机器视觉测量算子耦合显微图像内容的快速聚焦机制

王帮元

(安徽经济管理学院，信息工程系,安徽 合肥 230031)

机器视觉测量算子耦合显微图像内容的快速聚焦机制

王帮元

(安徽经济管理学院，信息工程系,安徽 合肥 230031)

针对显微聚焦速度慢、精度不够等难题，设计了机器视觉测量算子；根据显微图像内容，自动选择图像有效聚焦点，提出了二者相融合的快速自动聚焦算法。将最大灰度值像素作为有效聚焦点，并引入清晰度评价函数，嵌入爬山搜索法，快速锁定Z轴聚焦位置，解决显微聚焦速度慢、精度不够的问题。实验结果表明，相对于传统方法，文中算法具有更高的聚焦效率与精度。方案应用在快速自动聚焦上可以达到较好的效果，在工程上应用是可行的。

机器视觉；图像内容；自动聚焦；清晰度评价函数

近年来，关于自动聚焦技术越来越引起人们的注意，取得了一定的科研成果[1-2]。自动聚焦技术作为高精密光学仪器的核心技术，给人们带来了很多益处，并运用在工业、医疗等各个领域[3-4]。在工业中，超精密仪器的零件往往非常精细，以微米单位计算，这需要高精度的显微相机来保障，但也对相机快速并准确地自动聚焦带来了难度。提高聚焦速度与精度是亟待解决的技术问题，于是基于机器视觉、图像处理的快速自动聚焦方法应运而生。

高精度显微成像系统延长了人类视觉，观察到及其精密的细节信息，其中图像自动聚焦是成像清晰的关键[5-8]。自动聚焦根据光学成像原理，聚焦过程即是寻找光学焦点的过程，更是锁定图像最清晰状态的过程[9-10]。那么采用具有自动聚焦的显微成像系统来观察图像，既提高了工作效率，也提高了检测精度。

纵观目前国内外对图像自动聚焦问题大多都是在全局选取聚焦像素点进行清晰度评价，反馈给运动控制模块，调整显微镜Z轴位置，实现自动聚焦。选取全局范围的像素作为聚焦点，进行清晰度计算，不仅降低了速度，而且由于图像中难免存在空白像素即无效像素，从而影响聚焦精度和图像聚焦质量。

基于以上情况，本文提出了机器视觉测量算子，根据显微图像内容，自动选择图像有效聚焦点，设计了快速自动聚焦算法。本文将最大灰度值像素作为有效聚焦点，在一帧图像选取8个聚焦点。以8个聚焦点为核心的区域，有机结合清晰度评价函数和爬山搜索法快速锁定Z轴聚焦位置，解决显微聚焦速度慢、精度不够的问题。为达到准确的快速自动聚焦的目的，须解决以下两个问题：①有效聚焦点自动选择问题；②基于清晰度评价和爬山搜索法快速锁定Z轴聚焦位置的问题。

1 快速自动聚焦算法原理

如图1(a)所示，聚焦前或聚焦不良的图像，往往图像不清晰，很多细节丢失，图像平滑度较高，这对获取图像细节信息不利。如图1(b)所示，聚焦后或聚焦成功的图像，往往图像清晰，图像有很多细节，图像平滑度较低，这有利于细节信息的获取和分析。本研究的快速自动聚焦算法就是要达到这样的效果。

图1 聚焦前后的效果对比

但当前显微聚焦速度慢、精度较低。对此，本文提出了一个基于机器视觉与图像内容的快速自动聚焦算法，流程如图2所示。

图2 本文快速自动聚焦算法总体流程

首先将图像中像素分为2类：有用像素和无用像素。在调焦过程中，有用像素为中心的局部区域的清晰度函数值变化明显，当达到聚焦位置时，清晰度值最大；而无用像素为中心的局部区域的清晰度函数值变化很不明显，其变化参数对聚焦基本没有价值，反而会影响对聚焦位置的整体判断。传统聚焦算法基于全局像素进行清晰度评价，进而调整Z轴位置，不仅耗时，而且降低精度。本研究基于图像内若干有用像素进行清晰度评价，不仅降低了运算量提高了速度，而且增加了系统的精度。有用像素存在于图像灰度明显变化的区域，即梯度剧变处，这些区域对调焦反应明显(见图3)。图像的灰度最大值处的像素即是有用像素，可选为聚焦点。

