一种基于图像处理的自动聚焦方法

摘要

本发明公开了一种基于图像处理的自动聚焦方法，在爬山搜索过程中将每n个位置点的清晰度评价函数值作为一段局部曲线进行“拟合”，并通过判断该曲线内是否含有大于所设定阈值的坡峰实现精细搜索，即将存在波峰的小范围内重新划分为n个点，缩小步长重复进行搜索，而若在局部曲线内不存在大于所设定阈值的坡峰，则继续沿原始方向移动n个位置点，重复上述操作寻找最佳对焦位置。本方案基于改进的Robert灰度函数作为图像清晰度评价函数，并将曲线拟合法的思想嵌入到传统爬山算法的局部搜索中，不仅继承了传统爬山算法的简单可靠性，同时又能有效摆脱伪焦峰的干扰，避免了聚焦搜索过程中陷入局部峰值而造成复杂耗时的问题，可广泛应用到相机、显微镜等各种成像系统中。

权利要求

1.一种基于图像处理的自动聚焦方法，其特征在于，包括以下步骤：步骤A、设置系统运动装置的正向限位标记L1和反向限位标记L2以及聚焦搜索的初始大步长D，并设置局部曲线的判别因子阈值Gm；

步骤B、驱动运动装置沿正向方向行进，每行进一步均通过图像传感器采集数字图像并计算出该位置点的清晰度评价值F(z)，设共行进n个位置点；

步骤C、计算行进的n个位置点所在局部区域的曲线判别因子G，采用以下方式计算：其中，σ为n个位置点清晰度评价值的标准差，为n个位置点清晰度评价值的算术平均值；

步骤D、判断G是否小于判别因子阈值Gm：若G不小于Gm，则说明该n个位置点范围内必包含有最佳对焦位置，返回n个位置点中最靠近最佳对焦位置点的前一点，缩小步长为原来的2/n，重复执行步骤B到步骤D，直到运动步长到达系统所需聚焦精度时停止，自动聚焦结束；

若G小于Gm，则说明该范围内不存在最佳对焦位置，则继续沿原始方向移动5个位置点，重新执行步骤B到步骤D加以寻找；

若系统在全路程正向和反向限位内都无法聚焦，说明总体无法寻找到最佳对焦位置，则返回初始位置，自动聚焦结束。

2.根据权利要求1所述的基于图像处理的自动聚焦方法，其特征在于：所述步骤B中，计算图像清晰度评价值F(z)采用以下方法：(1)将数字图像转化为对应的灰度图，f(i,j)为灰度图像中(i,j)点处的灰度值，以下式Robert灰度算子计算图像中(i,j)点处的梯度变化值I(i,j)：(2)增加阈值Ts，若I(i,j)>Ts，则保留该点，否则设置I(i,j)＝0，忽略图像部分模糊区域的梯度变化值，最终累加各点的梯度变化值得到图像总体清晰度评价值F(z)：

3.根据权利要求1所述的基于图像处理的自动聚焦方法，其特征在于：所述步骤B中用来计算图像清晰度评价值的图像区域是图像中的某感兴趣区域，其通过特定的取窗方式获得，所述取窗方式包括但不限于中心取窗、倒T型取窗和非均匀采样取窗，所述的某感兴趣区域最大取整个图像。

