CN117528241A - 自动聚焦方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供了一种自动聚焦方法、装置、设备及存储介质，涉及数字图像处理技术领域。该方法包括：对在聚焦位置下采集的数字图像进行高斯滤波后梯度检测，得到去噪图像的梯度图；统计梯度图中不同灰度值的出现次数得到亮度直方图；根据灰度值对应的清晰度系数，对亮度直方图中各种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值；根据多个聚焦位置及其对应的清晰度值得到目标清晰度曲线，将目标清晰度曲线中的清晰度峰值对应的聚焦位置确定为自动聚焦位置。通过上述方案，能在低照度场景中克服FV曲线的无波峰、假峰、波峰小等现象，提高拟合FV曲线的准确性，以提高自动聚焦的准确性。

Description

自动聚焦方法、装置、设备及存储介质

技术领域

本申请涉及数字信号处理技术领域，特别涉及一种自动聚焦方法、装置、设备及存储介质。

背景技术

聚焦值(Focus Value，FV)曲线可用于衡量图像对焦的清晰度，也称为清晰度曲线。当相机对准固定场景时，FV随着聚焦位置的变化而变化。在某一聚焦位置时FV最大，则此时画面聚焦最清晰。自动聚焦的过程就是寻找最佳聚焦位置并设置的过程。在低照度场景下，由于环境亮度太低且明暗对比弱，图像中信息较少，FV曲线容易出现无波峰、假峰等现象，难以找到相应的清晰点峰值来确定聚焦位置。

相关技术中，通过在低照场景下将图像传感器的曝光时间和增益调大，来使图像处于合适的亮度，以提升聚焦的成功率。但这种情况下图像的噪声会比较大，FV曲线由于噪声较大而不够平滑，波峰较小，聚焦准确性受到很大影响。

因此，亟需一种自动聚焦方法，能够在低照度场景中克服FV曲线的无波峰、假峰等现象，提高拟合FV曲线的准确性，以提高自动聚焦的准确性。

发明内容

为了实现上述目的，本申请提供了一种自动聚焦方法、装置、设备及存储介质，能够在低照度场景中克服FV曲线的无波峰、假峰等现象，提高拟合FV曲线的准确性，以提高自动聚焦的准确性。

第一方面，本申请提供了一种自动聚焦方法，该方法包括：

S1、针对任一聚焦位置，对在所述聚焦位置下采集的数字图像进行高斯滤波得到去噪图像，对所述去噪图像进行梯度检测，得到所述去噪图像的梯度图，所述梯度图的灰度值大小表示所述去噪图像中对应位置的边缘变化剧烈程度；

S2、对所述梯度图中不同灰度值的出现次数进行统计，得到亮度直方图，所述亮度直方图的横坐标为图像中的灰度值，纵坐标为灰度值出现的次数/频率；

S3、根据灰度值对应的清晰度系数，对所述亮度直方图中各种灰度值出现的次数/频率进行加权求和，计算得到所述聚焦位置下的清晰度值；

S4、根据多个聚焦位置及其对应的清晰度值，得到目标清晰度曲线，将所述目标清晰度曲线中的清晰度峰值对应的聚焦位置确定为自动聚焦位置，所述目标清晰度曲线的横坐标为聚焦位置，纵坐标为清晰度值。

在普通低照调场景下，环境亮度太低且明暗对比弱，图像中信息较少，难以在FV曲线上找到相应的清晰点位置，这一现象称为无波峰。在低照度点光源场景下，低亮度环境中还存在高亮内容，点光源的光晕现象会在自动焦过程中导致FV曲线存在假峰，造成聚焦误判。本申请实施例提供的技术方案在低照度场景中，既可以针对普通的低照度场景克服FV曲线的无波峰现象，还可以针对点光源场景，克服FV曲线的假峰现象，针对具体场景多方位地提升FV曲线的准确性，以提升自动聚焦的准确性。

在一种可能实施方式中，所述步骤S3包括：

若所述数字图像在低照度场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中每种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值，计算方式表示为：C_i表示灰度值i出现的次数/频率，K_i表示灰度值i对应的清晰度系数，Def表示计算出的清晰度值，i＝[0,1,...255]。

