【文章內(nèi)容簡介】 電機(jī)等機(jī)械機(jī)構(gòu)獲取圖像的次數(shù)，所以速度較快，但是由于信息量少一些的緣故，精度會比對焦深度法低。 DFD 方法主要有兩類：一種是 sangKuKim 等人提出的基于圖像恢復(fù)的離焦深度法，它是根據(jù)圖像中的某些有代表性的信息近似地計算出成像系統(tǒng)的點擴(kuò)散函數(shù)，利用圖像退化模型，反演計算恢復(fù)出模糊圖像的原圖。另一種是基于離焦量估計的離焦深度法，通過獲取 23幅不同照相機(jī)參數(shù)下的圖像，對圖像的局部區(qū)域進(jìn)行處理和分析，從而確定其模糊程度 (彌散斑的大小 )。根據(jù)幾何光學(xué)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。這種方式目前還不成熟，主要原因是在實際應(yīng)用中成像系統(tǒng)的數(shù)學(xué)模型在理論上還不能精確的確定 (只 能近似的估計 )，導(dǎo)致誤差極大；且要求目標(biāo)圖像滿足某種要求，限制了應(yīng)用的范圍；不同的鏡頭相關(guān)數(shù)學(xué)模型不同，即使是同種型號相關(guān)參數(shù)也有一定出入，而這些都必須事先知道。這種方式目前還處于理論研究和實驗室應(yīng)用中，采用這種方式實際應(yīng)用的自動對焦系統(tǒng)未見報道。 (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。它通過一個評價函數(shù)對不同對焦位置所成的像的清晰度進(jìn)行評價，利用正確對焦位置清晰度值最大這個特征找到正確對焦位置，這種方法往往要搜索西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 6 1012 幅的圖像才能 夠精確地找到這個位置。這種方法的理論基礎(chǔ)在于認(rèn)為理想的自動對焦評價函數(shù)是單峰的，并且在峰值兩側(cè)都是分別單調(diào)的，這個峰值點就是對焦最清楚的位置。因此為了準(zhǔn)確的獲得對焦最清楚位置，必須要減少噪聲及局部極值的干擾，可以通過 Fibonacci 搜索法，爬山法及曲線擬合法等來實現(xiàn)尋找對焦最清晰點。 對焦深度法 DFF 充分利用了計算機(jī)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。由于圖像是一切成像系統(tǒng)的根本結(jié)果，因此該方法的適應(yīng)面最廣，任何成像系統(tǒng)均可以采用基于圖像清晰度評價的自動對焦方 式。另外，由于該方法的輸入是成像系統(tǒng)生成的圖像，不依賴于其他因素，因此干擾因素相對少，穩(wěn)定性相對好。 ，對焦判斷更加靈活和多樣 .由于計算機(jī)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(jìn)行對焦。例如，有時候我們所關(guān)心的目標(biāo)只是圖像的某一個局部，而不是整幅圖像的清晰程度。這時應(yīng)該針對圖像中的這一局部進(jìn)行處理和提取，用該局部的對比度作為對焦的根據(jù)。 。由于現(xiàn)代微電子技術(shù)的巨大進(jìn)步，這種方式在成本上可以不斷降低，芯片體積上不斷縮小以及性能上不斷提高。 因此，本文采用 對焦深度法來進(jìn)行本課題的研究。 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(jī)中，然后對圖像進(jìn)行成像質(zhì)量分析，得到系統(tǒng)當(dāng)前的對焦?fàn)顟B(tài)進(jìn)行判斷，通過驅(qū)動機(jī)構(gòu)調(diào)整成像系統(tǒng)鏡頭的焦距，從而實現(xiàn)準(zhǔn)確對焦。如圖 物 體 采 集 圖 片 圖 像 預(yù) 處 理選 擇 對 焦 窗 口 ， 計算 清 晰 度 評 價 值驅(qū) 動 控 制 鏡 頭 至 下 一 成 像位 置圖 像 是 否 清晰輸 出 圖 像YN 圖 自動對焦系統(tǒng)框圖 本文采用對焦深度法進(jìn)行本課題的研究。其中，對對焦影響的因素分析、選擇對焦窗口，計算清晰度評價函數(shù)以及判斷最清晰圖像時的鏡頭位置 是本文研究的重點內(nèi)容。 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(yán)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(jìn)行分析，并且盡量消除和避免這些影響。因此需要對西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 7 圖像進(jìn)行預(yù)處理，消除圖像噪聲 ，包括對圖像進(jìn)行濾波處理，以及灰度變換。 