CN113763401A - 一种快速多点自动对焦方法、系统及其应用设备 - Google Patents
一种快速多点自动对焦方法、系统及其应用设备 Download PDFInfo
- Publication number
- CN113763401A CN113763401A CN202111063525.6A CN202111063525A CN113763401A CN 113763401 A CN113763401 A CN 113763401A CN 202111063525 A CN202111063525 A CN 202111063525A CN 113763401 A CN113763401 A CN 113763401A
- Authority
- CN
- China
- Prior art keywords
- sub
- target image
- value
- image
- brightness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 51
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000009194 climbing Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automatic Focus Adjustment (AREA)
- Studio Devices (AREA)
Abstract
本发明提供一种快速多点自动对焦方法,包括第一步,基于设备采集终端获取目标图像,并对目标图像进行若干个子图像划分,得到M*N个子目标图像,第二步,对每个子目标图像进行曝光时间的调节,得到每个子目标图像在最优曝光时间时的亮度;第三步,得到在当前聚焦值下的每个子目标图像的锐度评价分数;第四步,筛选锐度评分数最大的子目标图像进行细调步长值;第五步,得到经细调步长值的子目标图像在新锐度评价分数最大值处的聚焦值。本发明通过对一整幅图像采用分块的策略,并设置块间隔舍弃阈值和边缘舍弃阈值,使得本发明区别于现有技术而具备降低运算复杂度提高效率的特性。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种快速多点自动对焦方法、系统及其应用设备。
背景技术
目前现有的自动对焦算法有如下:
一类是直接计算图像梯度值,利用爬山搜索算法获得局部最佳焦平面位置,需要评价函数具有绝对的单峰性和极高的灵敏度,否则,算法容易将评价函数的局部极值当作最佳焦平面位置从而导致对焦失败,或者在离焦区域评价函数趋于平坦,导致电机迟迟得不到反转信号,最终进入死循环;
另一类是利用深度学习算法,获取大量的训练集数据。
而上述的两类自动对焦算法中,存在:第一类直接计算图像梯度值,由于爬山搜索算法对评价函数和电机驱动的要求非常高,否则电机迟迟得不到反转信号,最终进入死循环;第二类采用深度学习算法,此方法前期需要获取大量的训练集数据,同时需要较为良好的标注数据,增加了计算成本。
发明内容
针对现有技术存在的不足,本发明目的是提供一种快速多点自动对焦方法、系统及其应用设备,以解决上述背景技术中提出的问题,本发明通过对一整幅图像采用分块的策略,并设置块间隔舍弃阈值和边缘舍弃阈值,达到降低运算复杂度提高效率的方式,决了现有技术中的问题。
为了实现上述目的,本发明是通过如下的技术方案来实现:一种快速多点自动对焦方法,包括以下步骤:
第一步,基于设备采集终端获取目标图像,并对所述目标图像进行若干个子图像划分,得到M*N个子目标图像;
第二步,对每个所述子目标图像进行曝光时间的调节,得到每个所述子目标图像在最优曝光时间时的亮度;
第三步,基于所述目标图像划分为M*N个子目标图像的过程中,增加粗调步长值,得到在当前聚焦值下的每个子目标图像的锐度评价分数;
第四步,筛选锐度评分数最大的子目标图像进行细调步长值,在最大锐度评分数对应的聚焦值处取二分之一所述粗调步长值,并在当前所述聚焦值下,每增加细调步长值1时,计算得到此时锐度评分数最大的子目标图像的新的锐度评价分数;
第五步,得到经细调步长值的子目标图像在新锐度评价分数最大值处的聚焦值。
