一种基于通道分离的自动对焦算法的制作方法

    专利2022-07-08  75


    本发明属于图像处理的技术领域,具体涉及一种基于通道分离的自动对焦算法。



    背景技术:

    在2019年新冠肺炎(covid-19)疫情期间,研究病毒的侵入机制、变异追踪,分离病毒毒株,以及疫苗研发、药物筛选都需要在特定的实验环境中进行。

    针对其高风险、大样本、高通量的显微检测需求,开发了一套可用于特定实验室检测环境的快速扫描96孔板的实时高内涵成像系统,实现了自动化扫描,快速拍摄,人工智能分析等一系列功能。

    在进行快速扫描成像的过程中,由于平台移动,样本厚度,环境光照等各种测量误差所造成的图像模糊,可以通过自动对焦算法进行修正。

    目前现有的自动对焦算法有如下:一类是直接计算图像梯度值,利用爬山搜索算法获得局部最佳焦平面位置,但是这种爬山搜索算法对评价函数和电机驱动的要求非常高,需要评价函数具有绝对的单峰性和极高的灵敏度,否则,算法容易将评价函数的局部极值当作最佳焦平面位置从而导致对焦失败,或者在离焦区域评价函数趋于平坦,导致电机迟迟得不到反转信号,最终进入死循环;另一类是利用深度学习算法,但是此方法前期需要获取大量的训练集数据,同时需要较为良好的标注数据,增加了计算成本。



    技术实现要素:

    发明目的:本发明提供一种基于通道分离的自动对焦算法,避免陷入局部最优解。

    技术方案:为实现上述发明目的,本发明采用如下技术方案:

    一种基于通道分离的自动对焦算法,用于显微镜成像,包括如下步骤:

    1)首先控制步进电机运动到适当位置并沿着z轴移动拍照60张24位彩色图片,同时记录每一张图片的对应的z轴位置;

    2)将每一张图片分离为r通道、g通道、b通道三种通道形式的分离图片;

    3)利用步骤2)的结果分别计算每一张图片所对应的三通道图片的梯度值;

    4)分别绘制r通道、g通道、b通道三种通道的以步进单位距离(图片数)为x轴,梯度值为y轴的曲线;

    5)利用步骤4)的结果找出三条曲线的峰值并得到对应的z轴位置,即最佳焦平面位置。

    进一步地,步骤1)中,在所述的移动拍照之前,将z轴位置调至合适的高度并沿着z轴移动拍照10~100张,电机每次步进的距离需要根据样本自身的厚度来决定,一般为0.1~10μm。

    进一步地,步骤1)中,为了防止运动伪影其他由于电机运动过程所带来的成像质量问题,每次采集所述的图片的时间间隔应大于等于电机单步移动时间(t_step)加线程延迟时间(t_delay),其中t_delay的时间设置为1~5000ms。

    步骤1)中,采集所述的图片的相机分辨率不低于640×480,帧率不低于60fps。

    进一步地,步骤1)中,所述的图片中,当测试样本背景较单一时,选用一阶微分算子,如sobel算子;当测样本结构较复杂,背景前景对比强烈时,选用二阶微分算子,如laplace算子。

    进一步地,所述的一阶微分算子或二阶微分算子,用于复杂被测样本时,先对图像进行平滑抑噪,然后再使用梯度算子,如log算子。

    进一步地,所述的步骤4)中具体为:x轴设置为以单位步进距离为标度的相对距离单位,也设置为以步进电机z轴当前位置为标度的绝对距离,其映射关系根据步进电机z轴初始位置和单步步进距离得到。

    进一步地,所述的步骤5)具体为:基于图像rgb三通道分离之后,各自计算单通道的图像梯度值grad_r,grad_g,grad_b,取三者中的最大作为最终的结果,即max{grad_r,grad_g,grad_b}。

