AT505886B1

AT505886B1 - METHOD FOR DETERMINING AN IMAGE CHARACTERISTIC

Info

Publication number: AT505886B1
Application number: AT662007A
Authority: AT
Original assignee: Advanced Comp Vision Gmbh Acv
Priority date: 2007-01-12
Filing date: 2007-01-12
Publication date: 2010-02-15
Also published as: AT505886A2; AT505886A3

Description

österreichisches Patentamt AT505 886B1 2010-02-15Austrian Patent Office AT505 886B1 2010-02-15

Beschreibung [0001] Die Erfindung betrifft ein Verfahren nach dem Oberbegriff des Patentanspruches 1.Description: [0001] The invention relates to a method according to the preamble of claim 1.

[0002] Bildschärfemaße sind sehr stark von den jeweilig aufgenommenen Bildinhalten abhängig. Zumeist führt ein bestimmter Bildschärfewert bei ungleichen Szenen zu unterschiedlich scharfen Bildern.Image sharpness measures are very much dependent on the respective recorded image content. In most cases, a certain image sharpness value leads to different sharp images in unequal scenes.

[0003] Ziel der Erfindung ist es, ein Verfahren zur Bestimmung von Bildschärfemaßen zu erstellen, dass auch bei ungleichen Szeneninhalten zu gleichen bzw. vergleichbaren Bildschärfemaßen führt.The aim of the invention is to provide a method for determining image sharpness that leads to the same or comparable Bildschärfemaßen even with unequal scene contents.

[0004] Diese Ziele werden bei einem Verfahren der eingangs genannten Art mit den im Kennzeichen des Patentanspruches 1 angeführten Verfahrensschritten erreicht.These objects are achieved in a method of the type mentioned above with the recited in the characterizing part of claim 1 method steps.

[0005] Das mit dem erfindungsgemäßen Verfahren ermittelte Bildschärfemaß ist im Gegensatz zu gemäß dem Stand der Technik ermittelten Bildschärfemaßen nahezu unabhängig vom jeweiligen Bildszeneinhalt. Derartiger Bildszeneninhalte können z.B. Blutausstriche, Gewebeschnitte, Überwachungsszenen usw. sein. Diese erfindungsgemäßen Vorteile werden dadurch erreicht, dass zur Ermittlung des Bildschärfemaßes jedes einzelne Bild mit sich selbst verglichen wird. Sofern das ermittelte Bildschärfemaß über einem frei wählbaren Vergleichs- bzw. Schwellwert liegt, wird das Bild als ausreichend scharf bzw. fokussiert angesehen bzw. klassiert. Liegt das Bildschärfemaß unter diesem Schwellwert, so kann das Bild als unscharf bzw. nicht fokussiert angesehen werden und die Bildaufnahme kann mit einer anderen Einstellung der aufnehmenden Optik bzw. mit einem neuen Fokussierungswert wiederholt werden. Der Schwellwert wird entweder nach heuristischen Kriterien fix eingestellt oder kann an die jeweilige Situation durch Benutzerinteraktion vorgegeben werden.The image definition determined with the method according to the invention is, in contrast to the image definition determined according to the prior art, almost independent of the respective image scene content. Such picture scene contents may e.g. Blood smears, tissue sections, surveillance scenes, etc. These advantages of the invention are achieved in that each image is compared to itself to determine the image definition. If the determined image definition is above a freely selectable comparison or threshold value, the image is regarded as sufficiently sharp or focused or classified. If the image definition is below this threshold value, then the image can be regarded as unsharp or unfocused and the image acquisition can be repeated with a different setting of the receiving optics or with a new focusing value. The threshold value is set either according to heuristic criteria fixed or can be given to the respective situation by user interaction.

[0006] Die Aufnahmen der Bilder erfolgen z.B. mit Videokameras bzw. mit Bildsensoren, z.B. Flächensensoren, oder anderen Bildaufnahmegeräten.The images of the images are made e.g. with video cameras or with image sensors, e.g. Area sensors, or other imaging devices.

