江俊佳,沈建新,韓 鵬

(南京航空航天大學(xué) 機(jī)電學(xué)院,南京 210016)

隨著生活水平的不斷提高,人們對(duì)眼睛的保護(hù)意識(shí)越來(lái)越強(qiáng).裂隙燈顯微鏡,如圖1,作為醫(yī)院檢查眼睛病狀最重要的設(shè)備,醫(yī)院對(duì)裂隙燈顯微鏡成像質(zhì)量的要求也越來(lái)越高.而裂隙燈顯微鏡中對(duì)最終成像質(zhì)量起關(guān)鍵性作用的的結(jié)構(gòu)就是轉(zhuǎn)鼓,如圖2.

在傳統(tǒng)轉(zhuǎn)鼓裝校平臺(tái)上,如圖3,主要依靠工人師傅主觀判斷轉(zhuǎn)鼓在顯示器上所呈現(xiàn)圖像的清晰度來(lái)評(píng)價(jià)轉(zhuǎn)鼓裝校的優(yōu)劣,如圖4.由于每個(gè)工人師傅的主觀感受不一,長(zhǎng)時(shí)間工作導(dǎo)致的視覺(jué)疲勞,傳統(tǒng)方法存在著隨機(jī)性、不準(zhǔn)確性、效率低下、有損視力等一系列問(wèn)題,本文提出一種基于改進(jìn)的清晰度評(píng)價(jià)算法的裂隙燈轉(zhuǎn)鼓數(shù)字化裝校方法,以實(shí)現(xiàn)依靠CCD 相機(jī)拍攝轉(zhuǎn)鼓圖像后,自動(dòng)進(jìn)行圖像清晰度判別,從而反映每組鏡片裝校的優(yōu)劣.

圖1 裂隙燈顯微鏡

圖2 轉(zhuǎn)鼓

圖3 傳統(tǒng)裝校平臺(tái)

裂隙燈轉(zhuǎn)鼓數(shù)字化裝校方法的難點(diǎn)在于選擇合適圖像預(yù)處理方式,篩選出一種適合于轉(zhuǎn)鼓圖像使用的清晰度評(píng)價(jià)算法,并設(shè)計(jì)一套軟件對(duì)轉(zhuǎn)鼓圖像進(jìn)行實(shí)時(shí)評(píng)價(jià).以求在生產(chǎn)線上能夠更加快速,準(zhǔn)確的裝校裂隙燈轉(zhuǎn)鼓,提高裂隙燈質(zhì)量,提升產(chǎn)品競(jìng)爭(zhēng)力[1].

圖4 傳統(tǒng)圖像評(píng)價(jià)工具

1 轉(zhuǎn)鼓圖像清晰度評(píng)價(jià)方法

相較于裝校不合格轉(zhuǎn)鼓,合格的轉(zhuǎn)鼓呈現(xiàn)的圖像細(xì)節(jié)更豐富,在空域表現(xiàn)為相鄰像素的灰度值變化較大,在頻域表現(xiàn)為頻譜的高頻分量多,對(duì)比度也更加強(qiáng)烈.

常用的圖像清晰度評(píng)價(jià)算法主要可分為3 類[2-5]：① 全參考質(zhì)量評(píng)價(jià)(Full Reference QA),將需要檢測(cè)的圖像和標(biāo)準(zhǔn)的參考圖像進(jìn)行比較,從而得到清晰度評(píng)價(jià)結(jié)果,此類算法有PSNR、SSIM、MSSIM、IFC、VIF、FSIM 等算法；② 弱參考質(zhì)量評(píng)價(jià)(Reduced Reference QA),先從標(biāo)準(zhǔn)的參考圖像中得到一些有用的特征信息,再利用這些特征信息對(duì)需要檢測(cè)的圖像清晰度進(jìn)行計(jì)算評(píng)價(jià)；③ 無(wú)參考質(zhì)量評(píng)價(jià)(No Reference QA),不需要任何標(biāo)準(zhǔn)參考圖像的輔助,只依靠算法本身獨(dú)立完成對(duì)需要檢測(cè)圖像的清晰度的評(píng)價(jià).無(wú)參考圖像質(zhì)量評(píng)價(jià)算法在計(jì)算評(píng)價(jià)時(shí),只分析自身圖像的特點(diǎn),因此不需要先獲取無(wú)失真的標(biāo)準(zhǔn)參考圖像.

無(wú)參考圖像清晰度評(píng)價(jià)方法主要包括空域算法、頻域算法和統(tǒng)計(jì)學(xué)算法三類.

