第I頁自動(dòng)對(duì)焦算法的設(shè)計(jì)及實(shí)驗(yàn)探究報(bào)告目錄TOC\o"1-3"\h\u258031.1課題研究背景和意義 280731.2國(guó)內(nèi)外研究現(xiàn)狀 2116261.3目前對(duì)焦技術(shù)存在的問題 3226981.4研究?jī)?nèi)容和組織框架 3273172自動(dòng)對(duì)焦計(jì)技術(shù)原理 44842.1自動(dòng)對(duì)焦技術(shù)原理 4313172.2常用的自動(dòng)對(duì)焦方法 495282.2.1測(cè)距自動(dòng)對(duì)焦 4157062.2.2聚焦檢測(cè)自動(dòng)對(duì)焦 5272012.3圖像預(yù)處理 511782.3.1圖像灰度化 639912.3.2圖像去噪 7268732.4對(duì)焦算法 852362.4.1邊緣強(qiáng)度 8140942.4.2平均梯度 9154422.4.3Brenner梯度法 1042812.4.4信息熵 1093702.4.5灰度方差(SMD) 10155302.5自動(dòng)對(duì)焦算法的步驟 1093663算法仿真及結(jié)果分析 1268913.1matlab介紹 12128793.2本程序算法設(shè)計(jì) 12120093.3運(yùn)行結(jié)果及分析 156907結(jié)論 2329328參考文獻(xiàn) 241緒論1.1課題研究背景和意義圖像自動(dòng)聚焦技術(shù)是圖像處理領(lǐng)域中重要的環(huán)節(jié)之一，很多的圖像處理任務(wù)都需要通過圖像自動(dòng)聚焦技術(shù)作為算法的前置環(huán)節(jié)，只有采集到清晰的圖像，后續(xù)的圖像處理算法才能更加高效和準(zhǔn)確。圖像自動(dòng)聚焦的原理也有很多，圖像都有特定的形狀、區(qū)域、邊緣特征，可以根據(jù)這些特征進(jìn)行分割，要想達(dá)到較好的圖像自動(dòng)聚焦效果，需要根據(jù)不同的圖像拍攝情況選擇合適的圖像自動(dòng)聚焦算法。圖像自動(dòng)聚焦技術(shù)在很多領(lǐng)域都有應(yīng)用，在醫(yī)學(xué)領(lǐng)域，計(jì)算機(jī)視覺逐漸替代了人工檢測(cè)，通過拍攝病人的醫(yī)學(xué)影像，利用圖像自動(dòng)聚焦技術(shù)自動(dòng)定位出病人的病理部位，完成病人疾病檢測(cè)；在工業(yè)領(lǐng)域，利用圖像自動(dòng)聚焦技術(shù)完成工件圖像的高清采集，利用圖像分割技術(shù)將工件從背景中分離開，針對(duì)分離的工件圖像完成尺寸測(cè)量、缺陷檢測(cè)等任務(wù)；總之圖像自動(dòng)聚焦技術(shù)是很多圖像處理應(yīng)用都離不開的重要環(huán)節(jié)。因此，本論文在應(yīng)用對(duì)焦算法的基礎(chǔ)上對(duì)圖像自動(dòng)聚焦技術(shù)進(jìn)行深入的研究與仿真，對(duì)現(xiàn)有自動(dòng)對(duì)焦技術(shù)存在的不夠智能，抗噪能力差和對(duì)焦速度慢等問題進(jìn)行完善。利用對(duì)焦算法對(duì)基于數(shù)字圖像處理自動(dòng)對(duì)焦技術(shù)的原理，評(píng)價(jià)算法，圖像預(yù)處理等進(jìn)行仿真和應(yīng)用。1.2國(guó)內(nèi)外研究現(xiàn)狀國(guó)外對(duì)于自動(dòng)聚焦算法的起步發(fā)展較早，早在上世紀(jì)就開始進(jìn)行。美國(guó)斯坦福大學(xué)J.M.Tenenbaum經(jīng)過多次試驗(yàn)發(fā)現(xiàn)了離焦信號(hào)，并用調(diào)制梯度，完成了對(duì)圖像的對(duì)焦。