基于邊緣算子和灰度標準差的對焦清晰度評價函數(shù)

{六西格瑪管理}基于邊緣算子和灰度標準差的對焦清晰度評價函數(shù)本科畢業(yè)設計（論文）基于邊緣算子和灰度標準差的對焦清晰度評價函數(shù)學院物理與光電工程學院專業(yè)光信息科學與技術2班年級班別2009級（2）班學號924姓名梁江榮指導老師雷亮3年5月基

于要邊

緣鏡頭系統(tǒng)是機器視覺系統(tǒng)的成部分，它的精確自動對焦問題顯得越來算

子讓采集圖像數(shù)據(jù)的質(zhì)量得到有效的保證，和

灰這對進一步提高系統(tǒng)質(zhì)量方面具的現(xiàn)實意義。度

標論文首先對現(xiàn)今學界與業(yè)界焦技術的研究進行了總結，介紹了國內(nèi)外準

差的窗口選擇、清晰度評價函數(shù)進行，重點討論了清晰度評價函數(shù)的問題。對焦針對目前幾種常用的清晰度法（離散余弦函數(shù)、小波變換、邊緣算清晰將邊緣算子中的Sobel算子、Roberts算度評

價

函

數(shù)子、Prewitt算子、Canny算子的應用進行比較，分別討論其原理和適用范圍。最后提出了一種基于邊緣檢測算子和灰度標準差的清晰度評價函數(shù)。在此理論基礎上，運用VisualC++6.0和HALCON軟件，設計了一個自動對焦清晰度評價系統(tǒng)，可自動計算出質(zhì)量最佳的圖像，從而保證了采集圖像的質(zhì)量，使整個機器視覺系統(tǒng)性能有了一定的提高。關鍵詞：機器視覺，鏡頭，自動對焦，清晰度評價函數(shù)，邊緣算子，灰度標準差AbstractLenssystemisaimportantpartofmachinevisionsystems,whichauto·focusingproblembeesmoreandmoreimportant.Ifwecanimproveaccuracyofthelensfocus,thequalityoftheauquiredimagedatawillbeeffectivelyguaranteed,anditmakesimportantpracticalsignificanceonthefurtherimprovementofthesystem’squality.Firstly,muchsurveysoftoday’seducationalcirclesandtradeunionissummarized，andthedevelopmentofdomesticandforeignautofocustechnology.Forseveralmonlyuseddefinitionevaluationmethod(discretecosinefunction,wavelettransform,edgeoperators),theirrespectiveproblemsareanalyzed.Espectially,applicationsonoperatorSobeledgeoperator,Robertsoperator,PrewittoperatorandCannyoperatorarepared,andtheprincipleandit’sscopeofwell-applicationarediscussedinthe,anewClarity-evalueationFunctionbasedonthegrayvaluestandarddeviationhasbeenputforward.Basedonthetheoryofthedemonstratedoperator,anauto-focusclarifyevalueationsystem,whichcanautomaticallycalculateouttheimageinbestquality,havebeendesignedwiththeVisualC++6.0and,theaquiredimagedatacanbeguaranteedandtheentireperformanceofmachinevisionsystemcanhaveaextentimprovement.KeyWords：MachineVision,Lens,AutoFocus,Clarity-evalueationFunction,Edgeoperator,GrayValueStandartDeviation目錄1緒論.........................................................................................................................................11.1研究背景及目的………………………..11.2國內(nèi)外自動對焦技術的研究狀………..21.2.