王竑舒，徐熙平

（長春理工大學(xué) 光電工程學(xué)院，長春 130022）

超廣角相機(jī)和全景相機(jī)在生活中的應(yīng)用越來越多，涉及VR、無人機(jī)、監(jiān)控、汽車影像等多個行業(yè)［1］，對圖像質(zhì)量測試方法和測試設(shè)備都提出了很多新的挑戰(zhàn)，廣角相機(jī)鏡頭的調(diào)焦也變得更加重要。在固定焦距的廣角鏡頭和傳感器的組裝過程中，需對廣角鏡頭進(jìn)行調(diào)焦后膠合。然而對于視場角大的廣角攝像頭，常用的方法只能實(shí)現(xiàn)圖像中心的調(diào)焦，在實(shí)際中圖像四周可能還是模糊的，為了解決這一問題，采用圖像處理的方法對廣角成像進(jìn)行清晰度成像判斷，對相機(jī)的成像通過清晰評價(jià)函數(shù)計(jì)算，判斷圖像清晰度是否達(dá)到要求，并根據(jù)調(diào)焦搜索算法控制調(diào)焦機(jī)構(gòu)，直到調(diào)焦評價(jià)函數(shù)結(jié)果達(dá)到極值［2］，完成自動調(diào)焦過程，整體流程如圖1所示。

圖1 自動調(diào)焦流程圖

通過對圖2所示的6003A-JT相機(jī)在基于圖3的實(shí)驗(yàn)平臺環(huán)境下采集到的圖像中的測試卡進(jìn)行輪廓提取，結(jié)合 Brenner，SMD，Energy，Tengengrad，SMD2，Laplacia這六種算法進(jìn)行研究，通過評價(jià)值判斷圖像清晰度的是否與人眼感官一致，并與原始圖像清晰度評價(jià)結(jié)果進(jìn)行對比，在保持清晰度評價(jià)結(jié)果正確的基礎(chǔ)上降低了評價(jià)函數(shù)的運(yùn)行時(shí)間。

圖2 6003A-JT相機(jī)

1 調(diào)焦窗口的選擇

傳統(tǒng)調(diào)焦評價(jià)函數(shù)對圖像中的所有像素進(jìn)行評價(jià)，適用于普遍場景，但并不是所有像素都具有評價(jià)的價(jià)值，選擇正確的調(diào)焦窗口能有效減少背景區(qū)域參加計(jì)算像素，提高系統(tǒng)調(diào)焦的實(shí)時(shí)性。由于廣角相機(jī)圖像的特殊性，在暗箱內(nèi)對頂部固定的測試卡片進(jìn)行圖像采集，所采用的攝像頭錄入圖像如圖4所示，可以看出在圖像中有明顯的類似圓形的輪廓，在圓形外的圖像即背景區(qū)域灰度值變化不大，圖像中心的測試卡與背景區(qū)域具有較大的灰度差值，提取圖像中心測試卡與上邊、右邊的測試卡進(jìn)行單獨(dú)判斷是提高所采用攝像頭圖像評價(jià)的關(guān)鍵所在。輪廓廣泛的應(yīng)用于目標(biāo)檢測、目標(biāo)識別、特征提取、圖像分割［3-4］等方面，而提取所需的對焦窗口正是由輪廓提取技術(shù)結(jié)合圖像掩膜技術(shù)完成的。

圖3 實(shí)驗(yàn)平臺

1.1 輪廓提取

圖像的邊緣的矢量對象包括幅度和方向兩種，在一定的條件下邊緣可能包含了圖像的全部信息，它通常存在于圖像灰度值變化劇烈的位置，表現(xiàn)為局部灰度值發(fā)生間斷不連續(xù)，所以可以通過這個物理過程，可以利用圖像的灰度分布圖來反映產(chǎn)生的灰度變化的部分，從而找到圖像灰度變化率最大的位置，可以用于圖像的分割和特征提取。

