CN108769533A - 一种自动对焦算法 - Google Patents

Abstract

本发明公开了一种自动对焦算法，包括如下步骤：采集目标物体的两幅连续的对焦图像，分别画出两幅对焦图像的对焦评价函数的曲线图；找出两幅曲线图中的峰值点F₁和F₂，然后将两幅曲线图中的曲线进行拟合，得到拟合曲线后找出峰值点F₀；比较F₁点和F₂点所在聚焦镜头的位置的大小，以较小位置点为起始点，较大位置点为终点，使聚焦镜头以步长SW从起始点走到终点，并记录下对焦评价函数的最大值及聚焦镜头的位置；反复在最大值点附近来回搜索，直至步进电机的步长减小到设定的步长时结束搜索，此时聚焦镜头停止在对焦评价函数的最大值F_mn处且聚焦镜头的位置为W_mn；比较F_mn和F₀的大小，若|F_mn‑F₀|≤δ，则对焦过程结束，若|F_mn‑F₀|>δ，则减小预先设定的步长继续搜索。

Description

一种自动对焦算法

技术领域

本发明属于图像处理技术领域，具体涉及一种自动对焦算法。

背景技术

一个理想的清晰度评价函数应当具有单峰性，无偏性以及较好的稳定性。基于对焦评价函数曲线拟合的自动对焦方法能够快速的找到评价函数最大值点，但由于受局部极值的干扰，且搜索只是全程快速的搜索一遍，此最大值点可能并非实际峰点，所以对焦效率比较低。因此，需要设计一种能够解决上述问题的对焦算法。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种自动对焦算法。

本发明提供了一种自动对焦算法，具有这样的特征，包括如下步骤：

步骤1，采集目标物体的两幅连续的对焦图像分别为第一对焦图像和第二对焦图像，预先设定步进电机的步长为SW₀、行程为L，然后利用sobel梯度函数分别计算出第一对焦图像的对焦评价函数值和第二对焦图像的对焦评价函数值并分别画出第一对焦图像的对焦评价函数的曲线图和第二对焦图像的对焦评价函数的曲线图；

步骤2，找出第一对焦图像的对焦评价函数的曲线图中的曲线峰值点F₁和第二对焦图像的对焦评价函数的曲线图中的曲线峰值点F₂，然后将两幅曲线图中的曲线进行曲线拟合，得到拟合曲线，并找出拟合曲线的峰值点F₀；

步骤3，比较F₁点和F₂点所在聚焦镜头的位置W_F1和W_F2的大小，以较小位置点为起始点Ⅰ，以较大位置点为终点Ⅰ，并通过步进电机驱动聚焦镜头先以步长SW从起始点Ⅰ走到终点Ⅰ，并记录下对焦评价函数的最大值F_m0及其聚焦镜头的位置W_m0；

步骤4，减小步进电机的步长，使聚焦镜头回到对焦评价函数的最大值位置的前一站F_m0-1并以此为起始点Ⅱ，并以对焦评价函数的最大值位置的后一站F_m0+1为终点Ⅱ，由步进电机驱动聚焦镜头从起始点Ⅱ走到终点Ⅱ，并记录下这一过程中对焦评价函数的最大值F_m1及其聚焦镜头的位置W_m1；

步骤5，重复步骤4直至步进电机的步长减小到设定的步长SW₀或小于步长SW₀时，搜索结束，此时聚焦镜头停止在对焦评价函数的最大值F_mn处且聚焦镜头的位置为W_mn；

步骤6，比较F_mn和F₀的大小，若|F_mn-F₀|≤δ，则对焦过程结束，若|F_mn-F₀|>δ，则减小预先设定的步长SW₀并回到步骤3，

其中，步骤6中的δ为阈值条件。

在本发明提供的自动对焦算法中，还可以具有这样的特征：其中，所述步骤1中的对焦评价函数为一帧图像中视频信号的高频成分值，所述sobel梯度函数为所述对焦评价函数的一种，设f(x，y)为图像在像素点(x，y)处的灰度值，图像大小记为M x N，先提取x方向和y方向的梯度变化，再计算梯度平方和，其公式为：

