a&s专业的自动化&安全生态服务平台
公众号
安全自动化

安全自动化

安防知识网

安防知识网

手机站
手机站

手机站

大安防供需平台
大安防供需平台

大安防供需平台

资讯频道横幅A1
首页 > 资讯 > 正文

一体化摄像机中几种自动调焦法及其特性比较

本文介绍用于一体化摄像机中基于图像处理的自动调焦法的原理、特点、几种常用的聚焦评价函数,基于图像处理的几种常用的自动调焦法,如阈值积分法、高频通带法、微分法等,以及这些自动调焦法的特性比较。
资讯频道文章B

  随着光电图像拾取技术和数字图像处理技术的快速发展,基于图像处理的数字图像自动调焦技术也获得快速发展,并成为图像测量技术、计算机视觉技术等的关键技术之一。

  自动调焦技术是从20世纪70年代后期发展起来的,到现在已经日臻成熟,并在摄影摄像系统中获得了广泛的应用。如自动照相机、数码相机、摄像机(含监控系统中的一体化摄像机)、用于网上视频图像通信的作为计算机外设的USB Video Camera以及用于图像检测中的其它摄影摄像设备等。

  由应用光学中知,摄影物镜成像有下列公式

  

  式中,D为物距;d为像距;f为透镜焦距。

  由式(1)可知,当物距D发生变化时,由于物镜的焦距f不变,要获取清晰的像,就需要改变像距d。但绝大多数光电成像系统的像距d是固定的,这就需要调整物面沿光轴的位置。所谓调焦,就是指沿光轴方向改变物面或镜头的位置,使物像关系满足公式(1),以获取清晰的图像。

  调焦有手动与自动两种:手动调焦靠人眼目视检测与手动调节,其效率低、精度差;自动调焦则包括信号自动检测与自动调整,其特点是效率高、精度高,但结构比较复杂。因此,自动调焦系统就是要代替原来的手动调节,先自动检测光电图像信号,再根据检测的情况自动调节摄像镜头和感光面之间的距离,并使得像平面落在感光面上。显然,这种自动调节需要用到电机,通常使用微型伺服电机或微型步进电机,用它们去驱动变焦镜头的调节环,以调节镜头中透镜前后的距离,即调节焦距。从而使像平面落在摄像器件的感光面上,以满足公式(1)的物像关系,使被摄图像清晰。

  自动调焦的方法很多,按其原理大致可分为两类:对焦点及其偏离的直接检测法与对物面到透镜的距离检测法;按离焦信息的检测方法也大致可分为两类:即直接调焦法与间接调焦法。直接调焦是基于光学系统在理想像面上像质边缘的对比度最大,通过直接检测像边缘的光强分布来获取离焦信息,来直接进行调焦;间接调焦是把物镜的理想成像位置作为参考面,用各种传感器检测像面或物面位置相对于参考面的偏离信息而进行的调焦。

  本文介绍的基于图像处理的自动调焦法,则属于一种直接调焦法,它通过对成像质量进行图像处理而实现自动调焦,是成像系统尤其显微系统比较理想的一种自动调焦方法。因此,基于数字图像处理的自动调焦过程可以描述为:计算机通过光学系统和图像采集设备采集到一系列的数字图像,对每帧图像进行实时处理,判断聚焦是否准确、成像是否清晰,并给出反馈信号控制镜头的运动,直到采集到的图像清晰度符合使用要求,即完成自动调焦。

  本文介绍基于图像处理的自动调焦法的原理、特点、几种常用的聚焦评价函数,基于图像处理的几种常用的自动调焦法,如阈值积分法、高频通带法、微分法等,以及这几种自动调焦法的比较。

  基于图像处理的自动调焦法的特点

  由上述可知,基于图像处理的自动调焦法的基本原理是,通过镜头和固体图像传感器采集被测物的光学图像,经模拟数字转换为一系列数字图像,再利用计算机对每一帧图像进行实时处理,以判断对焦的准确程度与成像的清晰程度,并给出信号去控制镜头的运动,直到采集到的图像符合要求,即完成自动调焦。由于充分利用计算机处理数字信号的高速度和灵活性,因而基于图像处理的针对数字图像进行自动调焦的方法在视频监控摄像机中获得了广泛的应用。

