安晔毕业设计附件.docx

安晔毕业设计附件.docx

《安晔毕业设计附件.docx》由会员分享，可在线阅读，更多相关《安晔毕业设计附件.docx（15页珍藏版）》请在冰点文库上搜索。

安晔毕业设计附件

本科毕业设计（论文）附件

题目：

基于数字图象处理的自动对焦

技术研究

院（系）：

电子信息工程

专业：

电子信息工程

班级：

090404

学生：

安晔

学号：

090404122

指导教师：

高俊钗

2013年06月

本科毕业设计（论文）附件

题目：

基于数字图象处理的自动对焦

技术研究

院（系）：

电子信息工程

专业：

电子信息工程

班级：

090404

学生：

安晔

学号：

090404122

指导教师：

高俊钗

2013年06月

目录

附件1《西安工业大学毕业设计（论文）开题报告》

附件2《西安工业大学毕业设计（论文）开题报告检查表》

附件3《西安工业大学毕业设计（论文）中期报告》

附件4《西安工业大学毕业设计（论文）中期检查表》

附件5《西安工业大学毕业设计（论文）指导教师评分表》

附件6《西安工业大学毕业设计（论文）评阅教师评分表》

附件7《西安工业大学毕业设计（论文）答辩暨综合评分表》

毕业设计（论文）开题报告

题目：

基于数字图象处理的自动对焦

技术研究

院（系）：

电子信息工程

专业：

电子信息工程

班级：

090404

学生：

安晔

学号：

090404122

指导教师：

高俊钗

2013年3月

一、研究的目的、意义及现状

1.1研究基于数字图形处理的自动对焦技术的背景、意义

成像是通过一个成像光学系统将客观三维世界中的景物变换到二维成像平面的过程。

传统照相系统是在成像平面上用光化学材料作为图像的接收媒介，以胶片曝光的方式记录成像。

在成像平面上用CCD或CMOS等光电面阵器件接收图像信息就成为数字成像系统。

CCD或CMOS由数十万、数百万甚至更多的光电像素列阵组成成像平面，将图像光强分布和色度分布转化为以空间呢像素为取样单位的离散电信号，然后通过模数转换器将电信号数字化，并用数字图像的方式压缩和存储图像信息。

数字成像技术彻底取消了传统的照相系统中的化学处理步骤，使摄影过程更为便捷。

作为成像系统的一项关键技术，自动对焦技术于20世纪70年代最初应用于照相系统。

传统的对焦技术大部分是基于测距原理的。

传统的自动对焦技术可以分成两大类：

一类是基于镜头与被拍摄目标之间距离测量的测距自动对焦，另一类是基于对焦屏上成像清晰的聚焦检测自动对焦。

测距自动对焦主要有红外线测距法和超声波测距法，两者利用主动发射光波或声波进行测距的，称之为主动式自动对焦。

聚焦检测方法主要有对比度法和相位法，对比度法是通过检测图像的轮廓边缘实现自动对焦的。

相位法是通过检测像的偏移量实现自动对焦的。

各种自动对焦方式各有其局限性。

例如红外测距和超声测距的对焦方法，当被测目标对红外光或超声波有较强的吸收作用时，将使测距系统失灵或对焦不准确；而对比度法聚焦检测受光照条件的制约，当光线暗弱或被摄体与背景明暗差别很小时，对焦就会有困难，甚至失去作用。

随着电子技术和信号处理技术的发展，进入20世纪90年代后，以CCD获取图像作为对焦的基本信息，以图像分析与处理为基础的智能化自动对焦技术蓬勃发展，在以数字相机为代表的现代数字成像系统中广泛采用。

基于图像技术的自动聚焦方法是用于现代数字成像系统的智能化自动对焦技术，采用了与传统聚焦技术完全不同的方式进行对焦,传统的聚焦方法是通过传感器检测焦点或测量距离的方式实现的,而基于图像技术的聚焦方法直接根据图像分析出图像的质量,没有任何中间环节，减少了一些不必要的误差，会使整个系统的对焦精度比较高。

