李申燕

(廣州颯特紅外股份有限公司，廣東 廣州 510730)

聚焦就是使圖像變得更清晰、對比度高、細(xì)節(jié)突出，聚焦效果差的圖像對后續(xù)的圖像處理和分析有很大影響。在紅外視覺領(lǐng)域中，受到鏡頭、探測器、環(huán)境因素的影響，圖像本身信息量少，如果聚焦不好就很難將需要的信息提取出來，所以，圖像正確聚焦是提高紅外圖像質(zhì)量的關(guān)鍵技術(shù)。

手動聚焦需要人為操作使得圖像達(dá)到最好的聚焦位置，這種方法實現(xiàn)簡單而且準(zhǔn)確率高，但是在現(xiàn)實使用中帶來很多不便。所以自動聚焦技術(shù)應(yīng)用越來越重要。傳統(tǒng)的聚焦方法在可見光照相機(jī)、攝像儀等應(yīng)用效果較為穩(wěn)定，但在紅外設(shè)備中，受到各種外界因素的影響，自動聚焦算法的精確度、穩(wěn)定性以及抗噪聲性能等方面仍然有待于進(jìn)一步提高。理想的清晰度評價函數(shù)應(yīng)該具有無偏性、單峰性、能反映離焦的極性、對于不同對比度的圖像要具有很好的聚焦穩(wěn)定性［1］，同時對于受到一定噪聲污染的圖像也能夠精確的聚焦，具有較好的抗噪性能。本文采用紅外熱圖像的能量值為清晰度評價函數(shù)的輸入值，利用步進(jìn)電機(jī)單步控制焦點的位置，實現(xiàn)了紅外圖像快速穩(wěn)定聚焦，并且聚焦圖像清晰度較高。

1 紅外圖像區(qū)域能量值清晰度評價函數(shù)

1.1 幾種常用的評價函數(shù)

常用的聚焦評價函數(shù)有灰度梯度函數(shù)、信息學(xué)函數(shù)、頻域函數(shù)等。

1.1.1 灰度梯度函數(shù)

這里主要介紹的灰度差分法，灰度差分法是一種形式簡單聚焦評價函數(shù)，它利用圖像的相鄰像素差的絕對值之和作為聚焦評價函數(shù)，即:

當(dāng)圖像聚焦清晰時，F(xiàn)(x，y)最大。對于亮度變化比較均勻的圖像，灰度差分法計算所得的數(shù)據(jù)值之間差異較小，經(jīng)常出現(xiàn)不符合單調(diào)要求的點，其聚焦效果不好，不能明顯反應(yīng)出鏡頭在不同位置上獲得的圖像質(zhì)量［2］。

1.1.2 信息學(xué)函數(shù)

目前比較成熟的熵函數(shù)，對焦良好的圖像的熵大于沒有對焦清晰的圖像，因此可以作為一種評價標(biāo)準(zhǔn)。對于一幀圖像，圖像的熵函數(shù)表達(dá)式為:

此函數(shù)相對復(fù)雜，依靠此函數(shù)判斷圖像清晰度會受到外界因素的影響，噪聲太大時，對計算結(jié)果影響非常大，穩(wěn)定性差，需要根據(jù)處理的具體對象進(jìn)行適應(yīng)性訓(xùn)練。

1.1.3 頻譜函數(shù)

此類函數(shù)是基于傅里葉變換的，其理論依據(jù)是:高頻分量處于圖像的邊緣，清晰的圖像比模糊的圖像［3］具有更清晰的邊緣和豐富的細(xì)節(jié)。這類函數(shù)主要有:

1)全頻段積分法，表達(dá)式為:

2)閾值積分法，表達(dá)式為:

式中，f(x，y)＞φ(圖像灰度閾值)。取高頻分量作為清晰度判據(jù)是自動聚焦的常用手段。

1.2 能量值評價函數(shù)