1國外自動對焦研究現(xiàn)狀.......................................................................................21.2.2國內(nèi)自動對焦研究現(xiàn)狀………...31.3研究方法………………..31.3.1VisualC++……………………….31.3.2HALCON………………………...31.4論文構成及研究內(nèi)容…………………..42自動對焦的基本理論和方法……………….52.1自動對焦的基本原理…………………...52.1.1幾何光學成像理論……………...52.1.2景深……………...62.1.3遠心光路………………………...72.2自動對焦的基本方法…………………..92.2.1測距自動對焦法………………...92.2.2焦點檢測自動對焦方法……….102.2.3基于數(shù)字圖像處理的自動對焦方法………….112.2.4基于頻域分析的清晰度評價函數(shù)…………….112.2.5基于信息學函數(shù)的清晰度評價函數(shù)………….133基于邊緣算子和灰度標準差的清晰度評價函數(shù)的研究………………...153.1邊緣檢測算子簡介……………………153.1.1Sobel（索貝爾）邊緣檢測算子……………….163.1.2Robert（羅伯特）邊緣檢測算子………………163.1.3Prewitt（普瑞維特）邊緣檢測算子…………...173.1.4Canny（坎尼）邊緣檢測算子…………………173.2Sobel算子、Robert算子、Prewitt算子、Canny算子的比較………183.3灰度標準差……………203.4基于邊緣算子和灰度標準差的清晰度評價函數(shù)……214對焦檢測系統(tǒng)的程序設計及使用界面簡介.......................................................................254.1自動對焦系統(tǒng)程序的基本流程....................................................................................254.2軟件界面和操作介紹....................................................................................................264.3實時自動對焦檢測軟件界面…………28結論…………………………...30參考文獻……………………...32致謝…………………………...33附錄A關鍵程序源代碼…………………….341緒論1.1研究背景及目的機器視覺系統(tǒng)通過圖像采集硬件（相機、鏡頭、光源等）將被檢測目標轉(zhuǎn)換場的設備。機器視覺系統(tǒng)綜合了光學、機械、電子、計算機軟硬件方面的技術，處理和模式識別等技術的快速發(fā)展，大大地推動了機器視覺的發(fā)展。統(tǒng)的整體性能，合理地選擇和安裝鏡頭，是機器視覺系統(tǒng)設計的重要環(huán)節(jié)。機器視覺系統(tǒng)具有效率、高柔性、高度自動化等特點。在大批量工業(yè)生產(chǎn)過覺系統(tǒng)廣泛地用于裝配定位、產(chǎn)品質(zhì)量檢測、產(chǎn)品識別、產(chǎn)品尺寸測量等方面。成像質(zhì)量是人們對多數(shù)光學系統(tǒng)進行研究時比較關心的重要問題之一，因為1此如何準確地獲取該對焦面就成為主要的問題。為了獲得清晰的圖像，在圖像采集階段，對鏡頭的焦距調(diào)節(jié)至關重要。自動它是機器視覺系統(tǒng)整體發(fā)展的基礎?；趫D像技術的自動對焦方法采用了與傳統(tǒng)對焦技術完全不同的方式進行對焦，比較不同成像位置的成像狀態(tài)，找出最佳成像位置，完成對焦操作。本文旨在通過對所獲得的數(shù)字圖像數(shù)據(jù)，分別運用不同邊緣算子對其進行處統(tǒng)的自動對焦做理論及實驗研究開辟新的思路。1.2國內(nèi)外自動對焦技術的研究狀況現(xiàn)代社會，圖像作為一種高容量又最為直接的信息載體已經(jīng)深入到每個人的2發(fā)展。90直接輸出清晰的數(shù)字圖像，而不用外部運動結構便可以實現(xiàn)自動對焦。1.2.1國外自動對焦研究現(xiàn)狀國外對于自動對焦領域的研究相對國內(nèi)來說起步比較早，1970年美國斯坦福大學Tenenbaum開展了計算機視覺系統(tǒng)的自動對焦研究，其根據(jù)圖像的特征提取1983(UniversityofRading)物理系GrembebyJB提出了調(diào)制傳遞好的標準；1987年，Ren．C．