彩色图像自动聚焦方法

摘要

本发明公开了一种彩色图像自动聚焦方法，所述方法包括彩色图像拮抗图获取、基于聚焦窗口的聚焦采样点采集和改进Brenner的清晰度评价函数。本发明所述方法，首先充分利用彩色图像的颜色信息，避免了仅使用灰度图去评价清晰度时导致的颜色细节的丢失；其次，综合考虑主体目标多位于视场中心的特性以及黄金分割点的重要性，减少了因统计颜色信息而增加的计算量以及非目标区域的负面影响，有效地提高了聚焦的实时性和准确性；最后，通过改进Brenner函数，在不增加计算量的前提下，更全面反映整幅图像的清晰度。

权利要求

1.一种彩色图像自动聚焦方法，其特征在于，所述方法包括以下几个步骤：(1) 输入RGB格式的原始图像，分别计算得到红-绿拮抗图Irg和蓝-黄拮抗图Iby；

(2) 获取聚焦采样点；

先将原始图像划分为三类聚焦窗口：中心窗口、四边窗口以及四角窗口；

对不同的聚焦窗口内的红-绿拮抗图Irg和蓝-黄拮抗图Iby设定不同的采样策略：中心窗口内像素进行全采样，四边窗口内像素进行横向隔点采样，四角窗口内像素横向和纵向分别进行隔点采样；采样后分别得到与红-绿拮抗图Irg对应的采样点链表甲Lrg、与蓝-黄拮抗图Iby对应的采样点链表乙Lby，所述的采样点链表甲Lrg、采样点链表乙Lby中记录了聚焦采样点的像素位置信息；

(3) 利用改进的Brenner函数分别计算红-绿拮抗图Irg聚焦采样点的函数值与蓝-黄拮抗图Iby聚焦采样点的函数值 ，统计大于给定阈值T的所有函数值之和，通过该统计值评价彩色图像的清晰度；

所述步骤（3）中的改进Brenner函数计算公式如下：其中， 为采样点链表 的长度，

其中， 为采样点链表 中第i个元素的像素位置。

2.根据权利要求1所述的彩色图像自动聚焦方法，其特征在于，所述的步骤（1）具体计算过程如下：其中，

R、G、B分别为输入彩色图像的红、绿、蓝三个颜色通道。

3.根据权利要求1或2所述的彩色图像自动聚焦方法，其特征在于：所述步骤（2）中，原始图像中心点相邻的4个子图构成中心窗口Wa；原始图像四角的4个子图构成四角窗口Wc；原始图像中，四角窗口Wc、中心窗口Wa以外的部分构成四边窗口Wb。

说明书

彩色图像自动聚焦方法

技术领域

[0001] 本发明属于图像处理技术领域，更具体地，涉及一种彩色图像自动聚焦方法。

背景技术

[0002] 随着仪器自动化、智能化的发展，基于图像的自动聚焦已成为照相机、摄像机、显微镜等成像系统的关键技术。实现基于图像的自动聚焦技术的关键是构造一个快速、可靠的清晰度评价函数，该函数的极值所对应的位置为成像的聚焦位置。由于图像清晰度评价函数需要对成像系统逐渐趋近聚焦位置到恰位于聚焦位置再到远离聚焦位置这一完整过程中的大量图像都进行离焦量的评价，因此，一个良好的图像清晰度函数除了具备无偏性、单峰性、锐利性和抗噪性之外，还要尽可能的便于计算，以满足自动聚焦过程实时性的需要。

[0003] 为了减小计算量，现有的清晰度评价函数均只针对灰度图进行计算，导致大量颜色信息的丢失。然而，在生物医学等大量实际场景图像中，目标的颜色信息至关重要，丢失颜色信息可能导致无法获取最佳聚焦位置；而如果对RGB三个颜色通道图都计算清晰度评价函数，又难以避免计算量大大增加的问题。

发明内容

[0004] 针对现有技术的以上缺陷或改进需求，本发明提供了一种彩色图像自动聚焦方法，其目的在于既充分利用图像颜色信息，又能够实现快速自动聚焦。本发明提出的技术方案如下：

