CN109739011B - 一种基于改进爬山法的自动对焦方法 - Google Patents

Abstract

本发明公开了一种基于改进爬山法的自动对焦方法，属于相机调焦技术领域，该方法包括如下步骤：1）算法初始化，计算得到初始的清晰度评价值和平均灰度；2）评估当前帧中的目标图像清晰度评价值和平均灰度值，并与上一帧进行比较；3）进行改进爬山法调焦；4）利用改进爬山法的最后三次对焦数据进行抛物线拟合，计算得到极大值点的横坐标即为所需的对焦点；5)对于同一目标重复执行步骤2）到步骤4），即可实现对同一目标的持续自动对焦。本发明提出的改进爬山法抗噪能力高，同时大大减少了调焦的次数，提高算法速度。再通过结合曲线拟合法，取代现有爬山法的小步长细调焦，减少计算量，实现快速对焦。

Description

一种基于改进爬山法的自动对焦方法

技术领域

本发明属于相机调焦技术领域，具体涉及一种基于改进爬山法的自动对焦方法。

背景技术

相机的自动对焦技术广泛被应用在数码相机、手机、工业相机等场合，旨在实现相机自主识别对焦。自动对焦技术根据信息来源可以分为传统方法和基于数字图像的方法。传统方法需要借助额外设备来获取距离方位等信息；而基于数字图像的方法以采集的图像为数据源，通过数据分析，实现对焦，具有方法结构简单、精度可靠的优点。

基于数字图像的自动对焦技术通常需要进行以下几个步骤：获取当前帧图像，计算该图像的清晰度评价值，计算下一步对焦的位置，驱动变焦器件变焦，获得新的图像，再进行清晰度评价值计算，通过不断的获取图像清晰度评价值比较，驱动变焦，直到找到最高清晰度评价值的焦距位置，对焦完成。所以自动对焦就是选择合理的清晰度评价函数，再搜索到清晰度评价函数的极大值。因而选择合适的清晰度评价函数和极值搜索算法是实现自动对焦的关键，而自动对焦的实时性主要取决于对焦窗口选择和极值搜索算法。

用清晰度评价函数对整张图片进行计算，存在以下几个问题：1)计算量大；2)通常目标物体和背景处于不同的距离，整张图片计算会导致对焦不准确。常见的对焦窗口有全局窗口、感兴趣区域、多点选择。全局窗口计算量大、对焦不准确；矩形感兴趣区域同样存在部计算量大、对焦不准确的问题；多点选择受运动干扰大。

目前常用的极点搜索算法有函数逼近法、Fibbonacci搜索法、爬山法等。其中，爬山法以简单易行，对焦效果好，被广泛应用于工程领域。爬山法的原理是：通过模拟盲人爬山，从起点出发沿一定的方向，以一定的较大步长开始爬坡改变焦距，通过计算每次的清晰度评价值进行比较，当检测到坡度的下降沿时，缩小步长反向爬坡，如此反复折返爬坡，直到步长缩小到预设的终止步长时停止爬坡，最后一次爬坡过程中的峰值位置即为盲人爬山法搜索到的极大值。经典的盲人爬山法的局限性体现在以下两点：1)单次检测下降沿即调转方向，易受噪声的干扰，使算法陷入局部极值或在偏离最大值的位置折返，对焦效果不理想。现有的改进的爬山法以连续多次(3次及以上)下降沿来判断折返，可以降低噪声的干扰，但会大大增加算法的计算量。2)在多次的重复折返过程中，需要进行多次的步长缩减才能得到好的结果，在计算量方面和实时性还有改善的空间。

鉴于以上传统或现有爬山法的局限性，通过改进对焦窗口的选择和改进爬山法实现更快速的自动对焦具有重大意义。

发明内容

本发明的目的在于提供一种能够快速对焦的基于改进爬山法的自动对焦方法。

基于上述目的，本发明采用如下技术方案：一种基于改进爬山法的自动对焦方法，包括如下步骤：

1)算法初始化，采用第一帧图像中间的一个“十字”区域作为对焦窗口，进行一次自动对焦，计算得到初始的清晰度评价值和平均灰度值；

2)采用图像中的“十字”区域作为对焦窗口，评估当前帧中的目标图像清晰度评价值和平均灰度值，并与上一帧的目标图像清晰度评价值和平均灰度值进行比较，判定差值的绝对值是否小于预设的阈值。若是，执行下一步，若否，重复执行本步骤；

