新疆師范大學(xué)自動(dòng)對(duì)焦算法仿真及結(jié)果分析案例目錄TOC\o"1-3"\h\u14602自動(dòng)對(duì)焦算法仿真及結(jié)果分析案例 146801.1matlab介紹 1110011.2本程序算法設(shè)計(jì) 1291451.3運(yùn)行結(jié)果及分析 51.1matlab介紹本程序設(shè)計(jì)運(yùn)用到了Matlab2016a版本，運(yùn)行該版本的Matlab只需要保證電腦內(nèi)存在4G以及以上就可以。本程序開(kāi)發(fā)主要運(yùn)用到了Matlab的視覺(jué)開(kāi)發(fā)包，視覺(jué)開(kāi)發(fā)包中有各類對(duì)于圖像進(jìn)行處理的算子，調(diào)用不同的算子可以實(shí)現(xiàn)不同的功能。本程序主要調(diào)用了圖像讀取、顯示、邊緣檢測(cè)、灰度化、去噪等算子。同時(shí)還用到了Matlab的GUIDE模塊，該模塊是界面開(kāi)發(fā)及數(shù)據(jù)可視化的工具。1.2本程序算法設(shè)計(jì)GUI界面是Matlab中可視化功能的一個(gè)重要實(shí)現(xiàn)方式，利用GUI界面功能能夠開(kāi)發(fā)出實(shí)用的圖像處理軟件，可以通過(guò)按鈕、下拉框、菜單欄響應(yīng)等形式實(shí)現(xiàn)不同的圖像處理功能。本文以MatlabR2016a為操作環(huán)境，對(duì)課題的圖像處理任務(wù)進(jìn)行了GUI編程，開(kāi)發(fā)出了相關(guān)的圖像處理軟件，具體的編程過(guò)程如下：點(diǎn)擊主頁(yè)-新建-應(yīng)用程序-GUIDE選項(xiàng)，進(jìn)入GUI新建界面，根據(jù)圖像處理需要對(duì)GUI文件進(jìn)行命名和位置保存，選擇相應(yīng)的GUIDE模板，進(jìn)入GUIDE編輯模式。圖3-1新建GUIDE文件選擇界面進(jìn)入GUIDE編輯界面后可以看到，編輯界面的左側(cè)為控件選擇區(qū)域，可以根據(jù)相關(guān)的圖像處理任務(wù)選擇合適的控件進(jìn)行布局，GUIDE提供了豐富的控件供用戶選擇。用戶選擇控件后拖拽至右邊的空白編輯界面，利用拖拽、縮放等形式對(duì)控件的大小位置進(jìn)行調(diào)整，調(diào)整好位置后進(jìn)行控件的屬性調(diào)整?？丶膶傩灾饕{(diào)節(jié)控件的文字大小，文字顏色信息等。調(diào)節(jié)好后即可進(jìn)行后續(xù)的代碼編程。GUIDE編輯界面如下：圖3-2GUI主窗口根據(jù)課題圖像處理任務(wù)需要，在GUI編輯界面中加入圖像顯示軸，按鈕，文本檔案，可編輯文本框，結(jié)果如下：圖33界面設(shè)計(jì)雙擊相關(guān)的控件可進(jìn)入控件的屬性編輯界面，對(duì)相關(guān)的屬性進(jìn)行編輯，可以完成控件的定制化：圖3-4控件參數(shù)編輯界面選擇相關(guān)控件的callback功能，即可進(jìn)入控件響應(yīng)程序的編輯界面。圖1.5函數(shù)編輯界面圖3-6運(yùn)行效果圖像1.3運(yùn)行結(jié)果及分析點(diǎn)擊讀取視頻按鈕，可以完成視頻圖像的讀取，核心代碼如下：[filename,pathname]=uigetfile({'*.*'},'選擇視頻');obj=VideoReader(filename);%讀取視頻文件numFrames=obj.NumberOfFrames;%視頻總的幀數(shù)numFrames=50;fory=1:numFramesframe=read(obj,y);imwrite(frame,strcat('.