显微镜视图下的自动对焦.docx
《显微镜视图下的自动对焦.docx》由会员分享,可在线阅读,更多相关《显微镜视图下的自动对焦.docx(14页珍藏版)》请在冰豆网上搜索。
显微镜视图下的自动对焦
显微镜视图下的自动对焦
KuChinLin
摘要:
自动对焦是一个非常重要的科技应用在精确定位和检测系统中。
目前技术主要集中于显微镜视图下的高速执行自动对焦。
本文从3个方面说明了AF算法(最初的研究方向,进一部的研究,最后的研究),优化的处理决定增强了算法处理的快速执行,本文研究中阐述了图片对焦的准确尺度(FV)偏向与低信号噪声频率。
因此,一个新的尺度建立在轻微的窗口振动的量度增强了频率。
通过这种增强,AF的准确性和灵活性能够大大的提高。
改进的AF算法被执行在PC机的激光修复机器上。
试验测试能够广泛的证明在试验以及生产中,所选择的测试在这篇文章中。
在这些测试中,AF速度在400--1700ms范围中,平均速度小于1000ms
I概述
自动对焦是一个非常重要的科技在许多应用中,比如在图片电子传感器,电子制造业,生物,化工,声纳以及医学治疗,准确定位和检测,当前科技的发展更加偏向于显微镜视图下的高速对焦。
AF能够消除积极的信号源比如帧以及转移和在物体和镜头之间位置检测的完成[1],
这种做法,重点只是一个定位问题。
然而,还可以自动对焦完成了基于图像处理的信息清晰度。
这种做法并不需要一个距离感应装置,而是一个更灵活的应用[2]。
许多先前的实施自动对焦算法硬件或内嵌商业或移动相机[3]。
然而,自动搜索可能需要先进的物质决定和异常的动作处理作为干扰扰或紧急情况的处理。
因此,执行自动对焦的软件渴望在工业应用[4]。
Subbarao等从重点技术开发了一种使用自动对焦算法深度[5]。
这是假定自动对焦图像的相关性,并有重点的形象点传播功能。
两个或两个以上的这类为重点的图像可以用于计算重点地位。
张等人[6]声称,可以在衡量影像模糊的基础上处理高阶中央时刻的图像。
这项措施依赖于模糊参数,以及独立的图像内容。
然而,一帧图像,假设为具有相同的程度的模糊,这种假设可能不会举行,如果存在着不同的景深。
镜头和物体的距离决定了图像采集的形状。
形状能够被准确的识别,然后,FV曲线形式的镜头位置和图片量度有所不同。
这种曲线的峰值可能揭示在图片内容拥有最高的频率在本地或全球。
一个自动对焦的任务是通过比较FVs寻找一个集中的图像位置。
在FV措施的基础上制定的图像直方图变化,能源的平方梯度,熵函数,频谱功能,能源的Laplacian,高斯梯度,拉普拉斯高斯和Tenengrad等[3]。
大多数措施执行良好的计算效益。
然而,他们可能有在自动对焦范围外的低信号噪声比引起的微观观点。
这可能会引起重要的地方高峰FV曲线和导致自动对焦结果的不准确
另一方面,寻找一个高峰FV算法的连续机动定位的镜头。
电机执行处理速度,图像采集速度,数据量处理,步长透镜的移动,和迭代次数的搜索。
电机处理速度和图像采集速度,主要是与硬件选择有关。
然而适当的时间分配和在控制回路的自动对焦也有很重要的速度增强反应。
减少数据量使用子窗口是另一种做法的速度促进[4]。
通过子窗口,图像数据在一个预先确定的子窗口中用于加工。
但是,重点是权衡速度获取可能会丧失准确性,除非必须适当界定规范子窗口。
例如,为了实现良好的速度和精度之间的平衡,建议使用较大的子窗口外,同时重点搜索一个较小的子窗口中。
此外,在较大的步长的自动对焦区域外的镜头移动中
搜索将提高速度,同时更小的步长中重将加强搜索的准确性。
因此,一个良好的反应,需要调整自动对焦步长的镜头,动作[7]。
自动对焦算法包括全球扫描,Fabonacci搜索,半搜索,变比例搜索和中部地区搜索[8]。
在一个全球扫描,每个镜头位置进行扫描和FV计算。
那个全部扫描结束镜头全球高峰。
全球扫描通常是耗时尽管可靠。
改性全球扫描是由一个内置的探测器的FV比例保存的不必要的扫描[8]。
另一个在修改的基础上,提出细分全球区域有限镜头位置[3]。
然后,一个粗略的搜索执行中的有限镜头职位以下的区域,在更细的搜索步长中为全球最高。
