一種基于模糊熵的影像自動對焦方法測數據傳輸裝置和方法
【技術領域】
[0001] 本發(fā)明涉及圖像處理和自動對焦技術領域，特別涉及一種基于模糊熵的影像自動 對焦方法。
【背景技術】
[0002] 隨著計算機技術和圖像信息處理技術的不斷發(fā)展，基于圖像技術的非接觸式測量 因其快捷、方便、智能等特點，被廣泛應用到各個領域。非接觸式影像測量的基礎是獲取清 晰的圖像，而自動對焦則是圖像系統(tǒng)獲取清晰圖像的重要過程，是機器視覺系統(tǒng)的關鍵技 術。
[0003] 自動對焦是通過選擇適當的對焦評價函數對所采集的圖像進行評價，根據評價結 果，應用搜索算法搜索圖像的對焦點，然后驅動調焦機構使CCD快速準確到達焦點位置。
[0004] 理想的自動對焦方法要求對焦評價函數具有單峰性、尖銳性和唯一性等特點。然 而，由于對焦場景多種多樣，光照條件變化不定，使得對焦評價值函數曲線在很多情況下不 是單調平滑的單峰曲線，而是呈現(xiàn)多個峰值，從而使對焦搜索容易陷入局部峰值。特別是 在復雜多變的工業(yè)影像測量現(xiàn)場，對焦過程可能會長時間陷入反復來回振蕩而導致對焦失 敗。

【發(fā)明內容】

[0005] 發(fā)明的目的在于克服現(xiàn)有技術之不足，提供一種基于模糊熵的影像自動對焦方法 測數據傳輸裝置和方法，對焦效率高，對焦準確，可廣泛地應用于工業(yè)影像測量系統(tǒng)。
[0006] 本發(fā)明解決其技術問題所采用的技術方案是：提供一種基于模糊熵的影像自動對 焦方法測數據傳輸裝置，包括：驅動鏡頭以特定步長遍歷整個搜索區(qū)域，在鏡頭的初試位置 以及每一步的位置獲取一副圖像，對所得到的每一副圖像保存其對應的鏡頭位置，通過模 糊熵對每一副圖像信息進行表征，定義圖像的邊緣特征矩陣，并基于像素的測度定義圖像 對焦評價函數，從而確定圖像測量系統(tǒng)的精確對焦位置。
[0007] 優(yōu)選的，所述的對每一副圖像定義模糊熵的方法為：設所獲取的mXn維圖像具有 N個灰度級，定義模糊集A，其論域為圖像的灰度級，并對圖像中每個像素的灰度值進行歸 一化處理，定義模糊集A的隸屬度函數為：
[0009] 在模糊集A上定義模糊熵為：
[0010] EA( yA(f (i, j))) = - ( μΑ(? (i, j))) log( yA(f (i, j))),
[0011] 其中，當f (i, j) = k時，隸屬度函數最大而模糊熵最小，且模糊熵在f (i, j) = k 具有對稱性。
[0012] 優(yōu)選的，所述定義圖像的邊緣特征矩陣的方法為：以圖像中每一個像素的灰度值 構建mXn維矩陣M，在矩陣Μ中，取像素點（i，j)為中心，大小為1X1的一個窗口，其中1 為奇數；在該窗口上定義像素點（i，j)的基于模糊熵的測度為：
[0014] 令f(i，j) = k，當像素點（i，j)為邊緣點時，窗口內各點的灰度值差異大，則 mA(i，j)的值也較大；對圖像中所有的像素點分別計算測度％(1，」），構建圖像的邊緣特征 矩陣 M[mA(i，j)]^。
[0015] 優(yōu)選的，所述定義圖像對焦評價函數為：
[0016] F = Σ (i』ERectmA(i, j)，其中 Rect 為對焦窗口。
[0017] 優(yōu)選的，計算所獲取的每一副圖像的評價值的最大值，其所定義的鏡頭位置即為 鏡頭對焦位置。
[0018] 優(yōu)選的，驅動鏡頭移動至所獲得的鏡頭對焦位置，對焦結束。
[0019] 優(yōu)選的，所述二位輸入信號f(i，j)是所獲取圖像中的全部區(qū)域或者局部區(qū)域。
[0020] 優(yōu)選的，一種基于模糊熵的影像自動對焦方法測數據傳輸裝置，包括如下步驟：
[0021] A1、自動對焦操作開始，鏡頭行進步速設置為0 ;
[0022] A2、獲取并保存鏡頭當前位置的采集圖像；
[0023] A3、鏡頭行進步速i加1，根據所選定的步長s計算鏡頭位置Pi= iXs，保存鏡頭 位置Pi。
[0024] A4、在圖像中心截取mXn的對焦窗口；
[0025] A5、mXn維圖像具有N個灰度集，定義模糊集A，其論域為圖像的灰度集， 并對圖像中每個像素的灰度值進行歸一化處理，定義模糊集A的隸屬度函數為：
其中，k為歸一化處理后的像素灰度值，0. yA(f(i，j)) < 1 ; 定義模糊熵為：EA(yA(f(i，j))) =_(yA(f(i，j)))l〇g(yA(f(i，j)));
[0026] A6、以圖像中每一個像素的灰度值構建mXn維矩陣M，取像素點（i，j)為中心，大 小為1X1的一個窗口，其中1為奇數；在該窗口上計算像素點（i，j)的基于模糊熵的測度