1.1 基于空域的梯度函數(shù)算法

在空域算法中,清晰的圖像相比于模糊的圖像表現(xiàn)為邊緣和細(xì)節(jié)更加清晰,邊緣相鄰像素的特征值(如灰度)變化較大,所以主要依據(jù)邊緣檢測(cè)算子,通過(guò)計(jì)算圖像的灰度梯度差來(lái)表征待測(cè)圖像的清晰程度.

(1) Brenner 算法

傳統(tǒng)Brenner 算法[6,7]以Brenner 算子作為基礎(chǔ),該算法只計(jì)算相差兩個(gè)像素單元的兩個(gè)圖像像素的灰度差,由于需要對(duì)圖像輪廓的貢獻(xiàn)進(jìn)行增強(qiáng),所以對(duì)差值進(jìn)行了平方處理,從而使用差值平方的和作為圖像清晰度的評(píng)價(jià)值.一幅高寬為M×N的灰度圖像(下同)的Brenner 算法的定義為：

式中,(f(x+2,y)-f(x,y)2)(自定義閾值),f(x,y)是像素點(diǎn)(x,y)的灰度值,FBrenner為圖像清晰度計(jì)算結(jié)果(下同).

根據(jù)Brenner 算法的定義,裝校合格的轉(zhuǎn)鼓顯示的圖像具有最大的計(jì)算值.在實(shí)際的清晰度評(píng)價(jià)軟件應(yīng)用中,Brenner 算法只統(tǒng)計(jì)大于一定閾值的灰度差,而舍棄掉小于閾值的灰度差.因此,閾值選取是否合適直接關(guān)系到該算法的準(zhǔn)確性,一個(gè)好的閾值可以很準(zhǔn)確地評(píng)價(jià)圖像的清晰度.如果閾值選取的很低,則Brenner 算子能夠計(jì)算的像素越多,計(jì)算的結(jié)果也就越容易受到周圍噪聲的影響.與此相反,如果閾值選取的太高,則會(huì)導(dǎo)致圖像的細(xì)節(jié)遺失過(guò)多,從而降低清晰度評(píng)價(jià)算法的計(jì)算準(zhǔn)確性.

(2) Tenengrad 算法

Tenengrad 算法[8-10]由Tenenbaum 提出,是一種常用的圖像清晰度評(píng)價(jià)方法.在處理過(guò)程中,該算法使用Sobel 算子提取圖像水平方向和豎直方向的梯度值.并將處理后的梯度值之和作為圖像清晰度評(píng)價(jià)值.其定義如下：

式中,G(x,y)＞T,Gx和Gy分別是Sobel 算子在像素點(diǎn)(x,y) 處的水平方向和豎直方向的卷積.使用以下的Sobel 算子模板：

Tenengrad 算法具有單峰性好、可靠性高等特點(diǎn).

(3) Laplacian 算法

Laplacian 算法利用Laplacian 算子對(duì)圖像進(jìn)行模板卷積,從而得到圖像的高頻分量,然后對(duì)圖像的高頻分量求和,用高頻分量之和作為圖像清晰度評(píng)價(jià)值.其定義如下：

式中,G(x,y)＞T,G(x,y)是Laplacian 算子在像素點(diǎn)(x,y)處的卷積.使用以下Laplacian 算子模板：

(4) SMD 算法

SMD (Sum of Modulus of gray Difference,相鄰像素灰度方差法,簡(jiǎn)稱灰度方差)算法[11],對(duì)像素點(diǎn)(x,y)及其鄰近點(diǎn)的灰度作差分運(yùn)算,用圖像灰度差分絕對(duì)值之和作為圖像清晰度評(píng)價(jià)值.其定義為：

SMD 算法具有較好的計(jì)算性能,但同時(shí),該算法的缺點(diǎn)也非常明顯,就是在靠近焦點(diǎn)的附近的時(shí)候,算法的靈敏度不是很高,也就是說(shuō)SMD 算法在圖像最清晰度的附近計(jì)算結(jié)果過(guò)于平坦,變化不夠明顯,從而導(dǎo)致聚焦精度難以提高[12].

