一種攝像頭自動聚焦方法及硬件實現
傳統的自動聚焦可分為主動式自動聚焦和被動式自動聚焦兩類。主動式自動聚焦是利用發射紅外線或超聲波來度量被攝物的距離,自動聚焦系統根據所獲得的距離資料驅動鏡頭調節像距,從而完成自動聚焦;被動式自動聚焦是通過接受來自被攝物的光線,以電子視測或相位差檢測的方式完成自動聚焦。
隨著計算機技術的發展和數字圖像處理理論的日益成熟,自動聚焦技術進入一個新的數字時代,越來越多的自動聚焦算法基于圖像處理理論,改變以往用測量相機與被攝物體之間的距離來進行聚焦的方法。傳統的方法不僅使系統龐大笨重,而且有時還不準確。數字圖像處理理論認為,圖像聚焦程度(即圖像是否清晰)主要由光強分布中高頻分量的多少決定。高頻分量少則圖像模糊,高頻分量豐富則圖像清晰,在空域表現為圖像的對比度變化明顯[1]。本文就是利用這一特點,提出了一種改進的灰度差分法作為圖像清晰度評價函數實現自動聚焦系統的方法。實驗表明,該系統成本低、聚焦速度快,且效果良好、應用范圍廣泛。
1 圖像清晰度評價函數
理想的圖像清晰度評價函數應該具有以下特性[2]:(1)無偏性,即只有在聚焦處評價函數才取極值;(2)單峰性,即評價函數只有一個極值點;(3)高信噪比,即在較高的干擾條件下,保證系統能夠正確檢測到離焦信號;(4)計算量小,即能通過較少的計算,快速得出評價函數的結果。
1.1 傳統的圖像清晰度評價函數
傳統的評價函數分為以下幾類:
(1)灰度變化函數。聚焦圖像比離焦圖像包含更多的灰度變化,這樣圖像灰度值的變化可以作為評價函數。
(2)梯度函數。在圖像處理中,圖像梯度可以用來進行邊緣提取。離焦量越小,圖像邊緣越鋒利,應該具有很大的圖像梯度值。因此,圖像的梯度變化也可以作為評價函數。 (3)圖像灰度熵函數。聚焦圖像的信息熵要大于離焦圖像的信息熵。因此,圖像的灰度熵也可以作為評價函數。
(4)頻域類函數。這類函數主要基于傅里葉變換,傅里葉變換的高頻分量對應著圖像邊緣,而聚焦圖像總是具有鋒利的邊緣,即包含著更多的高頻分量,這樣可以根據圖像傅里葉變換后高頻分量含量的多少作為評價函數。
1.2 改進的圖像清晰度評價函數
常用的聚焦評價函數有以下幾種方法:高頻分量法、平滑法、閾值積分法、灰度差分法、拉普拉斯像能函數等。這里主要介紹灰度差分法。灰度差分法[3]是一種形式簡單但很有效的聚焦評價函數,它利用圖像的相鄰像素差的絕對值之和作為聚焦評價函數,即:
當圖像聚焦清晰時,F(x,y)最大。
但是,對于亮度變化比較均勻的圖像,灰度差分法計算所得的數據值之間差異較小,經常出現不符合單調要求的點,其聚焦效果不好,不能明顯反應出鏡頭在不同位置上獲得的圖像質量。因此,本文提出了一種改進的方法作為圖像的清晰度評價函數,即將一場圖像所有像素的亮度值與周圍相近像素的亮度值差的平方和作為圖像的聚焦評價函數,計算相鄰同場圖像評價函數的值,根據比較結果由單片機控制步進電機的轉動方向和步數,從而實現自動聚焦。實驗表明,該方法很好地解決了灰度差分法經常出現不單調的缺點,聚焦效果良好。改進的聚焦評價函數如下:
其中:f(x,y)表示為第x行、第y列像素的亮度值。本算法選取了鄰近的兩個像素作比較(像素分別是f(x,y)像素的左側和上側),與灰度差分法相比,有著更好的單峰、單調和對稱性。
