CN105592258B - 自动聚焦方法及装置 - Google Patents

Abstract

本发明公开了一种自动聚焦方法及装置，该方法包括：连续获取多帧图像数据，并分别对多帧图像数据中的每帧图像数据进行聚焦窗口的划分；对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；对经过滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；通过第一聚焦评价值和第二聚焦评价值确定电机的聚焦方向以及通过第一聚焦评价值的第一聚焦变化率和第二聚焦评价值的第二聚焦变化率调整电机的步长，直至电机将镜头调整至聚焦状态。因此聚焦速度更快且更加精准。

Description

自动聚焦方法及装置

技术领域

本发明涉及视频监控领域，具体而言，涉及一种自动聚焦方法及装置。

背景技术

目前，对于相关技术中的摄像机中所采用的自动聚焦(Auto Focus，即通过采用预设方式可以使得摄像机自动调节被摄物体聚焦到一个清晰的位置上)技术从基本原理而言，可以分为以下两类：

第一类、主动式聚焦，即通过向被摄物体发射超声波或红外线，然后检测其反射的声波或光线以计算得到被射物体与摄像机镜头之间的距离，从而使得电机驱动镜头移动至聚焦位置；

第二类、被动式聚焦，即不依赖于成像系统的波源，而是通过透镜部分来接收成像目标发射的光线，进而直接利用成像目标的亮度(即人对发光体或被照射物体表面的发光或反射光强度实际感受的物理量)及其它信息进行聚焦检测的自动聚焦。

上述被动式聚焦可以包括：聚焦检测法和基于数字图像处理法，基于数字图像处理的自动聚焦方式由于无需额外的发射装置，可以利用现有的软、硬件资源及先进的数字图像处理技术，大大降低了设备的复杂性和费用，而成为当前自动聚焦技术发展的主流。

基于图像处理的自动聚焦方式通常可以包括以下工作流程：当摄像机每采集一帧图像时，对所采集的图像使用图像清晰度评价函数(其能够反映图像的离焦程度)计算该图像的聚焦评价值(由图像清晰度评价函数计算图像有效区域的标量)，当驱动聚焦电机通过连续采集得到多帧图像时，计算出的聚焦评价值可以构成一条时间序列的聚焦曲线；然后对该曲线搜索聚焦极值，并使得电机驱动镜头移动至与该极值对应的焦点位置，即完成自动聚焦。此方法即为“爬山法”。

随着摄像机自动聚焦功能的普及化，对自动聚焦速度及其性能要求也越来越高。在一些自动聚焦技术中，相关技术中已经公开的技术方案提出利用高通滤波器和低通滤波器计算图像聚焦评价值的方法。在实际操作过程中，这种利用滤波器计算聚焦评价值的聚焦曲线虽然在大多数成像场景中能够表现出较好的单峰性，仅有一个极值，即为清晰点，但是在一些灯光场景中，例如：室外有路灯的场景，其聚焦曲线则较为复杂，难以找到清晰点。另外，还有其他相关技术方案提出采用可变步长的搜索方法来提高自动聚焦速度，利用相邻点聚焦评价值连线的斜率来决定采样步长，然而图像的聚焦评价值容易受到电路及环境影响，特别是离焦严重的情况下，此时相邻点斜率大小无规律性，难以确定正确的采样步长。另外，当聚焦曲线不太平滑存在毛刺时，这种搜索方法很容易陷入局部极值，即假峰值。此时，无法找到准确的清晰点。

综上所述，相关技术中缺乏一种在能够确保聚焦稳定性和精度的前提下快速聚焦的技术方案。

发明内容

本发明提供了一种自动聚焦方法及装置，以至少解决相关技术中缺乏一种在能够确保聚焦稳定性和精度的前提下快速聚焦的技术方案的问题。

根据本发明的一个方面，提供了一种自动聚焦方法。

根据本发明实施例的自动聚焦方法包括：连续获取多帧图像数据，并分别对多帧图像数据中的每帧图像数据进行聚焦窗口的划分；对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；对经过滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；通过第一聚焦评价值和第二聚焦评价值确定电机的聚焦方向以及通过第一聚焦评价值的第一聚焦变化率和第二聚焦评价值的第二聚焦变化率调整电机的步长，直至电机将镜头调整至聚焦状态。

优选地，按照以下方式对图像数据进行灰度变换处理包括：获取在图像数据中的亮度区域分布信息；根据亮度区域分布信息对图像数据进行分段线性变换，重新调整图像数据的灰度级。

