基于图像处理的相机自动对焦方法研究综述

文献综述

基于图像处理的相机自动对焦方法研究综述

摘要：随着各种成像设备自动化、智能化的迅速发展，自动对焦技术的应用越来越广泛。自动对焦系统一般由分析处理模块和控制驱动模块组成，而分析处理这一块是整个自动对焦系统的重中之重，从传统的测距法到像偏移法，再到近来流行的基于图像处理的自动对焦法都无不体现了自动对焦技术的发展。现在就来简单的介绍一下基于图像处理的自动对焦技术。

关键词：图像处理；自动对焦；对焦评价函数；对焦搜索策略

一 自动对焦技术的发展

自动对焦技术是计算机视觉和各类成像系统的关键技术之一, 在照相机、摄像机、显微镜、内窥镜等成像系统中有着广泛的用途。自动对焦技术从20 世纪70 年代后期发展起来, 到现在已经日臻成熟并取得了广泛应用。

1.1 传统的自动对焦方法

（1）测距法：

测距法是通过向被摄物体发射光波或辐射波，并接收反射波来测量目标的距离，然后通过计算机来控制自动对焦，主要包括红外测距法、激光测距法、超声波测距法等。优点：结构简单，可靠性高；缺点：由于所拍物体的吸收和反射能力不同会造成随机噪声。

（2）像偏移法：

像偏移法是利用三角测距原理，由被摄物体发出的光线，同时进入左、右两组接收器，并成像在接收元件上，通过两组信号的对比求得合适的对焦位置。被摄物体的距离信息通过在CCD上成像位置的差异反映出来，可直接由CCD元件进行检测和分辨。优点：结构简单、可靠性高；缺点：CCD元件与光电转换、运算系统的电路技术要求较高，成本也高。

文献综述

2 焦点检测自动对焦法

焦点检测法主要用于单反相机中，它是在镜头的焦点附近设置自动对焦微型组件，将镜头焦点直接作为探测对象的一种方式，它能够适应各种变焦镜头且拍摄距离大。该方法又分为反差检测和相位检测两种。

焦点检测法的优点是：在一般状况下能够较好地实现对焦，检测装置不需要发射源，能耗少，能够实现远距离对焦。其缺点是：对于运动的、细线条的或者是低反差的拍摄体进行自动对焦有困难，同时对含有偏光特性的物体对焦也比较困难。

二 基于图像处理的自动对焦原理

在数字系统里面的自动对焦是基于图像处理的自动对焦，基于数字图像处理的自动对焦方法主要有离焦深度发（DFD,Depth from Defocusing）和对焦深度法（DFF,Depth from Focusing）两种。

1 离焦深度法（DFD）

离焦深度法是一种从离焦图像中取得深度信息从而完成自动对焦的方法。离焦深度法又分为基于图像恢复的离焦深度法和基于离焦量估计的离焦深度法。

离焦深度法的主要缺点是：需要事先获得成像系统精确的数学模型，才能保证对焦的精度，而该数学模型在理论上还不能精确地确定，只能近似估计，从而导致误差极大。

2 对焦深度发（DFF）

对焦深度法是一种建立在搜寻过程上的对焦方式。它通过选取一种适当的评价函数来评价不同对焦位置所获得图像的清晰度，清晰度值最大时对应最佳的对焦位置。

基于图像处理对焦的两大优点：a、调焦更加智能化，聚焦判据更加灵活和多样；b、利用计算机可以很方便地对运动执行机构进行控制，从而避开复杂的调焦电路和机构。

文献综述

三 基于图像处理的自动对焦的关键技术

1 对焦评价函数

要进行自动对焦，首先要能评价所获取的图像是否为清晰的对焦图像。因此图像清晰度的评价是自动对焦的首要问题。对焦评价函数的基本要求是：无偏性；单峰性；灵敏度高；较高的信噪比；计算量小等。对焦评价函数主要分为灰度梯度函数、频域函数、信息学函数、统计学函数。

（1）灰度梯度函数

这类函数主要利用对图像灰度的各种处理来表征图像的清晰度，一般是利用图像处理中常用的梯度函数提取图像的边缘信息。对焦准确的图像有更尖锐的边缘、更大的梯度函数值。常用的灰度函数有绝对方差算子、Roberts梯度算子、灰度差分之和算子、Variance算子和灰度变化率之和算子等。绝对方差算子利用同行相邻的两个像素点灰度

（2）频域函数

由于对焦图像的主要特征是具有清晰的边缘和丰富的图像细节，而边缘和细节对应于图像傅里叶变换的高频分量；离焦图像的模糊在频域上表现为高频成分的衰减。常用的频域函数有离散傅里叶变换(DFT)、快速傅里叶变换(FFT)、离散余弦变换(DCT)、小波变换等。