在一种可能实施方式中，所述方法还包括：

若所述数字图像在低照度点光源场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中大于预设阈值的多种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下处于高亮范围内的高亮清晰度值，所述高亮清晰度值计算方式表示为：Th表示预设阈值，HLcnt表示高亮清晰度值；

针对任一聚焦位置，用聚焦位置对应的清晰度值除以高亮清晰度值得到清晰度商值，将各个聚焦位置的清晰度商值作为纵坐标，确定低照度点光源场景中的所述目标清晰度曲线。

在一种可能实施方式中，所述步骤S1包括：

S11、用预设的滤波模板对所述数字图像中的每一个像素点进行线性平滑，得到所述去噪图像；

S12、利用给定的梯度算子，分别从水平方向和垂直方向对所述去噪图像各个像素点的灰度值进行求导，根据所述去噪图像的各个像素点在水平方向的梯度和在垂直方向的梯度，得到所述去噪图像的梯度图。

在一种可能实施方式中，所述步骤S2包括：

对所述梯度图中取值为0至255的各种灰度值的出现次数/频率进行统计，得到所述亮度直方图，所述亮度直方图的横坐标为灰度值P_i，纵坐标灰度值P_i的出现次数/频率为C_i，i＝[0,1,...255]。

第二方面，提供一种自动聚焦装置，该装置包括多个功能模块，用于执行如第一方面所提供的自动聚焦方法中的对应步骤。

第三方面，提供一种芯片，包括处理器和接口电路，接口电路用于接收指令并传输至处理器，处理器用于执行指令以实现如第一方面提供的自动聚焦方法。

第四方面，提供一种计算机可读存储介质，该存储介质中存储有至少一段程序，至少一段程序由处理器执行以实现如第一方面提供的自动聚焦方法。

本申请提供的技术方案至少包括如下技术效果：

对在聚焦位置下采集的数字图像进行高斯滤波后梯度检测，得到去噪图像的梯度图；统计梯度图中不同灰度值的出现次数得到亮度直方图；根据灰度值对应的清晰度系数，对亮度直方图中各种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值；根据多个聚焦位置及其对应的清晰度值得到目标清晰度曲线，将目标清晰度曲线中的清晰度峰值对应的聚焦位置确定为自动聚焦位置。通过上述方案，利用图像中的亮度分布和边缘检测信息，结合加权系数进行清晰度统计，可在低照度场景中克服FV曲线的无波峰、假峰、波峰小等现象，提高拟合FV曲线的准确性，以提高自动聚焦的准确性。

附图说明

图1是本申请实施例提供的一种自动聚焦方法的流程示意图；

图2是本申请实施例提供的一种数字图像去噪前后的示意图；

图3是本申请实施例提供的一种梯度图的示意图；

图4是本申请实施例提供的一种清晰度曲线的示意图；

图5是本申请实施例提供的一种自动聚焦装置的示意图；

图6是本申请实施例提供的一种芯片的硬件结构示意图。

具体实施方式

为进一步说明各实施例，本申请提供有附图。这些附图为本申请揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本申请的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。本申请中术语“至少一个”的含义是指一个或多个，本申请中术语“多个”的含义是指两个或两个以上，例如，多个像素点是指两个或两个以上的像素点。

现结合附图和具体实施方式对本申请进一步说明。

实施例1

本申请实施例针对相关技术中，在低照度场景下聚焦准确性低的问题，提出了一种自动聚焦算法，可有效提升FV曲线的准确性，从而提升聚焦的准确性。图1是本申请实施例提供的一种自动聚焦方法的流程示意图，下面结合图1对本申请实施例提供的自动聚焦方法进行介绍。本申请实施例提供的自动聚焦方法包括步骤S1至步骤S4。

