KR20090028267A - 자동 초점 조절 장치 및 방법 - Google Patents

자동 초점 조절 장치 및 방법 Download PDF

Info

Publication number
KR20090028267A
KR20090028267A KR1020070093743A KR20070093743A KR20090028267A KR 20090028267 A KR20090028267 A KR 20090028267A KR 1020070093743 A KR1020070093743 A KR 1020070093743A KR 20070093743 A KR20070093743 A KR 20070093743A KR 20090028267 A KR20090028267 A KR 20090028267A
Authority
KR
South Korea
Prior art keywords
focal length
image
distance
calculation module
blur level
Prior art date
Application number
KR1020070093743A
Other languages
English (en)
Other versions
KR101488655B1 (ko
Inventor
박병관
강병호
Original Assignee
삼성전자주식회사
삼성전기주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사, 삼성전기주식회사 filed Critical 삼성전자주식회사
Priority to KR20070093743A priority Critical patent/KR101488655B1/ko
Priority to US12/222,117 priority patent/US7936987B2/en
Priority to CN2008102131172A priority patent/CN101387734B/zh
Priority to JP2008234794A priority patent/JP5485527B2/ja
Publication of KR20090028267A publication Critical patent/KR20090028267A/ko
Application granted granted Critical
Publication of KR101488655B1 publication Critical patent/KR101488655B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
    • G02B7/28—Systems for automatic generation of focusing signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/571—Depth or shape recovery from multiple images from focus
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H04N23/673—Focus control based on electronic image sensor signals based on contrast or high frequency components of image signals, e.g. hill climbing method
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10148—Varying focus

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Studio Devices (AREA)
  • Automatic Focus Adjustment (AREA)
  • Focusing (AREA)

Abstract

자동 초점 조절 장치 및 방법이 제공된다. 본 발명의 실시예에 따른 자동 초점 조절 장치는, 초점 거리가 서로 다른 적어도 2 이상의 영상들의 블러 레벨을 계산하는 블러 레벨 계산 모듈과, 블러 레벨 계산 모듈이 계산한 블러 레벨들로부터 초점 거리를 계산하는 거리 계산 모듈과, 거리 계산 모듈이 계산한 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 정확한 피사체까지의 거리를 계산하는 정밀 거리 계산 모듈과, 정밀 거리 계산 모듈이 계산한 정확한 피사체까지의 거리와 블러 레벨들로부터 거리 계산 모듈을 보정하는 거리 계산 보정 모듈을 포함한다.
자동 초점 조절, auto focusing, 신경 회로망, Multilayer Neural Network

