CN105049723A - 基于离焦量差异定性分析的自动对焦方法 - Google Patents

Abstract

本发明提供基于离焦量差异定性分析的自动对焦方法，利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值；采用投票策略得出这两幅图像的离焦量差异定性度量；根据离焦量差异定性度量确定对焦搜索方向；按照变步长策略逐渐缩小搜索范围和搜索步长，直至在步长为1时找到合焦位置。能够改善在某些场景中由于聚焦评价函数非单峰性而造成爬山搜索方法正确率降低、误差增大的问题，能够在保持爬山搜索法快速、行程比较少等优点的同时，明显提高了在聚焦评价函数单峰性不良的场景中的正确率，降低了误差量，很好地解决了局部极值对于爬山搜索法的影响。

Description

基于离焦量差异定性分析的自动对焦方法

技术领域

本发明涉及一种基于离焦量差异定性分析的自动对焦方法，属于自动对焦领域。

背景技术

自动对焦功能是众多光学成像设备的基本功能，在数字摄像机、手机、显微镜等设备中往往是决定产品性能的关键技术。自动对焦方式分为主动式和被动式两种：主动式自动对焦通过辅助传感器或测量工具所提供的信息完成自动对焦；被动式自动对焦是一种基于数字图像处理的方法，通过对图像的聚焦评价，驱动电机往合焦方向调节，直至满足预先设定的条件为止。由于主动式自动对焦方法需要额外的硬件设备辅助，并且需要更高的系统能耗，所以目前被动式自动对焦是目前最常用的自动对焦方式。

被动式自动对焦方法，其核心问题有两个：一是聚焦评价函数，二是对焦搜索策略。

聚焦评价函数有基于梯度的聚焦评价函数和基于统计信息及自相关的聚焦函数两类。典型的聚焦评价函数有灰度差分绝对值和(SumModulusDifference，SMD)、Tenengrad函数、方差函数和修改拉普拉斯和(SumModifiedLaplacian，SML)等，其中性能较好的为Tenengrad函数。

对焦搜索策略主要有五种：曲线拟合搜索法、斐波那契搜索法、基于规则的搜索法、基于机器学习的启发式搜索法、爬山搜索法。

聚焦评价函数的局部峰值会影响曲线拟合，所以曲线拟合法精度不高。斐波那契搜索法需要在搜索区间内大范围调整镜头的位置，造成极差的用户体验，增加了能耗和对焦时间，并不是一个切实可行的方法。基于规则的搜索法虽然搜索效率较高，但是其算法依赖的阈值较难选取，算法的稳定性不高。基于机器学习的启发式搜索法虽然有较高的精确性，但其依赖于典型场景下大量的训练数据，对某些特殊场景不一定适应。

爬山法在实际的工程中具有较高的可行性，由于其精确性好，无需电机往复运动等优点，成为对焦搜索策略的首选，但是爬山法也存在容易受曲线局部极值影响的缺点。

发明内容

本发明的目的是提供一种基于离焦量差异定性分析的自动对焦方法，通过一种新的可以提供稳定对焦搜索方向判断的机制来改善传统爬山搜索的性能：在保持爬山搜索法快速、行程比较少等优点的同时，明显提高在聚焦评价函数单峰性不良的场景中的正确率，降低误差量，降低评价函数局部极值对于对焦搜索的影响。

