摘 "要： 聚焦區(qū)域選擇是自動(dòng)聚焦系統(tǒng)的一個(gè)重要模塊，在分析研究中心取窗和非均勻采樣取窗等傳統(tǒng)聚焦區(qū)域選擇算法局限與不足的基礎(chǔ)上，提出結(jié)合圖像灰度直方圖的自動(dòng)聚焦區(qū)域選擇算法，通過(guò)直方圖來(lái)分離目標(biāo)與背景，讓目標(biāo)像素直接參加清晰度計(jì)算，從而達(dá)到減少運(yùn)算量的目的。實(shí)驗(yàn)表明，此算法加快了清晰度運(yùn)算，改善了聚焦效果。

關(guān)鍵詞： 灰度直方圖; 自動(dòng)聚焦系統(tǒng); 區(qū)域選擇算法; 目標(biāo)分離

中圖分類(lèi)號(hào)： TN919?34; TP391.4 " " " " " " " " 文獻(xiàn)標(biāo)識(shí)碼： A " " " " " " " " " " "文章編號(hào)： 1004?373X（2015）06?0108?03

An improved auto?focusing algorithm fusing the distribution of gray histogram

FENG Yan， LIANG Guang?ming， ZHU Xu?dong

（School of Electronic Science amp; Engineering， National University of Defense Technology， Changsha 410073， China）

Abstract： The selection module of focusing region is an important part of auto?focusing system. Traditional approaches for selecting focusing region includes center window method and non?uniform sampling window method. Based on the analysis of the limitations of traditional approaches， a new auto?focusing region selection method is proposed， which combining the information of image gray histogram. The gray histogram is used to separate the target from its background. Pixels of target image are directly used to calculate the definition to reduce the computation complexity. The experimental results show that the proposed algorithm can calculate the definition more effectively and improve the focusing performance markedly.

Keywords： gray histogram; auto?focusing system; region selection algorithm; target separation

0 "引 "言

自動(dòng)聚焦是圖像獲取的關(guān)鍵技術(shù)，在數(shù)字成像系統(tǒng)、計(jì)算機(jī)視覺(jué)和視頻監(jiān)控等領(lǐng)域有著廣泛的應(yīng)用。其中，區(qū)域選擇定位是自動(dòng)聚焦技術(shù)領(lǐng)域的熱點(diǎn)研究課題，目前主要包括一維區(qū)域法、中心取窗法、多點(diǎn)取窗法和非均勻采樣取窗等方法。文獻(xiàn)[1?2]中闡述，傳統(tǒng)光學(xué)相機(jī)的成像過(guò)程中，聚焦窗口通常選取中心區(qū)域。中心取窗法能適應(yīng)圖像處理的大部分場(chǎng)景，但過(guò)度依賴主體景物成像在圖像中心，對(duì)主體景物成像大小不具有自適應(yīng)能力，且在主體景物偏離中心以及主體景物不是單一目標(biāo)的情況下性能?chē)?yán)重下降。文獻(xiàn)[3?4]中，非均勻采樣主要是對(duì)圖像的不同區(qū)域用不同的采樣率，保持中心采樣率最高，邊緣部分的采樣率隨半徑的增加呈指數(shù)形式降低。如果能找到合適的非均勻采樣函數(shù)，則經(jīng)過(guò)非均勻采樣后得到的數(shù)字圖像就比原圖像數(shù)據(jù)量小，達(dá)到減少圖像數(shù)據(jù)量的目的。非均勻采樣區(qū)域選擇算法是對(duì)整幅圖像進(jìn)行采樣，運(yùn)算中仍然包含了大量的背景信息，并且算法復(fù)雜，需要設(shè)計(jì)復(fù)雜的浮點(diǎn)運(yùn)算，占用更大存儲(chǔ)空間處理。

一維區(qū)域法、中心取窗法、多點(diǎn)取窗法這3種方法主要是通過(guò)在整幅圖像中截取整塊或多塊的幾何區(qū)域來(lái)達(dá)到減少計(jì)算量的目的，方法單一固定，只能適應(yīng)特定的場(chǎng)合，對(duì)其他很多圖像處理場(chǎng)景不具有適應(yīng)性。而非均勻采樣選擇法實(shí)際是對(duì)整幅圖像進(jìn)行采樣，計(jì)算中包含較大比重的背景信息，影響聚焦準(zhǔn)確性，且其算法設(shè)計(jì)復(fù)雜，要占用大量的存儲(chǔ)空間處理，效果并不明顯。本研究從深入理解聚焦“區(qū)域”概念著手，跳出固定幾何圖形選區(qū)的傳統(tǒng)誤區(qū)，認(rèn)為區(qū)域也可指圖像內(nèi)某一性質(zhì)相同或近似的離散像素點(diǎn)集合，提出基于圖像灰度直方圖區(qū)域選擇的自動(dòng)聚焦改進(jìn)算法。