2 算法流程与关键技术

2.1 基于机器视觉检测算子的快速选择有效聚焦像素点

传统聚焦算法基于全局像素进行清晰度评价，进而调整Z轴位置，不仅耗时，而且降低精度[10]。本研究基于图像内容有用像素进行清晰度评价，不仅降低了运算量提高了速度，而且增加了系统的精度。有用像素存在于图像灰度明显变化的区域，即梯度剧变处，这些区域对调焦反应明显。图像的灰度最大值处的像素即是有用像素，可选为聚焦点。机器视觉检测算子步骤如下：

1)将图像灰度化，并提取所有像素的灰度值。

2)对所有像素的灰度值进行排序，按式(1)求出最大灰度值，提取8个最大的灰度值及对应像素的坐标，即有用像素、有效聚焦点。

3)保存有效聚焦点的坐标，预备用于清晰度评价的计算，并在图中进行标注。如图3所示，8个绿色点即是有效聚焦点，都在梯度边缘或图像强度值较高点。

(1)

式中:P为最大灰度值，pixel_grayvlaue为图像内某个像素点的灰度值，max为求一区域内数据最大值的函数。

图3 自动选择有效聚焦点

快速选择有效聚焦像素点部分关键代码：

%*****快速选择有效聚焦像素点*****%

M=max(A(:))%求最大灰度值

[x,y]=find(A(x,y)==M)；%提取灰度最大值所在像素的坐标

%清晰度评价计算%

function [ grad ]= pjgrad(f)

[m n]=size(f);

sum=0;

for i=1:m-1 for j=1:n-1 grd=[f(i+1,j)-f(i,j)].^2+[f(i,j+1)-f(i,j)].^2; sum=sum+grd;

end

end

grad=sum/m/n;

end

2.2 快速锁定Z轴聚焦位置

基于以上8个有用像素点作为图像聚焦点，进行清晰度评价。分别基于爬山搜索法锁定Z轴位置，实现图像自动快速聚焦。步骤如下：

1)以上面得到的8个有效聚焦点为中心，取30×30像素区域，按式(2)进行清晰度评价计算。

[f(x,y+1)-f(x,y)2]}/m×n.

(2)

式中:q为清晰度函数值;m,n为图像长宽;f(x,y)为(x,y)坐标处的像素灰度值。

2)调整Z轴位置，基于爬山搜索法，锁定Z轴的聚焦位置，如图4所示。

图4 爬山搜索法流程

3)由上面得到的Z轴聚焦位置，调整Z轴，完成自动聚焦。如图5、图6所示，图5为聚焦前图像，图6为本研究自动快速聚焦处理后效果。

图5 聚焦前图像

图6 本文聚焦算法处理后图像效果

爬山搜索聚焦点部分关键代码：

%*****爬山搜索聚焦点*****%

function z = ClimbMount(x0,y0)

e=10^(-4);

lmd = 0.5;

x=-3:0.3:3;

y=-3:0.3:3;

z=1./(x.^2 + y.^2 + 2);

plot3(x,y,z);

title(′爬山算法′);xlabel(′x′);ylabel(′y′);zlabel(′z′);

gradsX=XDiff(x0,y0);

gradsY=YDiff(x0,y0);

gradsLen=GradsLen(x0,y0);

while(gradsLen >e) x0 = x0 + lmd * gradsX; y0 = y0 + lmd * gradsY; plot3(x0,y0,1./(x0.^2 + y0.^2 + 2),′y^′); hold on; pause(0.05); gradsX = XDiff(x0,y0); gradsY = YDiff(x0,y0); gradsLen = GradsLen(x0,y0);

end

function z = GradsLen(x,y);

x = XDiff(x,y);

x = x.^2;

y = YDiff(x,y);

y = y.^2;

z = sqrt(x+y);

function z = XDiff(x,y);

x=-2*x;

y=x.^2+y.^2+2;

y=y.^2;

z=x./y;

function z = YDiff(x,y);

y=-2*y;

x=x.^2+y.^2+2;

x=x.^2;

z=y./x;

3 实验结果与分析

图7是对在工业显微镜下未聚焦时的视野，基于本文快速自动聚焦算法，利用Matlab编程进行图像处理实验得到结果，如图8、图9(计算机CPU为1.99 GHz,内存为2 GB)所示。