本发明的技术解决方案是：

一种基于离焦量差异定性分析的自动对焦方法，

利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值；

采用投票策略得出这两幅图像的离焦量差异定性度量；

根据离焦量差异定性度量确定对焦搜索方向；

按照变步长策略逐渐缩小搜索范围和搜索步长，直至在步长为1时找到合焦位置。

进一步地，采用变步长爬山搜索策略，在大步长和中等步长阶段利用离焦量定性差异度量判断对焦搜索方向，在小步长阶段利用Tenengrad函数值的大小判断对焦搜索方向。

进一步地，变步长爬山搜索策略具体为：

S1、在当前位置上往正方向行走大步长，根据离焦量定性差异度量判断搜索方向；

S2、若搜索方向没有发生变化则设定搜索大步长，若搜索方向发生变化则设定搜索中等步长；

S3、在搜索方向上以设定步长进行搜索，每搜索一个位置，根据离焦量定性差异度量重新判断搜索方向；

S4、若搜索方向不变，则返回S3；若搜索方向发生变化且当前步长为大步长，则进入S2；若搜索方向发生变化且当前步长为中等步长，则进入S5；

S5、设定搜索步长为小步长；

S6、在搜索方向上搜索一个步长，根据Tenengrad函数确定的聚焦评价值重新判断搜索方向；

S7、若搜索方向不变，则返回S6；否则进入S8；

S8、在搜索方向上前进小步长，该位置即为合焦位置。

进一步地，大步长采用6～10步长，中等步长采用3～5步长，小步长采用1步长。

进一步地，计算两个不同调焦位置的两幅图像I1(x，y)和I2(x，y)中对应点的离焦量差异值如下：

${\mathrm{\σ}}_1^2-{\mathrm{\σ}}_2^2=\frac{4\left(I_1\right(x,y)-I_2(x,y\left)\right)}{{\▿}^{2}I(x,y)}---\left(7\right)$

其中，标准偏差σ1是图像I1(x，y)的标准偏差，标准偏差σ2是图像I2(x，y)的标准偏差，为拉普拉斯算子，合焦图像I(x，y)的拉普拉斯算子由式(8)计算：

${\▿}^{2}I(x,y)=\frac{1}{2}\left({\▿}^2{I}_1\right(x,y)+{\▿}^2{I}_2(x,y\left)\right)---\left(8\right).$

进一步地，离焦量差异度量投票策略如下：

S11、采集的两幅图像I1，I2为输入；

S12、设立两个投票箱：“正”和“反”；

S13、首先对图像进行5×5均值滤波；

S14、以上式(7)计算第一个像素的离焦量差异值，如果该值大于0，则投“正”一票，如果该值小于0，则投“反”一票，如果相等，则不投票；

S15、图像上所有像素均以S14的方式参与投票；

S16、得票多的一方为离焦量差异定性度量结果，即如果“正”得票多，则认为I1(x，y)的离焦量大于I2(x，y)，搜索方向往I1所对应的方向运行；如果“负”得票多，则认为I1(x，y)的离焦量小于I2(x，y)，搜索方向往I2所对应的方向运行；如果得票一样多，则认为I1(x，y)的离焦量等于I2(x，y)，搜索方向不变。

本发明提供的一种基于离焦量差异定性分析的自动对焦方法，其有益效果在于：

一、本发明方法的对焦搜索方向较爬山法精确。本发明以离焦量定性差异度量为对焦搜索方向的依据，而爬山法基于评价函数值的大小。由于评价函数值在平坦区域存在数据波动，所以容易导致基于评价函数值的搜索方向判断发生错误。本发明提出的离焦量定性差异度量在大步长时，精确性很高，而在小步长时精确性下降明显。所以本发明提出的策略是在大步长和中等步长的搜索过程中，采用离焦量定性差异度量为对焦搜索方向的依据，而在小步长时采用基于Tenengrad评价函数的搜索方向判断机制。本发明中当步长为1时，搜索位置已经处于和焦点附近，在该位置处的聚焦评价函数具有良好的单峰性，保证了对焦搜索方向的准确判断。

二、本发明方法的平均过冲步数较少。搜索过程中第一次越过合焦点的过冲量在9步以内；第二次越过合焦点的过冲量在4步以内；第三次越过合焦点的过冲量为1步。经过多次实验确定：9步长的偏差造成的模糊感觉不会很强烈。正是由于过冲量较小，该搜索过程不会产生剧烈的从清晰到模糊的视觉体验。