优选地，按照以下方式对图像数据进行灰度变换处理：将f(x,y)的灰度级按照预设映射关系变换为g₁(x,y)的灰度级，其中，预设映射关系如下：

f(x,y)为图像数据，g₁(x,y)为经过灰度变化处理后的图像数据，a≠b，且a、b、c和d均在图像数据的最大灰度级范围内。

优选地，采用以下公式对经过灰度变化处理后的图像数据进行滤波处理：

g₂(x,y)＝Mask*g₁(x,y)；

其中，g₂(x,y)为经过滤波处理后的图像数据，Mask为滤波模板，符号“*”表示卷积计算。

优选地，按照以下公式分别求取与每个像素点对应的第一梯度值和第二梯度值：

Grad_l(x,y)＝w_i*A*g₂(x,y),Grad_h(x,y)＝w_i*B*g₂(x,y)；

其中，Grad_l为第一梯度值，Grad_h为第二梯度值，w_i表示与不同灰度等级对应的权重，A和B分别为两种不同大小及不同系数的梯度算子模板，符号“*”表示卷积计算。

优选地，按照以下公式获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值：

其中，AFL_i为第一聚焦评价值，AFH_i为第二聚焦评价值，且AFL_i大于AFH_i，w、h表示每个聚焦窗口的大小，i表示第i个聚焦窗口，Grad_l为所述第一梯度值，Grad_h为所述第二梯度值，(x,y)表示每个聚焦窗口内的每个像素点。

优选地，通过第一聚焦变化率和第二聚焦变化率调整步长包括：

按照以下公式计算第一聚焦变化率和第二聚焦变化率：

R₁＝AFL_i/AFL_i-m，R₂＝AFH_i/AFH_i-m，

其中，R₁为第一聚焦变化率，R₂为第二聚焦变化率，AFL_i-m是相对AFL_i前第m个采样位置的聚焦评价值，AFH_i-m是相对AFH_i前第m个采样位置的聚焦评价值；

将R1和R2分别与R进行比较，并根据比较结果实时调整步长，其中，R为预设聚焦变化率阈值。

根据本发明的另一方面，提供了一种自动聚焦装置。

根据本发明实施例的自动聚焦装置包括：划分模块，用于连续获取多帧图像数据，并分别对多帧图像数据中的每帧图像数据进行聚焦窗口的划分；处理模块，用于对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；第一计算模块，用于对经过滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；第二计算模块，用于根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；调整模块，用于通过第一聚焦评价值和第二聚焦评价值确定电机的聚焦方向以及通过第一聚焦评价值的第一聚焦变化率和第二聚焦评价值的第二聚焦变化率调整电机的步长，直至电机将镜头调整至聚焦状态。

优选地，处理模块包括：获取单元，用于获取在图像数据中的亮度区域分布信息；处理单元，用于根据亮度区域分布信息对图像数据进行分段线性变换，重新调整图像数据的灰度级。

优选地，处理单元，用于将f(x,y)的灰度级按照预设映射关系变换为g₁(x,y)的灰度级，其中，预设映射关系如下：

f(x,y)为图像数据，g₁(x,y)为经过灰度变化处理后的图像数据，a≠b，且a、b、c和d均在图像数据的最大灰度级范围内。

优选地，处理模块，用于采用以下公式对经过灰度变化处理后的图像数据进行滤波处理：

g₂(x,y)＝Mask*g₁(x,y)；

其中，g₂(x,y)为经过滤波处理后的图像数据，Mask为滤波模板，符号“*”表示卷积计算。

优选地，第一计算模块，用于按照以下公式分别求取与每个像素点对应的第一梯度值和第二梯度值：

Grad_l(x,y)＝w_i*A*g₂(x,y),Grad_h(x,y)＝w_i*B*g₂(x,y)；

其中，Grad_l为第一梯度值，Grad_h为第二梯度值，w_i表示与不同灰度等级对应的权重，A和B分别为两种不同大小及不同系数的梯度算子模板，符号“*”表示卷积计算。

优选地，第二计算模块，用于按照以下公式获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值：

其中，AFL_i为第一聚焦评价值，AFH_i为第二聚焦评价值，且AFL_i大于AFH_i，w、h表示每个聚焦窗口的大小，i表示第i个聚焦窗口，Grad_l为所述第一梯度值，Grad_h为所述第二梯度值，(x,y)表示每个聚焦窗口内的每个像素点。

