粗精调焦的医学显微图像清晰度评价方法技术

本发明专利技术公开了一种粗精调焦的医学显微图像清晰度评价方法，先将输入的RGB彩色图像转换为Lab颜色空间；接着通过统计亮度图IL的灰度方差获取灰度变化值，利用颜色通道图Ia和颜色通道图Ib获取颜色显著图，并得到颜色显著图的局部梯度值；最后，将灰度变化值和局部梯度变化值相乘，获取最终的图像清晰度。本发明专利技术提出的方法综合考虑图像的全局灰度变化和局部梯度变化，既具有较宽的陡峭区又具有较高的灵敏度，仅使用一种清晰度评价函数就可以同时用于大步长粗调焦和小步长精细调焦。

【技术实现步骤摘要】

本专利技术属于图像处理
，更具体地，涉及一种医学显微图像清晰度评价方法。
技术介绍
医学显微图像广泛应用于血细胞分析、染色体分析、尿沉渣分析等医学研究和临床医疗诊断中。通过自动聚焦获取清晰的显微图像是后续医学图像处理、目标识别与病理分析的前提。显微镜通过光学系统的作用将肉眼不可见的观察对象放大，从微观形态研究和认识对象的特性，因此，显微镜自动聚焦是非常精密复杂的过程。现有的显微镜自动聚焦方法通常采用基于图像反馈的被动式聚焦方式，即利用清晰度评价函数对不同离焦位置采集到的图像进行清晰度评价，以此找到具有最佳清晰度的聚焦位置。因此，自动聚焦的关键在于图像清晰度评价函数的设计。一个理想的医学显微图像清晰度评价函数除了应当具备无偏性、单峰性和抗噪能力之外，还应当能够同时实现快速大步长粗调焦和小步长精细调焦。显微镜自动聚焦过程一般分为粗调焦和精细调焦两个阶段。在粗调焦阶段，显微镜载物台的位置往往远离聚焦位置，为了快速靠近聚焦位置，通常需要采用大步长粗调焦。为了保证能够到达聚焦位置，此时的清晰度评价函数必须具有足够宽的陡峭区来避免因步长过大越过陡峭区而导致的聚焦失败。在精细调焦阶段，一般需要采用小步长获取精确的聚焦位置，此时的清晰度评价函数应当具备足够高的灵敏度才能获取最精确的聚焦位置。目前，应用最广泛的清晰度评价函数主要有两类：梯度函数和统计函数。基于梯度函数的清晰度评价函数，如灰度差分绝对值之和(SMD)、Brenner函数、图像灰度梯度能量函数(Tenengrad)、拉普拉斯能量(EOL)等函数，它们的灵敏度好，但陡峭区过窄，不适用于大范围粗调焦；灰度方差等统计函数的计算量小，拥有较宽的陡峭区，且在平缓区域的单调性好，然而，其灵敏度差，不适用于小范围精调焦。为了解决该问题，一些粗精结合的图像自动聚焦方法在粗、细两个调焦阶段分别使用不同的清晰度评价函数。然而，这些聚焦方法的性能会受到聚焦策略的影响，如粗调焦阶段的步长的选取、搜索策略等。因此，目前尚没有一种清晰度评价函数能够同时实现快速大步长粗调焦和小步长精细调焦，即，既具备足够宽的陡峭区又拥有足够高的灵敏度。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种粗精调焦的医学显微图像清晰度评价方法，其目的在于设计一种全面评价图像清晰度的函数，使其既具备足够宽的陡峭区又拥有足够高的灵敏度，无论在粗调焦阶段还是在精细调焦阶段中都能表现出较好的性能。本专利技术提出的技术方案如下：一种粗精调焦的医学显微图像清晰度评价方法，其特征在于，所述方法包括以下几个步骤：步骤一、输入RGB格式的原始图像，并将其转换为Lab颜色空间，分别得到亮度图IL和两个颜色通道图：颜色通道图Ia和颜色通道图Ib；步骤二、通过以下函数获取原始图像的灰度变化值FVar：其中，为IL的灰度均值，(x，y)为像素的位置；步骤三、获取原始图像的局部梯度值，具体过程如下：(3.1)分别对颜色通道图Ia和颜色通道图Ib中每个像素的灰度进行去均值和归一化操作，再将操作结果线性叠加得到颜色显著图S；(3.2)对以上步骤所得的颜色显著图S中每个像素计算局部梯度值，具体地，统计当前像素横向、纵向和两个斜方向上的像素灰度差的绝对值之积；G(x，y)＝[|S(x+2，y)-S(x，y)|×|S(x，y+2)-S(x，y)|]×[|S(x+1，y+1)-S(x，y)|×|S(x-1，y+1)-S(x，y)|](3.3)仅统计大于门限T的函数值之和作为输入图像的局部梯度值：FGrad＝∑[G(x，y)＞T]本步骤中，优选地，T设定为10；步骤四、将图像灰度变化值FVar和局部梯度值FGrad相乘，获取最终的图像清晰度F。