物理教授Grembeby.J.B發(fā)現(xiàn)了調(diào)制函數(shù)，這種函數(shù)可以作為一種圖像評(píng)價(jià)標(biāo)準(zhǔn)。經(jīng)過幾十年的發(fā)展Ren.C.Luo也發(fā)現(xiàn)對(duì)于漫反射物體可以使用能量最大值法和VARIANCE直方圖法實(shí)現(xiàn)一些自動(dòng)對(duì)焦，同時(shí)這種方式也可以應(yīng)用于較遠(yuǎn)距離的測(cè)量，在大數(shù)據(jù)和機(jī)器人等方面也有較好應(yīng)用。隨著我國(guó)對(duì)圖像處理領(lǐng)域開始重視，很多的高效和研究機(jī)構(gòu)開始投入圖像處理設(shè)備的研發(fā)，其中不乏優(yōu)秀的自動(dòng)對(duì)焦算法。徐洲等人利用梯度算法作為聚焦函數(shù)，通過設(shè)計(jì)相應(yīng)的電路和調(diào)焦裝置實(shí)現(xiàn)了自動(dòng)聚焦；朱錚濤利用圖像熵作為聚焦函數(shù)，實(shí)現(xiàn)了自動(dòng)聚焦；杜爽等人基于模糊量的離焦深度對(duì)焦法提升了液晶透鏡自動(dòng)對(duì)焦系統(tǒng)的對(duì)焦速度，實(shí)現(xiàn)了液晶透鏡自動(dòng)對(duì)焦；相信隨著科技的發(fā)展，會(huì)有更多高效準(zhǔn)確的算法運(yùn)用到圖像聚焦領(lǐng)域。1.3目前對(duì)焦技術(shù)存在的問題基于數(shù)字圖像處理的自動(dòng)對(duì)焦技術(shù)已在醫(yī)學(xué)，工業(yè)，農(nóng)業(yè)，安防，交通，娛樂等領(lǐng)域得到廣泛的應(yīng)用，滲透進(jìn)現(xiàn)代生活的方方面面。但是基于圖像處理的對(duì)焦技術(shù)依舊有不足之處，需要進(jìn)一步去完善：1.智能化水平較低，不能適應(yīng)各種環(huán)境下自動(dòng)對(duì)焦技術(shù)的實(shí)現(xiàn)。2.抗干擾能力差，去噪能力差，已受到環(huán)境中各種噪聲的影響。3.對(duì)焦程度不高，容易誤對(duì)焦。1.4研究?jī)?nèi)容和組織框架本論文在研究圖像自動(dòng)對(duì)焦算法的基礎(chǔ)上，利用多種圖像對(duì)焦算法實(shí)現(xiàn)了圖像的自動(dòng)對(duì)焦，在算法研究基礎(chǔ)上開發(fā)出了相關(guān)的自動(dòng)對(duì)焦系統(tǒng)，并進(jìn)行了測(cè)試。較好的完成基于數(shù)字圖像處理的自動(dòng)對(duì)焦技術(shù)的實(shí)現(xiàn)，通過了邊緣強(qiáng)度，平均梯度，Brenner梯度法，信息熵，灰度方差等的評(píng)價(jià)函數(shù)的評(píng)估，更加完善了自動(dòng)對(duì)焦技術(shù)的功能。論文的章節(jié)內(nèi)容如下：第一章主要介紹了自動(dòng)對(duì)焦的發(fā)展背景，以及它的未來前景，國(guó)內(nèi)外對(duì)它的研究成果，目前還存在的問題等；第二章主要研究了自動(dòng)對(duì)焦技術(shù)的基本理論；自動(dòng)對(duì)焦算法，利用邊緣強(qiáng)度、平均梯度、圖像清晰度以及信息熵作為圖像的聚焦函數(shù)，完成了自動(dòng)聚焦算法；第三章主要利用MATLAB軟件，對(duì)什么什么算法，進(jìn)行了系統(tǒng)仿真，基于matlab的算法仿真過程及結(jié)果測(cè)試分析。結(jié)論部分主要對(duì)本設(shè)計(jì)的總結(jié)，指出邊緣強(qiáng)度、平均梯度、Brenner梯度、信息熵、灰度方差五種對(duì)焦函數(shù)對(duì)圖像的聚焦效果展示以及對(duì)優(yōu)缺點(diǎn)的比較。