數(shù)字圖像處理PPT課件：應(yīng)用案例及分析-

應(yīng)用案例及分析

——

顯微圖像自動(dòng)聚焦、 融合、三維成像一、研究意義二、顯微圖像自動(dòng)聚焦演算法三、多層聚焦融合演算法四、基於聚焦深度的三維成像系統(tǒng)五、演算法總結(jié)六、應(yīng)用領(lǐng)域主要內(nèi)容

人類通過不同尺度的成像（從宏觀宇宙、遙感，到微觀分子）來觀察、瞭解客觀物質(zhì)世界。 客觀物質(zhì)的結(jié)構(gòu)是三維的，而傳統(tǒng)研究顯微樣本三維結(jié)構(gòu)的方法是通過在顯微鏡下獲取其二維圖像進(jìn)行觀察和分析的，難以準(zhǔn)確理解樣本的三維結(jié)構(gòu)。 因此，研究顯微三維成像理論及三維定量分析技術(shù)具有很高的實(shí)用價(jià)值和重要的學(xué)術(shù)意義，該領(lǐng)域的研究也是顯微資訊學(xué)科的研究熱點(diǎn)之一。

一、研究意義

遠(yuǎn)程的病理會(huì)診、顯微智能儀器，需要全自動(dòng)控制顯微鏡系統(tǒng)。自動(dòng)控制顯微鏡的關(guān)鍵技術(shù)：顯微圖像的自動(dòng)聚焦分析。全自動(dòng)顯微鏡示例1、自動(dòng)聚焦問題的提出二、顯微圖像自動(dòng)聚焦演算法透鏡成像模型圖二、顯微圖像自動(dòng)聚焦演算法評價(jià)函數(shù)最大值的位置即為聚焦位置；不存在可能導(dǎo)致聚焦錯(cuò)誤的局部極大值；具有較強(qiáng)的抗噪能力；聚焦曲線尖峰性好，聚焦速度比較快。難點(diǎn)問題：有效的聚焦評價(jià)函數(shù)的確定聚焦評價(jià)函數(shù)指標(biāo)：二、顯微圖像自動(dòng)聚焦演算法空域：聚焦圖像比離焦圖像有較銳化的邊緣。頻域：聚焦圖像比離焦圖像包含更多的高頻分量。使用象元間的可變步長step來計(jì)算二階差分。 即：2、基於改進(jìn)Laplacian算子的自動(dòng)聚焦方案：二、顯微圖像自動(dòng)聚焦演算法對比：灰度方差算子、灰度差分絕對值之和(SMD)算子、Roberts梯度算子、基於Sobel梯度算子的Tenengrad函數(shù)、能量譜方法、改進(jìn)拉普拉斯算子等。3、聚焦實(shí)驗(yàn)二、顯微圖像自動(dòng)聚焦演算法(c)聚焦評價(jià)函數(shù)曲線(a)離焦圖像(b)聚焦圖像實(shí)驗(yàn)一：包含40幅圖像的一個(gè)序列得到的聚焦評價(jià)函數(shù)曲線二、顯微圖像自動(dòng)聚焦演算法(c)聚焦評價(jià)函數(shù)曲線實(shí)驗(yàn)二：對實(shí)驗(yàn)一中40幅圖像的序列加入20%的高斯雜訊(a)離焦圖像(b)聚焦圖像

二、顯微圖像自動(dòng)聚焦演算法4、自動(dòng)聚焦應(yīng)用實(shí)例為配合全自動(dòng)顯微鏡系統(tǒng)的需求，研究運(yùn)動(dòng)目標(biāo)的檢測與跟蹤演算法模組，為空間科學(xué)實(shí)驗(yàn)?zāi)繕?biāo)成像觀察用。倒置生物鏡的活體目標(biāo)局部聚焦演示倒置生物鏡的活體目標(biāo)採集系統(tǒng)——與中科院空間中心聯(lián)合二、顯微圖像自動(dòng)聚焦演算法改進(jìn)Laplacian算子可以有效地抑制雜訊干擾，聚焦評價(jià)函數(shù)曲線平滑，有明顯的峰值，單峰性好，且變化陡峭。步長的選擇：雜訊干擾小時(shí)——步長和閾值取??；雜訊和亮度變化大時(shí)——步長和閾值可以取得稍大一些。一般步長取7。5、自動(dòng)聚焦算子小結(jié)二、顯微圖像自動(dòng)聚焦演算法

隨著放大倍數(shù)和解析度的增大，景深減小，使得物體不可能在一幅圖像中完全聚焦清晰。而生物醫(yī)學(xué)及材料科學(xué)的成像要求顯微鏡既要有更高的解析度又要有足夠的景深，這是傳統(tǒng)光學(xué)硬體的矛盾。1、傳統(tǒng)光學(xué)硬體的問題三、多層聚焦融合演算法序列顯微圖象融合原理圖利用數(shù)字圖像融合技術(shù)，對序列圖像進(jìn)行合成（Multi-Focus）。2、解決方法三、多層聚焦融合演算法3、空域融合演算法三、多層聚焦融合演算法為解決反射光顯微圖象融合問題，提出引入空域演算法中的改進(jìn)拉普拉斯算子改進(jìn)拉普拉斯圖像融合算子：N：窗口的大小；即為點(diǎn)（i,j）的聚焦清晰的測度。

基於點(diǎn)處理的方法（簡單的空域融合算子、灰度平均法、最大離差法）和基於區(qū)域處理的方法（簡單的區(qū)域融合方法、灰度方差算子、基於Sobel梯度算子的