式中，f_x和f_y分别为x方向和y方向的方向导数，计算公式分别如下：

在本发明提供的自动对焦算法中，还可以具有这样的特征：其中，步骤1包括如下子步骤：

聚焦镜头转动的过程为对焦的过程，通过聚焦镜头的转动得到最佳对焦点，当采集到一幅对焦图像之后用sobel梯度函数进行自动对焦，聚焦镜头转动，得到不同聚焦镜头位置下的对焦评价函数值，将不同聚焦镜头位置下的对焦评价函数值连线后就得到对焦评价函数曲线。

在本发明提供的自动对焦算法中，还可以具有这样的特征：其中，步骤3中的比较F₁点和F₂点所在镜头的位置W_F1和W_F2的大小，包括如下子步骤：

将聚焦镜头开始转动的位置记为0，聚焦镜头以顺时针方向转动，离起始点的位置越来越远，距离越来越大，即数值也是越来越大，通过顺时针方向来看离0的距离来比较两点的镜头位置大小，当离0越近时数值越小，当离0越远时数值越大。

在本发明提供的自动对焦算法中，还可以具有这样的特征：其中，步骤3包括如下子步骤：

当W_F1>W_F2时，则聚焦镜头回到F₂-1处，行程L＝|F₁+1-F₂-1|，并以步长SW走遍全程，

当W_F1<W_F2时，则聚焦镜头回到F₁-1处，行程L＝|F₂+1-F₁-1|，并以步长SW走遍全程。

在本发明提供的自动对焦算法中，还可以具有这样的特征：其中，步骤4中的最大值位置为对焦评价函数值的最大点处的聚焦镜头的位置，步进电机在转动时记录下每个点对应的聚焦镜头的位置，得到对焦评价函数值的最大点后得到最大值位置。

发明的作用与效果

本发明的自动对焦算法将曲线拟合和爬山搜索法相结合，采用的曲线拟合能够找到对焦评价函数的最大点，采用的爬山搜索法能够在进行发福搜索后得到对焦评价函数最佳点，将最大点和最佳点进行对照后，若对照后的差值小于阈值则证明对焦中找到的就是实际的评价函数最大值点。因此，本发明的自动对焦算法使得聚焦镜头在整个对焦过程中避免了曲线局部极值的干扰以及爬山搜索全程精细搜索耗时的缺点，大大减小了搜索次数，提高了对焦效率和精确度。

附图说明

图1是本发明的实施例中的自动对焦算法的流程图；

图2是本发明的实施例中的曲线拟合过程的曲线示意图；

图3是本发明的实施例中的爬山搜索过程的曲线示意图。

具体实施方式

为了使本发明实现的技术手段与功效易于明白了解，以下结合实施例及附图对本发明作具体阐述。

图1是本发明的实施例中的自动对焦算法的流程图。

如图1所示，本实施例的一种自动对焦算法，包括如下步骤：

图2是本发明的实施例中的曲线拟合过程的曲线示意图。

如图2所示，步骤1，采集目标物体的两幅连续的对焦图像分别为第一对焦图像和第二对焦图像，预先设定步进电机的步长为SW₀、行程为L，然后利用sobel梯度函数分别计算出第一对焦图像的对焦评价函数值和第二对焦图像的对焦评价函数值并分别画出第一对焦图像的对焦评价函数的曲线图和第二对焦图像的对焦评价函数的曲线图。

步骤1包括如下子步骤：

聚焦镜头转动的过程为对焦的过程，通过聚焦镜头的转动得到最佳对焦点，当采集到一幅对焦图像之后用sobel梯度函数进行自动对焦，聚焦镜头转动，得到不同聚焦镜头位置下的对焦评价函数值，将不同聚焦镜头位置下的对焦评价函数值连线后就得到对焦评价函数曲线。

所述步骤1中的对焦评价函数为一帧图像中视频信号的高频成分值，所述sobel梯度函数为所述对焦评价函数的一种，设f(x，y)为图像在像素点(x，y)处的灰度值，图像大小记为M x N，先提取x方向和y方向的梯度变化，再计算梯度平方和，其公式为：