优选的，所述的步骤(3.1)具体包括：(3.1.1)使用以下公式进行去均值操作：其中，和分别为颜色通道图Ia和颜色通道图Ib的灰度均值，||为绝对值符号，I′a和I′b分别为颜色通道图Ia和颜色通道图Ib去均值操作后的图像；(3.1.2)分别对I′a和I′b进行归一化操作，得到归一化图像Na和归一化图像Nb。Na(x，y)＝N(I′a(x，y))Nb(x，y)＝N(I′b(x，y))其中，N()为归一化函数，其公式如下：其中，max()和min()分别为最大值和最小值函数；(3.1.3)通过以下公式将归一化图像Na和归一化图像Nb线性叠加得到颜色显著图S：(x，y)为图像中像素的位置。本专利技术能够达到的有益效果如下：医学显微图像在粗、细两个不同的调焦阶段对清晰度评价函数又不同的要求，即在大步长粗调焦阶段需要具有较宽的陡峭区，在小步长精细调焦阶段需要具有较高的灵敏度。本专利技术提出的方法综合考虑了图像的全局灰度变化和局部梯度变化，仅使用一种清晰度评价函数就可以同时用于大步长粗调焦和小步长精细调焦。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下对本专利技术的具体实施方式进行进一步详细说明。步骤一、输入RGB格式的原始图像，并将其转换为Lab颜色空间，分别得到亮度图IL和两个颜色通道图：颜色通道图Ia和颜色通道图Ib；步骤二、获取原始图像的灰度变化值，具体地，通过以下函数计算亮度图IL的灰度方差FVar：其中，为IL的灰度均值，(x，y)为像素的位置。步骤三、获取原始图像的局部梯度值，具体过程如下：(3.1)分别对颜色通道图Ia和颜色通道图Ib中每个像素的灰度进行去均值和归一化操作，再将操作结果线性叠加得到颜色显著图S。(3.1.1)去均值操作是为了消除医学显微图像中的大面积的背景干扰，其公式如下：其中，和分别为颜色通道图Ia和颜色通道图Ib的灰度均值，||为绝对值符号，I′a和I′b分别为颜色通道图Ia和颜色通道图Ib去均值操作后的图像。当医学显微图像中背景区域面积远大于目标区域面积时，去均值操作后的颜色通道图像中，背景区域将接近于零，而目标区域因与背景区域具有显著的颜色差异而远大于零。因此，去均值操作有利于消除背景区域对聚焦的干扰。(3.1.2)分别对I′a和I′b进行归一化操作，得到归一化图像Na和归一化图像Nb。Na(x，y)＝N(I′a(x，y))Nb(x，y)＝N(I′b(x，y))其中，N()为归一化函数，其公式如下：其中，max()和min()分别为最大值和最小值函数。归一化后的图像Na和Nb的像素灰度区间将扩展至[0，255]，使目标区域与背景区域的颜色对比度增大，从而进一步消除背景干扰。(3.1.3)通过以下公式将归一化图像Na和归一化图像Nb线性叠加得到颜色显著图S：(3.2)对以上步骤所得的颜色显著图中每个像素计算局部梯度值，具体地，统计当前像素横向、纵向和两个斜方向上的像素灰度差的绝对值之积；G(x，y)＝[|S(x+2，y)-S(x，y)|×|S(x，y+2)-S(x，y)|]×[|S(x+1，y+1)-S(x，y)|×|S(x-1，y+1)-S(x，y)|]其中，|S(x+2，y)-S(x，y)|和|S(x，y+2)-S(x，y)|分别用于提取水平方向和垂直方向的梯度值，|S(x+1，y+1)-S(x，y)|和|S(x-1，y+1)-S(x，y)|分别用于提取斜向和反斜向的梯度值。因此，G(x，y)综合了四个方向的梯度值，能更全面反映每个像素的局部梯度本文档来自技高网...