作为对本发明中所述一种快速多点自动对焦方法的改进,第一步中,对所述目标图像进行若干个子图像划分,得到M*N个子目标图像时,根据边缘设置值、子目标图像间隙值、子目标图像长和宽宏定义值对其进行划分,其中,
边缘设置值为小于最小条码区域的成像;
子目标图像间隙值为小于最小条码区域的成像;
子目标图像长和宽宏定义值具体计算方式为:分得的子目标图像横向和纵向的个数。
作为对本发明中所述一种快速多点自动对焦方法的改进,第二步中,得到每个所述子目标图像在最优曝光时间时的亮度的具体实施方式包括:
建立亮度评价算法,包括以下步骤:
步骤S2-1、计算子目标图像灰度均值
其中,所述子目标图像灰度均值为子目标图像灰度值-128的均值,其具体计算方式如下:
da=∑(xi-128)/N;
N=src.rows*src.cols;式中,i为扫描子目标图像时每个像素点索引,src.cols为子目标图像行方向上像素点的个数,src.rows为子目标图像列方向上像素点的个数,即N为子目标图像所有像素点的个数;
步骤S2-2、计算子目标图像灰度均值的平均差值
利用灰度直方图获取每个子目标图像灰度均值所对应的像素个数,以像素个数为权重,利用加权平均偏差的计算公式得所述子目标图像灰度均值的平均差值,其具体计算方式如下:
Ma=∑|(xi-128)-da|*Hist[i]/∑Hist[i],式中,i取值范围为:[0,256),Hist[i]为灰度值i对应的像素个数;
步骤S2-3、对得到的平均差值进行判断
步骤S2-31、确定阈值,其中,所述阈值为abs(da),其中,阈值为da的绝对值;
步骤S2-32、基于所述阈值对所述平均差值进行判断:
若Ma<abs(da),则,所述子目标图像存在亮度异常,需进一步利用da判断子目标图像亮度为偏暗或偏亮;
若da>0,则,表示为像素值大于128,所述子目标图像亮度偏亮;
若da<0,则,表示为像素值大于128,所述子目标图像亮度偏暗。
作为对本发明中所述一种快速多点自动对焦方法的改进,第三步中,得到所述每个子目标图像的锐度评价分数的具体计算方式采用四方向相邻像素点差值法,或Sobel算子边缘检测法,其中,
在采用四方向相邻像素点差值法得到每个子目标图像的锐度评价分数时,需对每个像素点跟上下左右相邻的一个像素点的像素值之差求和,且对每个子目标图像记录不同聚焦值下最大的锐度评价分数和对应的聚焦值;
在采用Sobel算子边缘检测法得到每个子目标图像的锐度评价分数时,每个所述像素点乘以x、y方向的算子矩阵,分别得到GX和GY,并对某像素点梯度值记为|GX|+|GY|,则,梯度大的地方表为边缘。
作为本发明的第二方面,提出了一种快速多点自动对焦系统,包括:图像获取模块、图像处理模块、图像亮度调节模块、图像粗调模块、图像细调模块以及图像聚焦模块,其中,
图像获取模块,用于从设备采集终端获取目标图像;
图像处理模块,对所获取的目标图像按照边缘设置值、子目标图像间隙值、子目标图像长和宽宏定义值进行划分,输出为若干个子目标图像;
图像亮度调节模块,对每个所述子目标图像进行曝光时间的调节,输出得到子目标图像在最优曝光时间时的亮度;
图像粗调模块,用于对所述图像亮度调节模块在输出得到子目标图像在最优曝光时间时的亮度的过程中,增加粗调步长值,以得到在当前聚焦值下的每个子目标图像的锐度评价分数;
图像细调模块,用于筛选锐度评分数最大的子目标图像以进行细调步长值,得到新的锐度评价分数;
图像聚焦模块,依据所述新的锐度评价分数,并在此锐度评价分数最大值处进行聚焦。
在本发明提出的一种快速多点自动对焦系统可能实现的一种方式中,所述图像亮度调节模块采用亮度评价算法,用于通过获取子目标图像灰度均值,计算所述子目标图像灰度均值的平均差,并所述子目标图像灰度均值的平均差与实验数据阈值进行相比对,得到子目标图像亮度的亮度范围。
与此同时,在本发明提出的一种快速多点自动对焦系统可能实现的一种方式中,所述图像粗调模块采用四方向相邻像素点差值法,或Sobel算子边缘检测法计算得到每个子目标图像的锐度评价分数。
作为本发明的第三方面,提出了一种快速多点自动对焦应用设备,包括至少一个处理器以及与至少一个所述处理器建立信息交互通道的存储器,其中,
每个所述存储器存储有可被至少一个所述处理器执行的计算机程序;
所述计算机程序被至少一个所述处理器执行,以使至少一个所述处理器执行所述的一种快速多点自动对焦方法和/或所述的快速多点自动对焦系统。
