CN100451808C - 基于Contourlet变换的数码成像自动对焦方法 - Google Patents

Abstract

本发明公开了一种基于Contourlet变换的数码成像自动对焦方法，利用了Contourlet变换所具有的多分辨率多方向特性，选取可以表征图像轮廓锐度和细节丰富度的Contourlet域的重要系数来计算对焦评价函数，从而确定数码成像系统的精确对焦位置，对于包含大量走向较为一致的纹理的图像，利用纹理边缘的主导方向确定Contourlet域主导方向子带的方法则可以更好地利用图像的方向信息，从而提高对焦灵敏度，并降低计算复杂度。

Description

基于Contourlet变换的数码成像自动对焦方法

技术领域

本发明涉及数码成像自动对焦方法，尤其是涉及一种基于Contourlet变换的数码成像自动对焦方法。

背景技术

在成像系统中，镜头对物体成像有一个最佳像面位置，偏离这个位置将导致图像模糊，成像质量下降；因此，能否精确对焦对一个成像系统是十分重要的。基于数字图像的成像系统采用自动对焦方法，其关键在于对焦评价函数。理想的对焦评价函数曲线表现为类抛物线形状，其峰值对应于最佳成像位置，当离开最佳点时函数值降低。因此自动对焦的过程实质上是求取对焦评价函数最大值的过程。

通常，图像的能量大部分集中在频域的低频和中频段，但图像轮廓的锐度和细节的丰富度则取决于图像的高频成份。当图像清晰时，细节丰富，在空域上表现为相邻像素的特征值(如灰度、颜色等)变化较大，在频域则表现为频谱的高频分量多。常用的对焦评价函数分为两种：空域的和频域的。常用的几种空域对焦评价函数包括laplacian算子、sobel算子、prewitt算子以及能量方差算子等。基于空域的对焦评价方法所需的运算量相对较小，但其缺点是受噪声的影响比较大，即抗噪性较差。频域对焦评价方法则利用了图像的整体特性，抗噪性相对较好，但这种方法通常需要先对图像进行傅立叶变换或其它变换，再根据变换系数来评价图像的清晰度。

Contourlet变换的多方向多尺度特性使其可以很好地捕捉自然图像中的纹理、细节及边缘信息，而数字图像的自动对焦的过程正是对纹理细节等信息的清晰度进行评价并求极值点的过程，因此，Contourlet变换是一种适合进行自动对焦评价的工具。数字Contourlet变换分为两个步骤，首先使用拉普拉斯塔式滤波器组(Laplacian Pyramid，LP)对图像进行多分辨率分解来捕捉奇异点，然后使用二维方向滤波器组(Directional FilterBank，DFB)将位置相近的奇异点根据其不同的方向特性汇集成轮廓段。每一级的Contourlet系数有多个方向子带，这些子带即为含有高频分量的边缘图像。在对图像进行一级Contourlet分解后，即能得到相应的边缘特征图像。如图1(b)即为图1(a)进行2级Contourlet变换后的Contourlet变换系数图。但是对成像系统而言，这只是得到了一个离散的边缘特征图像序列，要实现精确对焦，还必须建立一个目标函数，对离散图像给出统计特性，用来判断最佳的对焦位置。对焦的过程是一个图像能量变化的过程，一般精确对焦的图像具有最大的能量。

发明内容

本发明所要解决的技术问题是提供一种准确有效的基于Contourlet变换的数码成像自动对焦方法。

本发明解决上述技术问题所采用的技术方案为：一种基于Contourlet变换的数码成像自动对焦方法，它包括以下步骤：①对于数码显微成像系统，连续调焦以获得清晰度各不相同的图像的输入信号；②对每幅图像的二维输入信号f进行多级Contourlet变换，获得Contourlet变换系数集合{C_j，k}，这里C_j，k表示Contourelet域第j层第k个子带的系数矩阵，这里j＝1，…，J，其中J为分辨率最高的层；③定义对焦评价函数： $F={\mathrm{\Σ}}_j{\mathrm{\Σ}}_k{\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2,$ 其中，‖E_j，k ^significant‖²表示Contourelet域第j层第k个子带中重要系数的能量总和，即 ${\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(C_{j,k,i}^{\mathrm{significant}}\right)}^2,$ C_j，k，i ^significant为Contourelet域第j层第k个子带中的重要系数，即 $C_{j,k,i}^{\mathrm{significant}}\∈C_{j,k},$ N为该子带中选取的重要系数的个数，对每幅图像的输入信号计算其对焦评价函数F的值；④当连续调焦后对焦评价函数F值的变化趋势变化时，回调焦距直至对应于对焦评价函数F极大值的图像输入信号出现，然后结束调焦过程；⑤取对应于输入信号的对焦评价函数F极大值的图像即获得正确对焦的清晰度最佳的图像。

为了降低计算复杂度，达到快速对焦的目的，上述对焦评价函数F中的‖E_j，k ^significant‖²也可以定义为 ${\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|C_{j,k,i}^{\mathrm{significant}}\right|.$