此外，圖像的對焦窗口選擇對于圖像的對焦精度和速度也有很大影響，窗口選擇過大，背景信息引入多，對焦速度慢，精度不高，而窗口選擇過小，又不能保證主體目標(biāo)完整；而且對焦窗口的位置，比如中央取窗還是多點取窗，也會對對焦精 度和速度有影響，因此在這部分需要做詳細(xì)的分析。 圖像的清晰度評價函數(shù)部分，介紹了幾種常用的方法，比如 熵函數(shù)圖像越清晰攜帶越多信息量，因此可以計算出一幅數(shù)字圖像的信息熵，然后將其用于評價該圖像的清晰度；還有梯度函數(shù)， 對焦良好的圖像，有更尖銳的邊緣的圖像，應(yīng)有更大的梯度函數(shù)值。在詳細(xì)介紹了各種常用方法及改進(jìn)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)。 判斷圖像最清晰時的鏡頭位置，即就是搜索清晰度評價函數(shù)的極點位置。常見的極點搜索算法有 Fibonacci搜索法、曲線擬合法和 “ 盲人 ” 爬山算法等。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(jìn)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(yán)，但是同時速度變慢。在實際使用中，我們應(yīng)該根據(jù)精度優(yōu)先還是速度優(yōu)先選擇更 合適的算法。 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(yùn)作的。 3 影響自動對焦及對焦函數(shù)性能的因素分析 8 3 影響自動對焦及對焦函數(shù)性能的因素分析 對焦評價函數(shù)對離焦圖像的靈敏度直接影響著自動對焦的精度。對焦評價函數(shù)的靈敏度不僅和函數(shù)本身有關(guān)，還和采集的圖片復(fù)雜度、對焦區(qū)域的選擇、成像目標(biāo)的特征等參量有關(guān)的問題。本章從圖像本身、對焦窗口的 選擇對焦的影響作出實驗研究，主要包括圖像的噪聲、光線影響和對焦窗口的劃分與選擇。 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(xì)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。此外光線的影響也會造成對焦函數(shù)的評價不夠準(zhǔn)確。對焦窗口的選擇對于對焦函數(shù)的精度、速度也有很大影響，這包括對焦窗口的大小、位置及區(qū)域規(guī)劃等。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。 噪聲影響分析 由于圖像在成像的過程中受到成像 器件和周圍環(huán)境的干擾，會引入各種各樣的噪聲，噪聲多多少少會損壞圖像的質(zhì)量，使圖像模糊，嚴(yán)重時甚至淹沒特征，給分析帶來一定的困難。因此我們需要消除圖像噪聲。 在理想的情況下，噪聲屬于高頻信號，因此在處理的過程中應(yīng)該采用低通濾波器。可是，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。因此，一個好的平滑濾波方法應(yīng)該是既要濾除圖像中不需要的噪聲信號，同時，也要保持圖像的邊緣信息，不使圖像邊緣輪廓和線條變模糊，讓圖像變得更有利于計算機(jī)處理。 在許多情況下， 線性濾波方法能夠有效的對被噪聲污染的圖像進(jìn)行復(fù)原，但多數(shù)的線性濾波器具有低通特性，在去除噪聲的同時也使圖像邊緣變模糊。而某些非線性濾波方法既能去除噪聲又能保護(hù)圖像邊緣，獲得較好的圖像處理效果。將常用的兩種濾波方法，鄰域平均法 (線性濾波 )和中值濾波法 (非線性濾波 )進(jìn)行分析比較，確定設(shè)計所用方法。 西安工業(yè)大學(xué)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 。 中值濾波法是一種非線性濾波，它能在消除噪聲的同時很好的保持圖像邊緣。中值濾波的原理是，把以某 一像素為中心的小窗口內(nèi)所有像素的灰度按從大到小排序，取排序結(jié)果的中間值作為該像素的灰度值。為操作方便，中值濾波通常取含奇數(shù)個像素的窗口。 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(jìn)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 、 、 、 。 