CN104820328A - 一种基于离焦模型曲线计算准焦位置的快速自动对焦方法 - Google Patents

Abstract

本发明公开了一种基于离焦模型曲线计算准焦位置的快速自动对焦方法，该方法采用函数逼近法，减小了自动对焦中驱动电机的步数，只需三个电机位置处的评价函数值即可逼近准焦位置，在峰值附近利用抛物线拟合法再次逼近准焦位置，从而实现了自动对焦的准确性与实时性。

Description

一种基于离焦模型曲线计算准焦位置的快速自动对焦方法

技术领域

本发明涉及一种自动对焦方法，尤其涉及一种基于离焦模型曲线拟合的快速自动对焦方法。

背景技术

随着智能手机自拍、视屏通话等应用被广泛使用，照相机已成为手机的一个重要组成部分，在数字图像和多媒体技术迅速发展的今天，基于图像处理的自动对焦方法也越来越多地受到人们的关注。在图像采集系统中，自动对焦是指通过调节镜头组和探测器之间的位置，从而在图像探测器上获得清晰图像的过程。基于图像处理的自动对焦方法主要包括以下三个方面，分别为：对焦窗口的选择，对焦评价函数的选择，以及对焦搜索策略的选取。这种自动对焦方法是利用某种数字图像处理算法，获取图像清晰度特征值，即对焦评价函数值，并根据对焦评价函数值，驱动镜片或者图像传感器位置，直到对焦评价函数值最佳为止。自动对焦系统中镜头的反馈控制关键是确定对焦评价函数的峰值位置，这实质上是一个一维极值的最优化问题。通过寻找对焦评价函数的极值来驱动成像镜头移动至准焦位置。

典型的评价函数峰值搜索方法有爬山法、Fibbonacci搜索法和函数逼近法等。爬山搜索算法是根据对焦评价函数的曲线走势提出的。对焦开始时，设定对焦方向和较大的步长；然后一边获取图像，一边计算对焦评价函数值，当最新获取的图像评价值小于前一幅图像的评价值时，改变对焦方向；当再次越过峰顶后，减小步长，最终得到最佳镜头位置。Fibbonacci搜索法利用的是有名的Fibbonacci函数而提出的搜索策略。但这些搜索方式都需要驱动电机到很多位置，得到不同位置的图像从而根据评价函数值来寻找准焦位置，而对于快速自动对焦而言步进电机的步数是决定对焦实时性的重要因素。因此减少驱动步进电机的步数是解决自动对焦实时性的一个关键问题。

发明内容

本发明的目的是针对现有技术的不足，提出一种基于离焦模型曲线计算准焦位置的快速自动对焦方法。

本发明的目的是通过以下技术方案实现的：一种基于离焦模型曲线计算准焦位置的快速自动对焦方法，该方法包括以下步骤：

(1)在电机的任意起始位置x₁，获取第一图像；

(2)选取另外两个尝试位置x₂、x₃，并在两个尝试位置x₂、x₃分别获取第二图像和第三图像；

(3)对步骤1和2的三个电机位置x₁、x₂、x₃，以及三个位置上分别获取的三幅图像进行梯度绝对值算子评价，得到清晰度评价值y(x₁)、y(x₂)、y(x₃)(其中，y(x₁)为第一图像的清晰度评价值，y(x₂)为第二图像的清晰度评价值，y(x₃)为第三图像的清晰度评价值)。

(4)根据上述三个电机位置为x₁、x₂、x₃，以及三个图像的清晰度评价值y(x₁)、y(x₂)、y(x₃)，建立如式1所示的离焦模型表达式，将x₁、x₂、x₃和y(x₁)、y(x₂)、y(x₃)分别代入离焦模型表达式，联立式2～式4，得到准焦位置x_f；