与现有技术相比,本发明的有益效果:
1、本发明通过对一整幅图像采用分块的策略,并设置块间隔舍弃阈值和边缘舍弃阈值,使得本发明区别于现有技术而具备降低运算复杂度提高效率的特性;
2、通过提出锐度评价算法采用四方向相邻像素点差值法或Sobel算子边缘检测法,得到每个像素点跟上下左右相邻的一个像素点的像素值之差,从而降低计算复杂度,使得本发明适用运行于嵌入式设备;
3、通过采用粗调转细调的方式,使得本发明在对图像进行对角处理时,先采用较大步长全局搜索,再在锐度评价分数最大的点两端用小步长细调,具备提高效率和速度寻找到最佳平衡点以及对焦精确度高的优点。
附图说明
参照附图来说明本发明的公开内容。应当了解,附图仅仅用于说明目的,而并非意在对本发明的保护范围构成限制,在附图中,相同的附图标记用于指代相同的部件。其中:
图1为本发明一实施例中所提出快速多点自动对焦方法的流程示意图;
图2为本发明一实施例中所提出快速多点自动对焦系统的结构框图。
具体实施方式
容易理解,根据本发明的技术方案,在不变更本发明实质精神下,本领域的一般技术人员可以提出可相互替换的多种结构方式以及实现方式。因此,以下具体实施方式以及附图仅是对本发明的技术方案的示例性说明,而不应当视为本发明的全部或者视为对本发明技术方案的限定或限制。
如图1所示,作为本发明的一个实施例,本发明提供技术方案:一种快速多点自动对焦方法,包括以下步骤:
第一步,基于设备采集终端获取目标图像,并对目标图像进行若干个子图像划分,得到M*N个子目标图像,其中,在具体实施时,对目标图像进行若干个子图像划分,得到M*N个子目标图像时,根据边缘设置值、子目标图像间隙值、子目标图像长和宽宏定义值对其进行划分,需要说明的是,边缘设置值为小于最小条码区域的成像;子目标图像间隙值为小于最小条码区域的成像;子目标图像长和宽宏定义值具体计算方式为:分得的子目标图像横向和纵向的个数,在具体实施时,大于最小条码区域的成像大小;以及自动对焦速度和效果中取得最佳平衡,子目标图像长和宽宏定义值越大自动对焦速度越快但对焦效果未必满意,值设定越小自动对焦速度越慢对焦效果可能更满意;结合边缘设置值和子目标图像间隙值,至少保证分到1个子目标图像,可以理解的是,本发明通过对一整幅图像采用分块的策略,并设置块间隔舍弃阈值和边缘舍弃阈值的方式使得本发明区别于现有技术而具备降低运算复杂度提高效率的特性;
第二步,对每个子目标图像进行曝光时间的调节,得到每个子目标图像在最优曝光时间时的亮度,需要说明的是,得到每个子目标图像在最优曝光时间时的亮度的具体实施方式包括:建立亮度评价算法,即:
步骤S2-1、计算子目标图像灰度均值,可以理解的是,此处的子目标图像灰度均值不是指图像灰度的均值,而是指子目标图像灰度值-128的均值,其具体计算方式如下:
da=∑(xi-128)/N;
N=src.rows*src.cols;式中,i为扫描子目标图像时每个像素点索引,src.cols为子目标图像行方向上像素点的个数,src.rows为子目标图像列方向上像素点的个数,即N为子目标图像所有像素点的个数;
步骤S2-2、计算子目标图像灰度均值的平均差值
利用灰度直方图获取每个子目标图像灰度均值所对应的像素个数,以像素个数为权重,利用加权平均偏差的计算公式得子目标图像灰度均值的平均差值,其具体计算方式如下:
Ma=∑|(xi-128)-da|*Hist[i]/∑Hist[i],式中,i取值范围为:[0,256),Hist[i]为灰度值i对应的像素个数,
步骤S2-3、对得到的平均差值进行判断
步骤S2-31、确定阈值,其中,阈值为abs(da),其中,阈值为da的绝对值;
步骤S2-32、基于阈值对平均差值进行判断:
若Ma<abs(da),则,子目标图像存在亮度异常,需进一步利用da判断子目标图像亮度为偏暗或偏亮;
若da>0,则,表示为像素值大于128,子目标图像亮度偏亮;
若da<0,则,表示为像素值大于128,子目标图像亮度偏暗;
第三步,基于目标图像划分为M*N个子目标图像的过程中,在第一步中的边缘设置值0至100之间,增加粗调步长值,得到在当前聚焦值下的每个子目标图像的锐度评价分数,需要说明的是,得到每个子目标图像的锐度评价分数的具体计算方式采用四方向相邻像素点差值法,或Sobel算子边缘检测法,其中,
