一种实现干涉测量快速聚焦的方法
【技术领域】
[0001] 此发明涉及干涉测量的自动聚焦领域，特别的是一种适用于干涉测量过程中的基 于数字图像处理的干涉显微镜快速聚焦方法。
【背景技术】
[0002] 在现代化检测方法中，有一种高精度无损检测的光学干涉显微镜测量（包括了 Michelson型，Mirau型，Linnik型等）技术。此种技术用于检测微米、纳米级物件表面微 观形貌，在高倍率干涉显微成像过程中景深非常小，手动调焦实为不便。为了实现系统的自 动化运行，关键技术之一就是实现自动聚焦技术。目前应用于显微镜的自动聚焦方式多为 基于数字图像处理的对焦深度法。对焦深度法是通过构建评价函数，对不通位置图像的清 晰度进行评价，并在评价函数的最大值处获得聚焦面。聚焦评价函数选取的正确与否，直接 影响到聚焦的精度和聚焦速度。
[0003] 现有技术中的国内外提出的聚焦评价函数大致可分为：
[0004] 1、频域函数。如熵函数、小波变换、傅里叶变换等。
[0005] 2、梯度函数。在图像处理中，梯度函数常被用来提取边缘信息。聚焦良好的图像， 即有更尖锐的边缘的图像，应有更大的梯度函数值。常用的梯度函数有方差算子、灰度差 分绝对值之和算子、能量梯度算子、Brenner函数、基于Sobel梯度算子的Tenengrad函数、 Roberts梯度算子、拉普拉斯算子等。
[0006] 3、统计学函数。如Range函数、Enmay函数、Masgrn函数、交流功率函数、直流功率 函数等。
[0007] 灰度梯度评价函数的值采用图像相邻像素间的灰度差（差分）来计算，这种近似 微分运算可以消除背景噪声的影响，能有效抑制外界条件对图像的整体影响，并满足单峰 性、无偏性和灵敏性特点，因此这一类评价函数应用最广。假设图像中某点（X，y)处的灰度 值为g(x，y)，图像的规模为MXN(M列、N行）个像素，则灰度梯度评价函数有以下几种定 义：
[0008] (1)灰度变化的平均程度即方差来衡量。图像的灰度方差算子定义如下：
[0009] , g。是图像灰度的平均值，
[0010]
[0011] (2)灰度差分绝对值之和算子（SMD)。用差分绝对值代替乘方和开方。即对点 (X，y)及其邻近点的灰度作差分运算，提取该点灰度值的变化大小，得出图像灰度差分绝对 值之和算子：
CN 105158892 A VL 贝
[0012] (3)能量梯度算子：
[0013] (4) Brenner函数，又称为梯度滤波器法，它是当相邻像元的灰度差大于某阈值时， 对相邻近（间隔为k)的像元灰度差进行平方求和。其表达式如下：
[0014]
[0015] 上式中，Gthrashcild是阈值条件，g(x, y)是象元（X，y)的灰度值，下同。
[0016] (5)基于Sobel梯度算子的Tenengrad函数利用Sobel算子来估计图像在水平方 向和垂直方向的梯度，为使图像边缘的梯度放大，对梯度进行平方运算，其表达式为：
[0017]
[0018] 分别为X和Y方向上的 Sobel算子计算的差分值。X方向和Y方向的Sobel算子表达式如下：
[0019]
[0020] Tenengrad函数是先加权平均然后再差分，分别对水平和垂直方向进行模板运算， 对噪声有一定的抑制能力。随着窗口的放大，噪声抑制能力更加明显。
[0021] (6)Roberts梯度和函数实际上是以某一点为中心上的连续梯度的近似，从理论上 分析，它对边缘特性的处理比Brenner函数要好。
[0022]
[0023] (7)拉普拉斯算子是一个锐化模板，通过增强高频分量来减少图像中的模糊，又称 为高通滤波。常见的拉普拉斯算子模板有三种（左、中为4邻域，右为8邻域）：
[0024]
[0025] 改进拉普拉斯梯度函数加入可变步长step来计算二阶差分。
[0028] T是一个阈值，大于阈值的拉普拉斯值才参与汇总。
[0029] 以上灰度梯度评价函数中，速度最快的是使用灰度方差算子。
[0030] 而对应上述描述，现有技术存在的问题和缺点有：
[0031] 自动聚焦过程需要采集成百上千幅图像，而灰度梯度函数又要对每一幅图像进行 评价，像素较高的相机，处理的数据量更是成倍增长。所以，实际应用中，使用灰度梯度函数 的聚焦过程还是非常缓慢的，并不能满足现代化设备快速、高效的要求。
[0032] 故，需要一种新的技术方案以解决上述问题。
【发明内容】
[0033] 本发明的目的是针对现有技术存在的不足，提供一种实现干涉测量快速聚焦的方 法，具有精度高，灵敏性好，可以减少聚焦的搜索次数，加快聚焦速度的优点。
[0034] 为实现上述发明目的，本发明可采用如下技术方案：
[0035] -种实现干涉测量快速聚焦的方法，提供光学干涉显微镜；设置被测表面图像的 横向坐标为X，y坐标，光学干涉显微镜靠近或者远离被测表面图像的坐标为Z坐标；
[0036] 干涉显微镜在Z方向上扫描获取图像；
[0037] 找到灰度差和最大的那幅图像，该图像对应的位置就是聚焦位置，并通过下式聚 焦评价函数计算灰度差和F (k)，
[0038]
[0039] 其中，设第k幅图像中某点（X，y)处的灰度值为gw (X，y)，图像为MXN个像素；评 价值最大的图所在位置就是该次图像扫描过程中寻找的聚焦位置。
[0040] 与【背景技术】相比，由于干涉图像在聚焦位置的高频分量信息比普通聚焦图像更丰 富，所以本发明中采用的聚焦评价函数具有较强的鲁棒性和灵敏性。同时，聚焦评价函数运 算过程由原来的平方运算及多次加减运算，简化成单次加减运算，运算时间成倍减少，并且 简化了光学干涉显微镜的操作流程。并且新型聚焦评价函数无需考虑区域相关性。因此， 处理数据过程中，可采用隔行计算，减少计算量的同时，还不影响评价值的有效性。
【附图说明】
[0041] 图1是本发明中使用光学干涉显微镜进行干涉测量快速聚