显微图像采集仪自动聚焦功能的研究

陆佳英++郭荣幸

摘要：

为了提高检验方法的自动化程度，提高检验效率，开发显微图像采集仪，对比纤维细度仪与显微图像采集仪的结构组成与工作原理，分析显微图像采集仪的去噪和自动聚焦方法。试验得出：显微图像采集仪的去噪采用中值滤波法，自动聚焦采用梯度函数法，得到的图像自动聚焦效果好，提高自动化程度，节省人力成本。

关键词：去噪；自动聚焦；自动化

1 引言

纤维成分含量检测是纺织服装产品检验中的基础项目，它是决定服装使用性能的重要指标，也是消费者在购买服装时重要的选择依据和合理选择洗涤维护方式的重要参考，因此纤维成分含量标识的准确性与科学性尤为重要[1]。目前，纤维成分含量检测主要有两种方法：化学溶解法、显微镜物理法[2]。化学溶解法需要消耗大量高浓度的盐酸、硫酸、硝酸等无机试剂，以及DMF、CHCl3等有机试剂，会产生高腐蚀性的化学废液，对环境产生污染，长期接触腐蚀性、挥发性的化学试剂也会对检验人员的身体健康造成不良影响。显微镜物理法主要采用纤维细度仪人工对纺织产品进行检测，该方法是一种绿色环保的检测技术，但是自动化程度较低，劳动强度大，劳动生产效率较低。

为提升检测方法的自动化程度，提高劳动生产率，尝试对纤维细度投影仪进行硬件改造和软件研发，使改造后的纤维图像采集仪可对样品切片图像自动采集和自动聚焦。

2 显微图像采集仪与纤维细度仪对比

2.1 显微图像采集仪与纤维细度仪组成对比

2.1.1 纤维细度仪组成

纤维细度仪硬件系统组成：① 奥林巴斯BX-53光学显微镜；② 手动X/Y轴运动及调焦平台；③采集终端计算机。纤维细度仪软件系统为用户人机交互界面软件。

2.1.2 显微图像采集仪组成

显微图像采集仪硬件系统组成：① 奥林巴斯BX-53光学显微镜；② 高性能X/Y/Z三轴运动控制平台（压电/电磁、闭环控制）；③ 运动控制平台控制器；④ 高分辨率/高性能CCD；⑤ 采集终端计算机。显微图像自动采集系统软件系统组成：① 运动控制平台控制系统子模块；② 图像采集子模块；③ 图像对焦算法；④ 多焦面合成算法；⑤ 全景图像拼接算法；⑥ 用户人机交互界面软件。

2.2 显微图像采集仪与纤维细度仪工作原理对比

2.2.1 纤维细度仪工作原理

图1所示，显微镜与计算机相连，通过显微镜视频采集设备将图像数据传输给计算机，显示器显示采集样品切片图像。手动调节载物台上的样品标本移动器同轴手轮，可使样品切片沿X、Y轴移动。同时手动调节载物台上的粗/微调焦旋钮，使样品切片清晰便于观察。

2.2.2 显微图像采集仪工作原理

图2所示，显微镜通过CCD视频采集设备将图像数据传输给计算机，计算机通过自动对焦和多焦面合成算法对图像进行分析，将分析数据以命令的形式发送给运动控制平台控制器，运动控制平台控制器根据接受的命令对显微镜完成沿X、Y、Z轴的运动以及自动调焦。

3 显微图像采集仪的自动调焦

显微图像采集仪利用计算机对调焦过程中的一系列图像进行分析处理，用聚焦函数评价离焦状态，再通过采集终端计算机和运动控制平台控制器驱动载物台上的调焦装置，使显微镜及CCD视频采集设备上下移动，自动搜索处于聚焦位置的清晰图片。在利用全自动显微镜、CCD视频采集设备等生成图像的过程中，由于受到光照、CCD自身缺陷及调焦等各种因素的影响，图像中会引入脉冲和加性等噪声[3]。这些噪声的存在使图像质量下降，最终会影响自动聚焦的准确性，所以在自动调焦前需要对图像去噪处理。

3.1 显微图像采集仪的去噪方法

去噪的方法一般分为线性和非线性滤波两种。线性滤波方法主要包括领域平均法。非线性滤波方法主要包括中值型滤波、形态滤波、多项式滤波、同态滤波和混合滤波等。采用领域平均法对抑制图像噪声是有效的，但是随着领域的加大，图像的模糊程度也会更加严重。在领域平均法的基础上，采用改进的两种加权使去噪的效果更好，在边缘不受影响的前提下，能够比较准确地捕捉噪声，但是该方法运算会不方便。利用线性滤波方法对图像进行去噪处理能够得到明显的效果，但是大部分线性滤波通特性低并且采集的图像边缘模糊。中值滤波是一种去噪的非线性滤波处理方法，它是一种既不会使边缘模糊又能较好去除噪声的方法[4]。