这样的方式使得基于图像处理的自动调焦技术调焦更加智能化,聚焦判据更加灵活和多样。

基于模拟图像的聚焦检测方法只利用被测物和背景之间的对比度（轮廓边缘的梯度）作为判断是否成像清晰的判据。

而通过数字图像处理,不仅可以利用梯度信息,还可以提取图像中各种其它的有效信息进行判断,例如频率、相位等。

对于具高频信息的图像,一般而言,对焦越准确,图像信号的频率越高,边缘越尖锐;离焦时则频率降低,边缘相对平滑。

同时,由于计算机处理图像的灵活性,可以针对不同的使用要求,选择不同的判据进行调焦。

此外，基于数字图像处理的自动对焦技术是利用计算机可以很方便地对运行执行机构进行控制,从而避开复杂的调焦电路和机构。

计算机接口和总线技术已经非常成熟,通过软件给出控制信号,直接控制电机动物镜的运行,不仅灵活方便,响应速度符合调焦要求,还能大大简化电路和运动机构。

1.2研究基于数字图形处理的自动对焦技术的目的

基于图像处理的自动对焦技术，首先采集图像探测器所获得的成像目标经过镜头所成的图像，通过对图像中或图像中的部分区域进行模糊程度及频谱方面的分析，得出图像的清晰度的评价值，并根据处理分析所得的数据控制和驱动镜头调焦，最终获取准确的对焦图像。

在自动对焦技术中采用数字图像处理技术，可以通过对焦评价函数科学而准确的判断图像清晰度；可以合理选择图像的一部分作为对焦区域；可以充分利用数字成像系统中已有的传感器和专用计算机而不增加硬件成本。

