【正文】 基本特征之一 .所謂邊緣 (或邊沿， Edge)是指圖像局部亮度變化最顯著的部分 .邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間，是圖像分析的重要基礎(chǔ)。當完全對焦時，圖像清晰，包含邊緣信息的高頻分量最多，焦距評價函數(shù)值最大；當圖像離焦時，圖像模糊，圖像邊緣信息的高頻成分較少，焦距評價函數(shù)值小。 由于噪聲的隨機性，對焦窗口越大對噪聲的抑制能力就會越強，對焦評價函數(shù)曲線越不容易出現(xiàn)波動，因此在數(shù)據(jù)處理能力允許的情況下自動對焦算法應(yīng)當盡可能擴大對焦窗口。如圖 像 素 單 元 圖 非均勻采樣，扇形采樣 這 種方法涉及到復(fù)雜的人眼生理學原理以及將扇形和圓形變換為矩形的投影公式。對焦窗口選擇算法直接地影響到對焦的復(fù)雜度、計算量和精確度。 西安工業(yè)大學畢業(yè)設(shè)計（論文） 9 鄰域平均法的思想是用像素及其指定鄰域內(nèi)像素的平均值或加權(quán)平均值作為該像素的新值，以便去除突變的像素 點，從而濾除一定的噪聲 。 本章小結(jié) 本章主要介紹自動對焦系統(tǒng)，其中簡單介紹了自動對焦的原理，還介紹了自動對焦技術(shù)的一些基本方法：包括測距法，像偏移法，焦點檢測自動對焦、離焦深度法和對焦深度法等以及它們的原理，分析了它們的優(yōu)缺點，此外，介紹了自動對焦系統(tǒng)的結(jié)構(gòu)，各部分是如何運作的。這時應(yīng)該針對圖像中的這一局部進行處理和提取，用該局部的對比度作為對焦的根據(jù)。這種方法要求事先用數(shù)學模型描述成像系統(tǒng)，然后根據(jù)少量的成像位置獲取的圖像來計算最佳對焦位置。圖像的輪廓邊緣越清晰，則它的亮度梯度就越大，或者說邊緣處景物和背景之間的 對比度就越大。簡單敘述了成像模型，探討了成像的光學理論，介紹了自動對焦技術(shù)的一些基本方法。 此外，基于數(shù)字圖像處理的自動對焦技術(shù)是 利用計算機可以很方便地對運行執(zhí)行機構(gòu)進行控制，從而避開復(fù)雜的調(diào)焦電路和機構(gòu)。數(shù)字成像技術(shù)徹底取消了傳統(tǒng)的照相系統(tǒng)中的化學處理步驟，使攝影過程更為便捷。這對進一步提高測量精度、測量速度及測量自動化程度等方面具有重要的現(xiàn)實意義。 sharpness evaluation function。 這樣的方式使得 基于圖像處理的自動調(diào)焦 技術(shù) 調(diào)焦更加智能化，聚焦判據(jù)更加靈活和多樣。 本文主要研究工作 性能良好、判斷準確的圖像清晰度評價函數(shù)是自動對焦技術(shù)的關(guān)鍵，也是本課題研究的核心內(nèi)容。 測距自動對焦主要有紅外線測距法和超聲波測距法。 各種自動對焦方式各有其局限性。 對焦深度法 DFF 充分利用了計算機處理數(shù)字信號的硬件高速性和軟件靈活性，具有以下優(yōu)點： ，穩(wěn)定性相 對好。在詳細介紹了各種常用方法及改進方法的原理后，通過實驗，分析實驗結(jié)果做了分析對比，確定一個性能更加良好的評價函數(shù)?？墒?，圖像中的邊緣信息也屬于高頻信息，它包含了大部分的被測物體的特征信息，在下一步圖像處理的過程中需要被提取出來。有必要對它的灰度值進行修正以增強對比度，來減小對評價函數(shù)的影響。該窗口圖像區(qū)域選擇如圖 。 主成像目標不在圖像中央的情況在實際應(yīng)用中非常普遍。一方面要滿足速度快，另一方面要對焦的精度高，因此本章最后對不同成像目標的對焦窗口選擇策略進行了探討?