1 "圖像聚焦算法原理

自動(dòng)聚焦首先是利用聚焦評(píng)價(jià)函數(shù)對(duì)目標(biāo)采集圖像進(jìn)行清晰度評(píng)價(jià)，然后根據(jù)調(diào)焦算法來(lái)控制電機(jī)移動(dòng)方向和步長(zhǎng)進(jìn)行極點(diǎn)搜索，直至獲取圖像最佳質(zhì)量的一個(gè)控制反饋。它包括3個(gè)模塊：聚焦區(qū)域選擇算法、聚焦評(píng)價(jià)函數(shù)和極點(diǎn)搜索算法。聚焦評(píng)價(jià)函數(shù)是在聚焦過(guò)程中計(jì)算當(dāng)前圖像的清晰度，判定圖像是否清晰;聚焦區(qū)域選擇是通過(guò)算法分離目標(biāo)與背景，從而減少系統(tǒng)計(jì)算量，提高聚焦精度和速度;極點(diǎn)搜索算法是實(shí)現(xiàn)聚焦點(diǎn)的搜索和定位，獲取清晰圖像。

在實(shí)際應(yīng)用中，Sobel算子是最常用清晰度評(píng)價(jià)方法。假設(shè)待評(píng)價(jià)圖像[f（x，y）]的分辨率為M×N，根據(jù)Sobel邊緣檢測(cè)算子原理，首先把經(jīng)典的兩個(gè)[3×3]算子方向模板拓展至8方向模板：

[-101-202-101-1-2-1000121?-1-2-1000121-2-10-101012-101-202-101012-101-2-10121000-1-2-121010-10-1-210-120-210-10-1-210-1210] （1）

然后根據(jù)Sobel算子，對(duì)圖像中每個(gè)點(diǎn)進(jìn)行鄰域卷積計(jì)算，提取8個(gè)方向上的邊緣成分：

[H1=F（x，y）?S1， " " " " H2=F（x，y）?S2，H3=F（x，y）?S3， " " " " H4=F（x，y）?S4H5=F（x，y）?S5， " " " " H6=F（x，y）?S6，H7=F（x，y）?S7， " " " " H8=F（x，y）?S8] （2）

則圖像中每個(gè)像素點(diǎn)的梯度值可以表示為：

[Ix，y=H21+H22+H23+H24+H25+H26+H27+H28] （3）

再以表征圖像整體噪聲的灰度標(biāo)準(zhǔn)差作為閾值：

[TN=1M×Nx=0M-1y=0N-1[F（x，y）-μmean]2] " （4）

式中：[F（x，y）]為點(diǎn)[f（x，y）]處的灰度值;[μmean]為圖像灰度均值。

把所有大于閾值的梯度值，即把被認(rèn)為是圖像邊緣像素的梯度值相加，以邊緣梯度能量和定義為圖像的清晰度評(píng)價(jià)算子，即：

[E=x=1My=1NIx，y2] "（5）

當(dāng)聚焦越好時(shí)，圖像細(xì)節(jié)越豐富，高頻分量越多，相鄰像素具有更大的梯度函數(shù)值，上述算子的值就會(huì)越大。因此，聚焦最好的圖像就具有最大邊緣能量，其評(píng)價(jià)函數(shù)值也就最大。

2 "融合直方圖區(qū)域選擇的自動(dòng)聚焦算法

前面已經(jīng)討論過(guò)中心取窗法、多點(diǎn)取窗法和非均勻采樣選擇等傳統(tǒng)方法的局限性和缺點(diǎn)，本節(jié)主要是依據(jù)直方圖原理，設(shè)計(jì)新的聚焦區(qū)域選擇算法。根據(jù)先驗(yàn)知識(shí)，一幅圖像的背景信息占據(jù)圖像的大部分像素，而目標(biāo)景象只占據(jù)少部分的圖像信息。在傳統(tǒng)算法中，清晰度判決計(jì)算要對(duì)圖像的所有像素點(diǎn)進(jìn)行遍歷，計(jì)算量大、缺乏實(shí)效性，且背景復(fù)雜，影響聚焦準(zhǔn)確性。論文在分析圖像直方圖基礎(chǔ)上，提出通過(guò)直方圖分布估算背景值，減少參與清晰度計(jì)算數(shù)據(jù)量的改進(jìn)算法。

