基于图像处理的一体化摄像机自动聚焦系统设计

胡建萍 ，于 鹏

(杭州电子科技大学 电子信息学院，杭州310018)

近年来一体化摄像机成为了电视监控系统的核心设备。所谓一体化摄像机就是内置光学镜头，可以变倍、自动聚焦的摄像机。与传统摄像机相比，一体机具有结构简单，小巧方便，控制系统简单等特点，因此在监控领域里得到了广泛的应用。而一体化摄像机的发展要得益于自动聚焦技术的快速发展。

从原理上讲传统的自动聚焦可以分为两类:一类是基于镜头与被摄物体之间距离测量的方法(主动式)，另一类是基于聚焦屏幕上成像清晰度的聚焦检测方法(被动式)。随着现代计算机应用的发展和数字图像处理技术的发展，自动聚焦进入了一个崭新的阶段，基于图像处理的自动聚焦算法越来越多。

基于图像处理的自动聚焦技术与传统的自动聚焦技术具有完全不同的出发角度，它是直接针对拍摄的图像采用图像处理技术，对图像进行成像质量分析，得到系统当前的对焦状态，然后通过驱动电机调整系统镜头的焦距，从而实现自动聚焦。

1 自动聚焦原理

在计算机里存储的图片是由一个个像素构成的，事实上这些看似杂乱无章的像素点之间有着必然的联系。由光学知识和数字图像处理理论可以推断聚焦清晰的图片比没有聚焦清晰的图片具有更大的对比度。从空域角度来讲，图像的边界和细节部分更清晰，清晰图像比离焦图像的灰度变化明显，有较锐化的边缘;从频域角度来讲，清晰地聚焦图像比离焦的图像有更多的信息和细节，图像的高频分量也更加丰富。因此可以通过分析图像的灰度差值和高频分量的多少来判断图像是否为聚焦后的清晰图像。

2 自动聚焦算法的研究

基于图像处理的自动聚焦算法主要包括三部分:图像聚焦质量评价函数，聚焦区域选择算法和焦点搜索算法。

2.1 图像聚焦评价函数

据理论分析可知，图像的灰度差值和高频分量可以用来判断图像是否为聚焦后的清晰图形，常用的清晰度分析方法如下:

(1)时域分析法。时域分析法主要是从图像的原始数据中获取图像的灰度对比值，根据数值的大小判别清晰度。

常用的时域分析法主要有:Brenner 函数法、Variance 函数法、梯度平方函数、灰度差分绝对值之和函数法以及Tenengrad 函数法等。

(2)频域分析法。这种方法是基于傅里叶变换的，傅里叶高频分量对应着图像的边缘，而聚焦的图像总是有锋利的边缘，也就是包含更多的高频分量，因此基于频域分析的手段可以应用到聚焦评价函数中。

频域分析法主要有:基于离散傅里叶变换的聚焦评价函数和基于小波分析的聚焦评价函数。

(3)信息熵分析法。聚焦图像的信息熵比离焦的模糊图像的信息熵多，所以可利用图像的信息熵作为评价函数。

在实际的应用中，聚焦时系统都会受外部的噪声的干扰，而传统的图像聚焦评价函数都会受噪声的影响较大，有时不能正确的完成聚焦，本文运用了加权中值滤波算法。设图像中某点(x，y)的灰度值为g(x，y)，med 为求中值函数。FSWM 为评价函数。

此函数是分别计算聚焦区域的每个像素点的x方向和y 方向与其周围像素点的中值滤波后的灰度值的差值。然后将所有的差值求和得到相应的评价函数。通过实验表明，与传统的时域分析法相比，此算法有着更好的单峰性和对称性。本算法由于在求聚焦评价函数值时对图像进行了中值滤波，所以此算法能有效的抑制噪声。

2.2 聚焦区域选择算法

聚焦区域的选择会直接影响到聚焦的复杂度、计算量和精确度。本系统采用了传统的黄金分割多点区域选择算法，如图1 所示。

图1 黄金分割点

一幅图画中除了中心点O 是人的视觉要点外，还有四个点也是视觉关键点，就是画面中的四个黄金分割点A、B、C、D。以这五个点为中心，各自选取32 像素×32 像素块进行图像处理。此区域选择算法降低中心取窗的高失败率，利用多点的估计提高了主体景物的覆盖率。

