CN105578029A - 一种多尺度变步长的自动对焦搜索算法据传输装置和方法 - Google Patents

Abstract

本发明公开了一种多尺度变步长的自动对焦搜索方法，通过多次搜索，逐步缩小搜索范围和搜索步长，并通过曲线拟合确定曲线的最高点，而不是清晰度评价值的最大值，以实现所搜索的聚焦位置尽可能接近真实的聚焦点；采用阈值设定对前后两次的搜索位置进行比较，确定搜索步骤是否完成；在多尺度搜索过程中，每次搜索均以评价值最大值所在搜索位置做为下次搜索区间的中心点取对称区间进行搜索，确保真实的聚焦点包含在此区间内。本发明方法能够有效排除局部峰值的干扰，且实现最优搜索，对焦效率高，对焦准确。

Description

一种多尺度变步长的自动对焦搜索算法据传输装置和方法

技术领域

本发明涉及图像处理和自动对焦技术领域，特别是涉及一种多尺度变步长的自动对焦搜索方法。

背景技术

随着计算机技术和图像信息处理技术的不断发展，基于图像技术的非接触式测量因其快捷、方便、智能等特点，被广泛应用到各个领域。非接触式影像测量的基础是获取清晰的图像，而自动对焦则是图像系统获取清晰图像的重要过程，是机器视觉系统的关键技术。

自动对焦是通过选择适当的对焦评价函数对所采集的图像进行评价，根据评价结果，应用搜索算法搜索图像的对焦点，然后驱动调焦机构使CCD快速准确到达焦点位置。

以前的大多数搜索算法，例如Fibonacci搜索算法，尺子搜索算法和爬山搜索算法，它们所搜索的都是所采集图像的清晰度的最大值。由于任何一种搜索算法都是按照一定步长进行搜索，所采集的图片是离散的，因此所搜索到的对焦点往往并不是最接近真实的对焦点。另一方面，在影像测量过程中，经常由于光照振动等干扰因素的影响，会造成清晰度评价函数曲线出现局部峰值。理想的搜索算法应该能避开局部峰值点的干扰，搜索到正确的对焦位置。特别是在复杂多变的工业影像测量现场，由于局部峰值的干扰，对焦过程可能会长时间陷入反复来回振荡而导致对焦失败。

发明内容

发明的目的在于克服现有技术之不足，提供一种多尺度变步长的自动对焦搜索算法据传输装置和方法，避免陷入局部峰值，并快速准确地搜索到尽可能接近真实对焦位置的对焦点，实现最优对焦。

本发明解决其技术问题所采用的技术方案是：提供一种多尺度变步长的自动对焦搜索算法据传输装置，包括：驱动镜头对整个搜索区域进行多次搜索，逐步缩小搜索范围和搜索步长，并通过曲线拟合确定曲线的最高点，以实现所搜索的聚焦位置尽可能接近真实的聚焦点；采用阈值设定对前后两次的搜索位置进行比较，确定搜索步骤是否完成；在多尺度搜索过程中，每次搜索均以评价值最大值所在的搜索位置作为下次搜索区间的中心点来取对称区间进行搜索，确保真实的聚焦点包含在此区间内。

优选的，所述的一种多尺度变步长的自动对焦搜索算法，包括如下步骤：

A1、驱动镜头以大步长m₁对整个搜索区域进行搜索，以快速到达对焦位置附近；在镜头初始位置以及每一步的位置获取一幅图像，对所得到的每一副图形均保存其所对应的镜头位置，并基于清晰度评价函数计算其评价值，对所获取图像的评价值进行比较得到其最大值，记录该评价值最大值所对应的镜头位置k_1m；

A2、计算评价值最大值所对应的镜头位置k_1m与镜头起始位置k₁₀和镜头结束位置k_1n的距离，对着两个距离进行比较，取其较大值的二分之一记为：

A3、确定搜索区域为：(|k_1m-l_1max|,|k_1m+l_1max|)，新的搜索步长为：其中l₁为第一次的搜索区间长度，l₂为第二次搜索区间长度；再次按照步骤A1的方法进行搜索，记录每一步镜头位置并计算其评价值，对评价值进行比较获取其最大值和其对应的镜头位置k_2m；