3)进行改进爬山法调焦，具体为：

a)从点O开始，在区间[a,b]间以一定步长step＝0.1*(b-a)开始搜索；

b)读取帧，计算当前帧的清晰度评价值；

c)判定清晰度评价值是否连续出现两个下降沿(S_-2>S_-1>S₀)。若是，执行下一步；若否，继续执行步骤b)；

d)改变步长step＝0.4*step，若不存在第三个清晰度评价值S_-3，起点O＝S_-1；若存在，执行下一步；

e)判定清晰度评价值S_-3是否大于S_-1；若是，起点O＝S_-2；若否，起点O＝S_-1；

f)判定步长是否小于等于预设的阈值T_step＝2；若是，结束改进爬山搜索；若否，改变爬山搜索方向，重复步骤b)到步骤f)；

其中，S₀表示当前帧的清晰度评价值，S_-1表示前一帧的清晰度评价值，S_-2、S_-3依次类推；

4)利用改进爬山法的最后三次对焦数据进行抛物线拟合，计算得到极大值点的横坐标即为所需的对焦点；

5)对于同一目标重复执行步骤2)到步骤4)，即可实现对同一目标的持续自动对焦。

进一步地，“十字”型的对焦窗口位于整幅图像正中央，“十字”型的对焦窗口的宽度为

高度为

水平厚度为竖直厚度为

其中w为当前帧图像的宽度，h为当前帧图像的高度；即在位于整幅图像正中央宽高分别为的矩形基础上四个角均去除一个宽高为的小矩形而得到的十字型区域。

进一步地，步骤4)中，选用改进爬山法的最后三次对焦数据为(x₁,S₁)，(x₂,S₂)，(x₃,S₃)进行抛物线拟合，则极值点的计算步骤如下：

解方程得到参数a,b,c的值，则

极值位置为

进一步地，清晰度评价值采用Thenengrad函数计算，函数表达式为：

其中，I(x,y)表示坐标(x,y)处图像的像素值,

平均灰度值计算公式如下：

进一步地，步骤2)中，判定相邻帧之间清晰度评价值和平均灰度值差值的绝对值是否小于预设的阈值的公式如下：

其中，T_s表示清晰度评价值的阈值，本处设为0.1；

其中，u₀表示当前帧的平均灰度值，u_-1表示前一帧的平均灰度值，T_u表示平均灰度值的阈值，本处设为0.2。

现有技术中，传统爬山法检测到下降沿就调头搜索，容易受噪声干扰，在坡上徘徊；一般改进爬山法采用连续检测到三次以上下降沿为调头条件，提高鲁棒性，但造成重复搜索，增加计算量。

与现有技术相比，本发明具有以下优点：

本发明提出了新的改进爬山法，连续检测到两次下降沿为调头条件，再采用条件判断，计算下一步搜索的起点，避免路径的不必要重复。和现有的爬山法相比，本发明提出的改进爬山法抗噪能力高，同时大大减少了调焦的次数，提高算法速度。再通过结合曲线拟合法，取代了现有爬山法的小步长细调焦，一次计算得到极值点，减少了调焦次数，提高算法速度，大大减少计算量，实现了快速对焦。

同时，对焦窗口是影响计算量的另一个因素，由于目标通常位于图像的中间位置，且很少呈现矩形，四个角落通常为背景。本发明提出“十字”对焦窗口，能够避免背景过多对目标图像清晰度评价的干扰，且可以抵抗水平移动和竖直移动的干扰，在更准确的定位目标位置的基础上，减少计算量的同时提高了对焦效果。

在实验中证明，本文提出的方法可以减少50％的计算量，其中，通过折返跳转，每次折返可以减少1/α或者2/α次对焦，一次完整的对焦过程可以减少(1/αor 2/α)*n+3次调焦，其中α为补偿缩减系数(本文取0.4)，n为爬山过程折返的次数。在实际实验中，表现出减少50％左右的计算时间。同时达到相等精度的对焦效果。

附图说明

图1是本发明的改进爬山法的自动对焦方法的流程图；

图2是改进爬山法的流程图；

图3是“十字”型对焦窗口的示意图。

具体实施方式

以下结合附图和实施例对本发明作进一步说明。

一种基于改进爬山法的自动对焦方法，包括如下步骤：

1)算法初始化，采用第一帧图像中间的一个“十字”区域作为对焦窗口，进行一次自动对焦，计算得到初始的清晰度评价值和平均灰度值，其中清晰度评价值采用Thenengrad函数计算，函数表达式为：

其中，I(x,y)表示坐标(x,y)处图像的像素值,

平均灰度值计算公式如下：

2)采用图像中的“十字”区域作为对焦窗口，评估当前帧中的目标图像清晰度评价值和平均灰度值，并与上一帧的目标图像清晰度评价值和平均灰度值进行比较，判定差值的绝对值是否小于预设的阈值，其中