2自動(dòng)對(duì)焦計(jì)技術(shù)原理2.1自動(dòng)對(duì)焦技術(shù)原理自動(dòng)聚焦技術(shù)是通過將攝像頭上采集到的圖像畫面進(jìn)行清晰程度分析，不斷地根據(jù)采集的畫面控制調(diào)焦電動(dòng)裝置進(jìn)行運(yùn)動(dòng)，使得采集到的圖像最為清楚的過程。自動(dòng)對(duì)焦技術(shù)常用于攝影攝像等圖像采集領(lǐng)域，只有前期采集的圖像高清，無拖影，不散焦，后續(xù)的圖像處理算法才會(huì)準(zhǔn)確。自動(dòng)對(duì)焦技術(shù)原理又分為兩種，一種是主動(dòng)式聚焦，另一種是被動(dòng)式聚焦。主動(dòng)式對(duì)焦主要依靠圖像采集裝備上的紅外裝置，該裝置可以發(fā)射相關(guān)的紅外線，當(dāng)物體接受到紅外線后，反射紅外線到相機(jī)中，相機(jī)CCD接受到返回的紅外線信號(hào)，再根據(jù)信號(hào)的強(qiáng)弱生成不同的圖像，判斷目前圖像的清晰度，不斷地調(diào)整調(diào)焦裝置，使得接受到的紅外射線圖像清晰度最高，即完成了整個(gè)對(duì)焦過程。主動(dòng)式對(duì)焦過程對(duì)于物體較暗，或者物體表明能夠吸收光以及物體較遠(yuǎn)的情況下，聚焦效果較差。對(duì)于明亮且較近的物體，對(duì)焦效果較好。被動(dòng)式對(duì)焦技術(shù)不用通過紅外發(fā)射裝置進(jìn)行紅外線發(fā)射，直接接收來自物體反射的光線進(jìn)行焦距調(diào)整，該方式不用在攝影設(shè)備上安裝紅外裝置，成本更低且占用空間小，對(duì)于較亮的物體以及遠(yuǎn)距離較大的物體對(duì)焦效果都較好，但是對(duì)于有透射現(xiàn)象或者面積較小，邊緣較細(xì)的物體，對(duì)焦效果較差。由于主動(dòng)式與被動(dòng)式對(duì)焦效果各有千秋，所以很多的設(shè)備都是結(jié)合兩者各自的優(yōu)點(diǎn)實(shí)現(xiàn)自動(dòng)對(duì)焦。2.2常用的自動(dòng)對(duì)焦方法2.2.1測(cè)距自動(dòng)對(duì)焦測(cè)距自動(dòng)對(duì)焦又分為紅外跟超聲測(cè)距兩種，紅外測(cè)距主要利用紅外裝置向物體發(fā)射紅外線，紅外線接觸物體之后反射到鏡頭，通過反射回來的紅外線，調(diào)節(jié)焦距實(shí)現(xiàn)自動(dòng)對(duì)焦；超聲波測(cè)距主要利用攝影設(shè)備上的超聲波發(fā)射裝置，利用返回的超聲波實(shí)現(xiàn)距離的自動(dòng)判定，從而實(shí)現(xiàn)自動(dòng)對(duì)焦。這兩種方式都是需要在攝像設(shè)備上安裝發(fā)射裝置。2.2.2聚焦檢測(cè)自動(dòng)對(duì)焦聚焦檢測(cè)方法主要有對(duì)比度法和相位法1、對(duì)比度法。該算法不需要射線發(fā)射裝置，直接對(duì)攝像頭采集到的圖像進(jìn)行分析，實(shí)現(xiàn)自動(dòng)對(duì)焦。如果拍攝的圖像的邊緣清晰，則圖像的邊緣與背景之間的對(duì)比度就高，根據(jù)對(duì)比度和清晰度的大小，可以實(shí)現(xiàn)焦距的判定，通過調(diào)節(jié)對(duì)焦裝置，從而實(shí)現(xiàn)對(duì)比度對(duì)焦。2、相位法。如果聚焦面與網(wǎng)絡(luò)板重合，這時(shí)透過網(wǎng)絡(luò)板透光線條的光同時(shí)到達(dá)其后的兩個(gè)受光元件，而離焦時(shí)，光束則會(huì)先后到達(dá)兩個(gè)受光元件，故輸出信號(hào)有相位差。2.3圖像預(yù)處理圖像處理任務(wù)需要處理的圖像都是由圖像傳感器采集而來，圖像傳感器由于制作工藝、電子元器件干擾的問題，在采集過程中會(huì)出現(xiàn)噪聲、分辨率不清晰等現(xiàn)象。