  基于图像处理的自动调焦法有如下的特点:

  1、简化硬件、灵活方便

  由于利用计算机进行数字图像处理,因而可方便地对运动执行机构进行控制,从而避开了复杂的调焦电路和机构。因为现在计算机的接口和总线技术已经非常成熟,只需通过软件给出控制信号,就可直接控制电机去驱动物镜的运动,因而灵活方便,且大大简化了电路和运动机构,即简化了硬件。[nextpage]

  2、聚焦判据灵活多样,使调焦更加智能

  一般的自动调焦法只能是利用一种方法或一种聚焦判据来调焦。而通过计算机的数字图像处理法,则可灵活多样。如不仅可利用轮廓边缘的梯度信息,还可提取图像中的其它有效信息(频率、相位等)来进行聚焦判断,从而使调焦更加准确、智能。

  此外,由于计算机的灵活性,还可针对不同的使用要求去选择不同的判据。如只需要图像中的某一个局部目标,就可针对图像中的这一局部进行处理。这时一般可用该局部的对比度(即边缘梯度)作为调焦的判据。

  常用的几种聚焦评价函数

  采用图像处理法实现自动调焦的一个关键问题是,在于图像清晰度评价函数的选取。理想的评价函数要求:无偏性、单峰性、能反映离焦的极性、对噪声敏感度低、计算量尽可能小等。离焦图像可以看作由物体和点扩散函数做卷积的结果,这样往往导致图像中高频分量的减少或缺失。这一结果也可理解为,聚焦的图像比离焦图像包含更多的细节和边缘信息。凋焦评价函数通常基于离焦图像与聚焦图像的内容信息的差别等先验知识,因此没有对任何情况都适用的全能方法。

  基于图像处理的自动调焦法的常用的聚焦评价函数的类型大致有:灰度梯度函数、信息学函数、频域函数、统计学函数等。

  灰度梯度函数

  这类函数主要利用对图像灰度的各种处理方法来表征图像清晰度。假设图像中某点(x,y)处的灰度值为g(x,y),图像的规模为M×N(M列、N行)个像素,则灰度梯度判别函数包括以下几种常见形式。

  1、灰度涨落变化函数

  这是一种判断图像灰度起伏程度的方法,其函数式为

 

  式中,g0是图像灰度平均值。

  2、灰度绝对变化函数

  该评价函数与灰度涨落变化函数比较类似,适于具有固定单一背景的图像对比。该函数式为

  

  式中,g(x0,y0)为某参考像素点(x0,y0)处的灰度值。[nextpage]

  3、梯度向量模方函数

  梯度向量模方函数是一个灰度变化梯度和的表达式,只选取了梯度标量数值信息作为灰度变化量描述,其函数式为

  

  4、梯度向量平方函数

  梯度向量平方函数与梯度向量模方函数思路相同,只是用梯度平方和作为图像灰度变化判断,其函数式为

 

  5、罗伯特(Robert)梯度函数

  该评价函数使用了被判断点及其外沿3个像素点灰度信息,其函数式为

  

  6、拉普拉斯(Laplace)函数梯度函数

  该评价函数使用了被判断点及其周围4个像素点的灰度信息,其函数式为

  7、二级梯度平方函数

  利用Sobel算子来估计图像在水平方向和垂直方向的梯度,为使图像边缘的梯度放大,对梯度进行平方运算

  

  式中,

  Gx(x,y)=[g(x+1,y-1)+2g(x+1,y)+g(x+1,y+1)]

  -[g(x-1,y-1)+2g(x-1,y)+g(x-1,y+1)]

  Gy(x,y)=[g(x-1,y+1)+2g(x,y+1)+g(x+1,y+1)]

  -[g(x-1,y-1)+2g(x,y-1)+g(x+1,y-1)][nextpage]

  倍息学函数

  倍息学函数是目前研究比较成熟的只有图像信息熵函数。假设图像各处是灰度独立的,在不考虑像素几何位置的情况下,按信息学香农(Shannon)熵的定义,图像信息熵可写为