       $y\left(x\right)=\frac{a}{|x-x_f|+b}---\left(1\right)$

       $y\left(x_1\right)=\frac{a}{|x_1-x_f|+b}---\left(2\right)$

       $y\left(x_2\right)=\frac{a}{|x_2-x_f|+b}---\left(3\right)$

       $y\left(x_3\right)=\frac{a}{|x_3-x_f|+b}---\left(4\right);$

其中，a与b均为常数，x_f表示准焦位置。

进一步地，所述步骤2中，两个尝试位置x₂、x₃是根据起始位置x₁计算得到，具体为：电机总步数为L，起始位置为x₁，当x₁<[0.1×L]时，x₂＝x₁+[0.45×L]；x₃＝x₂+[0.45×L]；

当[0.1×L]≤x₁<[0.175×L]时，x₂＝x₁+[0.3×L]，x₃＝x₂+[0.3×L]；

当[0.1×L]≤x₁<[0.175×L]时，x₂＝x₁+[0.3×L]，x₃＝x₂+[0.3×L]；

当[0.175×L]≤x₁<[0.25×L]时，x₂＝x₁-[0.125×L]，x₃＝x₁+[0.7×L]；

当[0.375×L]≤x₁<[0.5×L]时，x₂＝x₁-[0.35×L]，x₃＝x₁+[0.475×L]；

当[0.5×L]≤x₁<[0.625×L]时，x₂＝x₁-[0.475×L]，x₃＝x₁+[0.375×L]；

当[0.625×L]≤x₁<[0.75×L]时，x₂＝x₁-[0.575×L]，x₃＝x₁+[0.25×L]；

当[0.75×L]≤x₁<[0.875×L]时，x₂＝x₁-[0.375×L]，x₃＝x₂-[0.35×L]；

否则，x₂＝x₁-[0.425×L]，x₃＝x₂-[0.425×L]。

进一步地，所述步骤4中的三个电机位置x₁、x₂、x₃为更新后的电机位置；所述更新方法如下：对三个电机位置x₁、x₂、x₃由小到大进行排序，找到中间位置；若三点对应的图像清晰度评价值呈单调减的分布，则将中间位置更新至其中，x_min＝min[x₁x₂x₃]，即为x₁、x₂、x₃中的最小值，x_max＝max[x₁x₂x₃]，即为x₁、x₂、x₃中的最大值，；若三点对应的图像评价值呈单调增的分布，则将中间位置更新至若三点对应的图像清晰度评价值不单调，则不对x₁、x₂、x₃进行更新。

进一步地，该方法还包括步骤5，所述步骤5为：在准焦位置x_f处获取第四图像，计算第四图像的清晰度评价值y_f；比较在三个电机位置x₁、x₂、x₃获取的图像的清晰度评价值y(x₁)、y(x₂)、y(x₃)，将清晰度评价值较大的两幅图像对应的电机位置以及准焦位置x_f作为辅助拟合位置，根据辅助拟合位置以及相应的清晰度评价值，通过抛物线拟合法建立位置与清晰度评价值的关系式，确定清晰度评价值最高的电机位置为二次准焦位置x_p。

进一步地，该方法还包括步骤6，所述步骤6为：将电机驱动至x_p，x_p-1，x_p+1位置处，分别获取第五图像、第六图像和第七图像，其中，x_p-1位置为x_p向左移动一步后的位置，x_p+1位置为x_p向右移动一步后的位置。并计算三个图像的清晰度评价值y_p、y_p-1、y_p+1(其中y_p为第五图像的清晰度评价值、y_p-1为第六图像的清晰度评价值、y_p+1为第七图像的清晰度评价值)，以清晰度评价值最大的图像所对应的位置为最终准焦位置。

本发明的有益效果在于：本发明采用函数逼近法，减小了自动对焦中驱动电机的步数，只需三个电机位置处的评价函数值即可逼近准焦位置，在峰值附近利用抛物线拟合法再次逼近准焦位置，从而实现了自动对焦的准确性与实时性。

