本發(fā)明屬于顯微鏡技術(shù)領(lǐng)域，更為具體地講，涉及一種增大觀察視角的顯微鏡。

背景技術(shù)：

顯微鏡作為一種精密儀器現(xiàn)如今被廣泛應(yīng)用于多個(gè)領(lǐng)域，如觀察大氣粒子，描繪神經(jīng)回路，掃描細(xì)胞電子顯微圖像，等等。在這些應(yīng)用中，觀察圖像的視角廣度和精度都是一個(gè)顯微鏡的重要性能指標(biāo)。其中，觀察圖像的視角廣度使得使用者能夠同時(shí)獲取更多圖像信息，觀察圖像的精度使得使用者能夠清晰地觀察目標(biāo)。因此，提升顯微鏡的性能的主要問題在于提升它的視角廣度和精度。

為解決上述問題，常規(guī)顯微鏡一般通過更換優(yōu)質(zhì)的鏡頭、改進(jìn)工藝精度等方法提高顯微鏡的放大效果，而本發(fā)明提出的基于圖像配準(zhǔn)和拼接的顯微鏡裝置則是通過圖像處理手段實(shí)現(xiàn)提高顯微鏡的放大效果。

圖像配準(zhǔn)技術(shù)指的是對由于傳感器、時(shí)間或視角的差異對同一場景得到的不同圖像進(jìn)行圖像坐標(biāo)統(tǒng)一，將多幅圖像信息整合進(jìn)同一圖像中。將該項(xiàng)技術(shù)加入顯微鏡中，可以有效的解決上述問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種增大觀察視角的顯微鏡，基于圖像配準(zhǔn)與拼接技術(shù)，在提高顯微鏡的圖像觀察視角的同時(shí)還提高觀察圖像的精準(zhǔn)度。

為實(shí)現(xiàn)上述發(fā)明目的，本發(fā)明一種增大觀察視角的顯微鏡，其特征在于，包括：固定在鏡架上的兩個(gè)物鏡、固定在鏡筒中的一個(gè)圖像處理器、固定在鏡筒末端用于觀察圖像的一個(gè)目鏡，以及用于調(diào)節(jié)調(diào)節(jié)物鏡相對位置和角度的調(diào)節(jié)旋鈕；

所述的鏡筒的前端有固定鏡架的卡槽，能夠通過卡槽將鏡筒固定在鏡架上，鏡架上有兩個(gè)物鏡槽，兩個(gè)物鏡安置在物鏡槽中；鏡筒的末端安裝一目鏡，操作者可直接在目鏡處觀察圖像；鏡筒的側(cè)身水平分布著位置調(diào)節(jié)旋鈕和角度調(diào) 節(jié)旋鈕，操作者通過旋轉(zhuǎn)位置調(diào)節(jié)旋鈕可以改變兩個(gè)物鏡的相對位置，通過旋轉(zhuǎn)角度調(diào)節(jié)旋鈕可以改變兩個(gè)物鏡的相對角度，進(jìn)而增大觀察視角；鏡筒的內(nèi)部通過螺釘固定有圖像處理器，且與兩個(gè)物鏡、目鏡均通過USB數(shù)據(jù)線相連；

當(dāng)操作者觀察目標(biāo)圖像時(shí)，首先通過旋轉(zhuǎn)位置調(diào)節(jié)旋鈕和角度調(diào)節(jié)旋鈕獲取合適的觀察視角，此時(shí)，另個(gè)物鏡對觀察目標(biāo)同時(shí)進(jìn)行成像，得到兩幅待配準(zhǔn)圖像，并通過USB數(shù)據(jù)線發(fā)送至圖像處理器，圖像處理器接收到待配準(zhǔn)圖像后，對待配準(zhǔn)圖像分別提取特征點(diǎn)，然后建立可描述特征點(diǎn)臨域信息的特征描述子，再通過對兩幅圖像的特征描述子進(jìn)行相似度的比較和匹配，找出相互匹配的若干對特征點(diǎn)作為匹配對，然后采用RANSAC算法剔除誤匹配，再進(jìn)行圖像坐標(biāo)統(tǒng)一和圖像拼接，最后消除圖像拼接時(shí)產(chǎn)生的縫隙，得到拼接圖像，圖像處理器再將拼接圖像發(fā)送至目鏡，操作者可直接在目鏡處進(jìn)行圖像觀察。

