细胞玻片样本图片模糊失焦检测方法与流程

1.本发明涉及图片模糊失焦检测领域，该方法尤其是针对细胞玻片扫描样本得到的数字图像，并快速检测其是否模糊失焦。


背景技术：

2.细胞玻片样本是将部分有病变的组织或脏器经过各种化学品和埋藏法的处理，使之固定硬化，在切片机上切成薄片，粘附在玻片上，染以各种颜色，供在显微镜下检查，以观察病理变化，作出病理诊断，为临床诊断和治疗提供帮助，随着科技的进步，人们将显微镜与扫描仪结合，细胞玻片样本的显微图像通过显示屏显示出来，方便医生的查看。为了能够提高检测效率，目前大部分机构都已相继采用了自动化的图像采集方法对细胞玻片进行显微拍摄。
3.自动化的图像采集方法对细胞玻片样本一般采用多次采集，单个细胞玻片样本采集的照片数量为10-100张，在自动化的图像采集过程中，采集相机与单个细胞玻片样本之间的产生位移，采集相机出现失焦情况，导致采集图片中出现焦距模糊，在处理图像数据时，也可能会引入模糊。实际上，无处不在的图像模糊带来了一个很重要的问题：如何对模糊和未模糊的图像进行区分。目前对于模糊图片审核，图片审核团队仍然采用人工审核的方式进行检测，检测后进行删除，耗费了大量的人力和时间成本，并且人工审核的效率难以满足不断增长的图片审核需求。


