本申请涉及图像分析技术领域，特别涉及选择聚焦最佳的尿沉渣显微镜图像的方法及装置。
背景技术：
尿分析是一个常见和重要的试验。当采集了尿沉渣样本后，要在显微镜下采集尿沉渣图像，其目的是为了更清楚地显示出尿细胞。为了保证采集到清晰的尿沉渣图像，通常对一个尿沉渣样本，会通过微调显微镜的镜头采集到多幅尿沉渣图像，然后人工选择出最清晰的图像来进行下一步的检测分析。
人工选择最清晰的尿沉渣图像会容易受到主观影响。
技术实现要素：
本申请实施例提供选择聚焦最佳的尿沉渣显微镜图像的方法及装置。
为了达到上述目的，本申请提供了如下技术方案：
一种选择聚焦最佳的尿沉渣显微镜图像的方法，包括：
通过微调显微镜的镜头采集一尿沉渣样本的多幅尿沉渣图像；
对于每一幅尿沉渣图像，检测该幅图像中的所有尿细胞，对所检测到的每个尿细胞进行高通滤波，得到该尿细胞的频谱能量，并计算该幅图像的频谱能量均值和方差；
根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅尿沉渣图像中选择一幅聚焦最佳的图像。
在上述方法中，计算每一幅图像的频谱能量均值和方差，然后根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅显微镜图像中选择一幅聚焦最佳的图像，保证了最终选择的图像为聚焦最佳的图像。
在一实施方式中，所述检测该幅图像中的所有尿细胞之前进一步包括：预先采集前景样本集和背景样本集，其中，前景样本为只包含尿细胞的图像，背景样本为不包含尿细胞仅包含背景的图像；分别从每个前景样本和每个背景样本中提取预设特征；采用预设训练算法对前景特征集和背景特征集进行训练，得到能够区分前景图像和背景图像的分类器。
所述检测该幅图像中的所有尿细胞包括：将与前景和背景样本相同大小的窗口以预设第一步长在该幅尿沉渣图像上滑动，对于每次滑动后的窗口，采用与训练过程相同的特征提取方法从该窗口所在区域采集预设特征，采用所述分类器区分该窗口所在区域为前景还是背景，若为前景，则将该窗口所在区域标记为尿细胞。
根据一种实施方式，所述分别从每个前景样本和每个背景样本中提取预设特征包括：对于每幅前景或背景样本图像，将预设a*b大小的窗口以预设第二步长在该样本图像上滑动，其中，a＝A/m1，b＝B/m2，A、B分别为前景或背景样本图像的高度和宽度，m1、m2为大于1的整数；
对于每次滑动后的窗口所在区域，提取如下四类特征：
特征一、将该窗口所在区域等分为左右两部分，特征一＝fabs(sum(C1)-sum(D1))/512，
其中，C1表示该窗口所在区域的左半部分，sum(C1)表示对C1内的所有像素求和，D1表示该窗口所在区域的右半部分，sum(D1)表示对D1内的所有像素求和，fabs表示取绝对值；
特征二、将该窗口所在区域等分为上下两部分，特征二＝fabs(sum(C2)-sum(D2))/512，
其中，C2表示该窗口所在区域的上半部分，sum(C2)表示对C2内的所有像素求和，D2表示该窗口所在区域的下半部分，sum(D2)表示对D2内的所有像素求和；
特征三、将该窗口所在区域从左到右分为三部分，设分别为C3、D3、E3，其中，C3的宽度＝该窗口宽度的四分之一，D3的宽度＝该窗口宽度的一半，E3的宽度＝该窗口宽度的四分之一，特征三＝fabs(sum(C3)+sum(E3)-sum(D3))/512，
其中，sum(C3)表示对C3内的所有像素求和，sum(D3)表示对D3内的所有像素求和，sum(E3)表示对E3内的所有像素求和；
特征四、将该窗口所在区域从上到下分为三部分，设分别为C4、D4、E4，其中，C4的高度＝该窗口高度的四分之一，D4的高度＝该窗口高度的一半，E4的高度＝该窗口高度的四分之一，特征四＝fabs(sum(C4)+sum(E4)-sum(D4))/512，