Luo提出了兩個設計簡單的快速算法，即能量最大值法和VARIANCE90動對焦領域的理論及評價函數(shù)進行了研究分析和對比。1.2.2國內(nèi)自動對焦研究現(xiàn)狀國內(nèi)對自動對焦系統(tǒng)的研究起步比較晚，目前，國內(nèi)的很多高校、科研院所以及企業(yè)單位致力于研究開發(fā)對焦系統(tǒng)，也取得了可觀的成果。例如：1985年，上海光學儀器研究所采用光學的自準直方法研制完成集成電路光刻機自動對焦1992年，哈爾濱工業(yè)大學光學儀器教研室研制完成圖像檢測式頻帶切割差動比較CCD自動對焦系統(tǒng)，使我國在圖像檢測自動對焦領域內(nèi)的研究跟國外80年3代的研究水平相當。此外浙江大學、哈爾濱工業(yè)大學等全國知名的理工科學府，也對自動對焦系統(tǒng)進入了深入研究，亦分別取得不錯的成果。1.3研究方法本文基于對焦系統(tǒng)中的清晰度評價函數(shù)理論以及對焦窗口的規(guī)劃理論，結合VisualC++6.0以及HALCON這兩個軟件，自主設計了一套基于Sobel算子、Robert算子、Prewitt算子以及Canny算子的圖進行了關于對焦窗口選取的實驗，并總結了其各自的適用范圍。1.3.1VisualC++VisualC++6.0由Microsoft開發(fā),它不僅是一個C++編譯器，而且是一個基于Windowsintegrateddevelopmentenvironment，IDE）。VisualC++6.0由許多組件組成，包括編輯器、調(diào)試器以及程序向?qū)ppWizard、類向?qū)lassWizard等開發(fā)工具。這些組件通過一個名為DeveloperStudio的組件集成為和諧的開發(fā)環(huán)境。Microsoft的主力軟件產(chǎn)品。VisualC++1993年Microsoft公司推出VisualC++1.0后，隨著其新版本的不斷問世，VisualC++已成為專業(yè)程序員進行軟件開發(fā)的首選工具。雖然微軟公司推出了VisualC++.NET(VisualC++7.0)，但它的應用的很大的局限性，只適用于Windows2000,WindowsXP和WindowsNT4.0。所以實際中，更多的是以VisualC++6.0為平臺。1.3.2HALCONMVTecHALCON是世界上最全能的機器視覺軟件.世界各地的用戶從HALCON為快速開發(fā)圖像分析和機器視覺程序的靈活架構獲益匪淺.HALCON提供了超過1100多4種具備突出性能控制器的庫,如模糊分析,形態(tài),模式匹配,3D校正等.HALCON支持多個操作系統(tǒng),編程語言和截獲設備。1.4論文構成及研究內(nèi)容圖像清晰度的正確判定是自動對焦技術的關鍵，因此，這也是本文研究的核心內(nèi)容。就對焦清晰度評價方法及其穩(wěn)定性，討論了Sobel算子、Robert算子、Prewitt算子以及Canny算子的適用性，并嘗試提出一種可靠的新評價方法。研究重點是基于數(shù)字圖像處理的方法及其實現(xiàn)。具體包括以下內(nèi)容：(1)在第一章中：闡述了課題的研究背景及課題的意義，對國內(nèi)外在該領域內(nèi)的研究狀況及其所達到的研究水平進行了分析，引出本論文的主要研究內(nèi)容、研究方法。(2)在第二章中，闡述了自動對焦系統(tǒng)的基本原理。分別從鏡頭系統(tǒng)、相機系統(tǒng)這些方面進行介紹，敘述了包括成像模型，探討了成像的光學理論，再介紹了針對自動對焦問題的三種方向的解決方法。(3)基于數(shù)字圖像處理中的邊緣算子理論，詳細討論了邊緣算子用于評判圖像清Sobel算子、Robert算子、Prewitt算子以及Canny算子各自的適用性。同時，提出了一種基于灰度標準差的清晰度評價方法。Sobel算子、Robert算子、Prewitt算子以及Canny算子而處理得出的數(shù)據(jù)，再進行分析對比，定量地總結出基于理論和實驗的最終結果。最后，歸納了全文所做的研究工作，同時，對自動對焦技術需要進一步研究的內(nèi)容進行了相應的展望。2自動對焦的基本理論和方法5自動對焦技術是基于光學器件成像理論、數(shù)字圖像處理技術等理論而形成的對焦技術，具有比目測和手動調(diào)節(jié)方式更準確、更快捷等優(yōu)點。2.1自動對焦的基本原理自動對焦系統(tǒng)的基本原理，是基于幾何光學成像系統(tǒng)的理論。調(diào)節(jié)鏡頭系統(tǒng)清晰的圖像。而當自動對焦系統(tǒng)擁有一套小景深、雙遠心光路的鏡頭系統(tǒng)的話，可以使系統(tǒng)更加便捷、更加準確地找出調(diào)焦過程中最為清晰的圖像所在。