同時(shí)由于圖像采集環(huán)境光干擾，容易造成圖像曝光過度和圖像亮度較低等現(xiàn)象。這些圖像都屬于低質(zhì)量的圖像，會(huì)增加后續(xù)圖像處理任務(wù)的難度以及降低處理準(zhǔn)確度。圖像預(yù)處理過程是大多數(shù)圖像處理任務(wù)中不可或缺的環(huán)節(jié)之一。通過圖像預(yù)處理的操作可以實(shí)現(xiàn)的功能有：降低圖像的冗余數(shù)據(jù)量，去除圖像的干擾數(shù)據(jù)，提高圖像的對(duì)比度，增強(qiáng)圖像的細(xì)節(jié)，凸顯出圖像待測(cè)特征等，最終的目的都是提高圖像的質(zhì)量，減小后續(xù)圖像處理任務(wù)耗時(shí)，提升圖像處理的準(zhǔn)確度。本文的預(yù)處理過程選擇圖像灰度化和圖像去噪兩個(gè)過程。圖像灰度化主要是降低原始圖像的色彩維度，通常硬件采集設(shè)備拍攝的圖像都是RGB彩色圖像，彩色圖像能夠最真實(shí)的還原目標(biāo)物的形態(tài)，色澤等等，但是很多的圖像處理任務(wù)，只需要提取目標(biāo)的區(qū)域特征，邊緣特征，不需要提取色彩信息，所以色彩信息相當(dāng)于冗余信息，會(huì)增加程序的計(jì)算耗時(shí)。本文只需要提取圖像的邊緣特征，灰度化可以增加自動(dòng)對(duì)焦的實(shí)時(shí)性，提升程序計(jì)算效率。圖像去噪主要目的是去除圖像采集，壓縮，傳輸過程中所產(chǎn)生的噪聲，噪聲的存在會(huì)干擾圖像目標(biāo)的分析，圖像去噪能夠提高程序運(yùn)行的準(zhǔn)確性。2.3.1圖像灰度化硬件采集系統(tǒng)采集的圖像都是由單個(gè)像素點(diǎn)組成，每個(gè)像素點(diǎn)的值不一樣，構(gòu)成了豐富多彩的圖像。彩色圖像是目前最常用的信息傳遞的載體之一，彩色圖像中包含了大量的信息，人眼在提取這些信息的時(shí)候，可以根據(jù)自身需要選擇性提取。彩色圖像是由三個(gè)維度的圖像組成，通常是由R、G、B三個(gè)維度組成的圖像，每個(gè)維度的圖像都叫做灰度圖像，灰度圖像是一個(gè)二維矩陣，圖像中的每一個(gè)點(diǎn)在矩陣中都映射一個(gè)灰度值，不同的灰度值在圖像中反映為不同亮度的圖像。圖像灰度化技術(shù)是有效的減小圖像數(shù)據(jù)量的手段之一，彩色圖像信息量過大，處理的時(shí)候需要耗費(fèi)很多資源以及時(shí)間。彩色圖像有RGB模式，HIS模式，HIV模式等等。最常用的圖像色彩表示模式為RGB模式，對(duì)于RGB圖像的灰度化，通常有以下兩種方式。1.最大值最小值法：首先任意取圖像的三個(gè)灰度值通道分別記為R、G、B，接著對(duì)通道的灰度值大小進(jìn)行選擇，使用最大值法選擇灰度值最大的通道作為圖像灰度化結(jié)果2.平均法：平均法又細(xì)分為平均值法和加權(quán)平均法，平均法主要就是求取三個(gè)通道的灰度值后求均值。平均值法在圖像灰度化中主要用于圖像歸一化，求取平均灰度之后，可以對(duì)每個(gè)通道的圖像進(jìn)行歸一化處理，便于圖像色彩分割。假設(shè)Gray(i,j)為圖像某個(gè)像素點(diǎn)的灰度值，R(i,j)，G(i,j)，B(i,j)為該像素點(diǎn)的三通道值，該像素點(diǎn)的灰度值平均值法公式如下：(2-1)另外一種常用的圖像灰度化方式為加權(quán)平均法，加權(quán)平均法也是取三個(gè)通道的灰度值，與平均值法不同的是，加權(quán)平均會(huì)取三個(gè)權(quán)重值，代表每個(gè)通道所占比重，權(quán)值的選擇一般根據(jù)具體的圖像處理任務(wù)合適選擇。