Description

자동 초점 조절 장치 및 방법 {Method and apparatus for auto focusing}
본 발명은 자동 초점 조절 장치 및 방법에 관한 것으로, 보다 상세하게는 영상의 블러 레벨로부터 초점 거리를 계산하고 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 초점 거리 계산 방법을 보정하는 초점 조절 장치 및 방법에 관한 것이다.
최근에 널리 사용되는 디지털 카메라, 디지털 캠코더와 같은 촬상 기기에서는 자동초점조절 기능에 의해 영상의 화질을 향상시키려는 노력이 계속되고 있다.
일반적으로 촬상 기기란 캠코더, 및 카메라 등과 같이 렌즈를 통해 입사되는 광 신호를 전기 신호로 광전 변환한 후, 광전 변환된 영상 신호에 대해 소정의 영상 처리를 수행하여 촬상 동작을 수행하는 기기이다.
촬상 기기의 초점을 맞추는 방법은 자동 초점 조절(Auto Focusing)과 수동 초점 조절(Manual Focusing) 방식이 있다. 자동 초점 조절 기술은 렌즈로 포착되는 피사체의 신호를 이용해서 피사체를 검출하고 이 검출된 피사체에 맞추어 초점 렌즈를 자동으로 구동시켜 그 초점을 자동적으로 맞추는 기술이다.
촬상 기기의 초점을 맞추기 위하여 보통의 경우 초점 렌즈를 움직여 가면서 초점이 가장 잘 맞는 영상을 얻는다. 이 경우 여러 개의 초점이 안 맞는 영상을 얻어야 하므로 시간이 많이 걸린다. 이러한 소요 시간이 소위 말하는 셔트랙의 주요 원인이 된다.
이런 문제를 해결하기 위해 2~3장 정도의 최소한의 초점이 안맞는 영상들로부터 영상의 초점이 잘 맞을 수 있는 초점 렌즈 위치를 알아내는 방법들이 고안되었다.
그 방법들의 대부분은 미리 물체까지의 거리별로 사진을 찍어 놓고 거기에서 얻는 데이터를 토대로 초점 렌즈 위치를 정할 수 있는 데이터를 LUT(Look Up Table) 형태로 촬상 기기에 저장한다.
촬상 기기의 자동 초점 방법으로 초점 렌즈 위치를 정할 수 있는 데이터를 LUT(Look Up Table) 형태로 촬상 기기에 저장하는 방법에 있어서, 모든 경우를 LUT 형태로 저장할 수 없게 되므로 만약 촬상 기기에 내장되어 있는 LUT에 포함되지 않는 범위의 데이터가 입력되면 오류가 발생할 확률이 커지는 문제점이 있었다.
본 발명은 상기한 문제점을 개선하기 위해 고안된 것으로, 본 발명이 해결하고자 하는 과제는 2개의 영상으로 초점을 빠르게 맞추면서 초점이 잘 안 맞는 상황에서 자체적으로 보정이 가능한 자동 초점 조절 장치 및 방법을 제공하는 것이다.
본 발명의 또 다른 과제는 영상의 블러 레벨로부터 초점 거리를 계산하고 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 초점 거리 계산 방법을 보정하는 자동 초점 조절 장치 및 방법을 제공하는 것이다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자동 초점 조절을 위한 거리 분류기는, 적어도 2 이상의 영상들의 블러 레벨들로부터 초점 거리를 계산하는 거리 계산 모듈과, 거리 계산 모듈이 계산한 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 정확한 피사체까지의 거리를 계산하는 정밀 거리 계산 모듈 과, 정밀 거리 계산 모듈이 계산한 정확한 피사체까지의 거리와 블러 레벨들로부터 거리 계산 모듈을 보정하는 거리 계산 보정 모듈을 포함한다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자동 초점 조절 장치는, 초점 거리가 서로 다른 적어도 2 이상의 영상들의 블러 레벨을 계산하는 블러 레벨 계산 모듈과, 블러 레벨 계산 모듈이 계산한 블러 레벨들로부터 초점 거리를 계산하는 거리 계산 모듈과, 거리 계산 모듈이 계산한 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 정확한 피사체까지의 거리를 계산하는 정밀 거리 계산 모듈과, 정밀 거리 계산 모듈이 계산한 정확한 피사체까지의 거리와 블러 레벨들로부터 거리 계산 모듈을 보정하는 거리 계산 보정 모듈을 포함한다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 촬상 기기는, 피사체의 영상광이 입사되는 렌즈와, 렌즈를 통해 입사된 영상광에 대한 영상을 획득하는 센서와, 센서가 획득한 영상에 대한 블러 레벨을 계산하여 초점 거리를 계산하며 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 초점 거리 계산 방법을 보정하는 자동 초점 조절 장치와, 자동 초점 조절 장치가 계산한 초점 거리에 초점이 맞추어지도록 렌즈를 위치시키는 초점 렌즈 제어기와, 자동 초점 조절 장치에 의하여 초점이 맞은 영상을 처리하여 최종 영상을 생성하는 영상 처리기를 포함한다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 자동 초점 조절 방법은, 제 1 초점 거리로부터 획득한 제 1 영상의 블러 레벨과 제 2 초점 거리로부터 제 2 영상을 획득한 제 2 영상의 블러 레벨을 계산하는 단계와, 제 1 영상의 블 러 레벨과 제 2 영상의 블러 레벨로부터 초점 거리를 계산하는 단계와, 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않은 경우 초점 거리 계산 방법을 보정하는 단계를 포함한다.
상기 과제를 달성하기 위하여, 본 발명의 실시예에 따른 촬상 방법은, 피사체의 영상광이 입사되어 피사체의 영상을 획득하는 단계와, 획득된 영상의 블러 레벨을 계산하는 단계와, 계산된 블러 레벨로부터 초점 거리를 계산하는 단계와, 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않은 경우 초점 거리 계산 방법을 보정하는 단계와, 계산된 초점 거리에서 획득한 영상의 초점이 맞는 경우 영상을 처리하여 최종 영상을 생성하는 단계를 포함한다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
본 발명의 자동 초점 조절 장치 및 방법에 따르면 다음과 같은 효과가 하나 혹은 그 이상 있다.
첫째,　최소한의 영상으로부터 빠르게 초점을 맞출 수 있는 장점이 있다.