2.1 "背景區(qū)域標(biāo)記過(guò)濾

根據(jù)直方圖的主要思想，圖像的某種性質(zhì)（實(shí)際中應(yīng)用最多的是圖像灰度）的統(tǒng)計(jì)直方圖是一個(gè)1?D的離散函數(shù)（設(shè)圖像的性質(zhì)總級(jí)數(shù)為L(zhǎng)）：

[p（sk）=nkN， " k=0，1，…，L-1] （6）

式中：[sk]為圖像[f（x，y）]的第k級(jí)性質(zhì)值，[nk]是[f（x，y）]中具有性質(zhì)值為[sk]的像素的個(gè)數(shù);N是圖像像素總數(shù)。在直方圖中，對(duì)應(yīng)每個(gè)性質(zhì)級(jí)k的統(tǒng)計(jì)值是圖像中具有該級(jí)性質(zhì)值的像素的個(gè)數(shù)。圖1是本試驗(yàn)的觀察對(duì)象大便細(xì)胞圖，圖2是該圖的灰度直方圖。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201506＼現(xiàn)代電子技術(shù)15年38卷第6期＼Image＼35t1.tifgt;

圖1 大便細(xì)胞圖

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201506＼現(xiàn)代電子技術(shù)15年38卷第6期＼Image＼35t2.tifgt;

圖2 樣本的灰度直方圖

從圖中可以看出，頻度最大點(diǎn)[nk（max）]附近對(duì)應(yīng)背景區(qū)域。標(biāo)記此時(shí)的灰度值為[K]，在[K]兩邊取門(mén)限[T]，則可以定義背景區(qū)域?yàn)榛叶戎翟赱K-T～（K+T）]之間的像素點(diǎn)， 其中，[T]可以根據(jù)具體的應(yīng)用場(chǎng)景經(jīng)試驗(yàn)統(tǒng)計(jì)得出。

2.2 "融合直方圖區(qū)域選擇的自動(dòng)聚焦算法

（1） 圖片背景區(qū)域像素點(diǎn)標(biāo)記。實(shí)驗(yàn)以醫(yī)學(xué)顯微鏡為研究手段，以大便細(xì)胞樣本為觀察對(duì)象，首先在顯微鏡量程內(nèi)對(duì)觀察對(duì)象進(jìn)行粗搜索聚焦，并定位到一個(gè)人為調(diào)整較為清晰的位置，采集這個(gè)聚焦位置的樣本圖片，標(biāo)記為[fL]。論文就以[fL]作為背景區(qū)域計(jì)算對(duì)象圖，以灰度間隔為[0～255]對(duì)[fL]進(jìn)行直方圖統(tǒng)計(jì)，抽取并標(biāo)記[nk（max）]，并標(biāo)記此時(shí)的灰度值為[K]。預(yù)設(shè)分割門(mén)限為[T]，則背景像素灰度值區(qū)域即為[K-T～（K+T）]，其中，T為經(jīng)驗(yàn)值，取值15。然后以[fL]為中心，重新對(duì)觀察對(duì)象進(jìn)行細(xì)搜索，在電機(jī)上下200步的范圍內(nèi)每5步采集一幅圖片，得到總計(jì)81幀的圖片序列[（f1，f2，…，fL，…，f80，f81）]，則[fL]編號(hào)為[f41]。

（2） 去除背景點(diǎn)圖像序列清晰度計(jì)算。對(duì)于圖像序列[（f1，f2，???，fL，…，f80，f81）]，圖片[fi]的清晰度計(jì)算定義為：

[E（fi）=x=1My=1NIx，y2， " "F（x，y）?K-T，K+T] "（7）

式中，[F（x，y）]是圖像[fi]中像素點(diǎn)[fi（x，y）]的灰度值。

依次計(jì)算序列[（f1，f2，…，fL，…，f80，f81）]中每幅圖片的清晰度，得到清晰度值序列[El][（l=1，2，???，80，81）]。對(duì)[El]進(jìn)行歸一化后，得到如圖3所示的清晰度評(píng)價(jià)曲線。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201506＼現(xiàn)代電子技術(shù)15年38卷第6期＼Image＼35t3.tifgt;

圖3 清晰度評(píng)價(jià)曲線

3 "試驗(yàn)仿真與分析

3.1 "聚焦效果分析

利用Matlab仿真平臺(tái)，按照中心區(qū)域法、非均勻采樣取窗法、融合直方圖的區(qū)域選擇法以及原圖直接計(jì)算法，采用八方向Sobel算子清晰度評(píng)價(jià)算子對(duì)[（f1，f2，…，fL，…，f80，f81）]整個(gè)圖像序列進(jìn)行聚焦評(píng)價(jià)，查看各種窗口選擇算法的聚焦評(píng)價(jià)曲線如圖4所示。

lt;E：＼王芳＼現(xiàn)代電子技術(shù)201506＼現(xiàn)代電子技術(shù)15年38卷第6期＼Image＼35t4.tifgt;

