峰点，直到对焦区域完全被找寻，再对各个峰值点的清晰度进行比较，确定最佳清晰度值。

需要注意的是，进行新一轮利用爬山算法寻找峰值点时，需要不断判断新的过程区域是否落入之前的找寻区域内，避免找寻到同一峰值点，降低自动对焦效率。

具体的，本发明将全部对焦区域设为S，爬山算法找寻过的区域设为X，找寻的过程区域设为x_n，则爬山算法找寻过的区域X＝(x₁+x₂+……+x_n)，待找寻的区域为S-X，找寻的各峰值点清晰度为y_n，则此时在步骤S102至S104中，判断找寻的过程区域是否落入之前的找寻区域内，判断方法如下：

若x_n+1为X的子集，则说明找寻的过程区域落入之前的找寻区域内，此时说明继续找寻下去依旧会找寻到原先找寻的峰值点，因此，此时直接跳至步骤S105，选择找寻区域外的一点(S-X)作为新的基点，进行下一轮利用爬山寻找峰值y_n。

若x_n+1不是X的子集，则说明找寻的过程区域未落入之前的找寻区域内，此时说明继续找寻下去依旧不会找寻到原先找寻的峰值点，因此，继续利用爬山寻找峰值y_n。

同时，当步骤S101中，拍摄清晰度指标为显微镜成像的最佳清晰度指标时，还包括步骤S106，具体的是，当全部对焦区域S全部找寻完毕后，对找寻的各峰值点清晰度y_n进行比较，其中max{y_n}为最佳清晰度值。

实施例4

本发明实施例4与上述实施例的区别在于，上述实施例中具体介绍了一种光学显微镜智能自动聚焦方法，本实施例对一种光学显微镜智能自动聚焦装置与存储设备进行介绍，如图4所示，其包括：上位机、自动聚焦设备以及存储设备。

所述自动聚焦设备用于实现上述实施例中的所述一种光学显微镜智能自动聚焦方法，其具体包括CCD相机、光学显微镜、玻璃及移动平台、细分驱动器、步进电机以及电源模块等等。

所述上位机用于加载并执行所述存储设备中的指令及数据用于实现上述一种光学显微镜智能自动聚焦方法，本发明选用PC电脑作为上位机，内部软件采用matlab进行计算。

所述存储设备存储相关指令及数据；用于实现上述一种光学显微镜智能自动聚焦方法。

上述部件均为通用标准件或本领域技术人员知晓的部件，其结构和原理都为本领域技术人员均可通过技术手册得知或通过常规实验方法获知。

本申请实施例还提供一种计算机可读存储介质，其上存储有指令，该指令被执行时执行上述方法实施例中的智能自动聚焦方法。

上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种光学显微镜智能自动聚焦方法，其特征在于，还包括如下步骤：

选用拉普拉斯算子作为清晰度评价函数，并在步进电机的任意起始位置，获取初始图像并计算初始图象清晰度值；

根据爬山算法确定下一步爬山方向以及步长直至找到清晰度峰点。

2.根据权利要求1所述的一种光学显微镜智能自动聚焦方法，其特征在于：在获取初始图像并计算初始图象清晰度值前还包括如下步骤：

根据成像要求设定清晰度标准阈值。

3.根据权利要求2所述的一种光学显微镜智能自动聚焦方法，其特征在于：当根据成像要求设定清晰度标准阈值后，所述光学显微镜智能自动聚焦方法包括如下步骤：

选用拉普拉斯算子作为清晰度评价函数，并在电机的任意起始位置，获取初始图像并计算初始图象清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则进行下一步骤；

根据爬山算法找到聚焦峰值点，获取峰值图像并计算相应清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则进行下一步骤；

统计爬山算法自动聚焦路线范围，确定找寻区域，自动选择找寻区域外的一点作为新的基点，获取此处图像并计算图象清晰度值，将该清晰度值与清晰度标准阈值进行比较，看其是否满足清晰度要求，若满足则完成自动聚焦，若不满足则重复根据爬山算法找到聚焦峰值点。

4.根据权利要求2所述的一种光学显微镜智能自动聚焦方法，其特征在于：若清晰度标准阈值为显微镜成像的最佳清晰度值时，则爬山算法搜寻到峰值点后，在重新选择基点，找寻下一个峰点，直到对焦区域完全被找寻，再对各个峰值点的清晰度进行比较，确定最佳清晰度值。

5.根据权利要求4所述的一种光学显微镜智能自动聚焦方法，其特征在于：在利用爬山算法寻找峰值点时，需要不断判断新的过程区域是否落入之前的找寻区域内，具体方法如下：

设全部对焦区域设为S，爬山算法找寻过的区域设为X，找寻的过程区域设为x_n，则爬山算法找寻过的区域X＝(x₁+x₂+……+x_n)，待找寻的区域为S-X，找寻的各峰值点清晰度为y_n，则此时，判断找寻的过程区域是否落入之前的找寻区域内其具体判断方法如下：

若x_n+1为X的子集，则选择找寻区域外的一点(S-X)作为新的基点，进行下一轮利用爬山寻找峰值y_n；

若x_n+1不是X的子集，则继续利用爬山寻找峰值y_n。

6.根据权利要求5所述的一种光学显微镜智能自动聚焦方法，其特征在于：当全部对焦区域S全部找寻完毕后，对找寻的各峰值点清晰度y_n进行比较，其中max{y_n}为最佳清晰度值。

7.一种光学显微镜智能自动聚焦存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～6所述的任意一种光学显微镜智能自动聚焦方法。

8.一种光学显微镜智能自动聚焦装置，其特征在于：包括上位机及自动聚焦设备；

所述上位机加载并执行存储设备中的指令及数据，用于实现权利要求1～6所述的任意一种光学显微镜智能自动聚焦方法；

所述自动聚焦设备，用于实现权利要求1～6所述的任意一种光学显微镜智能自动聚焦方法。

Images