；叶忍荻群瘮?shù)常包括以下常見形式： 西安工業(yè)大學畢業(yè)設(shè)計（論文） 17 絕對方差函數(shù) ，表達式如下 ： （ ） Brenner函數(shù)，又稱為梯度濾波器法 .它對相鄰近像素 (間隔為 k)的灰度進行平方求和： （ ） Laplacian函數(shù)： （ ） Tenengrad函數(shù)，它利用 sobel算子來估計圖像在水平方向和垂直方向的梯度， 為使圖像邊緣的梯度放大，對梯度進行平方運算，其表達式為： （ ） 這 種評價方法是基于傅立葉變換的。 Sobel 算子正是 3x3 鄰域算子。即先通過高斯平滑抑制噪聲，再進行拉普拉斯運算，通過檢測其過零點來確定邊緣位置。常見的極點搜索算法有Fibonacci搜索法、曲線擬合法和。接著改變對焦方向，縮小步長，每搜索一次，步距相應(yīng)減小，如此反復(fù)，直到找到最大值為止，對焦結(jié)束。增加比較點個數(shù)可以提高抗干擾能力，但是，在增加比較點數(shù)的同時，判別法的復(fù)雜程度將隨之劇增，判別的時間也要增加不少。因此在對精度要求不是很高的情況 下，普通爬山算法因為其簡單、快速，也可以使用。同時影響圖像對焦的因素還有外界噪聲，對焦窗口選擇等因素，針對這兩點，本文也做了分析、處理。 一般 ，評價函數(shù)的局部極值多出現(xiàn)在遠離清晰成像位置處 ， 比 較評價函數(shù)均值可以有效地減少隨機誤差 。曲線擬合算法的前提是對焦評價函數(shù)具有單峰性和對稱性，它可以快速收斂到近對焦區(qū)間。通過實驗結(jié)果可以看到，邊緣檢測算法是一套較為系統(tǒng)、成熟的圖像分析理論，運用邊緣檢測算子可構(gòu)成一組具有系統(tǒng)理論支撐的對焦評價函數(shù)。 ②求出每一點處的 x方向和 y方向的梯度以及方向梯度方向上幅值局部最大的點定義為邊緣點。常用的邊緣檢測算子有roberts、 Sobel 及 LOG 等，構(gòu)建方法如下： 邊緣檢測算子 Roberts 邊緣檢測算子是 一種利用局部差分算子尋找邊緣的算子，算子函數(shù)為： （ ） f(x， y)是具有整數(shù)像素坐標的輸入圖像，平方根運算使該處理過程類似于在人類視覺系統(tǒng)中發(fā)生的過程 .R(x， y)是圖像中點 (x， y)的梯度，表示了該點處邊緣能量的大小。 清晰度評價函數(shù)的分類 常用的基于圖像處理的對焦函數(shù)大致可以歸結(jié)為灰度梯度函數(shù)、頻域函數(shù)、信息學函數(shù)和統(tǒng)計學函數(shù)幾類。實驗表明，可以優(yōu)先考慮中值濾波算 法來進行對焦前的圖像預(yù)處理。 當圖像的中央?yún)^(qū)域包含主成像目標時，這種情況下可以在圖像中央選擇對焦窗口。同時，對大面積圖像運用對焦評價函數(shù)，圖像中不重要的部分 (背景 )會對評價結(jié)果產(chǎn)生負面的影響，導(dǎo)致圖像中的重要部分 (成像主目標 )無法準確對焦。同時通過比較可知，濾波時取得模板越大，效果越好。因此，有必要分析 對評價函數(shù)的影響的因素，并且盡量消除這些因素，以保證對焦的精度。 圖像在成像的過程中會受到成像器件和周圍環(huán)境的干擾，引入各種各樣的噪聲，損壞圖像的質(zhì)量，使圖像模糊，嚴重時甚至淹沒特征，從而影響自動對焦的研究，我們要對此類因素進行分析，并且盡量消除和避免這些影響。 (2)對焦深度法 對焦深度法簡稱 DFF(Depth from Focus)，是一種建立在搜尋過程上的對焦方式。網(wǎng) 絡(luò)板在與光軸垂直方向上往復(fù)振動。分析處理模塊判斷輸入圖像是否對焦清晰，如果對焦不清晰則該模塊同時測算出這幅圖像的離焦程度。