因此研究基于数字图像处理的自动对焦技术，可以使整个系统对焦精度提高，并且简化电路，提高对焦速度。

1.3基于数字图像处理的自动对焦技术的研究现状

目前，基于数字图形处理的方法分为两大类：

对焦深度法和离焦深度。

对焦深度法是一种建立在搜寻算法上的对焦方式。

它通过改变镜头的位置获得一系列模糊程度不等的图像。

通过计算每幅图像的清晰度评价值构成对焦评价曲线，最终移动镜头到曲线的最大值对应的位置（即最佳对焦位置）。

为了能准确地探测峰值的位置，减少由于噪声产生的局部极值以及边缘凸出效应的干扰，可以使用Fibonacci搜寻法以及曲线拟合法。

精确对焦的图像比存在一定模糊量的图像具有更好的图像对比度，因此可以利用各像素间的灰度变化关系来分析图像是否达到良好的对焦。

另一种评价方法是功率谱。

功率谱是空间自相关函数的傅里叶变换。

空间自相关函数表征空间两点之间场的相似性或关联性，它是场的空间相干性的度量。

当场相干性较差时，功率谱的弥散较小，光功率在空间频域内集中在较小的区域中；反之，相干性较差时，光功率比较分散。

因此，当一幅图像准确对焦呈现清晰的结构和边缘时，它的自相关曲线顶部窄而高；如果图像模糊，则自相关曲线顶部宽而低，对焦最清晰的图像就对应着顶峰最尖锐的自相关曲线。

离焦深度法是一种从离焦的图像中获得物体深度信息的方法。

这种方法要求根据摄像参数建立正确的离焦模型并需要对系统精确校准。

对图像的局部区域进行处理和分析，确定其模糊程度以及深度信息。

离焦深度法所需图像数量小，大大减少了驱动电机等机械机构获取图像的次数，所以离焦深度法速度较快，但是精度比对焦深度法低。

二、本课题研究的主要内容和拟采用的研究方案、研究方法或措施

2.1主要内容

分析对焦对成像结果的影响因素以及影响程度，研究图像清晰度的表示与评价函数，并进行分析比较，根据成像的评价函数实现自动对焦。

2.2研究方案

本系统中选用CCD作为图像传感器，将图像采集和A/D转换一起完成。

随后图像数据送到DSP进行数据处理，得出评价结果，并由处理的结果来控制驱动电路调整镜头的位置，达到准确对焦的目的。

同时图像数据通过USB控制器传送到计算机中，可以直接观察到系统对焦的详细过程和对焦效果。

所设计的自动对焦系统，如图1所示

图1自动对焦系统流程图

2.3研究方法

2.3.1分析对焦对成像结果的影响因素以及影响程度

根据方框图，提出合理的影响因素，例如：

物体的复杂程度、CCD中光敏单元的个数等，用控制变量法做验证性实验，得出结论

2.3.2研究图像清晰度的表示与评价函数，并进行分析比较

对于特定的成像系统，清晰度反应了系统的离焦程度。

当图像比较清晰时，图像细节丰富，在空域表现为相邻像素的特征值变化较大，在频域表现为频谱高频分量多。

利用这一特点可以构造各种对焦评价函数对图像清晰度的影响。

人们设计了多种对焦评价函数，如：

频谱函数、梯度函数、熵函数等。

本部分对这三种对焦评价函数对清晰度的影响作一研究和分析对比

2.3.3根据成像的评价函数实现自动对焦

电机驱动镜头从起始位置出发,先以等步长走一遍全程,记录下调焦评价函数最大值时的镜头位置,然后镜头回到调焦评价函数最大值位置的前一站,换用小步长,从调焦评价函数最大值位置的前一站走到最大值位置的后一站,记录下这一全程的调焦评价函数最大值时的镜头位置,如此反复搜索,最后镜头停止在调焦评价函数最大值处,使系统实现正确对焦。

采用这一方法,既可以避免电机盲目反转,又能确保系统找到正确的对焦点,而且搜索历程短,有利于快速对焦。

三、本课题研究的重点及难点，前期已开展工作

3.1重点难点

a.熟悉matlab软件的使用

b.分析图像质量，确定最佳对焦位置

c.简化算法，快速对焦

3.2前期已开展的工作

搜集资料，了解基于图像的自动对焦技术的国内外现状；看懂自动对焦的几种方法原理；熟悉matlab的使用。

四、完成本课题的工作方案及进度计划

1-2周：

搜集资料，了解基于图像的自动对焦技术的国内外现状；

3-4周：

开题答辩，确定基于图像的自动对焦方案；

5-8周：

熟悉并掌握编程环境，编写基于图像的自动对焦的判断程序；

9-10周：

中期答辩，分析设计的自动对焦算法性能；

11-16周：

调试完善程序，撰写论文；

17-18周：

整理资料，毕业答辩。

参考文献

[1]徐之海,李奇.现代成像系统=M].北京:

国防工业出版社,2001:

53~90

[2]冯华君,毛邦福．一种用于数字成像的白动对焦系统=J].光电工程,2004,3l（10）:

69~72

[3].刘兴宝.基于数字图像处理的自动对焦技术研究硕士学位论文中国工程物理研究院

[4].李奇,徐之海,冯华君等.数字成象系统自动对焦区域设计,光子学报,2002,31

（1）:

63-66

[5]瞿蓬,林喜荣.一种基于图像处理的自动调焦系统=J].电子技术应用,2002,10:

33~35.

[6]周贤,姜威.RGB彩色图像自动聚焦系统=J].计量技术,2005,10:

21~23

[7].赵辉,鲍歌堂,陶卫.图像测量中自动调焦函数的实验研究与分析.光学精密工程.2004.10,Vol.12,No.5:

531~536.

[8].刘斌.基于图像技术的自动调焦方法研究与实现7D〕.硕士学位论文.杭州:

浙江大学,2004.2.

[9].鲍歌堂,赵辉,陶卫.图像测量技术中几种自动调焦算法的对比分析〔J〕.上海交通大学学报

[10].郑玉珍,吴勇,倪旭翔.实时自动对焦的研究〔J8.光电工程.2004.4,Vol.31,No.4:

64一66

[11]YuRong,TanYuegang.ResearehonaNerstyleVisualSensorforMeasurement.

ThelstInternationalSymPosiumonDigitalManufaeture,october,2006.

[12]TianYibin,XuZhihai,FengHuajun.Auto一focusbasedonskindetection[J].Aeta

PhotonieaSiniea,2003,32（l）:

56~60.

[13]MuraliSubbarao,Tse一Chungwei,Depthfromdefocusandrapidautofoeusing:

Apraetiealapproaeh[J].ProeeedingsofIEEEcomputersocietyconferenee.ComputerVisionandPatternRecognition,1992:

773~776

[14]TTEYeo,SHong,JayasooriahandRSinniah.AutofoeusingforTissue

Mieroseope[J].ImageandVisionComputing,1993,11（10）:

629~639

[15]Mubbarao,ArmanNikzad,Focusingtechniques[J].opticalEngineering,

1993,32（11）,2824~2836.