圖 原始圖像 圖 添加椒鹽噪聲的圖像 圖 添加高斯噪聲的圖像 （ a） 3*3平滑濾波 （ b） 5*5平滑濾波 （ c） 7*7平滑濾波 （ d） 9*9平滑濾波 圖 對圖 （ b） 3*3平滑濾波 （ c） 5*5平滑濾波 （ d） 7*7平滑濾波 （ e） 9*9平滑濾波 圖 對圖 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 10 （ a） 3*3中值濾波 （ b） 5*5中 值濾波 （ c） 7*7中值濾波 （ d） 9*9中值濾波 圖 對圖 （ a） 3*3中值濾波 （ b） 5*5中值濾波 （ c） 7*7中值濾波 （ d） 9*9中值濾波 圖 對圖 比較可知對于噪聲干擾，中值濾波的效果要優(yōu)于鄰域平均法。對于噪聲，中值濾波法可以非常理想地把它濾除，達(dá)到十分好的濾波效果，鄰域平均法對椒鹽噪聲 的濾波效果不是很好，濾波后噪聲仍然保留下來，并且整幅圖像也變得模糊。同時通過比較可知，濾波時取得模板越大，效果越好。因此，在設(shè)計中，應(yīng)該先選擇中值濾波法 9*9 模板，對圖像進(jìn)行濾波處理。 光線影響分析 在曝光不足或過度的情況下，圖像灰度可能會局限在一個很小的范圍內(nèi)，這時顯示出來的圖像將是一個模糊不清，似乎沒有灰度層次的圖像，如圖 所示，而光線正常的情況下，圖像比較清晰，如圖 ；同時，光線不足或過度的圖像，對評價函數(shù)評價圖像時也有影響，如對圖 中的圖片進(jìn)行評價，結(jié)果如圖 所示。 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 11 圖 曝光過度的圖像 圖 光線正常的圖像 （ a） 對有光線影響的圖片進(jìn)行灰度值分析 (b) 對 光線正常 的圖片進(jìn)行灰度值分析 圖 不同光線下的圖像 灰度值分析 對圖 、 的圖像用清晰度評價函數(shù)進(jìn)行評價，所得結(jié)果如圖 所示 ： （ a） 兩幅 圖像清晰度評價函數(shù)值 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 12 1 1 . 1 1 . 2 1 . 3 1 . 4 1 . 5 1 . 6 1 . 7 1 . 8 1 . 9 20 . 40 . 50 . 60 . 70 . 80 . 91l e n s p o s i t i o nvaluel a p l a c i a n 算子做評價函數(shù) （ b）清晰度評價函數(shù) 圖 對圖 、 laplacian算子做清晰度評價 由圖可見，曝光不足或 過度的圖片對圖像的評價函數(shù)是有影響的。有必要對它的灰度值進(jìn)行修正以增強(qiáng)對比度，來減小對評價函數(shù)的影響。 常用的灰度變換有兩種：一種是全域線性變換；另一種是分段線性變換。 采用線性灰度變換實現(xiàn)起來簡單，假定原圖像 f(x， y)的灰度范圍為 [a， b]，希望變換后的圖像 f180。(x， y)的動態(tài)范圍為 [c， d]，則可用公式 ()實現(xiàn)變換： cab ayxfcdyxf ?? ??? ]),()[(),(39。 () 對焦窗口的選擇分析 對焦窗口是圖像的興趣區(qū)域，對焦是對興趣區(qū)域的對焦。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。選擇好了對焦窗口一方面可以減少數(shù)據(jù)處理量，加快對焦速度；另一方面可以消除非興趣區(qū)域?qū)υu價函數(shù)曲線的影響，提高對焦精確度。 對焦窗口的選擇方法 由于對圖像運(yùn)用對焦評價函數(shù)進(jìn)行的運(yùn)算基本上與圖像的像素成正比，為了達(dá)到實時性的要求，必須減少參加運(yùn)算的像素的數(shù)量。常見的選擇方案有： 西安工業(yè)大學(xué)畢業(yè)設(shè)計（論文） 13 即選擇圖像中央一個 M*N 個像素的小區(qū)域，其中 M和 N 為 2的整數(shù)次方，其取值范圍通常為 32≤ M， N≤ 256，這樣可以大幅度減少計算量。由于通常觀測者都把感興趣的目標(biāo)放在圖像的中央位置，因 此以中央?yún)^(qū)域內(nèi)的圖像達(dá)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(yán)重下降。 由于中心取窗不能適應(yīng)主體景物偏離中心的情況，因此可以采取多點取窗方式，它通常是對圖像進(jìn)行統(tǒng)計，給出一個最優(yōu)化的主體景物估計區(qū)域，然后取多個窗口作為對焦區(qū)域。多點取窗算法適應(yīng)了主體景物偏移的情況，提高了主體景物覆蓋成功率，但是是以增加計算量和引入更多背景圖像為代價的。同時，對大面積圖像運(yùn)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(fù)面的影響，導(dǎo)致圖像中的重要部分 (成像主目標(biāo) )無法準(zhǔn)確對焦。 常用的多點取窗區(qū)域選擇算法，有兩種