【摘要】 本发明公开了一种基于区域生长的显微图像融合方法，其通过对显微图像中的各个图像块进行清晰度评价，以判断显微图像的模糊程度并确认模糊种子块，同时利用区域生长逐步完成模糊区域和清晰区域的精确划分并标记，最后通过显微图像的融合规则，得到多幅显微图像融合后的一幅清晰的高质量的显微图像，优点在于由于结合了显微图像的清晰度评价，并进行区域生长进行每幅显微图像的清晰区域和模糊区域的分割，因此本发明方法的显微图像融合结果在主观人眼感知方面和客观评价指标方面都表现出了很大的优越性，而且本发明方法计算简单容易实现、结果稳定，适用于融合浅景深拍摄到的数码光学显微图像。 【专利类型】发明授权 【申请人】宁波大学 【申请人类型】学校 【申请人地址】315211 浙江省宁波市江北区风华路818号 【申请人地区】中国 【申请人城市】宁波市 【申请人区县】江北区 【申请号】CN201210050205.1 【申请日】2012-02-29 【申请年份】2012 【公开公告号】CN102622737B 【公开公告日】2014-08-27 【公开公告年份】2014 【授权公告号】CN102622737B 【授权公告日】2014-08-27 【授权公告年份】2014.0 【IPC分类号】G06T5/50 【发明人】蒋刚毅; 白翠霞; 郁梅; 王一刚; 彭宗举; 邵枫 【主权项内容】一种基于区域生长的显微图像融合方法，其特征在于包括以下步骤：①令{IS1(x, y)}为光学显微镜下采集到的一幅显微图像，令{IS2(x, y)}为光学显微镜下采集到的另一幅显微图像，其中，0≤x≤W-1, 0≤y≤H-1，W表示图像的宽度，H表示图像的高度，IS1(x, y)表示{IS1(x, y)}中坐标位置为(x, y)的像素点的灰度值，IS2(x, y)表示{IS2(x, y)}中坐标位置为(x, y)的像素点的灰度值；②将{IS1(x, y)}划分成个互不重叠的尺寸大小为n×n的第一图像块，将{IS1(x, y)}中坐标位置为(i, j)的第一图像块记为IB1_n(i, j)，将{IS2(x, y)}划分成个互不重叠的尺寸大小为n×n的第二图像块，将{IS2(x, y)}中坐标位置为(i, j)的第二图像块记为IB2_n(i, j)，其中，n的值为2的幂次；③对{IS1(x, y)}中的每个第一图像块进行清晰度评价，得到{IS1(x, y)}中的每个第一图像块各自对应的清晰度特征值，对于{IS1(x, y)}中坐标位置为(i, j)的第一图像块IB1_n(i, j)，将其对应的清晰度特征值记为Fv1_n(i, j)；对{IS2(x, y)}中的每个第二图像块进行清晰度评价，得到{IS2(x, y)}中的每个第二图像块各自对应的清晰度特征值，对于{IS2(x, y)}中坐标位置为(i, j)的第二图像块IB2_n(i, j)，将其对应的清晰度特征值记为Fv2_n(i, j)；所述的步骤③中计算{IS1(x, y)}中坐标位置为(i, j)的第一图像块IB1_n(i, j)对应的清晰度特征值Fv1_n(i, j)的具体过程为：③-a1、采用改进的TenenGrad梯度函数，计算IB1_n(i, j)中的每个像素点的水平方向梯度和垂直方向梯度，对于IB1_n(i, j)中坐标位置为(x1, y1)的像素点，将其水平方向梯度和垂直方向梯度分别记为Gh1(x1, y1)和Gv1(x1, y1)，Gh1(x1, y1)＝(f1(x1-1, y1-1)+2f1(x1, y1-1)+f1(x1+1, y1-1))-(f1(x1-1, y1+1)+2f1(x1, y1+1)+f1(x1+1, y1+1))，Gv1(x1, y1)＝(f1(x1+1, y1-1)+2f1(x1+1, y1)+f1(x1+1, y1+1))-(f1(x1-1, y1-1)+2f1(x1-1, y1)+f1(x1-1, y1+1))，其中，0≤x1≤n-1, 