基于图像处理的自动调焦技术

基于图像处理的自动调焦技术

张涛 ,邱俊豪 ,万启春 ,吴林玫 ,李满舟 ,肖平欢

昆明物理研究所   云南昆明  650223

摘要：在数字图像处理技术、微电子技术不断进步与发展的环境与背景下，存取与处理图像的技术变得更加实用和便捷。为了使得获取的图像更加清晰，加强对基于图像处理的自动调焦技术的研究与应用是非常有必要的。

关键词：图像处理；自动调焦技术

1自动调焦技术

基于图像处理的自动调焦技术的运用原理主要是指通过图像处理的调焦算法来分析和处理图像探测器所获取的图像，进而更加准确地判断图像的离焦程度，再结合调焦技术来控制和驱动镜头，从而逐渐提升图像的清晰度，直到图像的对焦达到标准地清晰标准与要求。当前，对焦深度法与离焦深度法是当前运用最为普遍的两种自动调焦方式。离焦深度法主要是为了能够更好地获得对焦目标信息，从而使得自动对焦得以更好的实现。同时离焦深度法对不同程度的离焦图像进行处理和分析，并对离焦、模糊图像的相关信息进行更好地获取与把握，进而结合相关信息来更好地判断对焦的位置，从而更好地对镜头进行驱动来实现自动对焦。离焦深度法的有效应用，能够有效的减少采集图像的次数和驱动电机的时间，使得离焦深度法的调焦速度变得更快、更好。但是离焦深度法存在较大的误差，具有较差的稳定性和精度。此外，对焦深度法的自动调焦主要通过“对焦搜索”机制的利用来实现的，其在评价图像清晰度时，则运用的是清晰度评价函数，并结合反馈出来的清晰度评价函数值，运用调焦搜索算法来驱动和控制镜头，以此来实现准确或者精准对焦。对焦深度法的调焦判据比较多样和灵活，驱动与控制调焦的电力与结构比较简单，且其稳定性很好，使用范围比较广泛。

2基于图像处理的自动对焦技术

2.1对图像的清晰度进行评价

基于图像处理的自动对焦首要关键就是对图像的清晰度进行合理的评价判断，而进行评价判断就要用到评价函数。对图像清晰度进行评价的函数应该具备三点特点，首先，评价函数所形成的曲线只具备一个“峰”，即在对同一个物体进行摄像时，摄像最为清晰的焦点应该只有一个并且对应评价函数的最大值；其次，评价函数在峰值的两侧分别是“单调的”，即单调的上升或者是单调的下降；最后，评价函数在最高峰两侧下降程度应该较大，即整个函数曲线“更陡”。

2.1.1频域函数

因为合焦图像是物体正好在焦点上拍摄下来的图像，所以合焦图像相对于离焦图像来说有着更多的图像细节以及清晰的图像轮廓，而在图像傅里叶中，这些丰富的信息和细节表现为高频成分的递增，与之相反的是离焦图像在频域函数上体现出高频成分的衰弱。这种对焦评价函数是建立在频域变换的基础上的，将像素图像的变换转化成为频域分布的变化，然后将中高频成分的大小作为图像清晰程度的判断依据。常用的频域函数有离散余弦（DCT）、小波变换等。

2.1.2灰度函数

灰度函数对图像清晰度的评价主要是利用到了图像的灰度，灰度一般是通过在图像处理过程中用到的梯度函数对图像的边缘轮廓进行信息提取出来的，一般来说，正确对焦的图像会产生更大的梯度函数值，也就意味着其灰度值越高。常用的有绝度方差算子灰度函数，其利用同一行相互邻近的两个像素，通过将这两个像素的灰度值作差取绝对值来评价图像的清晰程度，当摄像设备没有准确对焦时，图片就会模糊，使得相邻像素的灰度值相差不大，而当摄像设备准确对焦时，图像变得清晰，图片中每个相邻像素所产生的灰度值就会有较大的差异，像素点间的灰度变化率也会随之增加。