 

  式中,pi为像素某灰度值表征的信息出现的概率,一般,b=2,相应的单位是比特(bit),也可以取以e为底的对数,相应的单位是奈特(nat)。

  在大多数的计算中,灰度值的信息概率定义为该灰度值在灰度直方图中出现的概率。

  频域函数

  频域函数以付里叶变换为基础。高清晰度图像的主要特征是具有清晰的边缘和丰富的图像细节,而边缘的细节对应于图像付里叶变换的高频分量;离焦图像的模糊在频域上体现为高频成分的衰减。其函数可表示为

  

  式中,(X,Y)是图像在对应空间频域坐标中的变量,G(X,Y)是图像二维付里叶变换后的值, 是高通滤波的阈值,可以取值为0。

  此外,还有如高频分量法函数、小波变换方法等。

  阈值积分法

  阈值积分法是通过图像在离焦情况下,对成像的模糊程度进行判断。它首先利用CCD或CMOS摄像机或其他图像扫描方法获取离焦信号,经电路或计算机处理后,得到不同图像的灰度分布,其输出驱动微动执行机构,即微型电机去调节光学镜头,使图像清晰。

  阈值积分法的具体原理如图1所示。图中曲线Ⅰ、Ⅱ分别为二幅聚焦质量不同的图像的灰度分布。曲线Ⅰ的清晰度优于曲线Ⅱ。

[nextpage]

  由图1可见,离焦退化造成的灰度平均化倾向减少了阈值ф上的灰度和,即ФⅠ>ФⅡ,阈值积分法将该灰度之和作为评价函数,其离散形式为

  (dij>ф)                      (11)

  式中,dij为图像在第i、j像素点灰度分布值。

  高频通带法

  高频通带法是基于频域的检测方法。因为图像轮廓的锐度和细节的复现性取决于图像的高频成分,离焦退化造成的图像模糊在频域上体现为高频成分的衰减。因此,适当地选择高通滤波器的带宽,使其恰好通过视频信号中对离焦敏感的那部分频率成分,就能实现清晰度的自动检测。

  在模拟实验的场合,常用的是以对高频带域成分的绝对值求积分来代替严格意义上的平方运算。按定义,高频带域法的离散算法为

 

  微分法

  目前,二维图像较成熟的检测技术见恒川尚的微分算法,其形式为

  

  式中,ф为阈值。

  图2所示为一显微摄像系统像方光路图。图中,A1B1是对准平面(摄像机的灵敏面),A1'B1'是景像平面(实际的像面),两者相距z'。a'为显微镜出瞳半径。

[nextpage]

  由图2可见,离焦退化是由景像平面A1'B1'上的像按像方孔径角ε'在摄像机的灵敏面A1B1上投射成弥散斑像所致。若弥散斑半径为rd,则可根据几何光学,得物方离焦距离z为

 

  式中,β为显微镜放大倍数;NA为物镜的数值孔径。

  由式(5)可见,离焦退化的点扩散函数为一园域函数,可记为

  原图像G(x,y)和摄像机灵敏面的光学图像P0(x,y)之间满足下列关系

  

  从摄像机灵敏面图像到电视图像之间还经过一次变换。这主要是因为摄像管扫描电子束具有一定的击点半径r0所致。它也可用一园域函数cIrcI2(r)描述电子束平滑作用的点扩散函数。这样,从原始图像到电视图像P(x,y) 的整个变换可表示为

  将式(6)代入得

  

  式中,

[nextpage]

  对于沿x方向的灰度阶跃这种典型图像,可以求得微分峰值检测法的理论特性为

(17)

  式中,C为常数;z1为物方离焦量;zm为半焦深。F(K)、E(K)分别为勒让德形式下的第一、第二类全椭园积分,定义为

  

  检测特性曲线如图3所示,这种曲线可分三个区段:

  (1)抛物线区:

  该段曲线变换缓慢,呈典型的抛物线规律。当离焦量达到半焦深zm时,检测特性曲线衰减了总幅值的15%左右,该值可视为微分峰值检测法的极限灵敏度。

  (2)线性区:

  该段检测特性曲线在这里有一拐点,线性较好,曲线斜率最大。在这里曲线共衰减了总幅值的50%左右

  (3)双曲线区:

  将式(17)中最后一表达式以K>>zm代入,可得

  Q(K)≈ C'/z [nextpage]

  这是以离焦量为自变量的双曲函数。双曲线规律缓慢的衰减有效地展宽了微分峰值检测方法的检测范围。

  由图4可看出,微分法检测电路主要由行处理(含微分与行峰值保持电路)、场处理(含场平均与A/D转换电路)与同步逻辑电路三部分组成。其工作过程是:行处理部分首先将视频窗中的视频信号微分获取微分峰值信息,再经行峰值保持器保持后送入场处理电路进行平均。场平均电路对场视频窗中的微分峰值进行平均,并在一场未了的时候启动A/D转换器,将该场的检测信号送入微型计算机中处理。处理后的信号经控制系统驱动微电机调节物镜位置,使图像清晰。

  微分法控制系统结构框图如图5所示。

  几种常用的图像处理自动调焦法的特性比较

  上面已分别介绍了常用的基于图像处理的自动调焦法:阈值积分法、高频通带法、微分法。从各种方法的算法公式中可知,这三种图像处理的自动调焦法各有其特点,经比较,其各自特点及适应范围如下。

  1、阈值积分法

  该法对被测对象性质比较敏感,对目标尺寸较小的图像适应性较好。这种方法是根据图像的灰度分布选取一个阈值,并对大于阈值的灰度进行求和,其最大值即为图像的调焦判据。但该法对被测对象性质比较敏感,测量精度较差一些,对目标尺寸较小的图像适应性较好。

  2、高频通带法

  高频通带法是基于频域的检测方法,也需对图像进行付里叶变换,以提取其中的高频成分。该法的检测特性较稳定,虽然准确度高,但计算量大。当目标尺寸较大时,由于阈值积分灵敏度下降,高频通带法相对检测灵敏度较高。

  3、微分法

  该法要优于高频通带法,即对图像进行梯度变换,也就是利用了图像的边缘增强处理,使聚焦图像与离焦图像的评价函数值更加分明,提高了准确聚焦的灵敏度。[nextpage]

  微分法在近焦区的检测灵敏度较高,在远焦区域有效范围较宽。是一种较好的方法。虽然该法形式简单有效,即算法简单快速,但滤掉图像中的噪音较差一些。

  结语

  由上述可知,本文突出地介绍了基于图像处理的自动调焦法的几种聚焦评价函数的计算式,以及基于图像处理的几种常用的自动调焦法的算法公式,并对其特点作了比较,还指出了各自的适用范围,供研发自动调焦系统的技术人员参考。根据这些算法公式,即可编辑实用软件,并固化嵌入DSP系统中,即可形成自已知识产权的产品。

  由上还可看出,每种方法也都会有其不足之处,因此视需要可以其中一种方法为主,再结合辅以其它改正方法,即可获得事半功倍的效果。

参与评论
回复:
0/300
文明上网理性发言,评论区仅供其表达个人看法,并不表明a&s观点。
0
关于我们

a&s是国际知名展览公司——德国法兰克福展览集团旗下专业的自动化&安全生态服务平台,为智慧安防、智慧生活、智能交通、智能建筑、IT通讯&网络等从业者提供市场分析、技术资讯、方案评估、行业预测等,为读者搭建专业的行业交流平台。

免责声明:本站所使用的字体和图片文字等素材部分来源于互联网共享平台。如使用任何字体和图片文字有冒犯其版权所有方的,皆为无意。如您是字体厂商、图片文字厂商等版权方,且不允许本站使用您的字体和图片文字等素材,请联系我们,本站核实后将立即删除!任何版权方从未通知联系本站管理者停止使用,并索要赔偿或上诉法院的,均视为新型网络碰瓷及敲诈勒索,将不予任何的法律和经济赔偿!敬请谅解!
© 2020 Messe Frankfurt (Shenzhen) Co., Ltd, All rights reserved.
法兰克福展览(深圳)有限公司版权所有 粤ICP备12072668号 粤公网安备 44030402000264号
用户
反馈