根據(jù)人眼對(duì)于不同顏色的敏感度不同，采用的加權(quán)平局法公式如下：(2-2)利用加權(quán)平局法對(duì)圖像進(jìn)行灰度化處理，得到的灰度化圖像如下：圖2.1原始圖像和灰度圖像2.3.2圖像去噪圖像噪聲的分類方式不同，圖像去噪的方法也有很多種，通常情況下需要根據(jù)具體的圖像拍攝情況以及拍攝現(xiàn)場(chǎng)環(huán)境決定去噪方式的選擇，不同的去噪算法原理不一樣，對(duì)不同類型的噪聲處理后效果也不同，要想達(dá)到穩(wěn)定且準(zhǔn)確的去噪效果，需要做多種濾波測(cè)試。大多數(shù)情況都是根據(jù)噪聲的數(shù)學(xué)模型進(jìn)行去噪算法合理運(yùn)用，譬如高斯噪聲是數(shù)學(xué)統(tǒng)計(jì)學(xué)分布上與高斯分布函數(shù)相吻合的噪聲。在很多的圖像中都存在此種噪聲，均值濾波是去除高斯噪聲的有效方式，很多的圖像處理項(xiàng)目比如工業(yè)現(xiàn)場(chǎng)物體測(cè)量、夜晚情況人臉識(shí)別、霧天情況的車牌識(shí)別等等，都可以利用均值濾波去除圖像中的高斯噪聲。去噪后的圖像只包含目標(biāo)主體和背景部分，再利用目標(biāo)分割算法就能分割出目標(biāo)主體，排除了噪聲的干擾。椒鹽噪聲屬于脈沖噪聲的一種，就不適合利用均值濾波去除，均值濾波沒辦法將椒鹽噪聲去除干凈，此時(shí)需要選擇中值濾波進(jìn)去噪聲去除，中值濾波可以在去除椒鹽噪聲的同時(shí)，保護(hù)目標(biāo)主體的邊緣，形態(tài)，細(xì)節(jié)特征，保證有效信息不丟失。根據(jù)常見的噪聲特點(diǎn)以及算法的時(shí)效性，本設(shè)計(jì)中對(duì)比多種算法的優(yōu)劣之后，將中值濾波作為本設(shè)計(jì)的去噪手段。中值濾波是有效的去噪算法之一，特別是對(duì)于脈沖噪聲，去噪的效果很好。依次對(duì)所有的像素點(diǎn)進(jìn)行上述操作，即完成了圖像濾波去噪過程。當(dāng)圖像中有比較尖銳的噪聲點(diǎn)時(shí)，通過此種方式即去除了尖銳的脈沖噪聲，較為常見的椒鹽噪聲就能通過此種方式去除。當(dāng)窗口滑動(dòng)至不是噪聲的像素點(diǎn)時(shí)，不是噪聲的像素點(diǎn)附近的像素值都是平滑過度，不會(huì)存在脈沖現(xiàn)象，相鄰像素間的灰度值過度較為平穩(wěn)，所以不是噪聲的像素點(diǎn)灰度值經(jīng)過中值濾波處理，變化也不會(huì)很大，有效地保護(hù)了圖像的邊緣和細(xì)節(jié)部分。一般模板窗口都是3*3的正方形模板，模板也可以選擇自定義，根據(jù)具體的圖像處理任務(wù)自定義窗口的大小，形狀，才能達(dá)到合適的圖像去噪效果。中值濾波公式如下：(2-3)f(x,y),g(x,y)為去噪前后圖像；W為模板窗口。本文中值濾波處理效果如下：圖2.2濾波去噪圖像2.4對(duì)焦算法2.4.1邊緣強(qiáng)度圖像邊緣指的是圖像中灰度變換較大的區(qū)域，通常圖像物體的內(nèi)部區(qū)域，像素的灰度值過渡都較為平滑，內(nèi)部的像素灰度值不會(huì)發(fā)生階躍性的變化，邊緣區(qū)域的梯度變化較為明顯。邊緣強(qiáng)度指的是圖像邊緣點(diǎn)梯度的幅值。本文采用sobel算子進(jìn)行邊緣強(qiáng)度檢測(cè)。Sobel圖像檢測(cè)窗口如下：（2-4）公式中Dx為x方向梯度，Dy為y方向梯度，Sobel算子由于圖像掩模較為簡(jiǎn)單，僅僅只針對(duì)圖像進(jìn)行像素遍歷以及對(duì)像素進(jìn)行處理，所以運(yùn)算速度較快，滿足自動(dòng)對(duì)焦的實(shí)時(shí)性要求。Sobel可以檢測(cè)水平提取以及垂直梯度，算子對(duì)于邊緣提取效果較好，同時(shí)算子對(duì)于噪聲的抑制較為明顯，對(duì)于噪聲的魯棒性較好。Sobel算子的缺點(diǎn)就是提取出來的圖像輪廓較粗，沒有能夠完全將目標(biāo)圖像的邊緣與背景圖像邊緣分離開，導(dǎo)致最終的處理結(jié)果會(huì)出現(xiàn)一些背景的邊緣，邊緣檢測(cè)結(jié)果不夠精確，邊緣輪廓較粗。