附图说明

图1为本发明方法的算法流程图。

图2为用梯度绝对值算子作为评价函数对一组共有40个图像序列的实拍场景评价函数曲线。

图3为用三个点解离焦模型方程得到的倒数曲线示意图。

图4为准焦位置处的实拍场景图。

图5为对焦窗口所选取的实际场景图。

图6为利用三个横纵坐标绘制出的离焦模型表达式曲线。

图7为利用三个横纵坐标拟合出的抛物线。

图8为针对任意初始位置选择两个尝试位置的策略。

具体实施方式

函数逼近法的实质是利用一个简单的二阶或三阶函数g(x)按照曲线拟合的方法逼近原始函数f(x),再用g(x)的极值点来近似f(x)的极值点。由于g(x)的极值点可以用解析的方法求得，当已知f(x)的极值点在特定的小区域内时，函数逼近法可以得到很好的结果。本发明一种基于离焦模型曲线计算准焦位置的快速自动对焦方法，该方法中采用合适的曲线形式逼近原始函数，提高了自动对焦的实时性和准确性。该方法包括以下步骤：

下面结合附图和实例进行详细说明：

图1为本发明方法的算法流程图。本实施例以一组步数为40的实拍图像为例，其中，第7个位置为准焦位置清晰图像，图4为准焦位置处(本示例为第7个位置)的实际场景图。这组实拍图像的采集过程为将马达从最近端以固定步距驱动至最远端，从而通过计算对焦窗口的评价函数值绘制出图2所示的评价函数曲线以便理解。本发明方法的对焦步骤如下：

(1)首先对于任意一个起始的电机位置，目前电机位置为x₁＝5，获取该处的图像。

(2)根据电机的起始位置x₁计算另外两个尝试位置x₂、x₃，其规则如图8所示，具体描述如下所述：

电机总步数为L＝40，起始位置为x₁＝5，当x₁<[0.1×L]时，x₂＝x₁+[0.45×L]；x₃＝x₂+[0.45×L]；

当[0.1×L]≤x₁<[0.175×L]时，x₂＝x₁+[0.3×L]，x₃＝x₂+[0.3×L]；

当[0.1×L]≤x₁<[0.175×L]时，x₂＝x₁+[0.3×L]，x₃＝x₂+[0.3×L]；

当[0.175×L]≤x₁<[0.25×L]时，x₂＝x₁-[0.125×L]，x₃＝x₁+[0.7×L]；

当[0.375×L]≤x₁<[0.5×L]时，x₂＝x₁-[0.35×L]，x₃＝x₁+[0.475×L]；

当[0.5×L]≤x₁<[0.625×L]时，x₂＝x₁-[0.475×L]，x₃＝x₁+[0.375×L]；

当[0.625×L]≤x₁<[0.75×L]时，x₂＝x₁-[0.575×L]，x₃＝x₁+[0.25×L]；

当[0.75×L]≤x₁<[0.875×L]时，x₂＝x₁-[0.375×L]，x₃＝x₂-[0.35×L]；

否则，x₂＝x₁-[0.425×L]，x₃＝x₂-[0.425×L]。

根据x₁的范围驱动电机移动至x₂＝17、x₃＝29处，使三个点的覆盖范围足够广，以便充分估计离焦模型曲线的趋势和形状。

(3)对步骤1和2获取的三个图像通过梯度绝对值算子分别计算三个图像的清晰度评价值，本实施例中，我们选取图像正中央的200×200个像素作为对焦窗口区域，用来计算图像的评价值，对焦窗口所选取的实际场景图如图5所示。利用梯度绝对值算子作为评价函数来计算获取的这三幅图像的评价值，其中剃度绝对值算子的计算方法如下：

T(i,j)＝|I(i+1,j)-I(i,j)|+|I(i,j+1)-I(i,j)|

       $Y\left(I\right)=\underset{i}{\mathrm{\&Sigma;}}\underset{j}{\mathrm{\&Sigma;}}T(i,j)$

其中，I(i,j)为图像在像素(i,j)处的灰度值，T(i,j)为像素(i,j)处的梯度值，Y(I)为图像对焦窗口区域的评价函数值。计算得到评价函数值y₁＝106507、y₂＝49504、y₃＝17506。