2.3 焦点搜索算法

常用的聚焦搜索方法有全局搜索法，Fibonacci搜索法，爬山法和曲线拟合法等。传统的爬山法采用的是定步长的方式进行聚焦，在离焦的情况下从镜头的起始位置到正确的焦点位置之间有很长一段的距离可能是评价函数值很小的区域，如果全部计算这部分的评价函数值对自动聚焦系统是无意义的，且浪费了大量的资源和时间。本文采用改进的自适应步长的爬山搜索法，可降低搜索复杂度和时间此算法的流程如图2 所示。

图2 改进的爬山算法流程图

首先取得初始位置的图像，并计算出此时的聚焦评价函数值，然后让步进电机驱动镜头从起始位置向上移动一步，将此时的图像评价函数值与前者进行比较，若比前者的聚焦评价函数值大，就继续向上移动调焦镜头。如果连续得到的两幅图像其评价函数值相差的不太大，则说明上一次镜头移动不能明显地改变图像质量，说明此时镜头所处位置离聚焦点还很远，下一次镜头的移动的步长可以加大。反之，如果相邻的两幅图的评价函数相差很大，可以说明上次镜头的移动显著地改善了图像的质量，说明镜头所处的位置离聚焦点很近，所以镜头下一次要以小步长移动。如此循环，直到当前的图像质量评价函数值小于前一位置，则说明前一位置就是图像最清晰的位置，至此聚焦结束。

3 自动聚焦系统的硬件实现

本系统主要由CCD 摄像机，带有步进电机的光学镜头和FPGA 组成的，系统的硬件结构图如图3所示。

图3 系统硬件结构图

本系统运用SONY 的CCD 以及相应的SONY套片，完成原始数据的采集。芯片CXD4103R 为图像处理主芯片，不仅能够完成CCD 控制、自动增益控制和CCD 输出数据的亮色分离，而且能够硬件实现AE/AWB 功能，并提供ITU656 格式的数据输出。CXD1267AN 主要是用来提供驱动时钟。CXA2096N是跟CCD 配合使用的信号放大器。

FPGA 从输入的视频信号中提取亮度Y 信号，采用加权中值滤波灰度差值法，计算出这帧图片的灰度差值和，通过比较相邻图像的灰度差值，FPGA输出用于聚焦的步进电机的驱动信号，该信号驱动步进电机的转动方向和步数来控制光学镜头，搜索灰度差值最大的那帧图像，最终完成聚焦功能。

4 实验结果分析

为了验证所设计的系统的可行性和所用到的中值滤波差值算法的评价函数的有效性。对该系统进行了大量的实验测试。图4 所示的是加权中值滤波差值算法与传统的Variance 函数法的聚焦评价函数值的对比图。

图4 聚焦评价函数曲线对比图

由图4 可以看出本系统采用的聚焦评价函数算法在聚焦点附近曲线更尖锐，相邻两个聚焦位置的亮度差值更大，也有较好的单调性，同时本算法在得到聚焦评价函数值前进行了中值滤波，因此具有一定的抗噪性。

图5 是开始聚焦时计算机采集到的图像，图6是在系统聚焦后的采集的图像。对比两图可以看出该系统具有较好的聚焦效果，而且灵敏度高，稳定性好，能够满足视频采集的要求。可以广泛地应用在一体化摄像机中。

图5 聚焦开始前的图像

图6 聚焦后的图像

5 小结

本文介绍了一种基于图像处理的自动聚焦系统的设计。该系统运用了加权中值滤波灰度差值法作为评价函数算法，结合了传统的摄像构图的黄金分割区域选择法，采用了改进的自适应步长的爬山聚焦搜索算法，可减少聚焦过程中运算量和搜索时间。最后使用基于FPGA 的硬件架构实现该自动聚焦系统。通过大量的实验证明该系统调焦机制简单，易于实现，可以获得比较满意的聚焦结果，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］ 陈书海，傅录祥.使用数字图像处理［M］.北京:北京科学出版社，2005.

［4］ 盛云，秦亚杰，洪志良. 一种用于数码视频相机的实时自动聚焦算法［J］.光电工程，2008，35(8):139－143.

［5］ 徐欣，于红旗，易凡，等.基于FPGA 的嵌入式系统设计［M］.北京:机械工业出版社，2005.

［6］ 朱孔凤，姜威，王端芳，等.一种新的图像清晰度评价函数［J］.红外与激光工程，2005，34(4):464－465.

［7］ 董代，刘荣，孙明磊，等.基于互相关的自动聚焦方法［J］.北京航空航天大学学报，2006，32(3):304－310.

［8］ 郑玉珍，吴勇，倪旭翔. 实时自动聚焦的研究［J］. 光电工程，2004，31(4):62－66.