其中，sum(C4)表示对C4内的所有像素求和，sum(D4)表示对D4内的所有像素求和，sum(E4)表示对E4内的所有像素求和。
在一实施方式中，所述对所检测到的每个尿细胞进行高通滤波包括：对于每个尿细胞，将8*8大小的窗口以预设第三步长在该尿细胞所在区域内滑动，对于每次滑动后的窗口，将该窗口所在区域内的像素值与预设8*8大小的卷积核进行卷积运算，得到该窗口所在区域的频谱能量；当窗口在该尿细胞所在区域内滑动结束时，将每次滑动后的窗口所在区域的频谱能量相加，得到该尿细胞的频谱能量。其中，预设卷积核为：中央4*4的区域内的系数都为+3，剩余区域内的系数都为-1。
根据一种实施方式，所述根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅尿沉渣图像中选择一幅聚焦最佳的图像包括：当计算出所有尿沉渣图像的频谱能量均值和方差时，判断最大的频谱能量均值与次大的频谱能量均值的差值是否大于预设值，若是，则将最大的频谱能量均值对应的图像作为聚焦最佳图像；否则，比较最大的、次大的频谱能量均值对应的频谱能量方差，将其中较小的频谱能量方差对应的图像作为聚焦最佳图像。
本申请实施例还提供了一种选择聚焦最佳的尿沉渣显微镜图像的装置，包括：
一个尿细胞检测模块，用于检测每一幅尿沉渣图像中的所有尿细胞；所述尿沉渣图像为针对同一尿沉渣样本，通过微调显微镜的镜头采集到的该样本的多幅尿沉渣图像中的任一幅；
一个频谱能量计算模块，用于对于每一幅尿沉渣图像中的每个尿细胞，对所检测到的每个尿细胞进行高通滤波，得到该尿细胞的频谱能量，并计算该幅图像的频谱能量均值和方差；
一个图像选择模块，用于根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅尿沉渣图像中选择一幅聚焦最佳的图像。
在上述装置中，对于同一尿沉渣样本的多幅显微镜图像，通过检测每一幅图像中的尿细胞，并对所检测到的每个尿细胞进行高通滤波，得到该尿细胞的频谱能量，进而计算每一幅图像的频谱能量均值和方差，然后根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅显微镜图像中选择一幅聚焦最佳的图像，保证了最终选择的图像为聚焦最佳的图像。
根据一种实施方式，所述尿细胞检测模块包括：
一个训练模块，用于预先采集前景样本集和背景样本集，其中，前景样本为只包含尿细胞的图像，背景样本为不包含尿细胞仅包含背景的图像；分别从每个前景样本和每个背景样本中提取预设特征；采用预设训练算法对前景特征集和背景特征集进行训练，得到能够区分前景图像和背景图像的分类器；
一个检测模块，用于对于每一幅尿沉渣图像，将与训练模块采集的前景和背景样本相同大小的窗口以预设第一步长在该幅尿沉渣图像上滑动，对于每次滑动后的窗口，采用与训练模块相同的特征提取方法从该窗口所在区域采集预设特征，采用所述分类器区分该窗口所在区域为前景还是背景，若为前景，则将该窗口所在区域标记为尿细胞。
根据一种实施方式，所述训练模块分别从每个前景样本和每个背景样本中提取预设特征包括：
对于每次滑动后的窗口所在区域，提取如下四类特征：
特征一、将该窗口所在区域等分为左右两部分，特征一＝fabs(sum(C1)-sum(D1))/512，
其中，C1表示该窗口所在区域的左半部分，sum(C1)表示对C1内的所有像素求和，D1表示该窗口所在区域的右半部分，sum(D1)表示对D1内的所有像素求和，fabs表示取绝对值；
特征二、将该窗口所在区域等分为上下两部分，特征二＝fabs(sum(C2)-sum(D2))/512，
其中，C2表示该窗口所在区域的上半部分，sum(C2)表示对C2内的所有像素求和，D2表示该窗口所在区域的下半部分，sum(D2)表示对D2内的所有像素求和；
特征三、将该窗口所在区域从左到右分为三部分，设分别为C3、D3、E3，其中，C3的宽度＝该窗口宽度的四分之一，D3的宽度＝该窗口宽度的一半，E3的宽度＝该窗口宽度的四分之一，特征三＝fabs(sum(C3)+sum(E3)-sum(D3))/512，