S1、针对任一聚焦位置，对在聚焦位置下采集的数字图像进行高斯滤波得到去噪图像，对去噪图像进行梯度检测，得到去噪图像的梯度图。

其中，梯度图的灰度值大小表示去噪图像中对应位置的边缘变化剧烈程度。

示例性地，数字图像为YUV格式的图像。

本申请实施例中，步骤S1包括S11和S12。

S11、用预设的滤波模板对数字图像中的每一个像素点进行线性平滑，得到去噪图像。

考虑到图像中的噪声大多数噪声属于高斯噪声。高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像降噪。高斯滤波的原理是对整幅图像进行加权平均，降低噪声对图像清晰度统计的影响。

具体地，采用预设的滤波模板去扫描数字图像中的每一个像素，用模板确定的领域内像素的加权平均灰度值，替代模板中心像素点的值。滤波模板例如是预设尺寸的卷积核。

示例性地，原始的数字图像表示为：其中，P_(x,y)表示原始数字图像中的一个像素点的值。

(滤波模板)卷积核表示为：其中，X_(x,y)表示针对数字图像中对应位置像素值的加权系数。

输出的去噪图像可表示为：Q_(x,y)表示去噪图像中的一个像素点的值。

本申请实施例提供了一种数字图像去噪前后的示意图，参加图2，图2中(a)部分是去噪前的数字图像，图2中(b)部分是去噪后的去噪图像。

S12、利用给定的梯度算子，分别从水平方向和垂直方向对去噪图像各个像素点的灰度值进行求导，根据去噪图像的各个像素点在水平方向的梯度和在垂直方向的梯度，得到去噪图像的梯度图。

梯度表示函数在某一点的上的变化方向和变化的大小，在物理学中梯度可用来描述物理量在空间中的变化和分布情况。

本申请实施例中，以二维图像坐标轴为例，X轴方向为水平方向，Y轴方向为垂直方向。本申请实施例中，图像的梯度表示的是图像的边缘信息，图像梯度计算的是图像像素值变化的速度。图像边缘的灰度值变化较大，对应的梯度值也会更大，对于图像中比较平滑的部分，灰度值变化较小，相应的梯度值也会较小。基于此，图像梯度相当于计算图像灰度值的变化率，在数学上可以通过对灰度值求导数实现。具体地，分别对去噪图像的灰度值求X方向和Y方向的导数。X方向的求导过程参见公式(1)，Y方向的求导过程参见公式(2)。

其中，G_x为X方向的导数，G_y为Y方向的导数，x和y分别为图像坐标系中像素点(x,y)的横坐标和纵坐标(数字图像、去噪图像和梯度图均基于图像坐标系)。

基于G_x和G_y，对应像素点(x,y)的梯度值G_(x,y)是水平方向导数G_x和垂直方向导数G_y的平方和的算术平方根，表示为：

在一种可能实施方式中，计算图像灰度值的导数时，用给定的梯度算子对去噪图像的灰度值进行卷积，来计算得到图像的近似导数。

示例性地，梯度算子为Prewitt算子，包含X方向使用的梯度算子模板和Y方向使用的梯度算子模板。

X方向的梯度算子模板表示为：

Y方向的梯度算子模板表示为：

以去噪图像中一个3×3大小子区域为例，子区域表示为：

通过X方向的梯度算子模板和Y方向的梯度算子模板分别计算得到：

G_xp5＝p₃+p₆+p₉-p₁-p₄-p₇

G_yp5＝p₇+p₈+p₉-p₁-p₂-p₃；

其中，p₁～p₉表示对应像素点的灰度值；G_x,G_y分别表示对应像素点的水平梯度值和垂直梯度值。

本申请实施例提供了一种梯度图的示意图，参见图3，图3中(a)部分为去噪图像的水平梯度图，图3中(b)部分为去噪图像的垂直梯度图。

S2、对梯度图中不同灰度值的出现次数进行统计，得到亮度直方图。

其中，亮度直方图的横坐标为图像中的灰度值，纵坐标为灰度值出现的次数/频率。

梯度图是一种表示图像内容边缘变化强度的灰度图，亮度变化越强烈(明显)的图像位置，在梯度图中对应位置的灰度值就越大。基于上述基本原理，本申请实施例对梯度图中灰度值的分布情况进行统计，得到表征亮度变化情况的亮度直方图。

