[發明專利]一種實現干涉測量快速聚焦的方法

有效

• 申請號: 201510535897.2
• 申請日: 2015-08-27
• 公開（公告）號: CN105158892B
• 公開（公告）日: 2017-09-12
• 發明（設計）人: 夏勇;孫焱群;唐壽鴻
• 申請（專利權）人: 鎮江超納儀器有限公司（中外合資）
• 主分類號: G02B21/36
• 分類號: G02B21/36;G02B21/24;G02B7/36
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 張弛

技術領域

此發明涉及干涉測量的自動聚焦領域，特別的是一種適用于干涉測量過程中的基于數字圖像處理的干涉顯微鏡快速聚焦方法。

背景技術

在現代化檢測方法中，有一種高精度無損檢測的光學干涉顯微鏡測量(包括了Michelson型，Mirau型，Linnik型等)技術。此種技術用于檢測微米、納米級物件表面微觀形貌，在高倍率干涉顯微成像過程中景深非常小，手動調焦實為不便。為了實現系統的自動化運行，關鍵技術之一就是實現自動聚焦技術。目前應用于顯微鏡的自動聚焦方式多為基于數字圖像處理的對焦深度法。對焦深度法是通過構建評價函數，對不通位置圖像的清晰度進行評價，并在評價函數的最大值處獲得聚焦面。聚焦評價函數選取的正確與否，直接影響到聚焦的精度和聚焦速度。

現有技術中的國內外提出的聚焦評價函數大致可分為：

1、頻域函數。如熵函數、小波變換、傅里葉變換等。

2、梯度函數。在圖像處理中，梯度函數常被用來提取邊緣信息。聚焦良好的圖像，即有更尖銳的邊緣的圖像，應有更大的梯度函數值。常用的梯度函數有方差算子、灰度差分絕對值之和算子、能量梯度算子、Brenner函數、基于Sobel梯度算子的Tenengrad函數、Roberts梯度算子、拉普拉斯算子等。

3、統計學函數。如Range函數、Enmay函數、Masgrn函數、交流功率函數、直流功率函數等。

灰度梯度評價函數的值采用圖像相鄰像素間的灰度差(差分)來計算，這種近似微分運算可以消除背景噪聲的影響，能有效抑制外界條件對圖像的整體影響，并滿足單峰性、無偏性和靈敏性特點，因此這一類評價函數應用最廣。假設圖像中某點(x,y)處的灰度值為g(x,y)，圖像的規模為M×N(M列、N行)個像素，則灰度梯度評價函數有以下幾種定義：

(1)灰度變化的平均程度即方差來衡量。圖像的灰度方差算子定義如下：

其中，g₀是圖像灰度的平均值，

表示為

(2)灰度差分絕對值之和算子(SMD)。用差分絕對值代替乘方和開方。即對點(x,y)及其鄰近點的灰度作差分運算，提取該點灰度值的變化大小，得出圖像灰度差分絕對值之和算子：

(3)能量梯度算子：

(4)Brenner函數，又稱為梯度濾波器法，它是當相鄰像元的灰度差大于某閾值時，對相鄰近(間隔為k)的像元灰度差進行平方求和。其表達式如下：

當|g(x+1,y)-g(x,y)|>G_threshold

上式中，G_threshold是閾值條件，g(x,y)是象元(x,y)的灰度值，下同。

(5)基于Sobel梯度算子的Tenengrad函數利用Sobel算子來估計圖像在水平方向和垂直方向的梯度，為使圖像邊緣的梯度放大，對梯度進行平方運算，其表達式為：

其中：G_x(x,y)和G_y(x,y)分別為X和Y方向上的Sobel算子計算的差分值。X方向和Y方向的Sobel算子表達式如下：

Tenengrad函數是先加權平均然后再差分，分別對水平和垂直方向進行模板運算，對噪聲有一定的抑制能力。隨著窗口的放大，噪聲抑制能力更加明顯。

(6)Roberts梯度和函數實際上是以某一點為中心上的連續梯度的近似，從理論上分析，它對邊緣特性的處理比Brenner函數要好。

(7)拉普拉斯算子是一個銳化模板，通過增強高頻分量來減少圖像中的模糊，又稱為高通濾波。常見的拉普拉斯算子模板有三種(左、中為4鄰域，右為8鄰域)：

改進拉普拉斯梯度函數加入可變步長step來計算二階差分。

ML(x,y)＝|2g(x,y)-g(x-step,y)-g(x+step,y)|+|2g(x,y)-g(x,y-step)-g(x,y+step)|

其中ML(x,y)≥T

T是一個閾值，大于閾值的拉普拉斯值才參與匯總。

以上灰度梯度評價函數中，速度最快的是使用灰度方差算子。

而對應上述描述，現有技術存在的問題和缺點有：

自動聚焦過程需要采集成百上千幅圖像，而灰度梯度函數又要對每一幅圖像進行評價，像素較高的相機，處理的數據量更是成倍增長。所以，實際應用中，使用灰度梯度函數的聚焦過程還是非常緩慢的，并不能滿足現代化設備快速、高效的要求。