毕业设计（论文）中期报告

题目：

基于数字图象处理的自动对焦

技术研究

院（系）：

电子信息工程

专业：

电子信息工程

班级：

090404

学生：

安晔

学号：

090404122

指导教师：

高俊钗

2013年5月

1.研究的目的、意义

随着电子技术和信号处理技术的发展，进入20世纪90年代以来，以CCD获取图像作为对焦的基本信息，以图像分析与处理为基础的智能化自动对焦技术蓬勃发展，在以数字相机为代表的现代数字成像系统中广泛采用。

基于图像技术的自动聚焦方法是用于现代数字成像系统的智能化自动对焦技术，其聚焦方法是直接根据图像分析出图像的质量,没有任何中间环节，减少了一些不必要的误差，使整个系统的对焦精度比较高。

这样的方式使得基于图像处理的自动调焦技术调焦更加智能化,聚焦判据更加灵活和多样。

基于图像处理的自动对焦技术，首先采集图像探测器所获得的成像目标经过镜头所成的图像，通过对图像中或图像中的部分区域进行模糊程度及频谱方面的分析，得出图像的清晰度的评价值，并根据处理分析所得的数据控制和驱动镜头调焦，最终获取准确的对焦图像。

在自动对焦技术中采用数字图像处理技术，可以通过对焦评价函数科学而准确的判断图像清晰度；可以合理选择图像的一部分作为对焦区域；可以充分利用数字成像系统中已有的传感器和专用计算机而不增加硬件成本。