技术实现要素：

4.本发明的主要目的在于提供一种细胞玻片扫描样本数字图像模糊失焦检测方法，解决了自动化的图像采集方法对细胞玻片进行显微拍摄出现焦距模糊的图像无法进行自动判别的问题。
5.为解决上述技术问题，本发明所采用的技术方案是：一种细胞玻片扫描样本数字图像模糊失焦检测方法，检测步骤包括：
6.s1、将细胞样本图片存入到对应的文件夹，多个文件夹按照名称导入数据库，根据数据库的要求将文件夹内部的图片转换为cv::mat格式；
7.s2、读取文件夹内的细胞样本图片，计算细胞玻片样本图片的信息熵，将得到该图片信息熵与清晰图片的信息熵进行对比，从而快速确定该胞玻片样本图片是否为全局模糊失焦状态；
8.s3、如果细胞玻片样本图为局部模糊失焦状态，步骤s2则无法进行识别，需要另外通过计算该图片的相关系数，来识别细胞玻片样本图片是否为局部模糊失焦状态；
9.s4、将步骤s2输出的全局模糊失焦图片和步骤s3输出的局部模糊失焦图片从文件夹中剔除，文件夹中的剩余图片全部为清晰图片；
10.s5、文件夹中的图片从cv::mat格式更换为jpg或者为jpeg格式，最终完成图片模糊失焦检测。
11.优选方案中，步骤s2的具体实施方法为：首先对输入的清晰图片和失焦模糊图片进行初步识别，计算清晰图片r1的信息熵e1，失焦模糊图片r2信息熵e2，然后对失焦模糊图片r2与清晰图片r1进行差异对比，得出失焦模糊图片r2的失焦模糊值w；
12.信息熵e计算公式为：
[0013][0014]
e代表图片r的信息熵，pi表示第i级灰度级的概率密度；
[0015]
根据自由能原理，e随图片质量的变化而变化，其变化的幅度可以度量图片质量变化的幅度；所以用e的变化来表示图片的失真程度，即计算失焦模糊图片e2与其对应清晰图片e1之间的差异：
[0016]
w＝|e
1-e2|；
ꢀꢀꢀ
(2)
[0017]
w值表示失焦模糊图片数值，e1为清晰图片的信息熵，e2为失焦模糊图片的信息熵；
[0018]
w值越小，图片清晰的质量越高，w值越大，图片清晰的质量越差；
[0019]
当w值在0-2之间时，图片为清晰图片，当w＞2时，图片为失焦模糊图片。
[0020]
优选方案中，步骤s3的具体实施方法为：计算细胞玻片样本图片的局部失焦模糊位置f(x,y)的相关系数c(x,y)；
[0021]
计算局部失焦模糊图片f(x,y)的标准差模糊测度q(x,y)
[0022]
通过阈值比较生成判决二值图m.对于像素(i，j),当c(i,j)》t1且q(i,j)《t2时，点(i，j)∈r1，m(i，j)＝l；否则，(i，j)∈r2，m(i，j)＝＝0；
[0023]
具体步骤为：
[0024]
计算细胞玻片样本图片的局部失焦模糊位置f(x，y)的相关系数c(x，y)；c(x，y)的计算公式为；
[0025][0026]
其中，x
gm
、y
gm
分别为矩阵x和y的各元素值，分别为x和y的平均值；对于局部失焦图片f，将整幅图片的像素分为两类：模糊部分d1和清晰部分d2；
[0027]
整幅图片以像素(i，j)为中心，通过相关系数公里数计算c(i，j)计算得到(i，j)的相关系数，
[0028]
将c(i，j)与阈值t1进行比较，若c(i，j)＞t1，则像素点(i，j)∈r1；否则，(i，j)∈r2；
[0029]
计算局部失焦模糊图片f(x，y)的标准差模糊测度q(x，y)；
[0030]
以像素图片(i，j)为中心，将窗口大小为的k
×
k标准差作为像素(i，j)的标准差：
[0031][0032]
其中，k为奇数，f(i，j)为灰度值，mean为窗口k
×
k内的像素灰度平均值，为减少误差，像素(i，j)的模糊测度：
[0033][0034]
其中，为整幅图像的标准差，当q＜t2时，(i，j)∈r1；否则，(i，j)∈r2。
[0035]
本发明提供了一种细胞玻片扫描样本数字图像模糊失焦检测方法，分析局部失焦模糊图像特征表现，提出同时以模糊图像中像素的频域相关性系数和局部标准差作为评价指标来判断其模糊与否的新方法，与单一评价指标的方法相比，本方法能够更有效的检测出局部失焦模糊图像中的模糊区域，且简单有效。
附图说明
[0036]
下面结合附图和实施例对本发明作进一步说明：
[0037]
图1是本发明细胞玻片样本图片模糊失焦的图片；
[0038]
图2是本发明明细胞玻片样本清晰图片。
具体实施方式
[0039]
如图1～2所示，一种细胞玻片扫描样本数字图像模糊失焦检测方法，检测方法步骤包括：
[0040]
s1、将细胞样本图片存入到对应的文件夹，多个文件夹按照名称导入数据库，根据数据库的要求将文件夹内部的图片转换为cv::mat格式；
[0041]
s2、读取文件夹内的细胞样本图片，计算细胞玻片样本图片的信息熵，将得到该图片信息熵与清晰图片的信息熵进行对比，从而快速确定该胞玻片样本图片是否为全局模糊失焦状态；
[0042]
s3、如果细胞玻片样本图为局部模糊失焦状态，步骤s2则无法进行识别，需要另外通过计算该图片的相关系数，来识别细胞玻片样本图片是否为局部模糊失焦状态；
[0043]
s4、将步骤s2输出的全局模糊失焦图片和步骤s3输出的局部模糊失焦图片从文件夹中剔除，文件夹中的剩余图片全部为清晰图片；
[0044]
s5、文件夹中的图片从cv::mat格式更换为jpg或者为jpeg格式，最终完成图片模糊失焦检测。
[0045]
优选方案中，步骤s2的具体实施方法为：首先对输入的清晰图片和失焦模糊图片进行初步识别，计算清晰图片r1的信息熵e1，失焦模糊图片r2信息熵e2，然后对失焦模糊图片r2与清晰图片r1进行差异对比，得出失焦模糊图片r2的失焦模糊值w；
[0046]
信息熵e计算公式为：
[0047][0048]
e代表图片r的信息熵，pi表示第i级灰度级的概率密度；
[0049]
根据自由能原理，e随图片质量的变化而变化，其变化的幅度可以度量图片质量变化的幅度；所以用e的变化来表示图片的失真程度，即计算失焦模糊图片e2与其对应清晰图片e1之间的差异：
[0050]
w＝|e
1-e2|；
ꢀꢀꢀ
(2)
[0051]
w值表示失焦模糊图片数值，e1为清晰图片的信息熵，e2为失焦模糊图片的信息熵；
[0052]
w值越小，图片清晰的质量越高，w值越大，图片清晰的质量越差；
[0053]
当w值在0-2之间时，图片为清晰图片，当w＞2时，图片为失焦模糊图片。
[0054]
为了验证所提方法的有效性，我们在现有数据库上进行测试，选用的数据库有live，tid2013，csiq和toyama数据库，tid2013库中颜色成分噪声、色彩饱和度改变、颜色量化抖动以及颜色信息失常和csiq库中粉红色噪声失真类型没有进行测试。利用srcc，krcc，plcc和rmse四个指标来衡量预测的性能。
[0055]
优选方案中，步骤s3的具体实施方法为：计算细胞玻片样本图片的局部失焦模糊位置f(x,y)的相关系数c(x,y)；
[0056]
计算局部失焦模糊图片f(x,y)的标准差模糊测度q(x,y)
[0057]
通过阈值比较生成判决二值图m.对于像素(i，j),当c(i,j)》t1且q(i,j)《t2时，点(i,j)∈r1,m(i，j)＝l；否则，(i,j)∈r2,m(i，j)＝＝0；
[0058]
具体步骤为：
[0059]
计算细胞玻片样本图片的局部失焦模糊位置f(x,y)的相关系数c(x,y)；c(x,y)的计算公式为；
[0060][0061]
其中，x
gm
、y
gm
分别为矩阵x和y的各元素值,分别为x和y的平均值；对于局部失焦图片f,将整幅图片的像素分为两类:模糊部分d1和清晰部分d2；
[0062]
整幅图片以像素(i,j)为中心，通过相关系数公里数计算c(i,j)计算得到(i,j)的相关系数，
[0063]
将c(i,j)与阈值t1进行比较，若c(i,j)》t1,则像素点(i,j)∈r1；否则，(i,j)∈r2；
[0064]
实计算局部标准差的窗口尺寸为k＝3。相关系数的阈值跟图像的模糊程度有关,大量实验统计结果显示，大多数模糊像素的相关性系数在(0.8，0.95)之间。因此，实验中取相关性系数0.8《c《0.95的像素为候选模糊像素，当同时满足q《t2(t2＝-0.90)时，该像素被判断为模糊的。其它参数取r＝10，t3＝0.2。
[0065]
计算局部失焦模糊图片f(x,y)的标准差模糊测度q(x,y)；
[0066]
以像素图片(i,j)为中心，将窗口大小为的k
×
k标准差作为像素(i,j)的标准差:
[0067][0068]
其中，k为奇数，f(i，j)为灰度值，mean为窗口k
×
k内的像素灰度平均值,为减少误差，像素(i，j)的模糊测度:
[0069][0070]
其中，为整幅图像的标准差，当q《t2时，(i，j)∈r1；否则，(i，j)∈r2。
[0071]
上述的实施例仅为本发明的优选技术方案，而不应视为对于本发明的限制，本发明的保护范围应以权利要求记载的技术方案，包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进，也在本发明的保护范围之内。