1.2 基于頻域的圖像變換域算法

在頻域算法中,清晰圖像相比于模糊圖像表現(xiàn)為圖像的高頻分量比例更大,對(duì)比度也更強(qiáng)烈,可以利用傅里葉變換、小波變換等變換方法提取待測(cè)圖像的不同頻率成分,計(jì)算高頻成分所占比例來(lái)表征圖像清晰程度[13].具體處理過(guò)程：利用傅立葉變換對(duì)轉(zhuǎn)鼓圖像的頻率進(jìn)行分析,即對(duì)圖像進(jìn)行FFT 變換,其定義如下：

式中,real和imaginary分別表示圖像變換后的實(shí)部和虛部,計(jì)算結(jié)果越大表征圖像的清晰度越好.

1.3 基于統(tǒng)計(jì)學(xué)的熵函數(shù)算法

統(tǒng)計(jì)學(xué)算法主要利用統(tǒng)計(jì)學(xué)思想,以信息量表征圖像清晰程度.基于統(tǒng)計(jì)特征的熵函數(shù)[14]是衡量圖像信息豐富程度的一個(gè)重要指標(biāo),根據(jù) Shannon 信息論,熵最大時(shí)信息量最多,則FShannon越大則圖像越清晰,并定義如下：

式中,pi是圖像中灰度值為i的像素出現(xiàn)的頻率,L為圖像的灰度級(jí)總數(shù)(常取256 級(jí)).熵函數(shù)靈敏度不高,在圖像內(nèi)容不同的情況下容易出現(xiàn)與真實(shí)情況相反的結(jié)果.

1.4 其他算法

前三類算法能夠滿足對(duì)特定一類圖像的清晰度的評(píng)價(jià),但是沒(méi)有和人眼視覺(jué)系統(tǒng)(Human Visual System HVS)相結(jié)合,所以存在一定的局限性.近年來(lái),隨著人們對(duì)于HVS 特性的進(jìn)一步研究和深入了解,不斷引入新的圖像清晰度評(píng)價(jià)方式,如基于點(diǎn)銳度的清晰度算法(EVA)：

EVA 算法[15-17]由徐貴力等人提出,是一種基于邊緣銳度的圖像清晰度評(píng)價(jià)算法.該算法只對(duì)圖像的特定邊緣區(qū)域進(jìn)行統(tǒng)計(jì),且在計(jì)算前需要人工選定邊緣區(qū)域,不便實(shí)現(xiàn)程序運(yùn)算自動(dòng)化.因此王鴻南等人提出了改進(jìn)的EVA 算法：① 將特定邊緣梯度的計(jì)算改為逐個(gè)像素領(lǐng)域梯度的計(jì)算；② 對(duì)像素8 領(lǐng)域的灰度變化進(jìn)行距離加權(quán),水平垂直方向?yàn)?,45°和135°為1/.其定義如下：

改進(jìn)的算法能對(duì)圖像的整體進(jìn)行評(píng)價(jià),容易使程序?qū)崿F(xiàn)自動(dòng)化.

空域方法計(jì)算簡(jiǎn)單,實(shí)現(xiàn)方便,應(yīng)用廣泛,但抗噪聲性能較差,且易受光照條件和背景干擾；頻域方法靈敏度高,但計(jì)算量大,一般較少采用；統(tǒng)計(jì)學(xué)方法具有一定的抗噪性,但準(zhǔn)確率低,靈敏度低.在本文中選用4 種空域方法和EVA 算法進(jìn)行實(shí)驗(yàn)對(duì)比研究.

2 實(shí)驗(yàn)分析

一個(gè)好的清晰度評(píng)價(jià)函數(shù)應(yīng)該滿足4 個(gè)要求[18,19]：① 單峰性是指只有一個(gè)極值,不能出現(xiàn)其他局部極值；② 無(wú)偏性是指在光學(xué)系統(tǒng)的正焦位置,圖像清晰度評(píng)價(jià)值是調(diào)焦曲線的最大值,也就是最大值位置恰好對(duì)應(yīng)系統(tǒng)正焦位置,也就是計(jì)算出來(lái)的清晰度曲線要與圖像的清晰度變化事實(shí)相吻合；③ 靈敏性是指能夠區(qū)分開(kāi)輕微離焦?fàn)顟B(tài),并且評(píng)價(jià)值變化梯度大使系統(tǒng)容易得到真實(shí)的焦平面,即對(duì)不同程度的模糊圖片,清晰度評(píng)價(jià)結(jié)果要求有一定的差別；④ 實(shí)時(shí)性是指運(yùn)算時(shí)間小于一定閾值,滿足實(shí)際生產(chǎn)需要.