优选地，调整模块包括：计算单元，用于按照以下公式计算第一聚焦变化率和第二聚焦变化率：R₁＝AFL_i/AFL_i-m，R₂＝AFH_i/AFH_i-m，其中，R₁为第一聚焦变化率，R₂为第二聚焦变化率，AFL_i-m是相对AFL_i前第m个采样位置的聚焦评价值，AFH_i-m是相对AFH_i前第m个采样位置的聚焦评价值；调整单元，用于将R1和R2分别与R进行比较，并根据比较结果实时调整步长，其中，R为预设聚焦变化率阈值。

通过本发明实施例，采用连续获取多帧图像数据，并分别对多帧图像数据中的每帧图像数据进行聚焦窗口的划分；对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；对经过滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；通过第一聚焦评价值和第二聚焦评价值确定电机的聚焦方向以及通过第一聚焦评价值的第一聚焦变化率和第二聚焦评价值的第二聚焦变化率调整电机的步长，直至电机将镜头调整至聚焦状态，解决了相关技术中缺乏一种在能够确保聚焦稳定性和精度的前提下快速聚焦的技术方案的问题，通过使用图像清晰度评价函数设计方法所设计出的自动聚焦曲线具备较强的场景适应性，从而为快速的焦点搜索控制方法提供良好的前提条件。此外，本发明实施例所提供的焦点搜索控制方法，与现有技术相比，其聚焦速度更快且更加精准，具有较强的抗干扰能力，整个自动聚焦过程具有良好的视觉效果。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的自动聚焦方法的流程图；

图2是根据本发明优选实施例的聚焦评价值计算方法的流程图；

图3是根据本发明优选实施例的灰度变换的示意图；

图4a是根据本发明优选实施例的梯度算子模板一的示意图；

图4b是根据本发明优选实施例的梯度算子模板二的示意图；

图5是根据本发明优选实施例的焦点搜索控制算法中的聚焦评价值-聚焦电机位置的示意图；

图6是根据本发明优选实施例的执行焦点搜索控制的流程图；

图7是根据本发明实施例的自动聚焦装置的结构框图；

图8是根据本发明优选实施例的自动聚焦装置的结构框图；

图9是本发明优选实施例的自动聚焦装置的示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

在以下描述中，除非另外指明，否则将参考由一个或多个计算机执行的动作和操作的符号表示来描述本申请的各实施例。其中，计算机包括个人计算机、服务器、移动终端等各种产品，使用了中央处理器(CPU)、单片机、数字信号处理器(DSP)等具有处理芯片的设备均可以称为计算机。由此，可以理解，有时被称为计算机执行的这类动作和操作包括计算机的处理单元对以结构化形式表示数据的电信号的操纵。这一操纵转换了数据或在计算机的存储器系统中的位置上维护它，这以本领域的技术人员都理解的方式重配置或改变了计算机的操作。维护数据的数据结构是具有数据的格式所定义的特定属性的存储器的物理位置。然而，尽管在上述上下文中描述本发明，但它并不意味着限制性的，如本领域的技术人员所理解的，后文所描述的动作和操作的各方面也可用硬件来实现。

转向附图，其中相同的参考标号指代相同的元素，本申请的原理被视为在一个合适的计算环境中实现。以下描述基于所述的本申请的实施例，并且不应认为是关于此处未明确描述的替换实施例而限制本申请。

以下实施例可以应用到计算机中，例如：应用到个人计算机(PC)中。也可以应用到目前采用了智能操作系统的移动终端中，并且并不限于此。对于计算机或移动终端的操作系统并没有特殊要求，只要能够检测接触、确定该接触是否与预定规则相符合，以及根据该接触的属性实现相应功能即可。

图1是根据本发明实施例的自动聚焦方法的流程图。如图1所示，该方法可以包括以下处理步骤：

步骤S102：连续获取多帧图像数据，并分别对多帧图像数据中的每帧图像数据进行聚焦窗口的划分；

步骤S104：对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；

步骤S106：对经过滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；

步骤S108：根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；

步骤S110：通过第一聚焦评价值和第二聚焦评价值确定电机的聚焦方向以及通过第一聚焦评价值的第一聚焦变化率和第二聚焦评价值的第二聚焦变化率调整电机的步长，直至电机将镜头调整至聚焦状态(即被摄物体在图像传感器上的成像清晰点)。