[0007] Bei dem in US 6 724 937 B1 beschriebenen Verfahren werden einzelne Bildsequenzen analysiert. Es wird jenes Bild mit der größten Schärfe zum Druck, zum Speichern oder zur Auswahl selektiert, indem für jedes einzelne Bild die Summe der Gradientenwerte berechnet werden. Diese Gradientenwerte werden im Anschluss stellvertretend für die Bilder miteinander verglichen und jenes Bild selektiert, welches in der einsprechenden Sequenz den höchsten Gradientenwert aufweist.In the method described in US Pat. No. 6,724,937 B1, individual image sequences are analyzed. The image with the greatest sharpness is selected for printing, storage or selection by calculating the sum of the gradient values for each individual image. These gradient values are then compared with one another for the images and the image which has the highest gradient value in the responsive sequence is selected.

[0008] Bei dem in US 2006/0153471 beschriebenen Verfahren wird das Bild in eine mehr oder weniger beliebige Menge von Teilbilden unterteilt, in denen jeweils getrennt ein Wert ermittelt wird, welcher proportional zur Subbildschärfe interpretiert werden kann. Diese Subbildschärfewerte werden mit einer vorab definierten Zielschärfefunktion verglichen. Aus der Abweichung wird ein globaler Bildschärfewert abgeleitet, anhand dessen je nach Zielfunktionsdefinition das Maß für die relative Bildschärfe bestimmt wird.In the method described in US 2006/0153471, the image is subdivided into a more or less arbitrary set of sub-images, in each of which a value is determined separately, which can be interpreted in proportion to the sub-image sharpness. These sub-image sharpness values are compared with a predefined target sharpening function. From the deviation, a global image sharpness value is derived, based on which, depending on the objective function definition, the measure for the relative image sharpness is determined.

[0009] Bei dem in WO 2005/060272 beschriebenen Verfahren werden Einzelbilder und Bildsequenzen analysiert und es wird ein Bildgüteparameter berechnet, welcher sich aus den Einzelparametern "Bildblockigkeit", "Farbreichtum" und "Schärfe" zusammensetzt. Die Bildschärfe ist proportional zum Informationsgehalt des Bildes. Auch hier ist die Bildschärfe ein relativer und kein absoluter Parameter.In the method described in WO 2005/060272, individual images and image sequences are analyzed and an image quality parameter is calculated, which is derived from the individual parameters "image blockiness", "color richness" and "image richness". and " sharpness " composed. The image sharpness is proportional to the information content of the image. Again, the focus is a relative and not an absolute parameter.

[0010] Ein Nachteil aller oben beschriebenen Konzepte ist, dass zur Bestimmung der Bildschärfe immer entweder mehrere Bilder einer Sequenz benötigt werden oder die Schärfe anhand von Subbildern eines Bildes ermittelt wird und als Ergebnis kein absoluter Bildschärfewert ermittelt wird. Bei der von uns vorgeschlagenen Methode wird jedoch immer nur das aktuelle Bild (Graustufenbild oder Farbbild) für sich selbst analysiert und darüber hinaus die Bildschärfe absolut mit einem Wert zwischen 0 (= maximal unscharf) und 1 (= maximal scharf) bewertet. Obig beschriebene Konzepte liefern nur einen nicht vergleichbaren, relativen Bildschärfewert.A disadvantage of all concepts described above is that to determine the image sharpness always either multiple images of a sequence are needed or the sharpness is determined on the basis of subimages of an image and as a result no absolute image sharpness value is determined. In the method we suggest, however, only the current image (grayscale image or color image) is analyzed for itself and, moreover, the image sharpness is evaluated absolutely with a value between 0 (= maximum unsharp) and 1 (= maximum sharp). The concepts described above only provide an incomparable, relative image sharpness value.

[0011] Erfindungsgemäß kann vorgesehen sein, dass mit dem ermittelten wesentlichen Bild- 1/9 österreichisches Patentamt AT505 886B1 2010-02-15 schärfemaß das Auskommen gefunden wird. Es besteht die Möglichkeit, mit den Merkmalen des Anspruches 2 ein ergänzendes Bildschärfemaß zu erstellen, das entsprechend den Merkmalen des Anspruches 3 mit dem wesentlichen Bildschärfemaß verknüpft werden kann, um dem Szeneninhalt besser gerecht zu werden.[0011] According to the invention, it can be provided that the livelihood is achieved with the determined essential image. It is possible to use the features of claim 2 to create a complementary image definition, which can be linked according to the features of claim 3 with the essential image definition in order to better meet the scene content.

