基于圖像處理的自動調焦技術研究

摘 要：隨著自動調焦技術的快速發展，在成像系統中得到了廣泛的應用。基于圖像處理的自動調焦能夠進一步滿足各種成像設備的智能化自動調焦需求。基于圖像處理的自動調焦的關鍵在于圖像的清晰度評價函數，本文在對評價函數進行分析的基礎上提出了梯度閾值評價函數，實現了調焦的實時性、抗噪性方面的提升。

關鍵詞：自動調焦；圖像處理；清晰度

基于圖像處理的自動調焦指的是實時地處理圖像傳感器中所采集的圖像信號，對表征圖像清晰度的評價值進行獲取，依據評價值對圖像是否清晰進行判斷，并依據判斷結果向電機發出反饋信號，從而控制鏡頭的轉動方向和步長，直到實現最佳聚焦狀態。其中，最為關鍵的是圖像清晰度評價值的獲取，因此，基于圖像處理的自動調焦技術中清晰度評價函數是重點研究對象。

1 基于圖像處理的自動調焦方法概述

隨著微電子技術的發展與數字圖像處理理論的進步，圖像處理與存取變得更加便捷，因此如何獲得清晰圖像使基于圖像處理的自動調焦技術成為了自動調焦技術領域中研究的重點方向。

基于圖像處理的自動調焦的原理指的是通過基于圖像處理的調焦算法對圖像探測器所采集的圖像進行分析與處理，對圖像的離焦程度進行準確的判斷，依據調焦搜索策略對鏡頭進行驅動與控制，從而實現圖像向著清晰的方向不斷發展，直到圖像能夠實現對焦清晰為止[1，2]。

目前常用的自動對焦方法有DFD（Depth from Defocus，離焦深度法）和DFF（Depth from Focus，對焦深度法）。

DFD是指通過離焦的圖像獲取對焦目標的信息，實現自動對焦。它通過對兩到三幀離焦程度不同的圖像進行分析與處理，獲取圖像模糊、離焦等方面的信息，通過這些信息實現對焦位置的判斷，驅動鏡頭實現自動對焦。DFD能夠降低圖像的采集次數與電機驅動時間，調焦速度快；但誤差較大，在精度和穩定度方面比較差。

DFF是指利用對焦搜索機制實現的自動調焦。它采用清晰度評價函數對圖像清晰度進行評價，并根據清晰度評價函數值的反饋，通過調焦搜索算法對鏡頭進行控制與驅動，實現對焦準確。DFF的優點包括：第一，具有了更加靈活多樣的調焦判據；第二，調焦控制電力與驅動結構更加簡單；第三，具有更好的使用范圍與穩定性[2，3]。

2 基于圖像處理的自動調焦的圖像清晰度評價函數

2.1 圖像的預處理

圖像在成像的過程中，會由于環境、器材等方面的原因引入各種噪聲，這些噪聲會在不同程度上淹沒或者改變圖像中的一些重要的特征，對調焦的效果造成影響。因此，在成像的過程中需要對圖像進行預處理，所以要有針對性地選擇噪聲濾除的方法，一方面要盡可能地對噪聲進行濾除，另一方面要盡可能對圖像高頻信息進行保留。

2.2 圖像清晰度評價函數的評價標準

第一，清晰度評價函數的調焦曲線應該具備單峰性，方便對系統的離焦程度與離焦極性進行反映。第二，調焦曲線的最大值與成像系統的對焦狀態應該具備無差性；第三，調焦曲線必須具備靈敏度，以提高調焦的精度；第四，清晰度評價函數應該具有抗干擾性[4]。

2.3 以空間域為基礎的圖像清晰度評價函數

2.3.1 傳統的圖像清晰度評價梯度函數

在圖像處理的過程中，梯度函數是較為常用的函數類型。梯度函數的種類主要包括：第一，能量（Energy）梯度函數，主要是通過相鄰的像素之間的灰度值的差的平方和對灰度的變化量進行描述；第二，Roberts梯度函數，主要是通過相鄰的像素之間的灰度值交叉相減的平方和對灰度的變化量進行描述；第三，Sobel梯度函數，通過Sobel算子對圖像水平方向與垂直方向的梯度進行提取，對梯度的平方和進行計算；第四，Brenner梯度函數，主要是通過相鄰像素的灰度值的差值的平方和對圖像的灰度變化進行判斷；第五，Variance函數，主要通過圖像的方差反映圖像灰度分布的離散程度[5]。

2.3.2 灰度熵函數

圖像中的灰度熵能夠對圖像灰度分布的離散程度進行反映。如果圖像的離焦程度不同，那么圖像的清晰度也不同，其灰度熵也不同。離焦程度越大，則圖像越模糊，灰度變化減小，灰度熵值也越小；越接近正焦點，圖像越清晰，灰度值越大。因此，灰度熵能夠對圖像的清晰度進行評價[5]。

2.4 梯度閾值評價函數

傳統的梯度函數具有單峰性與靈敏度較好的特點，但要求圖像不含噪聲，這在實際應用中很難實現，就會出現調焦誤判。此外，圖像的背景像素也對調焦曲線的實時性、靈敏度等有影響。因此，本文提出了梯度閾值評價函數，通過自適應閾值算法實現噪聲與背景像素對圖像影響的降低[2]。

2.4.1 對閾值進行選擇

圖像中的邊緣信息是通過圖像的局部方差分布來實現的，邊緣較為尖銳的地區其方差就比較大，邊緣較為平滑的區域方差就較小。因此，能夠通過方差對圖像邊緣像素與非邊緣像素進行判斷。在邊緣像素進行判斷的過程中，判斷閾值選擇待判斷像素周圍3×3領域中圖像的局部方差。