[0005] 一种彩色图像自动聚焦方法，其特征在于，所述方法包括以下几个步骤：

[0006] (1)输入RGB格式的原始图像，分别计算得到红-绿拮抗图Irg和蓝-黄拮抗图Iby；

[0007] (2)获取聚焦采样点；

[0008] 先将原始图像划分为三类聚焦窗口：中心窗口、四边窗口以及四角窗口；

[0009] 对不同的聚焦窗口内的红-绿拮抗图Irg和蓝-黄拮抗图Iby设定不同的采样策略：中心窗口内像素进行全采样，四边窗口内像素进行横向隔点采样，四角窗口内像素横向和纵向分别进行隔点采样；采样后分别得到与红-绿拮抗图Irg对应的采样点链表甲Lrg、与蓝-黄拮抗图Iby对应的采样点链表乙Lby，所述的采样点链表甲Lrg、采样点链表乙Lby中记录了聚焦采样点的像素位置信息；

[0010] (3)利用改进的Brenner函数分别计算红-绿拮抗图Irg聚焦采样点的函数值与蓝-黄拮抗图Iby聚焦采样点的函数值FMBrenner，统计大于给定阈值T的所有函数值之和，通过该统计值评价彩色图像的清晰度。

[0011] 所述的步骤(1)具体计算过程如下：

[0012] Irg＝R-G

[0013] Iby＝B-Y

[0014] 其中，

[0015] Y＝(R+G)/2

[0016] R、G、B分别为输入彩色图像的红、绿、蓝三个颜色通道。

[0017] 所述步骤(2)中：原始图像中心点相邻的4个子图构成中心窗口Wa；原始图像四角的4个子图构成四角窗口Wc；原始图像中，四角窗口Wc、中心窗口Wa以外的部分构成四边窗口Wb。

[0018] 所述步骤(3)中的改进Brenner函数计算公式如下：

[0019]

[0020] 其中，Lc.length为采样点链表Lc的长度，

[0021] MBc(i)＝|Ic(Lc[i].x+2，Lc[i].y)-Ic(Lc[i].x，Lc[i].y)|×

[0022] |Ic(Lc[i].x，Lc[i].y+2)-Ic(Lc[i].x，Lc[i].y)| c＝rg，by

[0023] 其中，(Lc[i].x，Lc[i].y)为采样点链表Lc中第i个元素的像素位置。

[0024] 本发明能够达到的有益效果如下：

[0025] 由于自动聚焦对实时性的要求非常高，大量的清晰度评价函数的设计中，为了减少计算量而丢失颜色信息，以致某些特定场合下无法精确评价彩色图像的清晰度。而本发明提出的方法在不增加计算量的前提下让图像的颜色特征得到最大化的利用，对彩色图像清晰度的评价结果更精确。

附图说明

[0026] 图1是本发明的彩色图像自动聚焦方法的流程图；

[0027] 图2是本发明中聚焦窗口的划分示意图。

具体实施方式

[0028] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。

[0029] 步骤一，计算红-绿拮抗图、蓝-黄拮抗图：

[0030] (1.1)输入RGB模式的原始图像，其宽度计为W，其高度记为H；将原始图像分解为红(R)、绿(G)和蓝(B)三个颜色通道图像；

[0031] (1.2)利用红、绿两个颜色通道图像得到黄色(Y)通道图像；

[0032] Y＝(R+G)/2

[0033] (1.3)利用R、G、B、Y计算得到红-绿拮抗图Irg和蓝-黄拮抗图Iby；

[0034] Irg＝R-G

[0035] Iby＝B-Y

[0036] 步骤二，对原始图像相同大小的像素点位置进行采样，分别构建采样点链表甲Lrg和采样点链表乙Lby。采样点链表甲Lrg将用于后续红-绿拮抗图Irg的清晰度的计算，采样点链表乙Lby将用于蓝-黄拮抗图Iby的清晰度的计算。构建采样点链表的目的在于通过抽取具有代表性的聚焦采样点减少后续清晰度评价函数的计算量。红-绿拮抗图Irg和蓝-黄拮抗图Iby各自的聚焦采样点的选取原则为尽可能使两个采样点链表的位置互补，在减少计算量的同时尽可能充分地利用整幅图像的颜色信息。具体步骤包括：