本發(fā)明的發(fā)明目的是這樣實(shí)現(xiàn)的：

本發(fā)明一種增大觀察視角的顯微鏡包括：固定在鏡架上的兩個(gè)物鏡、固定在鏡筒中的一個(gè)圖像處理器、固定在鏡筒末端用于觀察圖像的一個(gè)目鏡，以及用于調(diào)節(jié)調(diào)節(jié)物鏡相對位置和角度的調(diào)節(jié)旋鈕；其中，本發(fā)明采用了配準(zhǔn)與拼接技術(shù)，可以使顯微鏡在不損失精度的情況下擴(kuò)大觀察視角。

附圖說明

圖1是本發(fā)明一種增大觀察視角的顯微鏡架構(gòu)圖；

圖2是本發(fā)明一種增大觀察視角的顯微鏡工作流程圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明的具體實(shí)施方式進(jìn)行描述，以便本領(lǐng)域的技術(shù)人員更好地理解本發(fā)明。需要特別提醒注意的是，在以下的描述中，當(dāng)已知功能和設(shè)計(jì)的詳細(xì)描述也許會淡化本發(fā)明的主要內(nèi)容時(shí)，這些描述在這里將被忽略。

實(shí)施例

圖1是本發(fā)明一種增大觀察視角的顯微鏡架構(gòu)圖。

在本實(shí)施例中，如圖1所示，本發(fā)明一種增大觀察視角的顯微鏡包括：固定在鏡架104上的兩個(gè)鏡頭：物鏡105、物鏡106、固定在鏡筒103末端的目鏡101、位于鏡筒內(nèi)部的圖像處理器102、以及用于調(diào)節(jié)物鏡相對位置的位置調(diào)節(jié)旋鈕107和調(diào)節(jié)物鏡相對角度的調(diào)節(jié)旋鈕108；

操作者旋轉(zhuǎn)位置調(diào)節(jié)旋鈕107使物鏡105和物鏡106處于合適的位置上，再通過旋轉(zhuǎn)調(diào)節(jié)旋鈕108使物鏡105和物鏡106處于合適的觀察視角，物鏡105和物鏡106再分別采集一幅待配準(zhǔn)圖像，并通過USB數(shù)據(jù)線傳輸至圖像處理器102，圖像處理器通過對圖像進(jìn)行處理后發(fā)送至目鏡101顯示。

下面結(jié)合圖2，對本發(fā)明所述的顯微鏡的工作原理進(jìn)行詳細(xì)說明，具體包括：

當(dāng)操作者觀察目標(biāo)圖像時(shí)，首先通過旋轉(zhuǎn)位置調(diào)節(jié)旋鈕和角度調(diào)節(jié)旋鈕獲取合適的觀察視角，此時(shí)，另一個(gè)物鏡對觀察目標(biāo)同時(shí)進(jìn)行成像，得到兩幅待配準(zhǔn)圖像。兩個(gè)物鏡將采集到的兩幅待配準(zhǔn)圖像通過USB數(shù)據(jù)線發(fā)送至圖像處理器，圖像處理器將對兩幅待配準(zhǔn)圖像做圖像配準(zhǔn)、拼接處理。圖像處理器的核心算法是圖像配準(zhǔn)和圖像拼接算法，下面以SIFT特征提取算法為例，詳細(xì)說明圖像處理器的操作流程：

步驟1：采用SIFT特征點(diǎn)提取算法對物鏡1和物鏡2傳輸過來的圖像I₁(x,y)，I₂(x,y)均進(jìn)行特征點(diǎn)提取，現(xiàn)用I(x,y)表示圖像矩陣，對I(x,y)進(jìn)行SIFT特征點(diǎn)提取的流程如下：

(1)對圖像I(x,y)作降采樣，采樣因子為2(每兩個(gè)點(diǎn)作一次采樣)，每作一次降采樣，將得到的采樣圖像I_s(x,y)置于圖像金字塔的一層，層數(shù)可自行控制(一般取4或5層)，原始圖像I(x,y)置于底層；

(2)為了讓圖像尺度變化體現(xiàn)連續(xù)性，在降采樣的基礎(chǔ)上對圖像金字塔的每一層采樣圖像I_s(x,y)作不同參數(shù)的高斯模糊，使得高斯金字塔的每一層由多幅不同尺度的模糊圖像L(x,y,σ)組成。由此，得到高斯金字塔構(gòu)造高斯金字塔所涉及的公式和具體過程如下：