相关技术中缺乏一种在能够确保聚焦稳定性和精度的前提下快速聚焦的技术方案。采用如图1所示的方法，通过采用一种通用性较强的图像清晰度评价函数，并通过该函数计算图像的聚焦评价值，然后根据连续多帧图像的聚焦评价值生成一条适应性强的聚焦曲线。聚焦曲线是焦点搜索控制算法的重要依据，曲线上每个点代表与调焦电机位置对应的聚焦评价值。步长为调焦电机每步移动的距离。按照生成的聚焦曲线判断电机的移动方向以及调整电机的搜索步长，直至将电机调整至聚焦点。由此解决了相关技术中缺乏一种在能够确保聚焦稳定性和精度的前提下快速聚焦的技术方案的问题，通过使用图像清晰度评价函数设计方法所设计出的自动聚焦曲线具备较强的场景适应性，从而为快速的焦点搜索控制方法提供良好的前提条件。此外，本发明实施例所提供的焦点搜索控制方法，与现有技术相比，其聚焦速度更快且更加精准，具有较强的抗干扰能力，整个自动聚焦过程具有良好的视觉效果。

优选地，在步骤S104中，按照以下方式对图像数据进行灰度变换处理可以包括以下操作：

步骤S1：获取在图像数据中的亮度区域分布信息；

步骤S2：根据亮度区域分布信息对图像数据进行分段线性变换，重新调整图像数据的灰度级。

图像灰度变换是通过灰度变换函数将原始图像数据所占据的灰度范围变换到目标灰度范围。在优选实施例中，获取与当前摄像机的镜头对应的图像数据；设置图像聚焦窗口的起始点、窗口数量以及窗口大小；为了能够突出图像中感兴趣的亮度区域，相对抑制图像中不感兴趣的亮度区域，对图像进行分段线性变换。重新调整图像亮度的灰度级，可以按照以下方式对图像数据进行灰度变换处理：将f(x,y)的灰度级按照预设映射关系变换为g₁(x,y)的灰度级，其中，预设映射关系如下：

f(x,y)为图像数据，g₁(x,y)为经过灰度变化处理后的图像数据，a≠b，且a、b、c和d均应当在图像数据的最大灰度级范围内。

图像滤波表示在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制。在优选实施例中，对映射后的新图像g₁(x,y)进行图像滤波处理，将聚焦窗口中的每个像素进行一维滤波或二维滤波，可以采用以下公式对经过灰度变化处理后的图像数据进行滤波处理：

g₂(x,y)＝Mask*g₁(x,y)；

其中，g₂(x,y)为经过滤波处理后的图像数据，Mask为滤波模板，其模板大小可以为1×3、1×5或3×3等，符号“*”表示卷积计算。

图像梯度能够反映图像的边缘和细节特征。梯度算子是一种离散型差分算子，用于计算图像的梯度大小。在优选实施例中，对新图像g₂(x,y)的每个像素分别计算两种图像梯度：算子模板的梯度值Grad₁与Grad_h，并根据每个像素的灰度值大小进行梯度值的加权计算，具体地，可以按照以下公式分别求取与每个像素点对应的第一梯度值和第二梯度值：

Grad_l(x,y)＝w_i*A*g₂(x,y),Grad_h(x,y)＝w_i*B*g₂(x,y)；

其中，Grad₁为第一梯度值，Grad_h为第二梯度值，w_i表示与不同灰度等级对应的权重，可以将整个灰度级分为4个等级。A和B分别为两种不同大小及不同系数的梯度算子模板，符号“*”表示卷积计算。

优选地，可以按照以下公式获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值(即计算每个聚焦窗口内全部像素点的梯度值并求和)：

其中，AFL_i为第一聚焦评价值，AFH_i为第二聚焦评价值，且AFL_i大于AFH_i，w、h表示每个聚焦窗口的大小，i表示第i个聚焦窗口，Grad_l为第一梯度值，Grad_h为第二梯度值，(x,y)表示每个聚焦窗口内的每个像素点。

优选地，在步骤S110中，通过第一聚焦变化率和第二聚焦变化率调整搜索步长可以包括以下操作：

步骤S3：按照以下公式计算第一聚焦变化率和第二聚焦变化率：

R₁＝AFL_i/AFL_i-m，R₂＝AFH_i/AFH_i-m，

其中，R₁为第一聚焦变化率，R₂为第二聚焦变化率，AFL_i-m是相对AFL_i前第m个采样位置的聚焦评价值，AFH_i-m是相对AFH_i前第m个采样位置的聚焦评价值；