4.根据权利要求1所述的基于图像处理的自动聚焦方法，其特征在于：所述步骤B中n的取值范围为5‑7。

5.根据权利要求1所述的基于图像处理的自动聚焦方法，其特征在于：所述步骤A中，初始大步长D小于系统镜头的陡峭区宽度。

说明书

一种基于图像处理的自动聚焦方法

技术领域

[0001] 本发明属于图像处理和自动聚焦技术领域，具体涉及一种基于图像处理的自动聚焦方法。

背景技术

[0002] 随着各种成像设备智能化、自动化的迅速发展，自动聚焦技术已成为当前各类型成像系统和计算机视觉领域的关键技术之一。自动聚焦是指图像采集过程中，通过调节镜
头的位置从而在图像探测器(如CMOS或CCD探测器)上获得清晰图像的过程。自动聚焦根据
其聚焦原理可分为主动式聚焦和被动式聚焦两种。主动式聚焦主要基于测距，通过测量出
目标与镜头之间的距离而据此计算得到对焦准确的位置，直接驱动运动装置到达该位置完
成聚焦，这种方法需要额外的测距设备支持，因此通常需要更多的体积、成本以及电源消耗
等；而被动式聚焦则不需要向目标发射任何能量或信息，仅通过接收到的光线和形成的图
像信息对聚焦状态进行分析，并按照一定的搜索策略控制运动装置反复调节位置参数，直
到获取最清晰的图像；基于图像处理的自动聚焦是目前被动式聚焦方式中较为流行的一
种。

[0003] 随着数字图像处理技术的发展，越来越多的自动聚焦方案都开始采用图像处理手段。在基于图像处理的自动聚焦过程中，系统相机对准需要对焦的目标场景，并驱动步进电
机等运动装置控制对焦位置，通过对相机图像传感器采集到的图像进行清晰度计算，由图
像清晰度来反馈控制运动装置移动的方向和步长，直到找到清晰度最大的位置即为对焦准
确的位置，最终完成调焦。这种方式不依赖于其他设备的辅助，完全以数字图像处理与分析
为基础，更利于系统的集成化和微型化，降低系统成本，因此在各类型成像系统应用(如相
机、显微镜等)中变得越来越流行。

[0004] 基于图像处理的自动聚焦实现中主要涉及两个关键问题：一个是清晰度评价函数，一个是聚焦搜索策略。清晰度评价函数也称聚焦评价函数，图像的清晰度评价是系统离
焦合焦状态的数字化反映，评价计算的准确性决定了自动聚焦的精度，是自动聚焦的关键
因素。目前对清晰度评价函数的研究比较多，通常是通过图像的锐度(梯度)特征计算来进
行的。聚焦搜索策略同样重要，其就是如何对聚焦过程进行控制，使得能够用较快较少的步
长移动达到最精确的聚焦效果，决定了自动聚焦的速度。相比于对清晰度评价函数的研究，
聚焦搜索策略方面还有很多问题没有得到较好解决。

[0005] 目前已提出的聚焦搜索策略有很多，其中应用最广泛且自动化程度较高的是爬山算法。爬山算法是根据清晰度评价函数的单峰性提出的，其基本原理是在聚焦过程中通过
前后不同位置的图像清晰度的增减变化来判定坡峰的位置。具体来说，爬山算法首先以合
适的固定步长从起始位置出发，当遇到清晰度评价值显著变化的位置时，判定并记下该处
处于爬坡状态；当清晰度评价值开始连续下降时，判定已过坡峰位置，则掉头再以较小步长
从反方向进行爬坡一次，通过对坡峰如此反复的来回确定，直到最大清晰度评价值的变化
足够小为止，此时即达到满足精度要求的最佳对焦位置。爬山算法性能稳定，自动化程度
高，可达到较高搜索精度，因此得到了广泛的应用。

[0006] 但由于目标场景多种多样，光照条件也变化不一，使得清晰度评价函数曲线在真实情况下很难会是单调平滑的单峰曲线，而是在其上呈现出多个伪焦峰和局部振荡(如图1
所示即为理想状态下的清晰度评价函数曲线与实际曲线的对比)，使得聚焦搜索非常容易
陷入局部峰值中，造成聚焦时间过长甚至聚焦失败。针对这种问题，很多学者提出了改进方
案，如曲线拟合搜索算法、Fibonacci搜索算法、基于斜率自适应步长搜索算法等等，但这些
算法都存在稳定性不高、适应性不广或抗噪性能差等多种问题，难以推广应用。如基于斜率
自适应步长搜索算法，由于仅依赖前后两点的清晰度评价值是无法有效定义斜率的，因此
在局部峰值处斜率与步长的相对关系没有强对应性，搜索失败率仍较高；曲线拟合搜索算
法在极值附近的效果比较好，但它对极值附近的数据依赖性很大，个别数据一旦出现较大
误差，会对整体的拟合结果造成较大影响，导致极值点的偏移。