因此研究基于数字图像处理的自动对焦技术，可以使整个系统对焦精度提高，并且简化电路，提高对焦速度。

2.研究的主要内容和拟采用的研究方案

本课题研究的主要内容有：

分析对焦对成像结果的影响因素以及影响程度，研究图像清晰度的表示与评价函数，并进行分析比较，根据成像的评价函数实现自动对焦。

采用的研究方案如下：

本系统中选用CCD作为图像传感器，将图像采集和A/D转换一起完成。

随后图像数据送到DSP进行数据处理，得出评价结果，并由处理的结果来控制驱动电路调整镜头的位置，达到准确对焦的目的。

同时图像数据通过USB控制器传送到计算机中，可以直接观察到系统对焦的详细过程和对焦效果。

所设计的自动对焦系统，如图1所示

图1自动对焦系统流程图

3.设计（论文）进展状况

首先，针对三个方面的研究以及确定其方法：

（1）图像的预处理——去噪

由于图像在成像的过程中受到成像器件和周围环境的干扰,会引入各种各样的噪声,噪声多多少少会损坏图像的质量,使图像模糊,严重时甚至淹没特征,给分析带来一定的困难。

因此我们需要消除图像噪声。

在理想的情况下,噪声属于高频信号,因此在处理的过程中应该采用低通滤波器。

可是,图像中的边缘信息也属于高频信息,它包含了大部分的被测物体的特征信息,在下一步图像处理的过程中需要被提取出来。

因此,一个好的平滑滤波方法应该是既要滤除图像中不需要的噪声信号,同时,也要保持图像的边缘信息,不使图像边缘轮廓和线条变模糊,让图像变得更有利于计算机处理。

在许多情况下,线性滤波方法能够有效的对被噪声污染的图像进行复原,但多数的线性滤波器具有低通特性,在去除噪声的同时也使图像边缘变模糊。

而某些非线性滤波方法既能去除噪声又能保护图像边缘,获得较好的图像处理效果。

将常用的两种滤波方法,邻域平均法（线性滤波）和中值滤波法（非线性滤波）进行分析比较，确定设计所用方法。

邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。

中值滤波法是一种非线性滤波，它能在消除噪声的同时很好的保持图像边缘。

中值滤波的原理是，把以某一像素为中心的小窗口内所有像素的灰度按从大到小排序，取排序结果的中间值作为该像素的灰度值。

为操作方便，中值滤波通常取含奇数个像素的窗口。

以Lena图像对这两种滤波方法进行比较,给出了两种滤波方法对随机噪声和椒盐噪声的滤波效果。

被随机噪声干扰的Lena图像滤波效果

（a一噪声干扰图像,b一3x3方形模板的中值滤波,c一3X3方形模板的平均滤波）

被椒盐噪声干扰的Lena图像滤波效果

（a一噪声千扰图像,b一3x3方形模板的中值滤波,c一3X3方形模板的平均滤波）

比较可知无论是对于椒盐噪声干扰还是随机噪声千扰,中值滤波的效果都要优于邻域平均法。

对于随机噪声,中值滤波在滤除噪声的过程中基本上保持了图像的边缘特征,整体感觉是有轻微的模糊,而邻域平均法在滤除噪声的过程中明显地减弱了图像边缘,整体上有较严重的模糊;对于椒盐噪声,中值滤波法可以非常理想地把它滤除,达到十分好的滤波效果,邻域平均法基本上对这些噪声无能为力,滤波后噪声仍然保留下来,并且整幅图像也变得模糊。

（2）对焦窗口的选择

由于对图像运用对焦评价函数进行的运算基本上与图像的像素成正比,为了达到实时性的要求,必须减少参加运算的像素的数量。

常见的选择方案有:

a.中央选择法

即选择图像中央一个M*N个像素的小区域,其中M和N为2的整数次方,其取值范围通常为32≤M,N≤256。

b.多点取窗区域选择算法

由于中心取窗不能适应主体景物偏离中心的情况,因此可以采取多点取窗方式,它通常是对图像进行统计,给出一个最优化的主体景物估计区域,然后取多个窗口作为对焦区域"多点取窗算法适应了主体景物偏移的情况,提高了主体景物覆盖成功率,但是是以增加计算量和引入更多背景图像为代价的。

同时，对大面积图像运用对焦评价函数,图像中不重要的部分（背景）会对评价结果产生负面的影响,导致图像中的重要部分（成像主目标）无法准确对焦。

c.非均匀采样区域选择算法

非均匀提取的原理是从仿生学的角度出发,利用人眼视网膜中央凹区域和边缘区域的感光细胞的不均匀性能和不均匀分布特点,对图像进行非均匀采样从而使处理的数据量大为减少,同时又保证了主目标成像质量最佳化

将每一幅输入的图像分成中心区域和边缘区域,中心区域对应人眼视网膜上的中央凹,在这个区域保持原有图像的分辨率,而边缘区域对应人眼中央凹的周围感光区域,在这个区域里人眼分辨率呈指数形式下降,包括一系列半径以指数形式增加的同心圆,这些同心圆被从圆心出发的等角度间隔的射线分割成环扇形区域,每一个环扇形区域对应于一个输出的像素。