步骤S4：将R1和R2分别与R进行比较，并根据比较结果实时调整搜索步长，其中，R为预设聚焦变化率阈值。

在优选实施例中，可以通过比较聚焦评价值来判断调焦移动的方向和步长，直到最佳成像点。设置聚焦电机步长FocusStep，并将FocusStep初始化为Step0。根据经验值预设聚焦评价值阈值FV、聚焦评价值变化率R、最小步长值Step_min和最大步长值Step_max。获取连续多帧图像的第一聚焦评价值和第二聚焦评价值。通过第一聚焦评价值和第二聚焦评价值判断电机的聚焦方向以及通过第一聚焦评价值的第一聚焦变化率和第二聚焦评价值的第二聚焦变化率调整电机的搜索步长Step_i。可以将搜索区域划分为远焦区、近焦区和合焦区，用预设判断值R分析{AFL_i}和{AFH_i}的变化率R1和R2，判断公式如下：

AFL_i/AFL_i-m＜R；

其中，AFL_i-m是相对AFL_i前第m个采样位置的聚焦评价值，AFH_i与AFL_i类似，R是AFL与AFH的变化率阈值。

当聚焦电机进入远焦区时，调整聚焦步长Step为Step_max，并根据AFL_i的变化率R1来实时调整Step，当R1逐渐增大，且R2>R时，准备进入近焦区。当聚焦电机进入近焦区时，按照固定的聚焦步长Step0进行搜索，当R值由大变小，并且{AFH_i}值开始下降时，准备进入合焦区。当聚焦电机进入合焦区时，调整聚焦步长Step为Step_min，并连续采样最大值两侧各3至4个点，计算这几个点的聚焦电机位置的平均值即为图像清晰点位置。最终完成搜索，实现自动聚焦控制。

下面将结合图2至图6所示的优选实施方式对上述优选实施过程做进一步的描述。

图2是根据本发明优选实施例的聚焦评价值计算方法的流程图。如图2所示，该流程可以包括以下处理步骤：

步骤S202：获取一帧图像数据。

步骤S204：对该帧图像进行聚焦窗口的设置，其中，可以包括但不限于：聚焦窗口的划分、窗口起始点信息。

步骤S206：对聚焦窗口内的图像进行灰度变换，图3是根据本发明优选实施例的灰度变换的示意图，如图3所示，根据映射关系对原图像f(x,y)的像素灰度级进行重新映射，得到调整后的图像g₁(x,y)，以完成图像的对比度提升处理。

步骤S208：对上一个步骤输出的图像g₁(x,y)进行滤波处理，即对图像进行平滑处理，降低噪声对聚焦评价值的影响，以得到滤波后的新图像g₂(x,y)。

步骤S210：进行梯度值计算，对上一个步骤输出的图像g₂(x,y)中每个像素点分别求取两个梯度值，这两个梯度值Grad₁与Grad_h由两个改进的梯度算子模板分别与图像进行卷积得到。图4a是根据本发明优选实施例的梯度算子模板一的示意图。图4b是根据本发明优选实施例的梯度算子模板二的示意图。如图4a和图4b所示，梯度值Grad₁可以由梯度算子模板401和梯度算子模板402对图像进行卷积运算以及求和运算得到，梯度值Grad_h则可以由梯度算子模板403和梯度算子模板404对图像进行卷积运算以及求和运算得到。

步骤S212：针对上述得到的梯度值Grad₁与Grad_h对聚焦窗口中的每个像素进行累加，得到两个聚焦评价值AFL和AFH。

在累加梯度值时，对不同灰度值区段的像素梯度乘以不同的系数，以达到突出某个灰度值区间的像素梯度目的。

步骤S214：输出每个聚焦窗口的两个聚焦评价值。

图5是根据本发明优选实施例的焦点搜索控制算法中的聚焦评价值-聚焦电机位置的示意图。如图5所示，在该优选实施例中，可以将聚焦分为三个阶段：远焦区、近焦区与合焦区，每个阶段分别采用不同的搜索模式和搜索步长。图5中所示的AFL曲线和AFH曲线即为判断进入哪个阶段的准则。AFL曲线在峰值两边的半宽较大，其在聚焦过程中通常用来判断聚焦方向和爬坡；而AFH曲线在峰值两边的半宽较窄且峰值较为明显，因此，可以用来最后定焦。

图6是根据本发明优选实施例的执行焦点搜索控制的流程图。如图6所示，该流程可以包括以下处理步骤：

步骤S602：设置聚焦电机步长FocusStep，并将FocusStep初始化为Step0。根据经验值预设聚焦评价值阈值FV、聚焦评价值变化率R、最小步长值Step_min和最大步长值Step_max。初始化Step0、Step_min、Step_max及R等参数信息。