具体地，步骤S2包括：对梯度图中取值为0至255的各种灰度值的出现次数/频率进行统计，得到亮度直方图，亮度直方图的横坐标为灰度值P_i，纵坐标灰度值P_i的出现次数/频率为C_i，i＝[0,1,...255]。

本申请实施例中，亮度直方图统计的是梯度图内各个灰度值出现的次数/概率。在图形上来说，亮度直方图是一个二维图，横坐标为灰度值(0-255)，纵坐标表示对应灰度值出现的次数或者概率。本申请采用的统计方法通过检测梯度图中每个像素点的灰度值，针对灰度值P_i，用变量C_i进行计数，检测到一个灰度值为P_i的像素点，则C_i累积加1，用逻辑语言表示为：C_i＝C_i+1。

S3、根据灰度值对应的清晰度系数，对亮度直方图中各种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值。

本申请实施例中，亮度直方图是对梯度图中相同灰度值的点数的统计。亮度直方图中，灰度值越高说明图像对应地方亮度变化越明显，则图像越清晰。基于此，可以利用亮度直方图，对不同灰度值的分布情况(次数/概率)进行加权求和，得到对应的清晰度值。

具体地，步骤S3包括：若数字图像在低照度场景中采集，根据灰度值为0至255对应的清晰度系数，对亮度直方图中每种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值，计算方式表示为：C_i表示灰度值i出现的次数/频率，K_i表示灰度值i对应的清晰度系数，Def表示计算出的清晰度值，i＝[0,1,...255]。

在普通低照度场景下，环境亮度太低且明暗对比弱，图像中信息较少，难以在FV曲线上找到相应的清晰点位置，这一现象称为无波峰。通过上述技术方案可利用图像边缘变化强度信息得到清晰度值，提升低照度场景下清晰度统计的准确性。

进一步地，在低照度点光源场景下，低亮度环境中还存在高亮内容，点光源的光晕现象会在自动焦过程中导致FV曲线存在假峰，造成聚焦误判。针对普通低照度场景和低照度点光源场景，清晰度统计的方法存在区别。

在低照场景下，由于曝光不足图像整体的亮度普遍较低，如果该场景下还存在亮度很高的区域或者内容，则说明当前场景为低照点光源场景。

在这种示例下，可以进一步利用亮度直方图中灰度值大于预设阈值的高亮部分进行来避免高亮光斑对清晰度统计的干扰(假峰现象)，进一步提升清晰度统计的准确性。

具体地，若数字图像在低照度点光源场景中采集，根据灰度值为0至255对应的清晰度系数，对亮度直方图中大于预设阈值的多种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下处于高亮范围内的高亮清晰度值，高亮清晰度值计算方式表示为：

Th表示预设阈值，HLcnt表示高亮清晰度值。

针对任一聚焦位置，用聚焦位置对应的清晰度值Def除以高亮清晰度HLcnt值，得到清晰度商值，将各个聚焦位置的清晰度商值作为纵坐标，确定低照度点光源场景中的目标清晰度曲线。

对于低照点光源场景，高亮部分(例如大面积的光晕)的面积会随着焦点(聚焦位置)的改变而改变。在聚焦过程中高亮光斑的大小会随着焦点的改变而改变，且，高亮部分图像的实际清晰度越高，在清晰度值统计曲线上的值越小，也即是，点光源场景下，高亮部分对应的清晰度曲线中，所需要找到的目标聚焦位置呈现为负峰。基于此原理，采用普通方式计算的清晰度值与高亮清晰度值之间的商作为点光源场景下最终的目标清晰度曲线，可以精准地克服点光源的假峰现象，提升清晰度统计的准确性。

综上，本申请实施例提供的技术方案针对在低照度场景中，既可以针对普通的低照度单调场景克服FV曲线的无波峰现象，还可以针对点光源场景，克服FV曲线的假峰现象，针对具体场景多方位地提升FV曲线的准确性，以提升自动聚焦的准确性。