式中，f_x和f_y分别为x方向和y方向的方向导数，计算公式分别如下：

步骤2，找出第一对焦图像的对焦评价函数的曲线图中的曲线峰值点F₁和第二对焦图像的对焦评价函数的曲线图中的曲线峰值点F₂，然后将两幅曲线图中的曲线进行曲线拟合，得到拟合曲线，并找出拟合曲线的峰值点F₀。

图3是本发明的实施例中的爬山搜索过程的曲线示意图。

如图3所示，步骤3，比较F₁点和F₂点所在聚焦镜头的位置W_F1和W_F2的大小，以较小位置点为起始点Ⅰ，以较大位置点为终点Ⅰ，并通过步进电机驱动聚焦镜头先以步长SW从起始点Ⅰ走到终点Ⅰ，并记录下对焦评价函数的最大值F_m0及其聚焦镜头的位置W_m0即图3中的B点。

聚焦镜头每走一步，都要计算当前的对焦评价函数值，与前一步所得的对焦评价函数值进行比较，记下较大的对焦评价函数值及其聚焦镜头的位置，当走完全程后，就可以得到对焦评价函数值的最大值F_m0及其镜头的位置W_m0。

步骤3包括如下子步骤：

当W_F1>W_F2时，则聚焦镜头回到F₂-1即图3中的A点处，并以此为起点，且以F₁+1即图3中的C点为终点，得到行程L＝|F₁+1-F₂-1|，并以步长SW走遍全程，

当W_F1<W_F2时，则聚焦镜头回到F₁-1处，行程L＝|F₂+1-F₁-1|，并以步长SW走遍全程。

步骤3中的比较F₁点和F₂点所在镜头的位置W_F1和W_F2的大小，包括如下子步骤：

将聚焦镜头开始转动的位置记为0，聚焦镜头以顺时针方向转动，离起始点的位置越来越远，距离越来越大，即数值也是越来越大，通过顺时针方向来看离0的距离来比较两点的镜头位置大小，当离0越近时数值越小，当离0越远时数值越大。

步骤4，减小步进电机的步长，使聚焦镜头回到对焦评价函数的最大值位置的前一站F_m0-1即图3中的D点并以此为起始点Ⅱ，并以对焦评价函数的最大值位置的后一站F_m0+1即图3中的F点为终点Ⅱ，由步进电机驱动聚焦镜头从起始点Ⅱ走到终点Ⅱ，并记录下这一过程中对焦评价函数的最大值F_m1及其聚焦镜头的位置W_m1即图3中的E点。

步骤4中的最大值位置为对焦评价函数值的最大点处的聚焦镜头的位置，步进电机在转动时记录下每个点对应的聚焦镜头的位置，得到对焦评价函数值的最大点后得到最大值位置。

步骤5，重复步骤4直至步进电机的步长减小到设定的步长SW₀或小于步长SW₀时，搜索结束，此时聚焦镜头停止在对焦评价函数的最大值F_mn处且聚焦镜头的位置为W_mn。

步骤6，比较F_mn和F₀的大小，若|F_mn-F₀|≤δ，则对焦过程结束，若|F_mn-F₀|>δ，则减小预先设定的步长SW₀并回到步骤3。

步骤6中的δ为阈值条件，可根据用户的需要自行设定。

实施例的作用与效果

本实施例的自动对焦算法将曲线拟合和爬山搜索法相结合，采用的曲线拟合能够找到对焦评价函数的最大点，采用的爬山搜索法能够在进行发福搜索后得到对焦评价函数最佳点，将最大点和最佳点进行对照后，若对照后的差值小于阈值则证明对焦中找到的就是实际的评价函数最大值点。因此，本实施例的自动对焦算法使得聚焦镜头在整个对焦过程中避免了曲线局部极值的干扰以及爬山搜索全程精细搜索耗时的缺点，大大减小了搜索次数，提高了对焦效率和精确度。

上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (6)

1.一种自动对焦算法，其特征在于，包括如下步骤：

步骤1，采集目标物体的两幅连续的对焦图像分别为第一对焦图像和第二对焦图像，预先设定步进电机的步长为SW₀、行程为L，然后利用sobel梯度函数分别计算出所述第一对焦图像的对焦评价函数值和所述第二对焦图像的对焦评价函数值并分别画出所述第一对焦图像的对焦评价函数的曲线图和所述第二对焦图像的对焦评价函数的曲线图；