[0007] 因此，如何实现一种更好的聚焦搜索策略，以避免陷入局部峰值搜索，提高对焦的准确性并缩短聚焦搜索时间，是一个需要解决的问题。

发明内容

[0008] 本发明针对现有技术存在的不足，提出一种基于图像处理的自动聚焦方法，该聚焦搜索策略可有效提高对焦准确性、避免陷入局部峰值搜索，快速找到最佳对焦位置。

[0009] 本发明是采用以下的技术方案实现的：一种基于图像处理的自动聚焦方法，包括以下步骤：

[0010] 步骤A、设置系统运动装置的正向限位标记L1和反向限位标记L2以及聚焦搜索的初始大步长D，并设置局部曲线的判别因子阈值Gm；

[0011] 步骤B、驱动运动装置沿正向方向行进，每行进一步均通过图像传感器采集数字图像并计算出该位置点的清晰度评价值F(z)，共行进n个位置点；

[0012] 步骤C、计算行进的n个位置点所在局部区域的曲线判别因子G；

[0013] 步骤D、判断G是否小于判别因子阈值Gm：

[0014] 若G不小于Gm，则说明该n个位置点范围内必包含有最佳对焦位置，返回n个位置点中最靠近最佳对焦位置点的前一点，缩小步长为原来的2/n，重复执行步骤B到步骤D，直到
运动步长到达系统所需聚焦精度时停止，自动聚焦结束；

[0015] 若G小于Gm，则说明该范围内不存在最佳对焦位置，则继续沿原始方向移动5个位置点，重新执行步骤B到步骤D加以寻找；

[0016] 若系统在全路程正负限位内都无法聚焦，说明总体无法寻找到最佳对焦位置，则返回初始位置，自动聚焦结束。

[0017] 进一步的，所述步骤B中，计算图像清晰度评价值F(z)采用以下方法：

[0018] (1)将数字图像转化为对应的灰度图，f(i,j)为灰度图像中(i,j)点处的灰度值，以下式Robert灰度算子计算图像中(i,j)点处的梯度变化值I(i,j)：

[0019]

[0020] (2)由于图像越清晰，图像的边缘细节信息就越明显，梯度变化也就越大，而图像越模糊梯度变化就越小，因此在聚焦过程中保留梯度突变点，忽略图像部分模糊区域的梯
度变化值，只突出相对清晰部分的梯度变化值，为此增加阈值Ts，若I(i,j)>Ts，则保留该点，
否则设置I(i,j)＝0，忽略图像部分模糊区域的梯度变化值，最终累加各点的梯度变化值得
到图像总体清晰度评价值F(z)：

[0021]

[0022] 进一步的，所述步骤C中，曲线判别因子采用以下方式计算：

[0023]

[0024] 其中，σ为n个位置点清晰度评价值的标准差，为n个位置点清晰度评价值的算术平均值。

[0025] 进一步的，所述步骤B中所用来计算图像清晰度评价值的图像区域是图像中的某感兴趣区域，通过特定的取窗方式获得，所述取窗方式包括但不限于中心取窗、倒T型取窗
和非均匀采样取窗，所述的某感兴趣区域最大取整个图像。