步骤S604：计算当前帧及连续多帧图像的聚焦评价值AFL和AFH。

步骤S606：由计算得到的两个评价值AFL和AFH大小的变化来判断聚焦方向并调整搜索步长。

步骤S608：判断是否进入合焦区，根据连续多帧的AFL和AFH两个值的变化来判断是否进入合焦区，如果AFL变化不大而AFH变化较大，且两者都出现先变大再变小或先变小再变大的特点时，则进入步骤S610；否则，转到步骤S612。

步骤S610：当聚焦状态进入合焦区时，此时通过采集最大值两边多帧图像并计算聚焦评价值AFH，以及计算多帧图像的均值确定焦点；流程结束。

步骤S612：计算聚焦变化率R1和R2，R1和R2按照上述公式AFL_i/AFL_i-m＜R计算得到。

步骤S614：通过比较R1和R2的大小，并与阈值R进行比较，判断进入近焦区还是远焦区，若R1<R2且R2>R则进入步骤S616，否则，进入步骤S620。

步骤S616：进入近焦区。

步骤S618：调整搜索步长为Step2，判断搜索方向，转到步骤S606。

步骤S620：进入远焦区。

步骤S622：调整搜索步长为Step1，判断搜索方向，转到步骤S606。

综上所述，按照该优选实施例所提供的快速自动聚焦方法，在确保聚焦准确度和稳定性的同时，能够自适应的调整搜索步长，从而达到降低计算量并节省聚焦时间的目的，可应用于各种变焦镜头的摄像设备。

图7是根据本发明实施例的自动聚焦装置的结构框图。如图7所示，该自动聚焦装置可以包括：划分模块10，用于连续获取多帧图像数据，并分别对多帧图像数据中的每帧图像数据进行聚焦窗口的划分；处理模块20，用于对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；第一计算模块30，用于对经过滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；第二计算模块40，用于根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；调整模块50，用于通过第一聚焦评价值和第二聚焦评价值确定电机的聚焦方向以及通过第一聚焦评价值的第一聚焦变化率和第二聚焦评价值的第二聚焦变化率调整电机的步长，直至电机将镜头调整至聚焦状态。

优选地，处理模块20可以包括：获取单元(图中未示出)，用于获取在图像数据中的亮度区域分布信息；处理单元(图中未示出)，用于根据亮度区域分布信息对图像数据进行分段线性变换，重新调整图像数据的灰度级。

优选地，处理单元，用于将f(x,y)的灰度级按照预设映射关系变换为g₁(x,y)的灰度级，其中，预设映射关系如下：

f(x,y)为图像数据，g₁(x,y)为经过灰度变化处理后的图像数据，a≠b，且a、b、c和d均在图像数据的最大灰度级范围内。

优选地，处理模块20，用于采用以下公式对经过灰度变化处理后的图像数据进行滤波处理：

g₂(x,y)＝Mask*g₁(x,y)；

其中，g₂(x,y)为经过滤波处理后的图像数据，Mask为滤波模板，符号“*”表示卷积计算。

优选地，第一计算模块30，用于按照以下公式分别求取与每个像素点对应的第一梯度值和第二梯度值：

Grad_l(x,y)＝w_i*A*g₂(x,y),Grad_h(x,y)＝w_i*B*g₂(x,y)；

其中，Grad_l为第一梯度值，Grad_h为第二梯度值，w_i表示与不同灰度等级对应的权重，A和B分别为两种不同大小及不同系数的梯度算子模板，符号“*”表示卷积计算。

优选地，第二计算模块40，用于按照以下公式获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值：

其中，AFL_i为第一聚焦评价值，AFH_i为第二聚焦评价值，且AFL_i大于AFH_i，w、h表示每个聚焦窗口的大小，i表示第i个聚焦窗口，Grad_l为第一梯度值，Grad_h为第二梯度值，(x,y)表示每个聚焦窗口内的每个像素点。

优选地，如图8所示，调整模块50可以包括：计算单元500，用于按照以下公式计算第一聚焦变化率和第二聚焦变化率：R₁＝AFL_i/AFL_i-m，R₂＝AFH_i/AFH_i-m，其中，R₁为第一聚焦变化率，R₂为第二聚焦变化率，AFL_i-m是相对AFL_i前第m个采样位置的聚焦评价值，AFH_i-m是相对AFH_i前第m个采样位置的聚焦评价值；调整单元502，用于将R1和R2分别与R进行比较，并根据比较结果实时调整搜索步长，其中，R为预设聚焦变化率阈值。