[0037] (2.1)将输入的原始图像按尺寸等分为十六个子图，每个子图大小为W/4×H/4；

[0038] (2.2)如图2所示，将十六个子图分为三类聚焦窗口：中心窗口Wa、四边窗口Wb以及四角窗口Wc；

[0039] 原始图像中心点相邻的4个子图构成中心窗口Wa；

[0040] 原始图像四角的4个子图构成四角窗口Wc；

[0041] 原始图像中，四角窗口Wc、中心窗口Wa以外的部分构成四边窗口Wb。

[0042] (2.3)记录中心窗口Wa内每个像素的位置(x，y)，加入采样点链表甲Lrg中；记录中心窗口Wa内每个像素的位置，加入采样点链表乙Lby中；

[0043] (2.4)对四边窗口Wb内的像素进行横向隔点采样，具体地，逐行地记录四边窗口Wb内的奇数位像素的位置(x，y)，并将其加入采样点链表甲Lrg中；逐行地记录四边窗口Wb内的偶数位像素的位置(x，y)，并将其加入采样点链表乙Lby中；

[0044] (2.5)对四角窗口Wc内的像素进行2倍下采样，即横向和纵向分别进行隔点采样，并将采样像素位置加入采样点链表甲Lrg或采样点链表乙Lby中。

[0045] 具体地，将四角窗口Wc分别按照2×2像素划分为若干子窗口，所述子窗口内的左上角像素的位置(x，y)加入采样点链表甲Lrg中，所述子窗口内的右下角像素的位置(x，y)加入采样点链表乙Lby中。

[0046] 由于主体目标多位于视场中心，因此中心窗口Wa内像素的采样率最高；同时，在摄影构图中黄金分割点的作用至关重要，因此，中心窗口Wa的大小设置使得黄金分割点恰好位于其中。相对于中心窗口Wa，四边窗口Wb和四角窗口Wc内的非目标区域增多，因此，这两类窗口的采样率较低。聚焦窗口和采样策略的设置使得两个采样点链表的长度之和为9/8×W×H，略大于原始图像大小。

[0047] 步骤三，利用改进的Brenner函数统计所有聚焦采样点(x，y)的清晰度评价函数值总和FMBrenner：

[0048] (3.1)利用改进的Brenner函数公式统计红-绿拮抗图Irg图内属于采样点链表甲Lrg中的每个像素的函数值与蓝-黄拮抗图Iby内属于采样点链表乙Lby中的每个像素的函数值：

[0049] MBc(i)＝|Ic(Lc[i].x+2，Lc[i].y)-Ic(Lc[i].x，Lc[i].y)|×

[0050] |Ic(Lc[i].x，Lc[i].y+2)-Ic(Lc[i].x，Lc[i].y)| c＝rg，by

[0051] 其中，(Lc[i].x，Lc[i].y)为采样点链表Lc中第i个元素的像素位置。

[0052] 改进的Brenner函数不仅考虑了水平方向相差两个单元的像素的灰度差，还考虑了垂直方向相差两个单元的像素的灰度差，能更全面反映整幅图像的局部梯度变化，同时，相对原Brenner函数并未过多增加计算量。

[0053] (3.2)统计所有大于给定阈值T的函数值FMBrenner之和，即为输入彩色图像的清晰度。

[0054]

[0055] 其中，Lc.length为采样点链表Lc的长度。

[0056] 本方法对应程序可嵌入图像采集设备中，作业过程中，通过对比若干次计算结果，选择最高的统计值，即可实时选择最优聚焦方案。

[0057] 本发明所提供的彩色图像自动聚焦方法，首先充分利用彩色图像的颜色信息，避免了仅使用灰度图去评价清晰度时导致的颜色细节的丢失；其次，综合考虑主体目标多位于视场中心的特性以及黄金分割点的重要性，减少了因统计颜色信息而增加的计算量以及非目标区域的负面影响，有效地提高了聚焦的实时性和准确性；最后，通过改进Brenner函数，在不增加计算量的前提下，更全面反映整幅图像的清晰度。