基于圖像處理的一體化攝像機自動聚焦系統(tǒng)設(shè)計

胡建萍 ，于 鵬

(杭州電子科技大學(xué) 電子信息學(xué)院，杭州310018)

近年來一體化攝像機成為了電視監(jiān)控系統(tǒng)的核心設(shè)備。所謂一體化攝像機就是內(nèi)置光學(xué)鏡頭，可以變倍、自動聚焦的攝像機。與傳統(tǒng)攝像機相比，一體機具有結(jié)構(gòu)簡單，小巧方便，控制系統(tǒng)簡單等特點，因此在監(jiān)控領(lǐng)域里得到了廣泛的應(yīng)用。而一體化攝像機的發(fā)展要得益于自動聚焦技術(shù)的快速發(fā)展。

從原理上講傳統(tǒng)的自動聚焦可以分為兩類:一類是基于鏡頭與被攝物體之間距離測量的方法(主動式)，另一類是基于聚焦屏幕上成像清晰度的聚焦檢測方法(被動式)。隨著現(xiàn)代計算機應(yīng)用的發(fā)展和數(shù)字圖像處理技術(shù)的發(fā)展，自動聚焦進入了一個嶄新的階段，基于圖像處理的自動聚焦算法越來越多。

基于圖像處理的自動聚焦技術(shù)與傳統(tǒng)的自動聚焦技術(shù)具有完全不同的出發(fā)角度，它是直接針對拍攝的圖像采用圖像處理技術(shù)，對圖像進行成像質(zhì)量分析，得到系統(tǒng)當(dāng)前的對焦?fàn)顟B(tài)，然后通過驅(qū)動電機調(diào)整系統(tǒng)鏡頭的焦距，從而實現(xiàn)自動聚焦。

1 自動聚焦原理

在計算機里存儲的圖片是由一個個像素構(gòu)成的，事實上這些看似雜亂無章的像素點之間有著必然的聯(lián)系。由光學(xué)知識和數(shù)字圖像處理理論可以推斷聚焦清晰的圖片比沒有聚焦清晰的圖片具有更大的對比度。從空域角度來講，圖像的邊界和細(xì)節(jié)部分更清晰，清晰圖像比離焦圖像的灰度變化明顯，有較銳化的邊緣;從頻域角度來講，清晰地聚焦圖像比離焦的圖像有更多的信息和細(xì)節(jié)，圖像的高頻分量也更加豐富。因此可以通過分析圖像的灰度差值和高頻分量的多少來判斷圖像是否為聚焦后的清晰圖像。

2 自動聚焦算法的研究

基于圖像處理的自動聚焦算法主要包括三部分:圖像聚焦質(zhì)量評價函數(shù)，聚焦區(qū)域選擇算法和焦點搜索算法。

2.1 圖像聚焦評價函數(shù)

據(jù)理論分析可知，圖像的灰度差值和高頻分量可以用來判斷圖像是否為聚焦后的清晰圖形，常用的清晰度分析方法如下:

(1)時域分析法。時域分析法主要是從圖像的原始數(shù)據(jù)中獲取圖像的灰度對比值，根據(jù)數(shù)值的大小判別清晰度。

常用的時域分析法主要有:Brenner 函數(shù)法、Variance 函數(shù)法、梯度平方函數(shù)、灰度差分絕對值之和函數(shù)法以及Tenengrad 函數(shù)法等。

(2)頻域分析法。這種方法是基于傅里葉變換的，傅里葉高頻分量對應(yīng)著圖像的邊緣，而聚焦的圖像總是有鋒利的邊緣，也就是包含更多的高頻分量，因此基于頻域分析的手段可以應(yīng)用到聚焦評價函數(shù)中。

頻域分析法主要有:基于離散傅里葉變換的聚焦評價函數(shù)和基于小波分析的聚焦評價函數(shù)。

(3)信息熵分析法。聚焦圖像的信息熵比離焦的模糊圖像的信息熵多，所以可利用圖像的信息熵作為評價函數(shù)。

在實際的應(yīng)用中，聚焦時系統(tǒng)都會受外部的噪聲的干擾，而傳統(tǒng)的圖像聚焦評價函數(shù)都會受噪聲的影響較大，有時不能正確的完成聚焦，本文運用了加權(quán)中值濾波算法。設(shè)圖像中某點(x，y)的灰度值為g(x，y)，med 為求中值函數(shù)。FSWM 為評價函數(shù)。