[0012] Eine bevorzugte Vorgangsweise zur Ermittlung des vorgegebenen Schwellwertes zur Aufteilung des Gradientenbildes ist im Anspruch 4 wiedergegeben. Durch Ermittlung bzw. Auswahl des Intensitätswertes unter Zuhilfenahme des Histogramms bzw. des kumulativen Histogramms kann die Aufteilung des Gradientenbildes, die für die Ermittlung eines exakten Bildschärfemaßes eine Rolle spielt, erleichtert werden.A preferred procedure for determining the predetermined threshold for the division of the gradient image is reproduced in claim 4. By determining or selecting the intensity value with the aid of the histogram or the cumulative histogram, the division of the gradient image, which plays a role in the determination of an exact image definition, can be facilitated.

[0013] Der Rechenvorgang wird erleichtert, wenn die Merkmale des Anspruches 5 vorgesehen werden.The calculation process is facilitated if the features of claim 5 are provided.

[0014] Mit den Merkmalen des Anspruches 6 bzw. des Anspruches 7 kann jeweils eine Anpassung der erfindungsgemäßen Vorgangsweise an den Szeneninhalt erfolgen.With the features of claim 6 and claim 7, an adaptation of the procedure according to the invention can be made to the scene content in each case.

[0015] Für die Bewertung von relativ großen bzw. Bildbereiche mit unterschiedlichen Schärfeinhalten aufweisenden Bildern ist die Vorgangsweise von Anspruch 8 von Vorteil. Damit wird das Bildschärfemaß von der Aufteilung des Bildes in Subbilder abhängig gemacht, wobei die Bildschärfe der einzelnen Subbilder Berücksichtigung findet.For the evaluation of relatively large or image areas with different sharpening images having the procedure of claim 8 is advantageous. Thus, the image definition is made dependent on the division of the image into sub-images, whereby the image sharpness of the individual sub-images is taken into account.

[0016] Von Vorteil ist es, wenn die Merkmale des Anspruches 9 vorgesehen sind, gemäß denen das ermittelte Bildschärfemaß als Kriterium für eine neue Aufnahme des zu bewertenden Bildes herangezogen wird. Eine derartige Iteration kann fortgesetzt werden, bis das Bildschärfemaß von einem erreichten optimalen Wert abweicht bzw. abnimmt.It is advantageous if the features of claim 9 are provided, according to which the determined image definition is used as a criterion for a new recording of the image to be evaluated. Such an iteration may continue until the focus is deviated from an optimum value reached.

[0017] Im Folgenden wird die erfindungsgemäße Vorgangsweise anhand der Zeichnungen näher erläutert.In the following the procedure according to the invention will be explained in more detail with reference to the drawings.

[0018] Es zeigen [0019] Fig. 1 ein zu bewertendes Bild bzw. ein Kamerabild l(x,y).FIG. 1 shows an image to be evaluated or a camera image l (x, y).

[0020] Fig. 2 zeigt ein Gradientenbild G(x,y).Fig. 2 shows a gradient image G (x, y).

[0021] Fig. 3 zeigt ein Histogramm h(G(x,y)).Fig. 3 shows a histogram h (G (x, y)).

[0022] Fig. 4 zeigt ein kumulatives Histogramm des Gradientenbildes mit einem Schwellwert T, entsprechend einem Prozentsatz von 50 %.Fig. 4 shows a cumulative histogram of the gradient image with a threshold T corresponding to a percentage of 50%.

[0023] Fig. 5 zeigt eine Hochpassmaske ermittelt für den Schwellwert T=50 % für ein Gra dientenbild gemäß Fig. 2.Fig. 5 shows a high-pass mask determined for the threshold T = 50% for a Gra dientenbild according to FIG. 2.

[0024] Fig. 6 zeigt eine Tiefpassmaske LP (x,y) für einen Schwellwert T=50 % für das Gra dientenbild gemäß Fig. 2.Fig. 6 shows a low-pass mask LP (x, y) for a threshold T = 50% for the Gra dientenbild of FIG. 2.

[0025] Fig. 7 zeigt ein unscharfes zu bewertendes Bild.Fig. 7 shows a blurred image to be evaluated.

[0026] Fig. 8 zeigt ein in Subbilder zerlegtes Bild gemäß Fig. 7.FIG. 8 shows a sub-picture decomposed image according to FIG. 7. FIG.

[0027] Fig. 9 zeigt ein Eingangsbild und [0028] Fig. 10 eine Zerlegung dieses Eingangsbildes in Subbilder.Fig. 9 shows an input image, and Fig. 10 shows a decomposition of this input image into sub-images.