0≤y1≤n-1，f1(x1-1, y1-1)表示IB1_n(i, j)中坐标位置为(x1-1, y1-1)的像素点的灰度值，f1(x1, y1-1)表示IB1_n(i, j)中坐标位置为(x1, y1-1)的像素点的灰度值，f1(x1+1, y1-1)表示IB1_n(i, j)中坐标位置为(x1+1, y1-1)的像素点的灰度值，f1(x1-1, y1+1)表示IB1_n(i, j)中坐标位置为(x1-1, y1+1)的像素点的灰度值，f1(x1, y1+1)表示IB1_n(i, j)中坐标位置为(x1, y1+1)的像素点的灰度值，f1(x1+1, y1+1)表示IB1_n(i, j)中坐标位置为(x1+1, y1+1)的像素点的灰度值，f1(x1+1, y1)表示IB1_n(i, j)中坐标位置为(x1+1, y1)的像素点的灰度值，f1(x1-1, y1)表示IB1_n(i, j)中坐标位置为(x1-1, y1)的像素点的灰度值；③-a2、根据IB1_n(i, j)中的每个像素点的水平方向梯度和垂直方向梯度，计算IB1_n(i, j)对应的清晰度特征值Fv1_n(i, j)，所述的步骤③中计算{IS2(x, y)}中坐标位置为(i, j)的第二图像块IB2_n(i, j)对应的清晰度特征值Fv2_n(i, j)的具体过程为：③-b1、采用改进的TenenGrad梯度函数，计算IB2_n(i, j)中的每个像素点的水平方向梯度和垂直方向梯度，对于IB2_n(i, j)中坐标位置为(x1, y1)的像素点，将其水平方向梯度和垂直方向梯度分别记为Gh2(x1, y1)和Gv2(x1, y1)，Gh2(x1, y1)＝(f2(x1-1, y1-1)+2f2(x1, y1-1)+f2(x1+1, y1-1))-(f2(x1-1, y1+1)+2f2(x1, y1+1)+f2(x1+1, y1+1))，Gv2(x1, y1)＝(f2(x1+1, y1-1)+2f2(x1+1, y1)+f2(x1+1, y1+1))-(f2(x1-1, y1-1)+2f2(x1-1, y1)+f2(x1-1, y1+1))，其中，0≤x1≤n-1, 0≤y1≤n-1，f2(x1-1, y1-1)表示IB2_n(i, j)中坐标位置为(x1-1, y1-1)的像素点的灰度值，f2(x1, y1-1)表示IB2_n(i, j)中坐标位置为(x1, y1-1)的像素点的灰度值，f2(x1+1, y1-1)表示IB2_n(i, j)中坐标位置为(x1+1, y1-1)的像素点的灰度值，f2(x1-1, y1+1)表示IB2_n(i, j)中坐标位置为(x1-1, y1+1)的像素点的灰度值，f2(x1, y1+1)表示IB2_n(i, j)中坐标位置为(x1, y1+1)的像素点的灰度值，f2(x1+1, y1+1)表示IB2_n(i, j)中坐标位置为(x1+1, y1+1)的像素点的灰度值，f2(x1+1, y1)表示IB2_n(i, j)中坐标位置为(x1+1, y1)的像素点的灰度值，f2(x1-1, y1)表示IB2_n(i, j)中坐标位置为(x1-1, y1)的像素点的灰度值；③-b2、根据IB2_n(i, j)中的每个像素点的水平方向梯度和垂直方向梯度，计算IB2_n(i, j)对应的清晰度特征值Fv2_n(i, j)，④确定{IS1(x, y)}中的每个第一图像块各自对应的清晰度特征值的第一判定阈值，记为Tn_1；然后根据{IS1(x, y)}中的每个第一图像块各自对应的清晰度特征值和第一判定阈值Tn_1，判断{IS1(x, y)}中的每个第一图像块是否为模糊种子块，对于{IS1(x, y)}中坐标位置为(i, j)的第一图像块IB1_n(i, j)，判断IB