2.1.1幾何光學成像理論圖2.1光學成像模型對于理想的光學成像模型，根據(jù)高斯公式有：(2.1)其中，是成像模型的物距，是成像模型的像距，是鏡頭的焦距，是透鏡孔徑的直徑，是透鏡主面與探測器之間的距離，ImageDector是圖像探測器。結合(2.1)關系式和圖2.1個彌散圓。若彌散光斑的半徑為，即越大，圖像就越模糊。若要保證圖像質(zhì)量，提高對焦的清晰度，則要使盡量地小。由圖2-1中的相似關系可得：(2.2)6由(2.2)式分析可知，為了使的絕對值變小，可以有以下的方法：調(diào)節(jié)成像系統(tǒng)系統(tǒng)像距；調(diào)節(jié)成像系統(tǒng)的焦距；調(diào)節(jié)的大小，即改變鏡頭的光圈大小。圖2.2彌散圓2.1.2景深當相機的鏡頭對著某一物體聚焦清晰時，在鏡頭中心所對的位置垂直鏡頭軸鏡頭軸線的前面和后面一定范圍的點也可以結成眼睛可以接受的較清晰的像點，把這個平面的前面和后面的所有景物的距離叫做相機的景深。圖2.3景深景深隨鏡頭的焦距、光圈值、拍攝距離而變化。對于固定焦距和拍攝距離，使用光圈越小，景深越大。設前景深為、后景深為、景深為，其計算方法如下：(2.3)(2.4)(2.5)質(zhì)的要求(表現(xiàn)為對容許彌散圓的大小)有關?；诰吧畹脑砜芍绻R頭自身的景深偏大的話，則在物距調(diào)節(jié)的過程7的質(zhì)量。2.1.3遠心鏡頭遠心鏡頭，主要是為糾正傳統(tǒng)工業(yè)鏡頭視差而設計，它可以在一定的物距范常重要的應用。遠心鏡頭設計目的就是消除由于被測物體（或CCD芯片）離鏡頭距離的遠近不一致，造成放大倍率不一樣。根據(jù)遠心鏡頭分類設計原理分別為：1）物方遠心光路設計原理及作用：路。其作用為：可以消除物方由于調(diào)焦不準確帶來的，讀數(shù)誤差。圖2.4物方遠心光路示意圖2）像方遠心光路設計原理及作用：路。其作用為：可以消除像方調(diào)焦不準引入的測量誤差。圖2.5像方遠心光路示意圖3）兩側(cè)遠心光路設計原理及作用：綜合了物方/像方遠心的雙重作用。主要用于視覺測量檢測領域。圖2.6雙遠心光路示意圖在自動對焦系統(tǒng)之中，為了保證圖像清晰度的質(zhì)量，每幅圖的所采集的內(nèi)容用到雙遠心光路，能有效避免由于像距和物距微小改變而引起的放大倍數(shù)變化，保證每張圖像都基本一致。2.2自動對焦的基本方法8自動對焦系統(tǒng)一般由分析處理模塊和控制驅(qū)動模塊組成。分析處理模塊判斷分成不同的種類，如表2.1所示。表2.1根據(jù)功能模塊分類的對焦方法對焦方法分析處理模塊控制驅(qū)動模塊測距自動對焦紅外或超聲波測距電機驅(qū)動鏡頭移動焦點檢測自動對焦反差檢測或相位差檢測電機驅(qū)動鏡頭移動半數(shù)字式自動對焦計算圖像的高頻分量能量電機驅(qū)動鏡頭移動全數(shù)字式自動對焦計算圖像的點擴散函數(shù)根據(jù)點擴散函數(shù)進行圖像恢復2.2.1測距自動對焦法像偏移法是基于三角測量原理，如圖2.7所示。圖2.7像偏移法系統(tǒng)圖由被攝物體所發(fā)出的光線，同時進入測距器的左、右兩端，右端為可動掃描反光鏡，左端為固定反光鏡。從近距離到遠距離，反光鏡作大約1o掃描運動，測上，通過兩組間的信號比較，求得合適的對焦位置。用CCD代替硅光二極管作為接收元件可形成固態(tài)三角測距自動對焦系統(tǒng).它的兩側(cè)光路中的反光鏡均為固定方式，被攝物體的距離信息通過在CCD上的成像位置的差異反映出來，可直接由CCD元件進行檢測和分辨。這種反光鏡固定方式結構簡單、可靠.但CCD元件與光電轉(zhuǎn)換、運算系統(tǒng)的電路技術要求較高，成本也高。2.2.2焦點檢測自動對焦方法9反差檢測法（對比度法）是通過檢測影相的輪廓邊緣實現(xiàn)自動對焦的。對比度就越大。反之，離焦的像，輪廓邊緣模糊不清，亮度梯度或?qū)Ρ榷认陆?；合，于是對焦完成。圖2.8反差檢測法系統(tǒng)圖2.2.3基于數(shù)字圖像處理的自動對焦方法基于數(shù)字圖像處理的自動對焦方法非常豐富，而總體上大致可以分為兩類：置清晰度值最大這個特征找到正確對焦位置。由光學原理可知，對特定的成像系統(tǒng)，在亮度等外部條件相同的情況下，當?shù)那逦冗M行評價。對清晰度評價函數(shù)的要求是：(1)無偏性。對同一成像目標的一系列圖像求其對焦曲線，其最大值恰好對應最10清晰的圖像。(2)單峰性。對焦函數(shù)曲線形狀應呈現(xiàn)單峰，即在全量程內(nèi)只有一個極值點，這極值。(3)魯棒性。光照變化、噪聲以及鏡頭參數(shù)調(diào)整等因素造成的圖像內(nèi)容變化都會對評價函數(shù)有一定的影響，評價函數(shù)曲線應當具有一定的穩(wěn)定性。(4)尖銳性。對焦評價函數(shù)在極點附近尖銳性越好，說明對焦評價函數(shù)區(qū)分輕微離焦的能力越強，對焦精確度也就越高。