利用sobel進(jìn)行水平和垂直梯度的檢測(cè)，然后根據(jù)梯度值分割出圖像的邊緣點(diǎn)，再對(duì)邊緣點(diǎn)進(jìn)行像素值統(tǒng)計(jì)，即可得到邊緣強(qiáng)度的映射值。邊緣強(qiáng)度越大，則圖像的清晰度越高。2.4.2平均梯度平均梯度指的是圖像中邊界區(qū)域提取變化的速率。如果邊緣清晰且邊緣強(qiáng)度較大，則梯度變化速率較快，平均梯度值較大，如果邊緣模糊且邊緣強(qiáng)度較小，則圖像區(qū)域之間的過渡區(qū)域都比較平滑，圖像邊界與其他區(qū)域之間的變化速率也會(huì)小很多，利用梯度邊緣變化的速率可以對(duì)圖像的清晰程度進(jìn)行判斷。平均梯度越大，則圖像的清晰度越高。平均梯度公式如下：(2-4)平均梯度體現(xiàn)圖像中細(xì)節(jié)顯示情況，平均提取越大，則圖像的細(xì)節(jié)越清晰，圖像中局部的細(xì)節(jié)對(duì)比程度更高，圖像的紋理越明顯。2.4.3Brenner梯度法Brenner梯度法指的是圖像相鄰兩個(gè)像素之間的灰度差，如果圖像較為清晰，則圖像相鄰兩個(gè)像素之間的過度區(qū)域會(huì)比較劇烈，灰度差值會(huì)很大，如果圖像較為模糊，則圖像的相鄰兩個(gè)像素之間都是平滑過渡的，不會(huì)出現(xiàn)劇烈波動(dòng)，根據(jù)像素之間的灰度差，可以計(jì)算出圖像目前的清晰度。假設(shè)原始圖像為f(x,y)，M和N分別為圖像的尺寸，則Brenner梯度定義如下：(2-5)2.4.4信息熵信息熵的公式如下：(2-6)公式中p代表隨機(jī)事件x出現(xiàn)的概率。如果圖像越清晰，平均信息量越多，圖像的信息熵越大，如果圖像較為模糊，平均信息量較少，圖像的信息熵也較小。2.4.5灰度方差(SMD)該參數(shù)也是用于圖像的清晰度衡量，圖像的清晰度越高，則圖像的高頻部分能量越多，圖像的方差也越大。灰度方差公式如下：（2-7）公式中，Mean為圖像的平均灰度值，M,N為圖像尺寸，I(x,y)為原始圖像。2.5自動(dòng)對(duì)焦算法的步驟自動(dòng)對(duì)焦算法步驟如下：讀取圖像序列，指定對(duì)焦圖像區(qū)域，對(duì)該對(duì)焦區(qū)域進(jìn)行裁剪，圖像裁剪有兩個(gè)目的，第一個(gè)目的是可以選擇對(duì)焦的區(qū)域，第二個(gè)目的是圖像裁剪后進(jìn)行聚焦，實(shí)時(shí)性更高。2、對(duì)圖像進(jìn)行灰度化和濾波去噪處理。灰度化采用加權(quán)平均法灰度化，主要用于圖像的數(shù)據(jù)量減小，可以提高對(duì)焦的實(shí)時(shí)性。濾波去噪采用中值濾波，很多的聚焦函數(shù)對(duì)于噪聲的魯棒性較差，容易受到噪聲的干擾，所以先要利用中值濾波把噪聲去除掉。圖像去噪可以提高對(duì)焦的準(zhǔn)確性。3、利用聚焦函數(shù)進(jìn)行相關(guān)參數(shù)的計(jì)算，不同的函數(shù)計(jì)算出來的數(shù)值不同，在區(qū)間范圍內(nèi)可以得到相關(guān)參數(shù)的極大值，記錄下該焦距位置。調(diào)整對(duì)焦裝置，調(diào)節(jié)焦距，如果相關(guān)參數(shù)過極大值后，數(shù)值繼續(xù)減小，且最大值小于極大值，則極大值位置的焦距記錄為對(duì)焦的最佳焦距位置，控制對(duì)焦裝置調(diào)節(jié)焦距至最佳對(duì)焦位置，則能夠完成整個(gè)的自動(dòng)對(duì)焦過程。4、聚焦結(jié)果評(píng)價(jià)。為對(duì)比不同聚焦函數(shù)的對(duì)焦結(jié)果，本文選擇能量梯度函數(shù)（EOG）作為評(píng)價(jià)方式。