[0029] Fig. 11 zeigt ein Eingangsbild gemäß Fig. 9 in einer Scharfstellung.FIG. 11 shows an input image according to FIG. 9 in an in-focus position.

[0030] Fig. 12 zeigt ein in Subbilder zerlegtes Bild gemäß Fig. 11.Fig. 12 shows a sub-picture decomposed image of Fig. 11.

[0031] Im Folgenden wird die erfindungsgemäße Vorgangsweise anhand eines Ausführungsbeispieles näher erläutert.In the following, the procedure according to the invention is explained in more detail with reference to an exemplary embodiment.

[0032] Die erfindungsgemäße Vorgangsweise ist auf Grauwert- oder Farbwertbilder anwendbar, unabhängig davon, wie diese Bilder ermittelt werden. Vorteilhafterweise liegen diese Bilder in digitaler Form vor, andernfalls wären diese Bilder zu digitalisieren, um Bildmatrizen zu erhalten, deren Bildpunkte bzw. Pixel entsprechende Farbwerte bzw. intensitätswerte bzw. Hellig- 2/9 österreichisches Patentamt AT505 886B1 2010-02-15 keitswerte wiedergeben. Prinzipiell könnten auch Bilder bzw. Matrizen ausgewertet werden, deren Bildpunkte andere Werte, beispielsweise Werte für Temperaturen, Mengen oder für andere Parameter enthalten.The procedure of the invention is applicable to grayscale or color value images, regardless of how these images are determined. Advantageously, these images are in digital form, otherwise these images would have to be digitized in order to obtain image matrices whose pixels or pixels reproduce corresponding color values or intensity values or brightness values, respectively. In principle, it would also be possible to evaluate images or matrices whose pixels contain other values, for example values for temperatures, quantities or for other parameters.

[0033] In einem ersten Schritt wird aus dem zu bewertenden Bild l(x,y) ein Gradientenbild G(x,y) erstellt. Das Gradientenbild wird mit an sich bekannten Gradientenbildnern bzw. -filtern, die auf das zu bewertende Bild l(x,y) angewendet werden, erstellt. Die Gradientenfunktion G(x,y) wird vom zu bewertenden Bild l(x,y) extrahiert.In a first step, a gradient image G (x, y) is created from the image l (x, y) to be evaluated. The gradient image is created with per se known gradient formers or filters which are applied to the image l (x, y) to be evaluated. The gradient function G (x, y) is extracted from the image l (x, y) to be evaluated.

[0034] Auf das Gradientenbild G(x,y) wird sodann eine Schwellwert T angewendet. Dieser Schwellwert T kann im vorliegenden Fall, wie anhand der Fig. 3 und 4 erläutert, durch Erstellung eines Histogramms h(G(x,y))und eines kumulativen Histogramms des Gradientenbildes c(G(x,y)) ermittelt werden. Dieser Schwellwert T kann auch abhängig vom Szeneninhalt vorgegeben werden. Dieser Schwellwert entspricht einen gewissen Prozentsatz der Pixel, deren Intensität einen bestimmten Wert über- bzw. unterschreitet.A threshold value T is then applied to the gradient image G (x, y). This threshold value T can be determined in the present case, as explained with reference to FIGS. 3 and 4, by creating a histogram h (G (x, y)) and a cumulative histogram of the gradient image c (G (x, y)). This threshold value T can also be specified depending on the scene content. This threshold corresponds to a certain percentage of the pixels whose intensity exceeds or falls below a certain value.

[0035] Das Gradientenbild G(x,y) bzw. diese Funktion wird mit dem Schwellwert T verglichen und dieser Vergleich ergibt zwei unterschiedliche Gewichtungsfunktionen, nämlich eine Hochpassmaske bzw. Hochpassgewichtungsfunktion HP(x,y) und eine Tiefpassmaske bzw. Tiefpassgewichtungsfunktion LP (x,y).The gradient image G (x, y) or this function is compared with the threshold value T and this comparison results in two different weighting functions, namely a high pass weighting function HP (x, y) and a low pass weighting function LP (x , y).

