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