传统的基于梯度的图像清晰度评价函数(调焦函数)对噪声敏感, 在实际应用中易引入过多的非边缘信息, 影响系统的稳定性。本文基于光学成像系统离焦模型分析了系统离焦对图像清晰度的影响, 并提出了一种改进的图像清晰度评价方法。该方法利用最大灰度差提取细节信息来评价图像清晰度; 引入阈值区分边缘点和非边缘点来减小图像平坦区域对评价函数灵敏度的影响, 同时有效抑制噪声的干扰。进行了仿真实验和实际测试并与传统的清晰度评价函数进行了比较。结果显示, 提出的方法具有更好的灵敏度和抗噪性能, 能够准确而稳定地评价离焦模糊图像的清晰度, 可用于实际光学系统的自动调焦。

针对离焦模糊图像的盲复原算法的研究具有重要的实际意义和实用价值。根据光学离焦成像模型,研究提出了一种基于微分图像自相关的离焦模糊图像超分辨力盲复原算法,即首先采用拉普拉斯算子对离焦模糊图像进行二阶微分并求微分图像的自相关,然后从自相关结果所包含的信息中确定离焦模糊半径,最后以离焦模糊模型结合MPMAP超分辨力复原算法对离焦模糊图像进行盲复原。实验证明：算法能够以较高的精度估计出离焦模糊半径并实现离焦模糊图像的盲复原,该算法较其它同类算法在减少计算过程中需要考虑的各类因素的同时也减少了计算量,提高了结果精度,依靠超分辨力复原算法获取更多的复原图像信息,已在实际刑侦和物证鉴定的离焦模糊图像判读和鉴定中获得成功应用。

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.