（3）信息熵函数

对焦图像与离焦图像相比，灰度的多样性要大，即信息熵不一样。图像趋于离焦时，灰度值趋于单一，信息含量少，信息熵小，反之则信息熵大。因此可以利用图像的信息熵来作为清晰度评价函数。根据香农信息论可知，熵最大时信息量最多，对于二维图像而言就是熵最大时图像最清晰。常用的信息熵函数有全频段积分、函数阈值积分、函数高频分量函数等。

文献综述

（4）统计学函数

完全离焦的图像是由单一灰度值组成的，而对焦图像则因为包含了清晰的图像信息，表现为多灰度值分布，这一特性可以用统计学直方图来表示。直方图是指未归一化的灰度概率密度函数估计，它表示了所有图像点在每一灰度值的出现次数，用对应于每一灰度值的带的大小来表示，对焦图像表现为多个带分布，而离焦图像表现为少数带分布，故利用直方图分析函数可以评价图像质量。这类函数主要有：Range函数、Menmay函数、Masgrn函数、直流功率函数、交流功率函数等。

2 对焦窗口的选择

对焦窗口是图像中的感兴趣区域，对焦窗口选择算法直接地影响到对焦的复杂度、计算量和精确度。传统的对焦窗口选择方案主要包括中央选择法和多区域选择法：①中央选择法，即选择图像中央一个M×N个像素的小区域；②多区域选择法，即选择图像中具有代表意义的几个区域作为对焦窗口。此外，还有基于黄金分割点的对焦窗口等。

3 对焦搜索策略

基于图像处理的自动对焦系统中的另一个关键技术是对焦搜索策略，即搜索算法。搜索算法应当合理，尽量避免重复搜索或搜索失败。目前常见的几种方法有：

（1）函数逼近法

函数逼近法是在采集了不同位置的评价函数值得到评价曲线后，利用简单的二阶或三阶函数进行曲线拟合，通过该方法来逼近已知的评价曲线，从而得到评价函数的极值点，找到对焦的位置。该方法在极值附近的效果会比较好，但它对极值附近的数据有很大的依赖性，容易受局部峰值、噪声的影响，在实际对焦过程中不宜采用。

（2）Fibbonacci搜索法

Fibbonacci搜索法利用的是有名的Fibbonacci函数, 是一种通过缩小区间范围搜索单峰曲线极点的方式，是一种理论计算上的最优化单峰搜索算法。它的缺点是，如果

文献综述

对焦评价函数曲线并不是理想的光滑曲线，而出现大量的局部极大值时，Fibonacci搜索就有可能陷入局部极大值的邻近区域。另外，Fibonacci搜索算法需要在区间内大距离调整镜头位置，并且要变换移动方向，这将会增加对焦消耗时间。特别是在直流电机中，变换移动方向往往会累计位置误差，使对焦不够精确。因此，Fibonacci搜索算法在性能上往往并非最佳。

（3）爬山搜索法

根据评价函数图像的无偏性和单峰性，在初始状态下，一般先设置搜索方向和搜索步长，假定搜索从最左边开始，往右侧搜索。每前进一个步长就计算相应图像的评价函数值与前一步的评价函数值比较，如果后者大于前者就继续前进，直到出现的评价函数值小于前者就改变搜索方向。此时缩短步长重复上面的步骤直到所得的前后两幅图的评价函数值的差值小于所设定的一个阈值，再在该两步之间任意选择一个点作为评价函数图像的极值点，即为对焦最佳位置点。

附：由于拍摄对象所处的环境、拍摄设备等一些因数，往往导致所拍摄到的图像带有很多的噪声，影响后续对图像的处理。所以，在处理之前会对所拍摄的图像进行预处理（除噪声）。目前常用的预处理方法有领域平均法（四领域；八领域）、中值滤波（方形；线型；十字型；圆形；菱形）、自适应滤波等。

四 总结

现在都比较流行基于图像处理的自动对焦的研究与应用，技术相对是比较成熟的，当然也还有很多的问题等待我们做进一步的研究。在图像处理的自动对焦中，对焦评价函数、对焦窗口、搜索算法是相当重要的，三者的选择是相辅相成的。对焦图像判据和最佳像面确定算法其实可以归结到对焦评价函数的选择；对焦方法的精度是由整个系统决定的，与软件算法和硬件电机的精度有关，并且还与拍摄对象有关，需要做大量的研究和设计。

本文来源：https://www.bwwdw.com/article/c5pd.html