計(jì)算高斯核函數(shù)：

其中,G(x,y,σ)為所求得的高斯核函數(shù)，x、y分別為采樣圖像I_s(x,y)的像素坐標(biāo)，m，n為高斯模板的維度，一般取(6σ+1)(6σ+1)，σ為采樣圖像尺度因子(高斯函數(shù)的正態(tài)標(biāo)準(zhǔn)差)，大尺度對應(yīng)圖像概貌特征，小尺度對應(yīng)圖像細(xì)節(jié) 特征。

用高斯核函數(shù)G(x,y,σ)卷積采樣圖像I_s(x,y)得到做高斯模糊處理后的圖像L(x,y,σ)，計(jì)算公式為：

L(x,y,σ)＝G(x,y,σ)*I_s(x,y)

設(shè)置尺度比例系數(shù)k，k表達(dá)了高斯金字塔同一層內(nèi)相鄰圖像間尺度因子的比值，令σ'＝kσ，通過上述公式得到不同尺度的模糊圖像L(x,y,σ')，通過此步驟將所得一系列經(jīng)過高斯模糊處理后得到的圖像：L(x,y,σ)，L(x,y,kσ)，L(x,y,k²σ)...將這些模糊圖像置于同一層，由此建立了高斯金字塔的一層。

按上述流程從下至上逐層依次建立高斯金字塔，高斯金字塔含有多層圖像，金字塔的每層又由多幅經(jīng)過高斯模糊圖像L(x,y,σ)，L(x,y,kσ)，L(x,y,k²σ)，...組成，原始圖像I(x,y)作為底層的第一幅圖像，由此建立高斯金字塔。

(3)高斯金字塔中同一層中相鄰的上下兩幅圖像相減得到高斯差分函數(shù)，其計(jì)算公式如下：

D(x,y,σ)＝L(x,y,kσ)-L(x,y,σ)，其中k是尺度比例系數(shù)；由此建立高斯差分金字塔。

(4)在高斯差分金字塔中對每個(gè)像素點(diǎn)在其尺度空間的鄰域內(nèi)進(jìn)行極值檢測，從而獲取圖像特征點(diǎn)。一個(gè)像素點(diǎn)的領(lǐng)域?yàn)橥桓眻D像中的8個(gè)像素點(diǎn)與上下相鄰幅圖像的9個(gè)像素點(diǎn)共計(jì)26個(gè)像素點(diǎn)，若該像素點(diǎn)在其鄰域內(nèi)為極大值或極小值，則v＝(x,y,σ)表示該點(diǎn)為圖像像素坐標(biāo)為(x,y)，尺度因子為σ的一個(gè)特征點(diǎn)。

(5)對特征點(diǎn)v＝(x,y,σ)用泰勒展開式D(X)擬合尺度空間高斯差分函數(shù)，|D(X)|過小的特征點(diǎn)易受噪聲干擾，因此該特征點(diǎn)因排除，尺度空間高斯差分函數(shù)的泰勒展開式D(X)的計(jì)算公式如下：

其中X＝(x,y,σ)^T，x，y為特征點(diǎn)v＝(x,y,σ)的圖像坐標(biāo)，σ為該點(diǎn)圖像尺度因子。

由此，初步提取得到了圖像在不同尺度因子σ下的SIFT特征點(diǎn)；

步驟2：對提取到的特征點(diǎn)進(jìn)行SIFT算子特征描述：

在特征點(diǎn)v＝(x,y,σ)尺度空間σ內(nèi)，以特征點(diǎn)像素坐標(biāo)(x,y)為中心，取一個(gè)8×8的像素區(qū)間作為鄰域，分別計(jì)算該鄰域內(nèi)每個(gè)像素點(diǎn)的梯度，梯度的模值為m(x,y,σ)，方向?yàn)棣?x,y,σ)(實(shí)際計(jì)算過程只需計(jì)算圓形鄰域范圍的像素點(diǎn)即可)，計(jì)算公式如下：

將上述8×8鄰域規(guī)劃為4×4的新鄰域，使得新鄰域的每個(gè)子區(qū)間為原鄰域的一個(gè)2×2范圍的4個(gè)像素點(diǎn)，在新鄰域的每個(gè)子區(qū)間內(nèi)計(jì)算這4個(gè)像素點(diǎn)的梯度在8個(gè)方向(米字型)上的投影，由此建立一個(gè)4×4×8的一個(gè)128維向量H＝(h₁,h₂,h₃,...,h₁₂₈)