上述方法中的二维输入信号f可以是数码显微成像图像的全部区域或局部区域或局部区域的组合或下采样信号。

与现有的经典对焦评价方法相比，本发明的基于Contourlet变换的数码成像自动对焦方法很好地利用了Contourlet变换的对图像方向信息捕捉和可能的方向数目的灵活性，可以有效地提取图像的高频信息，判断图像序列中具有最大能量的图像，从而确定数码成像系统的精确对焦位置。

附图说明

图1(a)为辣椒原图像；

图1(b)为辣椒的2级Contourlet变换域系数图；

图2(a)为对焦模糊的纤毛上皮细胞切片的显微镜图片；

图2(b)为对焦清晰的纤毛上皮细胞切片的显微镜图片；

图3为2级Contourlet变换的分辨率最高层的各方向子带的编号图；

图4为选用不同子带系数的基于Contourlet变换的自动对焦方法的对比；

图5为基于Contourlet变换的自动对焦方法与经典对焦方法的对比。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

一种基于Contourlet变换的数码成像自动对焦方法，它包括以下步骤：①对于数码显微成像系统，连续调焦以获得清晰度各不相同的图像的输入信号；②对每幅图像的二维输入信号f进行多级Contourlet变换，获得Contourlet变换系数集合{C_j，k}，这里C_j，k表示Contourelet域第j层(j＝1，...，J，J为分辨率最高的层)第k个子带的系数矩阵；③Contourlet变换具有稀疏性，即仅用少量的变换域系数进行反变换就可以有效地逼近原始图像。就Contourlet变换高频系数而言，其幅值绝大多数都聚集在零附近，仅有极少量系数的幅值较大，这部分幅值较大的系数称之为“重要系数”(significant)，描述了图像的细节纹理信息。因此，可以在不同分辨率下的不同方向子带中选取一定数量的重要系数进行对焦评价，即定义对焦评价函数： $F={\mathrm{\Σ}}_j{\mathrm{\Σ}}_k{\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2,$ 其中，‖E_j，k ^significant‖²表示Contourelet域第j层第k个子带中重要系数的能量总和，即 ${\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(C_{j,k,i}^{\mathrm{significant}}\right)}^2,$ C_j，k，i ^significant为Contourelet域第j层第k个子带中的重要系数，即 $C_{j,k,i}^{\mathrm{significant}}\∈C_{j,k},$ N为该子带中选取的重要系数的个数，对每幅图像的输入信号计算其对焦评价函数F的值；④当连续调焦后对焦评价函数F值的变化趋势变化(由递增变为递减或由递减变为递增)时，回调焦距直至对应于对焦评价函数F极大值的图像输入信号出现，然后结束调焦过程；⑤取对应于输入信号的对焦评价函数F极大值的图像即获得正确对焦的清晰度最佳的图像。

为了降低计算复杂度，达到快速对焦的目的，上述对焦评价函数F中的‖E_j，k ^significant‖²也可以定义为 ${\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|C_{j,k,i}^{\mathrm{significant}}\right|.$

上述方法中的二维输入信号f可以是数码显微成像图像的全部区域或局部区域或局部区域的组合或下采样信号。

与小波变换、傅立叶变换等频域评价方法相比，Contourlet变换的最大优点在于对图像的方向信息的捕捉和可能的方向数目的灵活性。小波变换的方向子带数目恒定，只有水平、垂直和对角方向三个方向。在Contourlet变换域内，方向子带的数目更多了，方向信息的捕捉也更加灵活。为了更好地利用Contourlet变换的这种多方向特性，可以根据各方向子带的能量大小分析确定需对焦的图像的几个重要方向，使得包含重要方向信息的子带在对焦评价函数中占主导成分，包含方向信息较少的方向子带则给予较少的份额，这种不同方向子带的不同重要性可以通过加权方式来实现。另外，由于Contourlet变换的稀疏性，上述方向子带能量的衡量可以通过仅选取部分“重要”的系数来实现。即对焦评价函数也可以定义为： $F={\mathrm{\Σ}}_j\underset{k=1}{\overset{K_j}{\mathrm{\Σ}}}{w}_{j,k}\×{\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2,$ 其中K_j为第j层的子带数，w_j，k为权值。

此外，在参与计算对焦评价函数的方向子带的选取上，也可以根据各方向子带的能量大小分析确定需对焦的图像的主导方向，仅采用主导方向所确定的若干子带的重要系数来进行对焦评价函数的计算。

通过聚焦镜头等距离前进，每前进一个步距，拍摄一幅图像的方式，本实施例采集了18幅“纤毛上皮细胞”截片的显微图像，图像的尺寸为512×512。图像质量经历了从模糊到清晰再到模糊的过程，对于采用的对焦评价函数则应该呈现从小到大再减小的变化规律。图2(a)和图2(b)给出了对焦准确程度不同的两幅图像，即较模糊和较清晰的“纤毛上皮细胞”截片的显微镜观测结果。该系列图像包含的纹理边缘信息主要分为两大类：一是大量的或大或小的圆形区域和圆点。由于圆的方向信息均匀分布于每个方向上，因此不存在某个特定的主导方向；二是条纹状的脉络，这些脉络的走向大致一致，接近45.0°方向，表现在Contourlet变换域，则是能量相对集中在对应于如图3所示的2级Contourlet变换的最高分辨率层的第5个方向子带上。图4给出了对于图2所示图像序列的基于Contourlet变换的五种对焦评价函数曲线，为方便比较，进行了归一化的处理，这五种方法是：