2.1.3信息熵函数

信息熵是与图像的像素灰度有关的，摄像设备没有准确对焦时，产生的图像较为模糊、像素间灰度变化的程度不明显，所包含的有关信息较少，因此信息熵就少；反而言之，合焦时，图像变得更为清晰，图像每个像素间灰度值有着较大的差异，所包含的信息开始变多，信息熵也就变大。因此可以将信息熵作为函数来对图像的清晰度进行评价，熵最大时信息量最多，图像也就越清晰。

2.1.4统计学函数

统计学函数实质上也是根据图像灰度值引导出来的。图像完全离焦时，整个图像是不具备任何有价值的信息，图像的灰度值也就较为的平均和单一，而完全合焦的图像由于包含了丰富的信息，其图像也就变得清晰，图像像素的灰度值开始变得多样，因此就可以通过统计学将图像中灰度值的大小、概率利用直方图来估算出来，其表示了所有的图像点出现在每一灰度值上的次数，图像对焦准确时会有多个带状分布出现，而当摄像设备没有准确对焦时，所产生的带状只有少数，因此可以利用直方图来对图像清晰度进行分析和评价。

2.2搜索算法

2.2.1函数逼近法

首先要通过采集处在不同位置时清晰度和评价值的大小，来确定评价函数和评价曲线的大致形状，然后利用简单的、已知的函数来对评价曲线的大致形状进行拟合，从而逐渐地向实际的评价曲线“逼近”，由于评价曲线的“最高峰”就是摄像设备拍摄时的准确焦点，因此可以利用拟合出来的曲线的最高点来近似地替代实际评价曲线的极值点。值得注意的是，这种方法在取值集中在极值点附近时会有着非常好的对焦成效，但是这种方法受到取值的影响较大，个别的取值数据一旦有较大的误差就会整体的估算结果造成巨大的影响，在实际的对焦过程中不是很适用。

2.2.2爬山搜索法

这种方法建立在评价曲线走势的基础上，在理想情况下，对焦评价曲线的形状与抛物线相近，摄像设备的准确焦点就是对焦评价曲线的“极值点”，而在峰点的两边，随着距离极值点的距离变大，对焦的准确度也会慢慢地降低，并且无限接近于零。实际的最佳聚焦点搜寻过程中，首先要确定搜寻的方向和每一次搜寻的大小，每搜寻一次就要计算一次清晰度的评价值，并通过这个评价值的相对大小来确定下一次搜寻的方向和大小。一般情况下，越是接近合焦点，值就会变得越高，当计算出来的评价值相对前一次较小时，就说明已经经过了最佳的焦点聚合位置，这时搜寻的方向就要发生改变，然后不断地重复上述步骤，直到获取到最高的评价值。

2.3对焦窗口的选择

2.3.1中心取窗

该方法主要对图像中心位置进行假设，以图像中心位置清晰度为调焦依据。虽然此类方法具有较广泛的应用范围，但是若目标不在中心位置，则影响调焦性能。

2.3.2多点取窗

该方法主要以图像区域为基础进行调焦，通过这种方法可以有效地弥补存在的问题，目标覆盖率较高，显著增加计算量，调焦性能不理想。

2.3.3非均匀采样取窗

该方法具有较高的中心区域清晰度与分辨率，周围更低，可以有效地降低计算量。

2.3.4自适应选择调焦窗口

该方法通常需要对适应度函数进行确认，之后以相关公式为基础对粒子使用度函数进行计算，保持最佳的适应度和粒子历史最优价的位置，最后分割原图，获得二值图，最后从边缘提取边缘图像，在自动调焦中提高图像的精准度与清晰度。

4结束语

在运用以图像处理为基础的自动调焦技术时，可以充分利用图像清晰度评价函数以及自适应调焦窗口来对图像进行处理，提高图像的清晰度，推动基于图像处理的自动调焦技术的应用范围得到更好的扩大与延伸。

参考文献

[1]杨瑞宇，吕浩，龚晓霞，吴诚，李学宽，苏兰，范明国，尹敏杰，杜润来.红外成像系统中自动对焦功能优化方法研究[J].红外技术，2020，42(10):940-946.

[2]刘璐，闫佩正，但西佐，胡慧然，鲍思源，王永红.自动对焦显微镜系统设计及仿真[J].测控技术，2019，38(7):50-54.