A4、采用阈值σ对两次搜索的评价值最大的镜头位置k_1m和k_2m进行比较，所述阈值σ的大小根据测量所要求的精度和实时性进行设定；如果|k_2m-k_1m|≤σ则进行步骤A5，如果|k_2m-k_1m|>σ则转至步骤A3继续进行搜索；

A5、设最后一步搜索所获取的最大评价值镜头位置为k_m，在最后一次搜索获取的清晰度评价值集合中，以k_m为中心位置，两侧各取相同数量的点，以这些点的评价值进行曲线拟合，得到对焦位置；

A6、驱动镜头移动至所获得的镜头对焦位置，完成对焦。

优选的，所述步骤A5中的曲线拟合采用二次多项式的最小二乘法，即y＝a+bx+cx²，这里x为搜索镜头位置，y为图像评价值，a,b,c由方程式 $\left\{\begin{array}{c}a+b{\mathrm{\Σ}}_{k=1}^n{x}_k+c{\mathrm{\Σ}}_{k=1}^n{x}_k^2={\mathrm{\Σ}}_{k=1}^n{y}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k+{\mathrm{b\Σ}}_{k=1}^n{x}_k^2+{\mathrm{c\Σ}}_{k=1}^n{x}_k^3={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k^2+{\mathrm{b\Σ}}_{k=1}^n{x}_k^3+{\mathrm{c\Σ}}_{k=1}^n{x}_k^4={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k^2\end{array}\right.$ 求得；所拟合曲线的顶点为k_t即为对焦位置。

优选的，所采用的图像清晰度评价函数可以使已有的任一种清晰度评价函数。

优选的，所述的一种多尺度变步长的自动对焦搜索算法，：包括如下步骤：

B1、自动对焦操作开始，搜索次数设定i＝1；

B2、驱动镜头以大步长m₁对整个搜索区域进行搜索，设k₁₀为搜索起始点，k_1n为搜索结束点；

B3、在镜头行进的每一步采集一幅图像，采用清晰度评价函数计算图像的评价值，表示为集合，{Q(k₁₀),Q(k₁₁),Q(k_1n)}，并记录镜头位置；

B4、计算第一次搜索区间长度为l₁＝k_1n-k₁₀，计算搜索图像评价值最大值为Q_1max＝max{Q(k₁₀),Q(k₁₁),Q(k_1n)}，记录该评价值最大值所对应的镜头位置k_1m；

B5、计算评价值最大值所对应的镜头位置k_1m与镜头起始位置k₁₀和镜头结束位置k_1n的距离，对着两个距离进行比较，取其较大值的二分之一记为：设定下一搜索次数为i＝2；

B6、确定搜索区域为：(|k_1m-l_1max|,|k_1m+l_1max|)，则搜索区域尺寸为l₁＝2l_1max，确定搜索步长为：其中l₁为第一次的搜索区间长度，l₂为第二次搜索区间长度；

B7、驱动镜头以步长m₂对搜索区域进行搜索，在镜头行进的每一步采集一副图像；

B8、采用清晰度评价函数计算图像的评价值，计算搜索图像评价值最大值，记为Q_2max，其对应镜头位置记为k_2m；

B9、采用阈值σ对两次搜索的评价值最大的镜头位置k_1m和k_2m进行比较；如果|k_2m-k_1m|≤σ则进行步骤B10，如果|k_2m-k_1m|>σ则转至步骤B5；

B10、设最后一步搜索所获取的最大评价值镜头位置为k_m，在最后一次搜索获取的清晰度评价值集合中，以k_m为中心位置，两侧各取相同数量的点，以这些点的评价值进行曲线拟合；

B11、采用二次多项式的最小二乘法，即y＝a+bx+cx²，这里x为搜索镜头位置，y为图像评价值，a,b,c由方程式 $\left\{\begin{array}{c}a+b{\mathrm{\Σ}}_{k=1}^n{x}_k+c{\mathrm{\Σ}}_{k=1}^n{x}_k^2={\mathrm{\Σ}}_{k=1}^n{y}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k+{\mathrm{b\Σ}}_{k=1}^n{x}_k^2+{\mathrm{c\Σ}}_{k=1}^n{x}_k^3={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k^2+{\mathrm{b\Σ}}_{k=1}^n{x}_k^3+{\mathrm{c\Σ}}_{k=1}^n{x}_k^4={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k^2\end{array}\right.$ 求得；所拟合曲线的顶点为k_t即为对焦位置；

