[0038] 为了使本发明的目的、技术方案及优点更加清楚明白,以下对本发明的具体实施方式进行进一步详细说明。
[0039] 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;
[0040] 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:
[0041]
[0042] 其中, 为IL的灰度均值,(x,y)为像素的位置。
[0043] 步骤三、获取原始图像的局部梯度值,具体过程如下:
[0044] (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。
[0045] (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:
[0046]
[0047]
[0048] 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。
[0049] (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。
[0050] Na(x,y)=N(I′a(x,y))
[0051] Nb(x,y)=N(I′b(x,y))
[0052] 其中,N()为归一化函数,其公式如下:
[0053]
[0054] 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。
[0055] (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:
[0056]
[0057] (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;
[0058] G(x,y)=[|S(x+2,y)-S(x,y)|×|S(x,y+2)-S(x,y)|]×
[0059] [|S(x+1,y+1)-S(x,y)|×|S(x-1,y+1)-S(x,y)|]
[0060] 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变化。
[0061] (3.3)为了减少背景噪声的干扰,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:
[0062] FGrad=∑[G(x,y)>T]
[0063] 本步骤中,优选地,T设定为10。
[0064] 步骤四、将图像灰度变化值FVar和局部梯度值FGrad相乘,得到最终的图像清晰度F:
[0065] F=FVar×FGrad
[0066] 当离聚焦位置较远时,图像的局部梯度变化不明显,呈现轻微波动状态;而全局灰度变化较为明显,呈明显的单调性。此时F的变化率由FVar主导,因此,F的陡峭区宽度接近于FVar的陡峭区宽度。当距离聚焦位置越来越近时,图像的边缘、纹理等细节信息逐渐丰富,局部梯度变化远大于全局灰度变化,此时,F的变化率主要由FGrad决定,且F的变化率大于FGrad,因此F的灵敏度更好。
[0067] 本发明的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L的灰度方差获取灰度变化值,利用颜色通道图a和颜色通道图b获取显著图,并得到显著图的局部梯度值;最后,将灰度变化值和局部梯度值相乘,获取最终的图像清晰度。本发明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。