基于圖像處理的一體化攝像機自動聚焦系統設計

胡建萍 ，于 鵬

(杭州電子科技大學 電子信息學院，杭州310018)

近年來一體化攝像機成為了電視監控系統的核心設備。所謂一體化攝像機就是內置光學鏡頭，可以變倍、自動聚焦的攝像機。與傳統攝像機相比，一體機具有結構簡單，小巧方便，控制系統簡單等特點，因此在監控領域里得到了廣泛的應用。而一體化攝像機的發展要得益于自動聚焦技術的快速發展。

從原理上講傳統的自動聚焦可以分為兩類:一類是基于鏡頭與被攝物體之間距離測量的方法(主動式)，另一類是基于聚焦屏幕上成像清晰度的聚焦檢測方法(被動式)。隨著現代計算機應用的發展和數字圖像處理技術的發展，自動聚焦進入了一個嶄新的階段，基于圖像處理的自動聚焦算法越來越多。

基于圖像處理的自動聚焦技術與傳統的自動聚焦技術具有完全不同的出發角度，它是直接針對拍攝的圖像采用圖像處理技術，對圖像進行成像質量分析，得到系統當前的對焦狀態，然后通過驅動電機調整系統鏡頭的焦距，從而實現自動聚焦。

1 自動聚焦原理

在計算機里存儲的圖片是由一個個像素構成的，事實上這些看似雜亂無章的像素點之間有著必然的聯系。由光學知識和數字圖像處理理論可以推斷聚焦清晰的圖片比沒有聚焦清晰的圖片具有更大的對比度。從空域角度來講，圖像的邊界和細節部分更清晰，清晰圖像比離焦圖像的灰度變化明顯，有較銳化的邊緣;從頻域角度來講，清晰地聚焦圖像比離焦的圖像有更多的信息和細節，圖像的高頻分量也更加豐富。因此可以通過分析圖像的灰度差值和高頻分量的多少來判斷圖像是否為聚焦后的清晰圖像。

2 自動聚焦算法的研究

基于圖像處理的自動聚焦算法主要包括三部分:圖像聚焦質量評價函數，聚焦區域選擇算法和焦點搜索算法。

2.1 圖像聚焦評價函數

據理論分析可知，圖像的灰度差值和高頻分量可以用來判斷圖像是否為聚焦后的清晰圖形，常用的清晰度分析方法如下:

(1)時域分析法。時域分析法主要是從圖像的原始數據中獲取圖像的灰度對比值，根據數值的大小判別清晰度。

常用的時域分析法主要有:Brenner 函數法、Variance 函數法、梯度平方函數、灰度差分絕對值之和函數法以及Tenengrad 函數法等。

(2)頻域分析法。這種方法是基于傅里葉變換的，傅里葉高頻分量對應著圖像的邊緣，而聚焦的圖像總是有鋒利的邊緣，也就是包含更多的高頻分量，因此基于頻域分析的手段可以應用到聚焦評價函數中。

頻域分析法主要有:基于離散傅里葉變換的聚焦評價函數和基于小波分析的聚焦評價函數。

(3)信息熵分析法。聚焦圖像的信息熵比離焦的模糊圖像的信息熵多，所以可利用圖像的信息熵作為評價函數。

在實際的應用中，聚焦時系統都會受外部的噪聲的干擾，而傳統的圖像聚焦評價函數都會受噪聲的影響較大，有時不能正確的完成聚焦，本文運用了加權中值濾波算法。設圖像中某點(x，y)的灰度值為g(x，y)，med 為求中值函數。FSWM 為評價函數。

此函數是分別計算聚焦區域的每個像素點的x方向和y 方向與其周圍像素點的中值濾波后的灰度值的差值。然后將所有的差值求和得到相應的評價函數。通過實驗表明，與傳統的時域分析法相比，此算法有著更好的單峰性和對稱性。本算法由于在求聚焦評價函數值時對圖像進行了中值濾波，所以此算法能有效的抑制噪聲。

2.2 聚焦區域選擇算法

聚焦區域的選擇會直接影響到聚焦的復雜度、計算量和精確度。本系統采用了傳統的黃金分割多點區域選擇算法，如圖1 所示。

圖1 黃金分割點

一幅圖畫中除了中心點O 是人的視覺要點外，還有四個點也是視覺關鍵點，就是畫面中的四個黃金分割點A、B、C、D。以這五個點為中心，各自選取32 像素×32 像素塊進行圖像處理。此區域選擇算法降低中心取窗的高失敗率，利用多點的估計提高了主體景物的覆蓋率。

2.3 焦點搜索算法

常用的聚焦搜索方法有全局搜索法，Fibonacci搜索法，爬山法和曲線擬合法等。傳統的爬山法采用的是定步長的方式進行聚焦，在離焦的情況下從鏡頭的起始位置到正確的焦點位置之間有很長一段的距離可能是評價函數值很小的區域，如果全部計算這部分的評價函數值對自動聚焦系統是無意義的，且浪費了大量的資源和時間。本文采用改進的自適應步長的爬山搜索法，可降低搜索復雜度和時間此算法的流程如圖2 所示。

