CN109246352A - 一种调焦方法及装置 - Google Patents

Abstract

本发明提供了一种调焦方法及装置，该调焦方法包括获取原始图像；将原始图像转换为灰度图像；依据灰度图像，获得灰度梯度图像；依据灰度梯度图像，计算梯度平方和；依据原始图像，计算原始图像的暗通道范数；依据梯度平方和和暗通道范数，获得调焦评价函数；依据调焦评价函数，对原始图像进行调焦处理。即该调焦方法将原始图像的暗通道范数和灰度图像的梯度平方和进行融合，以使获得的调焦评价函数在各个环境下均具有良好的适应能力，通过依据调焦评价函数可以对原始图像的离焦程度进行完美的评价，完成自动调焦，进而提高调焦灵敏度高，且鲁棒性强。

Description

一种调焦方法及装置

技术领域

本发明涉及光电成像技术领域，更具体地说，涉及一种调焦方法及装置。

背景技术

为了达到对探测范围内各个距离的物体均能清晰成像的要求，光电成像 系统通常具备一定的调焦能力。

手动调焦是人利用肉眼观察图像的清晰程度，依靠目测完成调焦过程。 但是，手动调焦的主观性较强，且调焦速度很慢，因此快速精确的自动调焦 技术越来越受到人们的关注。

但是，目前自动调焦技术并不成熟，存在灵敏度低和鲁棒性差的问题。

发明内容

有鉴于此，为解决上述问题，本发明提供一种调焦方法及装置，技术方 案如下：

一种调焦方法，包括：

获取原始图像；

将所述原始图像转换为灰度图像；

依据所述灰度图像，获得灰度梯度图像；

依据所述灰度梯度图像，计算梯度平方和；

依据所述原始图像，计算所述原始图像的暗通道范数；

依据所述梯度平方和和所述暗通道范数，获得调焦评价函数；

依据所述调焦评价函数，对所述原始图像进行调焦处理。

可选的，所述依据所述灰度图像，获得灰度梯度图像，包括：

将所述灰度图像的四周进行切割，获得目标灰度图像；

对所述目标灰度图像进行Sobel算子的卷积运算，获得所述灰度梯度图 像。

可选的，所述依据所述灰度梯度图像，计算梯度平方和，包括：

依据所述灰度梯度图像，采用otsu方法计算梯度阈值T；

将大于所述梯度阈值的梯度定义为有效梯度；

依据公式公式以及梯度阈值约束条件计算所述梯度平方和；

其中，E_g为所述梯度平方和，s(x,y)为所述灰度梯度图像的有效梯度的表 达式，f(x,y)为所述原始图像的表达式，S(x,y)为所述Sobel算子的表达式。

可选的，所述依据所述原始图像，计算所述原始图像的暗通道范数，包 括：

依据公式计算所述原始图像的暗通道f(y)，其中，c表 示所述原始图像的色彩空间，r表示所述原始图像的红色像素通道，g表示所 述原始图像的绿色像素通道，b所述原始图像的蓝色像素通道；

依据所述暗通道，计算所述暗通道范数L₀＝||f^dark(x,y)||₀。

可选的，所述依据所述梯度平方和和所述暗通道范数，获得调焦评价函 数，包括：

依据所述梯度平方和E_g和所述暗通道范数L₀，获得所述调焦评价函数 E＝α·E_g+β·(H·V-||f^dark(x,y)||₀)；

其中，α和β表示加权因子，H表示所述原始图像的水平分辨率，V表示 所述原始图像的竖直分辨率。

本发明还提供了一种调焦装置，包括：

获取模块，用于获取原始图像；

转换模块，用于将所述原始图像转换为灰度图像；

第一获得模块，用于依据所述灰度图像，获得灰度梯度图像；

第一计算模块，用于依据所述灰度梯度图像，计算梯度平方和；

第二计算模块，用于依据所述原始图像，计算所述原始图像的暗通道范 数；

第二获得模块，用于依据所述梯度平方和和所述暗通道范数，获得调焦 评价函数；

调焦模块，用于依据所述调焦评价函数，对所述原始图像进行调焦处理。

可选的，所述第一获得模块用于依据所述灰度图像，获得灰度梯度图像 的方法包括：

将所述灰度图像的四周进行切割，获得目标灰度图像；

对所述目标灰度图像进行Sobel算子的卷积运算，获得所述灰度梯度图 像。

可选的，所述第一计算模块用于依据所述灰度梯度图像，计算梯度平方 和的方法包括：

依据所述灰度梯度图像，采用otsu方法计算梯度阈值T；

将大于所述梯度阈值的梯度定义为有效梯度；

依据公式公式以及梯度阈值约束条件计算所述梯度平方和；

其中，E_g为所述梯度平方和，s(x,y)为所述灰度梯度图像的有效梯度表达 式，f(x,y)为所述原始图像的表达式，S(x,y)为所述Sobel算子的表达式。

可选的，所述第二计算模块用于依据所述原始图像，计算所述原始图像 的暗通道范数的方法包括：

依据公式计算所述原始图像的暗通道f(y)，其中，c表 示所述原始图像的色彩空间，r表示所述原始图像的红色像素通道，g表示所 述原始图像的绿色像素通道，b所述原始图像的蓝色像素通道；