\原始圖像\',num2str(y),'.jpg'),'jpg');set(handles.axes5,'HandleVisibility','ON');%打開(kāi)坐標(biāo)，方便操作axes(handles.axes5);%%使用圖像，操作在坐標(biāo)1imshow(frame);%顯示每一幀圖片pause(0.01);endmsgbox('視頻讀取完成','結(jié)果');程序中，uigetfile()用來(lái)選擇視頻文件，函數(shù)返回視頻的文件名稱以及路徑名稱，VideoReader()可以讀取視頻的信息，返回視頻結(jié)構(gòu)體，視頻結(jié)構(gòu)體中讀取視頻的幀數(shù)信息，通過(guò)for循環(huán)讀取每一幀視頻并顯示視頻圖像到坐標(biāo)軸上，完成視頻的讀取功能。結(jié)果如下：圖1.7視頻讀取結(jié)果點(diǎn)擊聚焦函數(shù)，可以選擇不同的聚焦函數(shù)進(jìn)行對(duì)焦，點(diǎn)擊自動(dòng)調(diào)焦按鈕，則可以完成調(diào)焦過(guò)程。邊緣強(qiáng)度聚焦函數(shù)核心代碼如下：functionoutval=edge_intensity(img)ifnargin==1BW1_R=edge(img,'sobel');%圖像邊緣檢測(cè)[m,n]=size(BW1_R);%圖像尺寸edgesum=sum(sum(BW1_R));%圖像像素總數(shù)outval=edgesum/(m*n)*100;%圖像邊緣強(qiáng)度elseerror('Wrongnumberofinput!');end利用sum函數(shù)統(tǒng)計(jì)圖像中的所有白色像素點(diǎn)個(gè)數(shù)，通過(guò)白色像素點(diǎn)個(gè)數(shù)占比計(jì)算出圖像邊緣強(qiáng)度。選擇邊緣強(qiáng)度下拉框，利用邊緣強(qiáng)度聚焦函數(shù)實(shí)現(xiàn)自動(dòng)對(duì)焦，效果如下圖所示。從圖像中可以看出，最清晰視頻幀在131幀，清晰度曲線變化較為明顯，早期的聚焦圖像較為模糊，清晰度曲線較低，隨著圖像逐漸清晰，圖像邊緣梯度變化較大，中間清晰部分的清晰度都較高，最終的聚焦圖像能量梯度為10.24。圖1.8邊緣強(qiáng)度聚焦結(jié)果選擇平均梯度下拉框，對(duì)圖像進(jìn)行聚焦，核心代碼如下：functionoutval=avg_gradient(img)ifnargin==1img=double(img);%Getthesizeofimg[r,c,b]=size(img);dx=1;dy=1;fork=1:bband=img(:,:,k);[dzdx,dzdy]=gradient(band,dx,dy);s=sqrt((dzdx.^2+dzdy.^2)./2);g(k)=sum(sum(s))/((r-1)*(c-1));endoutval=mean(g);elseerror('Wrongnumberofinput!');end程序中首先讀取圖像對(duì)圖像進(jìn)行數(shù)據(jù)轉(zhuǎn)換，然后利用size函數(shù)計(jì)算圖像的尺寸，根據(jù)尺寸對(duì)圖像進(jìn)行邊緣梯度檢測(cè)，檢測(cè)完后統(tǒng)計(jì)圖像的總梯度值以及圖像尺寸值，計(jì)算平均梯度。效果如下圖所示。從圖像中可以看出，圖像的聚焦前后清晰度波動(dòng)幅度都較大，圖像在157幀時(shí)聚焦圖像最為清晰，聚焦圖像的能量梯度為11.55。圖1.9平均梯度聚焦視頻在157幀時(shí)獲得最清晰圖像，聚焦結(jié)果能量梯度為11.55。