[0036] Diese beiden Funktionen sind folgendermaßen definiert: HP(x,y) = LP(x,y) = G{x,y)-T if G(x,y) > T 0 eise T-G(x,y)if G(x,y)<T 0 eise [0037] Von Vorteil ist es, wenn diese beiden Funktionen normalisiert werden, sodass ihre Summe überdas gesamte Bild 1 beträgt. Diese Funktionen lauten sodann HP(x,y) image und L· LLp^y) [0038] Der Schwellwert T ist bei der vorliegenden beispielsweisen Vorgangsweise durch einen Prozentsatz im kumulativen Histogramms c(G(x,y)) definiert. Das kumulative Histogramm c(G(x,y)) ist definiert durch die Formel G(x,y) c(G(x,y)) = £a(/). #**ö [0039] wobei h(G(x,y)) als "Bildintensitätshistogramm" der Funktion G(x,y) und h= (i) der Nummer der Bildpunkte im Bild entspricht, wo G(x,y) = i. Wenn der Schwellwert T 50% beträgt, dann ist dies der Medianwert des Bildes.These two functions are defined as follows: HP (x, y) = LP (x, y) = G {x, y) -T if G (x, y) > It is advantageous if these two functions are normalized so that their sum over the entire image is 1. These functions are then HP (x, y) image and L · LLp ^ y). The threshold T is defined by a percentage in the cumulative histogram c (G (x, y)) in the present example procedure. The cumulative histogram c (G (x, y)) is defined by the formula G (x, y) c (G (x, y)) = £ a (/). # ** ö where h (G (x, y)) is represented as " image intensity histogram " the function G (x, y) and h = (i) corresponds to the number of pixels in the image where G (x, y) = i. If the threshold T is 50%, then this is the median value of the image.

[0040] Die normalisierten Gewichtungsfunktionen HPN(x,y) und LPN(x,y) werden in Folge verwendet, um ein normalisiertes Bildschärfemaß zu ermitteln. Dazu wird jedoch noch ein Wert für die lokale Varianz bzw. die lokale Varianzfunktion LocVar(x,y)benötigt.The normalized weighting functions HPN (x, y) and LPN (x, y) are used in sequence to determine a normalized image definition. However, this requires a value for the local variance or the local variance function LocVar (x, y).

[0041] Diese Funktion ist definiert durch LocVar(x,y) = [/(^)-/(^)]2, 3/9 österreichisches Patentamt AT505 886B1 2010-02-15 [0042] wobei l(x,y) der lokale Mittelwert des originalen Bildes l(x,y) ist und folgendermaßen definiert ist. Σ ΣΜ*η,+;)] 1 (2AT+1H2JV+1) [0043] M und N beschreiben die Größe der lokalen Nachbarschaft bzw. die Fenstergröße für die Anwendung der lokalen Varianz und liegen typischerweise zwischen 2 und 8, insbesondere zwischen 3 und 7.[0041] This function is defined by LocVar (x, y) = [/ (^) - / (^)] 2, 3/9 Austrian Patent Office where l (x, y) the local mean of the original image is l (x, y) and is defined as follows. Σ ΣΜ * η, +;)] 1 (2AT + 1H2JV + 1) M and N describe the size of the local neighborhood and the window size for the application of the local variance and are typically between 2 and 8, in particular between 3 and 7.

[0044] Bei Anwendung der lokalen Varianz auf die beiden Gewichtsfunktionen HPN(x,y) und LPN(x,y) erhält man die Funktionen LocVarHp(x,y) und LocVarLp(x,y). Diese Funktionen sind definiert durchApplying the local variance to the two weight functions HPN (x, y) and LPN (x, y) gives the functions LocVarHp (x, y) and LocVarLp (x, y). These functions are defined by

LocVarHP(x,y) = HPN(x,y)\I{x,y)-l(x,y)]2 undLocVarHP (x, y) = HPN (x, y) \ I {x, y) -l (x, y)] 2 and

LocVar^y) = LP„(x,y).[I(x,y) - l{x,y)f.LocVar ^ y) = LP "(x, y). [I (x, y) - l {x, y) f.

Summiert man die Werte der einzelnen Bildpunkte der Matrizen, die durch diese Funktionen definiert werden, so erhält man für die Funktion LocVarHp(x,y) den Summenwert ZL°cVarHP(x,y) =S1 imagc [0045] Für die Funktion LocVarLp(x,y) erhält man den Summenwert Σ LocVarLP(x,y)= S2 image [0046] Diese Werte S1 und S2 sind Bildschärfemaße, wobei das Bildschärfemaß S1 für die Funktion LocVarHP(x,y) wesentlich und beachtlich ist bzw. die Schärfe des Bildes bereits sehr gut wiedergibt. Ergänzt bzw. verknüpft werden kann dieser Wert S1 mit dem ergänzenden Bildschärfemaß S2.If the values of the individual pixels of the matrices defined by these functions are summed, the sum value ZL ° cVarHP (x, y) = S1 imagc is obtained for the function LocVarHp (x, y). For the function LocVarLp ( x, y) one obtains the sum value Σ LocVarLP (x, y) = S2 image These values S1 and S2 are image sharpness measures, where the image definition S1 for the function LocVarHP (x, y) is significant and the sharpness the picture is already very good. This value S1 can be supplemented or linked with the supplementary image definition parameter S2.