在采用四方向相邻像素点差值法得到每个子目标图像的锐度评价分数时,需对每个像素点跟上下左右相邻的一个像素点的像素值之差求和,且对每个子目标图像记录不同聚焦值下最大的锐度评价分数和对应的聚焦值;
在采用Sobel算子边缘检测法得到每个子目标图像的锐度评价分数时,每个像素点乘以x、y方向的算子矩阵,分别得到GX和GY,并对某像素点梯度值记为|GX|+|GY|,则,梯度大的地方表为边缘;可以理解的是,通过提出锐度评价算法采用四方向相邻像素点差值法或Sobel算子边缘检测法的方式,得到每个像素点跟上下左右相邻的一个像素点的像素值之差,从而降低计算复杂度,使得本发明适用运行于嵌入式设备;
第四步,筛选锐度评分数最大的子目标图像进行细调步长值,在最大锐度评分数对应的聚焦值处取二分之一粗调步长值,并在当前聚焦值下,每增加细调步长值1时,计算得到此时锐度评分数最大的子目标图像的新的锐度评价分数;可以理解的是,通过采用粗调转细调的方式,使得本发明在对图像进行对角处理时,先采用较大步长全局搜索,再在锐度分数最大的点两端用小步长细调,具备提高效率和速度寻找到最佳平衡点以及对焦精确度高的优点;
第五步,得到经细调步长值的子目标图像在新锐度评价分数最大值处的聚焦值。
如图2所示,示出了快速多点自动对焦系统的结构框图,基于上述技术构思,特提出本发明的第二实施方面,快速多点自动对焦系统,包括图像获取模块、图像处理模块、图像亮度调节模块、图像粗调模块、图像细调模块以及图像聚焦模块,其中,
图像获取模块,用于从设备采集终端获取目标图像;
图像处理模块,对所获取的目标图像按照边缘设置值、子目标图像间隙值、子目标图像长和宽宏定义值进行划分,输出为若干个子目标图像;
图像亮度调节模块,对每个子目标图像进行曝光时间的调节,输出得到子目标图像在最优曝光时间时的亮度;
图像粗调模块,用于对图像亮度调节模块在输出得到子目标图像在最优曝光时间时的亮度的过程中,增加粗调步长值,以得到在当前聚焦值下的每个子目标图像的锐度评价分数;
图像细调模块,用于筛选锐度评分数最大的子目标图像以进行细调步长值,得到新的锐度评价分数;
图像聚焦模块,依据新的锐度评价分数,并在此锐度评价分数最大值处进行聚焦。
在本发明第二方面的实施例中,图像亮度调节模块采用亮度评价算法,用于通过获取子目标图像灰度均值,计算子目标图像灰度均值的平均差,并子目标图像灰度均值的平均差与实验数据阈值进行相比对,得到子目标图像亮度的亮度范围。
需要说明的是,图像粗调模块采用四方向相邻像素点差值法,或Sobel算子边缘检测法计算得到每个子目标图像的锐度评价分数。
作为本发明实施的第三方面,提出了一种快速多点自动对焦应用设备,包括至少一个处理器以及与至少一个处理器建立信息交互通道的存储器,其中,
每个存储器存储有可被至少一个处理器执行的计算机程序;计算机程序被至少一个处理器执行,以使至少一个处理器执行一种快速多点自动对焦方法和/或快速多点自动对焦系统。
本发明的技术范围不仅仅局限于上述说明中的内容,本领域技术人员可以在不脱离本发明技术思想的前提下,对上述实施例进行多种变形和修改,而这些变形和修改均应当属于本发明的保护范围内。
Claims (8)
1.一种快速多点自动对焦方法,其特征在于:包括以下步骤:
第一步,基于设备采集终端获取目标图像,并对所述目标图像进行若干个子图像划分,得到M*N个子目标图像;
第二步,对每个所述子目标图像进行曝光时间的调节,得到每个所述子目标图像在最优曝光时间时的亮度;
第三步,基于所述目标图像划分为M*N个子目标图像的过程中,增加粗调步长值,得到在当前聚焦值下的每个子目标图像的锐度评价分数;
第四步,筛选锐度评分数最大的子目标图像进行细调步长值,在最大锐度评分数对应的聚焦值处取二分之一所述粗调步长值,并在当前所述聚焦值下,每增加细调步长值1时,计算得到此时锐度评分数最大的子目标图像的新的锐度评价分数;
第五步,得到经细调步长值的子目标图像在新锐度评价分数最大值处的聚焦值。
2.根据权利要求1所述的一种快速多点自动对焦方法,其特征在于:第一步中,对所述目标图像进行若干个子图像划分,得到M*N个子目标图像时,根据边缘设置值、子目标图像间隙值、子目标图像长和宽宏定义值对其进行划分,其中,
边缘设置值为小于最小条码区域的成像;
子目标图像间隙值为小于最小条码区域的成像;