S4、根据多个聚焦位置及其对应的清晰度值，得到目标清晰度曲线，将目标清晰度曲线中的清晰度峰值对应的聚焦位置确定为自动聚焦位置。

其中，目标清晰度曲线的横坐标为聚焦位置，纵坐标为清晰度值。清晰度峰值表示在对应的聚焦位置下能到得到清晰度最佳的图像。具体地，聚焦位置可以为相机的马达位置。

图4是本申请实施例提供的一种清晰度曲线的示意图，图4中(a)部分示出了一种低照场景下相关技术得到的清晰度曲线，可以看出，难以用于确定最佳的聚焦位置；(b)部分示出了一种采用本申请提供的技术方案针对普通低照度场景计算得到的目标清晰度曲线，相对于(a)部分，可以较好地满足低照度场景下的聚焦使用，根据清晰度峰值即可快速锁定最佳的聚焦位置；(c)部分示出了一种采用本申请提供的技术方案针对普通低照度点光源场景计算得到的目标清晰度曲线，可以看出，针对点光源场景根据清晰度峰值即可快速锁定最佳的聚焦位置。

本申请实施例提供的技术方案能在低照度场景中克服FV曲线的无波峰、假峰、波峰小等现象，提高拟合FV曲线的准确性，以提高自动聚焦的准确性。

且，针对点光源场景，采用大范围内计算的清晰度值与高亮范围内计算的高亮清晰度值之间的商，确定点光源场景下最终的目标清晰度曲线，可以精准地克服点光源的假峰现象，针对性地提升清晰度统计的准确性，进而多方位地提升自动聚焦的准确性。

实施例2

本申请还提供了一种自动聚焦装置。图5是本申请实施例提供的一种自动聚焦装置的示意图，参考图5，该装置包括：

第一模块51，用于：针对任一聚焦位置，对在所述聚焦位置下采集的数字图像进行高斯滤波得到去噪图像，对所述去噪图像进行梯度检测，得到所述去噪图像的梯度图，所述梯度图的灰度值大小表示所述去噪图像中对应位置的边缘变化剧烈程度；

亮度统计模块52，用于：对所述梯度图中不同灰度值的出现次数进行统计，得到亮度直方图，所述亮度直方图的横坐标为图像中的灰度值，纵坐标为灰度值出现的次数/频率；

清晰度统计模块53，用于：根据灰度值对应的清晰度系数，对所述亮度直方图中各种灰度值出现的次数/频率进行加权求和，计算得到所述聚焦位置下的清晰度值；

聚焦模块54，用于：根据多个聚焦位置及其对应的清晰度值，得到目标清晰度曲线，将所述目标清晰度曲线中的清晰度峰值对应的聚焦位置确定为自动聚焦位置，所述目标清晰度曲线的横坐标为聚焦位置，纵坐标为清晰度值。

在一种可能实施方式中，清晰度统计模块53，用于

若所述数字图像在低照度场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中每种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值，计算方式表示为：C_i表示灰度值i出现的次数/频率，K_i表示灰度值i对应的清晰度系数，Def表示计算出的清晰度值，i＝[0,1,...255]；

在一种可能实施方式中，清晰度统计模块53，还用于

若所述数字图像在低照度点光源场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中大于预设阈值的多种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下处于高亮范围内的高亮清晰度值，所述高亮清晰度值计算方式表示为：Th表示预设阈值，HLcnt表示高亮清晰度值；针对任一聚焦位置，用聚焦位置对应的清晰度值除以高亮清晰度值得到清晰度商值，将各个聚焦位置的清晰度商值作为纵坐标，确定低照度点光源场景中的所述目标清晰度曲线。

在一种可能实施方式中，第一模块用于：

S11、用预设的滤波模板对所述数字图像中的每一个像素点进行线性平滑，得到所述去噪图像；

S12、利用给定的梯度算子，分别从水平方向和垂直方向对所述去噪图像各个像素点的灰度值进行求导，根据所述去噪图像的各个像素点在水平方向的梯度和在垂直方向的梯度，得到所述去噪图像的梯度图。