    有益效果:本发明基于图像rgb三通道分离之后,各自计算单通道的图像梯度值grad_r,grad_g,grad_b,取三者中的最大作为最终的结果,即max{grad_r,grad_g,grad_b}。此方法不仅可以避免陷入局部最优解,同时可以排除高内涵设备成像平台移动、样本厚度、环境光照等误差带来的影响,使得对焦结果更为准确。

    附图说明

    图1是算法的流程示意图;

    图2是显微检测成像示意图;

    图3是电机运动到某一位置时的原始图像以及对应的r通、g通道、b通道三种通道图像;

    图4是绘制r通道、g通道、b通道三种通道以步进单位距离(图片数)为x轴,梯度值为y轴的响应曲线。

    具体实施方式

    以下结合附图,对本发明的技术方案作具体说明。

    如图1-2所示,一种基于通道分离的自动对焦算法,包括以下步骤:

    1)首先控制步进电机运动到适当位置并沿着z轴移动拍照60张24位彩色图片,同时记录每一张图片的对应的z轴位置;

    2)将每一张图片分离为r通道、g通道、b通道三种通道形式的分离图片;

    3)利用步骤2)的结果分别计算每一张图片所对应的三通道图片的梯度值;

    4)分别绘制r通道、g通道、b通道三种通道的以步进单位距离(图片数)为x轴,梯度值为y轴的曲线;

    5)利用步骤4)的结果找出三条曲线的峰值并得到对应的z轴位置,即最佳焦平面位置。

    在连续拍照之前,首先需要将z轴位置调至合适的高度并沿着z轴移动拍照10~100张,电机每次步进的距离需要根据样本自身的厚度来决定,一般为0.1~10μm。

    为了防止运动伪影等其他由于电机运动过程所带来的成像质量问题,每次采集图片的时间间隔应大于等于电机单步移动时间(t_step)加线程延迟时间(t_delay),其中t_delay的时间可设置为1~5000ms。

    一般要求相机分辨率不低于640×480,帧率不低于60fps。

    当测试样本背景较单一时,选用一阶微分算子,如sobel算子;图3中左上角为梯度值,所用算子为sobel算子;当测样本结构较复杂,背景前景对比强烈时,选用二阶微分算子,如laplace算子。

    当一阶或二阶微分算子,用于复杂被测样本时,可先对图像进行平滑抑噪,然后再使用梯度算子,如log算子。

    绘制r通道、g通道、b通道三种通道的以步进单位距离(图片数)为x轴,梯度值为y轴的响应曲线,其x轴可以设置为以单位步进距离为标度的相对距离单位(以图片数量表示),也可以设置为以步进电机z轴当前位置为标度的绝对距离,其映射关系可以根据步进电机z轴初始位置和单步步进距离得到。

    基于图像rgb三通道分离之后,各自计算单通道的图像梯度值grad_r,grad_g,grad_b,取三者中的最大作为最终的结果,即max{grad_r,grad_g,grad_b}。

    实施例

    一种通道分离的自动对焦算法,其包括以下步骤:

    1)首先进行电机复位操作,即控制步进电机运动到适当位置并沿着z轴连续均匀移动拍照60张,同时记录每一张图片的对应的z轴位置(相对位置或绝对位置);

    2)针对步骤1)所述,将每一张原始图片分离为r通道、g通道、b通道三种通道,并分别计算每一张图片所对应的三通道图片的梯度值,如图3所示,本示例中所采用的梯度算子为sobel算子;原始图像图3(a)以及对应的r通道图3(b)、g通道图3(c)、b通道图3(d)三种通道图像;

    3)控制程序判断步进电机是否完成遍历过程,若完成,则分别绘制r通道、g通道、b通道三种通道的以步进单位距离(图片数)为x轴,梯度值为y轴的曲线,如图4所示,找出三通道中的峰值点:在z轴距离为28(张)时,b通道达到最大梯度值,经过适当的换算关系,可以得到当前样本图片的最佳焦平面位置;

