自动显微镜在各行各业都有广泛的应用,尤其是在医疗领域,医生使用它查看病人的组织切片,根据医学图像诊断病情。这种传统的人工阅片方法,不仅给医生带来了繁重的劳动,而且由于医生的视觉疲劳,诊断的结果容易出现误诊。随着图像处理、人工智能的发展,自动阅片技术开始出现,这项技术首先通过计算机控制显微镜移动平台采集连续的大量样本照片,然后通过图像处理和机器学习算法分析识别异常的细胞和病变组织。这一技术有效的降低了医生的工作强度,提高医生的诊断精度。现有自动阅片技术的工作流程是,首先移动到指定位置,然后自动聚焦,采集照片,再移动到下一个位置,直到采集照片的数量达到要求。由于样本玻片与显微镜摄像头不是绝对垂直的关系且平台和样本平面本身存在起伏,平台在移动过程中会出现图像模糊的情况,所以移动之后聚焦的目的是为了保证镜下的视野是清晰的。近几年相机发展迅速,图像的分辨率超过2048×2048,传统的聚焦方法在高清晰图像上的计算效率极低,严重影响扫片速度。然而,实际的扫片过程中,不是所有的镜下视野都是模糊的。对清晰的视野聚焦不仅毫无意义,而且浪费整体扫片的时间。另一方面随着电动平台的平整程度不断提高,相邻焦点位置很可能处于一个平面,传统的扫片方法对已知平面再进行聚焦的过程有些降低了整体扫描的效率。为了提升自动阅片的效率,本文从聚焦、扫描和建立样本平面三个方面提升扫片速度。具体工作包括以下几点:1.提出了一个高效的自动聚焦方法。该方法在清晰度评价函数方面提出了灰度非零值统计函数和低灰度值统计函数,在焦点搜索方面改进了目前的变步爬山法。其特点在于利用图像灰度的特性,结合两种清晰度评价函数,根据焦点距离的远近,采用三种变化的步长搜索焦点。与现有方法相比,该方法具有更高的精确度,更少的聚焦时间,以及更大的可聚焦范围。2.提出了基于图像清晰度识别的快速聚焦方法。该方法首先在每次自动聚焦之前采用机器学习算法对清晰度进行识别,判定图像是否清晰,然后决定是否进行自动聚焦。这种方法解决了搜索算法的盲目性,可以有效的跳过清晰照片的自动聚焦,提高整体扫片的效率。3.提出了基于多点聚焦的快速扫片方法。该方法选择少数的几个位置聚焦,通过平面拟合的方法确定各个位置的焦点。然后直接将平台移动到当前视野焦点所在的位置,完成图片的采集。这种方法通过少数焦点计算临近位置的焦点,无需移动平台搜索焦点,很大程度的提升了扫片的效率。实验表明,本文所提出的一种新的自动聚焦方法与现有的聚焦函数相比,在清晰度聚焦函数上更具有陡峭性,在聚焦速度上有极大的提升。本文提出的基于图像清晰度识别的快速扫片方法,在最大程度的保证图像的清晰度的情况下能有效的提升扫片速度。本文提出的多点聚焦快速扫片方法能有效提高图片的清晰度和采集速度。