둘째,　초점이 잘 안 맞는 상황에서 자체적으로 보정이 가능한 장점도 있다.
셋째,　빠른 장면의 변화에도 효과적으로 초점을 맞출 수 있는 장점도 있다.
넷째,　대규모의 데이터 셋을 미리 구축하지 않아도 실시간 보정을 통하여 나중에라도 정확한 초점을 맞출 수 있는 장점도 있다.
본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
이하, 본 발명의 실시예들에 의하여 자동 초점 조절 장치 및 방법을 설명하기 위한 도면들을 참고하여 본 발명에 대해 설명하도록 한다. 이 때, 처리 흐름도 도면들의 각 블록과 흐름도 도면들의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수 있음을 이해할 수 있을 것이다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 흐름도 블록(들)에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메 모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 흐름도 블록(들)에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 흐름도 블록(들)에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록은 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실행 예들에서는 블록들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
도 1은 본 발명의 일 실시예에 따른 자동 초점 조절 장치가 이용되는 촬상 기기에 대한 블록도이다.
촬상 기기는 렌즈(110), 센서(120), 영상 처리기(130), 자동 초점 조절 장치(140) 및 초점 렌즈 제어기(150)를 포함한다.
피사체로부터의 영상광은 렌즈(110)를 통해 센서(120)에 입사된다. 센 서(120)는 CCD, CMOS, 기타 당업계에 알려진 영상 획득 수단으로 이루어질 수 있다. 센서(120)의 촬상면에 결상된 아날로그 영상은 디지털 영상으로 변환된다.
영상 처리기(130)는 초점이 맞은 영상에 표준 이미징 알고리즘을 수행하여 최종 영상을 생성한다. 영상 처리기(130)는 영상에 노이즈 제거, 가장자리 강조 및 압축 등의 영상 처리 과정을 거쳐 최종 영상을 얻게 된다.
자동 초점 조절 장치(140)는 센서(120)가 획득한 영상에 대한 블러 레벨을 계산하여 초점 거리를 계산한다. 자동 초점 조절 장치(140)는 두 개의 블러 레벨을 통하여 초점 거리를 계산하고, 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우, 초점 거리 계산 방법을 보정한다. 자세한 설명은 도 2를 참조하여 후술하기로 한다.
초점 렌즈 제어기(150)는 지정된 초점 거리에 대응하도록 렌즈(110)를 위치 시킨다.
도 2는 본 발명의 일 실시예에 따른 자동 초점 조절 장치(140)에 대한 블록도이다.
자동 초점 조절 장치(140)는 블러 레벨 계산 모듈(210)과 거리 계산 모듈(220), 정밀 거리 계산 모듈(230) 및 거리 계산 보정 모듈(240)을 포함하는 거리 분류기(200)를 포함한다.
블러 레벨 계산 모듈(210)은 제 1 초점 거리로부터 획득된 제 1 영상(I1)에 대한 블러 레벨(B1)과 제 2 초점 거리로부터 획득된 제 2 영상(I2)에 대한 블러 레벨(B2)을 계산한다. 블러 레벨을 계산하는 방법은 이산 코사인 변환(Discrete Cosine Transform: DCT), 푸리에 변환(Fourier Transform: FT), 웨이브렛 변환(Wavelet Transform: WT) 등의 변환 방법을 이용하는 방법이 있고, 라플라스 필터(Laplacian Filter) 및 소벨 필터(Sobel Filter) 등의 고역 통과 필터(High Pass Filter) 등을 이용하는 방법이 있다.
블러 레벨 계산 모듈(210)은 계산된 블러 레벨인 B1과 B2를 초점 거리를 알아낼 수 있는 거리 분류기(200)에 입력한다.
거리 분류기(200)는 계산된 블러 레벨 B1과 B2로부터 초점 거리를 계산하고, 계산된 초점 거리에서 획득한 영상이 초점이 맞지 않는 경우 정확한 피사체와의 거리를 계산하여 초점 거리 계산 방법을 보정한다. 거리 분류기(200)는 거리 계산 모듈(220), 정밀 거리 계산 모듈(230) 및 거리 계산 보정 모듈(240)을 포함한다.
거리 계산 모듈(220)은 블러 레벨 B1과 B2로부터 초점 거리를 계산한다. 거리 계산 모듈(220)은 다양한 방법에 의하여 블러 레벨로부터 초점 거리의 계산이 가능하며, 다중계층 신경 회로망(Multilayer Neural Network)에 의하여 계산하는 것이 바람직하다. 이에 대한 자세한 설명은 도 6 및 도 7을 참조하여 후술하기로 한다.
정밀 거리 계산 모듈(230)은 거리 계산 모듈(220)이 계산한 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 정확한 피사체까지의 거리를 계산한다. 정밀 거리 계산 모듈(230)의 정확한 피사체까지의 거리 계산은 적외선이나 초음파를 이용한 능동적 자동 초점 조절(Active Auto Focusing)에 이용되는 방법이 사용될 수도 있고, 사용자로부터 입력 받을 수도 있다. 다만, 장치의 효율성이나 경제성을 고려할 때 촬상 기기에서 얻는 영상을 기반으로 하는 수동적 자동 초점 조절(Passive Auto Focusing)에서 사용되는 방법이 바람직하다. 그 대표적인 방법은 고역 통과 필터링(High Pass Filtering)과 힐 클라이밍 서치 알고리즘(Hill Climbing Search Algorithm)이며, 이에 대한 자세한 설명은 도 5를 참조하여 후술하기로 한다.
거리 계산 보정 모듈(240)은 정밀 거리 계산 모듈(230)이 계산한 정확한 피사체까지의 거리와 제 1 영상의 블러 레벨(B1), 제 2 영상의 블러 레벨(B2)로부터 거리 계산 모듈(220)을 보정한다. 거리 계산 모듈(220)이 다중계층 신경 회로망으로 구현된 경우, 거리 계산 보정 모듈(240)은 온라인 학습 방법을 이용하여, 거리 계산 모듈(220)의 오차가 최소가 되도록 다중계층 신경 회로망의 계수들을 보정한다. 이에 대한 자세한 설명은 도 8 및 도 9를 참조하여 후술하기로 한다.