[0047] Vorteilhafterweise erfolgt diese Verknüpfung in der Form, dass ein Bildschärfemaß S gemäß der Formel Σ LocVarHP (x>y) - Σ LocVarLP 0> y) <£ Image Image TLocVarHP(x,y)+ ^LocVar^y)Advantageously, this linking is done in the form that a focus distance S according to the formula Σ LocVarHP (x> y) - Σ LocVarLP 0 > y) <Image Image TLocVarHP (x, y) + ^ LocVar ^ y)

Image Image berechnet wird.Image Image is calculated.

[0048] Ein derartiger Bildschärfewert S liegt immer zwischen 0 und 1, wobei S = 0 ein total unscharfes Bild und S = 1 ein maximal scharfes Bild präsentiert.Such an image focus value S is always between 0 and 1, where S = 0 presents a totally blurred image and S = 1 presents a maximum sharp image.

[0049] Für den Fall, dass die erfindungsgemäße Vorgangsweise auf das Bild einer Szene angewendet werden soll, das Bereiche mit unterschiedlicher Schärfen besitzt bzw. zwei unterschiedliche Fokusebenen aufweist, kann wie folgt vorgegangen werden. Der beschriebene Fall kann auftreten, wenn z.B. auf einem Probenträger oder auf einer Linse Luft, Schmutz, Wasser und/oder Luftblasen auftreten. Die negativen Effekte bei einer Fokussierung auf verunreinigte Proben, verschmutzte Objektive oder Objektivträger, Luftblasen in optischen Koppelflüssigkei- 4/9 österreichisches Patentamt AT505 886B1 2010-02-15 ten können damit berücksichtigt werden.In the event that the procedure according to the invention is to be applied to the image of a scene which has regions with different sharpening or has two different focal planes, it is possible to proceed as follows. The described case can occur when e.g. air, dirt, water and / or air bubbles occur on a sample carrier or on a lens. The negative effects of focussing on contaminated samples, soiled lenses or lens carriers, air bubbles in optical coupling liquids can thus be taken into account.

[0050] Für diese Vorgangsweise wird das zu bewertende Bild, wie es beispielsweise in Fig. 7 dargestellt ist, in einer Anzahl von Subbilder geteilt. Das zu beurteilende Bild gemäß Fig. 7 ist unscharf, enthält jedoch drei kleine scharf abgebildete Schmutzpartikel. Wird hier das Bildschärfemaß auf das gesamte Bild berechnet, so beträgt der Bildschärfewert beispielsweise 0,95. Wird dieses Eingangsbild in kleinere, im vorliegenden Fall 25, Subbilder zerlegt, so wird nur mehr, wie in diesem Beispiel gezeigt, in drei Subbildern entsprechend Fig. 8 ein hoher Bildschärfewert festgestellt. In den restlichen Subbildern wird Unscharfe festgestellt. Wird, wie zuvor beschrieben, für diese Subbilder das Bildschärfemaß berechnet, so beträgt der Bildschärfewert 0,07. Es liegt nunmehr an der Diskrimierierung bzw. der Beurteilung der Bildschärfewerte der drei als scharf bewerteten Bilder und der 22 als nicht scharf bewerteten Subbilder, wie der Schärfewert des zu bewertenden Bildes absolut bzw. tatsächlich bewertet wird bzw. welche Schritte gesetzt werden, um die Schärfe des Gesamtbildes zu bewerten. Allenfalls erfolgen aufgrund der Bewertung eine Verstellung des Fokus und eine neue Aufnahme des Bildes und eine neue Beurteilung des Gesamtbildes.For this procedure, the image to be evaluated, for example, as shown in Fig. 7, is divided into a number of sub-images. The image to be assessed according to FIG. 7 is out of focus, but contains three small dirt particles that are in sharp focus. If the image definition is calculated here for the entire image, the image sharpness value is for example 0.95. If this input image is decomposed into smaller, in the present case, 25 sub-images, only a higher image-sharpness value is detected in three sub-images corresponding to FIG. 8, as shown in this example. Blurring is detected in the remaining subpictures. If, as described above, the image sharpness measure is calculated for these subimages, the image sharpness value is 0.07. It is now due to the discrimination or evaluation of the image sharpness values of the three sharply scored images and the 22 sub-images which are not sharply scanned, how the sharpness value of the image to be scored is absolutely or actually evaluated, and which steps are taken to determine the sharpness of the overall picture. At most, due to the evaluation, an adjustment of focus and a new shot of the image and a new assessment of the overall picture.