此函數(shù)是分別計算聚焦區(qū)域的每個像素點的x方向和y 方向與其周圍像素點的中值濾波后的灰度值的差值。然后將所有的差值求和得到相應(yīng)的評價函數(shù)。通過實驗表明，與傳統(tǒng)的時域分析法相比，此算法有著更好的單峰性和對稱性。本算法由于在求聚焦評價函數(shù)值時對圖像進行了中值濾波，所以此算法能有效的抑制噪聲。

2.2 聚焦區(qū)域選擇算法

聚焦區(qū)域的選擇會直接影響到聚焦的復(fù)雜度、計算量和精確度。本系統(tǒng)采用了傳統(tǒng)的黃金分割多點區(qū)域選擇算法，如圖1 所示。

圖1 黃金分割點

一幅圖畫中除了中心點O 是人的視覺要點外，還有四個點也是視覺關(guān)鍵點，就是畫面中的四個黃金分割點A、B、C、D。以這五個點為中心，各自選取32 像素×32 像素塊進行圖像處理。此區(qū)域選擇算法降低中心取窗的高失敗率，利用多點的估計提高了主體景物的覆蓋率。

2.3 焦點搜索算法

常用的聚焦搜索方法有全局搜索法，F(xiàn)ibonacci搜索法，爬山法和曲線擬合法等。傳統(tǒng)的爬山法采用的是定步長的方式進行聚焦，在離焦的情況下從鏡頭的起始位置到正確的焦點位置之間有很長一段的距離可能是評價函數(shù)值很小的區(qū)域，如果全部計算這部分的評價函數(shù)值對自動聚焦系統(tǒng)是無意義的，且浪費了大量的資源和時間。本文采用改進的自適應(yīng)步長的爬山搜索法，可降低搜索復(fù)雜度和時間此算法的流程如圖2 所示。

圖2 改進的爬山算法流程圖

首先取得初始位置的圖像，并計算出此時的聚焦評價函數(shù)值，然后讓步進電機驅(qū)動鏡頭從起始位置向上移動一步，將此時的圖像評價函數(shù)值與前者進行比較，若比前者的聚焦評價函數(shù)值大，就繼續(xù)向上移動調(diào)焦鏡頭。如果連續(xù)得到的兩幅圖像其評價函數(shù)值相差的不太大，則說明上一次鏡頭移動不能明顯地改變圖像質(zhì)量，說明此時鏡頭所處位置離聚焦點還很遠，下一次鏡頭的移動的步長可以加大。反之，如果相鄰的兩幅圖的評價函數(shù)相差很大，可以說明上次鏡頭的移動顯著地改善了圖像的質(zhì)量，說明鏡頭所處的位置離聚焦點很近，所以鏡頭下一次要以小步長移動。如此循環(huán)，直到當(dāng)前的圖像質(zhì)量評價函數(shù)值小于前一位置，則說明前一位置就是圖像最清晰的位置，至此聚焦結(jié)束。

3 自動聚焦系統(tǒng)的硬件實現(xiàn)

本系統(tǒng)主要由CCD 攝像機，帶有步進電機的光學(xué)鏡頭和FPGA 組成的，系統(tǒng)的硬件結(jié)構(gòu)圖如圖3所示。

圖3 系統(tǒng)硬件結(jié)構(gòu)圖

本系統(tǒng)運用SONY 的CCD 以及相應(yīng)的SONY套片，完成原始數(shù)據(jù)的采集。芯片CXD4103R 為圖像處理主芯片，不僅能夠完成CCD 控制、自動增益控制和CCD 輸出數(shù)據(jù)的亮色分離，而且能夠硬件實現(xiàn)AE/AWB 功能，并提供ITU656 格式的數(shù)據(jù)輸出。CXD1267AN 主要是用來提供驅(qū)動時鐘。CXA2096N是跟CCD 配合使用的信號放大器。