这种方法涉及到复杂的人眼生理学原理以及将扇形和圆形变换为矩形的投影公式。

这种方法能较好地在高分辨率和大视场及少量的处理数据之间达到很好的协调,并在一些需要动态连续拍摄并且需要快速响应的场合非常有用。

但是非均匀提取的方法只适用于主成像目标占据图像中央区域的情况。

与中央区域选择法一样,如果主成像目标完全偏离图像中央,则分离出来的高分辨率部分仍然是背景,相反却把主成像目标的信息丢失了,从而导致主成像目标无法准确对焦。

中央区域选择、多区域选择和非均匀提取这些对焦窗口选择方案没有考虑到图像中主成像目标和背景的复杂性,用单一的固定方式解决复杂多样的问题,因而无法取得理想的效果。

为了克服选择对焦窗口时的种种问题,有必要进行深入的理论分析,以便针对不再的景物采取不同的选择方案。

根据我们所获取的图像情况,由于整个图像都是目标区域,背景的影响很小,因此在多种算法都可以的情况下,因此考虑采用简单的中心取窗法。

（3）清晰度函数基于彩色还是灰度

这幅图是对同一场景进行灰度分析和RGB分析的曲线。

明显可以看到，RGB分析的对焦评价函数曲线比灰度分析的对焦评价函数曲线更陡峭,曲线的形状更尖锐。

得到更理想的对焦评价函数曲线。

在速度方面，即使彩色聚焦只基于一个通道，但灰度聚焦还是比色彩聚焦速度快，因为硬件采集的彩色图像比灰度图像时间长。

对于M*N个像素的窗口，将彩色图像转换成灰度图像的时间为

。

其中

是用于完成一次加/减的时间,

是用于完成一次乘的时间。

用于计算灰度图像的对焦评价函数EIG的时间为

。

灰度分析计算EIG的总时间为

。

RGB分析计算EIG的总时间为

。

近似于

，相比之下，彩色分析时间是灰度分析时间的近三倍。

增加三倍处理时间来追求额外的精度是一个很大的代价。

在多数情况下，灰度聚焦应该是足够的。

其次，了解了不同清晰度评价函数的原理，并分析不同的清晰度评价函数的性能。

准确有效的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基础。

好的清晰度评价函数，应该基本满足：

（l）无偏性：

对同一成像目标的一系列图像求其对焦曲线,其最大值恰好对应最清晰的图像。

（2）单峰性：

对焦函数曲线形状应呈现单峰,即在全量程内只有一个极值点,这样就能够反映离焦极性,从而保证对焦过程的正确性,理论上不能出现其他局部极值。

（3）鲁棒性：

光照变化、噪声以及镜头参数调整等因素造成的图像内容变化都会对评价函数有一定的影响,评价函数曲线应当具有一定的稳定性。

（4）尖锐性：

对焦评价函数在极点附近尖锐性越好,说明对焦评价函数区分轻微离焦的能力越强,对焦精确度也就越高。

常用图像清晰度评价函数：

能量梯度函数、Tenengrad函数、灰度差分函数（属于梯度函数），小波分析函数（属于频谱函数）以及熵函数。

频谱函数基于图像细节集中于高频成分的理论基础，通过统计当前图像的高频分量，达到评价图像清晰程度的目的。

提取高频分量可以基于傅立叶变换、拉普拉斯变换或者小波变换。

本文的研究目标为小波分析函数。

小波分析函数先通过特殊的高通滤波器获得图像的高频信息：

W（x,y）=I（x,y）**

，其中I为当前图像，I（x,y）为I在（x，y）处的像素值，**表示2维卷积，

表示相应的空域高通滤波器。

熵函数基于清晰图像较模糊图像携带更多信息量的事实依据，计算出一幅数字图像的信息熵，然后将其用于评价该图像的清晰度。

对于一幅图像，图像能量E（I）和图像熵H（I）分别定义为：

由香农信息理论，当E（I）一定时，H（I）越大，则图像越清晰。

梯度函数采用图像上相邻像素的差分计算出局部梯度，然后在此梯度值的基础上建立图像清晰度评价函数。

能量梯度函数f（I）定义为：

其中I为当前图像，I（x,y）为I在（x，y）处的像素值。

Tenengrad函数f（I）定义为

（S（x,y）>T）

其中I为当前图像，

G（x,y）x与G（x,y）y分别是图像各像素f（x,y）与Sobel边缘算子的卷积。

引入阈值T用以调节评价函数的灵敏度。

下一步，将通过对几种方法的实验比较，为本课题确定一个准确有效的清晰度评价函数。

此外，了解寻找最佳对焦位置（清晰度评价函数的极值）所用的爬山算法的原理。

在数字图像处理自动对焦算法中,要实现控制关键是对焦点的搜索,即确定对焦评价函数的峰值位置"极点搜索算法通过比较离散位置的对焦评价函数值,得出镜头的移动方向,反馈控制直到最佳成像点"这实质上是一个一维极值的最优化问题"常见的极点搜索算法有Fibonacci搜索法、曲线拟合法和“盲人”爬山算法等。

Fibonacci搜索算法名字来源于Fibonacci数列的概念,是一种通过缩小区间

范围搜索单峰曲线极点的方式。

Fibonacci搜索算法是一种理论计算上的最优化单峰搜索算法。

它的缺点是,如果对焦评价函数曲线并不是理想的光滑曲线,而出现大量的局部极大值时,Fibonacci搜索就有可能陷入局部极大值的邻近区域另外,Fibonacci搜索算法需要在区间内大距离调整镜头位置,并且要变换