一种图像边缘检测的景深扩展方法技术

本发明专利技术公开了一种用于图像处理的图像边缘检测的景深扩展方法，步骤为：用自动对焦显微镜的镜头沿被拍摄物体的深度（高度）方向进行扫描，并且每隔一定距离自动采样拍摄一次；每拍摄一幅图像，实时对其进行Ｓｏｂｅｌ算子边缘检测，得到一幅只含有清晰部分边缘的灰度图像；对每一幅边缘检测后的图像进行膨胀变换，使灰度图像的清晰边缘部分扩展连成一系列连通区域；将膨胀变换后得到的灰度图与前一幅灰度图进行逐点比较，将灰度值大的那一幅图在该点的图像原值保留下来，并合成一幅新图作为中间结果继续与新拍摄的图像合成，直到整个过程结束。本发明专利技术比小波变换法的简单，本方法的边缘检测和形态学变换都是计算量很小的步骤，所以其速度优势就显现出来了。

【技术实现步骤摘要】

本专利技术涉及到数字图像处理技术，尤其涉及。
技术介绍
景深扩展技术是一项基于数字图像处理的技术，它利用同一图像传感器不同场景 下采集的相关图像信息或者不同图像传感器拍摄的多幅图像进行图像融合，将多幅图像信 息融合在同一幅图像当中。在光学成像的过程中，由于受到镜头景深的限制，一幅图像往往 不能很好的反映具有一定深度或高度的被拍摄物体的全部信息。而且越是放大倍数高的镜 头其景深越小，也就是说当我们用这种镜头去拍摄一个有一定深度或高度的物体时，我们 只能看清楚其上表面或者下表面，而不能得到一幅完全清晰的图片。运用景深扩展技术我 们就可以沿着被拍摄物体的深度(高度)方向拍摄一系列图片，然后运用本方法对其进行 合成，从而可得到一幅全景深合成的图片，达到景深扩展的目的。近年来景深扩展技术已成 为一种十分重要和有用的图像分析与计算机视觉技术，在自动目标识别、遥感、显微测量、 医学图像处理以及军事应用的领域有着广泛的应用前景，现有的如专利ZL 03107895.8， 生物显微镜影像技术达到增加三维景深及解析度的方法。现有的最简单的景深图像合成方法是将源图像进行加权平均，这种方法的优点是 简单，实时性好，但与此同时带来的负面影响是降低了图像的对比度，景深合成效果差。基 于图像金字塔分解的景深合成方法也是目前研究的比较多的方法，它包括了图像的小波变 换、多速滤波器表示以及金字塔变换。小波在图像表示中展现了很多的优越性，它的优势在 于图像合成的精度高效果好，但是缺点也很明显就是速度慢。在显微测量中往往是十几幅 图像序列合成一幅图像，如果用小波变换法则需花费大量的时间，这显然是制约景深扩展 趋于产品应用的一大瓶颈。如果单纯地采用金字塔变换的方法进行景深合成，速度是可以 保证但是合成的效果却一般，对于要求比较高的清晰显微图像则不能胜任。因此开发一种既能满足合成精度要求，又能达到快速合成目的的图像边缘检测景 深扩展方法显得十分必要，是业内亟待解决的一个技术问题。
技术实现思路
本专利技术针对现有的景深合成方法的不足，提供一种既可满足景深合成精度和效 果，又显著提高合成速度的图像边缘检测的景深扩展方法。为解决上述技术问题，本专利技术提出的，步骤如 下用自动对焦显微镜的镜头沿被拍摄物体的深度(高度)方向进行扫描，并且每隔 一定距离自动采样拍摄一次；每拍摄一幅图像，实时对其进行Sobel算子边缘检测，得到一幅只含有清晰区域 边缘的灰度图像；对每一幅边缘检测后的图像进行膨胀变换，使灰度图像原来清晰区域的边缘部分扩展连成一系列连通区域；将膨胀变换后得到的灰度图与前一幅灰度图进行逐点比较，将灰度值大的那一幅 图在该点的图像原值保留下来，并合成一幅新图；将该新图作为中间结果继续与新拍摄的 图像合成，直到整个过程结束。其中，所述膨胀变换为数学形态学膨胀变换。所述自动对焦显微镜拍摄前，对其预先输入相应控制参数。所述的控制参数可以为间距或时间。与现有技术相比，本专利技术采用计算量小、速度较快的Sobel边缘检测算子对拍摄 到的序列图像进行提取边缘操作，再利用边缘检测的结果进行数学图像形态学膨胀变换， 从而快速地确定每一幅图像的清晰区域。不同于小波变换法，其首先需要对图像进行频域 变换，再计算图像的相似性测度和显著性测度，然后再根据显著性测度大小采用合适的融 合策略进行合成，其小波变换、相似性测度都是计算量比较大的步骤，并且计算量随着图像 大小的增加呈指数级变大，一旦图像达到百万像素级，其合成速度将显著下降。因此本专利技术 方案中的边缘检测和数学形态学膨胀变换都是计算量很小的步骤，所以其速度优势就显现 出来了。