2.4.2 調焦曲線影響因素

第一，算法實時性，梯度閾值評價函數能夠通過閾值對圖像的邊緣像素進行區分，降低噪聲與背景像素對圖像灰度值造成的影響，降低評價函數的計算量；第二，背景因素，梯度閾值函數具有調焦曲線波峰寬度較窄、陡峭度較高的特點，具有較高的單峰型與靈敏度，能夠對調焦進行更好的判斷；第三，對比的因素，梯度閾值函數具有較好的平滑性，能夠在低對比度條件的情況下對調焦進行更好的判斷[6]。

3 對調焦窗口進行選擇

3.1 對調焦窗口進行選擇的必要性

在調焦的過程中能夠通過圖像評價函數值的計算對焦點的位置進行確定。但是如果對整幅圖像進行評價，就需要圖像中的所有像素進行計算，如果圖像尺寸比較大就會增大計算量，導致調焦實時性的降低。圖像中關注的是目標物的清晰度，背景的清晰度并不在考慮范圍之內。因此，要將圖像中的具有特征的區域作為調焦的窗口，一方面能夠使運算量的降低，實時性的提高；另一方面能夠對目標的針對性進行體現，使調焦準確性的提高[2]。

3.2 對調焦窗口進行選擇的方法

對調焦窗口進行選擇能夠實現計算量的降低，實現調焦實時性的提高。同時，對調焦窗口進行合理選擇才能夠實現調焦準確性的提高。對調焦窗口進行選擇的方法主要包括以下幾種：

3.2.1 中心取窗法

中心取窗法是將圖像的中心區域作為調焦窗口，調焦窗口的大小通常為整幅圖像的幾分之一。它基礎是對圖像中心位置進行假設，將圖像中心區域的清晰度作為調焦依據。這種方式在大多數的場合是較為適用的，但若目標不在中心位置就會影響調焦性能。

3.2.2 多點取窗法

多點取窗法是將圖像中的多個區域作為調焦窗口，這種方式能夠對中心取窗法的不足進行彌補，能夠對目標的偏倚進行一定的適應。多點取窗法中較為常用的包括倒T字型取窗法與黃金分割多點取窗法兩種類型，如果目標在圖像的中下部，一般選擇倒T字型取窗法。多點取窗法能夠實現目標覆蓋率的提高，但同時也會使計算量增加，調焦性能方面較差。

3.2.3 非均勻采樣取窗法

非均勻采樣取窗法是將非均勻采樣得到的圖像作為調焦窗口。通過非均勻采樣取窗法得到的圖像，圖像中心部分的分辨率較高，周圍的分辨率較低，一方面能夠降低計算量，另一方面能夠對目標位置的偏移進行適應[2，7，8]。

3.3 自適應選擇調焦窗口

上述幾種調焦窗口基本都是固定的，不能對特定場所中的目標位置進行適應，對調焦的準確性造成影響。因此，本文提出了自適應選擇調焦窗口的方式。首先，要按照一定的圖像分割算法對目標與背景的最佳分割閾值進行獲取，通過閾值分割得到二值圖像，通過邊緣提取的方式對邊緣圖像中的中心進行計算，從而選擇調焦窗口。

自適應選擇調焦窗口的流程包括：第一，對適應度函數進行確定；第二，按照一定的計算公式對評價粒子的使用度函數值進行計算與評價；第三，對粒子的歷史最優位置PBEST與最優適應度值進行保持，對粒子群歷史全局最優位置PBEST與最優適應度值進行確定；第四，通過最佳分割閾值實現原圖的分割得到二值圖像，再通過邊緣提取得到邊緣圖像[2]。

4 總結

基于圖像處理的自動調焦主要包括調焦算法與電機控制兩個方面，本文主要研究基于圖像處理的自動調焦算法。基于圖像處理的自動調焦一方面能夠實現調焦判據選擇的靈活性與多樣性，另一方面能夠實現調焦系統的驅動電路與運動結構的簡化，實現實時性的提高。因此，基于圖像處理的自動調焦能夠進一步促進其適用范圍的擴大，具有非常重要的現實意義與應用前景。

[參考文獻]

[1]王鍵.基于圖像處理的自動調焦技術研究[D].成都：中國科學院光電研究所.2013.05.

[2]劉煥雨，熊文卓，萬秋華，趙長海，慕志國.基于圖像處理方法的自動調焦系統的研制[J].測試技術學報.2012，01（18）：13-16.

[3]張瑋瑋，曹維國，楊瑞寧，段潔.望遠系統分辨率現代測試技術研究[J].長春理工大學學報（自然科學版）.2014，02（31）：16-18.

[4]王欣，安志勇，楊瑞寧.基于圖像清晰度評價函數的CCD攝像機自動調焦技術研究[J].長春理工大學學報（自然科學版）.2010，01（9）：11-14.

[5]胡鳳萍，常義林，馬彥卓，趙光耀.視頻自動聚焦的實現研究[J].光子學報.2010，39（10）：1901-1906.

[6]黃家榮，張莉.基于圖像識別技術的攝像機自動聚焦系統設計[J].四川師范大學學報（自然科學版）.2010，03（82）：414-418.

[7]史紅偉，石要武，楊爽.光學顯微鏡自動調焦指導函數的評價與選擇[J].計算機輔助設計與圖形學學報.2013，02（20）：235-240.

[8]林兆華.基于圖像處理自動調焦技術在經緯儀中應用的研究[D].長春：中國科學院長春光學精密機械與物理研究所.2012.