其中，sum(C3)表示对C3内的所有像素求和，sum(D3)表示对D3内的所有像素求和，sum(E3)表示对E3内的所有像素求和；
特征四、将该窗口所在区域从上到下分为三部分，设分别为C4、D4、E4，其中，C4的高度＝该窗口高度的四分之一，D4的高度＝该窗口高度的一半，E4的高度＝该窗口高度的四分之一，特征四＝fabs(sum(C4)+sum(E4)-sum(D4))/512，
其中，sum(C4)表示对C4内的所有像素求和，sum(D4)表示对D4内的所有像素求和，sum(E4)表示对E4内的所有像素求和。
在一种实施方式中，所述频谱能量计算模块对每一幅尿沉渣图像中的每个尿细胞进行高通滤波包括：对于每个尿细胞，将8*8大小的窗口以预设第三步长在该尿细胞所在区域内滑动，对于每次滑动后的窗口，将该窗口所在区域内的像素值与预设8*8大小的卷积核进行卷积运算，得到该窗口所在区域的频谱能量；当窗口在该尿细胞所在区域内滑动结束时，将每次滑动后的窗口所在区域的频谱能量相加，得到该尿细胞的频谱能量。其中，预设卷积核为：中央4*4的区域内的系数都为+3，剩余区域内的系数都为-1。
根据一种实施方式，所述图像选择模块根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅尿沉渣图像中选择一幅聚焦最佳的图像包括：针对频谱能量计算模块计算出的针对同一尿沉渣样本的所有尿沉渣图像的频谱能量均值和方差，判断最大的频谱能量均值与次大的频谱能量均值的差值是否大于预设值，若是，则将最大的频谱能量均值对应的图像作为聚焦最佳图像；否则，比较最大的、次大的频谱能量均值对应的频谱能量方差，将其中较小的频谱能量方差对应的图像作为聚焦最佳图像。
附图说明
图1为本申请一实施例提供的选择聚焦最佳的尿沉渣显微镜图像的方法流程图；
图2为本申请另一实施例提供的选择聚焦最佳的尿沉渣显微镜图像的方法流程图；
图3A本申请实施例提供的从前景样本或背景样本提取特征一的示例图；
图3B为本申请实施例提供的从前景样本或背景样本提取特征二的示例图；
图3C为本申请实施例提供的从前景样本或背景样本提取特征三的示例图；
图3D为本申请实施例提供的从前景样本或背景样本提取特征四的示例图；
图4为本申请实施例提供的8*8的卷积核的示意图；
图5为本申请应用示例中针对一尿沉渣样本的一幅尿沉渣显微镜图像的前景检测结果示意图；
图6为本申请实施例提供的选择聚焦最佳的尿沉渣显微镜图像的装置的组成示意图。
其中，附图标记如下：
101：对于采集到的一尿沉渣样本，通过微调显微镜的镜头采集该样本的多幅尿沉渣图像。
102：对于每一幅尿沉渣图像，检测该幅图像中的所有尿细胞。
103：对于检测到的每个尿细胞，对该尿细胞进行高通滤波，得到该尿细胞的频谱能量。
104：根据该幅尿沉渣图像中每个尿细胞的频谱能量，计算该幅图像的频谱能量均值和方差。
105：根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在针对该尿沉渣样本采集到的所有尿沉渣图像中选择一幅聚焦最佳的图像，以便进行下一步检测分析。
201：对于采集到的一尿沉渣样本，通过微调显微镜的镜头采集该样本的多幅尿沉渣图像。
202：对于每一幅尿沉渣图像，检测该图像中的所有尿细胞，其中，每个尿细胞以一个预设第一大小的矩形框界定。
203：对于每个尿细胞，将预设8(像素)*8(像素)大小的窗口以预设第三步长在该尿细胞上滑动，分别将每次滑动后的窗口所在区域内的像素值与预设卷积核进行卷积运算，得到该窗口所在区域的频谱能量。
204：对于每个尿细胞，将8*8窗口在该尿细胞内滑动过程中得到的所有滑动后的窗口所在区域的频谱能量相加，得到该尿细胞的频谱能量。