三、本发明方法保持爬山搜索法快速、行程比较少等优点。本发明方法需要对图像进行拉普拉斯滤波，其计算复杂度与众多基于梯度的聚焦评价函数相等。采用的变步长搜索策略，保持了搜索速度较快，行程较短的优点。

附图说明

图1是基于离焦量定性差异度量的对焦搜索策略的示意图。

图2是实施例中一个对调焦图像序列，图中，调焦位置从左往右为619、700、779、830、880；

图3是对图2所示的图像序列计算Tenengrad评价函数值；

图4是实施例基于离焦量差异定性分析的自动对焦方法的流程说明示意图。

具体实施方式

下面结合附图详细说明本发明的优选实施例。

为了改善在某些场景中由于聚焦评价函数非单峰性而造成爬山搜索方法正确率降低、误差增大的问题，实施例提供了一种基于离焦量定性差异度量的自动对焦方法，利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值；采用投票策略得出这两幅图像的离焦量差异定性度量；根据离焦量差异定性度量确定对焦搜索方向；按照变步长策略逐渐缩小搜索范围和搜索步长，直至在步长为1时找到合焦位置。

实施例能够在保持爬山搜索法快速、行程比较少等优点的同时，明显提高了在聚焦评价函数单峰性不良的场景中的正确率，降低了误差量，很好地解决了局部极值对于爬山搜索法的影响。

离焦量定性差异度量

选用高斯函数近似成像系统的点扩散函数。在调焦时，不同调焦位置的成像结果I₁(x，y)和I₂(x，y)相当于分别以标准偏差σ1和σ2对合焦图像I(x，y)进行高斯卷积，如式(1)和式(2)所示：

$I_1(x,y)=I(x,y)*g_{{\mathrm{\σ}}_1}(x,y)---\left(1\right)$

$I_2(x,y)=I(x,y)*g_{{\mathrm{\σ}}_2}(x,y)---\left(2\right)$

标准差σ₁和σ₂反映图像的模糊度，其值越大离焦程度越大。

基于空间域的卷积/去卷积变换，简称S变换(Spatial-DomainConvolution/DeconvolutionTransform，STransform)。该方法对正焦图像以三次多项式进行建模，推导出离焦图像g(x，y)与合焦图像I(x，y)的关系见式(3)：

$g(x,y)=I(x,y)+\frac{1}{4}{\mathrm{\σ}}^2{\▿}^{2}g(x,y)---\left(3\right)$

其中，σ是标准偏差，为拉普拉斯算子，式(3)即为S变换。根据拉普拉斯算子定义与三次多项式假设，推导出式(4)：

${\▿}^{2}I(x,y)={\▿}^{2}g(x,y)---\left(4\right)$

即离焦图像和合焦图像的拉普拉斯算子处理结果相等。由式(3)和式(4)可知，对焦过程中的两幅图像I₁(x，y)和I₂(x，y)与合焦图像I(x，y)的关系如式(5)和式(6)所示：

$I_1(x,y)=I(x,y)+\frac{1}{4}{\mathrm{\σ}}_1^2{\▿}^{2}I(x,y)---\left(5\right)$

$I_2(x,y)=I(x,y)+\frac{1}{4}{\mathrm{\σ}}_2^2{\▿}^{2}I(x,y)---\left(6\right)$

由式(5)和式(6)可进一步得到式(7)：

${\mathrm{\σ}}_1^2-{\mathrm{\σ}}_2^2=\frac{4\left(I_1\right(x,y)-I_2(x,y\left)\right)}{{\▿}^{2}I(x,y)}---\left(7\right)$

其中可以由式(8)计算：

${\▿}^{2}I(x,y)=\frac{1}{2}\left({\▿}^2{I}_1\right(x,y)+{\▿}^2{I}_2(x,y\left)\right)---\left(8\right)$