2 自動聚焦系統的組成和原理
本系統主要由CCD攝像機、帶步進電機的光學鏡頭、FPGA和單片機控制電路組成。CCD攝像機采用SONY公司推出的 SONY47W CCD 套件,該套件支持的最高分辨率為752×582并支持ITU-REC656 YUV數字信號輸出。系統整體框圖如圖1所示。
系統上電復位后,DSP接收CCD圖像傳感器輸出的模擬視頻信號,并對該信號進行A/D轉換、白平衡和亮度/色度等處理后,轉換成YUV數字信號輸出。在行、場及像素時鐘信號的控制下,把亮度信號(Y)輸入到FPGA中,FPGA統計相鄰兩場圖像的亮度信號,并按照本系統提出的圖像清晰度評價函數對圖像進行分析、比較,并把比較結果輸入到單片機中。單片機根據比較結果,通過步進電機的轉動方向和步數來控制光學鏡頭,從而實現自動聚焦。
在自動聚焦系統中,搜索策略通常采用盲人爬山比較法[4]。首先取得起始位置的圖像,并計算出此時的評價函數值;然后,讓步進電機驅動鏡頭從起始位置向上移動一步,將此時的圖像與前者比較。若比前者的聚集評價函數值大,就繼續向上移動調焦鏡頭;如此循環,直至圖像的聚焦評價函數值小于前一位置,則前一位置就是圖像最清晰的位置,聚焦結束。該算法簡單,但在實際應用中,由于圖像采樣、量化及傳輸過程中各種干擾引起的圖像噪音影響,經常會出現誤判。因此,本文采用了一種改進的盲人爬山比較法,稱為“三點”比較法。該方法在確定鏡頭位置時,不是僅根據前后2 次聚焦評價值的大小來確定,而是用3 個點大小的變化確定曲線的方向,最終確定鏡頭位置。為了敘述清楚,用f1、f2、f3分別表示鏡頭在不同位置時的聚焦評價函數的值,這里只分析f1>f2時可能出現的情況(當f1f2時,先不進行判斷,而是把結果保存起來,讓步進電機繼續驅動鏡頭向原方向移動到位置f3;如果f2>f3,則可以確定聚焦曲線是下降方向,此時,讓步進電機驅動鏡頭到f1位置;如果f2f3,則認為出現“錯誤”點,不做判斷,讓鏡頭再向前運動到f4,再對f2、f3、f4進行三點判別,得到正確的聚焦位置;如果f2
3 實驗數據分析
為證實所提出的評價函數的有效性,對該系統進行了大量實驗,并與灰度差分法所獲得圖像進行比較。圖2、圖3是以簡單的文本圖像為例,在聚焦點附近算法改進前后各測得的20組聚焦值并據此繪制的聚焦評價函數曲線。圖4、圖5分別是算法改進前后,采用本系統所拍攝的聚焦圖像。
可以看出,改進算法后在聚焦點附近曲線尖銳,與相鄰兩個聚焦位置的亮度差更大,并且有著更好的單調性。實驗表明,在同樣的搜索策略下,改進后的算法比改進前更能適用于多種畫面,尤其是亮度比較均勻的圖像,有著更高的精確性。
本文提出了一種基于數字圖像處理的自動聚焦方法,并應用該原理設計了一種攝像頭自動聚焦系統。實驗結果表明,該系統調焦機構簡單,聚焦速度較快,易于硬件實現。

提交
超越傳統直覺,MATLAB/Simulink助力重型機械的智能化轉型
新大陸自動識別精彩亮相2024華南國際工業博覽會
派拓網絡被Forrester評為XDR領域領導者
智能工控,存儲強基 | 海康威視帶來精彩主題演講
展會|Lubeworks路博流體供料系統精彩亮相AMTS展會