無偏性和單峰性決定算法的正確性，任何圖像清晰度評價算法首先都必須滿噪聲的影響，因此算法的抗噪性能要求也越來越受到重視。而基于對焦深度法的思想，結合數(shù)字圖像處理的理論知識，衍生出很多種能度評價函數(shù)。2.2.4基于頻域分析的清晰度評價函數(shù)由于高清晰度圖像的主要特征是具有清晰的邊緣和豐富的圖像細節(jié)，而邊緣分的大小作為圖像是否清晰的判斷依據(jù)。（1）基于小波變換（DWT）的評價函數(shù)11度來獲得信號的頻率特征，通過平移母小波來獲得信號的時間信息。該濾波器可得到信號的近似值A，另一個為高通濾波器，通過該濾波器可得到信號的細節(jié)值D。在小波分析中，近似值是大的縮放因子計算的系數(shù)，表示信號的二維數(shù)字圖像，可先對其進行若干次二維DWT變換，將圖像信息分解為高頻成分H、V和D和低頻成分A。幅值，再將高頻部分取絕對值求和，可得：(2.6)像的清晰度也就越高。（2）基于離散余弦變換（DCT）的評價函數(shù)少作為圖像清晰度的判定依據(jù)。最常見的變換有傅立葉變換（FFT）和離散余弦DCTFFT變換是對復數(shù)進行處理，其計算程度較為復雜，計算所需的時間長。DCT變換能聚集更多的能量，對高頻分量有較好的分離能力，在清晰度評價函數(shù)中，分離并保留高頻分量作為圖像清晰度的評價尺度。二維DCT定義如下：設為M×N的數(shù)字圖像矩陣，則12(2.7)(2.8)(2.9)(2.10)(2.11)聚焦圖像和離焦圖像在亮度和灰度級方面相差很大，且圖像的清晰度還與圖像中最清晰的。2.2.5基于信息學函數(shù)的清晰度評價函數(shù)正焦圖像與離焦圖像比，圖像的灰度值多樣性要大，即它們的信息含量或熵以表示圖像序列中第k幅圖像在其圖像窗口內(nèi)取灰度值的概率（頻率），那么此幅圖像的灰度熵函數(shù)的定義為：(2.12)?。?2.13)則所對應的位置即為對焦位置。圖像的灰度熵大小表示了圖像像素點灰度分布的離散程度的大小，當計算區(qū)13灰度熵較大，所以灰度熵在一定程度上可以表征圖像的清晰程度。3基于邊緣算子和灰度標準差的清晰度評價函數(shù)的研究在基于數(shù)字圖像處理的自動對焦技術之中，用作清晰度評價函數(shù)的方法多種——基于邊緣算子和灰度標準差的清晰度Sobel算子、Robert算子、Prewitt算子和Canny算子的理論基礎，驗，測試分析其可行性。3.1邊緣檢測算子簡介圖像的邊緣時圖像最基本的特征之一。所謂邊緣（或邊沿）是指周圍像素灰度有階躍性變化或“屋頂變化的那些像素的集合。邊緣廣泛存在于物體與背景之間、物體與物體之間、基元與基元之間，因此它是圖像分割依賴的重要特征。等）的反應，它標志著一個區(qū)域的終結和另一個區(qū)域的開始。利用該特征可以分割圖像。需要指出的是，檢測出的邊緣并不等同于實際目14倒數(shù)來檢測邊緣，如圖3-1所示。不同的事一階導數(shù)認為最大值對應邊緣位置，而二階導數(shù)則以過零點對應邊緣位置。圖3.1邊緣算子基于一階導數(shù)的邊緣檢測算子包括RobertsSobelPrewitt算子等，在算法實現(xiàn)過程中，通過（Roberts算子）或者模板作為核與圖像中的每個像素點做卷積和運算，然后選取合適的閾值以提取邊緣。Canny算子是另外一類邊緣邊緣檢測最優(yōu)化算子。3.1.1Sobel（索貝爾）邊緣檢測算子(3.1)實際上Sobel我們可以用差分代替一階偏導，算子的計算方法如下：(3.2)Sobel算子垂直方向和水平方向的模板如圖3-2所示，前者可以檢測出圖像中的果是一幅體現(xiàn)邊緣幅度的圖像。(a)對水平邊緣有較大響應的豎直梯度(b)對豎直邊緣有較大響應的水平梯度圖3.2Sobel算子模板3.1.2Robert（羅伯特）邊緣檢測算子Robert邊緣檢測算子是一種利用局部差分方法尋找邊緣的算子，Robert梯度15式可表示如下：(3.3)上述算子對應的兩個模板如圖（A點都用這兩個模板進行卷積運算，為避免出現(xiàn)負值，在邊緣檢測時常提取其絕對值。圖3.3Robert算子模板3.1.3Prewitt（普瑞維特）邊緣算子Prewitt邊緣檢測算子就是一種利用局部差分平均方法尋找邊緣的算子，它偏導可得算子形式如下：(3.4)PrewittCSobel算Prewitt算子也產(chǎn)生一幅邊緣圖像。圖3.4Prewitt算子模板3.1.4Canny（坎尼）邊緣算子或者首先通過平滑去除噪聲的前提下才能正常用。在圖像邊緣檢測中，抑制噪聲和邊緣精確定位是無法同時滿足的，一些邊緣邊緣檢測算子對邊緣敏感性的同時，也提高了對噪聲的敏感性。Canny算子力圖在抗噪聲干擾和精確定位之間尋求最佳折衷方案。16Canny對邊緣檢測質(zhì)量進行分析，提出以下3個準則：（1）使信噪比SNR盡量大。