作为本发明的一个优选实施例，图9是本发明优选实施例的自动聚焦装置的示意图，如图9所示，该自动聚焦装置可以包括：光学镜头、图像传感器(在该优选实施例中，图像传感器可以为电荷耦合元件(CCD)图像传感器或互补金属氧化物半导体(CMOS)图像传感器)、数字图像采集单元、图像预处理单元、聚焦评价值计算单元、焦点控制搜索单元以及电机驱动控制器。数字图像采集单元完成将镜头采集到的光信号通过图像传感器转换为电信号。图像预处理单元将图像传感器得到的视频信号进行黑电平校正和预处理。聚焦评价值计算单元将图像预处理单元输出的视频信号进行聚焦窗口的划分并进行图像分析，输出该窗口内的图像清晰度评价值。焦点控制搜索单元根据获取到的聚焦评价值来判断当前图像是否达到聚焦状态，如果尚未达到清晰状态，则需要判断聚焦电机下一步移动的方向及步长大小，并驱动电机按照指定的方向和步长进行移动，直至搜索到最大的聚焦评价值即图像清晰点为止。电机驱动控制器接收焦点控制搜索单元发出的控制指令并驱动聚焦电机运行。

从以上的描述中，可以看出，上述实施例实现了如下技术效果(需要说明的是这些效果是某些优选实施例可以达到的效果)：采用本发明所提供的技术方案，通过使用图像清晰度评价函数设计方法所设计出的自动聚焦曲线具备较强的场景适应性，无论在低照度场景中还是在有光源的场景中均能够体现较好的单峰性与稳定性，从而为快速的焦点搜索控制方法提供良好的前提条件。此外，本发明实施例所提供的焦点搜索控制方法，与现有技术相比，其聚焦速度更快且更加精准，具有较强的抗干扰能力，整个自动聚焦过程具有良好的视觉效果。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种自动聚焦方法，其特征在于，包括：

连续获取多帧图像数据，并分别对所述多帧图像数据中的每帧图像数据进行聚焦窗口的划分；

对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；

对经过所述滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；

根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；

通过所述第一聚焦评价值和所述第二聚焦评价值确定电机的聚焦方向以及通过所述第一聚焦评价值的第一聚焦变化率和所述第二聚焦评价值的第二聚焦变化率调整所述电机的步长，直至所述电机将镜头调整至聚焦状态。

2.根据权利要求1所述的方法，其特征在于，按照以下方式对所述图像数据进行所述灰度变换处理包括：

获取在所述图像数据中的亮度区域分布信息；

根据所述亮度区域分布信息对所述图像数据进行分段线性变换，重新调整所述图像数据的灰度级。

3.根据权利要求2所述的方法，其特征在于，根据所述亮度区域分布对所述图像数据进行分段线性变换，重新调整所述图像数据的灰度级包括：

将f(x,y)的灰度级按照预设映射关系变换为g₁(x,y)的灰度级，其中，所述预设映射关系如下：

f(x,y)为所述图像数据，g₁(x,y)为经过灰度变化处理后的图像数据，a≠b，且a、b、c和d均在所述图像数据的最大灰度级范围内。

4.根据权利要求3所述的方法，其特征在于，采用以下公式对经过所述灰度变化处理后的图像数据进行所述滤波处理：

g₂(x,y)＝Mask*g₁(x,y)；

其中，g₂(x,y)为经过所述滤波处理后的图像数据，Mask为滤波模板，符号“*”表示卷积计算。

5.根据权利要求1所述的方法，其特征在于，按照以下公式分别求取与每个像素点对应的第一梯度值和第二梯度值：

Grad_l(x,y)＝w_i*A*g₂(x,y),Grad_h(x,y)＝w_i*B*g₂(x,y)；

其中，Grad_l为所述第一梯度值，Grad_h为所述第二梯度值，w_i表示与不同灰度等级对应的权重，A和B分别为两种不同大小及不同系数的梯度算子模板，符号“*”表示卷积计算。

6.根据权利要求1所述的方法，其特征在于，按照以下公式获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值：

其中，AFL_i为所述第一聚焦评价值，AFH_i为所述第二聚焦评价值，且AFL_i大于AFH_i，w、h表示每个聚焦窗口的大小，i表示第i个聚焦窗口，Grad_l为所述第一梯度值，Grad_h为所述第二梯度值，(x,y)表示每个聚焦窗口内的每个像素点。