在一种可能实施方式中，亮度统计模块52，用于

对所述梯度图中取值为0至255的各种灰度值的出现次数/频率进行统计，得到所述亮度直方图，所述亮度直方图的横坐标为灰度值P_i，纵坐标灰度值P_i的出现次数/频率为C_i，i＝[0,1,...255]。

本申请实施例提供的技术方案能在低照度场景中克服FV曲线的无波峰、假峰、波峰小等现象，提高拟合FV曲线的准确性，以提高自动聚焦的准确性。

且，针对点光源场景，采用大范围内计算的清晰度值与高亮范围内计算的高亮清晰度值之间的商，确定点光源场景下最终的目标清晰度曲线，可以精准地克服点光源的假峰现象，针对性地提升清晰度统计的准确性，进而多方位地提升自动聚焦的准确性。

需要说明的是，上述实施例提供的自动聚焦装置在实现相应步骤时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的自动聚焦装置与上述的自动聚焦方法属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本申请还提供了一种芯片，可用于执行上述实施例提供的自动聚焦方法。图6是本申请根据一示例性实施例提供的一种芯片的硬件结构示意图，如图6所示，芯片60例如可以实现为图像采集设备中的数字信号处理芯片。芯片60包括处理器61和接口电路62，其中，接口电路62，用于接收指令并传输至处理器61。处理器61与存储器63耦合，存储器63用于存储程序代码，当该程序代码被处理器61执行时，使得处理器61、接口电路62以及存储器63所组成的芯片系统实现上述方法实施例中方法的操作步骤。

可选地，该芯片系统中的处理器61有至少一个，应理解，在本申请实施例中，处理器61可以是中央处理器(central processing unit，CPU)或其他通用处理器，处理器61还可以是一个或多个用于实现本申请方案的集成电路，例如，数字信号处理器(digitalsignal processing，DSP)、专用集成电路(application-specific integrated circuit，ASIC)、可编程逻辑器件(programmable logic device，PLD)、现场可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件或分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。

可选地，该芯片系统中的存储器63也可以为一个或多个。存储器63可以与处理器61集成在一起，也可以和处理器61分离设置，本申请并不限定。其中，存储器63可以包括只读存储器和随机存取存储器，并向处理器61提供指令和数据。存储器63还可以包括非易失性随机存取存储器。存储器63还可以是易失性存储器，或可包括易失性和非易失性存储器两者。

其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。示例性的，该芯片系统可以是FPGA，可以是ASIC，还可以是SoC，还可以是CPU，还可以是网络处理器(networkprocessor，NP)，还可以是数字信号处理电路(digital signal processor，DSP)，还可以是微控制器(micro controller unit，MCU)，还可以是PLD)或其他集成芯片。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例上述方法的步骤。

所述计算机单元集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。

尽管结合优选实施方案具体展示和介绍了本申请，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本申请的精神和范围内，在形式上和细节上可以对本申请做出各种变化，均为本申请的保护范围。

Claims (10)

1.一种自动聚焦方法，其特征在于，所述方法包括：

S1、针对任一聚焦位置，对在所述聚焦位置下采集的数字图像进行高斯滤波得到去噪图像，对所述去噪图像进行梯度检测，得到所述去噪图像的梯度图，所述梯度图的灰度值大小表示所述去噪图像中对应位置的边缘变化剧烈程度；

S2、对所述梯度图中不同灰度值的出现次数进行统计，得到亮度直方图，所述亮度直方图的横坐标为图像中的灰度值，纵坐标为灰度值出现的次数/频率；

S3、根据灰度值对应的清晰度系数，对所述亮度直方图中各种灰度值出现的次数/频率进行加权求和，计算得到所述聚焦位置下的清晰度值；

S4、根据多个聚焦位置及其对应的清晰度值，得到目标清晰度曲线，将所述目标清晰度曲线中的清晰度峰值对应的聚焦位置确定为自动聚焦位置，所述目标清晰度曲线的横坐标为聚焦位置，纵坐标为清晰度值。