圖4 各區(qū)域選擇法的聚焦性能比較

各區(qū)域取窗法在搜索圖像序列最清晰位置時(shí)都做出了準(zhǔn)確的評(píng)判。本實(shí)驗(yàn)樣本由于電機(jī)鏡頭對(duì)環(huán)境光線較為敏感，以致各窗口選擇法都同時(shí)出現(xiàn)了雙峰的現(xiàn)象，且中心取窗法和非均勻量化采樣法由于在取窗過(guò)程中沒(méi)有準(zhǔn)確地抓取目標(biāo)像素，引入百分比過(guò)多的背景與邊緣信息，導(dǎo)致主峰與偏峰幾乎到了相互混淆的地步，很容易造成誤判。而本文采用圖像像素灰度直方圖法分離背景成分，較為準(zhǔn)確的標(biāo)記和抓住了目標(biāo)信息，評(píng)價(jià)曲線更為陡峭，且能顯著地抑制噪聲干擾，避免了誤判錯(cuò)判的不良后果。

3.2 "聚焦時(shí)間分析

從實(shí)驗(yàn)結(jié)果來(lái)看，在聚焦評(píng)價(jià)過(guò)程中，執(zhí)行最快的是中心取窗法，本文方法次之，而直接sobel法，即對(duì)全圖進(jìn)行計(jì)算的方法則較慢，非均勻采樣法則耗費(fèi)了大量的時(shí)間。中心取窗法由于對(duì)固定區(qū)域像素執(zhí)行清晰度計(jì)算，步驟比較簡(jiǎn)潔，所以耗時(shí)最短，但是其評(píng)價(jià)曲線在四種方法之中最為起伏，尤其是相比本文方法，其穩(wěn)定性相差甚遠(yuǎn)。如表1所示。

表1 各區(qū)域選擇法在聚焦過(guò)程中的執(zhí)行時(shí)間 "s

4 "結(jié) "語(yǔ)

本文設(shè)計(jì)實(shí)現(xiàn)了融合圖像灰度直方圖的自動(dòng)聚焦算法，摒棄傳統(tǒng)固定幾何圖形選取聚焦區(qū)域的作法，通過(guò)圖像灰度直方圖統(tǒng)計(jì)，有效地分離了絕大部分的背景信息，較為準(zhǔn)確的抓住了目標(biāo)像素。算法極大地減少了圖像清晰度評(píng)價(jià)的計(jì)算量，提高了聚焦的實(shí)效性，且能有效地抑制噪聲產(chǎn)生的影響，避免錯(cuò)判誤判，圖像清晰度評(píng)判的準(zhǔn)確性、穩(wěn)定性都表現(xiàn)的比較優(yōu)越，算法具有非常廣泛的適用性。

參考文獻(xiàn)

[1] WON C S， PYAN K. Automatic object segmentation in images with lou depth of field [C]// IEEE International Conference on Image Processing， 2002： 805?808.

[2] KIM Yoon， LEE June?Sok， MORALES A W. A video camera system with enhanced zoom tracking and auto white balance [J]. IEEE Transactions on Consumer Electronics， 2002， 48（3）： 428?434.

[3] 張樂(lè)，姜威，高贊.數(shù)字圖像一階矩的自動(dòng)聚焦區(qū)域選擇算法[J].光學(xué)技術(shù)，2008（2）：163?164.

[4] GAO Yun， REEVES S J. Optimal sampling in array?based image formation [C]// Proceedings of 2000 Internaltional Conference on Image Processing. [S.l.]： IEEE， 2000， 1： 733?736.

[5] 章毓晉.圖像分割[M].北京：科學(xué)出版社，2001.

[6] 朱錚濤，黎紹發(fā)，陳華平.基于圖像熵的自動(dòng)聚焦函數(shù)研究[J].光學(xué)精密工程，2004，12（5）：537?542.

[7] 朱孔鳳.用高斯非均勻采樣解決自動(dòng)聚焦中的誤判[J].光學(xué)技術(shù)，2005（6）：910?912.

[8] 王培珍，陳維南.基于二維閾值化與 FCM 相結(jié)合的圖像快速分割方法[J].中國(guó)圖象圖形學(xué)報(bào)，1998（9）：734?738.