比如： 1985年，上海光學儀器研究所采用光學的自準直方法研制完成集成電路光刻機自動對焦裝置。各種自動對焦方式各有其局限性。在分析比較了幾種對焦技術(shù)中常用的搜索算法的優(yōu)缺點的基礎(chǔ)上，確定改進的爬山算法搜索在速度不減的情況下，精度更高。 在較全面地分析了基于數(shù)字圖像處理的對焦評價函數(shù)基礎(chǔ)上，針對基于邊緣檢測算法的對焦評價函數(shù)做了驗證性實驗，結(jié)果表明對于不同的評價目標，對焦函數(shù)的性能的精度和速度也不盡相同。測距自動對焦主要有紅外線測距法和超聲波測距法 ，兩者 利用主動發(fā)射光波或聲波進行測距的，稱之為主動式自動對焦 。 隨著自動對焦技術(shù)理論研究的不斷完善和 CCD 技術(shù)的迅速發(fā)展，目前則更多關(guān)注面向高精度的直接自動對焦系統(tǒng)在實際中的應(yīng)用，利用 CCD用于工業(yè)圖像監(jiān)控也越來越廣泛。 2 自動對焦系統(tǒng)設(shè)計 4 自動對焦的基本原理和方法 自動對焦是利用物體光反射的原理，將反射的光被相機上的傳感器 CCD 接收 ，通過計算機 對圖像成像質(zhì)量進行分析 處理，帶動電動對焦裝置進行對焦的方式叫自動對焦 。 西安工業(yè)大學畢業(yè)設(shè)計（論文） 5 相位法是通過檢測像的偏移量實現(xiàn)自動對焦的。根據(jù)幾何光學的原理可以找到彌散斑大小與鏡頭成像參數(shù)之間的關(guān)系 ，從而計算出最佳成像位置。 自動對焦系統(tǒng)結(jié)構(gòu) 自動對焦系統(tǒng)是通過圖像采集卡采集到圖像序列，送入計算機中，然后對圖像進行成像質(zhì)量分析，得到系統(tǒng)當前的對焦狀態(tài)進行判斷，通過驅(qū)動機構(gòu)調(diào)整成像系統(tǒng)鏡頭的焦距，從而實現(xiàn)準確對焦。 在成像過程中，噪聲的干擾是必然存在的，噪聲影響了采集圖像的空間頻率分布，噪聲同離焦一樣造成圖像細節(jié)信息的退化丟失，合理的濾波器設(shè)計可以減少噪聲給對焦帶來的影響。 這兩種濾波方法對 圖片 （圖 所示）添加高斯噪聲和椒鹽噪聲 （如圖 、 所示） 后處理結(jié)果進行比較，下面給出了兩種濾波方法對兩種噪聲的濾波效果， 如圖 、 、 、 。由于通常觀測者都把感興趣的目標放在圖像的中央位置，因此以中央?yún)^(qū)域內(nèi)的圖像達到最清晰作為對焦判斷的依據(jù)較為合理，它可以適應(yīng)大部分場合需求，但是對主體景物成像大小不具有自適應(yīng)能力，在主體景物偏離中心時性能嚴重下降。 中央?yún)^(qū)域選擇、多區(qū)域選擇和非均勻提取這些對焦窗口選擇方案沒有考慮到圖像中主成像目標和背景的復(fù)雜性 ，用單一的固定方式解決復(fù)雜多樣的問題，因而無法取得理想的效果。 在本文的研究中，由于可以人為控制成像主體的位置，同時中央選擇法也比較簡單，因此我們選用中央選擇法來取窗。 (2)單峰性：對焦函數(shù)曲線形狀應(yīng)呈現(xiàn)單峰，即在全量程內(nèi)只有一個極值點，這樣就能夠反映離焦 極性，從而保證對焦過程的正確性，理論上不能出現(xiàn)其他局部極值。當成像不清晰時，邊緣點處灰度階躍性變小，不同灰度區(qū)域連成了一片，造成圖像模糊。一階微分算子對圖像輪廓等低頻量有較好的檢測效果，對含有大量高頻分量的圖像清晰度評價靈敏度就不高了。相比之下， Laplacian算子的靈敏度比較好。 因此， Fibonacci搜索算法在性能上往往并非最佳 。 