圖4 攝像頭錄入的圖片

通過上述理論，就圖像的水平和垂直方向進(jìn)行一階或者二階求導(dǎo)可以得到圖像的邊緣。目前有很多一階和二階求導(dǎo)的邊緣檢測算子，在眾多的算子中，Sobel算子因?yàn)檫\(yùn)算時(shí)間短，邊緣檢測準(zhǔn)確等優(yōu)點(diǎn)得到了廣泛的應(yīng)用［5］，因此選用Sobel算子進(jìn)行邊緣檢測。首先選取閾值對梯度圖進(jìn)行處理，將圖像的邊緣與背景進(jìn)行簡單分離，只有超過閾值的梯度才會被認(rèn)為是有效梯度，閾值T可采用Otsu分割算法求解，為了增強(qiáng)邊緣區(qū)域與圖像背景的對比度，對圖像進(jìn)行閾值處理轉(zhuǎn)變?yōu)橐环祱D如圖5所示。其中f(x,y)表示與輸入圖像f對應(yīng)的像素(x,y)的灰度值，然后，使用Sobel算子獲得邊緣檢測后的圖像，如圖6所示，其在檢測邊緣處灰度值為1，其余位置處值為0。

圖5 二值圖像

圖6 邊緣檢測后的圖像

1.2 圖像掩膜

圖像掩膜［6］的處理過程或得到圖像的區(qū)域是由事先選擇好的圖像、幾何體或?qū)ο髮υ紙D像進(jìn)行遮擋而得到的。從圖4中能看出采集卡的輪廓面積周長明顯大于周圍的干擾因素，因此選擇面積判斷作為感興趣區(qū)域?qū)⒉杉◤母蓴_因素中提取出來，根據(jù)掩膜的原理，將中心測試卡與上邊、右邊的測試卡作為模板，與圖2進(jìn)行矩陣相乘，使模板區(qū)域內(nèi)部的值與模板一致，屏蔽區(qū)域外的圖像，得到圖7所示圖像中心區(qū)域及周邊需要評價(jià)的圖像。

圖7 對焦窗口提取結(jié)果

2 調(diào)焦評價(jià)函數(shù)研究

傳統(tǒng)的無參考對象的圖像清晰度評價(jià)方式有以下四種：（1）基于空域的評價(jià)方式：通過計(jì)算圖像像素之間的梯度信息進(jìn)行評價(jià)；（2）基于頻域的評價(jià)方式：通過計(jì)算圖像的頻域上信息來計(jì)算圖像的質(zhì)量（3）基于信息熵的評價(jià)方式；（4）基于統(tǒng)計(jì)學(xué)的評價(jià)方式［7-9］。設(shè)當(dāng)前像素點(diǎn)為（x,y），則（x,y）的鄰域?yàn)椋?/p>

通過文獻(xiàn)閱讀選用對以下六種評價(jià)函數(shù)對提取的采集卡進(jìn)行編程并評價(jià)分析。

2.1 Brenner梯度函數(shù)

Brenner梯度函數(shù)計(jì)算相鄰兩個像素點(diǎn)差值的平方，僅計(jì)算一個方向上梯度值。所以通過平方進(jìn)行邊緣的增強(qiáng)，它是最簡單的梯度清晰度評價(jià)函數(shù)，定義如下：

圖像清晰度的最終結(jié)果是用式子中的E(f)顯現(xiàn)出來的，計(jì)算出的E(f)值越大代表圖像越清晰（下同）。

2.2 Tenengrad梯度函數(shù)

Tenengrad函數(shù)不單單考慮了水平方向上的梯度信息，同時(shí)也考慮了垂直方向上的梯度信息，Tenengrad梯度清晰度函數(shù)的定義如下：

即采用了Sobel模板對當(dāng)前像素點(diǎn)上進(jìn)行卷積運(yùn)算，Sx，Sy分別為水平和垂直方向模板：

2.3 Laplacian梯度函數(shù)

Laplacian梯度函數(shù)定義如下：

Laplacian梯度函數(shù)與Tenengrad梯度函數(shù)的定義相似，用模板L如下對圖像進(jìn)行卷積。

2.4 SMD（灰度方差）函數(shù)

當(dāng)圖像處于聚焦位置時(shí)，可以將灰度變換作為依據(jù)調(diào)焦評價(jià)的依據(jù)，是因?yàn)樵角逦膱D像所包含的高頻分量越多，相對離焦圖像具有更大的灰度差異，SMD函數(shù)定義如下：