?對圖像中所有的像素點分別計算 測度叫(;[，j)，構建圖像的邊緣特征矩陣M[mA(i, j)]mXn;
[0027] A7、定義對焦評價函數F = eRfM：tmA(i，j)，其中Rect為對焦窗口，根據對焦評 價函數計算圖像的評價值Qi;
[0028] A8、根據當前鏡頭位置判斷是否已經遍歷整個搜索范圍；如果已經達到搜索范圍 的最大值，則進入步驟A9,否則返回步驟A2 ;
[0029] A9、從所采集的圖像評價值數組中找出最大值％及其對應的鏡頭位置p
[0030] A10、計算當前鏡頭所在位置pn與圖像評價值最大所對應鏡頭位置p "的距離d = Ρη,-Ρη；
[0031] All、將d反饋給驅動控制部分，驅動鏡頭至對焦位置；
[0032] A12、對焦結束，所以存儲單元清空。
[0033] 本發(fā)明的有益效果是：
[0034] 1)在對圖像進行對焦評價時，將模糊熵用于計算像素點的測度。圖像越是清晰，圖 像中的像素點的灰度值差異越大，從而計算測度越大，可以很好的反映圖像的清晰程度，且 抗噪性強，對拍攝環(huán)境適應性強。因此根據圖像各點的模糊熵得到圖像的評價值，具有很高 的對焦精確度。
[0035] 2)采用電機固定步長遍歷對焦窗口的搜索算法，電機只需按照固定步長自左向右 運行一趟，不需要進行往復運動，因此不需要設置電機延遲，有效節(jié)約了電機的搜索時間。
[0036] 以下結合附圖及實施例對本發(fā)明作進一步詳細說明；但本發(fā)明的一種基于模糊熵 的影像自動對焦方法測數據傳輸裝置和方法不局限于實施例。
【附圖說明】
[0037] 圖1是本發(fā)明方法的流程圖；
[0038] 圖2(a)是對焦模糊的剎車片凸臺圖片；
[0039] 圖2(b)是對焦清晰的剎車片凸臺圖片；
[0040] 圖3是本發(fā)明的自動對焦方法與經典對焦方法的對比；
[0041] 圖4是最佳放大倍率不同光照條件下本發(fā)明的自動對焦方法的對比；
[0042] 圖5(a)是在光照條件過弱條件下的本發(fā)明的自動對焦方法與基于Breene算子的 對焦方法的對比；
[0043] 圖5(b)是在光照條件過強條件下的本發(fā)明的自動對焦方法與基于Breene算子的 對焦方法的對比。
【具體實施方式】
[0044] 實施例1
[0045] 參見圖1所示，本發(fā)明的一種基于模糊熵的影像自動對焦方法測數據傳輸裝置， 包括：驅動鏡頭以特定步長遍歷整個搜索區(qū)域，在鏡頭的初試位置以及每一步的位置獲取 一副圖像，對所得到的每一副圖像保存其對應的鏡頭位置，通過模糊熵對每一副圖像信息 進行表征，定義圖像的邊緣特征矩陣，并基于像素的測度定義圖像對焦評價函數，從而確定 圖像測量系統(tǒng)的精確對焦位置。
[0046] 更進一步，所述的對每一副圖像定義模糊熵的方法為：設所獲取的mXn維圖像具 有N個灰度級，定義模糊集A，其論域為圖像的灰度級，并對圖像中每個像素的灰度值進行 歸一化處理，定義模糊集A的隸屬度函數為：
[0047]
，其中，k為歸一化處理后的像素灰度值；
[0048] 在模糊集A上定義模糊熵為：
[0049] EA( yA(f (i, j))) = - ( μΑ(? (i, j))) log( yA(f (i, j))),
[0050] 其中，當f (i, j) = k時，隸屬度函數最大而模糊熵最小，且模糊熵在f (i, j) = k 具有對稱性。
[0051] 更進一步，所述定義圖像的邊緣特征矩陣的方法為：以圖像中每一個像素的灰度 值構建mXn維矩陣M，在矩陣Μ中，取像素點（i，j)為中心，大小為1X1的一個窗口，其中 1為奇數；在該窗口上定義像素點（i，j)的基于模糊熵的測度為：
[0053] 令f(i，j) = k，當像素點（i，j)為邊緣點時，窗口內各點的灰度值差異大，則 mA(i，j)的值也較大；對圖像中所有的像素點分別計算測度％(1，」），構建圖像的邊緣特征 矩陣 M[mA(i，j)]^。
[0054] 更進一步，所述定義圖像對焦評價函數為：
[0055] F = Σ (n ERectmA(i, j)，其中 Rect 為對焦窗口。
[0056] 更進一步，計算所獲取的每一副圖像的評價值的最大值，其所定義的鏡頭位置即 為鏡頭對焦位置。
[0057] 更進一步，驅動鏡頭移動至所獲得的鏡頭對焦位置，對焦結束。
[0058] 更進一步，所述二位輸入信號f(i，j)是所獲取圖像中的全部區(qū)域或者局部區(qū)域。
[0059] 更進一步，一種基于模糊熵的影像自動對焦方法測數據傳輸裝置，包括如下步 驟：
[0060] A1、自動對焦操作開始，鏡頭行進