基于3D数字显微成像系统的高动态范围图像成像方法与流程

技术特征：

1.基于3D数字显微成像系统的高动态范围图像成像方法，其特征在于，包括如下步骤：

步骤1，针对显微镜载物台上的待观测物体，通过调节载物台的高度，并利用相机获取自待观测物体底部到待观测物体顶部的每个层面的高动态多聚焦图像，以获得三维立体成像所需的原始高动态多聚焦序列图像；

步骤2，采用相位匹配方法对所得原始高动态多聚焦序列图像进行配准，以使得所述原始高动态多聚焦序列图像中前后相连的图像对的空间位置、缩放尺度和图像尺寸对应一致，从而得到配准好的高动态多聚焦序列图像；

步骤3，针对配准好的高动态多聚焦序列图像，采用背景累积的前景背景分割方法提取需要生成三维立体的观测样本区域；

步骤4，对所述观测样本区域采用四叉树分割方法进行分割，且检测高动态多聚焦序列图像的每一幅图像中的清晰部分，并记录每一幅图像所对应的高度信息；

步骤5，对检测出来的各幅图像中的清晰部分进行融合，从而生成待观测物体的三维立体形状。

2.根据权利要求1所述的高动态范围图像成像方法，其特征在于，所述步骤1中利用相机获取每个层面的高动态范围图像的过程包括：

(a)标定相机的相应曲线；(b)获取对于同一场景中不同曝光值的图像；(c)利用标定的相机的所述相应曲线，生成所述场景的32位的光照谱图；(d)利用局部色调映射将所述32位的光照谱图映射至8位的普通图像，并保存所述普通图像为计算机能够显示和储存的格式。

3.根据权利要求1所述的高动态范围图像成像方法，其特征在于，在步骤1中，所述原始高动态多聚焦序列图像的获得过程包括：

在步骤1中，首先，通过移动载物台的高度，改变待观测物体与显微镜的物镜之间的距离，实现单目显微镜不同聚焦平面图像序列；其次，记录每一幅聚焦平面图像高度信息的要求；再次，对于每一幅聚焦平面图像进行聚焦检测，并记录所述每一幅聚焦平面图像中具有最大聚焦清晰度的像素点，以用于后续的三维立体形状重建。

4.根据权利要求1所述的高动态范围图像成像方法，其特征在于，在步骤2中，所述相位匹配方法对所得原始高动态多聚焦序列图像进行配准的过程包括：

首先，在所述原始高动态多聚聚序列图像中，针对每两幅前后相连的各图像对，将图像对中的各图像转换为灰度图像，从而得到灰度图像对；

其次，采用复数带通滤波器从转换后的灰度图像对中提取出各个频段的相位信息；

再次，利用提取的所述相位信息，通过傅里叶变换实现所述灰度图像对在超像素层级上的移动，以保证前后相连两幅图像的位置的一致性；

最后，对于原始高动态多聚焦序列图像中的每一组图像对，重复该过程，直到高动态多聚焦图像序列中所有图像的缩放尺度和位移保持一致。

5.根据权利要求1所述的高动态范围图像成像方法，其特征在于，所述步骤4中采用四叉树分割方法分割观测样本区域的过程包括：

首先，将原始高动态多聚焦序列图像作为四叉树根的一层输入到四叉树中；

其次，设定图像分解条件，并根据四叉树中的各层图像是否满足分解条件进行处理：

如果对于一层图像满足所述的图像分解条件，则对这层图像进行四叉分解，并输入到四叉树的下一层；依次类推，直到图像序列被分解所得的最小图像块都不满足所述的图像分解条件，则结束四叉树分解过程；其中，设定的图像分解条件为：

对于四叉树中图像序列中每一层被分解的图像块分别计算其聚焦因子最大差异值MDFM和梯度差异值SMDG；其中，聚焦因子最大差异值MDFM和梯度差异值SMDG的计算公式分别如下：

MDFM＝FM_max-FM_min；

$\begin{array}{c}SMDG=\mathrm{\Σ}\mathrm{\Σ}\[{\mathrm{grad}}_{\max }\left(x,y\right)-{\mathrm{grad}}_{\min }\left(x,y\right)\]\\ ={\mathrm{\Σ\Σgrad}}_{\max }\left(x,y\right)-{\mathrm{\Σ\Σgrad}}_{\min }\left(x,y\right)\end{array};$

其中，FM_max表示焦距测量的最大值，FM_min表示焦距测量的最小值；grad_max(x,y)表示最大梯度值，grad_min(x,y)表示最小梯度值；

针对四叉树中的一层图像块，如果满足MDFM≥0.98×SMDG，表面该层图像序列中存在完全聚焦的图像块，则该层图像块将不会继续向下分解；反之，该层图像块将会继续分解下去，直到四叉树中所有图像都被分解到无法分解的子图像块。

6.根据权利要求5所述的高动态范围图像成像方法，其特征在于，所述焦距测量的最大值FM_max、焦距测量的最小值FM_min的获取过程为：

首先，计算四叉树根的一层图像中每一个像素的梯度矩阵，计算公式为：

GM_i＝gradient(I_i),i＝1,2,…,n；

其中，I_i为第i个原始高动态多聚焦图像，GM_i为与I_i相对应的梯度矩阵；n为原始高动态多聚焦序列图像中的图像总个数；

其次，找到这一层图像每一点的所有梯度矩阵中最大的梯度矩阵以及最小的梯度矩阵，公式如下：

GM_max＝max(GM_i(x,y)),i＝1,2,…,n；

GM_min＝min(GM_i(x,y)),i＝1,2,…,n；

再次，计算这一层图像所有点的梯度矩阵之和，计算公式如下：

FM_i＝Σ_xΣ_ygrad_i(x,y),i＝1,2,…,n；

最后，分别找到上述梯度矩阵之和的最大值和最小值，计算公式如下：

FM_max＝max{FM_i},i＝1,2,…,n；

FM_min＝min{FM_i},i＝1,2,…,n。

7.根据权利要求5所述的高动态范围图像成像方法，其特征在于，所述步骤5中针对各幅图像的清晰部分进行融合的过程包括：针对所得所有的清晰部分作为清晰的子图像块，分别记录其高度信息，并将所有的清晰的子图像块融合成一幅完整的观测样本的三维立体图像。

8.根据权利要求1所述的高动态范围图像成像方法，其特征在于，所述步骤5中还包括：采用中值滤波方法对生成的三维立体形状进行滤波，以消除三维立体形状因采样频率不足而引起的锯齿效果，从而使得生成的三维立体形成更加平滑。