灰度方差函數(shù)只是進(jìn)行圖像像素的加減運(yùn)算，相對其它函數(shù)，運(yùn)算量較低。

2.5 SMD2（灰度乘積）函數(shù)

灰度方差評價(jià)函數(shù)具有很好的計(jì)算效率，但聚焦精度不高。李郁峰、陳念年［8］提出了一種利用相鄰像素在水平和垂直方向的上差分乘積對圖像進(jìn)行評價(jià)，灰度乘積函數(shù)的定義如下：

2.6 能量梯度函數(shù)

能量梯度評價(jià)函數(shù)通過計(jì)算水平方向和垂直方向上相鄰的兩個像素的灰度梯度平方值來進(jìn)行評價(jià)，平方運(yùn)算突出了較大梯度點(diǎn)的作用，適用于圖像清晰度的實(shí)時(shí)評價(jià)。能量梯度清晰度函數(shù)定義下：

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)采用6003A-JT工業(yè)CMOS相機(jī)進(jìn)行圖像的采集，視場角為190°，雙通道圖像垂直分辨率1520，從離焦-聚焦-離焦過程中，采集得到的一系列圖像，圖7列出的是某次實(shí)驗(yàn)的28幀中的部分圖像，圖8是圖7相對應(yīng)進(jìn)行調(diào)焦窗口提取后的圖片，觀察圖像序列圖像，可估計(jì)到最清晰圖片位于13幀-17幀之間。

圖7 28幅圖片中的部分原圖

圖8 28幅圖片中對焦窗口提取部分圖片

在Windows平臺下，VC++進(jìn)行程序編寫，對28幅序列圖像應(yīng)用以上敘述的6種評價(jià)函數(shù)實(shí)驗(yàn)驗(yàn)證，其中圖像的評價(jià)測試值越高，代表圖像越清晰。根據(jù)人眼可觀察到圖6中圖像的清晰度順序：第17幀＞第15幀＞第22幀＞第6幀＞第1幀＞第28幀，如表1所示Brenner，SMD（灰度方差），Energy（能量梯度）算法對圖像的評價(jià)結(jié)果與人眼的感官一致。Tengengrad，SMD2算法在對第28幀和第1幀評價(jià)出現(xiàn)了錯誤，這兩幅圖片的圖像質(zhì)量都非常模糊。Laplacia算法在對第15幀和第17幀圖像與人眼觀察不同，這兩個圖片質(zhì)量非常接近，通過人眼很難進(jìn)行分辨分辨，通過算法確定更加科學(xué)有效。同時(shí)，說明不同算法結(jié)果有所差異。

如表1，2所示，廣角相機(jī)圖像對輪廓提取后的圖片與原圖的測試結(jié)果進(jìn)行比較，通過數(shù)據(jù)可以看到，在評價(jià)結(jié)果相同的條件下，通過調(diào)焦窗口提取的檢測方法有效地減少了參與計(jì)算的像素值。通過分析表1，3可以得出，Brenner評價(jià)函數(shù)不具有較高的聚焦精度且具有更低的時(shí)間復(fù)雜度。單幅圖片評價(jià)平均速度大約7ms左右，實(shí)時(shí)性更高，能滿足實(shí)際應(yīng)用要求。

4 結(jié)論

基于圖像處理的自動調(diào)焦技術(shù)以其實(shí)時(shí)性好，調(diào)焦精度高的優(yōu)點(diǎn)成為了成像系統(tǒng)領(lǐng)域的熱門研究對象，其中清晰度評價(jià)函數(shù)是其重要環(huán)節(jié)。通過研究結(jié)果表明對輪廓提取后的測試卡圖像進(jìn)行清晰度評價(jià)，在確保準(zhǔn)確判斷圖像清晰度的同時(shí)降低了時(shí)間復(fù)雜度，結(jié)果顯示，Brenner函數(shù)評價(jià)結(jié)果最佳并與主觀感受結(jié)果相符，最適合廣角相機(jī)成像系統(tǒng)的圖像清晰度要求，能夠高效得到清晰度評價(jià)值，并且指導(dǎo)完成自動對焦功能。

表1 對焦窗口圖像評價(jià)函數(shù)測試值

表2 原圖像評價(jià)函數(shù)測試值

表3 對28副圖像進(jìn)行評價(jià)所需全部時(shí)間（單位：ms）