[0026] 进一步的，所述步骤B中n的取值范围为5‑7，以获取更精细的聚焦搜索范围。

[0027] 进一步的，所述步骤A中，初始大步长D小于系统镜头的陡峭区宽度。

[0028] 与现有技术相比，本发明的优点和积极效果在于：

[0029] 本发明基于改进的Robert灰度函数作为图像清晰度评价函数，并将曲线拟合法的思想嵌入到传统爬山算法的局部搜索中，不仅继承了传统爬山算法的简单可靠性，即计算
简单，性能稳定，自动化程度高，普适性好；同时又能有效摆脱伪焦峰的干扰，避免了聚焦搜
索过程中陷入局部峰值而造成复杂耗时的问题，稳定了聚焦效率和准确度之间的平衡。

附图说明

[0030] 图1为理想状态下的清晰度评价函数曲线与实际曲线的对比示意图；

[0031] 图2为本发明实施例所述聚焦搜索策略的原理示意图；

[0032] 图3为本发明实施例基于图像处理的自动聚焦方法基本流程框架示意图。

具体实施方式

[0033] 为了能够更加清楚地理解本发明的上述目的、特征和优点，下面结合附图及实施例对本发明做进一步说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明，
但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公
开的具体实施例。

[0034] 本方案提出一种基于图像处理的自动聚焦方法，基于改进的Robert灰度函数作为图像清晰度评价函数，并创造性的提出曲线拟合法的思想嵌入到传统爬山算法的局部搜索
中，改进聚焦搜索策略，其基本原理为：

[0035] 在爬山搜索过程中每n个位置点的清晰度评价函数值作为一段局部曲线进行“拟合”，判断该曲线内是否含有大于所设定阈值的坡峰，若存在，则说明在该n个位置点范围内
必包含有最佳对焦位置(单峰)，此时返回n个位置点中最靠近最佳对焦位置点(最大值点)
的前一点，以此点为起点，以最佳对焦位置点的后一点为终点，将此范围重新划分为n个点
缩小步长重复进行搜索，最终达到所需聚焦精度，而若在曲线内不存在大于所设定阈值的
坡峰，则继续沿原始方向移动n个位置点，重复上述聚焦操作寻找最佳对焦位置，本实施例
中，n的取值范围为5‑7，优选5。

[0036] 其中，该聚焦搜索策略要求搜索的初始步长应比拟于或稍小于系统镜头的陡峭区宽度；该聚焦搜索策略通过设定判别因子阈值滤除局部搜索过程中的伪焦峰和局部振荡，
并通过对局部曲线的放缩或归一化处理保证在不同目标场景图像下的设定阈值效果均一
致可用；同时，不限定聚焦窗口(ROI)的选择，中心取窗、倒T型取窗、非均匀采样取窗等不同
取窗方式均可结合使用。

[0037] 如图3所示，本实施例以n＝5为例，对基于图像处理的自动聚焦方法的详细实现过程进行介绍：

[0038] 1)设置聚焦搜索的初始大步长D，该步长不可过大，应比拟于或稍小于系统镜头的陡峭区宽度，并设置移动点计数为0；

[0039] 2)驱动运动装置沿正向方向以步长D行进1个位置点；

[0040] 3)通过图像传感器采集数字图像，并将数字图像转化为对应的灰度图，记f(i,j)为灰度图像中(i,j)点处的灰度值；

[0041] 4)在灰度图像中进行聚焦窗口(ROI)选择，即取窗，取窗方式可以为中心取窗、倒T型取窗、非均匀采样取窗等不同方式；

[0042] 5)针对处理后图像，并行计算出图像各像素点处的梯度变化值，记图像中(i,j)点处的梯度变化值为I(i,j)，本实施例以下式Robert算子方式进行计算：

[0043]

[0044] 6)由于图像越清晰，图像的边缘细节信息就越明显，梯度变化也就越大，而图像越模糊梯度变化就越小，因此在聚焦过程中保留梯度突变点，忽略图像部分模糊区域的梯度
变化值，针对处理后图像，并行计算判断图像中(i,j)点处的梯度变化值I(i,j)是否大于设
定阈值Ts，若I(i,j)>Ts，则保留该点的值，否则将该点值设置I(i,j)＝0；