이 때, 본 실시예에서 사용되는 '모듈'이라는 용어는 소프트웨어 또는 FPGA또는 ASIC과 같은 하드웨어 구성요소를 의미하며, 모듈은 어떤 역할들을 수행한다. 그렇지만 모듈은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. 모듈은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 모듈은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다. 구 성요소들과 모듈들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 모듈들로 결합되거나 추가적인 구성요소들과 모듈들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 모듈들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
도 3은 본 발명의 일 실시예에 따른 자동 초점 조절 방법을 나타내는 순서도이다.
제 1 초점 거리와 제 2 초점 거리에서 제 1 영상(I1)과 제 2 영상(I2)을 획득한다(S310). 초점 렌즈 제어기(150)는 미리 설정된 제 1 초점 거리에 대응되는 제 1 위치와 제 2 초점 거리에 대응되는 제 2 위치에 렌즈(110)를 위치 시켜 센서(120)가 제 1 영상(I1)과 제 2 영상(I2)을 획득한다.
획득한 제 1 영상(I1)의 블러 레벨(B1)과 제 2 영상(I2)의 블러 레벨(B2)을 계산한다(S320). 자동 초점 조절 장치(140)의 블러 레벨 계산 모듈(210)은 Discrete Cosine Transform(DCT), Fourier Transform(FT), Wavelet Transform(WT)등의 변환 방법을 이용하거나, Laplcacian Filter나 Sobel Filter등의 고역 통과 필터(High Pass Filter) 등을 이용하여 제 1 영상(I1)의 블러 레벨(B1)과 제 2 영상(I2)의 블러 레벨(B2)을 계산한다.
제 1 영상의 블러 레벨(B1)과 제 2 영상의 블러 레벨(B2)로부터 초점 거리를 계산한다(S330). 자동 초점 조절 장치(140)의 거리 계산 모듈(220)은 다양한 방법에 의하여 블러 레벨로부터 초점 거리의 계산이 가능하며, 다중계층 신경 회로망(multilayer neural network: MNN)에 의하여 계산하는 것이 바람직하다. 이에 대 한 자세한 설명은 도 6 및 도 7을 참조하여 후술하기로 한다.
계산된 초점 거리에서 영상(I_F)을 획득한다(S340). 초점 렌즈 제어기(150)는 계산된 초점 거리에 대응되도록 렌즈(110)를 위치시켜 센서(120)가 영상을 획득한다.
획득한 영상(I_F)이 초점이 맞는 영상인지 판단한다(S350). 이 판단은 사용자에게 물어 볼 수도 있고 미리 정해진 또 다른 기준에 의해서 판단 될 수 있다. 초점이 맞은 영상이라고 판단되면, 영상 처리기(130)는 표준 이미징 알고리즘과 노이즈 제거, 가장자리 강조 및 압축 등의 영상 처리 과정을 거쳐 최종 영상을 얻게 된다.
초점이 맞지 않은 영상이라고 판단된 경우, 초점 거리 계산 방법을 보정한다(S360). 상세한 보정 방법은 도 4를 참조하여 후술하기로 한다.
보정된 초점 거리 계산 방법을 통하여 제 1 영상의 블러 레벨(B1)과 제 2 영상의 블러 레벨(B2)로부터 다시 초점 거리를 계산하고(S330), 초점이 맞는 영상이 얻어 질 때까지 상기 과정을 반복한다.
도 4는 본 발명의 일 실시예에 따른 자동 초점 조절 방법에서 초점 거리 계산 방법을 보정하는 방법을 나타내는 순서도이다.
정확한 피사체까지의 거리를 계산한다(S410). 거리 계산 모듈(220)이 계산한 초점 거리에서 획득한 영상(I_F)의 초점이 맞지 않는 경우, 정밀 거리 계산 모듈(230)은 정확한 피사체까지의 거리를 계산한다(S410). 정밀 거리 계산 모듈(230)의 정확한 피사체까지의 거리 계산은 적외선이나 초음파를 이용한 능동적 자동 초 점 조절(Active Auto Focusing)에 이용되는 방법이 사용될 수도 있고, 사용자로부터 입력 받을 수도 있다. 다만, 장치의 효율성이나 경제성을 고려할 때 촬상 기기에서 얻는 영상을 기반으로 하는 수동적 자동 초점 조절(Passive Auto Focusing)에서 사용되는 방법이 바람직하다. 그 대표적인 방법은 고역 통과 필터링(High Pass Filtering)과 힐 클라이밍 서치 알고리즘(Hill Climbing Search Algorithm)이며, 이에 대한 자세한 설명은 도 5를 참조하여 후술하기로 한다.
블러 레벨을 입력 받는다(S420). 거리 계산 보정 모듈(240)은 거리 계산 모듈(220)을 보정하기 위하여, 정밀 거리 계산 모듈(230)이 계산한 정확한 피사체까지의 거리에 대한 데이터로 제 1 영상의 블러 레벨(B1)과 제 2 영상의 블러 레벨(B2)을 입력 받는다.
입력된 블러 레벨로부터 보정을 한다(S430). 거리 계산 보정 모듈(240)은 정밀 거리 계산 모듈(230)이 계산한 정확한 피사체까지의 거리와 입력된 블러 레벨(B1, B2)로부터 거리 계산 모듈(220)을 보정한다. 거리 계산 모듈(220)이 다중계층 신경 회로망으로 구현된 경우, 거리 계산 보정 모듈(240)은 온라인 학습 방법을 이용하여, 거리 계산 모듈(220)의 오차가 최소가 되도록 다중계층 신경 회로망의 계수들을 보정한다. 이에 대한 자세한 설명은 도 8 및 도 9를 참조하여 후술하기로 한다.
도 5는 본 발명의 일 실시예에 따른 자동 초점 거리 측정 장치에서 정확한 피사체와의 거리를 계산하는 방법을 나타내는 순서도이다.
렌즈를 초기 위치(N)에 설정한다(S510). 초점 렌즈 제어기(150)는 렌즈(110) 를 일정한 초기 위치(N)에 위치시킨다. 초기 위치(N)는 자동 초점 조절 장치(140)의 거리 계산 모듈(220)이 계산한 초점 거리에 대응되는 렌즈 위치보다 작은 값으로 설정하는 것이 바람직하다.
설정된 위치에서의 영상을 획득한다(S520). 센서(120)는 설정된 위치에서의 영상을 획득한다.