其中單峰性和無(wú)偏性決定了評(píng)價(jià)函數(shù)的正確性,靈敏性決定了評(píng)價(jià)函數(shù)的準(zhǔn)確性,實(shí)時(shí)性決定了該程序是否能夠適用于工廠中的實(shí)際生產(chǎn)線.

在實(shí)驗(yàn)過(guò)程中CCD 相機(jī)獲取的圖像由于轉(zhuǎn)鼓倍率的不斷改變和現(xiàn)實(shí)裝校過(guò)程中光照條件的非人為改變,圖像的比度和節(jié)會(huì)發(fā)生變化,所以需要考慮不同放大倍率和不同光照條件對(duì)算法的影響；而獲取的圖像內(nèi)容不變,均是十字刻線,且獲取的圖像尺寸大小不變(設(shè)定為1280×960),故不需要考慮算法計(jì)算結(jié)果與圖像內(nèi)容,圖像尺寸的關(guān)系.本文設(shè)計(jì)了3 組實(shí)驗(yàn)用于比較選取的五種算法對(duì)4 個(gè)要求的符合程度.

2.1 實(shí)驗(yàn)軟硬件配置、實(shí)驗(yàn)平臺(tái)

實(shí)驗(yàn)中使用的硬件和軟件如下：德國(guó)IDS 公司生產(chǎn)的型號(hào)為UI148xLE-C 的工業(yè)相機(jī),日本Computar公司生產(chǎn)的焦距為16 mm、最大光圈為F1.4、像場(chǎng)2/3 英寸的工業(yè)鏡頭；使用Visual Studio2013 中的OPENCV3.0.0 庫(kù)進(jìn)行開(kāi)發(fā)；計(jì)算機(jī)硬件配置：處理器Core(TM)i5-7500 主頻 3.40 GHz；內(nèi)存DDR4 16 GB；顯卡NVIDIA GeFoRce GTX1060 3 G.

實(shí)驗(yàn)平臺(tái)采用IDS 相機(jī)作為光電接收器件,使用LED 光源、光學(xué)透鏡、導(dǎo)軌、光學(xué)鏡座等光學(xué)元件,搭建了如圖5的轉(zhuǎn)鼓裝校平臺(tái).

圖5 轉(zhuǎn)鼓裝校平臺(tái)

2.2 實(shí)驗(yàn)1.單峰性、無(wú)偏性、靈敏性和實(shí)時(shí)性

為了對(duì)比不同算法的單峰性、無(wú)偏性、靈敏性和實(shí)時(shí)性,實(shí)驗(yàn)1 為：在同一放大倍率下,同一光照條件下,調(diào)整CCD 相機(jī)焦距,得到轉(zhuǎn)鼓不同焦距下不同清晰度的圖像,如圖6.然后運(yùn)行程序?qū)? 幅圖像進(jìn)行單獨(dú)評(píng)價(jià),將5 種算法計(jì)算得出的結(jié)果在不同尺度下進(jìn)行歸一化,如圖7.算法運(yùn)行時(shí)間如表1.

圖7的橫坐標(biāo)表示不同焦距位置拍攝圖像的序號(hào),聚焦位置由1 到5 人眼的主觀感受逐漸清晰,主觀評(píng)價(jià)逐漸提高,縱坐標(biāo)表示不同算法下清晰度的計(jì)算結(jié)果(下同).實(shí)驗(yàn)所選取的5 種清晰度算法的計(jì)算結(jié)果都只在聚焦位置5 處達(dá)到極值,滿足單峰性要求；轉(zhuǎn)鼓圖像清晰度計(jì)算結(jié)果與人眼的主觀感受的圖像清晰度變化一致,滿足無(wú)偏性要求；除Tenengrad 算法外,其余算法計(jì)算結(jié)果均不相同,且區(qū)分度較好,滿足靈敏性要求；表1為5 種清晰度評(píng)價(jià)函數(shù)在5 個(gè)聚焦位置進(jìn)行50 組實(shí)驗(yàn)的平均運(yùn)行時(shí)間,從表1可以看出每個(gè)算法對(duì)單張圖片的運(yùn)算時(shí)間都控制在1 秒以內(nèi),所以能夠滿足實(shí)時(shí)性要求.