[0045] 7)针对处理后图像，计算清晰度评价值F(z)并缓存，以下式计算：

[0046]

[0047] 8)判断此时移动点计数是否到达5个点：

[0048] 若否，返回步骤2)执行；

[0049] 若是，则计算该局部曲线的判别因子G，G的获得以下式方式进行计算，其中，σ为5个位置点清晰度评价值的标准差，为5个位置点清晰度评价值的算术平均值。

[0050]

[0051] 其中，曲线判别因子G的实现方式不唯前述一种，只需可以实现从局部区域曲线中探测坡峰存在且保证在不同目标场景图像下的设定阈值效果均一致可用即可(即在所涉及
的目标场景下，判别因子所设定的阈值能够判别出该局部区域的极值是否是全局极大值也
即最佳对焦位置，需要所设计的判别因子对数据的偏差具有较高敏感性且与数据值域大小
无关)，本实施例在此不做具体限制；

[0052] 9)判断G是否小于判别因子阈值Gm，结合图2所示：

[0053] 若G小于Gm，则说明该范围内不存在最佳对焦位置，跳转到步骤13)执行；

[0054] 若G不小于Gm，则说明该5个位置点范围内必包含有最佳对焦位置(单峰)，进入步骤10执行：

[0055] 其中，本实施例中的阈值Gm和Ts，均与具体系统硬件实现相关，不同系统中的设定值范围不同，需要在实际硬件实现后多次测试确定；例如一个装配有10倍物镜和4倍目镜的
显微镜装置，典型设定值可为Gm＝0.25，Ts＝5。

[0056] 10)驱动运动装置移动返回到5个位置点中最靠近最佳对焦位置点(评价值中最大值所对应位置点)的前一点；

[0057] 11)设置聚焦搜索步长D为原来的2/5；

[0058] 12)判断此时聚焦搜索步长D是否到达系统所需聚焦定位精度：

[0059] 若是，说明聚焦成功，自动聚焦过程结束，进入步骤16)执行；

[0060] 若否，设置移动点计数为0，返回步骤2)执行；

[0061] 13)判断此时运动装置是否已到达正向限位标记L1：

[0062] 若否，设置移动点计数为0，返回步骤2)执行；

[0063] 若是，进入步骤14)执行。

[0064] 14)驱动运动装置返回到初始移动位置，并设置移动方向为反向；

[0065] 15)判断此时运动装置是否已到达反向限位标记L2：

[0066] 若否，设置移动点计数为0，返回步骤2)执行；

[0067] 若是，说明聚焦失败，自动聚焦过程结束，进入步骤16)执行；

[0068] 16)驱动运动装置返回到初始移动位置，并设置移动方向为正向。

[0069] 本实施所述方法在实际应用测试中，完成一次聚焦过程绝大多数情况下需要采集和分析15至25张图像(与初始位置有关)，单张图像采集和分析时间平均在80毫秒(其中清
晰度评价值计算时间在20毫秒以下，图像采集时间在50毫秒左右)，故在不计运动装置运动
时间情况下，完成一次聚焦过程平均花费可在2秒左右。在一例针对连续非平面的100个点
位聚焦测试中，只存在8个点位聚焦失败(返回初始位置)和1个点位陷入伪焦峰的情况，且
聚焦失败和陷入伪焦的情况中，采集图像数量也只在35至40张左右，不会长时间陷入局部
坡峰的反复搜索。可见本发明方法不仅计算简单可靠、效率高，同时又能有效摆脱伪焦峰的
干扰，避免了聚焦搜索过程中陷入局部峰值而造成复杂耗时的问题，稳定了聚焦效率和准
确度之间的平衡。

[0070] 以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等
效实施例应用于其它领域，但是凡是未脱离本发明技术方案内容，依据本发明的技术实质
对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。