傳統(tǒng)的評價函數(shù)都是采用圖像的灰度值或亮度值作為評價函數(shù)的輸入值，在聚焦過程中受到外界噪聲的干擾，圖像信息值會丟失，得到的圖像清晰度評價值非常不準(zhǔn)確，所以聚焦準(zhǔn)確率低下。

紅外圖像通過探測器輸出能量值，將整幅圖像的能量值映射為灰度值0～255 的范圍顯示圖像。能量值是紅外圖像的原始數(shù)據(jù)，不會受任何外界因素的干擾，我們這里在常用的評價函數(shù)基礎(chǔ)上，直接選用能值作為評價函數(shù)的計算值，省去轉(zhuǎn)換步驟，不需要對圖像進(jìn)行預(yù)處理，大大提高聚焦速率，并且清晰度評價值準(zhǔn)確率高。將一幀圖像中間區(qū)域的能量值與周圍八個像素點的能量值差的平方和再取平均作為圖像的聚焦評價函數(shù)，表達(dá)式如下:

式中，f(x，y)為圖像灰度閾值，M，N 分別為中間區(qū)域橫向和縱向的像素個數(shù)。

2 聚焦搜索策略

搜索策略通常采用盲人爬山比較法［2］。首先將鏡頭光軸轉(zhuǎn)動到起始位置，獲取此位置圖像信息，并計算出此時的評價函數(shù)值;然后，驅(qū)動步進(jìn)電機(jī)向另一個方向轉(zhuǎn)動，帶動光軸移動一步，比較此時的圖像評價函數(shù)值與前者的大小，若此時聚集評價函數(shù)值較大，就繼續(xù)向相同的方向移動光軸，如此一步一步移動，直至圖像的聚焦評價函數(shù)值小于前一位置，則前一位置就是圖像最清晰的位置，聚焦結(jié)束。該算法快速簡單，但在實際應(yīng)用中，評價值并不是單調(diào)的，評價值小于前一位置并不一定是最佳位置。因此，本文利用步進(jìn)電機(jī)記步，將步進(jìn)電機(jī)從鏡頭一個極限轉(zhuǎn)到另一個極限，兩個極限中間劃分n 個步進(jìn)段，步進(jìn)電機(jī)每轉(zhuǎn)動一個步進(jìn)段采集一幀圖像，根據(jù)提出的圖像清晰度評價函數(shù)計算此時圖像的評價值，并記錄步進(jìn)電機(jī)的步數(shù)，與上一次的評價值作比較。直到電機(jī)從一個極限轉(zhuǎn)到另一個極限，記錄評價值最大時步進(jìn)電機(jī)的步數(shù)，此時就是聚焦最好的位置，步進(jìn)電機(jī)立即轉(zhuǎn)動到此位置，從而實現(xiàn)自動聚焦。

3 結(jié)論

本文提出了基于紅外圖像能量值的聚集算法，在聚焦點附近曲線尖銳，與相鄰兩個聚焦位置的亮度差更大，并且有著更好的單調(diào)性［4］。實驗表明，在同樣的搜索策略下，步進(jìn)電機(jī)轉(zhuǎn)動全程搜索最大值的方法準(zhǔn)確性很高，尤其是亮度比較均勻的圖像，有著更高的精確性。該系統(tǒng)調(diào)焦機(jī)構(gòu)簡單，聚焦速度較快，易于硬件實現(xiàn)。

［1］高贊.自動聚焦評價函數(shù)的精確度和穩(wěn)定性研究［D］.山東：山東大學(xué)，2007.4.

［2］程永強(qiáng)，黃英男，謝克名.一種攝像頭自動聚焦算法和硬件實現(xiàn)［J］.電子技術(shù)應(yīng)用，2009(16) ：205－209.

［3］查世華，王旭，張武杰，等.一種改進(jìn)的數(shù)字圖像清晰度評價函數(shù)研究［J］.微計算機(jī)信息，2007，23(12) ：279－280.

［4］李奇.數(shù)字自動對焦技術(shù)的理論及實現(xiàn)方法研究［D］.杭州：浙江大學(xué)，2004.4.