依据所述暗通道，计算所述暗通道范数L₀＝||f^dark(x,y)||₀。

可选的，所述第二获得模块用于依据所述梯度平方和和所述暗通道范数， 获得调焦评价函数的方法包括：

依据所述梯度平方和E_g和所述暗通道范数L₀，获得所述调焦评价函数 E＝α·E_g+β·(H·V-||f^dark(x,y)||₀)；

其中，α和β表示加权因子，H表示所述原始图像的水平分辨率，V表示 所述原始图像的竖直分辨率。

相较于现有技术，本发明实现的有益效果为：

该调焦方法依据原始图像的暗通道范数和灰度图像的梯度平方和，获得 调焦评价函数，即将原始图像的暗通道范数和灰度图像的梯度平方和进行融 合，以使获得的调焦评价函数在各个环境下均具有良好的适应能力，通过依 据调焦评价函数可以对原始图像的离焦程度进行完美的评价，完成自动调焦， 进而提高调焦灵敏度高，且鲁棒性强。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不 付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的调焦方法的流程示意图；

图2为本发明实施例提供的调焦函数性能比较示意图；

图3为本发明实施例提供的调焦原理示意图；

图4为本发明实施例提供的调焦装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图 和具体实施方式对本发明作进一步详细的说明。

参考图1，图1为本发明实施例提供的调焦方法的流程示意图，所述调焦 方法包括：

S11：获取原始图像；

在该步骤中，所述原始图像为光电成像系统采集的图像。

S12：将所述原始图像转换为灰度图像；

在该步骤中，由于所述原始图像为彩色图像，因此将所述原始图像转换 为灰度图像，以供后续步骤进行图像参数提取。

S13：依据所述灰度图像，获得灰度梯度图像；

在该步骤中，将所述灰度图像的四周进行切割，例如将图片的“上”， “下”，“左”，“右”的10行像素切割掉，选取中间区域作为有效区域， 即获得目标灰度图像；

对所述目标灰度图像进行Sobel(索贝尔算子)算子的卷积运算，获得所 述灰度梯度图像。

在本实施例中，由于镜头存在漏光的情况，因此灰度图像四周的图像均 匀度较差，避免了由于镜头畸变及光阑遮挡对调焦带来的影响。

S14：依据所述灰度梯度图像，计算梯度平方和；

在该步骤中，依据所述灰度梯度图像，采用otsu(自动阈值切割法)方 法计算梯度阈值T；

将大于所述梯度阈值的梯度定义为有效梯度，也就是说，只有有效梯度 才可以参与后续的梯度平方和计算；

依据公式公式以及梯度阈值约束条件计算所述梯度平方和；

其中，E_g为所述梯度平方和，s(x,y)为所述灰度梯度图像的有效梯度的表 达式，f(x,y)为所述原始图像的表达式，S(x,y)为所述Sobel算子的表达式。

在本实施例中，在计算梯度平方和时，加入了梯度阈值约束条件，能够 在适当增加计算量的基础上有效抑制噪声的影响。

S15：依据所述原始图像，计算所述原始图像的暗通道范数；

在该步骤中，依据公式计算所述原始图像的暗通道 f(y)，其中，c表示所述原始图像的色彩空间，r表示所述原始图像的红色像 素通道，g表示所述原始图像的绿色像素通道，b所述原始图像的蓝色像素通 道；

依据所述暗通道，计算所述暗通道范数L₀＝||f^dark(x,y)||₀。

S16：依据所述梯度平方和和所述暗通道范数，获得调焦评价函数；

在该步骤中，依据所述梯度平方和E_g和所述暗通道范数L₀，获得所述调 焦评价函数E＝α·E_g+β·(H·V-||f^dark(x,y)||₀)；

其中，α和β表示加权因子，H表示所述原始图像的水平分辨率，V表示 所述原始图像的竖直分辨率。

其中，通常情况下，α＜＜β，例如α＝1，β＝10000；

如图2所示，该调焦评价函数在整个区间内的灵敏度高于其它算法，在 第1-9帧之间离焦比较严重的情况下，该函数没有进入饱和区，仍能保持较高 的陡峭度，在聚焦点附近的陡峭度与Tenengrad(一阶灰度梯度函数)函数和 Wavelet(小波函数)函数基本相同，远大于信息熵函数，在第10帧左右， Tenengrad函数、Wavelet函数和信息熵函数均出现了不同高度的伪峰，但该 调焦评价函数的鲁棒性很强，仍然能保持函数值上升的趋势。