選擇Brenner梯度函數(shù)對(duì)圖像進(jìn)行聚焦，核心代碼如下：functionG=figure_definition(X)%X=imread('SIDWTwithHaar.bmp');%X=X(1:128,1:128);%X=image2;X=double(X);%%%%%%%%[s,t]=size(X);n=s*t;m=1;fori=1:(s-1)forj=1:(t-1)x=X(i,j)-X(i,j+1);y=X(i,j)-X(i+1,j);z(m,1)=sqrt((x.^2+y.^2)/2);m=m+1;endendG=sum(z)/n;程序中讀取圖像后計(jì)算圖像的尺寸，然后從水平方向和垂直方向遍歷圖像，計(jì)算圖像的相鄰兩鄰域像素點(diǎn)的梯度值，統(tǒng)計(jì)出Brenner梯度。結(jié)果如下圖所示圖3-10Brenner梯度聚焦選擇信息熵對(duì)圖像進(jìn)行聚焦，核心代碼如下：functionS=shannon(img)I=img;%I=double(I);[C,R]=size(I);%求圖像的規(guī)格Img_size=C*R;%圖像像素點(diǎn)的總個(gè)數(shù)L=256;%圖像的灰度級(jí)H_img=0;nk=zeros(L,1);fori=1:Cforj=1:RImg_level=I(i,j)+1;%獲取圖像的灰度級(jí)nk(Img_level)=nk(Img_level)+1;%統(tǒng)計(jì)每個(gè)灰度級(jí)像素的點(diǎn)數(shù)endendfork=1:LPs(k)=nk(k)/Img_size;%計(jì)算每一個(gè)灰度級(jí)像素點(diǎn)所占的概率ifPs(k)~=0;%去掉概率為0的像素點(diǎn)H_img=-Ps(k)*log2(Ps(k))+H_img;%求熵值的公式S=H_img;endend程序中算法首先讀取原始圖像的尺寸信息，統(tǒng)計(jì)像素點(diǎn)總數(shù)以及灰度級(jí)數(shù)，然后計(jì)算每個(gè)灰度級(jí)數(shù)的點(diǎn)數(shù)，計(jì)算每個(gè)灰度級(jí)點(diǎn)數(shù)的概率值，最后根據(jù)熵公式計(jì)算出熵值。結(jié)果如下圖所示。從圖像中可以看出，圖像前期的清晰度與圖像聚焦時(shí)的清晰度曲線差值較小，說(shuō)明前期圖像中的熵與聚焦清晰的圖像熵之間變化并不大，程序在156幀時(shí)取得聚焦圖像，聚焦結(jié)果能量梯度為10.55。圖1.11信息熵聚焦選擇灰度方差對(duì)圖像進(jìn)行聚焦，核心代碼如下：function[img_mean,img_var]=variance(img)img=double(img);[rc]=size(img);img_mean=mean(mean(img));img_var=sum(sum((img-img_mean).^2))/(r*c);end公式中首先讀取原始圖像，對(duì)圖像尺寸進(jìn)行計(jì)算，然后計(jì)算圖像灰度值的均值，利用每個(gè)像素點(diǎn)對(duì)均值相減后平方，統(tǒng)計(jì)所有值得到最終的灰度方差。結(jié)果如下圖所示。從圖像中可以看出，圖像聚焦結(jié)果前清晰度曲線變換不是很明顯，聚焦之后的清晰度曲線驟降，分析原因?yàn)榍捌趫D像雖然模糊，但是模糊花瓣與背景部分的灰度值差值變化不大，所以灰度方差變化也不是很大。由于后期視頻圖像變換到遠(yuǎn)距離背景處，其灰度方差較為相似，所以方差結(jié)果較小，出現(xiàn)驟降的結(jié)果。最清晰圖像出現(xiàn)在133幀，聚焦結(jié)果能量梯度為11.24。圖1.12灰度方差聚焦從圖像聚焦結(jié)果可以看出，邊緣強(qiáng)度，Brenner梯度以及平均梯度的聚焦曲線都比較類似，其聚焦結(jié)果能量梯度分別為11.55，10.24，11.55。原因是因