自动聚焦是图像测量和计算机视觉中的重要技术。研究发现,以前的一些自动聚焦算法,在没有噪声的影响下,效果较好,但一旦有噪声的影响,算法可能会失效,因此,提出了一种自适应的自动聚焦方法。首先通过一个基于局部小窗口的自适应门限将边缘像素和非边缘像素区别开来,然后再加上一个全局门限来进一步滤除噪声的影响,最后用一些自动聚焦算法来计算经过自适应处理后的图像,画出它们的聚焦曲线。经过大量的实验,结果表明,该算法不仅具有单峰性强,无偏性好,灵敏度高等特点,而且还具有很好的抗噪声性能。

如何快速有效地实现聚焦一直是图像测量中的焦点,其中图像自动聚焦评价函数的选择是关键问题.在比较、研究图像聚焦评价函数和边缘检测的基础上,提出了将Roberts梯度算子作为聚焦评价函数引入自动聚焦之中,同时为了消除噪声的影响,仔细研究阈值问题,并引入了一个阈值参数.经过大量的仿真实验,画出了几种自动聚焦算法的聚焦图形,并进行了详细的比较分析.结果表明,引入参数的Roberts算子具有无偏性好、单峰性强、灵敏度高等特点,该算子比其他评价函数更为准确、稳定、可靠.

在使用图像分析进行自动聚焦时,聚焦的准确性和有效性至关重要。聚焦窗口过大不仅增加计算量,且背景图像太多会引起误判;窗口太小则会导致目标偏离窗口,亦会引起误判。深入研究了聚焦窗口的选择问题,提出了一种新的选择方法,有效解决了上述问题。引入非均匀采样,可以保证中央的高分辨率和较大的视场范围,既保证目标图像位于聚焦窗口之内,又显著减小了背景图像的负面影响。同时对采样参量做了进一步的研究,以获得更好的效果。实验结果表明该方法有效提高了对焦的准确性和有效性而且减少了数据量,没有影响系统的实时性。

离焦模糊图像清晰度评价函数是采用数字图像处理技术实现自动调焦的一个关键,需要不断地提高评价函数的准确性和有效性.深入研究了各种图像梯度的分布情况后发现模糊图像小梯度像素数较大,而清晰图像大梯度的像素数则明显比模糊图像的多,因此可以给梯度加一个阈值,去掉梯度小的值保留梯度大的值,这样可以突出清晰图像的的优势,易于准确判断.首次提出了一种用图像梯度加阈值求和作为由于离焦产生的模糊图像的评价函数,建立了上述评价函数的数学模型,并给出了实验结果和分析.与以往的图像灰度方差、梯度和、小波变换等评价函数相比,给出的评价函数无偏性好、单峰性强,信噪比高,计算量小,在焦平面附近具有变化趋势明显和灵敏度高的特点.