M1：即Contourlet域分辨率最高层上所有方向子带的能量和；

M2：即Contourlet域分辨率最高层上所有方向子带的重要系数的能量和，这里取了每个方向子带上幅值最大的1％系数；

M3：即采用对Contourlet域分辨率最高层上不同方向子带根据其重要性不同加权求取对焦评价函数的方式，对于本实施例而言，采用如下的对焦评价函数： $F=\underset{k=1}{\overset{8}{\mathrm{\Σ}}}{w}_k\×{\left|\right|E_{J,k}\left|\right|}^2,$ 其中k为方向子带的序号，w_k为权值，主导方向所对应的5号子带占具较大的权重；

M4：仅采用主导方向所对应的5号子带的能量大小来评价对焦情况，即对焦评价函数为：F＝‖E_J，5‖²；

M5：仅选取主导方向所对应的5号子带中重要系数求能量和，即对焦评价函数为： $F={\left|\right|E_{J,5}^{\mathrm{significant}}\left|\right|}^2,$ 这里选取了5号子带中幅值最大的1％的系数。

图4表明这五种评价方式的对焦评价函数曲线都呈抛物线状的单峰曲线，函数峰值点都出现在第9幅图像处，即该系列显微图像的精确对焦点。函数曲线的不同之处在于曲线的锋锐程度不同，五条对焦评价曲线中，以M5的曲线最为陡峭，曲线峰值比较尖锐，而M1和M2的曲线比较接近，峰值处都比较平坦，M3和M4的尖锐度则介于中间。五条曲线的尖锐程度依次为：M1≈M2＜M3＜M4＜M5。五种方法的归一化曲线图表明，基于Contourlet变换的自动对焦方法是有效可行的，尤其是对于包含较多特定方向的纹理边缘信息的图像而言，采用主导方向子带的系数不仅可以提高自动对焦的灵敏度，而且由于仅采用部分系数，减少了计算复杂度。

图5给出基于Contourlet变换的自动对焦方法与一些经典对焦评价方法的比较，采用的对焦评价算法包括：Laplacian算子、Sobel算子、Prewitt算子、能量方差算子(standard)以及小波变换(wavelet)对焦评价算法。由图5可见，归一化曲线都呈现为单峰抛物线状，但Sobel算子和Prewitt算子的峰值出现在第10幅图像，与其余方法不符，即未能精确对焦。其余的经典对焦方法都能达到精确对焦的目的，而基于Contourlet变换的方法M1和M2的曲线最为陡峭。

综上所述，由于Contourlet变换具有多分辨率多方向特性，基于Contourlet变换的对焦评价函数可以有效地提取图像的高频信息，判断图像序列中具有最大能量的图像，从而确定数码成像系统的精确对焦位置。对于包含大量走向较为一致的纹理的图像，利用纹理边缘的主导方向确定Contourlet域主导方向子带的方法则可以更好地利用图像的方向信息，从而提高对焦灵敏度，降低计算复杂度。

在不背离权利要求及同等范围所限定的一般概念的精神和范围的情况下，本发明并不限于特定的细节和这里示出与描述的示例。

Claims (2)

1、一种基于Contourlet变换的数码成像自动对焦方法，它包括以下步骤：①对于数码显微成像系统，连续调焦以获得清晰度各不相同的图像的输入信号；②对每幅图像的二维输入信号f进行多级Contourlet变换，获得Contourlet变换系数集合{C_j，k}，这里C_j，k表示Contourelet域第j层第k个子带的系数矩阵，这里j＝1，…，J，其中J为分辨率最高的层；③定义对焦评价函数： $F={\mathrm{\Σ}}_j{\mathrm{\Σ}}_k{\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2,$ 其中，‖E_j，k ^significant‖²表示Contourelet域第j层第k个子带中重要系数的能量总和，即 ${\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\left(C_{j,k,i}^{\mathrm{significant}}\right)}^2$ 或 ${\left|\right|E_{j,k}^{\mathrm{significant}}\left|\right|}^2=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|C_{j,k,i}^{\mathrm{significant}}\right|,$ C_j，k，i ^significant为Contourelet域第j层第k个子带中的重要系数，即 $C_{j,k,i}^{\mathrm{significant}}\∈C_{j,k},$ N为该子带中选取的重要系数的个数，对每幅图像的输入信号计算其对焦评价函数F的值；④当连续调焦后对焦评价函数F值的变化趋势变化时，回调焦距直至对应于对焦评价函数F极大值的图像输入信号出现，然后结束调焦过程；⑤取对应于输入信号的对焦评价函数F极大值的图像即获得正确对焦的清晰度最佳的图像。

2、如权利要求1中所述的一种基于Contourlet变换的数码成像自动对焦方法，其特征在于二维输入信号f是数码显微成像图像的全部区域或局部区域或局部区域的组合或下采样信号。

Images