[0051] Fig. 9 und 11 zeigen ein Bild derselben Szene mit unterschiedlicher Fokussierung der Aufnahmeoptik. Zerlegt man das zu bewertende Bild gemäß Fig. 9 in 25 Subbilder, so erhält man für die Mehrzahl der Subbilder ein Bildschärfemaß von 0,25. Dieser Wert korrespondiert korrekt mit der Unscharfe bzw. den unscharfen Bereichen des Bildes gemäß Fig. 9.FIGS. 9 and 11 show an image of the same scene with different focusing of the recording optics. If the image to be evaluated according to FIG. 9 is divided into 25 sub-images, an image-sharpness measure of 0.25 is obtained for the majority of the sub-images. This value corresponds correctly with the blurred or blurred regions of the image according to FIG. 9.

[0052] Bewertet man jedoch das Bild gemäß Fig. 11 unter Zerlegung dieses Bildes in Subbilder, so erhält man ein Bildschärfemaß von 0,65, wobei auch hier wiederum dieser Wert mit der Schärfe des Eingangsbildes, und zwar mit dem wesentlichen Teil des Eingangsbildes korrespondiert.However, evaluating the image of FIG. 11 by decomposing this image into subpictures, one obtains an image definition of 0.65, again, this value corresponds to the sharpness of the input image, namely with the essential part of the input image ,

[0053] Die Bewertung der Bilder bzw. der Subbilder erfolgt derart, dass das zu bewertende Bild in eine definierte Anzahl von Subbildern geteilt wird und für jedes Subbild ein Bildschärfemaß S oder S1 berechnet wird. Durch die Bestimmung des Medianwertes aller erhaltenen Bildschärfemaße der Subbilder kann entschieden werden, ob das Bild scharf ist oder nicht.The evaluation of the images or of the sub-images is carried out in such a way that the image to be evaluated is divided into a defined number of sub-images and an image-sharpness measure S or S1 is calculated for each sub-image. By determining the median value of all obtained image sharpness measures of the subimages, it can be decided whether the image is sharp or not.

[0054] Eine Berechnung der Medianwerte erfolgt derart, dass bei einer ungeraden Anzahl von Messwerten der Medianwert jener Wert ist, der in der Mitte der nach Größe geordneten Messwerte bzw. Bildschärfewerte liegt. Bei einer geraden Anzahl von Bildschärfewerten wird der Median aus der Hälfte der Summe der beiden in der Mitte der nach Größe geordneten Bildschärfewerten liegenden Werte berechnet.The median values are calculated in such a way that, for an odd number of measured values, the median value is that value which lies in the middle of the values or image sharpness values arranged according to size. For an even number of image sharpness values, the median is calculated from the half of the sum of the two values in the middle of the size-ordered image sharpness values.

[0055] Die Anzahl der Subbilder muss derart gewählt werden, dass die für das Bild nicht relevanten Teile, z.B. Schmutzpartikel, Luftblasen usw. in weniger als der Hälfte der Subbilder enthalten kann. Dann ist die Medianbildung eine exakte Vorgangsweise; andernfalls ist das berechnete Endergebnis für den Bildschärfewert für das gesamte zu bewerfende Bild nicht korrekt sein. Des Weiteren sollte das Bild in nicht allzu viele Subbilder geteilt werden, in denen dann allenfalls zuwenig relevante Gradienteninformationen enthalten sind. Wenn in einer zu großen Anzahl von Subbildern nicht eine ausreichende Anzahl von Details enthalten ist, so können die der Medianbewertung zugrundeliegenden Bildschärfewerte der Subbilder verfälscht werden. 5/9The number of sub-images must be chosen such that the parts not relevant to the image, e.g. Contain dirt particles, air bubbles, etc. in less than half of the sub-images. Then the median formation is an exact procedure; otherwise, the calculated final result for the image focus value will be incorrect for the entire image to be painted. Furthermore, the image should be divided into not too many sub-images, in which then at most too little relevant gradient information is included. If a sufficient number of sub-images are not contained in a sufficient number of sub-images, then the sub-images' image sharpness values underlying the median evaluation can be falsified. 5.9