通过式(7)和式(8)可以由图像上每一个像素值计算两幅图像的离焦量大小比较结果，但是由于存在噪声影响，该结果并不准确。为了减弱噪声对结果的影响，先对图像进行均值滤波，然后再应用式(7)和式(8)计算离焦量差异。在实施例中，通过多次实验确定均值滤波的窗口大小为5×5。离焦量差异度量投票策略如下：

步骤1)设立两个投票箱：“正”和“反”。

步骤2)首先对图像进行5×5均值滤波。

步骤3)以式(7)计算第一个像素的离焦量差异值，如果该值大于0，则投“正”一票，如果该值小于0，则投“反”一票，如果相等，则不投票。

步骤4)图像上所有像素均以步骤3)的方式参与投票。

步骤5)得票多的一方为离焦量差异定性度量结果。即如果“正”得票多，则认为I1(x，y)的离焦量大于I2(x，y)；如果“负”得票多，则认为I1(x，y)的离焦量小于I2(x，y)；如果得票一样多，则认为I1(x，y)的离焦量等于I2(x，y)。

基于离焦量定性差异度量对焦搜索策略

本发明采用基于离焦量定性差异度量对焦搜索策略，该搜索策略是对传统爬山搜索法的一种改进。工程上常用的爬山搜索法对焦策略的搜索依据本质上是基于图像间清晰度大小的定性比较，而无须定量比较，不需要单幅图像的聚焦评价值。离焦量定性差异度量方法可以分析对焦过程中两幅图像之间的清晰度定性比较结果从而可以确定爬山搜索过程的搜索方向和搜索中止与否。本发明文采用变步长爬山搜索策略，在大步长和中等步长阶段利用离焦量定性差异度量判断对焦搜索方向，在小步长阶段利用Tenengrad函数实现快速稳定自动对焦：

步骤1)在当前位置上往正方向行走6步长，根据离焦量定性差异度量判断搜索方向。

步骤2)若搜索方向没有发生变化则设定搜索步长为6，若搜索方向发生变化则设定搜索步长为3。

步骤3)在搜索方向上以设定步长进行搜索，每搜索一个位置，根据离焦量定性差异度量重新判断搜索方向。

步骤4)若搜索方向不变，则返回步骤3)；若搜索方向发生变化且当前步长为6，则进入步骤2)；若搜索方向发生变化且当前步长为3，则进入步骤5)。

步骤5)设定搜索步长为1。

步骤6)在搜索方向上搜索一个步长，根据Tenengrad函数确定的聚焦评价值重新判断搜索方向。

步骤7)若搜索方向不变，则返回步骤6)；否则进入步骤8)。

步骤8)在搜索方向上前进1步。该位置即为合焦位置。

图1为基于离焦量定性差异度量的对焦搜索策略的示意图。其中“+”表示前后两幅参与比较的图像中调焦位置小的图像的离焦量大于调焦位置大的图像的离焦量；“-”表示前后两幅参与比较的图像中调焦位置小的图像的离焦量小于调焦位置大的图像的离焦量。易知：搜索过程中第一次越过合焦点的过冲量在9步以内；第二次越过合焦点的过冲量在4步以内；第三次越过合焦点的过冲量为1步。经过多次实验确定：9步长的偏差造成的模糊感觉不会很强烈。正是由于过冲量较小，该搜索过程不会产生剧烈的从清晰到模糊的视觉体验，而且步长为6可以保证较快的搜索速度。