中值滤波的基本原理是把数字图像序列中一点的值用该点的一个领域中各点值的中值代替。把这个点的特定长度或形状的领域称作窗口。窗口正中间像素的值用窗口内各像素的中值代替。中值滤波可利用方形、圆形、十字形等形式的窗口，设{Xij （i，j）∈I2}表示数字图像各点的灰度值，滤波窗口为A的二维中值滤波定义为：yij=Med{xij}=Med{x（i+r），（y+s） （r，s）∈A（i，j）∈I2 }。根据定义式可知，中值滤波器的主要功能是让较大像素灰度差值的像素值改取周围接近的像素值，消除孤立噪声点[5]。采用中值滤波去噪，既能有效去除噪声，又能保持边缘信息完整，图3为纤维横截面切片图像中值滤波处理后的效果图。

3.2 显微图像采集仪的自动调焦方法

自动聚焦是实现显微图像自动采集的核心，聚焦图像的质量和聚焦速度与自动聚焦函数直接相关。目前聚焦评价函数主要分为以下几类：

（1）灰度变化函数：聚焦的图像比离焦的图像灰度变化更多，通过灰度统计直方图计算其方差作为图像评价函数。

（2）梯度函数：在图像采集过程中，图像梯度可以用来进行边缘提取，聚焦图像比离焦图像的边缘锋利，所以其图像梯度值更大，可以利用梯度算子组成评价函数对聚焦程度进行检验。

（3）图像灰度熵函数：在对图像聚焦的过程中，聚焦图像的信息熵大于离焦图像的信息熵，所以图像灰度熵函数可以作为评价聚焦好坏的函数。

（4）频域类函数：在图像采集过程中，需要利用傅里叶变换函数实现图像在空域与频域的相互转换，傅里叶变换的高频分量对应图像边缘，所以聚焦图像的边缘高频分量相对于其他部分更高，所以可以根据傅里叶变换后的高频分量含量评价聚焦程度[6]。

自动聚焦评价函数都应该具有以下特点：

（1）无偏性，即评价结果应该就是实际的聚焦图像。

（2）单峰性，即评价函数的评价曲线只有一个峰值。

（3）能反映离焦极性，即评价函数的值可以反映出所对应的图像的离焦极性。

（4）较高的信噪比。

（5）抗噪声性能，在图像有一定的噪声污染时，评价函数还是能够准确判断出聚焦的位置。

（6）计算量小，即通过少量的计算可快速得出评价函数的结果[7]。基于4种主要的聚焦评价函数的特点，目前使用的主要聚焦算子1）灰度方差算子（VAR）；2）基于梯度函数的灰度差分绝对值之和算子（SMD）；3）基于sobel梯度算子的Tenengrad算子，其中SMD聚焦评价函数的特征更加容易得到聚焦点且有较高的精度，自动调焦图像清晰[8]。图4为纤维切片横截面图像自动调焦效果图，与手动调焦图像效果相同。

4 结论

（1）显微图像采集仪的去噪采用中值滤波法，它是一种既不会使边缘模糊又能较好去除噪声的方法。

（2）显微图像采集仪的自动聚焦采用梯度函数法，自动聚焦图像清晰与手动聚焦效果无差别。

（3）与纤维细度仪相比，显微图像采集仪可自动聚焦，提高自动化程度，节省人力成本。

参考文献：

[1] 瞿彩莲，董激文，胡红花，等. 棉/粘纤混纺产品定量化学分析方法的探讨[J]. 中国纤检， 2011，（11）：54-56.

[2] FZ/T 01057.1—2007 纺织纤维鉴别试验方法 第1部分：通用说明[S].

[3] 王东. 基于显微图像的纤维成分自动检测系统的研究与实现[D].上海：东华大学， 2014.

[4] 刘丽梅，孙玉荣，李莉. 中值滤波技术发展研究[J]. 云南师范大学学报，2004，24（1）：23-27.

[5] 宗亚宁. 棉麻纤维图像分析及自动检测技术的研究[D]. 上海：东华大学， 2006.

[6] 高赞. 自动聚焦评价函数的精确度和稳定性研究[D]. 山东：山东大学，2007.

[7] 康宗明，张利，谢攀，等. 一种基于能量和熵的自动聚焦算法[J]. 电子学报，2003，（4）：552-555.

[8] 丁喻洋. 纺织纤维显微图像的自动聚焦及多焦面问题的研究[D].上海：东华大学， 2006.

[作者单位：广州纤维产品检测研究院，国家纺织品服装服饰产品质量监督检验中心（广州）]