因此，在本实施例中，将原始图像的暗通道范数和灰度图像的梯度平方 和进行融合，以使获得的调焦评价函数在各个环境下均具有良好的适应能力。

S17：依据所述调焦评价函数，对所述原始图像进行调焦处理。

在该步骤中，通过依据调焦评价函数可以对原始图像的离焦程度进行完 美的评价，并使用爬山搜索算法完成自动调焦，进而提高调焦灵敏度高，且 鲁棒性强。

如图3所示，爬山搜索算法共分为两步，第一步是粗搜索，采用大步长 快速运动调焦机构，知道调焦评价函数出现先上坡，再下坡的情况。将整个 过程中调焦评价函数的最大点和次大点记为P₁和P₂，然后控制调焦机构运动到 P₁和P₂中距离当前位置最近的一点；第二步是精搜索，采用小步长遍历P₁和P₂之间，在该区间内调焦评价函数的极值点就是最佳调焦位置。

这种搜索过程可以避免在最佳聚焦位置附近反复调整搜索方向的问题， 提高搜索效率。在判断上坡与下坡时，检测调焦评价函数单调区间的连续性， 即只有连续三次出现调焦评价函数的单调上升或递减时，才认为当前正在上 坡或下坡，可以在一定程度上防止爬山搜索算法进而调焦评价函数的局部极 值点。

基于本发明上述实施例提供的一种调焦方法，在本发明另一实施例中还 提供了一种调焦装置，如图4所示，所述调焦装置包括：

获取模块10，用于获取原始图像；

转换模块20，用于将所述原始图像转换为灰度图像；

第一获得模块30，用于依据所述灰度图像，获得灰度梯度图像；

第一计算模块40，用于依据所述灰度梯度图像，计算梯度平方和；

第二计算模块50，用于依据所述原始图像，计算所述原始图像的暗通道 范数；

第二获得模块60，用于依据所述梯度平方和和所述暗通道范数，获得调 焦评价函数；

调焦模块70，用于依据所述调焦评价函数，对所述原始图像进行调焦处 理。

进一步的，所述第一获得模块30用于依据所述灰度图像，获得灰度梯度 图像的方法包括：

将所述灰度图像的四周进行切割，获得目标灰度图像；

对所述目标灰度图像进行Sobel算子的卷积运算，获得所述灰度梯度图 像。

进一步的，所述第一计算模块40用于依据所述灰度梯度图像，计算梯度 平方和的方法包括：

依据所述灰度梯度图像，采用otsu方法计算梯度阈值T；

将大于所述梯度阈值的梯度定义为有效梯度；

依据公式公式以及梯度阈值约束条件计算所述梯度平方和；

其中，E_g为所述梯度平方和，s(x,y)为所述灰度梯度图像的有效梯度表达 式，f(x,y)为所述原始图像的表达式，S(x,y)为所述Sobel算子的表达式。

进一步的，所述第二计算模块50用于依据所述原始图像，计算所述原始 图像的暗通道范数的方法包括：

依据公式计算所述原始图像的暗通道f(y)，其中，c表 示所述原始图像的色彩空间，r表示所述原始图像的红色像素通道，g表示所 述原始图像的绿色像素通道，b所述原始图像的蓝色像素通道；

依据所述暗通道，计算所述暗通道范数L₀＝||f^dark(x,y)||₀。

进一步的，所述第二获得模块60用于依据所述梯度平方和和所述暗通道 范数，获得调焦评价函数的方法包括：

依据所述梯度平方和E_g和所述暗通道范数L₀，获得所述调焦评价函数 E＝α·E_g+β·(H·V-||f^dark(x,y)||₀)；

其中，α和β表示加权因子，H表示所述原始图像的水平分辨率，V表示 所述原始图像的竖直分辨率。

需要说明的是，该调焦装置和调焦方法的原理相同，在此不再赘述。

以上对本发明所提供的一种调焦方法及装置进行了详细介绍，本文中应 用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只 是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术 人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处， 综上所述，本说明书内容不应理解为对本发明的限制。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个 实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似 的部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的 方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用 来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗 示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、 “包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要 素的过程、方法、物品或者设备所固有的要素，或者是还包括为这些过程、 方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括 一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设 备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用 本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易 见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下， 在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例， 而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种调焦方法，其特征在于，包括：