(4)对三个电机位置x₁、x₂、x₃由小到大进行排序，即x₁＜x₂＜x₃，三点对应的图像清晰度评价值呈单调减的分布(y₁＝106507＞y₂＝49504＞y₃＝17506)，则将中间位置x₂更新至处，同时在更新后的中间位置获取更新后的图像，计算该图像的清晰度评价函数值y₂′＝89040。

(5)根据上述三个电机位置x₁＝5、x₂′＝11、x₃＝29，以及三个图像的清晰度评价值y₁＝106507、y₂′＝49504、y₃＝17506(其中，y₁为第一图像的清晰度评价值，y₂′为更新后的图像的清晰度评价值，y₃为第三图像的清晰度评价值)，利用离焦模型表达式计算准焦位置x_f，并在准焦位置x_f处获取第四图像，计算第四图像的清晰度评价值y_f；所述离焦模型表达式为：

       $y=\frac{a}{|x-x_f|+b}$

其中，a与b均为常数，x_f表示准焦位置。a＝392220，b＝1.4038，x_f＝7.6388，并绘制出利用这三个点得到的离焦模型表达式曲线，如图6所示，再对x_f取整，得到x_f＝8。

(6)比较在三个电机位置x₁、x₂′、x₃获取的图像的清晰度评价值y₁、y₂′、y₃，将清晰度评价值较大的两个图像对应的电机位置以及一次估计准焦位置x_f作为辅助拟合位置，根据辅助拟合位置以及相应的清晰度评价值，通过抛物线拟合法建立位置与清晰度评价值的关系式，确定清晰度评价值最高的二次准焦位置x_p；

(7)驱动马达至曲线拟合最大值所对应的x_f＝8位置处，获取图像，并计算其评价函数值y_f＝117309。

(8)比较在三个电机位置x₁、x₂′、x₃获取的图像的清晰度评价值y₁、y₂′、y₃，将清晰度评价值较大的两个图像对应的电机位置以及一次估计准焦位置x_f作为辅助拟合位置，根据辅助拟合位置以及相应的清晰度评价值，本实施例中评价函数值较大的两个值分别为x₁＝5，y₁＝106507，x₂′＝11，y₂＝89040，结合第一次估计位置x_f＝8，y_f＝117309进行抛物线拟合，抛物线拟合结果如图7所示，确定清晰度评价值最高的二次准焦位置x_p＝7，获取该处的图像并计算图像评价函数值y_p＝120087。

(9)将电机驱动至x_p-1和x_p+1位置处，即x_p左右各一步的位置，分别获取第六图像和第七图像，并计算两个图像的清晰度评价值y_p-1、y_p+1(其中y_p-1为第六图像的清晰度评价值、y_p+1为第七图像的清晰度评价值)，以清晰度评价值最大的图像所对应的位置为准焦位置。本实施例中，需移动电机至x_p-1＝6位置处，计算其图像评价函数值y_p-1＝116090，由于x_p+1＝8位置处的图像已经获取过，因此无需再驱动电机至此处。由于y_p-1＝120087处的评价值最大，因此x_m＝7即为准焦位置，驱动电机至该位置处，完成自动对焦。

本发明提出一种基于离焦模型的曲线表达式，用于函数逼近法，对于所有正常实拍图像场景的自动对焦而言，无论电机的起始位置在何处，只需要5-8步即可完成自动对焦系统中准焦点位置的搜索，实现了快速准确的自动对焦。

Claims (5)

1.一种基于离焦模型曲线计算准焦位置的快速自动对焦方法，其特征在于，该方法包括以下步骤：

(1)在电机的任意起始位置x₁，获取第一图像；

(2)选取另外两个尝试位置x₂、x₃，并在两个尝试位置x₂、x₃分别获取第二图像和第三图像；

(3)对步骤1和2的三个电机位置x₁、x₂、x₃，以及三个位置上分别获取的三幅图像进行梯度绝对值算子评价，得到清晰度评价值y(x₁)、y(x₂)、y(x₃)(其中，y(x₁)为第一图像的清晰度评价值，y(x₂)为第二图像的清晰度评价值，y(x₃)为第三图像的清晰度评价值)。