实施例

某18倍光学变焦的监控摄像机的实施方式如下：

步骤1)驱动调焦电机在的当前位置上往正方向行走6步长，并且采集电机运行前后的两幅图像，然后根据离焦量定性差异度量判断搜索方向。

步骤2)若搜索方向没有发生变化则设定搜索步长为6，若搜索方向发生变化则设定搜索步长为3。

步骤3)驱动调焦电机按照搜索方向运行设定的步长值，并且采集电机运行前后的两幅图像，然后根据离焦量定性差异度量重新判断搜索方向。

步骤4)若搜索方向不变，则返回步骤3)；若搜索方向发生变化且当前步长为6，则进入步骤2)；若搜索方向发生变化且当前步长为3，则进入步骤5)。

步骤5)设定搜索步长为1。

步骤6)驱动调焦电机按照搜索方向运行1个步长值，并且采集电机运行前后的两幅图像，然后根据Tenengrad函数确定的聚焦评价值重新判断搜索方向。

步骤7)若搜索方向不变，则返回步骤6)；否则进入步骤8)。

步骤8)驱动调焦电机按照搜索方向运行1个步长值，该位置即为合焦位置，停止自动对焦。

离焦量定性差异度量判断搜索方向的实施方式如下：

步骤1)以电机最近一次运行前后采集的两幅图像I1，I2为输入。

步骤2)设立两个投票箱：“正”和“反”。

步骤3)首先对输入图像进行5×5均值滤波。

步骤4)以式(7)计算第一个像素的离焦量差异值，如果该值大于0，则投“正”一票，如果该值小于0，则投“反”一票，如果相等，则不投票。

步骤5)图像上所有像素均以步骤3)的方式参与投票。

步骤6)得票多的一方为离焦量差异定性度量结果。即如果“正”得票多，则认为I1(x，y)的离焦量大于I2(x，y)，搜索方向往I1所对应的方向运行；如果“负”得票多，则认为I1(x，y)的离焦量小于I2(x，y)，搜索方向往I2所对应的方向运行；如果得票一样多，则认为I1(x，y)的离焦量等于I2(x，y)，搜索方向不变。

实施例方法的对焦搜索方向较爬山法更精确。实施例以离焦量定性差异度量为对焦搜索方向的依据，而爬山法基于评价函数值的大小。由于评价函数值在平坦区域存在数据波动，所以容易导致基于评价函数值的搜索方向判断发生错误。

实施例提出的离焦量定性差异度量在大步长时，精确性很高，而在1步长时精确性下降明显。所以实施例提出的策略是在6步长和3步长的搜索过程中，采用离焦量定性差异度量为对焦搜索方向的依据，而在1步长时采用基于Tenengrad评价函数的搜索方向判断机制。实施例中当步长为1时，搜索位置已经处于和焦点附近，在该位置处的聚焦评价函数具有良好的单峰性，保证了对焦搜索方向的准确判断。

图2是展示了一个对调焦图像序列，调焦位置从左往右为619、700、779、830、880；该图像序列为纹理丰富、内容为机箱上闪烁着指示灯的图像序列，一共有262幅，调焦位置从619至880，合焦位置为779；该图像序列由18倍光学变焦的监控摄像机采集。

对图2所示的图像序列计算其Tenengrad评价函数值如图3所示。可以发现在评价曲线上有很多的局部极值，聚焦评价函数单峰性不良。可以预见基于评价函数值的搜索方向判断容易发生错误。

对图2所示的图像序列进行离焦量定性差异度量，其中两幅图像之间的间隔步长为1、3、6，对所有间隔为指定步长的两幅图像计算其离焦量定性差异度量。1步长、3步长和6步长下的准确率分别为98.1％，99.2％，100％。可以发现当步长为3和6时，结果正确率很高。在本文描述的搜索方法中，只有在峰值附近才进行步长为1的搜索，此时以Tenengrad函数值为对焦方向依据，故保证了对焦的正确度。

实施例方法的平均过冲步数较少。易知，搜索过程中第一次越过合焦点的过冲量在9步以内；第二次越过合焦点的过冲量在4步以内；第三次越过合焦点的过冲量为1步。经过多次实验确定：9步长的偏差造成的模糊感觉不会很强烈。正是由于过冲量较小，该搜索过程不会产生剧烈的从清晰到模糊的视觉体验。