圖2 改進的爬山算法流程圖

首先取得初始位置的圖像，并計算出此時的聚焦評價函數值，然后讓步進電機驅動鏡頭從起始位置向上移動一步，將此時的圖像評價函數值與前者進行比較，若比前者的聚焦評價函數值大，就繼續向上移動調焦鏡頭。如果連續得到的兩幅圖像其評價函數值相差的不太大，則說明上一次鏡頭移動不能明顯地改變圖像質量，說明此時鏡頭所處位置離聚焦點還很遠，下一次鏡頭的移動的步長可以加大。反之，如果相鄰的兩幅圖的評價函數相差很大，可以說明上次鏡頭的移動顯著地改善了圖像的質量，說明鏡頭所處的位置離聚焦點很近，所以鏡頭下一次要以小步長移動。如此循環，直到當前的圖像質量評價函數值小于前一位置，則說明前一位置就是圖像最清晰的位置，至此聚焦結束。

3 自動聚焦系統的硬件實現

本系統主要由CCD 攝像機，帶有步進電機的光學鏡頭和FPGA 組成的，系統的硬件結構圖如圖3所示。

圖3 系統硬件結構圖

本系統運用SONY 的CCD 以及相應的SONY套片，完成原始數據的采集。芯片CXD4103R 為圖像處理主芯片，不僅能夠完成CCD 控制、自動增益控制和CCD 輸出數據的亮色分離，而且能夠硬件實現AE/AWB 功能，并提供ITU656 格式的數據輸出。CXD1267AN 主要是用來提供驅動時鐘。CXA2096N是跟CCD 配合使用的信號放大器。

FPGA 從輸入的視頻信號中提取亮度Y 信號，采用加權中值濾波灰度差值法，計算出這幀圖片的灰度差值和，通過比較相鄰圖像的灰度差值，FPGA輸出用于聚焦的步進電機的驅動信號，該信號驅動步進電機的轉動方向和步數來控制光學鏡頭，搜索灰度差值最大的那幀圖像，最終完成聚焦功能。

4 實驗結果分析

為了驗證所設計的系統的可行性和所用到的中值濾波差值算法的評價函數的有效性。對該系統進行了大量的實驗測試。圖4 所示的是加權中值濾波差值算法與傳統的Variance 函數法的聚焦評價函數值的對比圖。

圖4 聚焦評價函數曲線對比圖

由圖4 可以看出本系統采用的聚焦評價函數算法在聚焦點附近曲線更尖銳，相鄰兩個聚焦位置的亮度差值更大，也有較好的單調性，同時本算法在得到聚焦評價函數值前進行了中值濾波，因此具有一定的抗噪性。

圖5 是開始聚焦時計算機采集到的圖像，圖6是在系統聚焦后的采集的圖像。對比兩圖可以看出該系統具有較好的聚焦效果，而且靈敏度高，穩定性好，能夠滿足視頻采集的要求?？梢詮V泛地應用在一體化攝像機中。

圖5 聚焦開始前的圖像

圖6 聚焦后的圖像

5 小結

本文介紹了一種基于圖像處理的自動聚焦系統的設計。該系統運用了加權中值濾波灰度差值法作為評價函數算法，結合了傳統的攝像構圖的黃金分割區域選擇法，采用了改進的自適應步長的爬山聚焦搜索算法，可減少聚焦過程中運算量和搜索時間。最后使用基于FPGA 的硬件架構實現該自動聚焦系統。通過大量的實驗證明該系統調焦機制簡單，易于實現，可以獲得比較滿意的聚焦結果，且具有一定的抗噪性。

［1］ Muhammad Bilal Ahmad，Tae－Sun Choi.A Heuristic Approach for Finding Best Focused Sharp［J］.IEEE Transaction on Circuits and Systems for Video Technology，2005，15(4):565－570.

［2］ Yu Sun，Stefan Duthaler，Bradley J Nelson.Autofocusing in Computer Microscopy:Selecting the Optimal Focus Algorithm［J］. Microscopy Research and Technique，2004(65):138－149.

［3］ 陳書海，傅錄祥.使用數字圖像處理［M］.北京:北京科學出版社，2005.

［4］ 盛云，秦亞杰，洪志良. 一種用于數碼視頻相機的實時自動聚焦算法［J］.光電工程，2008，35(8):139－143.

［5］ 徐欣，于紅旗，易凡，等.基于FPGA 的嵌入式系統設計［M］.北京:機械工業出版社，2005.

［6］ 朱孔鳳，姜威，王端芳，等.一種新的圖像清晰度評價函數［J］.紅外與激光工程，2005，34(4):464－465.

［7］ 董代，劉榮，孫明磊，等.基于互相關的自動聚焦方法［J］.北京航空航天大學學報，2006，32(3):304－310.

［8］ 鄭玉珍，吳勇，倪旭翔. 實時自動聚焦的研究［J］. 光電工程，2004，31(4):62－66.