205：对于每幅尿沉渣图像，根据该图像内所有尿细胞的频谱能量，计算该图像的频谱能量均值和方差。
206：根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在步骤201采集到的所有尿沉渣图像中选择一幅聚焦最佳的图像。
207：采用聚焦最佳的图像进行下一步检测分析。
a、b：窗口的高度和宽度
C1、D1：窗口所在区域的左半部分、右半部分
C2、D2：窗口所在区域的上半部分、下半部分
C3、D3、E3：窗口所在区域从左到右的三部分
C4、D4、E4：窗口所在区域从上到下的三部分
61：尿细胞检测模块
62：频谱能量计算模块
63：图像选择模块
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，下面结合附图并据实施例，对本申请的技术方案进行详细说明。
图1为本申请一实施例提供的选择聚焦最佳的尿沉渣显微镜图像的方法流程图，其具体步骤如下：
步骤101：对于采集到的一尿沉渣样本，通过微调显微镜的镜头采集该样本的多幅尿沉渣图像。
这里，“微调”的级别通常是微米级的。
步骤102：对于每一幅尿沉渣图像，检测该幅图像中的所有尿细胞。
步骤103：对于检测到的每个尿细胞，对该尿细胞进行高通滤波，得到该尿细胞的频谱能量。
步骤104：根据该幅尿沉渣图像中每个尿细胞的频谱能量，计算该幅图像的频谱能量均值和方差。
步骤105：根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在针对该尿沉渣样本采集到的所有尿沉渣图像中选择一幅聚焦最佳的图像，以便进行下一步检测分析。
图2为本申请另一实施例提供的选择聚焦最佳的尿沉渣显微镜图像的方法流程图，其具体步骤如下：
步骤201：对于采集到的一尿沉渣样本，通过微调显微镜的镜头采集该样本的多幅尿沉渣图像。
步骤202：对于每一幅尿沉渣图像，检测该图像中的所有尿细胞，其中，每个尿细胞以一个预设第一大小的矩形框界定。
在检测尿沉渣图像中的尿细胞之前，先要进行一个训练过程，以得到区分尿细胞和背景的分类器，训练过程具体如下：
步骤01：采集前景样本集和背景样本集。
前景样本即只包含尿细胞的图像，背景样本即不包含尿细胞仅包含背景的图像。前景样本和背景样本的大小必须相同，设为A*B，例如：A＝B＝96像素。
步骤02：分别从每个前景样本和每个背景样本中提取预设特征。
从每个前景样本或背景样本提取预设特征的过程如下：
1)将预设a(像素)*b(像素)大小的窗口以预设第一步长在样本图像上滑动；
a＝A/m1，b＝B/m2，m1、m2为大于1的整数，例如：m1＝m2＝3，这里的预设第一步长可根据经验确定，例如：第一步长在水平、垂直方向都为2个像素。即当窗口水平滑动时，相邻两次滑动之间相隔2列，当窗口垂直滑动时，相邻两次滑动之间相隔2行。
2)对于每次滑动后的窗口所在区域，提取如下四类特征：
特征一、如图3A所示，将窗口所在区域等分为左右两部分，特征一＝fabs(sum(C1)-sum(D1))/512。
其中，C1表示窗口所在区域的左半部分，sum(C1)表示对窗口所在区域的左半部分内的所有像素求和，D1表示窗口所在区域的右半部分，sum(D1)表示对窗口所在区域的右半部分内的所有像素求和，fabs表示取绝对值。
特征二、如图3B所示，将窗口所在区域等分为上下两部分，特征二＝fabs(sum(C2)-sum(D2))/512，
其中，C2表示窗口所在区域的上半部分，sum(C2)表示对窗口所在区域的上半部分内的所有像素求和，D2表示窗口所在区域的下半部分，sum(D2)表示对窗口所在区域的下半部分内的所有像素求和，fabs表示取绝对值。
特征三、如图3C所示，将窗口所在区域从左到右分为三部分，设分别为C3、D3、E3，其中，C3的宽度＝窗口宽度的四分之一即b/4，D3的宽度＝窗口宽度的一半即b/2，E3的宽度＝窗口宽度的四分之一即b/4，特征三＝fabs(sum(C3)+sum(E3)-sum(D3))/512。