这两个阶段办法是有利于取得良好的反应速度。
然而,实际的区域可能不知道推进。
斐波那契搜索是基于不断细分
Fibonacci搜索是基于不断细分一个探索区域变成分区域,根据Fabonacci序列。
搜索至少需要迭代次数的全球区域。
例如,它要求不超过13个迭代搜索达成一项在重点位置256镜头的立场。
在Fibonacci搜索中,全球区域必须事先得知。
此外,搜索可能承担的不受欢迎的镜头以及来回反复“抖振”反应。
抖振反应的有反弹,可能导致重点不准确。
在这项研究中,一个简单的FV措施,在第二部分介绍。
在第三节中,介绍三个阶段的自动对焦算法。
那个三个阶段包括最初搜索的方向,一个粗略的搜索,火速搜索。
快速算法处理是建立在提高性能上。
第四节演示自动对焦显微镜下使的意见意见以及提出的算法。
最后,本研究的结论是鉴于第五节
二自动对焦尺度价值
典型FV方法的图像括那些基于振幅灰度,灰度方差,拉普拉斯,快速傅立叶变换(FFT),直方图熵,直方图当地变动,说明如下[7,8]:
振幅灰度:
振动灰度水平:
Tenengrad:
拉普拉斯:
快速傅里叶:
总的模块差异:
直方图熵:
直方图形式的变形:
其中n是指总像素的图像;操作者*指加权总和;f(u)的是快速傅立叶变换的图像灰度值放在一维阵列。
FV措施是根据最近的形象,高通滤波器,绝对中心矩(HPACM),其子窗口实现如下[3]:
在上面一个变量的意思是指的变量;M17指的分窗口实施衡量,M9或M10基于分窗口图像fθ(x,y)为图中I显示。
除上述措施外,据了解,这些措施M3,M9,M10围绕重点位置产生急剧的变化和它有利于集中准确性。
那个措施M9比M10需要较少的计算,而衡量M5型需花费大量的时间和不切实际的实时应用。
但是,上述措施可能低信号噪声比在外的重点区域微观的观点。
为了提高信号的信噪比,变异的以往的分窗口的措施建议如下:
建议措施:
根据一套分窗口的图像,在拟议的措施,图片分为子窗口图像。
例如,图2显示4×4子窗口图像表明通过fθ(x,y),i,j=1~4。
大小窗口是主观界定。
申请前衡量每个小组窗口形象,以及Mk。
然后,这一差异的措施建议的通过Mp形式衡量,这将在第四节中提到,提议措施有利于提高信号的信噪比外重点地区的微观观点。
三。
拟议的自动对焦算法
图3显示了理想的FV变化曲线,表明图像FV镜头位置的各不相同。
镜头位置指的FV高峰集中的立场。
附近的高峰期是指作为重点地区,而且离峰提到作为一个地地道道的重点区域。
一般情况下,自动从任意位置和镜头搜索的重点位置,去向不明。
一个自动对焦算法企图把镜头的聚焦位置在一定的区域反复。
图4显示一个流程图拟议自动对焦算法。
该算法是由三个阶段包括最初搜索的方向,一个粗略的搜索,并行搜索。
反弹是考虑到一个指定的补偿改善定位精度。
那个精细搜索是可选的,并可以援引作为粗搜索终止,以加强搜查与细步长重点准确性的随后。
A.初次寻找方向
图5显示一个流程图拟议最初寻找的方向。
在这个阶段,图像采集和计算图像FV执行在最初镜头的立场。
然后,镜头将在任意方向的固定步长及以下的另一图像采集和FV计算。
标准检查,以确定搜索方向包括:
(1)检查是否发生了重大变化FV发生。
(2)检查是否单调变化FV发生在指定的周期。
(3)调用第二个措施确定方向如果上述检查情况。
固定步长的显着水平FV的变化和该周期的设计参数都是在这一阶段获得,更抗波动图像的平滑滤波(中位数其次是平均)建议金等人[4]。
粗糙的搜索中发挥着重要作用的全面自动对焦性能。
使用小的步长镜头,此举将缓慢降低搜索速度。
然而,使用大型步长可诱导大过,可能导致严重的重点不准确或不稳定。
这是必要的,以便寻找适应的机制,不同的步长的粗搜索,以实现良好的自动对焦反应。
图6显示一个流程图拟议粗糙搜索。
在每一个镜头移动,图像采集和Fv计算被执行。
适应机制建议等[7]。
是通过在本研究中。
步长更新基础上的规模和变化的图像FV适应启动搜索的方向是确定过去的阶段。
列入拟议的算法也是一个机制,以绕过“障碍”因虚假当地高峰。