획득된 영상에 대하여 고역 통과 필터링을 한다(S530). 일반적으로 고역 통과 필터링 값이 크면 초점이 잘 맞은 영상이므로 정밀 거리 계산 모듈(230)은 획득된 영상에 고역 통과 필터링을 한다.
필터링 된 값을 합산하여 FV(N)값을 계산한다(S540). 정밀 거리 계산 모듈(230)은 N위치에서 획득한 영상에 대하여 고역 통과 필터링한 값을 모두 더하여 FV(N)값을 반환한다.
FV(N-2)값이 FV(N-1)보다 크고 FV(N-1)값이 FV(N)보다 큰지 판단한다(S550). 대개의 경우 초점은 초점 렌즈의 위치의 범위 내에서 High Pass Filtering 값이 단조 증가하다가 감소하는 특징을 가진다. FV(N) 값이 증가하다가 감소하기 시작하는 지점을 구하면 초점이 가장 잘 맞는 초점 렌즈의 위치를 구할 수 있다. 따라서, 정밀 거리 계산 모듈(230)은 FV(N-2)값이 FV(N-1)보다 크고 FV(N-1)값이 FV(N)보다 큰지 판단한다.
FV(N-2)값이 FV(N-1)보다 크고 FV(N-1)값이 FV(N)보다 큰 경우 N-1부터 감소하기 시작하는 것이므로 초점 렌즈 위치 N-2로부터 정확한 피사체와의 거리를 계산한다(S560). 정밀 거리 계산 모듈(230)은 고역 통과 필터링 값이 가장 큰 초점 렌 즈 위치에서 피사체와의 거리를 계산한다.
FV(N-2)값이 FV(N-1)보다 작고 FV(N-1)값이 FV(N)보다 작은 경우 초점 렌즈 위치를 다음 위치인 N+1로 이동 시킨다(S570). 초점 렌즈 제어기(150)는 렌즈(110)를 다음 위치인 N+1에 위치시킨다.
N+1위치에 대한 영상을 획득하여 고역 통과 필터링 값이 가장 큰 렌즈 위치를 구할 때까지 위의 과정을 반복한다.
도 6은 본 발명의 일 실시예에 따른 자동 초점 조절 장치에서 거리 분류기의 다중계층 신경 회로망을 나타내는 도면이다.
실험 과정을 통하여 다양한 초점 거리에 대한 블러 레벨 데이터를 가지고 있다면, 블러 레벨 데이터를 각각 대응하는 거리로 분류하는 방법이 있어야 한다. 데이터를 분류하는 많은 방법 중에서 다중계층 신경 회로망을 사용하는 것이 바람직하다. 다중계층 신경 회로망은 이론적으로 잘 정립되어 있으며 간단히 적용될 수 있다. 또한, 역전파(back propagation) 방법으로 오류를 수정하여 보정할 수 있다.
거리 분류를 위하여 도 6에서와 같이 2개의 입력과 4개의 출력으로 이루진 3 계층 신경 회로망이 사용된다. 각 뉴런의 계산과정을 통하여 출력 노드가 계산된다. 출력 노드 중 최대값을 선택하면 입력된 블러레벨에 대한 초점 거리가 산출된다. 각 뉴런을 계산하는 방법은 도 7을 참조하여 후술하기로 한다.
도 7은 본 발명의 일 실시예에 따른 자동 초점 조절 장치의 다중계층 신경 회로망에서 뉴런을 계산하는 방법을 나타내는 도면이다.
각 뉴런은 두 개의 유닛으로 구성된다. 첫번째 유닛은 w11, w21과 같은 가중 치인 계수를 곱하여 더한다. 즉 도 7에서 다음과 같다.
Figure 112007066831791-PAT00001
두번째 유닛은 활동 함수(activation function)라 불리는 비선형 함수를 구현한다. 활동 함수는 다음과 같은 sigmoid 함수를 사용한다.
Figure 112007066831791-PAT00002
상술한 계산 방법을 통하여 각 뉴런을 계산하여 출력 노드에 이른다. 출력 노드 중 최대값이 초점 거리가 된다.
도 8은 본 발명의 일 실시예에 따른 자동 초점 조절 장치에서 다중계층 신경 회로망을 보정하기 위한 역전파 방법을 나타내는 도면이다.
오류를 δ라고 할 때, 거리 1에 대한 오류는 δ거리1이다. 거리 1에 대한 오류가 δ거리1일 때, Layer2-1에 대한 오류 δ21은 다음과 같다.
Figure 112007066831791-PAT00003
역방향 방법으로 마지막으로 첫번째 계층에 대한 오류 δ11, δ12, δ13, δ14를 계산한다.
도 9는 도 8은 본 발명의 일 실시예에 따른 자동 초점 조절 장치에서 다중계층 신경 회로망을 보정하는 방법을 나타내는 도면이다.
Layer1-1에 대한 보정된 계수는 다음과 같은 공식에 의하여 계산된다.
Figure 112007066831791-PAT00004
여기서, η은 학습률(learning rate)를 나타내고, f(x)은 상술한 sigmoid 함수를 나타내며, x1은 데이터1 값을 의미한다. 상술한 방법으로 다중계층 신경 회로망의 계수를 보정한다. η과 f(x)는 동일하게 유지하면서 마지막 출력 노드까지 모든 계수를 위와 같은 방법으로 보정해 나간다.
본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구의 범위에 의하여 나타내어지며, 특허청구의 범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
도 1은 본 발명의 일 실시예에 따른 자동 초점 조절 장치가 이용되는 촬상 기기에 대한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 자동 초점 조절 장치(140)에 대한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 자동 초점 조절 방법을 나타내는 순서도이다.
도 4는 본 발명의 일 실시예에 따른 자동 초점 조절 방법에서 초점 거리 계산 방법을 보정하는 방법을 나타내는 순서도이다.
도 5는 본 발명의 일 실시예에 따른 자동 초점 거리 측정 장치에서 정확한 피사체와의 거리를 계산하는 방법을 나타내는 순서도이다.
도 6은 본 발명의 일 실시예에 따른 자동 초점 조절 장치에서 거리 분류기의 다중계층 신경 회로망을 나타내는 도면이다.
도 7은 본 발명의 일 실시예에 따른 자동 초점 조절 장치의 다중계층 신경 회로망에서 뉴런을 계산하는 방법을 나타내는 도면이다.
도 8은 본 발명의 일 실시예에 따른 자동 초점 조절 장치에서 다중계층 신경 회로망을 보정하기 위한 역전파 방법을 나타내는 도면이다.
도 9는 도 8은 본 발명의 일 실시예에 따른 자동 초점 조절 장치에서 다중계층 신경 회로망을 보정하는 방법을 나타내는 도면이다.
<도면의 주요 부분에 대한 부호의 설명>
110: 렌즈 120: 센서
130: 영상 처리기 140: 자동 초점 조절 장치
150: 초점 렌즈 제어기 200: 거리 분류기
210: 블러 레벨 계산 모듈 220: 거리 계산 모듈
230: 정밀 거리 계산 모듈 240: 거리 계산 보정 모듈