1_n(i, j)对应的清晰度特征值Fv1_n(i, j)是否小于第一判定阈值Tn_1，如果是，则判定IB1_n(i, j)为模糊种子块，并将IB1_n(i, j)中的各个像素点的标记设为1，否则，判定IB1_n(i, j)为非模糊种子块，并将IB1_n(i, j)中的各个像素点的标记设为0；再根据{IS1(x, y)}中的每个第一图像块中的各个像素点的标记，计算{IS1(x, y)}对应的清晰度标记图像，记为{ID1_n(x, y)}，，其中，ID1_n(x, y)表示{ID1_n(x, y)}中坐标位置为(x, y)的像素点的标记，int为取整运算符；确定{IS2(x, y)}中的每个第二图像块各自对应的清晰度特征值的第二判定阈值，记为Tn_2；然后根据{IS2(x, y)}中的每个第二图像块各自对应的清晰度特征值和第二判定阈值Tn_2，判断{IS2(x, y)}中的每个第二图像块是否为模糊种子块，对于{IS2(x, y)}中坐标位置为(i, j)的第二图像块IB2_n(i, j)，判断IB2_n(i, j)对应的清晰度特征值Fv2_n(i, j)是否小于第二判定阈值Tn_2，如果是，则判定IB2_n(i, j)为模糊种子块，并将IB2_n(i, j)中的各个像素点的标记设为1，否则，判定IB2_n(i, j)为非模糊种子块，并将IB2_n(i, j)中的各个像素点的标记设为0；再根据{IS2(x, y)}中的每个第二图像块中的各个像素点的标记，计算{IS2(x, y)}对应的清晰度标记图像，记为{ID2_n(x, y)}，，其中，ID2_n(x, y)表示{ID2_n(x, y)}中坐标位置为(x, y)的像素点的标记，int为取整运算符；⑤取n=128、n=64、n=32、n=16、n=8，分别重复执行步骤③至步骤④，得到取n=128时{IS1(x, y)}对应的清晰度标记图像{ID1_128(x, y)}和{IS2(x, y)}对应的清晰度标记图像{ID2_128(x, y)}、取n=64时{IS1(x, y)}对应的清晰度标记图像{ID1_64(x, y)}和{IS2(x, y)}对应的清晰度标记图像{ID2_64(x, y)}、取n=32时{IS1(x, y)}对应的清晰度标记图像{ID1_32(x, y)}和{IS2(x, y)}对应的清晰度标记图像{ID2_32(x, y)}、取n=16时{IS1(x, y)}对应的清晰度标记图像{ID1_16(x, y)}和{IS2(x, y)}对应的清晰度标记图像{ID2_16(x, y)}、取n=8时{IS1(x, y)}对应的清晰度标记图像{ID1_8(x, y)}和{IS2(x, y)}对应的清晰度标记图像{ID2_8(x, y)}；⑥根据{ID1_128(x, y)}、{ID1_64(x, y)}、{ID1_32(x, y)}、{ID1_16(x, y)}和{ID1_8(x, y)}中标记为1的像素点，进行模糊区域生长得到{IS1(x, y)}对应的区域生长图像，记为{IG1(x, y)}，其中，IG1(x, y)表示{IG1(x, y)}中坐标位置为(x, y)的像素点的标记；根据{ID2_128(x, y)}、{ID2_64(x, y)}、{ID2_32(x, y)}、{ID2_16(x, y)}和{ID2_8(x, y)}中标记为1的像素点，进行模糊区域生长得到{IS2(x, y)}对应的区域生长图像，记为{IG2(x, y)}，其中，IG2(x, y)表示{IG2(x, y)}中坐标位置为(x, y)的像素点的标记；所述的步骤⑥中{IS1(x, y)}对应的区域生长图像{IG1(x, y)}的获取过程为：⑥-a1、将取n=128时{IS1(x, y)}对应的清晰度标记图像{ID1_128(x, y)}作为起始种子图像；⑥-a2、考察{IS1