一个显着水平的形象FV可以指定绕过虚假地方高峰期,如果其强度低于全球高峰。
标准检查的高峰期在粗糙的搜索包括:
(1)检查图像FV已达到显着水平。
(2)检查是否一个特定的百分比FV出现下降。
这两个标准前必须满足的粗糙搜索终止,否则改变最初的方向搜索,并重复搜索(即回收机制)。
角精细搜索,优良的搜索指定,以进一步加强重点准确性要求。
图7显示一个流动图拟议的搜索。
在每一个镜头移动,图像收购和Fv计算被执行。
比例控制器连续减少收益的目的是不同的步长的镜头移动。
标准检查高峰搜索包括:
(1)检查的一个百分比FV出现下降。
(2)检查步骤规模小于指定的大小。
这两个标准必须h会合之前,搜索终止否则重复搜索。
比例控制器减少步长是被指定为如下:
双方的收益均小于1保证稳定的搜索。
正如FV措施增加在镜头前的行动中,方向位维持不变,但步长减少了乘以它获得
。
正如FV措施减少在先前的镜头移动,方向位的改变,镜头前的位置是偿还。
步长,然后
通过减少乘以上一步大小获得。
四。
实验结果
实验研究是在显微镜下进行自动对焦系统图8所显示。
该系统是一个滚珠丝杆直线导轨携带相机与微观x50镜头。
在球场的滚珠丝杆为2毫米。
尺寸每一个微小的看法是约120um*100um,深入重点是0.9的PIM。
的图像分辨率是640×480像素。
直线导轨是由步进电机组与第20000步/转速和0.1um/步。
那个拟议的自动对焦算法是实施LabVIEW软件在WindowsXP下运行的奔腾4电脑3.3GHz的处理器。
目标物体表明本文的电路嵌入在一个液晶显示器玻璃。
形象的嵌入式电路收购同轴光纤照明。
图像收购点,至101等距离立场镜头从1近端(ž=-150um)到尽头(ž=150um)。
图9获得的图像显示在9,选定镜头位置,坐标ž=0表示的重点位置电路,主观视觉判断和正(负)协调表明的立场,进一步从镜头(接近)对象不是重点。
选定FV措施后绘制图10的措施,增加形象FV作为镜头从最近结束的集中位置(又见图9(a)-9(d))。
然后,一个全球性高峰形式镜头向前推进了重点位置(又见图9(a)-9(f)段)。
然而,虚假的峰值出现在协调ž=90um的PIM图10(图9(f)-9(i)段)。
虚假高峰期存在于我们的微观系统进行集中地区积极协调下相互作用的反射,鉴于可能产生不切实际的模式图所9(h)段。
这种错误的高峰是一个不受欢迎的地方,因为它产生高峰妨碍了自动搜索和可能引起大重点
不准确的力量,与当地高峰相比,与全球高峰是重要的,如果是用来衡量M3的大量的图片FV应设置高于0.6拟议的粗搜索绕过障碍。
强度当地峰值可以减少小组窗衡量
中显示图10。
小组窗口形象9选定镜头位置中显示图11在6×6分窗口分布均匀的图像帧的使用和小组窗口大小为40×60。
适当显着各级形象FV减少到低于0.5在这种情况下。
进一步减少当地峰值强度可取得使用拟议措施变种(立方米)。
的差异小组窗措施立方米显示图10。
适当大量的图片FV现在减少到大约0.1。
这有利于减少了自动对焦搜索绕过障碍和改善重点可靠性和准确性。
拟议的自动对焦算法已实施基于PC的激光修补机。
实验测试已广泛进行了实验室和在线以及。
那个30自动对焦反应试验不同的液晶显示电路在图12。
在测试中,最初的镜头职位分配使用均匀分布的随机生成的一系列-90-90um个人信息管理。
控制收益是一个
。
百分比的下降为5%和相当水平的FV为0.2。
那个最小步长设置的是1um搜索。
注意,通过适当的调整步长低到曝光率。
那个重点不准确(即稳态误差)是相当少较深入的焦点。
鲁棒性的建议自动对焦算法对虚假和不正确的高峰初步方向搜索中的重点区域是有保证的指定显着水平FV和回收机制。
没有30的测试需要超过13迭代达到全球高峰从随机初始位置图13显示了自动对焦时间比最初的立场。
自动对焦时间传播范围为400-1700毫秒,平均自动对焦时间小于1000毫秒。
五,结论
本文介绍的自动对焦算法由三个阶段(即最初的搜索方向,一个粗略的搜索,以及精细搜索)。
标准检查的每个阶段总结同时指定参数的自动对焦微调性能。
