【正文】 。如果建立一套好的自動對焦系統(tǒng)，需要有一套擁有雙遠心光路的小景深鏡頭。3. 分別介紹了測距方法中的像偏移法、焦點檢測方法中的反差檢測法，重點介紹了半數(shù)字式自動對焦中的基于數(shù)字圖像處理方法。其中，探討了基于頻域處理的小波變換評價函數(shù)和離散余弦函數(shù)評價函數(shù)，最后，再介紹了基于信息熵的評價方法。但上述各方法都有一定缺陷。4. 考慮到一些清晰度評價函數(shù)會出現(xiàn)效率低、易受背景光影響、易受噪聲影響等等問題，由此分別詳細分析了Sobel、Robert、Prewitt以及Canny這四種邊緣檢測算子的原理，提出先將圖像進行邊緣檢測的處理得出比較可靠地邊緣數(shù)據(jù)，去除了一些干擾，再進行下一步處理。5. 基于統(tǒng)計學上的標準差理論，結(jié)合數(shù)字圖像處理中的像素灰度值，總結(jié)得出可以用像素的灰度標準差代表圖像像素值的離散程度，從而作為圖像清晰度的評價標準。再用自己制作的軟件，得出了在同一組由模糊到清晰對焦的組圖下，分別計算基于Sobel算子、Robert算子、Prewitt算子和Canny算子的灰度標準差值，得出的結(jié)論是Robert算子在整體處理速度和低噪聲環(huán)境下處理精確度相比其他算子很有優(yōu)勢，不過比較容易受噪聲影響?？紤]到一套成熟的自動對焦系統(tǒng)，要有充分的穩(wěn)定性，本文得出的結(jié)論是先使用Sobel算子或Prewitt算子處理圖片，得出圖像的邊緣，再計算其圖像的灰度標準差，若灰度標準差的數(shù)值大，則代表圖像對焦清晰；若灰度標準差的數(shù)值小，則代表圖像對焦模糊。6. 綜合上述的所有研究結(jié)論，本文總結(jié)的自動對焦方法是：利用自動系統(tǒng)使調(diào)節(jié)鏡頭系統(tǒng)的參數(shù)，同時相機用足夠快的速度采集圖像，在處理模塊中先進行邊緣算子的邊緣檢測處理，再計算圖像的灰度標準差值。所以，在整個鏡頭系統(tǒng)參數(shù)調(diào)節(jié)的過程中，灰度標準差將會隨著圖像的清晰度變化而不斷變化，當圖像逐漸變清晰，灰度標準差的值將會不斷增加；而當灰度標準差的值呈下降趨勢時，代表圖像逐漸變模糊。此時，可以通過計算得出灰度標準差值數(shù)組中的最大值，從而得出圖像的序號。因為自動調(diào)焦系統(tǒng)是按一定規(guī)律去調(diào)節(jié)鏡頭參數(shù)的，所以可以由圖像的序號求出該圖像所對應的一套鏡頭參數(shù)，然后由自動系統(tǒng)按照這套參數(shù)去重新調(diào)焦，系統(tǒng)即可采集到對焦最清晰的圖像。隨著光電機一體化技術、數(shù)字圖像處理技術等等技術研究的發(fā)展和提高，以后自動對焦技術一定會向高效、通用、簡便的方向發(fā)展。相信隨著國家對科學發(fā)展的投入加大、國內(nèi)研究對自動對焦技術的關注加深，以及社會各界的努力，我國的自動對焦技術一定會取得偉大的成就。參考文獻[1]李林. 應用光學[M]. 北京：北京理工大學出版社，2010[2]劉鈞，高明. 光學設計[M]. 西安：西安電子科技大學出版社，2006[3]陳天華. 數(shù)字圖像處理[M]. 北京：清華大學出版社，2007[4]阮秋琦. 數(shù)字圖像處理學[M]. 北京：電子工業(yè)出版社，2001[5]張錚，薛桂香，顧澤蒼. 數(shù)字圖像處理與機器視覺[M]. 北京：人民郵電出版社，2010[6]郝志峰，謝國瑞，汪國強. 概率論與數(shù)理統(tǒng)計[M]. 北京：高等教育出版社，2009[7]Carsten Steger，Markus Ulrich，Christian Wiedemann，楊少榮. Machine Vision Algorithms and Applications[M]. 北京：清華大學出版社，2008[8]李奇. 數(shù)字自動對焦技術的理論及實現(xiàn)方法研究[D]. 浙江：浙江大學，2004[9]王虎. 自動對焦原理及方法[D]. 青島：中國海洋大學，2008[10]蔣婷. 基于圖像處理的自動對焦理論和技術研究[D]. 武漢：武漢理工大學，2008致謝首先，衷心感謝一直指導我撰寫畢業(yè)論文的雷亮老師！從選題到開題報告，再到論文大綱和實驗，甚至是論文撰寫過程中的每一個細節(jié)，雷老師由始至終都以其嚴謹?shù)闹螌W態(tài)度、精益求精的工作精神，耐心仔細地指導我整個畢業(yè)論文的撰寫工作。在整個撰寫的過程中，雷老師不僅向我傳授了豐富的理論知識，而且不斷提醒我除了學習新的知識以外，還應該不斷鞏固基礎，溫故而知新。同時，雷老師還引導我掌握科學的人生觀和世界觀，讓我感悟到大學精神所在，使我在大學生活的最后這段時間受益匪淺。大學畢業(yè)設計以及論文撰寫，這是一名大學生在大學階段最后一次考核和學習。感謝學校各位領導和老師組織開展這項工作，這既是一次全面而深入的考核，讓我們重新鞏固所學的知識，又是一次寶貴的學習機會，將理論知識結(jié)合自己的思想，再應用到實踐中去，做到學以致用?？偨Y(jié)我的畢業(yè)論文工作，在一定程度上，讓我反省了這四年學習生涯的所得所失，讓我感悟到實事求是、踏實學習、踏實工作、踏實做人的重要性，積累了不少人生經(jīng)驗，為之后步入社會工作打下堅實的基礎。最后，再次衷心感謝各位領導、指導老師以及同學的關心和幫助！附錄A 關鍵程序源代碼void MyHalconCtrl::Sobel(Hobject hoImage,Hobject* hoImageSobel,Hobject* hoROI,double* dMean,double* dDeviation){ HTuple htWidth,htHeight,Row1,Row2,Column1,Column2。 HTuple htMean,htDeviation。 Hobject ImageReduced。 Hobject ImageGray,ImageResult。 get_image_size(hoImage, amp。htWidth, amp。htHeight)。 rgb3_to_gray(hoImage, hoImage, hoImage, amp。ImageGray)。 smallest_rectangle1(*hoROI,amp。Row1,amp。Column1,amp。Row2,amp。Column2)。 reduce_domain(ImageGray, *hoROI, amp。ImageReduced)。 paint_region(*hoROI, ImageGray, amp。ImageResult, 0, fill)。 sobel_amp(ImageReduced,hoImageSobel, sum_abs, 3)。 intensity(*hoROI, *hoImageSobel, amp。htMean, amp。htDeviation)。 paint_gray(*hoImageSobel, ImageResult, hoImageSobel)。 *dMean = htMean[0].D()。 *dDeviation = htDeviation[0].D()。 }void MyHalconCtrl::Roberts(Hobject hoImage,Hobject* hoImageRoberts,Hobject* hoROI,double* dMean,double* dDeviation){ HTuple htWidth,htHeight,Row1,Row2,Column1,Column2。 HTuple htMean,htDeviation。 Hobject ImageReduced。 Hobject ImageGray,ImageResult。 get_image_size(hoImage, amp。htWidth, amp。htHeight)。 rgb3_to_gray(hoImage, hoImage, hoImage, amp。ImageGray)。smallest_rectangle1(*hoROI,amp。Row1,amp。Column1,amp。Row2,amp。Column2)。 reduce_domain(ImageGray, *hoROI, amp。ImageReduced)。 paint_region(*hoROI,ImageGray,amp。ImageResult,0,fill)。 roberts(ImageReduced, hoImageRoberts, gradient_sum)。 intensity(*hoROI, *hoImageRoberts, amp。htMean, amp。htDeviation)。 paint_gray(*hoImageRoberts, ImageResult, hoImageRoberts)。 *dMean = htMean[0].D()。 *dDeviation = htDeviation[0].D()。}void MyHalconCtrl::Prewitt(Hobject hoImage,Hobject* hoImagePrewitt,Hobject* hoROI,double* dMean,double* dDeviation){ HTuple htWidth,htHeight,Row1,Row2,Column1,Column2。 HTuple htMean,htDeviation。 Hobject ImageReduced。 Hobject ImageGray,ImageResult。 get_image_size(hoImage, amp。htWidth, amp。htHeight)。 rgb3_to_gray(hoImage, hoImage, hoImage, amp。ImageGray)。 smallest_rectangle1(*hoROI,amp。Row1,amp。Column1,amp。Row2,amp。Column2)。 reduce_domain(ImageGray, *hoROI, amp。ImageReduced)。 paint_region(*hoROI,ImageGray,amp。ImageResult,0,fill)。 prewitt_amp(ImageReduced, hoImagePrewitt)。 intensity(*hoROI, *hoImagePrewitt, amp。htMean, amp。htDeviation)。 paint_gray(*hoImagePrewitt, ImageResult, hoImagePrewitt)。 *dMean = htMean[0].D()。 *dDeviation = htDeviation[0].D()。}Void MyHalconCtrl::Canny(Hobject hoImage,Hobject* hoImageCanny,Hobject* hoROI,double* dMean,double* dDeviation){ HTuple htWidth,htHeight,Row1,Row2,Column1,Column2。 HTuple htMean,htDeviation。 Hobject ImageReduced,ImaDir。 Hobject ImageGray,ImageResult。 get_image_size(hoImage, amp。htWidth, amp。htHeight)。 rgb3_to_gray(hoImage, hoImage, hoImage, amp。ImageGray)。smallest_rectangle1(*hoROI,amp。Row1,amp。Column1,amp。Row2,amp。Column2)。 reduce_domain(ImageGray, *hoROI, amp。ImageReduced)。 paint_region(*hoROI,ImageGray,amp。ImageResult,0,fill)。 edges_image(ImageReduced, hoImageCanny, amp。ImaDir, canny, , nms, 5, 20)。 intensity(*hoROI, *hoImageCanny, amp。htMean, amp。htDeviation)。 paint_gray(*hoImageCanny, ImageResult, hoImageCanny)。 *dMean = htMean[0].D()。 *dDeviation = htDeviation[0].D()。}