公式如下：F=x3算法仿真及結(jié)果分析3.1matlab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。本程序開發(fā)主要運(yùn)用到了Matlab的視覺開發(fā)包，視覺開發(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，該模塊是界面開發(fā)及數(shù)據(jù)可視化的工具。3.2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界面功能能夠開發(fā)出實(shí)用的圖像處理軟件，可以通過按鈕、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，開發(fā)出了相關(guān)的圖像處理軟件，具體的編程過程如下：點(diǎn)擊主頁-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。控件的屬性主要調(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3.5函數(shù)編輯界面圖3-6運(yùn)行效果圖像3.3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3.7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3.8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3.9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3.11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3.12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?yàn)樗鼈兌际腔谔荻群瓦吘墮z測(cè)完成聚焦，所以曲線類似，灰度方差和信息熵聚焦函數(shù)曲線類似，其聚焦結(jié)果能量梯度分別為10.55和11.24，原因是其都是基于圖像灰度內(nèi)容進(jìn)行聚焦，所以曲線類似。綜合上述客觀評(píng)價(jià)方式進(jìn)行聚焦結(jié)果評(píng)判，基于邊緣強(qiáng)度和平均梯度的聚焦算法，聚焦效果最好，基于Brenner梯度的聚焦算法，聚焦效果最差。從實(shí)驗(yàn)結(jié)果可以看出，不同的聚焦函數(shù)，都能夠完成窗口內(nèi)容的準(zhǔn)確聚焦，系統(tǒng)算法高效且準(zhǔn)確，聚焦函數(shù)選擇較多，系統(tǒng)具有一定的實(shí)際應(yīng)用價(jià)值。結(jié)論本文主要研究基于圖像處理的自動(dòng)聚焦算法，對(duì)基于邊緣強(qiáng)度、平均梯度、Brenner梯度、信息熵、灰度方差的五種自動(dòng)聚焦算法進(jìn)行實(shí)驗(yàn)，并且利用Matlab完成了算法的仿真，對(duì)采集的圖像序列進(jìn)行處理，驗(yàn)證自動(dòng)聚焦算法的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明算法對(duì)于模糊圖像的自動(dòng)聚焦效果較好，可用于實(shí)際的圖像處理項(xiàng)目開發(fā)。研究的成果如下：1、通過邊緣強(qiáng)度，平均梯度，Brenner梯度，信息熵，灰度方差這五種自動(dòng)對(duì)焦算法能夠完成圖像的讀取，特征檢測(cè)及保存操作。2、研究了圖像預(yù)處理過程，通過圖像灰度化和圖像去噪為后續(xù)的算法提供高質(zhì)量圖像。3、研究了基于邊緣強(qiáng)度、平均梯度、Brenner梯度、信息熵、灰度方差五種聚焦函數(shù)的對(duì)焦算法，并利用圖像能量梯度