Claims

Austrian Patent Office AT505 886B1 2010-02-15 Claims 1. A method for determining an image definition of images, in particular in digital form, characterized in that - a gradient image (G (x, y)) of the image to be evaluated (l (x, y)) is obtained y)) is created, - that from the gradient image (G (x, y)), given a threshold value (T) a high pass mask or high pass function (HP (x, y)) with respect to the predetermined threshold (T) higher Gradient values corresponding to higher intensity values, that the local variance or local variance function (LocVar (x, y)) is determined in the image to be evaluated (l (x, y)), that the local variance (LocVar (x, y)) are weighted with the optionally normalized high-pass function (HPN (x, y)), in particular the function values of corresponding pixels are multiplied, and a focus image or a sharpness function (Σ LocVarHp (x, y)) image is created and - that the sum the values de r individual image points of this sharpness image (Σ LocVarHp (x.y)) is determined and regarded as an essential image definition (S1) or image is evaluated.

2. The method according to claim 1, characterized in that from the gradient image (G (x, y)) in addition to the high-pass image or the high-pass function (HP (x, y)) a low-pass mask or a low-pass function (LP (x, y)) is produced with lower intensity values with respect to the predetermined threshold value (T), - that the local variance function (LocVar (x, y)) is weighted with the possibly normalized, low-pass function (LPN (x, y)), in particular by multiplying the function values of corresponding pixels and forming another focus image (Σ LocVarLp (x, y)) image, and - determining the sum of the values of the individual pixels of this sharpness image (Σ LocVarLP (x, y)) and as a supplementary image definition (S2) is viewed or evaluated image.

A method according to claim 1, characterized in that the essential image definition (S1) and the supplementary image definition (S2) are combined to give a resulting image definition (S), e.g. by multiplication or addition, advantageously according to the formula Σ LocVarHP (x, y) ~ ^ LocVar ^ y) g - Image___image_ ^ LocVarHp {x, y) + ^ LocVar ^^ y) image image.

4. Method according to one of claims 1 to 3, characterized in that - from the gradient image (G (x, y)) an intensity histogram (h (G (x, y))) and from this a cumulative histogram (c (G ( x, y))) and that from the cumulative histogram (c (G (x, y))) by specifying a selected percentage for the intensities of the gradient intensities, the threshold value (T) for the division of the gradient image (G (x, y)) into the high-pass mask (HP (x, y)) and the low-pass mask (LP (x, y)). 6/9 Austrian Patent Office AT505 886B1 2010-02-15

5. The method according to any one of claims 1 to 4, characterized in that the high-pass function (HP (x, y)) and possibly also the low-pass function (LP (x, y)) are normalized after their creation and in normalized form for the other Determination of the image definition.

6. The method according to any one of claims 1 to 5, characterized in that the parameters (Μ, N) of the local variance function (LocVar (x, y)) adapted to the scene content, are selected.

7. The method according to any one of claims 1 to 6, characterized in that the gradient image (G (x, y)) using a Sobel filter, high pass filter or edge filter on the image to be evaluated (l (x, y)) is created.

8. The method according to any one of claims 1 to 7, characterized in that - the image to be evaluated (l (x, y)) is divided into a predetermined number of equally sized sub-images and for each sub-image at least the essential image definition (S1), preferably the image sharpness measure (S), is determined, - that the median value of the image sharpness measures obtained for the subimage is determined to determine the image sharpness measure for the image to be evaluated, and - that the median value is compared with a predetermined value and the value to be evaluated depending on the comparison Image (l (x, y)) is considered sharp or out of focus.

9. Method according to claim 1, characterized in that, when an image sharpness value (S1, S2, S) is to be assigned to a non-sharp image, a further recording of the image to be evaluated under changed recording conditions, in particular with changed setting or Focusing the recording optics.

10. A data carrier, characterized in that stored on it a program for carrying out the claimed in claims 1 to 9 method. For this 2 sheets drawings 7/9