步骤2，找出所述第一对焦图像的对焦评价函数的曲线图中的曲线峰值点F₁和所述第二对焦图像的对焦评价函数的曲线图中的曲线峰值点F₂，然后将所述两幅曲线图中的曲线进行曲线拟合，得到拟合曲线，并找出所述拟合曲线的峰值点F₀；

步骤3，比较F₁点和F₂点所在聚焦镜头的位置W_F1和W_F2的大小，以较小位置点为起始点Ⅰ，以较大位置点为终点Ⅰ，并通过所述步进电机驱动聚焦镜头先以步长SW从所述起始点Ⅰ走到所述终点Ⅰ，并记录下所述对焦评价函数的最大值F_m0及其所述聚焦镜头的位置W_m0；

步骤4，减小所述步进电机的步长，使所述聚焦镜头回到所述对焦评价函数的最大值位置的前一站F_m0-1并以此为起始点Ⅱ，并以所述对焦评价函数的最大值位置的后一站F_m0+1为终点Ⅱ，由所述步进电机驱动所述聚焦镜头从所述起始点Ⅱ走到所述终点Ⅱ，并记录下这一过程中所述对焦评价函数的最大值F_m1及其所述聚焦镜头的位置W_m1；

步骤5，重复步骤4直至所述步进电机的步长减小到设定的所述步长SW₀或小于所述步长SW₀时，搜索结束，此时所述聚焦镜头停止在所述对焦评价函数的最大值F_mn处且所述聚焦镜头的位置为W_mn；

步骤6，比较F_mn和F₀的大小，若|F_mn-F₀|≤δ，则对焦过程结束，若|F_mn-F₀|>δ，则减小所述预先设定的步长SW₀并回到所述步骤3，

其中，所述步骤6中的δ为阈值条件。

2.根据权利要求1所述的自动对焦算法，其特征在于：

其中，所述步骤1中的对焦评价函数为一帧图像中视频信号的高频成分值，所述sobel梯度函数为所述对焦评价函数的一种，设f(x，y)为图像在像素点(x，y)处的灰度值，图像大小记为MxN，先提取x方向和y方向的梯度变化，再计算梯度平方和，其公式为：

式中，f_x和f_y分别为x方向和y方向的方向导数，计算公式分别如下：

3.根据权利要求1所述的自动对焦算法，其特征在于：

其中，所述步骤1包括如下子步骤：

所述聚焦镜头转动的过程为对焦的过程，通过所述聚焦镜头的转动得到最佳对焦点，当采集到一幅对焦图像之后用所述sobel梯度函数进行自动对焦，所述聚焦镜头转动，得到不同聚焦镜头位置下的对焦评价函数值，将不同聚焦镜头位置下的所述对焦评价函数值连线后就可以看到对焦评价函数曲线。

4.根据权利要求1所述的自动对焦算法，其特征在于：

其中，所述步骤3中的比较F₁点和F₂点所在镜头的位置W_F1和W_F2的大小，包括如下子步骤：

将所述聚焦镜头开始转动的位置记为0，所述聚焦镜头以顺时针方向转动，离起始点的位置越来越远，距离越来越大，即数值也是越来越大，通过顺时针方向来看离0的距离来比较两点的镜头位置大小，当离0越近时数值越小，当离0越远时数值越大。

5.根据权利要求1所述的自动对焦算法，其特征在于：

其中，所述步骤3包括如下子步骤：

当W_F1>W_F2时，则所述聚焦镜头回到F₂-1处，行程L＝|F₁+1-F₂-1|，并以所述步长SW走遍全程，

当W_F1<W_F2时，则所述聚焦镜头回到F₁-1处，行程L＝|F₂+1-F₁-1|，并以所述步长SW走遍全程。

6.根据权利要求1所述的自动对焦算法，其特征在于：

其中，所述步骤4中的所述最大值位置为所述对焦评价函数值的最大点处的所述聚焦镜头的位置，所述步进电机在转动时记录下每个点对应的所述聚焦镜头的位置，得到所述对焦评价函数值的最大点后得到所述最大值位置。