由此建立一個(gè)128維的向量H＝(h₁,h₂,h₃,...,h₁₂₈)作為特征點(diǎn)v＝(x,y,σ)的描述子；

完成上述步驟后可忽略尺度因子σ所代表的圖像信息，僅以特征點(diǎn)像素坐標(biāo)v＝(x,y)描述該特征點(diǎn)。

步驟3：特征匹配：

對sift描述子做歐氏距離上的匹配，匹配原則為當(dāng)最短距離與第二短距離之比小于某閾值D(D一般為0.8)時(shí)，可認(rèn)為兩個(gè)特征描述子相互匹配。對于兩個(gè)向量H＝(h₁,h₂,h₃,...,h₁₂₈)和H'＝(h'₁,h'₂,h'₃,...,h'₁₂₈)，其歐氏距離計(jì)算公式如下所示：

由此，得到兩幅圖像間特征點(diǎn)的若干對匹配對v-v'。

步驟4：利用RANSAC(隨機(jī)一致性)算法剔除誤匹配：

當(dāng)某點(diǎn)與空間中一條直線的距離小于某閾值(可人為設(shè)定)時(shí)，認(rèn)為該點(diǎn)為該直線的一個(gè)內(nèi)點(diǎn)，否則稱為外點(diǎn)。

現(xiàn)以匹配對對應(yīng)的特征點(diǎn)集作為原始點(diǎn)集，尋找空間中一條直線，使所得內(nèi)點(diǎn)集內(nèi)點(diǎn)數(shù)最大，使用該直線作為參照所求得的內(nèi)點(diǎn)集即為剔除誤匹配后所得 特征點(diǎn)集。算法過程如下：

首先從已匹配特征點(diǎn)點(diǎn)集中隨機(jī)選取兩個(gè)點(diǎn)，設(shè)這兩個(gè)點(diǎn)為內(nèi)點(diǎn)，其他點(diǎn)為外點(diǎn)，并求出這兩個(gè)點(diǎn)所確定的直線；然后依次計(jì)算其他點(diǎn)到此直線的距離，設(shè)閾值為t，若距離小于t，將該點(diǎn)標(biāo)記為內(nèi)點(diǎn)，否則為外點(diǎn)，計(jì)算該直線所包含的內(nèi)點(diǎn)數(shù)量；重復(fù)上述步驟，求使得內(nèi)點(diǎn)數(shù)量最大的直線，以該直線作為參照所得的內(nèi)點(diǎn)集作為新特征點(diǎn)集。

對兩幅圖像的特征點(diǎn)集均進(jìn)行上述操作，并得到新的匹配對，所得新的匹配對v₁-v₂即為剔除誤匹配后的匹配對。

步驟5：建立坐標(biāo)變換模型，圖像坐標(biāo)統(tǒng)一與拼接：

從匹配對中任取一對匹配對，設(shè)圖像I₁(x,y)的特征點(diǎn)v₁＝(x,y)的增廣向量為I₁，圖像I₂(x,y)的特征點(diǎn)v₂(x,y)的增廣向量為I₂(一個(gè)坐標(biāo)點(diǎn)(x，y)的增廣向量為(x，y，1))；

I₁＝M×I₂，M為8個(gè)變量的投影變換矩陣：

求解該矩陣參數(shù)至少需要代入四對I₁與I₂；

代入匹配對得到投影變換矩陣M，并對兩幅圖像進(jìn)行坐標(biāo)系統(tǒng)一，公式如下：

I₂'(x,y)＝I₂(M×(x,y))

統(tǒng)一坐標(biāo)系后以I₁(x,y)作為主圖像，并將副圖像I₂(x,y)中對主圖像的補(bǔ)足信息拼接到主圖像中，公式如下：

步驟6：采用線性插值消除拼接縫隙：

由于圖像坐標(biāo)系變換導(dǎo)致的拼接縫隙與黑點(diǎn)可采用線性插值技術(shù)進(jìn)行消除。最終得到拼接圖像I_r(x,y)，并將該圖像傳輸至顯示屏。

得到拼接圖像后，圖像處理器將拼接圖像發(fā)送至目鏡，操作者可直接在目鏡處觀察圖像。

盡管上面對本發(fā)明說明性的具體實(shí)施方式進(jìn)行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實(shí)施方式的范圍，對本 技術(shù)領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護(hù)之列。