实施例方法保持爬山搜索法快速、行程比较少等优点。实施例方法需要对图像进行拉普拉斯滤波，其计算复杂度与众多基于梯度的聚焦评价函数相等。采用的变步长搜索策略，保持了搜索速度较快，行程较短的优点。

Claims (6)

1.一种基于离焦量差异定性分析的自动对焦方法，其特征在于，

利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值；

采用投票策略得出这两幅图像的离焦量差异定性度量；

根据离焦量差异定性度量确定对焦搜索方向；

按照变步长策略逐渐缩小搜索范围和搜索步长，直至在步长为1时找到合焦位置。

2.如权利要求1所述的基于离焦量差异定性分析的自动对焦方法，其特征在于，采用变步长爬山搜索策略，在大步长和中等步长阶段利用离焦量定性差异度量判断对焦搜索方向，在小步长阶段利用Tenengrad函数值的大小判断对焦搜索方向。

3.如权利要求2所述的基于离焦量差异定性分析的自动对焦方法，其特征在于，变步长爬山搜索策略具体为：

S1、在当前位置上往正方向行走大步长，根据离焦量定性差异度量判断搜索方向；

S2、若搜索方向没有发生变化则设定搜索大步长，若搜索方向发生变化则设定搜索中等步长；

S3、在搜索方向上以设定步长进行搜索，每搜索一个位置，根据离焦量定性差异度量重新判断搜索方向；

S4、若搜索方向不变，则返回S3；若搜索方向发生变化且当前步长为大步长，则进入S2；若搜索方向发生变化且当前步长为中等步长，则进入S5；

S5、设定搜索步长为小步长；

S6、在搜索方向上搜索一个步长，根据Tenengrad函数确定的聚焦评价值重新判断搜索方向；

S7、若搜索方向不变，则返回S6；否则进入S8；

S8、在搜索方向上前进小步长，该位置即为合焦位置。

4.如权利要求3所述的基于离焦量差异定性分析的自动对焦方法，其特征在于，大步长采用6～10步长，中等步长采用3～5步长，小步长采用1步长。

5.如权利要求1-4任一项所述的基于离焦量差异定性分析的自动对焦方法，其特征在于，计算两个不同调焦位置的两幅图像I1(x，y)和I2(x，y)中对应点的离焦量差异值如下：

${\mathrm{\σ}}_1^2-{\mathrm{\σ}}_2^2=\frac{4\left(I_1\right(x,y)-I_2(x,y\left)\right)}{{\▿}^{2}I(x,y)}---\left(7\right)$

其中，标准偏差σ1是图像I1(x，y)的标准偏差，标准偏差σ2是图像I2(x，y)的标准偏差，▽²为拉普拉斯算子，合焦图像I(x，y)的拉普拉斯算子▽²I(x,y)由式(8)计算：

${\▿}^{2}I(x,y)=\frac{1}{2}\left({\▿}^2{I}_1\right(x,y)+{\▿}^2{I}_2(x,y\left)\right)---\left(8\right).$

6.如权利要求5所述的基于离焦量差异定性分析的自动对焦方法，其特征在于：离焦量差异度量投票策略如下：

S11、采集的两幅图像I1，I2为输入；

S12、设立两个投票箱：“正”和“反”；

S13、首先对图像进行5×5均值滤波；

S14、以上式(7)计算第一个像素的离焦量差异值，如果该值大于0，则投“正”一票，如果该值小于0，则投“反”一票，如果相等，则不投票；

S15、图像上所有像素均以S14的方式参与投票；

S16、得票多的一方为离焦量差异定性度量结果，即如果“正”得票多，则认为I1(x，y)的离焦量大于I2(x，y)，搜索方向往I1所对应的方向运行；如果“负”得票多，则认为I1(x，y)的离焦量小于I2(x，y)，搜索方向往I2所对应的方向运行；如果得票一样多，则认为I1(x，y)的离焦量等于I2(x，y)，搜索方向不变。