基于图像处理的自动调焦法

主页（http://www.pttcn.net）：基于图像处理的自动调焦法

　　基于图像处理的自动调焦法的特点

　　1、 简化硬件、灵活方便

　　由于利用计算机进行数字图像处理，因而可方便地对运动执行机构进行控制，从而避开了复杂的调焦电路和机构。因为现在计算机的接口和总线技术已经非常成熟，只需通过软件给出控制信号，就可直接控制电机去驱动物镜的运动，因而灵活方便，且大大简化了电路和运动机构，即简化了硬件。

　　2、聚焦判据灵活多样，使调焦更加智能

　　前述的自动调焦法只能是利用一种方法或一种聚焦判据来调焦。而通过计算机的数字图像处理，则可灵活多样。如不仅可利用轮廓边缘的梯度信息，还可提取图像中的其它有效信息(频率、相位等)来进行聚焦判断，从而使调焦更加准确、智能。

　　此外，由于计算机的灵活性，还可针对不同的使用要求去选择不同的判据。如只需要图像中的某一个局部目标，就可针对图像中的这一局部进行处理。这时一般可用该局部的对比度(即边缘梯度)作为调焦的判据。

　　基于图像处理的自动调焦法的分类

　　1、 依据焦距评价函数的不同而分：

　　· 高频分量法：这种方法是对图像进行付里叶变换，提取其中的高频成分作评价函数。该法虽然准确度高，但计算量大;

　　· 平滑法：这种方法是计算图像上相邻像数的平滑度，再对整个像面求和作为集聚评价函数，其最大值为图像的调焦判据。但该方法灵敏度不高;

　　· 阈值积分法：这种方法是根据图像的灰度分布选取一个阈值，并对大于阈值的灰度进行求和，其最大值即为图像的调焦判据。但该方法测量精度差一些;

　　· 灰度差分法：这种方法是利用图像的相邻像素的差的绝对值之和作为评价函数。该法实际上是一种微分法，即对图像进行梯度变换，也就是利用了图像的边缘增强处理，使聚焦图像与离焦图像的评价函数值更加分明，提高了准确聚焦的灵敏度。虽然这样方法形式简单有效(算法简单快速)，但不能滤掉图像中的噪音。

　　由上看出，每种方法都有其不足之处，因此目前多采用几种方法相结合，如第四种方法与第一种结合，或第四种与第二种方法相结合等。这样就非常准确有效，后面再专门介绍。

　　2、依据自动对焦算法也可分为四种：

　　· 峰值光强比较法：本方法最简单，光强越大对焦越好，尤其对单点成像很适用。但对于线扫描和面扫描成像，需先找到峰值点;

　　· 对比度比较法：对比度越大，对焦越好。本方法对线扫描与面扫描均适用;

　　· 标准差比较法：本方法是比较像面某点与像面均值之差，差值最大的点即为齐焦点。它仅适合面扫描，不适合单点成像和线扫描采样方式;

　　· 熵值比较法：根据山农信息论原理，熵最大时，信息量最多。所以，本方法的对焦灵敏度最高，但不适合单点成像的采样方式。

　　同样，用不同采样方式和几种对焦算法组合使用比较好。这样既可以满足准确度要求，又可满足速度要求。

　　一种灰度差分法与平滑法相结合的自动调焦系统

　　所谓灰度差分法是利用图像的相邻像素的差的绝对值之和作为焦距评价函数：

　　F(i) =∑ [ | fi(x,y)-fi(x,y-1)|+|fi(x,y)-fi (x-1,y)| ]

　　(x,y)

　　式中，i=0,1,…,n。

　　显然，当图像聚焦时，F(i)最大。实际上，灰度差分法就是一种微分方法，即对图像进行梯度变换，使焦距评价函数的特征曲线更加陡峭，能实现快速、实时和有效的调焦。

　　由于在采集图像的进程中的噪声不可能完全去除，这就有可能使得到的评价函数值出现局部的最大值，从而有可能使图像不能聚焦在最佳位置。因此，需用平滑法对评价函数值进行平滑处理，这样，可去除局部的最大值，使聚焦的稳定性得到了提高。

　　平滑的原理是：对前三个评价函数值相加求平均值以作为当前的平滑值。实践证明(也可详见有关的参考文献)，经过平滑后的评价函数的特征曲线值得到了很好的平滑，从而克服了有局部最大值的现象。

　　本方法的自动调焦系统的结构原理框图如图3所示。它由摄像系统(固体摄像机与可变焦镜头)、图像采集卡、运动控制卡、伺服电机等组成。

　　该系统的工作原理采用的是逐步逼近的登山式自动调焦方式：首先，聚焦镜头作任意方向搜索，找到下一点的评价值大于起始点的评价值，直到越过山顶(即曲线峰值);其次，再反向搜索，越过山顶;然后，再反转搜索。如此反复，直到找到最大值，则聚焦结束。值得提出的是，每搜索一次，步距相应减小，才能准确找到最大值。

　　自动调焦的软件流程如图4所示。需要说明的是，在计算焦距评价函数值时，可采用对图像中的几列来进行计算，这样能提高调焦的速度。

相关阅读：

论各类自动调焦技术及其优劣比较

测定实际场景距离的自动调焦法

检测影像是否聚焦的自动调焦法