Tenengrad函數(shù)方法、改進(jìn)拉普拉斯算子方法）。

4、各種空域融合算子的實(shí)驗(yàn)分析三、多層聚焦融合演算法最大灰度法最小灰度法灰度平均法最大離差法

當(dāng)時(shí)，融合圖像的值取，否則，融合圖像取空域融合演算法—基於點(diǎn)處理的方法三、多層聚焦融合演算法簡單的區(qū)域融合方法：最大、最小對比度，灰度平均法等。灰度方差算子(LocalConvariance)空域融合演算法—基於區(qū)域處理的方法三、多層聚焦融合演算法基於Sobel梯度算子的Tenengrad函數(shù)方法

空域融合演算法—基於區(qū)域處理的方法三、多層聚焦融合演算法

(a)序列圖像之1(b)序列圖像之5(c)序列圖像之11

(d)序列圖像之14(e)序列圖像之20(f)序列圖像之3031幅蝴蝶眼睛序列顯微圖像改進(jìn)Laplacian法multi-focus結(jié)果(11×11窗口、步長5)巖石圖象depthfromfocus實(shí)驗(yàn)：10幅巖石圖像序列（僅示9幅）多層疊合結(jié)果聚焦深度（DepthfromFocus）的基本思想：在前面multi-focus方法基礎(chǔ)上，提取z方向資訊，即可實(shí)現(xiàn)通過二維圖像序列進(jìn)行三維重建。優(yōu)點(diǎn)：

計(jì)算方式實(shí)現(xiàn)表面三維成像，代替反射光鐳射共聚焦成像。要解決問題：高度插值擬合、三維表面測量、顯示。四、基於聚焦深度的三維成像系統(tǒng)SML聚焦評價(jià)函數(shù)曲線

從圖中我們可以看出，聚焦評價(jià)函數(shù)曲線在峰值處具有高斯分佈。在邊緣處對稱性不太顯著，這主要是由圖像採集過程中顯微鏡的初始位置造成的。為此，我們將分析僅限於聚焦評價(jià)函數(shù)的峰值區(qū)域。

高度圖的插值擬合：四、基於聚焦深度的三維成像系統(tǒng)聚焦評價(jià)函數(shù)的高斯插值由SML算子可得到兩個(gè)結(jié)果：聚焦評價(jià)函數(shù)最大值和該值在序列中的位置d

四、基於聚焦深度的三維成像系統(tǒng)深度索引圖像蝴蝶眼睛三維高度圖像基於DepthfromFocus的高度插值與三維測量—實(shí)驗(yàn)結(jié)果四、基於聚焦深度的三維成像系統(tǒng)

未經(jīng)高斯插值處理的深度圖(b)高斯插值處理後的深度圖深度索引圖像高度圖的插值擬合效果：

四、基於聚焦深度的三維成像系統(tǒng)原36幅圖像聚焦分析擬和曲線b.抽取的12幅圖像聚焦分析擬和曲線

36幅病理圖像序列的聚焦曲線插值精度分析：聚焦最大值的層為21；擬合的聚焦算子最大層面為21.13，四捨五入取整為21。

四、基於聚焦深度的三維成像系統(tǒng)病理切片高斯插值層面實(shí)際聚焦層面樣本116.17625816樣本220.49654920樣本320.84517620樣本431.1337531樣本530.9376231

下表為5個(gè)圖像序列樣本的實(shí)驗(yàn)結(jié)果，擬合計(jì)算值與實(shí)際測量值基本相符。表:自動(dòng)聚焦演算法中的步長擬合比較表

四、基於聚焦深度的三維成像系統(tǒng)z軸控制器分辨力：0.1um測量參數(shù)：直線或曲線距離、剖面分析、表面積、分形維等參數(shù)。測量目標(biāo)（材料斷口、皮膚）三維紋理：採用機(jī)械材料表面測量國標(biāo)GB350（對應(yīng)國際標(biāo)準(zhǔn)為ISO4287）

三維表面測量分析：四、基於聚焦深度的三維成像系統(tǒng)2021-11-132

根據(jù)顯微序列圖象合成原理，研製、設(shè)計(jì)了Z軸自動(dòng)控制顯微鏡，結(jié)合研發(fā)的軟體系統(tǒng)，組成了光、機(jī)、電一體化的“顯微三維成像系統(tǒng)”。三維實(shí)體測量顯微鏡Z軸自動(dòng)控制器DepthfromFocus成像硬體系統(tǒng)設(shè)計(jì)：四、基於聚焦深度的三維成像系統(tǒng)巖石圖象depthfromfocus實(shí)驗(yàn)：多層疊合結(jié)果高斯插值處理後的深度圖

10幅巖石圖像序列（僅示9幅）巖石三維表面的剖線(Profile)測量分析示意圖

直接利用高度圖、紋理圖進(jìn)行三維重建顯示三維圖像的表面重建顯示：可以從任意角度觀察巖石的三維表面圖象用腳印法生成左右視圖

模擬生成的左視野圖象模擬生成的右視野圖象立體圖像的左右視圖生成：仿真立體圖像-Anaglyph傳統(tǒng)光學(xué)硬體存在“隨著放大倍數(shù)和解析度的增大，景深減小，使得物體不可能在一幅圖像中完全聚焦清晰成像”。解決該問題的有效方法是通過數(shù)字圖像處理技術(shù)，結(jié)合硬體控制