(4)根据上述三个电机位置为x₁、x₂、x₃，以及三个图像的清晰度评价值y(x₁)、y(x₂)、y(x₃)，建立如式1所示的离焦模型表达式，将x₁、x₂、x₃和y(x₁)、y(x₂)、y(x₃)分别代入离焦模型表达式，联立式2～式4，得到准焦位置x_f；

$y\left(x\right)=\frac{a}{|x-x_f|+b}---\left(1\right)$

$y\left(x_1\right)=\frac{a}{|x_1-x_f|+b}---\left(2\right)$

$y\left(x_2\right)=\frac{a}{|x_2-x_f|+b}---\left(3\right)$

$y\left(x_3\right)=\frac{a}{|x_3-x_f|+b}---\left(4\right);$

其中，a与b均为常数，x_f表示准焦位置。

2.根据权利要求1所述的方法，其特征在于，所述步骤2，两个尝试位置x₂、x₃是根据起始位置x₁计算得到，具体为：

电机总步数为L，起始位置为x₁，当x₁<[0.1×L]时，x₂＝x₁+[0.45×L]；x₃＝x₂+[0.45×L]；

当[0.1×L]≤x₁<[0.175×L]时，x₂＝x₁+[0.3×L]，x₃＝x₂+[0.3×L]；

当[0.1×L]≤x₁<[0.175×L]时，x₂＝x₁+[0.3×L]，x₃＝x₂+[0.3×L]；

当[0.175×L]≤x₁<[0.25×L]时，x₂＝x₁-[0.125×L]，x₃＝x₁+[0.7×L]；

当[0.375×L]≤x₁<[0.5×L]时，x₂＝x₁-[0.35×L]，x₃＝x₁+[0.475×L]；

当[0.5×L]≤x₁<[0.625×L]时，x₂＝x₁-[0.475×L]，x₃＝x₁+[0.375×L]；

当[0.625×L]≤x₁<[0.75×L]时，x₂＝x₁-[0.575×L]，x₃＝x₁+[0.25×L]；

当[0.75×L]≤x₁<[0.875×L]时，x₂＝x₁-[0.375×L]，x₃＝x₂-[0.35×L]；

否则，x₂＝x₁-[0.425×L]，x₃＝x₂-[0.425×L]。

3.根据权利要求1所述的方法，其特征在于，所述步骤4中的三个电机位置x₁、x₂、x₃为更新后的电机位置；所述更新方法如下：对三个电机位置x₁、x₂、x₃由小到大进行排序，找到中间位置；若三点对应的图像清晰度评价值呈单调减的分布，则将中间位置更新至其中，x_min＝min[x₁x₂x₃]，x_max＝max[x₁x₂x₃]；若三点对应的图像评价值呈单调增的分布，则将中间位置更新至若三点对应的图像清晰度评价值不单调，则不对x₁、x₂、x₃进行更新。

4.根据权利要求1所述的方法，其特征在于，该方法还包括步骤5，所述步骤5为：在准焦位置x_f处获取第四图像，计算第四图像的清晰度评价值y_f；比较在三个电机位置x₁、x₂、x₃获取的图像的清晰度评价值y(x₁)、y(x₂)、y(x₃)，将清晰度评价值较大的两幅图像对应的电机位置以及准焦位置x_f作为辅助拟合位置，根据辅助拟合位置以及相应的清晰度评价值，通过抛物线拟合法建立位置与清晰度评价值的关系式，确定清晰度评价值最高的电机位置为二次准焦位置x_p。

5.根据权利要求4所述的方法，其特征在于，该方法还包括步骤6，所述步骤6为：将电机驱动至x_p，x_p-1，x_p+1位置处，分别获取第五图像、第六图像和第七图像，其中，x_p-1位置为x_p向左移动一步后的位置，x_p+1位置为x_p向右移动一步后的位置。并计算三个图像的清晰度评价值y_p、y_p-1、y_p+1(其中y_p为第五图像的清晰度评价值、y_p-1为第六图像的清晰度评价值、y_p+1为第七图像的清晰度评价值)，以清晰度评价值最大的图像所对应的位置为最终准焦位置。