FPGA 從輸入的視頻信號中提取亮度Y 信號，采用加權(quán)中值濾波灰度差值法，計算出這幀圖片的灰度差值和，通過比較相鄰圖像的灰度差值，F(xiàn)PGA輸出用于聚焦的步進電機的驅(qū)動信號，該信號驅(qū)動步進電機的轉(zhuǎn)動方向和步數(shù)來控制光學(xué)鏡頭，搜索灰度差值最大的那幀圖像，最終完成聚焦功能。

4 實驗結(jié)果分析

為了驗證所設(shè)計的系統(tǒng)的可行性和所用到的中值濾波差值算法的評價函數(shù)的有效性。對該系統(tǒng)進行了大量的實驗測試。圖4 所示的是加權(quán)中值濾波差值算法與傳統(tǒng)的Variance 函數(shù)法的聚焦評價函數(shù)值的對比圖。

圖4 聚焦評價函數(shù)曲線對比圖

由圖4 可以看出本系統(tǒng)采用的聚焦評價函數(shù)算法在聚焦點附近曲線更尖銳，相鄰兩個聚焦位置的亮度差值更大，也有較好的單調(diào)性，同時本算法在得到聚焦評價函數(shù)值前進行了中值濾波，因此具有一定的抗噪性。

圖5 是開始聚焦時計算機采集到的圖像，圖6是在系統(tǒng)聚焦后的采集的圖像。對比兩圖可以看出該系統(tǒng)具有較好的聚焦效果，而且靈敏度高，穩(wěn)定性好，能夠滿足視頻采集的要求?？梢詮V泛地應(yīng)用在一體化攝像機中。

圖5 聚焦開始前的圖像

圖6 聚焦后的圖像

5 小結(jié)

本文介紹了一種基于圖像處理的自動聚焦系統(tǒng)的設(shè)計。該系統(tǒng)運用了加權(quán)中值濾波灰度差值法作為評價函數(shù)算法，結(jié)合了傳統(tǒng)的攝像構(gòu)圖的黃金分割區(qū)域選擇法，采用了改進的自適應(yīng)步長的爬山聚焦搜索算法，可減少聚焦過程中運算量和搜索時間。最后使用基于FPGA 的硬件架構(gòu)實現(xiàn)該自動聚焦系統(tǒng)。通過大量的實驗證明該系統(tǒng)調(diào)焦機制簡單，易于實現(xiàn)，可以獲得比較滿意的聚焦結(jié)果，且具有一定的抗噪性。

［1］ Muhammad Bilal Ahmad，Tae－Sun Choi.A Heuristic Approach for Finding Best Focused Sharp［J］.IEEE Transaction on Circuits and Systems for Video Technology，2005，15(4):565－570.

［2］ Yu Sun，Stefan Duthaler，Bradley J Nelson.Autofocusing in Computer Microscopy:Selecting the Optimal Focus Algorithm［J］. Microscopy Research and Technique，2004(65):138－149.

［3］ 陳書海，傅錄祥.使用數(shù)字圖像處理［M］.北京:北京科學(xué)出版社，2005.

［4］ 盛云，秦亞杰，洪志良. 一種用于數(shù)碼視頻相機的實時自動聚焦算法［J］.光電工程，2008，35(8):139－143.

［5］ 徐欣，于紅旗，易凡，等.基于FPGA 的嵌入式系統(tǒng)設(shè)計［M］.北京:機械工業(yè)出版社，2005.

［6］ 朱孔鳳，姜威，王端芳，等.一種新的圖像清晰度評價函數(shù)［J］.紅外與激光工程，2005，34(4):464－465.

［7］ 董代，劉榮，孫明磊，等.基于互相關(guān)的自動聚焦方法［J］.北京航空航天大學(xué)學(xué)報，2006，32(3):304－310.

［8］ 鄭玉珍，吳勇，倪旭翔. 實時自動聚焦的研究［J］. 光電工程，2004，31(4):62－66.