子目标图像长和宽宏定义值为:分得的子目标图像横向和纵向的个数。
3.根据权利要求1所述的一种快速多点自动对焦方法,其特征在于:第二步中,得到每个所述子目标图像在最优曝光时间时的亮度的具体实施方式包括:
建立亮度评价算法,包括以下步骤:
步骤S2-1、计算子目标图像灰度均值
其中,所述子目标图像灰度均值为子目标图像灰度值-128的均值,其具体计算方式如下:
da=∑(xi-128)/N;
N=src.rows*src.cols;式中,i为扫描子目标图像时每个像素点索引,src.cols为子目标图像行方向上像素点的个数,src.rows为子目标图像列方向上像素点的个数,即N为子目标图像所有像素点的个数;
步骤S2-2、计算子目标图像灰度均值的平均差值
利用灰度直方图获取每个子目标图像灰度均值所对应的像素个数,以像素个数为权重,利用加权平均偏差的计算公式得所述子目标图像灰度均值的平均差值,其具体计算方式如下:
Ma=∑|(xi-128)-da|*Hist[i]/∑Hist[i],式中,i取值范围为:[0,256),Hist[i]为灰度值i对应的像素个数;
步骤S2-3、对得到的平均差值进行判断
步骤S2-31、确定阈值,其中,所述阈值为abs(da),其中,阈值为da的绝对值;
步骤S2-32、基于所述阈值对所述平均差值进行判断:
若Ma<abs(da),则,所述子目标图像存在亮度异常,需进一步利用da判断子目标图像亮度为偏暗或偏亮:
若da>0,则,表示为像素值大于128,所述子目标图像亮度偏亮;
若da<0,则,表示为像素值大于128,所述子目标图像亮度偏暗。
4.根据权利要求1或3所述的一种快速多点自动对焦方法,其特征在于:第三步中,得到所述每个子目标图像的锐度评价分数的具体计算方式采用四方向相邻像素点差值法,或Sobel算子边缘检测法,其中,
在采用四方向相邻像素点差值法得到每个子目标图像的锐度评价分数时,需对每个像素点跟上下左右相邻的一个像素点的像素值之差求和,且对每个子目标图像记录不同聚焦值下最大的锐度评价分数和对应的聚焦值;
在采用Sobel算子边缘检测法得到每个子目标图像的锐度评价分数时,每个所述像素点乘以x、y方向的算子矩阵,分别得到GX和GY,并对某像素点梯度值记为|GX|+|GY|,则,梯度大的地方表为边缘。
5.一种根据权利要求1-4任一项所述的快速多点自动对焦系统,其特征在于:包括图像获取模块、图像处理模块、图像亮度调节模块、图像粗调模块、图像细调模块以及图像聚焦模块,其中,
图像获取模块,用于从设备采集终端获取目标图像;
图像处理模块,对所获取的目标图像按照边缘设置值、子目标图像间隙值、子目标图像长和宽宏定义值进行划分,输出为若干个子目标图像;
图像亮度调节模块,对每个所述子目标图像进行曝光时间的调节,输出得到子目标图像在最优曝光时间时的亮度;
图像粗调模块,用于对所述图像亮度调节模块在输出得到子目标图像在最优曝光时间时的亮度的过程中,增加粗调步长值,以得到在当前聚焦值下的每个子目标图像的锐度评价分数;
图像细调模块,用于筛选锐度评分数最大的子目标图像以进行细调步长值,得到新的锐度评价分数;
图像聚焦模块,依据所述新的锐度评价分数,并在此锐度评价分数最大值处进行聚焦。
6.根据权利要求5所述的一种快速多点自动对焦系统,其特征在于:所述图像亮度调节模块采用亮度评价算法,用于通过获取子目标图像灰度均值,计算所述子目标图像灰度均值的平均差,并所述子目标图像灰度均值的平均差与实验数据阈值进行相比对,得到子目标图像亮度的亮度范围。
7.根据权利要求5所述的一种快速多点自动对焦系统,其特征在于:所述图像粗调模块采用四方向相邻像素点差值法,或Sobel算子边缘检测法计算得到每个子目标图像的锐度评价分数。
8.一种快速多点自动对焦应用设备,其特征在于:包括至少一个处理器以及与至少一个所述处理器建立信息交互通道的存储器,其中,
每个所述存储器存储有可被至少一个所述处理器执行的计算机程序;