圖6 不同焦距圖像

圖7 不同焦距圖像計(jì)算結(jié)果

2.3 實(shí)驗(yàn)2.算法與放大倍率的無(wú)關(guān)性

為了比較5 種算法計(jì)算結(jié)果與圖像放大倍率的無(wú)關(guān)性,實(shí)驗(yàn)2 為：在同一光照條件下,改變裂隙燈轉(zhuǎn)鼓的放大倍率并保持不變,重復(fù)實(shí)驗(yàn)1 中5 個(gè)焦距位置,得到不同清晰度的圖像,如圖8.然后運(yùn)行程序?qū)? 幅圖像進(jìn)行單獨(dú)評(píng)價(jià),將5 種算法計(jì)算得出的結(jié)果在不同尺度下進(jìn)行歸一化,如圖9.

表1 不同算法單次運(yùn)行時(shí)間(單位：ms)

圖8 放大圖像

圖9 放大圖像計(jì)算結(jié)果

對(duì)于實(shí)驗(yàn)2,人眼的主觀感受由聚焦位置1 到聚焦位置5,清晰度依次上升.實(shí)驗(yàn)所選取的5 種清晰度算法的計(jì)算結(jié)果都只在聚焦位置5 處達(dá)到極值,滿足單峰性要求；轉(zhuǎn)鼓圖像清晰度計(jì)算結(jié)果與人眼的主觀感受的圖像清晰度變化一致,滿足無(wú)偏性要求；除Tenengrad 算法外,其余算法計(jì)算結(jié)果均不相同,且區(qū)分度較好,滿足靈敏性要求；單次運(yùn)行時(shí)間與表1相差不大,每個(gè)算法對(duì)單張圖片的運(yùn)算時(shí)間都控制在1 秒以內(nèi),所以能夠滿足實(shí)時(shí)性要求.

2.4 實(shí)驗(yàn)3.算法與光照條件的無(wú)關(guān)性

為了比較5 種算法計(jì)算結(jié)果與圖像的光照條件,即圖像亮度的無(wú)關(guān)性,實(shí)驗(yàn)3 為：在同一放大倍率下,將光源亮度改變并保持不變,重復(fù)實(shí)驗(yàn)1 中5 個(gè)焦距位置,得到不同清晰度的圖像,如圖10.然后將計(jì)算得出的結(jié)果在不同尺度下進(jìn)行歸一化,如圖11.

圖10 亮度增強(qiáng)圖像

對(duì)于實(shí)驗(yàn)3,人眼的主觀感受由聚焦位置1 到聚焦位置5,清晰度依次上升.實(shí)驗(yàn)結(jié)果表明選取的算法都只在聚焦位置5 處達(dá)到極值,滿足單峰性要求；轉(zhuǎn)鼓圖像清晰度計(jì)算結(jié)果與人眼的主觀感受的圖像清晰度變化一致,滿足無(wú)偏性要求；除Tenengrad 算法外,其余算法計(jì)算結(jié)果均不相同,且區(qū)分度較好,滿足靈敏性要求；單次運(yùn)行時(shí)間與表1相差不大,每個(gè)算法對(duì)單張圖片的運(yùn)算時(shí)間都控制在1 秒以內(nèi),所以能夠滿足實(shí)時(shí)性要求.

圖11 亮度增強(qiáng)圖像計(jì)算結(jié)果

3 結(jié)語(yǔ)

本文為了解決在傳統(tǒng)裂隙燈轉(zhuǎn)鼓裝校生產(chǎn)線上,由于人眼評(píng)價(jià)存在主觀性和隨機(jī)性等問(wèn)題.對(duì)當(dāng)前較為常用的、具有代表性的幾種基于空域的清晰度評(píng)價(jià)算法的原理定義和特點(diǎn)進(jìn)行了詳細(xì)的描述,并搭建實(shí)驗(yàn)平臺(tái),設(shè)計(jì)圖像處理軟件,通過(guò)3 組實(shí)驗(yàn)綜合分析和對(duì)比了這算法對(duì)實(shí)際生產(chǎn)線上轉(zhuǎn)鼓圖像的適用情況.結(jié)果表明除Tenengrad 算法在靈敏性方面不能滿足實(shí)際要求外,其余4 種算法都能滿足要求.而4 種滿足要求的算法當(dāng)中,又因?yàn)镋VA 算法在不同光照條件、不同放大倍率條件下所表現(xiàn)出更高的靈敏性,能夠區(qū)分輕微離焦?fàn)顟B(tài),更適合作為轉(zhuǎn)鼓數(shù)字化裝校系統(tǒng)圖像清晰度評(píng)價(jià)算法而采用.本文的研究可運(yùn)用于實(shí)際的裂隙燈轉(zhuǎn)鼓裝校生產(chǎn)線,以提高轉(zhuǎn)鼓的裝校質(zhì)量.