获取原始图像；

将所述原始图像转换为灰度图像；

依据所述灰度图像，获得灰度梯度图像；

依据所述灰度梯度图像，计算梯度平方和；

依据所述原始图像，计算所述原始图像的暗通道范数；

依据所述梯度平方和和所述暗通道范数，获得调焦评价函数；

依据所述调焦评价函数，对所述原始图像进行调焦处理。

2.根据权利要求1所述的调焦方法，其特征在于，所述依据所述灰度图像，获得灰度梯度图像，包括：

将所述灰度图像的四周进行切割，获得目标灰度图像；

对所述目标灰度图像进行Sobel算子的卷积运算，获得所述灰度梯度图像。

3.根据权利要求2所述的调焦方法，其特征在于，所述依据所述灰度梯度图像，计算梯度平方和，包括：

依据所述灰度梯度图像，采用otsu方法计算梯度阈值T；

将大于所述梯度阈值的梯度定义为有效梯度；

依据公式公式以及梯度阈值约束条件计算所述梯度平方和；

其中，E_g为所述梯度平方和，s(x,y)为所述灰度梯度图像的有效梯度的表达式，f(x,y)为所述原始图像的表达式，S(x,y)为所述Sobel算子的表达式。

4.根据权利要求3所述的调焦方法，其特征在于，所述依据所述原始图像，计算所述原始图像的暗通道范数，包括：

依据公式计算所述原始图像的暗通道f(y)，其中，c表示所述原始图像的色彩空间，r表示所述原始图像的红色像素通道，g表示所述原始图像的绿色像素通道，b所述原始图像的蓝色像素通道；

依据所述暗通道，计算所述暗通道范数L₀＝||f^dark(x,y)||₀。

5.根据权利要求4所述的调焦方法，其特征在于，所述依据所述梯度平方和和所述暗通道范数，获得调焦评价函数，包括：

依据所述梯度平方和E_g和所述暗通道范数L₀，获得所述调焦评价函数E＝α·E_g+β·(H·V-||f^dark(x,y)||₀)；

其中，α和β表示加权因子，H表示所述原始图像的水平分辨率，V表示所述原始图像的竖直分辨率。

6.一种调焦装置，其特征在于，包括：

获取模块，用于获取原始图像；

转换模块，用于将所述原始图像转换为灰度图像；

第一获得模块，用于依据所述灰度图像，获得灰度梯度图像；

第一计算模块，用于依据所述灰度梯度图像，计算梯度平方和；

第二计算模块，用于依据所述原始图像，计算所述原始图像的暗通道范数；

第二获得模块，用于依据所述梯度平方和和所述暗通道范数，获得调焦评价函数；

调焦模块，用于依据所述调焦评价函数，对所述原始图像进行调焦处理。

7.根据权利要求6所述的调焦装置，其特征在于，所述第一获得模块用于依据所述灰度图像，获得灰度梯度图像的方法包括：

将所述灰度图像的四周进行切割，获得目标灰度图像；

对所述目标灰度图像进行Sobel算子的卷积运算，获得所述灰度梯度图像。

8.根据权利要求7所述的调焦方法，其特征在于，所述第一计算模块用于依据所述灰度梯度图像，计算梯度平方和的方法包括：

依据所述灰度梯度图像，采用otsu方法计算梯度阈值T；

将大于所述梯度阈值的梯度定义为有效梯度；

依据公式公式以及梯度阈值约束条件计算所述梯度平方和；

其中，E_g为所述梯度平方和，s(x,y)为所述灰度梯度图像的有效梯度表达式，f(x,y)为所述原始图像的表达式，S(x,y)为所述Sobel算子的表达式。

9.根据权利要求8所述的调焦方法，其特征在于，所述第二计算模块用于依据所述原始图像，计算所述原始图像的暗通道范数的方法包括：

依据公式计算所述原始图像的暗通道f(y)，其中，c表示所述原始图像的色彩空间，r表示所述原始图像的红色像素通道，g表示所述原始图像的绿色像素通道，b所述原始图像的蓝色像素通道；

依据所述暗通道，计算所述暗通道范数L₀＝||f^dark(x,y)||₀。

10.根据权利要求9所述的调焦方法，其特征在于，所述第二获得模块用于依据所述梯度平方和和所述暗通道范数，获得调焦评价函数的方法包括：

依据所述梯度平方和E_g和所述暗通道范数L₀，获得所述调焦评价函数E＝α·E_g+β·(H·V-||f^dark(x,y)||₀)；

其中，α和β表示加权因子，H表示所述原始图像的水平分辨率，V表示所述原始图像的竖直分辨率。