7.根据权利要求1所述的方法，其特征在于，通过所述第一聚焦变化率和所述第二聚焦变化率调整所述步长包括：

按照以下公式计算所述第一聚焦变化率和所述第二聚焦变化率：

R₁＝AFL_i/AFL_i-m，R₂＝AFH_i/AFH_i-m，

其中，R₁为所述第一聚焦变化率，R₂为所述第二聚焦变化率，AFL_i-m是相对AFL_i前第m个采样位置的聚焦评价值，AFH_i-m是相对AFH_i前第m个采样位置的聚焦评价值；

将所述R1和所述R2分别与R进行比较，并根据比较结果实时调整所述步长，其中，所述R为预设聚焦变化率阈值。

8.一种自动聚焦装置，其特征在于，包括：

划分模块，用于连续获取多帧图像数据，并分别对所述多帧图像数据中的每帧图像数据进行聚焦窗口的划分；

处理模块，用于对每个聚焦窗口内的图像数据依次进行灰度变换处理和滤波处理；

第一计算模块，用于对经过所述滤波处理后的图像数据中的每个像素点分别求取与该像素点对应的第一梯度值和第二梯度值；

第二计算模块，用于根据每个聚焦窗口内与各个像素点对应的第一梯度值和第二梯度值，获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值；

调整模块，用于通过所述第一聚焦评价值和所述第二聚焦评价值确定电机的聚焦方向以及通过所述第一聚焦评价值的第一聚焦变化率和所述第二聚焦评价值的第二聚焦变化率调整所述电机的步长，直至所述电机将镜头调整至聚焦状态。

9.根据权利要求8所述的装置，其特征在于，所述处理模块包括：

获取单元，用于获取在所述图像数据中的亮度区域分布信息；

处理单元，用于根据所述亮度区域分布信息对所述图像数据进行分段线性变换，重新调整所述图像数据的灰度级。

10.根据权利要求9所述的装置，其特征在于，所述处理单元，用于将f(x,y)的灰度级按照预设映射关系变换为g₁(x,y)的灰度级，其中，所述预设映射关系如下：

f(x,y)为所述图像数据，g₁(x,y)为经过灰度变化处理后的图像数据，a≠b，且a、b、c和d均在所述图像数据的最大灰度级范围内。

11.根据权利要求10所述的装置，其特征在于，所述处理模块，用于采用以下公式对经过所述灰度变化处理后的图像数据进行所述滤波处理：

g₂(x,y)＝Mask*g₁(x,y)；

其中，g₂(x,y)为经过所述滤波处理后的图像数据，Mask为滤波模板，符号“*”表示卷积计算。

12.根据权利要求8所述的装置，其特征在于，所述第一计算模块，用于按照以下公式分别求取与每个像素点对应的第一梯度值和第二梯度值：

Grad_l(x,y)＝w_i*A*g₂(x,y),Grad_h(x,y)＝w_i*B*g₂(x,y)；

其中，Grad_l为所述第一梯度值，Grad_h为所述第二梯度值，w_i表示与不同灰度等级对应的权重，A和B分别为两种不同大小及不同系数的梯度算子模板，符号“*”表示卷积计算。

13.根据权利要求8所述的装置，其特征在于，所述第二计算模块，用于按照以下公式获取与每个聚焦窗口对应的第一聚焦评价值和第二聚焦评价值：

其中，AFL_i为所述第一聚焦评价值，AFH_i为所述第二聚焦评价值，且AFL_i大于AFH_i，w、h表示每个聚焦窗口的大小，i表示第i个聚焦窗口，Grad_l为所述第一梯度值，Grad_h为所述第二梯度值，(x,y)表示每个聚焦窗口内的每个像素点。

14.根据权利要求8所述的装置，其特征在于，所述调整模块包括：

计算单元，用于按照以下公式计算所述第一聚焦变化率和所述第二聚焦变化率：

R₁＝AFL_i/AFL_i-m，R₂＝AFH_i/AFH_i-m，

其中，R₁为所述第一聚焦变化率，R₂为所述第二聚焦变化率，AFL_i-m是相对AFL_i前第m个采样位置的聚焦评价值，AFH_i-m是相对AFH_i前第m个采样位置的聚焦评价值；

调整单元，用于将所述R1和所述R2分别与R进行比较，并根据比较结果实时调整所述步长，其中，所述R为预设聚焦变化率阈值。