B12、驱动镜头移动至对焦位置k_t，对焦结束。

本发明的有益效果是：

1)在对对焦位置进行搜索时，采用多次搜索，逐步缩小搜索范围和搜索步长，能够摆脱局部峰值的干扰，并搜索到更接近真实对焦位置的清晰度评价最大值点。

2)在对焦位置的确定上，充分考虑到搜索是按照一定步长进行的，所采集的图片是离散的，因此所搜索到的清晰度评价最大值点往往并不是最接近真实的聚焦点。不采用清晰度评价最大值点，而是通过曲线拟合找到更接近真实聚焦位置的点作为实际聚焦点。从而实现最优对焦。

以下结合附图及实施例对本发明作进一步详细说明；但本发明的一种多尺度变步长的自动对焦搜索算法据传输装置和方法不局限于实施例。

附图说明

图1是本发明方法的流程图；

图2(a)是对焦模糊的刹车片凸台图片；

图2(b)是对焦清晰的刹车片凸台图片；

图3是理想试验条件下，基于Breene算子的清晰度评价值曲线；

图4(a)是针对图3清晰度评价曲线，本发明的搜索过程最后一步；

图4(b)是针对图3清晰度评价曲线，爬山算法的搜索过程；

图5是光照条件变化下，基于Breene算子的清晰度评价值曲线；

图6(a)是针对图5清晰度评价曲线，本发明的搜索过程；

图6(b)是针对图5清晰度评价曲线，本发明的曲线拟合过程。

具体实施方式

实施例1

参见图1至图6(b)所示，本发明的一种多尺度变步长的自动对焦搜索算法据传输装置，包括：驱动镜头对整个搜索区域进行多次搜索，逐步缩小搜索范围和搜索步长，并通过曲线拟合确定曲线的最高点，以实现所搜索的聚焦位置尽可能接近真实的聚焦点；采用阈值设定对前后两次的搜索位置进行比较，确定搜索步骤是否完成；在多尺度搜索过程中，每次搜索均以评价值最大值所在的搜索位置作为下次搜索区间的中心点来取对称区间进行搜索，确保真实的聚焦点包含在此区间内。

更进一步，所述的一种多尺度变步长的自动对焦搜索算法，包括如下步骤：

A1、驱动镜头以大步长m₁对整个搜索区域进行搜索，以快速到达对焦位置附近；在镜头初始位置以及每一步的位置获取一幅图像，对所得到的每一副图形均保存其所对应的镜头位置，并基于清晰度评价函数计算其评价值，对所获取图像的评价值进行比较得到其最大值，记录该评价值最大值所对应的镜头位置k_1m；

A2、计算评价值最大值所对应的镜头位置k_1m与镜头起始位置k₁₀和镜头结束位置k_1n的距离，对着两个距离进行比较，取其较大值的二分之一记为：

A3、确定搜索区域为：(|k_1m-l_1max|,|k_1m+l_1max|)，新的搜索步长为：其中l₁为第一次的搜索区间长度，l₂为第二次搜索区间长度；再次按照步骤A1的方法进行搜索，记录每一步镜头位置并计算其评价值，对评价值进行比较获取其最大值和其对应的镜头位置k_2m；

A4、采用阈值σ对两次搜索的评价值最大的镜头位置k_1m和k_2m进行比较，所述阈值σ的大小根据测量所要求的精度和实时性进行设定；如果|k_2m-k_1m|≤σ则进行步骤A5，如果|k_2m-k_1m|>σ则转至步骤A3继续进行搜索；

A5、设最后一步搜索所获取的最大评价值镜头位置为k_m，在最后一次搜索获取的清晰度评价值集合中，以k_m为中心位置，两侧各取相同数量的点，以这些点的评价值进行曲线拟合，得到对焦位置；

A6、驱动镜头移动至所获得的镜头对焦位置，完成对焦。

更进一步，所述步骤A5中的曲线拟合采用二次多项式的最小二乘法，即y＝a+bx+cx²，这里x为搜索镜头位置，y为图像评价值，a,b,c由方程式 $\left\{\begin{array}{c}a+b{\mathrm{\Σ}}_{k=1}^n{x}_k+c{\mathrm{\Σ}}_{k=1}^n{x}_k^2={\mathrm{\Σ}}_{k=1}^n{y}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k+{\mathrm{b\Σ}}_{k=1}^n{x}_k^2+{\mathrm{c\Σ}}_{k=1}^n{x}_k^3={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k^2+{\mathrm{b\Σ}}_{k=1}^n{x}_k^3+{\mathrm{c\Σ}}_{k=1}^n{x}_k^4={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k^2\end{array}\right.$ 求得；所拟合曲线的顶点为k_t即为对焦位置。