Claims (22)

  1. 적어도 2 이상의 영상들의 블러 레벨들로부터 초점 거리를 계산하는 거리 계산 모듈;
    상기 거리 계산 모듈이 계산한 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 정확한 피사체까지의 거리를 계산하는 정밀 거리 계산 모듈; 및
    상기 정밀 거리 계산 모듈이 계산한 정확한 피사체까지의 거리와 상기 블러 레벨들로부터 상기 거리 계산 모듈을 보정하는 거리 계산 보정 모듈을 포함하는 자동 초점 조절을 위한 거리 분류기.
  2. 제 1항에 있어서,
    상기 거리 계산 모듈은 다중계층 신경 회로망(Multilayer Neural Network)에 의하여 상기 초점 거리를 계산하고,
    상기 거리 계산 보정 모듈은 상기 다중계층 신경 회로망의 계수를 보정하는 자동 초점 조절을 위한 거리 분류기.
  3. 제 1항에 있어서,
    상기 정밀 거리 계산 모듈은 적외선 또는 초음파를 이용하는 방법 또는 고역 통과 필터와 힐 클라이밍 서치 알고리즘(Hill Climbing Search Algorithm)을 이용하는 방법에 의하여 계산하는 자동 초점 조절을 위한 거리 분류기.
  4. 초점 거리가 서로 다른 적어도 2 이상의 영상들의 블러 레벨을 계산하는 블러 레벨 계산 모듈;
    상기 블러 레벨 계산 모듈이 계산한 블러 레벨들로부터 초점 거리를 계산하는 거리 계산 모듈;
    상기 거리 계산 모듈이 계산한 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 정확한 피사체까지의 거리를 계산하는 정밀 거리 계산 모듈; 및
    상기 정밀 거리 계산 모듈이 계산한 정확한 피사체까지의 거리와 상기 블러 레벨들로부터 상기 거리 계산 모듈을 보정하는 거리 계산 보정 모듈을 포함하는 자동 초점 조절 장치.
  5. 제 4항에 있어서,
    상기 블러 레벨 계산 모듈은 이산 코사인 변환(Discrete Cosine Transform: DCT), 푸리에 변환(Fourier Transform: FT), 웨이브렛 변환(Wavelet Transform: WT), 라플라스 필터(Laplacian Filter) 및 소벨 필터(Sobel Filter) 중 적어도 어느 하나의 방법에 의하여 상기 블러 레벨을 계산하는 자동 초점 조절 장치.
  6. 제 4항에 있어서,
    상기 거리 계산 모듈은 다중계층 신경 회로망(Multilayer Neural Network)에 의하여 상기 초점 거리를 계산하고,
    상기 거리 계산 보정 모듈은 상기 다중계층 신경 회로망의 계수를 보정하는 자동 초점 조절 장치.
  7. 제 4항에 있어서,
    상기 정밀 거리 계산 모듈은 적외선 또는 초음파를 이용하는 방법 또는 고역 통과 필터와 힐 클라이밍 서치 알고리즘(Hill Climbing Search Algorithm)을 이용하는 방법에 의하여 계산하는 자동 초점 조절 장치.
  8. 제 4항에 있어서,
    상기 블러 레벨 계산 모듈은 제 1 초점 거리로부터 획득한 제 1 영상과 제 2 초점 거리로부터 획득한 제 2 영상의 상기 블러 레벨들을 계산하는 자동 초점 조절 장치.
  9. 피사체의 영상광이 입사되는 렌즈;
    상기 렌즈를 통해 입사된 영상광에 대한 영상을 획득하는 센서;
    상기 센서가 획득한 영상에 대한 블러 레벨을 계산하여 초점 거리를 계산하며 상기 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 초점 거리 계산 방법을 보정하는 자동 초점 조절 장치;
    상기 자동 초점 조절 장치가 계산한 상기 초점 거리에 초점이 맞추어지도록 상기 렌즈를 위치시키는 초점 렌즈 제어기; 및
    상기 자동 초점 조절 장치에 의하여 초점이 맞은 영상을 처리하여 최종 영상을 생성하는 영상 처리기를 포함하는 촬상 기기.
  10. 제 9항에 있어서,
    상기 자동 초점 조절 장치는,
    초점 거리가 서로 다른 적어도 2 이상의 상기 영상들의 블러 레벨을 계산하는 블러 레벨 계산 모듈;
    상기 블러 레벨 계산 모듈이 계산한 블러 레벨들로부터 초점 거리를 계산하는 거리 계산 모듈;
    상기 거리 계산 모듈이 계산한 초점 거리에서 획득한 영상의 초점이 맞지 않는 경우 상기 피사체까지의 정확한 거리를 계산하는 정밀 거리 계산 모듈; 및
    상기 정밀 거리 계산 모듈이 계산한 상기 피사체까지의 정확한 거리와 상기 블러 레벨들로부터 상기 거리 계산 모듈을 보정하는 거리 계산 보정 모듈을 포함하는 촬상 기기.
  11. 제 10항에 있어서,
    상기 블러 레벨 계산 모듈은 이산 코사인 변환(Discrete Cosine Transform: DCT), 푸리에 변환(Fourier Transform: FT), 웨이브렛 변환(Wavelet Transform: WT), 라플라스 필터(Laplacian Filter) 및 소벨 필터(Sobel Filter) 중 적어도 어느 하나의 방법에 의하여 상기 블러 레벨을 계산하는 촬상 기기.
  12. 제 10항에 있어서,
    상기 거리 계산 모듈은 다중계층 신경 회로망(Multilayer Neural Network)에 의하여 상기 초점 거리를 계산하고,
    상기 거리 계산 보정 모듈은 상기 다중계층 신경 회로망의 계수를 보정하는 촬상 기기.
  13. 제 10항에 있어서,
    상기 정밀 거리 계산 모듈은 적외선 또는 초음파를 이용하는 방법 또는 고역 통과 필터와 힐 클라이밍 서치 알고리즘(Hill Climbing Search Algorithm)을 이용하는 방법에 의하여 계산하는 촬상 기기.
  14. 제 1 초점 거리로부터 획득한 제 1 영상의 블러 레벨과 제 2 초점 거리로부터 제 2 영상을 획득한 제 2 영상의 블러 레벨을 계산하는 단계;
    상기 제 1 영상의 블러 레벨과 상기 제 2 영상의 블러 레벨로부터 초점 거리를 계산하는 단계; 및
    상기 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않은 경우 상기 초점 거리 계산 방법을 보정하는 단계를 포함하는 자동 초점 조절 방법.
  15. 제 14항에 있어서,
    상기 블러 레벨 계산은 이산 코사인 변환(Discrete Cosine Transform: DCT), 푸리에 변환(Fourier Transform: FT), 웨이브렛 변환(Wavelet Transform: WT), 라플라스 필터(Laplacian Filter) 및 소벨 필터(Sobel Filter) 중 적어도 어느 하나의 방법에 의하여 상기 블러 레벨을 계산하는 자동 초점 조절 방법.
  16. 제 14항에 있어서,
    상기 초점 거리 계산은 다중계층 신경 회로망(Multilayer Neural Network)에 의하여 상기 초점 거리를 계산하고,
    상기 거리 계산 방법 보정은 상기 다중계층 신경 회로망의 계수를 보정하는 자동 초점 조절 방법.
  17. 제 14항에 있어서,
    상기 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않은 경우 정확한 피사체까지의 거리를 계산하는 단계를 더 포함하고,
    상기 초점 거리 계산 방법 보정은 상기 계산된 정확한 피사체까지의 거리와 상기 제 1 영상의 블러 레벨과 상기 제 2 영상의 블러 레벨로부터 보정하는 자동 초점 조절 방법.
  18. 제 17항에 있어서,
    상기 정확한 피사체까지의 거리는 적외선 또는 초음파를 이용하는 방법 또는 고역 통과 필터와 힐 클라이밍 서치 알고리즘(Hill Climbing Search Algorithm)을 이용하는 방법에 의하여 계산하는 자동 초점 조절 방법.
  19. 피사체의 영상광이 입사되어 상기 피사체의 영상을 획득하는 단계;
    상기 획득된 영상의 블러 레벨을 계산하는 단계;
    상기 계산된 블러 레벨로부터 초점 거리를 계산하는 단계;
    상기 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않은 경우 상기 초점 거리 계산 방법을 보정하는 단계; 및
    상기 계산된 초점 거리에서 획득한 영상의 초점이 맞는 경우 상기 영상을 처리하여 최종 영상을 생성하는 단계를 포함하는 촬상 방법.
  20. 제 19항에 있어서,
    상기 블러 레벨 계산은 이산 코사인 변환(Discrete Cosine Transform: DCT), 푸리에 변환(Fourier Transform: FT), 웨이브렛 변환(Wavelet Transform: WT), 라플라스 필터(Laplacian Filter) 및 소벨 필터(Sobel Filter) 중 적어도 어느 하나의 방법에 의하여 상기 블러 레벨을 계산하는 촬상 방법.
  21. 제 19항에 있어서,
    상기 초점 거리 계산은 다중계층 신경 회로망(Multilayer Neural Network)에 의하여 상기 초점 거리를 계산하고,
    상기 거리 계산 방법 보정은 상기 다중계층 신경 회로망의 계수를 보정하는 촬상 방법.
  22. 제 19항에 있어서,
    상기 계산된 초점 거리에서 획득한 영상의 초점이 맞지 않은 경우 정확한 피사체까지의 거리를 계산하는 단계를 더 포함하고,
    상기 초점 거리 계산 방법 보정은 상기 계산된 정확한 피사체까지의 거리와 상기 제 1 영상의 블러 레벨과 상기 제 2 영상의 블러 레벨로부터 보정하는 촬상 방법.
KR20070093743A 2007-09-14 2007-09-14 자동 초점 조절 장치 및 방법 KR101488655B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR20070093743A KR101488655B1 (ko) 2007-09-14 2007-09-14 자동 초점 조절 장치 및 방법
US12/222,117 US7936987B2 (en) 2007-09-14 2008-08-01 Method and apparatus for auto focusing
CN2008102131172A CN101387734B (zh) 2007-09-14 2008-09-12 用于自动聚焦的方法和设备
JP2008234794A JP5485527B2 (ja) 2007-09-14 2008-09-12 自動焦点調節装置および方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR20070093743A KR101488655B1 (ko) 2007-09-14 2007-09-14 자동 초점 조절 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20090028267A true KR20090028267A (ko) 2009-03-18
KR101488655B1 KR101488655B1 (ko) 2015-02-03