    4)如图1所示,当完成一轮遍历之后,控制电机移动到下一个样本位置,有无覆盖(overlap)可以根据具体的应用需求而定。电机复位之后进行下一轮遍历。

    在步骤2)计算样本图片的梯度之前,算法还可以包括:加入滤波操作(高斯滤波),进一步降低噪声干扰。

    以上实施例仅用于说明本发明的技术方案而非限制,尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。本发明未详细描述的技术、形状、构造部分均为公知技术。


    技术特征:

    1.一种基于通道分离的自动对焦算法,其特征在于:包括如下步骤:

    1)首先控制步进电机运动到适当位置并沿着z轴移动拍照60张24位彩色图片,同时记录每一张图片的对应的z轴位置;

    2)将每一张图片分离为r通道、g通道、b通道三种通道形式的分离图片;

    3)利用步骤2)的结果分别计算每一张图片所对应的三通道图片的梯度值;

    4)分别绘制r通道、g通道、b通道三种通道的以步进单位距离为x轴,梯度值为y轴的三条曲线;

    5)利用步骤4)的结果找出三条曲线的峰值并得到对应的z轴位置,即最佳焦平面位置。

    2.根据权利要求1所述的一种基于通道分离的自动对焦算法,其特征在于:步骤1)中,在所述的移动拍照之前,将z轴位置调至合适的高度并沿着z轴移动拍照10~100张,电机每次步进的距离需要根据样本自身的厚度来决定。

    3.根据权利要求1所述的一种基于通道分离的自动对焦算法,其特征在于:步骤1)中,每次采集所述的图片的时间间隔应大于等于电机单步移动时间加线程延迟时间,其中线程延迟时间设置为1~5000ms。

    4.根据权利要求1所述的一种基于通道分离的自动对焦算法,其特征在于:步骤1)中,采集所述的图片的相机分辨率不低于640×480,帧率不低于60fps。

    5.根据权利要求1所述的一种基于通道分离的自动对焦算法,其特征在于:步骤1)中,所述的图片中,当测试样本背景单一时,选用一阶微分算子;当测样本结构复杂,选用二阶微分算子。

    6.根据权利要求5所述的一种基于通道分离的自动对焦算法,其特征在于:所述的一阶微分算子或二阶微分算子,用于复杂被测样本时,先对图像进行平滑抑噪,然后再使用梯度算子。

    7.根据权利要求1所述的一种基于通道分离的自动对焦算法,其特征在于:所述的步骤4)具体为:x轴设置为以单位步进距离为标度的相对距离单位,以步进电机z轴当前位置为标度的绝对距离,其映射关系根据步进电机z轴初始位置和单步步进距离得到。

    8.根据权利要求1所述的一种基于通道分离的自动对焦算法,其特征在于:所述的步骤5)具体为:基于图像rgb三通道分离之后,各自计算单通道的图像梯度值grad_r,grad_g,grad_b,取三者中的最大作为最终的结果,即max{grad_r,grad_g,grad_b}。

    技术总结
    本发明公开了一种基于RGB三通道分离的自动对焦算法,其算法包括以下步骤:首先控制步进电机运动到适当位置并沿着z轴移动拍照60张,同时记录每一张图片的对应的z轴位置;将每一张图片分离为R通道、G通道、B通道三种通道形式的分离图片;分别计算每一张图片所对应的三通道图片的梯度值;分别绘制R通道、G通道、B通道三种通道的以步进单位距离(图片数)为x轴,梯度值为y轴的曲线;利用上述结果找出三条曲线的峰值并得到对应的z轴位置,即最佳焦平面位置。本发明利用物质的色散效应,将同一张样本图片分离通道后产生不同的清晰度。利用此现象可以精准确定样本的焦平面位置。

    技术研发人员:顾忠泽;黄锴;李奇维;陈早早;刘家玮;王琼;顾洪成
    受保护的技术使用者:东南大学
    技术研发日:2020.11.20
    技术公布日:2021.03.12

    转载请注明原文地址:https://wp.8miu.com/read-24896.html

    最新回复(0)