sum(C3)表示对C3内的所有像素求和，sum(D3)表示对D3内的所有像素求和，sum(E3)表示对E3内的所有像素求和，fabs表示取绝对值。
特征四、如图3D所示，将窗口所在区域从上到下分为三部分，设分别为C4、D4、E4，其中，C4的高度＝窗口高度的四分之一即a/4，D4的高度＝窗口高度的一半即a/2，E4的高度＝窗口高度的四分之一即a/4，特征四＝fabs(sum(C4)+sum(E4)-sum(D4))/512。
sum(C4)表示对C4内的所有像素求和，sum(D4)表示对D4内的所有像素求和，sum(E4)表示对E4内的所有像素求和，fabs表示取绝对值。
步骤03：采用预设训练算法对从前景样本集提取到的特征集和从背景样本集提取到的特征集进行训练，得到能够区分前景图像和背景图像的分类器。
训练算法在现有技术中为非常成熟的算法，例如可以采用adaboost算法。
得到分类器后，就可以对尿沉渣图像进行尿细胞检测了，具体过程如下：
步骤04：对于每幅尿沉渣图像，将大小A*B的窗口以预设第二步长在该图像上滑动，对于每次滑动后的窗口所在区域，采用步骤02中的方法从该窗口所在区域提取特征。
步骤05：采用步骤03得到的分类器区分该窗口所在区域为前景还是背景，若为前景，则在图像上标记该窗口所在区域为尿细胞。
可以看出，步骤202中矩形框的大小为A*B。
步骤203：对于每个尿细胞，将预设8(像素)*8(像素)大小的窗口以预设第三步长在该尿细胞上滑动，分别将每次滑动后的窗口所在区域内的像素值与预设卷积核进行卷积运算，得到该窗口所在区域的频谱能量。
本步骤中的第三步长通常水平、垂直方向都为4个像素。
卷积核如图4所示，卷积核的大小为8*8，其中，中央4*4的区域内的系数都为+3，剩余区域内的系数都为-1，即将每次滑动后的窗口所在区域的中央的4*4＝16个像素分别乘以3，将剩余的四个边缘处的8*8-4*4＝48个像素分别乘以-1，然后将所有的乘积相加，得到的和值即为该窗口所在区域的频谱能量。
上述卷积核相当于两个方形功能盒的中心叠加。其中，一个方形功能盒的大小为8*8，乘数为-1；另一个方形功能盒的大小为4*4，乘数为+4(当这两个方形功能盒叠加后，中心的4*4区域叠加后的乘数为(+4)+(-1)＝+3。
将8*8的窗口所在区域与该卷积核进行卷积，实质上相当于采用滤波器对该8*8的窗口所在区域进行过滤，该滤波器为高通滤波器，其结果即为该窗口所在区域的频谱能量。
步骤204：对于每个尿细胞，将8*8窗口在该尿细胞内滑动过程中得到的所有滑动后的窗口所在区域的频谱能量相加，得到该尿细胞的频谱能量。
步骤205：对于每幅尿沉渣图像，根据该图像内所有尿细胞的频谱能量，计算该图像的频谱能量均值和方差。
将该图像内所有尿细胞的频谱能量的绝对值相加，然后将和值除以该图像内的尿细胞总数，得到该图像的频谱能量均值。
分别将每个尿细胞的频谱能量减去该图像的频谱能量均值，对得到的每个差值分别进行平方运算，对所有的平方运算结果求和，将和除以该图像内的尿细胞总数，对商值进行开根号运算，最终得到该图像的频谱能量方差。
步骤206：根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在步骤201采集到的所有尿沉渣图像中选择一幅聚焦最佳的图像。
图像的频谱能量均值越大，表示图像的聚焦质量越好；图像的频谱能量方差越小，说明图像中位于焦点内的尿细胞越多。
当计算出所有图像的频谱能量均值和方差时，判断最大的频谱能量均值与次大的频谱能量均值的差值是否大于预设值，若是，则将最大的频谱能量均值对应的图像作为聚焦最佳图像；否则，比较最大的、次大的频谱能量均值对应的频谱能量方差，将较小的频谱能量方差对应的图像作为聚焦最佳图像。
步骤207：采用聚焦最佳的图像进行下一步检测分析。
以下给出本申请的应用示例：