更进一步，所采用的图像清晰度评价函数可以使已有的任一种清晰度评价函数。

更进一步，所述的一种多尺度变步长的自动对焦搜索算法，：包括如下步骤：

B1、自动对焦操作开始，搜索次数设定i＝1；

B2、驱动镜头以大步长m₁对整个搜索区域进行搜索，设k₁₀为搜索起始点，k_1n为搜索结束点；

B3、在镜头行进的每一步采集一幅图像，采用清晰度评价函数计算图像的评价值，表示为集合，{Q(k₁₀),Q(k₁₁),Q(k_1n)}，并记录镜头位置；

B4、计算第一次搜索区间长度为l₁＝k_1n-k₁₀，计算搜索图像评价值最大值为Q_1max＝max{Q(k₁₀),Q(k₁₁),Q(k_1n)}，记录该评价值最大值所对应的镜头位置k_1m；

B5、计算评价值最大值所对应的镜头位置k_1m与镜头起始位置k₁₀和镜头结束位置k_1n的距离，对着两个距离进行比较，取其较大值的二分之一记为：设定下一搜索次数为i＝2；

B6、确定搜索区域为：(|k_1m-l_1max|,|k_1m+l_1max|)，则搜索区域尺寸为l₁＝2l_1max，确定搜索步长为：其中l₁为第一次的搜索区间长度，l₂为第二次搜索区间长度；

B7、驱动镜头以步长m₂对搜索区域进行搜索，在镜头行进的每一步采集一副图像；

B8、采用清晰度评价函数计算图像的评价值，计算搜索图像评价值最大值，记为Q_2max，其对应镜头位置记为k_2m；

B9、采用阈值σ对两次搜索的评价值最大的镜头位置k_1m和k_2m进行比较；如果|k_2m-k_1m|≤σ则进行步骤B10，如果|k_2m-k_1m|>v则转至步骤B5；

B10、设最后一步搜索所获取的最大评价值镜头位置为k_m，在最后一次搜索获取的清晰度评价值集合中，以k_m为中心位置，两侧各取相同数量的点，以这些点的评价值进行曲线拟合；

B11、采用二次多项式的最小二乘法，即y＝a+bx+cx²，这里x为搜索镜头位置，y为图像评价值，a,b,c由方程式 $\left\{\begin{array}{c}a+b{\mathrm{\Σ}}_{k=1}^n{x}_k+c{\mathrm{\Σ}}_{k=1}^n{x}_k^2={\mathrm{\Σ}}_{k=1}^n{y}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k+{\mathrm{b\Σ}}_{k=1}^n{x}_k^2+{\mathrm{c\Σ}}_{k=1}^n{x}_k^3={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k^2+{\mathrm{b\Σ}}_{k=1}^n{x}_k^3+{\mathrm{c\Σ}}_{k=1}^n{x}_k^4={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k^2\end{array}\right.$ 求得；所拟合曲线的顶点为k_t即为对焦位置；

B12、驱动镜头移动至对焦位置k_t，对焦结束。

实施例2

对对焦过程中，镜头每前进一个步距，采集一副图像。本实施例以“刹车片凸台”为对焦对象，首次搜索的区域为在图像中心截取的对焦窗口尺寸为320×320。图2(a)和图2(b)给出了对焦情况不同的两幅图像，分别是模糊和清晰的刹车片凸台采集图片。本实施例中所用清晰度评价算法采用Brenner算子。

本实施例所采用的试验平台最佳放大倍率为3，在此条件下的最佳光照强度为35，真实的对焦位置在镜头位置为-74.6990处。图3给出了理想试验条件下的清晰度评价值曲线，具备单峰性和尖锐性的特点。