Family

ID=40454564

Family Applications (1)

Application Number Title Priority Date Filing Date
KR20070093743A KR101488655B1 (ko) 2007-09-14 2007-09-14 자동 초점 조절 장치 및 방법

Country Status (4)

Country Link
US (1) US7936987B2 (ko)
JP (1) JP5485527B2 (ko)
KR (1) KR101488655B1 (ko)
CN (1) CN101387734B (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101299645B1 (ko) * 2013-06-19 2013-08-23 (주)태극기전 디지털 광학장치용 자동 초점 제어방법
CN103873740A (zh) * 2012-12-07 2014-06-18 富士通株式会社 图像处理装置及信息处理方法
CN105578029A (zh) * 2015-09-01 2016-05-11 闽南师范大学 一种多尺度变步长的自动对焦搜索算法据传输装置和方法

Families Citing this family (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8194995B2 (en) * 2008-09-30 2012-06-05 Sony Corporation Fast camera auto-focus
US8553093B2 (en) * 2008-09-30 2013-10-08 Sony Corporation Method and apparatus for super-resolution imaging using digital imaging devices
US8064761B2 (en) * 2010-03-04 2011-11-22 Digital Imaging Systems Gmbh Method to determine auto focus of a digital camera
JP2012003233A (ja) * 2010-05-17 2012-01-05 Sony Corp 画像処理装置、画像処理方法およびプログラム
WO2011158508A1 (ja) * 2010-06-17 2011-12-22 パナソニック株式会社 画像処理装置および画像処理方法
US8705801B2 (en) * 2010-06-17 2014-04-22 Panasonic Corporation Distance estimation device, distance estimation method, integrated circuit, and computer program
US8760563B2 (en) 2010-10-19 2014-06-24 Hand Held Products, Inc. Autofocusing optical imaging device
US8648959B2 (en) * 2010-11-11 2014-02-11 DigitalOptics Corporation Europe Limited Rapid auto-focus using classifier chains, MEMS and/or multiple object focusing
US8692927B2 (en) 2011-01-19 2014-04-08 Hand Held Products, Inc. Imaging terminal having focus control
US8411195B2 (en) 2011-04-01 2013-04-02 Sony Corporation Focus direction detection confidence system and method
CN102231798B (zh) * 2011-06-24 2015-09-23 天津市亚安科技股份有限公司 一种控制云台摄像机自动变倍的方法及系统
US9113059B2 (en) 2011-11-30 2015-08-18 Canon Kabushiki Kaisha Image pickup apparatus and image region discrimination method
US9143704B2 (en) * 2012-01-20 2015-09-22 Htc Corporation Image capturing device and method thereof
CN103473776B (zh) * 2013-09-17 2016-05-25 深圳市华因康高通量生物技术研究院 一种比较图像清晰度的方法、系统及自动聚焦控制方法
KR102244082B1 (ko) * 2014-08-05 2021-04-23 한화테크윈 주식회사 저조도 환경에서의 고속 자동초점 조정장치 및 방법
EP3018516B1 (en) * 2014-11-05 2019-06-19 Canon Kabushiki Kaisha Image capturing apparatus and method for controlling image capturing apparatus
US10498976B2 (en) 2014-12-05 2019-12-03 Microsoft Technology Licensing, Llc Virtual focus feedback
SE541141C2 (en) * 2016-04-18 2019-04-16 Moonlightning Ind Ab Focus pulling with a stereo vision camera system
CN108122234B (zh) * 2016-11-29 2021-05-04 北京市商汤科技开发有限公司 卷积神经网络训练及视频处理方法、装置和电子设备
US10867374B2 (en) * 2017-02-13 2020-12-15 Sensors Unlimited, Inc. Auto-focusing system and method by determining contrast difference between adjacent pixels using sobel filter
EP3647848B1 (en) 2017-06-27 2023-03-15 Sony Group Corporation Interchangeable lens device, image capturing device, image capturing system, image capturing method and program
CN107329233B (zh) * 2017-08-25 2019-10-11 西南大学 一种基于神经网络的微滴式pcr仪自动对焦方法
CN109698901B (zh) * 2017-10-23 2020-07-10 广东顺德工业设计研究院(广东顺德创新设计研究院) 自动对焦方法、装置、存储介质和计算机设备
CN108259753B (zh) * 2018-02-28 2020-08-07 中国航空工业集团公司洛阳电光设备研究所 一种基于离焦估计改进爬山法的相机自动调焦方法及装置
JP6971934B2 (ja) * 2018-08-10 2021-11-24 株式会社東芝 画像処理装置
US10839264B2 (en) * 2018-11-09 2020-11-17 International Business Machines Corporation Scalable feature classification for laser scanning data and digital elevation models
US11360970B2 (en) 2018-11-13 2022-06-14 International Business Machines Corporation Efficient querying using overview layers of geospatial-temporal data in a data analytics platform
DE102018219867B4 (de) 2018-11-20 2020-10-29 Leica Microsystems Cms Gmbh Lernender Autofokus
DE102018133188A1 (de) * 2018-12-20 2020-06-25 Carl Zeiss Microscopy Gmbh Abstandbestimmung einer probenebene in einem mikroskopsystem
JP7016835B2 (ja) * 2019-06-06 2022-02-07 キヤノン株式会社 画像処理方法、画像処理装置、画像処理システム、学習済みウエイトの製造方法、および、プログラム
CN110749974B (zh) * 2019-11-04 2021-06-01 中南大学 全载玻片成像扫描仪的自动聚焦方法及其图像获取方法
CN111551117B (zh) * 2020-04-29 2021-07-20 湖南国科智瞳科技有限公司 显微图像焦点漂移距离的测量方法及系统、计算机设备
EP4320472A1 (en) 2021-10-12 2024-02-14 Samsung Electronics Co., Ltd. Device and method for predicted autofocus on an object