輸出信噪比越大，錯誤率越小。(3.5)W（2）波函數(shù)使式（3-9）中的盡量大。(3.6)其中和為和的一階導數(shù)；L是對邊緣定位精確程度的度量。（3）個響應。濾波器對邊緣相應的極大值之間的平均距離為：(3.7)式中，是的二階導數(shù)；是進行邊緣檢測后的圖像。有了這3式的解可以由搞死的一階導數(shù)去逼近。Canny邊緣檢測的基本思想就是首先對圖像選擇一定的Gauss濾波器進行濾波，然后采用非極值抑制技術進行處理得到最后的邊緣圖像。其步驟為：(1)用高斯濾波器平滑濾波；(2)用一階偏導的有限差分來計算梯度的幅值和方向；(3)對梯度幅值進行非極大值一致；(4)用雙閾值算法檢測和連接邊緣。173.2Sobel算子、Robert算子、Prewitt算子、Canny算子的比較(a)原始圖像(b)Sobel算子邊緣檢測結果(c)Robert算子邊緣檢測結果(d)Prewitt算子邊緣檢測結果(e)Canny算子邊緣檢測結果注：源代碼見附錄.圖3.5基于各種算子的邊緣檢測結果由于Roberts算子是利用圖像的兩個對角線的相鄰像素之差進行梯度幅值的像響應最好。Prewitt算子和Sobel算子都是對圖像進行差分和濾波運算，僅在平滑部分圖像噪聲比較小的情況。Canny緣檢測算子的不同之處在于，它使用2種不同的閾值分別檢測強邊緣和弱邊緣，而言不容易被噪聲“填充更容易檢測出真正的弱邊緣。通過對lenna圖的仿真確，連續(xù)性較好，虛假邊緣少且邊緣均具有單像素寬度。3.3灰度標準差標準差，也稱均方差，是各數(shù)據(jù)偏離平均數(shù)距離的平均數(shù)，它是離均差平方18和平均后的方根，用σ表示。標準差是方差的算術平方根。標準差能反映一個數(shù)據(jù)集的離散程度。(3.8)其中，N為統(tǒng)計的總數(shù)，為統(tǒng)計的平均值。在數(shù)字圖像處理中，圖像的灰度標準差，即圖像中各像素灰度值與圖像平均和細節(jié)處也就越明顯。(x,y)(3.9)灰度標準差函數(shù)建立的依據(jù)是圖像離焦時，圖像模糊，各像素的灰度值變化差的圖像清晰度評價函數(shù)。度發(fā)生變化時，函數(shù)值波動較大，容易產(chǎn)生誤對焦。(a)(b)(c)圖3.6由左至右，分別為對焦圖、離焦圖、離焦亮度增加圖如圖3.6，分別表示了三種狀態(tài)之下所采集到的圖像。針對這三幅圖，分別求它們的灰度標準差。(a)圖的標準差為55.4，(b)圖的標準差為52.3，(c)圖的標準差為57.6。綜合分析可知，在對焦狀態(tài)下的圖(a)，其標準差比正常離焦狀態(tài)下的圖(b)的標準差大，55.4>52.3使圖像的背景光增強，即圖像總體像素灰度值會增加，如圖(c)，是在背景光增19強下的離焦圖片。此時，計算出圖(c)的標準差57.6，比正常背景光下的對焦圖像(a)的標準差55.4還要大，這樣，將會造成清晰度值的誤判，使系統(tǒng)出錯，誤會其完成對焦。3.4基于邊緣算子和灰度標準差的清晰度評價函數(shù)為了克服上述基于灰度標準差的清晰度評價函數(shù)受背景光影響較大的缺陷，基礎上進行的，所以，即使背景光加強，也不會讓計算結果發(fā)生比較大的變化。清晰度評價函數(shù)?；谶吘壦阕拥奶幚?，可以提取出圖像的大致輪廓，若圖像是處于清晰對焦突出，圖像邊緣圖像的像素值離散程度較小，其灰度標準差也較小。（1）（2）（3）（4）（5）（6）（7）（8）（9）圖3.7對焦模糊到清晰組圖如圖3.7，是一組對焦從模糊到清晰再到模糊的圖像。在這組圖的基礎上，分別進行Sobel算子、Robert算子、Prewitt算子和Canny算子的處理，然后，再對處理后的圖片，進行灰度標準差的計算，得出的數(shù)據(jù)如下表格：表3.1四種邊緣算子處理的灰度標準差邊緣算子圖片序號Sobel算子處理灰度標準差Robert算子處理灰度標準差Prewitt算子處理灰度標準差Canny算子處理灰度標準差16.9197.0007.0825.25829.4679.5799.6687.215314.26914.26914.72211.018418.35119.05419.13714.32620534.76143.63036.20529.269625.04827.15826.32819.998718.35219.05419.13714.326811.45711.65611.7318.78097.9968.0798.1546.074圖3.8四種邊緣算子的灰度標準差比較折線圖如圖3.84Sobel算子和Prewitt算子處理后得出的灰度標準差比較相似；Robert算子在離焦狀態(tài)的時候(圖1至圖46到圖9)SobelPrewitt對焦狀態(tài)（圖5）的時候，其灰度標準差值會突然變大好多，說明它對此狀態(tài)特別敏感；而Canny算子在離焦狀態(tài)下的灰度標準差值比較小，而到了離焦和對焦之間轉(zhuǎn)變時，灰度標準差值的上升也比較明顯。