采用Sobel算子边缘检测具有合成速度快的优势，因此将其合成步骤实时嵌入到 镜头扫描拍摄的过程中，采取边拍边合成的方式，最大限度地体现了本方法合成速度快的 优势。用户在使用过程中会随着镜头的扫描发现图像越来越清晰，等扫描过程停止，则立刻 能得到一幅全景深扩展后的图像。附图说明下面结合附图和实施例对本专利技术作出详细的说明，其中图1是本专利技术较佳实例的流程图；图2是本专利技术图像序列图的结构示意图。具体实施例方式本专利技术较佳实例如图1所示，所述的图像边缘检测的景深扩展方法，有如下步骤步骤1 用自动对焦显微镜的镜头沿被拍摄物体的深度(高度)方向进行扫描，并 且每隔一定距离自动采样拍摄一次。自动对焦显微镜预先输入相应控制参数，如输入控制对焦显微镜拍摄图像之间的 距离、时间等参数。采样间隔的距离将决定景深扩展的效果，同时也影响到深度(高度)测 量的精度，同时这个采样距离也受制于驱动机构的分辨率和镜头的景深。一般来说，驱动机 构的分辨率和镜头景深越小，合成精度越高，源图像序列数越多，每次拍摄时镜头的扫描步 长(距离)越小，测量出的深度(高度)信息越准确，合成精度越高。步骤2 每拍摄一幅图像，实时对其进行边缘检测，得到一幅只含有清晰区域边缘 的灰度图像。其中，边缘检测采用Sobel算子边缘检测。索贝尔算子(Sobel operator)是图像 处理中的比较常用的算子之一，主要用作边缘检测。在技术上，它是一离散性差分算子，用 来运算图像亮度函数的梯度之近似值。它的优点就是速度快，精度高。因此，本方法采用 Sobel算子作为边缘检测的算子，目的在于找到源图像中清晰部分和模糊部分的分界，以利4于进一步将图像边缘的清晰部分和模糊部分区分开来，最后得到一幅只含有清晰部分边缘 的灰度图像，即得到的图像只是原清晰区域的边缘部分有灰度显示，其它部位(清晰区域 内部和模糊区域)的灰度值都为0。当每拍摄一幅图像时，就实时对其进行Sobel边缘检测， 得到一幅只含有清晰部分边缘的灰度图像，其中边缘灰度值的大小决定了其实际的清晰程 度，即边缘灰度值越高，该位置在原图上的清晰度越高。步骤3 对每一幅边缘检测后的图像进行膨胀变换，使上述步骤2得到的灰度图像 的边缘清晰部分扩展连成一系列连通区域。其中，膨胀变换为数学形态学膨胀变换。对边缘检测后的结果图像进行数学形态 学膨胀变换，通过膨胀变换，原本已经检测到的清晰边缘可以扩大并连接成一片整体，也就 是说通过膨胀变换原本由点或线组成的清晰边缘就可以转变成由面组成的区域，即将清晰 的点或线膨胀扩展，使其相互连接成为一个面区。这样更有助于将原图中清晰部分和模糊 部分分割开来，从而顺利地提取出每一幅源图像中清晰部分的区域，也就是当前镜头景深 范围内能够拍摄清楚地区域。即得到的图像除了清晰区域的边缘外，清晰区域的内部也有 灰度显示，而其它部位(模糊区域)的灰度值仍然为0。步骤4 将膨胀变换后得到的后一幅灰度图与前一幅经过膨胀变换后的灰度图进 行逐点比较，将灰度值大的那一幅图在该点的图像原值保留下来，并合成一幅新图，该新图 就是一幅提取了前后两幅图各自清晰部分的景深合成图。将合成后的图像实时显示在用户 界面上，该幅新图作为中间结果图，继续拍摄新的图像与中间结果图合成新图，直到整个拍 摄过程结束。本方法的图像融合(合并)过程为将数学形态学膨胀变换后的图像统一定义为 In(x, y)，其中n表示所有拍摄的序列图像的序号，(x，y)表示某一点在图像中的位置，则 I(x, y)就是该点的像素值(灰度值)。在融合的时候，将前后相邻的两幅图的某点进行比 较，将灰度值较大的那一本文档来自技高网...

【技术保护点】
一种图像边缘检测的景深扩展方法，其特征在于，包括如下步骤：用自动对焦显微镜的镜头沿被拍摄物体的深度方向进行扫描，并且每隔一定距离自动采样拍摄一次；每拍摄一幅图像，实时对其进行Ｓｏｂｅｌ算子边缘检测，得到一幅只含有清晰区域边缘的灰度图像；对每一幅边缘检测后的灰度图像进行膨胀变换，使灰度图像原来清晰区域的边缘部分扩展连成一系列连通区域；将膨胀变换后得到的灰度图像与前一幅灰度图像进行逐点比较，将灰度值大的那一幅图在该点的图像原值保留下来，并合成一幅新图；将该新图作为中间结果继续与新拍摄的图像合成，直到整个过程结束。

【技术特征摘要】

【专利技术属性】
技术研发人员：沈浩，
申请(专利权)人：深圳市海量精密仪器设备有限公司，
类型：发明
国别省市：94[中国|深圳]