过程一、前景检测的训练过程
该过程参见步骤202。其中，前景样本和背景样本的大小都为96(像素)*96(像素)。
当从前景样本或背景样本中提取预设特征时，滑动窗口的大小为32(像素)*32(像素)，滑动步长在水平、垂直方向上都为2个像素，采用的训练算法为adaboost算法。
以下为选择聚焦最佳的尿沉渣显微镜图像的过程：
步骤01：对一个尿沉渣样本，通过微调显微镜的镜头，采集到q(q为整数，且q＞1)幅图像，每幅图像的大小是m*n(m、n为整数，且m＞1、n＞1)，其中，m为图像的行数，n为图像的列数。
本示例中，m＝2592(像素)，n＝2048(像素)。
微调的级别是微米。
对于每幅图像，分别执行如下步骤02～05。
步骤02：对于当前幅图像，将96(像素)*96(像素)的窗口以水平步长16(像素)、垂直步长16(像素)在该图像上滑动，对于每次滑动后的窗口所在区域，采用与训练过程相同的特征提取方式从该区域提取特征，采用训练过程得到的分类器区分该区域为前景还是背景，若为前景，则在图像上标记该区域为ROI(RegionofInterest，感兴趣区域)。
图5为针对一尿沉渣样本的一幅尿沉渣显微镜图像的前景检测结果的示意图。需要说明的是，图5只是一幅示意图，在实际应用中，若图像的聚焦较佳，则尿细胞会较清晰，否则，尿细胞会较模糊。
步骤03：当对当前幅图像前景检测完毕时，对于每个96*96的ROI，将大小为8*8的窗口以水平步长4、垂直步长4在该ROI上滑动，分别将每次滑动后的8*8窗口所在区域与预设8*8的卷积核进行卷积运算，得到该8*8窗口所在区域的频谱能量。
卷积核如图4所示。
步骤04：对于当前幅图像的每个ROI，将8*8窗口滑动过程中得到的所有8*8区域的频谱能量相加，得到该ROI的频谱能量。
步骤05：对于当前幅图像，根据所有ROI的频谱能量，计算当前幅图像的频谱能量均值和方差。
当前幅图像的频谱能量均值可通过如下公式表示：
当前幅图像的频谱能量方差可通过如下公式表示：
其中，M为当前幅图像包含的ROI的总数，fi为第i个ROI的频谱能量，1≤i≤M，ave为当前幅图像的频谱能量均值，var为当前幅图像的频谱能量方差。
步骤06：当计算出所有图像的ave和var时，在其中选择最大的ave，判断最大的ave与次大的ave的差值是否大于预设值，若是，则将最大的ave对应的图像作为聚焦最佳的图像，转至步骤08；否则，执行步骤07。
步骤07：在最大的ave对应的var与次大的ave对应的var中选择较小的var，将较小的var对应的图像作为聚焦最佳的图像。
步骤08：对聚焦最佳的图像进行下一步检测分析。
需要说明的是，由于在针对一个尿沉渣样本采集多幅显微镜图像时，只是将显微镜的镜头以微米级进行微调，因此，该多幅显微镜图像的视野可认为是基本相同的，这样，可以认为，前景(即包含尿细胞的ROI)的位置在所有图像上都是相同的。从而，为了减少前景检测的运算量，只需针对其中一幅图像进行检测，然后将该幅图像上检测到的前景位置直接复制到其它图像上即可。
图6为本申请实施例提供的选择聚焦最佳的尿沉渣显微镜图像的装置的组成示意图，其主要包括：一个尿细胞检测模块61、一个频谱能量计算模块62和一个图像选择模块63，其中：
尿细胞检测模块61，用于检测每一幅尿沉渣图像中的所有尿细胞；所述尿沉渣图像为针对同一尿沉渣样本，通过微调显微镜的镜头采集到的该样本的多幅尿沉渣图像中的任一幅。
频谱能量计算模块62，用于对尿细胞检测模块61检测出的每一幅尿沉渣图像中的每个尿细胞进行高通滤波，得到该尿细胞的频谱能量，并计算该幅尿沉渣图像的频谱能量均值和方差。
图像选择模块63，用于根据频谱能量计算模块62计算出的所述多幅尿沉渣图像的频谱能量均值和方差，并根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅尿沉渣图像中选择一幅聚焦最佳的图像。