所述计算机程序被至少一个所述处理器执行,以使至少一个所述处理器执行权利要求1-4任一项所述的一种快速多点自动对焦方法和/或如权利要求5-7任意一项所述的快速多点自动对焦系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111063525.6A CN113763401B (zh) | 2021-09-10 | 2021-09-10 | 一种快速多点自动对焦方法、系统及其应用设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111063525.6A CN113763401B (zh) | 2021-09-10 | 2021-09-10 | 一种快速多点自动对焦方法、系统及其应用设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763401A true CN113763401A (zh) | 2021-12-07 |
CN113763401B CN113763401B (zh) | 2023-06-27 |
Family
ID=78794885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111063525.6A Active CN113763401B (zh) | 2021-09-10 | 2021-09-10 | 一种快速多点自动对焦方法、系统及其应用设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763401B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114299601A (zh) * | 2022-03-08 | 2022-04-08 | 北京万里红科技有限公司 | 控制方法、装置、电子设备及存储介质 |
CN117452619A (zh) * | 2023-12-26 | 2024-01-26 | 西华大学 | 一种稀疏目标显微成像自动对焦方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110058096A1 (en) * | 2009-09-09 | 2011-03-10 | Altek Corporation | Fast focusing method for digital camera |
CN106303481A (zh) * | 2016-09-09 | 2017-01-04 | Tcl集团股份有限公司 | 一种投影电视对焦的方法及系统 |
CN110062150A (zh) * | 2018-01-19 | 2019-07-26 | 上海富瀚微电子股份有限公司 | 一种自动对焦方法及装置 |
CN112333378A (zh) * | 2018-07-23 | 2021-02-05 | 深圳市真迈生物科技有限公司 | 成像方法、装置及系统 |
-
2021
- 2021-09-10 CN CN202111063525.6A patent/CN113763401B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110058096A1 (en) * | 2009-09-09 | 2011-03-10 | Altek Corporation | Fast focusing method for digital camera |
CN106303481A (zh) * | 2016-09-09 | 2017-01-04 | Tcl集团股份有限公司 | 一种投影电视对焦的方法及系统 |
CN110062150A (zh) * | 2018-01-19 | 2019-07-26 | 上海富瀚微电子股份有限公司 | 一种自动对焦方法及装置 |
CN112333378A (zh) * | 2018-07-23 | 2021-02-05 | 深圳市真迈生物科技有限公司 | 成像方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
梁隆恺;赵晶;何勇军;: "一种显微镜自动聚焦算法", 哈尔滨理工大学学报, no. 02, pages 50 - 56 * |
薛万勋;卞春江;陈红珍;: "基于点锐度和平方梯度的图像清晰度评价方法", 电子设计工程, no. 08, pages 169 - 173 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114299601A (zh) * | 2022-03-08 | 2022-04-08 | 北京万里红科技有限公司 | 控制方法、装置、电子设备及存储介质 |