均值灰度比較策略的對焦步驟是計算機讀入圖像并計算出評價函數(shù)值 ， 比 較評價函數(shù)值 x 與前面 4 個評價函數(shù)值均值 的大小 。 ,是論文理論問題的核心 ,直接關(guān) 系到對焦的精度 。 ，目前只是提出了，沒有做深入的實驗分析來驗證，這一點有待于后續(xù)的驗證。而當成像系統(tǒng)的外界干擾小，對焦速度要求較高時，可以選用單點灰度比較策略。178。 Fibonacci 搜索算法 Fibonacci搜索算法是一種通過縮小區(qū)間范圍搜索單峰曲線極點的方式?？梢钥闯觯ㄟ^求取一階導(dǎo)數(shù)局部最大值跟二階導(dǎo)數(shù)過零點是一 一對應(yīng)的，通過零點的像素即為邊緣像素。 美中不足的是， Sobel 算子并沒有將圖像的主體與背景嚴格地區(qū)分開來，換言之就是 Sobel 算子沒有基于圖像灰度進行處理，由于 Sobel 算子沒有嚴格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。對 于一幅圖像，圖像能量 E(I )和圖像熵 H(I )分別定義為： ??? yx yxIIE ),()( （ ） )],(l n[),()( yxIyxIIH yx ???? （ ） 由香農(nóng)信息理論，當 E(I )一定時， H(I ) 越大，則圖像越清晰。利用這種特點可以構(gòu)造分析圖像清晰度的對焦評價函數(shù)。 當目標和背景不處于同一個平面時此時目標和背景物 距是不相等的，無論觀察平面處于何種位置都不可能同時得到這多個物體所成的清晰的對焦圖像，將會出現(xiàn)當?shù)玫狡渲心承┪矬w所成的對焦狀態(tài)的清晰圖像時，同時得到其他物體所成的離焦狀態(tài)的模糊圖像。黃金分割點區(qū)域選擇如圖 ABCDO 11 圖 黃金分割點區(qū)域 西安工業(yè)大學畢業(yè)設(shè)計（論文） 14 非均勻提取的原理是從仿生學的角度出發(fā)，利用人眼視網(wǎng)膜中央凹區(qū)域和邊緣區(qū)域的感光細胞的不均勻性能和不均勻分布特點，對圖像 進行非均勻采樣從而使處理的數(shù)據(jù)量大為減少，同時又保證了主目標成像質(zhì)量最佳化。(x， y)的動態(tài)范圍為 [c， d]，則可用公式 ()實現(xiàn)變換： cab ayxfcdyxf ?? ??? ]),()[(),(39。而某些非線性濾波方法既能去除噪聲又能保護圖像邊緣，獲得較好的圖像處理效果。通過原理分析和對比， Fibonacci搜索法中 Fibonacci搜索算法需要在區(qū)間內(nèi)大距離調(diào)整鏡頭位置，并且要變換移動方向，這將會增加對焦消耗時間；評價函數(shù)曲線深度離焦部分比較平坦，曲線擬合收斂性較差，對焦點估計誤差較大；爬山算法相對簡單，使用這種方法可以迅速移動到清晰成像位置， 但是這種方法對評價函數(shù)曲線要求很高，評價函數(shù)值必須在整個測量范圍中保持平滑；改進的爬山算法在精能 上就有了很大提高，對于評價函數(shù)曲線要求也不嚴，但是同時速度變慢。 ，對焦判斷更加靈活和多樣 .由于計算機處理圖像的靈活性，可以針對不同的使用要求，選擇不同的判據(jù)進行對焦。 (1)離焦深度法 離焦深度法簡稱 DFD(Depth from Defocus)，是一種從離焦圖像中取得深 度信息從而完成自動對焦的方法。數(shù)碼相機上分別裝有超聲波的發(fā)射和接收裝置，工作時由超聲振動發(fā)生器發(fā)出持續(xù)超聲波，超聲波到達被攝體后，立即返回被接收器感知，然后由集成電路根據(jù)超聲波的往返時間來計算確定對焦距離。 （ 2）在第二章中，介紹了本文的大體構(gòu)架，以及內(nèi)容簡介。對于具高頻信息的圖像，