优选地，尿细胞检测模块61包括一个训练模块和一个检测模块，其中：
训练模块，用于预先采集前景样本集和背景样本集，其中，前景样本为只包含尿细胞的图像，背景样本为不包含尿细胞仅包含背景的图像；分别从每个前景样本和每个背景样本中提取预设特征；采用预设训练算法对前景特征集和背景特征集进行训练，得到能够区分前景图像和背景图像的分类器。
检测模块，用于对于每一幅尿沉渣图像，将与训练模块采集的前景和背景样本相同大小的窗口以预设第一步长在该幅尿沉渣图像上滑动，对于每次滑动后的窗口，采用与训练模块相同的特征提取方法从该窗口所在区域采集预设特征，采用所述分类器区分该窗口所在区域为前景还是背景，若为前景，则将该窗口所在区域标记为尿细胞。
优选地，训练模块分别从每个前景样本和每个背景样本中提取预设特征包括：
对于每次滑动后的窗口所在区域，提取如下四类特征：
特征一、将该窗口所在区域等分为左右两部分，特征一＝fabs(sum(C1)-sum(D1))/512，
其中，C1表示该窗口所在区域的左半部分，sum(C1)表示对C1内的所有像素求和，D1表示该窗口所在区域的右半部分，sum(D1)表示对D1内的所有像素求和，fabs表示取绝对值；
特征二、将该窗口所在区域等分为上下两部分，特征二＝fabs(sum(C2)-sum(D2))/512，
其中，C2表示该窗口所在区域的上半部分，sum(C2)表示对C2内的所有像素求和，D2表示该窗口所在区域的下半部分，sum(D2)表示对D2内的所有像素求和；
特征三、将该窗口所在区域从左到右分为三部分，设分别为C3、D3、E3，其中，C3的宽度＝该窗口宽度的四分之一，D3的宽度＝该窗口宽度的一半，E3的宽度＝该窗口宽度的四分之一，特征三＝fabs(sum(C3)+sum(E3)-sum(D3))/512，
其中，sum(C3)表示对C3内的所有像素求和，sum(D3)表示对D3内的所有像素求和，sum(E3)表示对E3内的所有像素求和；
特征四、将该窗口所在区域从上到下分为三部分，设分别为C4、D4、E4，其中，C4的高度＝该窗口高度的四分之一，D4的高度＝该窗口高度的一半，E4的高度＝该窗口高度的四分之一，特征四＝fabs(sum(C4)+sum(E4)-sum(D4))/512，
其中，sum(C4)表示对C4内的所有像素求和，sum(D4)表示对D4内的所有像素求和，sum(E4)表示对E4内的所有像素求和。
优选地，频谱能量计算模块62对每一幅尿沉渣图像中的每个尿细胞进行高通滤波包括：
对于每个尿细胞，将8*8大小的窗口以预设第三步长在该尿细胞所在区域内滑动，对于每次滑动后的窗口，将该窗口所在区域内的像素值与预设8*8大小的卷积核进行卷积运算，得到该窗口所在区域的频谱能量；
当窗口在该尿细胞所在区域内滑动结束时，将每次滑动后的窗口所在区域的频谱能量相加，得到该尿细胞的频谱能量，
其中，预设卷积核为：中央4*4的区域内的系数都为+3，剩余区域内的系数都为-1。
优选地，频谱能量计算模块计算该幅图像的频谱能量均值和方差为：
其中，M为该幅图像包含的尿细胞的总数，fi为第i个尿细胞的频谱能量，1≤i≤M，ave为该幅图像的频谱能量均值，var为该幅图像的频谱能量方差，||表示取绝对值。
优选地，图像选择模块63根据频谱能量均值越大且方差越小，图像聚焦越佳的原则，在所述多幅尿沉渣图像中选择一幅聚焦最佳的图像包括：
当频谱能量计算模块62计算出针对同一尿沉渣样本的所有尿沉渣图像的频谱能量均值和方差时，图像选择模块63判断最大的频谱能量均值与次大的频谱能量均值的差值是否大于预设值，若是，则将最大的频谱能量均值对应的图像作为聚焦最佳图像；否则，比较最大的、次大的频谱能量均值对应的频谱能量方差，将其中较小的频谱能量方差对应的图像作为聚焦最佳图像。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。