图7 聚焦前显微下视野

图7是工业显微镜下未聚焦时的视野，图像模糊，细节信息丢失，图像平滑严重，不利于观察。

经过本研究自动选择有效聚焦点，得8个有效聚焦点坐标。以这8个有效聚焦点为中心区域，进行聚焦调整，得Z轴聚焦位置，如图8所示。

图8 自动聚焦点选择与Z轴位置锁定结果

图9所示为经过本研究的快速自动聚焦算法聚焦，得到显微镜下清晰视野，效果很明显。

图10所示为经过传统聚焦算法聚焦，得到显微镜下模糊视野，效果不明显。由于本研究基于有效聚焦点展开聚焦工作，而传统聚焦算法基于全局展开聚焦工作，通过图9、图10的比较，传统聚焦算法聚焦效果明显不如本研究准确，这样为后期的工业作业带来了很大麻烦，甚至严重影响工业作业的准确度。

图9 本文算法处理后的显微下视野

图10 传统聚焦方法处理后的显微下视野

对照组算法与本文算法的聚焦效率测试见表1。从表1可知，本文算法的聚焦效率非常高，时耗为0.87 s；而传统算法为2.52 s。由于本研究基于有效聚焦点展开聚焦工作，减小了计算量；而传统聚焦算法基于全局展开聚焦工作，增加了不必要的计算量。

表1 不同算法的聚焦效率对比结果 s

通过对比，可见本文快速自动聚焦算法的速度明显快于传统聚焦算法的速度。

4 结束语

本文针对显微聚焦速度慢、精度不够等问题，提出了机器视觉测量算子；根据显微图像内容，自动选择图像有效聚焦点，设计了快速自动聚焦算法。本文将最大灰度值像素作为有效聚焦点，有机结合清晰度评价函数和爬山搜索法快速锁定Z轴聚焦位置。实验结果表明，在精度和速度上，相对于传统方法，该方案应用在快速自动聚焦上可以达到较好的效果，在工程上应用是可行的。

[1]翟永平,刘云辉，周东翔，等.稀疏图像内容情况下显微镜自动聚焦算法[J].软件学报,2012,23(5)：1282-1285.

[2]PLISSITI M E,NIKOU C,CHARCHANTI A.Automated detection of cell nuclei in pap smear images using morphological reconstruction and clustering[J].IEEE Trans.Inf.Technol.Biomed.2011,3(2):213-216.

[3]陈玉群,范典，胡俊，等.红外透镜检测中的自动聚焦技术[J].红外与激光工程,2013,42(8):45-46.

[4]黄德天，吴志勇，刘雪超，等.一种适用于任意目标的离焦深度快速自动聚焦技术[J].光电子激光,2013,24(4)：606-609.

[5]XU X Y,XU S Z,JIN L H,et al.Characteristic Analysis of Otsu Threshold and Its Applications[J].Pattern Recognition.2011,2(1):124-128.

[6]NA MAT-LSA ,MY MASHOR ,NH OTHMAN.An automated cervical pre-cancerous diagnostic system[J].Artif.Intell.Med.2011,5(2):315-319.

[7]张来线,孙华燕，郭惠超，等.基于图像灰度梯度最大值累加的自动调焦算法[J].光子学报,2013,42(5)：606-609.

[8]PLISSITI M E,NIDOU C,CHARCHANTI A.Watershed-based segmentation of cell nuclei boundaries on Pap smear images[J].2010 10th IEEE International Conference on Information Technology and Applications in Biomedicine,2011,2(4):145-149.

[9]马建设,李合银，程雪岷，等.嵌入式自动聚焦摄像模组控制系统的设计[J].光学精密工程,2013,20(10)：2222-2228.

[10]MAO S,CHAN Y,CHU Y.Edge enhancement nucleus and cytoplast contour detector of cervical smear images[J].IEEE Transactions on Systems Man and Cybernetics,2012,3(2):235-239.

Research of fast auto-focusing algorithm based on machine vision and microscopic image content

WANG Bang-yuan

(Department of Information Engineering，Anhui Economic Management Institute,Hefei 230031,China)

According to the problem of slow microscopic focus speed and low precision,the fast auto-focusing algorithm based on machine vision and microscopic image content which automatically select image effectively focus point is proposed.According to the pixel of the biggest gray value,it can realize the effective focus point.In this solution,the Z axis focusing position is fast locked based on clarity-evaluation function and mountain climbing servo,to resolve the problem of slow microscopic focus speed and low precision.Experimental results show that the solution achieves good effect in fast auto-focusing in terms of precision and speed,and will the covered in practical engineering.

machine vision；image content；auto-focusing；clarity-evaluation function

2014-08-13

安徽省教育厅自然科学研究资助项目(KJ2013Z038)

王帮元(1966-)，男，副教授，研究方向：图像处理；计算机应用.

TP391

A

1671-4679(2014)06-0032-05

刘文霞]