若是，执行步骤3)，若否，重复执行本步骤。

3)进行改进爬山法调焦，如图2所示具体为：

a)从点O开始，在区间[a,b]间以一定步长step＝0.1*(b-a)开始搜索；

b)读取帧，计算当前帧的清晰度评价值；

c)判定清晰度评价值是否连续出现两个下降沿(S_-2>S_-1>S₀)。若是，执行步骤d)；若否，继续执行步骤b)；

d)改变步长step＝0.4*step，若不存在第三个清晰度评价值S_-3，起点O＝S_-1；若存在，执行步骤e)；

e)判定清晰度评价值S_-3是否大于S_-1；若是，起点O＝S_-2；若否，起点O＝S_-1；

f)判定步长是否小于等于预设的阈值T_step＝2；若是，结束改进爬山搜索；若否，改变爬山搜索方向，重复步骤b)到步骤f)；

其中，S₀表示当前帧的清晰度评价值，S_-1表示前一帧的清晰度评价值，S_-2、S_-3依次类推。

4)利用改进爬山法的最后三次对焦数据(x₁,S₁)，(x₂,S₂)，(x₃,S₃)进行抛物线拟合，计算得到极大值点的横坐标即为所需的对焦点，极值点的计算步骤如下：

解方程得到参数a,b,c的值，则

极值位置为

5)对于同一目标重复执行步骤2)到步骤4)，即可实现对同一目标的持续自动对焦。

如图3所示，“十字”型的对焦窗口位于整幅图像正中央，“十字”型的对焦窗口的宽度为

高度为水平厚度为

竖直厚度为其中w为当前帧图像的宽度，h为当前帧图像的高度；即在位于整幅图像正中央宽高分别为的矩形基础上四个角均去除一个宽高为的小矩形而得到的十字型区域。

在实验中证明，利用上述方法可以减少50％的计算量，其中，通过折返跳转，每次折返可以减少1/α或者2/α次对焦，一次完整的对焦过程可以减少(1/αor 2/α)*n+3次调焦，其中α为补偿缩减系数(本文取0.4)，n为爬山过程折返的次数。在实际实验中，表现出减少50％左右的计算时间，同时达到相等精度的对焦效果。

Claims (3)

1.一种基于改进爬山法的自动对焦方法，其特征在于，包括如下步骤：

1)算法初始化，采用第一帧图像中间的一个“十字”区域作为对焦窗口，进行一次自动对焦，计算得到初始的清晰度评价值和平均灰度值；

其中，清晰度评价值采用Thenengrad函数计算，函数表达式为：

其中，I(x,y)表示坐标(x,y)处图像的像素值,

平均灰度值计算公式如下：

2)采用图像中的“十字”区域作为对焦窗口，评估当前帧中的目标图像清晰度评价值和平均灰度值，并与上一帧的目标图像清晰度评价值和平均灰度值进行比较，判定差值的绝对值是否小于预设的阈值；若是，执行下一步，若否，重复执行本步骤；

其中，判定相邻帧之间清晰度评价值差值的绝对值是否小于预设的阈值的公式如下：

其中，T_s表示清晰度评价值差值的绝对值的阈值，本处设为0.1；S₀表示当前帧的清晰度评价值，S_-1表示前一帧的清晰度评价值；

判定相邻帧之间平均灰度值差值的绝对值是否小于预设的阈值的公式如下：

其中，u₀表示当前帧的平均灰度值，u_-1表示前一帧的平均灰度值，T_u表示平均灰度值差值的绝对值的阈值，本处设为0.2；

3)进行改进爬山法调焦，具体为：

a)从点O开始，在区间[a,b]间以一定步长step＝0.1*(b-a)开始搜索；

b)读取帧，计算当前帧的清晰度评价值；

c)判定清晰度评价值是否连续出现两个下降沿，即S_-2>S_-1>S₀；若是，执行下一步；若否，继续执行步骤b)；

d)改变步长step＝0.4*step，若不存在清晰度评价值S_-3，则起点O＝S_-1；若存在，执行下一步；

e)判定清晰度评价值S_-3是否大于S_-1；若是，起点O＝S_-2；若否，起点O＝S_-1；

f)判定步长是否小于等于预设的阈值T_step＝2；若是，结束改进爬山搜索；若否，改变爬山搜索方向，重复步骤b)到步骤f)；

其中，S₀表示当前帧的清晰度评价值，S_-1表示前一帧的清晰度评价值，S_-2、S_-3依次类推；

4)利用改进爬山法的最后三次对焦数据进行抛物线拟合，计算得到极大值点的横坐标即为所需的对焦点；

5)对于同一目标重复执行步骤2)到步骤4)，即可实现对同一目标的持续自动对焦。

2.根据权利要求1所述的基于改进爬山法的自动对焦方法，其特征在于，所述“十字”型的对焦窗口位于整幅图像正中央，“十字”型的对焦窗口的宽度为

高度为水平厚度为

竖直厚度为

其中w为当前帧图像的宽度，h为当前帧图像的高度。

3.根据权利要求1或2所述的基于改进爬山法的自动对焦方法，其特征在于，所述步骤4)中，利用改进爬山法的最后三次对焦数据(x₁,S₁)，(x₂,S₂)，(x₃,S₃)，进行抛物线拟合，则极大值点的计算步骤如下：

解方程得到参数a,b,c的值，则

极大值点位置为

Images