(x, y)}中的每个尺寸大小为n×n的模糊种子块相邻的8个尺寸大小为的图像块，如果{IS1(x, y)}中的尺寸大小为n×n的模糊种子块相邻的尺寸大小为的图像块中的各个像素点的标记均为1，则将起始种子图像中相同位置的尺寸大小为的图像块中的各个像素点的标记设为1；⑥-a3、令并返回执行步骤⑥-a2，直至n=8，其中，中的“=”为赋值符号；⑥-a4、当n=8时，直接将起始种子图像中与{IS1(x, y)}中的每个尺寸大小为8×8的模糊种子块相邻的8个尺寸大小为的图像块相同位置的图像块中的各个像素点的标记设为1；然后令n=4，并直接将起始种子图像中与{IS1(x, y)}中的每个尺寸大小为4×4的模糊种子块相邻的8个尺寸大小为的图像块相同位置的图像块中的各个像素点的标记设为1；再令n=2，并直接将起始种子图像中与{IS1(x, y)}中的每个尺寸大小为2×2的模糊种子块相邻的8个像素点相同位置的像素点的标记设为1，得到{IS1(x, y)}对应的区域生长图像{IG1(x, y)}，{IG1(x, y)}中标记为1的像素点为模糊像素点，{IG1(x, y)}中标记为0的像素点为非模糊像素点；所述的步骤⑥中{IS2(x, y)}对应的区域生长图像{IG2(x, y)}的获取过程为：⑥-b1、将取n=128时{IS2(x, y)}对应的清晰度标记图像{ID2_128(x, y)}作为起始种子图像；⑥-b2、考察{IS2(x, y)}中的每个尺寸大小为n×n的模糊种子块相邻的8个尺寸大小为的图像块，如果{IS2(x, y)}中的尺寸大小为n×n的模糊种子块相邻的尺寸大小为的图像块中的各个像素点的标记均为1，则将起始种子图像中相同位置的尺寸大小为的图像块中的各个像素点的标记设为1；⑥-b3、令并返回执行步骤⑥-b2，直至n=8，其中，中的“=”为赋值符号；⑥-b4、当n=8时，直接将起始种子图像中与{IS2(x, y)}中的每个尺寸大小为8×8的模糊种子块相邻的8个尺寸大小为的图像块相同位置的图像块中的各个像素点的标记设为1；然后令n=4，并直接将起始种子图像中与{IS2(x, y)}中的每个尺寸大小为4×4的模糊种子块相邻的8个尺寸大小为的图像块相同位置的图像块中的各个像素点的标记设为1；再令n=2，并直接将起始种子图像中与{IS2(x, y)}中的每个尺寸大小为2×2的模糊种子块相邻的8个像素点相同位置的像素点的标记设为1，得到{IS2(x, y)}对应的区域生长图像{IG2(x, y)}，{IG2(x, y)}中标记为1的像素点为模糊像素点，{IG2(x, y)}中标记为0的像素点为非模糊像素点；⑦根据{IS1(x, y)}对应的区域生长图像{IG1(x, y)}和{IS2(x, y)}对应的区域生长图像{IG2(x, y)}，并结合{IS1(x, y)}和{IS2(x, y)}，融合得到最终的融合显微图像，记为其中，IF(x, y)表示{IF(x, y)}中坐标位置为(x, y)的像素点的灰度值，C=IS1(x, y)Cnt1(x, y)< Cnt2(x, y)IS2(x, y)Cnt1(x, y)>Cnt2(x, y)IS1(x, y)+IS2(x, y)2Cnt1(x, y)=Cnt2(x, y), ]]>Cnt1(x, y)表示{IG1(x, y)}中坐标位置为(x, y)的像素点的8邻域中标记为1的像素点的个数，Cnt2(x, y)表示{IG2(x, y)}中坐标位置为(x, y)的像素点的8邻域中标记为1的像素点的个数。 【当前权利人】宁波大学 【当前专利权人地址】浙江省宁波市江北区风华路818号 【统一社会信用代码】123300004195291066 【家族引证次数】5.0 【家族被引证次数】29

未经允许不得转载：http://www.zhongzhencnc.com/1791356891.html