【技术保护点】
一种粗精调焦的医学显微图像清晰度评价方法，其特征在于，所述方法包括以下几个步骤：步骤一、输入RGB格式的原始图像，并将其转换为Lab颜色空间，分别得到亮度图IL和两个颜色通道图：颜色通道图Ia和颜色通道图Ib；步骤二、通过以下函数获取原始图像的灰度变化值FVar：FVar=Σ[IL(x,y)-IL‾]2]]>其中，为IL的灰度均值，(x，y)为像素的位置；步骤三、获取原始图像的局部梯度值，具体过程如下：(3.1)分别对颜色通道图Ia和颜色通道图Ib中每个像素的灰度进行去均值和归一化操作，再将操作结果线性叠加得到颜色显著图S；(3.2)对以上步骤所得的颜色显著图S中每个像素计算局部梯度值，具体地，统计当前像素横向、纵向和两个斜方向上的像素灰度差的绝对值之积；G(x，y)＝[|S(x+2，y)‑S(x，y)|×|S(x，y+2)‑S(x，y)|]×[|S(x+1，y+1)‑S(x，y)|×|S(x‑1，y+1)‑S(x，y)|](3.3)仅统计大于门限T的函数值之和作为输入图像的局部梯度值：FGrad＝Σ[G(x，y)＞T]本步骤中，优选地，T设定为10；步骤四、将图像灰度变化值FVar和局部梯度值FGrad相乘，获取最终的图像清晰度F。...

【技术特征摘要】
1.一种粗精调焦的医学显微图像清晰度评价方法，其特征在于，所述方法包括以下几个步骤：步骤一、输入RGB格式的原始图像，并将其转换为Lab颜色空间，分别得到亮度图IL和两个颜色通道图：颜色通道图Ia和颜色通道图Ib；步骤二、通过以下函数获取原始图像的灰度变化值FVar：FVar=Σ[IL(x,y)-IL‾]2]]>其中，为IL的灰度均值，(x，y)为像素的位置；步骤三、获取原始图像的局部梯度值，具体过程如下：(3.1)分别对颜色通道图Ia和颜色通道图Ib中每个像素的灰度进行去均值和归一化操作，再将操作结果线性叠加得到颜色显著图S；(3.2)对以上步骤所得的颜色显著图S中每个像素计算局部梯度值，具体地，统计当前像素横向、纵向和两个斜方向上的像素灰度差的绝对值之积；G(x，y)＝[|S(x+2，y)-S(x，y)|×|S(x，y+2)-S(x，y)|]×[|S(x+1，y+1)-S(x，y)|×|S(x-1，y+1)-S(x，y)|](3.3)仅统计大于门限T的函数值之和作为输入图像的局部梯度值：FGrad＝Σ[G(x，y)＞T]本步骤中，优选地，T设定为10；步骤四、将图像灰度变化值F...

【专利技术属性】
技术研发人员：郑馨，程玉胜，江伟，
申请(专利权)人：安庆师范大学，
类型：发明
国别省市：安徽;34