2.根据权利要求1所述的自动聚焦方法，其特征在于，所述步骤S3包括：

若所述数字图像在低照度场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中每种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值，计算方式表示为：C_i表示灰度值i出现的次数/频率，K_i表示灰度值i对应的清晰度系数，Def表示计算出的清晰度值，i＝[0,1,...255]。

3.根据权利要求1所述的自动聚焦方法，其特征在于，所述方法还包括：

若所述数字图像在低照度点光源场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中大于预设阈值的多种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下处于高亮范围内的高亮清晰度值，所述高亮清晰度值计算方式表示为：Th表示预设阈值，HLcnt表示高亮清晰度值；

针对任一聚焦位置，用聚焦位置对应的清晰度值除以高亮清晰度值得到清晰度商值，将各个聚焦位置的清晰度商值作为纵坐标，确定低照度点光源场景中的所述目标清晰度曲线。

4.根据权利要求1所述的自动聚焦方法，其特征在于，所述步骤S1包括：

S11、用预设的滤波模板对所述数字图像中的每一个像素点进行线性平滑，得到所述去噪图像；

S12、利用给定的梯度算子，分别从水平方向和垂直方向对所述去噪图像各个像素点的灰度值进行求导，根据所述去噪图像的各个像素点在水平方向的梯度和在垂直方向的梯度，得到所述去噪图像的梯度图。

5.根据权利要求1所述的自动聚焦方法，其特征在于，所述步骤S2包括：

对所述梯度图中取值为0至255的各种灰度值的出现次数/频率进行统计，得到所述亮度直方图，所述亮度直方图的横坐标为灰度值P_i，纵坐标灰度值P_i的出现次数/频率为C_i，i＝[0,1,...255]。

6.一种自动聚焦装置，其特征在于，所述装置包括：

第一模块，用于：针对任一聚焦位置，对在所述聚焦位置下采集的数字图像进行高斯滤波得到去噪图像，对所述去噪图像进行梯度检测，得到所述去噪图像的梯度图，所述梯度图的灰度值大小表示所述去噪图像中对应位置的边缘变化剧烈程度；

亮度统计模块，用于：对所述梯度图中不同灰度值的出现次数进行统计，得到亮度直方图，所述亮度直方图的横坐标为图像中的灰度值，纵坐标为灰度值出现的次数/频率；

清晰度统计模块，用于：根据灰度值对应的清晰度系数，对所述亮度直方图中各种灰度值出现的次数/频率进行加权求和，计算得到所述聚焦位置下的清晰度值；

聚焦模块，用于：根据多个聚焦位置及其对应的清晰度值，得到目标清晰度曲线，将所述目标清晰度曲线中的清晰度峰值对应的聚焦位置确定为自动聚焦位置，所述目标清晰度曲线的横坐标为聚焦位置，纵坐标为清晰度值。

7.根据权利要求6所述的自动聚焦装置，其特征在于，所述清晰度统计模块用于：

若所述数字图像在低照度场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中每种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下的清晰度值，计算方式表示为：C_i表示灰度值i出现的次数/频率，K_i表示灰度值i对应的清晰度系数，Def表示计算出的清晰度值，i＝[0,1,...255]。

8.根据权利要求6所述的自动聚焦装置，其特征在于，所述清晰度统计模块还用于：

若所述数字图像在低照度点光源场景中采集，根据灰度值为0至255对应的清晰度系数，对所述亮度直方图中大于预设阈值的多种灰度值出现的次数/频率进行加权求和，计算得到聚焦位置下处于高亮范围内的高亮清晰度值，所述高亮清晰度值计算方式表示为：Th表示预设阈值，HLcnt表示高亮清晰度值；

针对任一聚焦位置，用聚焦位置对应的清晰度值除以高亮清晰度值得到清晰度商值，将各个聚焦位置的清晰度商值作为纵坐标，确定低照度点光源场景中的所述目标清晰度曲线。

9.一种计算设备，其特征在于，包括处理器和接口电路，所述接口电路用于接收指令并传输至所述处理器，所述处理器用于执行指令以实现如权利要求1至5任一所述的自动聚焦方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器执行以实现如权利要求1至5任一所述的自动聚焦方法。