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2761391B2 (ja) * 1988-10-04 1998-06-04 オリンパス光学工業株式会社 焦点検出装置
KR940003241B1 (ko) 1991-05-23 1994-04-16 금성일렉트론 주식회사 To-220 반도체 제조기의 리드프레임 자동 공급장치
JPH0575910A (ja) * 1991-09-17 1993-03-26 Olympus Optical Co Ltd 合焦点検出装置
JPH05199444A (ja) 1992-01-20 1993-08-06 Olympus Optical Co Ltd カメラ及び交換レンズ
JPH0854556A (ja) 1994-08-09 1996-02-27 Nikon Corp カメラのオートフォーカス装置
JPH0854557A (ja) * 1994-08-09 1996-02-27 Nikon Corp カメラのオートフォーカス装置
JP2000165734A (ja) * 1998-09-24 2000-06-16 Ricoh Co Ltd 自動焦点制御装置および自動焦点制御方法
JP2000171682A (ja) 1998-12-02 2000-06-23 Canon Inc 自動焦点カメラ
US6151415A (en) * 1998-12-14 2000-11-21 Intel Corporation Auto-focusing algorithm using discrete wavelet transform
JP5002086B2 (ja) 1999-10-28 2012-08-15 キヤノン株式会社 焦点検出装置と撮像装置
KR100945617B1 (ko) * 2002-05-30 2010-03-04 소니 주식회사 촬영 장치, 신호 처리 방법 및 기록 매체
US7466336B2 (en) * 2002-09-05 2008-12-16 Eastman Kodak Company Camera and method for composing multi-perspective images
US7929801B2 (en) * 2005-08-15 2011-04-19 Sony Corporation Depth information for auto focus using two pictures and two-dimensional Gaussian scale space theory

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103873740A (zh) * 2012-12-07 2014-06-18 富士通株式会社 图像处理装置及信息处理方法
US9418406B2 (en) 2012-12-07 2016-08-16 Fujitsu Limited Anisotropy in resolution spatial filter image processing apparatus, and information processing method
CN103873740B (zh) * 2012-12-07 2017-06-09 富士通株式会社 图像处理装置及信息处理方法
KR101299645B1 (ko) * 2013-06-19 2013-08-23 (주)태극기전 디지털 광학장치용 자동 초점 제어방법
CN105578029A (zh) * 2015-09-01 2016-05-11 闽南师范大学 一种多尺度变步长的自动对焦搜索算法据传输装置和方法

Also Published As

Publication number Publication date
CN101387734B (zh) 2012-01-11
US20090074393A1 (en) 2009-03-19
CN101387734A (zh) 2009-03-18
US7936987B2 (en) 2011-05-03
JP2009069831A (ja) 2009-04-02
JP5485527B2 (ja) 2014-05-07
KR101488655B1 (ko) 2015-02-03

Similar Documents

Publication Publication Date Title
KR101488655B1 (ko) 자동 초점 조절 장치 및 방법
US8483504B2 (en) Digital auto-focusing apparatus and method
JP6271990B2 (ja) 画像処理装置、画像処理方法
KR101399012B1 (ko) 영상 복원 장치 및 방법
US8947523B2 (en) Image processing apparatus and associated methodology for blurring digital images
US8531545B2 (en) Image processing apparatus, including a filter acquisition part, and image pickup apparatus
WO2010088079A2 (en) Automatic focusing apparatus and method for digital images using automatic filter switching
JP5829360B2 (ja) 撮像装置、撮像装置の作動方法
JP5635844B2 (ja) 焦点調整装置および撮像装置
US8462213B2 (en) Optical system, image pickup apparatus and information code reading device
WO2014171051A1 (ja) 距離測定装置、及び、距離測定方法
JP2014192528A (ja) 撮像装置、画像処理システム、撮像システム、画像処理方法、画像処理プログラム、および、記憶媒体
US20070140677A1 (en) Automatic focusing methods and image capture devices utilizing the same
WO2016160093A1 (en) Depth estimation from image defocus using multiple resolution gaussian difference
RU2389050C1 (ru) Способ автоматической фокусировки
US8102464B2 (en) Automatic focusing method in high-noise environment and digital imaging device using the same
US9262833B2 (en) Methodology for performing depth estimation with defocused images under extreme lighting conditions
JP6976754B2 (ja) 画像処理装置および画像処理方法、撮像装置、プログラム
US10062150B2 (en) Image processing apparatus, image capturing apparatus, and storage medium
JP5900049B2 (ja) 被写界深度拡張システム及び被写界深度拡張方法
JP2013162369A (ja) 撮像装置
JP2020067503A (ja) 撮像装置、監視システム、撮像装置の制御方法およびプログラム
US11080832B2 (en) Image processing method, image processing apparatus, imaging apparatus, and storage medium
JP2019083580A (ja) 画像処理装置、画像処理方法、プログラム
JP2002277730A (ja) 電子カメラの自動焦点制御方法、装置及びプログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20181218

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20191216

Year of fee payment: 6