然而，當圖像采集時受到噪聲干擾時，獲取得到的圖像會有噪點的影響，這樣，會否影響到基于邊緣算子處理和灰度標準差的清晰度評價函數(shù)的穩(wěn)定性？(1)(2)(3)(4)(5)(6)(7)(8)(9)圖3.9對焦模糊到清晰加噪后組圖圖3.10四種邊緣算子的灰度標準差比較折線圖(圖像加噪后)由圖3.10對比分析可知，Robert算子容易受到圖像噪聲的影響，使到整體上小。總結上述，Robert算子在自動對焦系統(tǒng)中，在低噪聲的環(huán)境下，檢測相對精Robert算子的應用是不穩(wěn)定的?？紤]到Canny算子的計算時間會比Sobel算子和Prewitt算子更多，所以，本文建議該基于灰度標準差的清晰度評價函數(shù)應該應用Sobel算子或者Prewitt算子來用作邊緣檢測處理。214對焦檢測系統(tǒng)的程序設計及使用界面簡介圖，從而證明第3章中提出的理論是正確的。4.1自動對焦系統(tǒng)程序的基本流程圖4.1自動對焦檢測系統(tǒng)流程圖如圖4.1描述，本對焦檢測系統(tǒng)的流程是：（1）先采集獲取到一張將要進行自動對焦處理的對象的圖像，該圖像越清晰越好，方便下一步更好地選取對焦窗口；（2）參考關于對焦窗口選取的資料，選擇比較好用于邊緣檢測的區(qū)域，這一步可以節(jié)省檢測時間而且有利于提高檢測可靠性；（3）從Sobel算子、Robert算子、Prewitt算子以及Canny算子中選擇其中一種，在對焦窗口的選取區(qū)域內(nèi)進行邊緣檢測算子的處理，得到效果圖；（4）根據(jù)上一步得到的效果圖，計算圖像的平均灰度值和灰度標準差；（5）在原來流程上進行拓展，而進行實時采圖檢測，其檢測流程仍以上述為基礎而進行實時的連續(xù)采圖，再連續(xù)進行之前的每一個步驟，而且，基于計算出的平均灰度值和灰度標準差，選擇其中之一來畫折線圖。由此，分析當前對焦狀況。4.2軟件界面及操作介紹圖4.2系統(tǒng)主界面按鈕、“Sobel22算子按鈕、“Robert算子按鈕、“Prewitt算子按鈕、“Canny算子按鈕、“清除演示按鈕，以及“選項卡、“選項卡、“選項卡、“Canny”選項卡、“平均灰度”選項卡、“灰度標準差”選項卡，以及“平均灰度顯示框、“灰度標準差顯示框、“顯示停頓時間設置框，以及“原圖”畫框、“處理圖”畫框、“清晰度折線圖”畫框。其中紅框內(nèi)的邊緣算子按鈕，是用于單幅圖處理；而籃框內(nèi)的邊緣算子選項卡，用于連續(xù)組圖自動處理。以下是以離線狀態(tài)下的操作為例，介紹本軟件設計。首先，單擊“打開圖片，選擇一張準備進行對焦檢測的圖片，圖片會自動演示于“原圖框下；單擊“選取對焦窗口按鈕，在“原圖框內(nèi)的圖片上，選取完成了對焦窗口的選取工作，效果如圖4.3。圖4.3對焦窗口選取效果圖示于相應的顯示框中，效果如圖4.4。圖4.4單步邊緣檢測算子處理效果圖圖像，利用本軟件進行自動演示處理。”作為制作清晰度折線圖的數(shù)據(jù)。23Sobel算子、Robert算子、Prewitt算子和Canny算子的結果都顯示出來，效果如圖4.5。圖4.5組圖自動演示效果圖4.3實時自動對焦檢測界面基于上述離線檢測軟件，再開發(fā)出實時自動對焦檢測系統(tǒng)軟件。本設計是基于1394清晰狀態(tài)，用戶可以停止調(diào)焦，保持當前狀態(tài)即可得到最佳質(zhì)量的圖片。下面以圖片形式介紹該軟件：圖4.6實時自動對焦檢測效果1如圖4.6所示，其清晰度曲線圖展示了整個檢測流程中清晰度評價值的變化，其可以認為當前對焦情況最為理想。圖4.7實時自動對焦檢測效果2如圖4.7所示，其清晰度曲線出于低值的階段，說明當前圖像的對焦情況并不理想。結論本文通過研究自動對焦技術中的理論和應用，重點探討了各種圖像清晰度評段。論文的主要工作總結如下：241.自動對焦技術的發(fā)展對光電機一體化、自動化行業(yè)都有重要的現(xiàn)實意義。本文的緒論章節(jié)中，都表明了研究自動對焦技術的重要性和必要性2.3.基于信息熵的評價方法。但上述各方法都有一定缺陷。4.響等等問題，由此分別詳細分析了Sobel、Robert、Prewitt以及Canny這靠地邊緣數(shù)據(jù)，去除了一些干擾，再進行下一步處理。5.Sobel算子、Robert算子、Prewitt算子和CannyRobert算子在整體處理速度和低噪聲25使用Sobel算子或Prewitt準差的數(shù)值小，則代表圖像對焦模糊。6.即可采集到對焦最清晰的圖像。隨著光電機一體化技術、數(shù)字圖像處理技術等等技術研究的發(fā)展和提高，以后自動對焦技術一定會向高效、通用、簡便的方向發(fā)展。