图4(a)给出了本搜索方法最后一步拟合过程，图中P所指黑色直线为真实对焦位置，P3点为搜索中最大评价值点位置，P4点为拟合曲线的顶点，即实际的对焦位置。图4(b)给出了爬山算法的搜索过程，图中P所指黑色直线同样为真实对焦位置，P1点为搜索的最大评价值点，即实际对焦位置。图4显示，在本发明方法中，最大评价值点与真实对焦点的位置误差是2.1μm，实际对焦点与真实对焦点的位置误差是1μm。而爬山算法的实际对焦点与真实对焦点的位置误差是52.9μm。本发明方法能够搜索到尽可能接近真实对焦位置的对焦点，实现最优对焦。

由于对焦场景各种各样，光照情况也是多样的，这使得评价值曲线很难满足单峰的特性，存在局部峰值。图5为在光照变化下的清晰度评价值曲线，看出由于光照的波动，出现了局部小峰值A。

图6给出了针对图5的评价值曲线的搜索结果。图6(a)为本发明方法的搜索过程，P1，P2和P3分别为第一次，第二次和第三次搜索得到的评价值最大值点。图6(b)是以第三次搜索结果进行曲线拟合的过程，图中P所指黑色直线为真实对焦位置，P4点为拟合曲线的顶点，即实际的对焦位置。本发明方法在每次搜索中都按照设定步长对搜索区域进行全局搜索，能够有效避免局部峰值的影响，实现正确的对焦。

综上所述，多尺度变步长的自动对焦搜索算法可以实现最优对焦，精确找到对焦位置。同时，在实际应用中能够适应影响测量过程中的复杂环境变化，有效避免清晰度评价曲线中局部峰值的干扰，有效提高自动对焦系统的可靠性能。

上述实施例仅用来进一步说明本发明的一种多尺度变步长的自动对焦搜索算法据传输装置和方法，但本发明并不局限于实施例，凡是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、等同变化与修饰，均落入本发明技术方案的保护范围内。

Claims (5)

1.一种多尺度变步长的自动对焦搜索算法，其特征在于，包括：驱动镜头对整个搜索区域进行多次搜索，逐步缩小搜索范围和搜索步长，并通过曲线拟合确定曲线的最高点，以实现所搜索的聚焦位置尽可能接近真实的聚焦点；采用阈值设定对前后两次的搜索位置进行比较，确定搜索步骤是否完成；在多尺度搜索过程中，每次搜索均以评价值最大值所在的搜索位置作为下次搜索区间的中心点来取对称区间进行搜索，确保真实的聚焦点包含在此区间内。

2.根据权利要求1所述的一种多尺度变步长的自动对焦搜索算法，其特征在于：包括如下步骤：

A1、驱动镜头以大步长m₁对整个搜索区域进行搜索，以快速到达对焦位置附近；在镜头初始位置以及每一步的位置获取一幅图像，对所得到的每一副图形均保存其所对应的镜头位置，并基于清晰度评价函数计算其评价值，对所获取图像的评价值进行比较得到其最大值，记录该评价值最大值所对应的镜头位置k_1m；

A2、计算评价值最大值所对应的镜头位置k_1m与镜头起始位置k₁₀和镜头结束位置k_1n的距离，对着两个距离进行比较，取其较大值的二分之一记为： $l_{1max}=\frac{max\left(\right|k_{1m}-k_{10}|,|k_{1m}-l_{1n}\left|\right)}{2};$

A3、确定搜索区域为：(|k_1m-l_1max|,|k_1m+l_1max|)，新的搜索步长为：其中l₁为第一次的搜索区间长度，l₂为第二次搜索区间长度；再次按照步骤A1的方法进行搜索，记录每一步镜头位置并计算其评价值，对评价值进行比较获取其最大值和其对应的镜头位置k_2m；

A4、采用阈值σ对两次搜索的评价值最大的镜头位置k_1m和k_2m进行比较，所述阈值σ的大小根据测量所要求的精度和实时性进行设定；如果|k_2m-k_1m|≤σ则进行步骤A5，如果|k_2m-k_1m|>σ则转至步骤A3继续进行搜索；

A5、设最后一步搜索所获取的最大评价值镜头位置为k_m，在最后一次搜索获取的清晰度评价值集合中，以k_m为中心位置，两侧各取相同数量的点，以这些点的评价值进行曲线拟合，得到对焦位置；