差异的子窗口的措施建议提高信号的信噪比。
实验说明结果包括,全球高峰是指信号的强度,而虚假的峰值是指
噪音。
拟议的措施,显着水平图像FV可以减少。
这有利于减少对一个自动搜索绕过虚假峰值和改善注重可靠性和准确性。
广泛的实验测试拟议自动对焦算法进行了不同的液晶显示电路。
只要有适当的调整步长低到人类的曝光率。
重点是不准确的指定最低步长搜索。
它已被显示,可指定相当小于深入重点实验。
鲁棒性的自动对焦算法提出反对虚假高峰和不正确的初步方向进行搜索,在重点区域可以提高设计水平的重要亚阿马和恢复机制。
在测试中,自动对焦时间传播范围为400-1700毫秒,平均自动对焦时间小于1000毫秒。
致谢
这项工作是部分支持国家科学理事会,中华民国,在大国科会数NSC95-2221-E-168-018
参考文献:
[1]Y.Yoshida,S.Shinohara,H.Ikeda,K-ITada,H.Yoshida,
K-INishideandM.Sumi,ApplicationofSemiconductor
LaserRangeFindertoPositionControlofLensinAuto-
FocusCamera,IEEEInternationalConferenceon
IndustrialElectronics,ControlandInstrumentation,
IECON91,pp.2357-2361,1991.
[2]T.Koizumi,H-SChunandH.Zen,ANewOptical
DetectorforaHigh-SpeedAFControl,IEEETrans.On
ConsumerElectronics,Vol.42,No.4,pp.1055-1061,Nov.
1996.
[3]F.LiandH.Jin,AFastAutoFocusingMethodforDigital
StillCamera,ProceedingsoftheFourthInternational
ConferenceonMachineLearningandCybernetics,
Guangzhou,18-21,pp.5001-5005,Aug.2005.
[4]Y.Kim,J-SLee,A.W.MoralesandS-JKo,AVideo
CameraSystemWithEnhancedZoomTrackingAndAuto
WhiteBalance,IEEETransactionsonConsumer
Electronics,Vol.48,No.3,pp428-434,Aug.2002.
[5]M.SubbaraoandT.Wei.DepthfromDefocusandRapid
Autofocusing:
aPracticalApproach.InProc.CVPR,pp.
773-776,1992.
[6]Y.Zhang,Y.ZhangandC.Wen,ANewFocusMeasure
MethodUsingMoments,ImageandVisionComputing,18,
pp.959-965,2000.
[7]J.He,R.ZhouandZ.Hong,ModifiedFastClimbing
-...SearchAuto-focuswithSize
AlgorithmAdaptiveStep
SearchingTechniqueforDigitalCamera,IEEETrans.
ConsumerElectronics,Vol.49,pp.257-262,May2003.
[8]N.K.C.Nathaniel,P.A.NeowandM.H.AngJr.,
PracticalIssuesInPixel-BasedAutofocusingForMachine
Vision,Proceedingsofthe2001IEEE,International
ConferenceonRobotics&Automation,Seoul,Korea,21-
26,pp2791-2796,May2001.