CN117452619A (zh) * | 2023-12-26 | 2024-01-26 | 西华大学 | 一种稀疏目标显微成像自动对焦方法、系统及存储介质 |
CN117452619B (zh) * | 2023-12-26 | 2024-03-05 | 西华大学 | 一种稀疏目标显微成像自动对焦方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113763401B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10552964B2 (en) | Object tracking device and a control method for object tracking device | |
CN113763401B (zh) | 一种快速多点自动对焦方法、系统及其应用设备 | |
CN109085113B (zh) | 一种用于宫颈脱落细胞检测装置的自动对焦方法和装置 | |
CN102025910B (zh) | 数字相机的连续对焦方法 | |
CN108470356B (zh) | 一种基于双目视觉的目标对象快速测距方法 | |
JP2013517460A (ja) | 複数の焦点面を用いた細胞特性決定 | |
CN109711332B (zh) | 一种基于回归算法的人脸跟踪方法及应用 | |
CN103093458B (zh) | 关键帧的检测方法及装置 | |
CN105430277B (zh) | 自动聚焦控制方法和装置 | |
US7116801B2 (en) | Image qualification for optical navigation sensor | |
CN103354599A (zh) | 一种应用于动光源场景的自动聚焦方法和装置 | |
KR101868483B1 (ko) | 영상 대조에 따른 두개의 에지 블러 파라미터 예측 방법 | |
CN115047610B (zh) | 一种自动拟合显微对焦平面的染色体核型分析装置及方法 | |
US20140022443A1 (en) | Auto-focus image system | |
EP3363193B1 (en) | Device and method for reducing the set of exposure times for high dynamic range video imaging | |
CN105607218A (zh) | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 | |
US5621822A (en) | Method of detecting focus position of object from variable gray level image of object | |
CN115830514B (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及系统 | |
CN109543684B (zh) | 基于全卷积神经网络的即时目标追踪检测方法及系统 | |
CN114785953B (zh) | 基于sfr的相机自动对焦方法及装置 | |
MX2013014257A (es) | Sistema de imágenes de enfoque automatico. | |
US11631183B2 (en) | Method and system for motion segmentation | |
CN107770434B (zh) | 一种快速聚焦调整方法 | |
CN112817118A (zh) | 一种红外自动对焦快速搜索方法 | |
CN105243660A (zh) | 一种含有光源场景的自动对焦图像的质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |