基于数字图像处理自动对焦算法比较与分析.doc

基于数字图像处理自动对焦算法比较与分析 　　摘要：自动对焦技术是保障光电成像系统能够准确获得高清晰度图像的关键技术。随着计算机技术与微电子技术的发展，基于数字图像处理的自动对焦技术逐渐显出自身优势，具有较高的研究价值与广阔的发展空间。自动对焦技术的核心是对焦算法（即清晰度评价函数）。该文利用软件搭建数字图像处理平台，着重研究现已经推广的13种对焦算法，通过有效的算法评价标准分析算法的表现情况，进而总结出适用于不同场合的最佳对焦算法，为算法的使用者提供实用的指导。同时，算法评价标准的提出也为新算法的设计者提供参考，并为对焦程序的设计者提供了有效的解决方案。 　　关键词：自动对焦；数字图像处理；对焦算法；清晰度评价函数 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2013）35-8060-05 　　光电成像系统是集光、机、电一体化的图像信息获取工具，已广泛运用于工业、农业、制造业等领域，光电成像系统的对焦性能决定着成像系统能否拍摄到清晰的待测物体，因此是人们着重关注的焦点之一。在基于数字图像处理的自动对焦技术中，对焦算法尤为重要。良好的对焦算法可以让光学系统在最短的时间内获得最佳的对焦位置，并使光学系统在对焦过程中不易受噪声干扰。以往文献所提出的最佳算法大多仅在特定的成像系统、拍摄环境或拍摄对象中才能表现突出，算法的选择方案具有局限性。如果可以综合地分析各种对焦算法，用科学有效的算法评价标准分析算法的优缺点，总结出选择方法，这样既能为不同条件的光学系统提供具有针对性的最佳算法和有效的解决方案，又能为新算法的设计提供参考。 　　1 对焦算法 　　目前对焦算法主要可分为：频域函数、统计学函数、信息学函数、直观评价函数几类[1]。 　　1）空域函数：空域函数的依据为：一副图像是否聚焦主要反映在空域上是图像的边缘及细节是否清晰，而图像的边缘及细节信息可以通过对图像进行微分来获取，图像经其处理后所得到的量值能够反映图像的清晰度，因此可以利用这些信息作为聚焦的判据。这种通过使用微分、梯度等数学函数为工具以提取图像边缘信息的函数也称为梯度函数。主要有阈值绝对梯度函数、平方梯度函数、Brenner梯度函数、Tenengrad梯度函数和标准化Laplace和函数。 　　2）频域函数：频域函数是以傅里叶光学理论为基础的对焦函数。高清晰度图像的主要是具有清晰的边缘和丰富的图像细节，其与图像的傅里叶变换后的高频分量相关联。离焦图像越模糊，图像在频域领域内的高频部分的衰减就越严重。因此可以将图像的高频分量信息作为评判对焦情况的依据。频域函数中具有代表性的算法是高频分量法。 　　3）统计学函数：因对焦的图像包含了清晰的图像信息，对焦图像的灰度值分布比前离焦图像的灰度值分布者更丰富。基于统计学的对焦函数通过分析图像的灰度值变化情况来区分已对焦的图像与未对焦的图像。此类算法的信噪比往往比基于梯度的对焦函数高。统计学函数包括变化率函数、标准化变化率函数、Vollath自相关函数、基于梯度的标准相关函数。 　　4）信息学函数：对焦图像与离焦图像相比其灰度值更加丰富，即它们所含的信息量或熵不同。图像越趋于离焦时图像越模糊，所含信息量越少。故可以利用图像的信息熵作为自动调焦的评价函数，即信息学函数。此类算法主要利用直方图函数h（i）（图像中灰度值为i的像素的个数）来分析图像的亮度与频率分布。[3] 信息学函数包括Range 函数和熵函数。 　　5）直观评价函数：直观评价函数在使用时需要事先给定一个阈值，通过统计像素灰度值低于或高于该阈值的像素个数直观反映图像的对焦情况，此类函数阈值的设定没有固定标准，在不同成像条件下的合适阈值也不相同。直观评价函数包括内容阈值函数和图像能量函数。 　　2 评价对焦算法的标准 　　评价函数应具有以下几个特性：无偏性、单峰性、高灵敏度、较高信噪比、函数复杂程度相对简单。对于对焦函数的评价，可参考准确度、抗噪声能力、灵敏度、时间四个不同角度的标准，各标准的作用如下： 　　1） 准确度 （Accuracy）。此标准显示出最佳对焦位置与对焦函数曲线中最大值之间的差距。在向函数输入图像时，图像的顺序都是按着从对焦逐到离焦排序，在软件中其初始位置为0，因此最大值所对应的图片与第一张图片越接近，即差值越小，说明对焦函数越准确。 　　2） 抗噪声能力（ Anti-noise）。抗噪声能力需要同时考虑局部最大值个数与噪声等级，且前者为主要的参考依据，当局部最大值个数相同时，则比较噪声等级的大小。 　　3） 灵敏度 （Sensitivity）。灵敏度是图像数值最大值与最小值之比。 　　4） 时间（ Time）。在自动对焦系统中芯片的运算能力如果较差，可考虑排除平均耗时最长的函数。在软件平台上实