A6、驱动镜头移动至所获得的镜头对焦位置，完成对焦。

3.根据权利要求2所述的一种多尺度变步长的自动对焦搜索算法，其特征在于：所述步骤A5中的曲线拟合采用二次多项式的最小二乘法，即y＝a+bx+cx²，这里x为搜索镜头位置，y为图像评价值，a,b,c由方程式 $\left\{\begin{array}{c}a+b{\mathrm{\Σ}}_{k=1}^n{x}_k+c{\mathrm{\Σ}}_{k=1}^n{x}_k^2={\mathrm{\Σ}}_{k=1}^n{y}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k+{\mathrm{b\Σ}}_{k=1}^n{x}_k^2+{\mathrm{c\Σ}}_{k=1}^n{x}_k^3={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k^2+{\mathrm{b\Σ}}_{k=1}^n{x}_k^3+{\mathrm{c\Σ}}_{k=1}^n{x}_k^4={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k^2\end{array}\right.$ 求得；所拟合曲线的顶点为 $k_{\mathrm{\τ}}=-\frac{b}{2c},$ k_τ即为对焦位置。

4.根据权利要求2所述的一种多尺度变步长的自动对焦搜索算法，其特征在于：所采用的图像清晰度评价函数可以使已有的任一种清晰度评价函数。

5.根据权利要求1所述的一种多尺度变步长的自动对焦搜索算法，其特征在于：包括如下步骤：

B1、自动对焦操作开始，搜索次数设定i＝1；

B2、驱动镜头以大步长m₁对整个搜索区域进行搜索，设k₁₀为搜索起始点，k_1n为搜索结束点；

B3、在镜头行进的每一步采集一幅图像，采用清晰度评价函数计算图像的评价值，表示为集合，{Q(k₁₀),Q(k₁₁),Q(k_1n)}，并记录镜头位置；

B4、计算第一次搜索区间长度为l₁＝k_1n-k₁₀，计算搜索图像评价值最大值为Q_1max＝max{Q(k₁₀),Q(k₁₁),Q(k_1n)}，记录该评价值最大值所对应的镜头位置k_1m；

B5、计算评价值最大值所对应的镜头位置k_1m与镜头起始位置k₁₀和镜头结束位置k_1n的距离，对着两个距离进行比较，取其较大值的二分之一记为： $l_{1max}=\frac{max\left(\right|k_{1m}-k_{10}|,|k_{1m}-l_{1n}\left|\right)}{2};$ 设定下一搜索次数为i＝2；

B6、确定搜索区域为：(k_1m-l_1max|,|k_1m+l_1max|)，则搜索区域尺寸为l₁＝2l_1max，确定搜索步长为：其中l₁为第一次的搜索区间长度，l₂为第二次搜索区间长度；

B7、驱动镜头以步长m₂对搜索区域进行搜索，在镜头行进的每一步采集一副图像；

B8、采用清晰度评价函数计算图像的评价值，计算搜索图像评价值最大值，记为Q_2max，其对应镜头位置记为k_2m；

B9、采用阈值σ对两次搜索的评价值最大的镜头位置k_1m和k_2m进行比较；如果|k_2m-k_1m|≤σ则进行步骤B10，如果|k_2m-k_1m|>σ则转至步骤B5；

B10、设最后一步搜索所获取的最大评价值镜头位置为k_m，在最后一次搜索获取的清晰度评价值集合中，以k_m为中心位置，两侧各取相同数量的点，以这些点的评价值进行曲线拟合；

B11、采用二次多项式的最小二乘法，即y＝a+bx+cx²，这里x为搜索镜头位置，y为图像评价值，a,b,c由方程式 $\left\{\begin{array}{c}a+b{\mathrm{\Σ}}_{k=1}^n{x}_k+c{\mathrm{\Σ}}_{k=1}^n{x}_k^2={\mathrm{\Σ}}_{k=1}^n{y}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k+{\mathrm{b\Σ}}_{k=1}^n{x}_k^2+{\mathrm{c\Σ}}_{k=1}^n{x}_k^3={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k\\ {\mathrm{a\Σ}}_{k=1}^n{x}_k^2+{\mathrm{b\Σ}}_{k=1}^n{x}_k^3+{\mathrm{c\Σ}}_{k=1}^n{x}_k^4={\mathrm{\Σ}}_{k=1}^n{y}_k{x}_k^2\end{array}\right.$ 求得；所拟合曲线的顶点为k_τ即为对焦位置；

B12、驱动镜头移动至对焦位置k_τ，对焦结束。