相信隨著國家對科學發(fā)展的投入加大、國內(nèi)研究對自動對焦技術的關注加深，以及社會各界的努力，我國的自動對焦技術一定會取得偉大的成就。參考文獻[1]李林.應用光學[M].北京：北京理工大學出版社，2010[2]劉鈞，高明.光學設計[M].西安：西安電子科技大學出版社，2006[3]陳天華.數(shù)字圖像處理[M].北京：清華大學出版社，2007[4]阮秋琦.數(shù)字圖像處理學[M].北京：電子工業(yè)出版社，200126[5]張錚，薛桂香，顧澤蒼.數(shù)字圖像處理與機器視覺[M].北京：人民郵電出版社，2010[6]郝志峰，謝國瑞，汪國強.概率論與數(shù)理統(tǒng)計[M].2009[7]CarstenSteger，MarkusUlrich，ChristianWiedemann，楊少榮.MachineVisionAlgorithmsandApplications[M].北京：清華大學出版社，2008[8]李奇.數(shù)字自動對焦技術的理論及實現(xiàn)方法研究[D].2004[9]王虎.自動對焦原理及方法[D].青島：中國海洋大學，2008[10]蔣婷.基于圖像處理的自動對焦理論和技術研究[D].2008致謝首先，衷心感謝一直指導我撰寫畢業(yè)論文的雷亮老師！從選題到開題報告，再到論文大綱和實驗，甚至是論文撰寫過程中的每一個細節(jié)，雷老師由始至終都以其嚴謹?shù)闹螌W態(tài)度、精益求精的工作精神，耐心仔細地指導我整個畢業(yè)論文的撰寫工作。在整個撰寫的過程中，雷老師不僅向我傳授了豐富溫故而知新。同時，雷老師還引導我掌握科學的人生觀和世界觀，讓我感悟到大學精神所在，使我在大學生活的最后這段時間受益匪淺。大學畢業(yè)設計以及論文撰寫，這是一名大學生在大學階段最后一次考核和學習。感謝學校各位領導和老師組織開展這項工作，這既是一次全面而深入的考核，讓我們重新鞏固所學的知識，又是一次寶貴的學習機會，將理論27知識結合自己的思想，再應用到實踐中去，做到學以致用?？偨Y我的畢業(yè)論文工作，在一定程度上，讓我反省了這四年學習生涯的所得所失，讓我感悟到實事求是、踏實學習、踏實工作、踏實做人的重要性，積累了不少人生經(jīng)驗，為之后步入社會工作打下堅實的基礎。最后，再次衷心感謝各位領導、指導老師以及同學的關心和幫助！附錄A關鍵程序源代碼voidMyHalconCtrl::Sobel(HobjecthoImage,Hobject*hoImageSobel,Hobject*hoROI,double*dMean,double*dDeviation){HTuplehtWidth,htHeight,Row1,Row2,Column1,Column2;HTuplehtMean,htDeviation;HobjectImageReduced;HobjectImageGray,ImageResult;get_image_size(hoImage,&htWidth,&htHeight);rgb3_to_gray(hoImage,hoImage,hoImage,&ImageGray);smallest_rectangle1(*hoROI,&Row1,&Column1,&Row2,&Column2);reduce_domain(ImageGray,*hoROI,&ImageReduced);paint_region(*hoROI,ImageGray,&ImageResult,0,"fill");sobel_amp(ImageReduced,hoImageSobel,"sum_abs",3);intensity(*hoROI,*hoImageSobel,&htMean,&htDeviation);paint_gray(*hoImageSobel,ImageResult,hoImageSobel);*dMean=htMean[0].D();28*dDeviation=htDeviation[0].D();}voidMyHalconCtrl::Roberts(HobjecthoImage,Hobject*hoImageRoberts,Hobject*hoROI,double*dMean,double*dDeviation){HTuplehtWidth,htHeight,Row1,Row2,Column1,Column2;HTuplehtMean,htDeviation;HobjectImageReduced;HobjectImageGray,ImageResult;get_image_size(hoImage,&htWidth,&htHeight);rgb3_to_gray(hoImage,hoImage,hoImage,&ImageGray);smallest_rectangle1(*hoROI,&Row1,&Column1,&Row2,&Column2