一种快速高精度相机聚焦方法技术

一种快速高精度相机聚焦方法，包括以下步骤：步骤

【技术实现步骤摘要】
一种快速高精度相机聚焦方法


[0001]本专利技术涉及自动聚焦
，具体涉及一种快速高精度相机聚焦方法
。

技术介绍

[0002]自动聚焦是现代相机的核心技术，在较高级的数码相机上已经成为一项技术指标
。
同时，自动聚焦也是计算机视觉领域的关键问题，对相机技术以及其他数字图像处理技术的发展至关重要
。
自动聚焦方法的目标是最大限度地发挥相机性能，以获取清晰的图像
。
在最佳焦距下，静态场景的某一帧图像经过评价函数评估获取当前帧图像清晰度值，评价函数会返回较高的值，表示图像焦点清晰，模糊程度较低
。
相反，如果相机处于错误的焦距，评价函数会返回较低的值，表示图像焦点模糊，模糊程度较高
。
然而，在实际拍摄过程中，相机获取的图像数据可能受到噪声的影响，评价函数的评估可能会出现多个假峰值
。
[0003]现有的聚焦方法主要存在两个缺陷，即聚焦速度慢和聚焦精度差
。
爬山算法是一种局部优化算法，它在搜索过程中会遇到第一个局部最优解时就终止搜索，无法保证达到全局最优解
。
因此，在相机自动聚焦问题上，传统的爬山算法难以实现最佳的自动聚焦效果，并且其速度较慢
。
[0004]相位聚焦
(Phase Detection Auto Focus
，
PDAF)
是一种现代主流的快速聚焦技术，通过从
CMOS
图像传感器
(CMOS Image Sensor
，
CIS)
中获取不同像素点的相位差信息，计算出镜头当前最佳聚焦位置，并确定相机镜头需要移动的距离
。
相位聚焦技术极大地提升了聚焦速度，大幅缩短了聚焦时间，使得相机能够更快速地自动聚焦
。
但在低亮度场景下，使用相位聚焦技术拍摄得到的图像清晰度较差
。

技术实现思路

[0005]针对相机自动聚焦过程，本专利技术提出了一种快速高精度相机聚焦方法，该方法将爬山算法与相位聚焦技术进行结合，以充分利用各自的优点并弥补不足之处
。
该聚焦方法旨在通过快速聚焦感兴趣区域，实现拍摄更清晰的图像，从而提升相机的实用性和灵活性，并更好地适应各种场景下的自动聚焦需求
。
[0006]本专利技术采取的技术方案为：
[0007]一种快速高精度相机聚焦方法，包括以下步骤：
[0008]步骤
1.
粗聚焦阶段：快速移动摄像头或调整焦距，使图像基本清晰
。
图像基本清晰的标准为图像清晰度评价函数所计算出来的图像清晰度值高于某一指标
。
[0009]步骤
2.
精聚焦阶段：循环迭代进行精聚焦，直至图像清晰度值最大
。
[0010]步骤2包括以下步骤：
[0011]步骤
2.1
：获取摄像头的当前帧焦距值
。
[0012]步骤
2.2
：微调焦距并使用拉普拉斯
(Laplacian)
梯度函数评价并比较前后两帧的图像清晰度值来判断爬山方向，以确定下一步精聚焦的方向
。
如果当前帧图像清晰度值大于上一帧图像清晰度值，则说明当前爬山方向正确，设置爬山方向为增大焦距；反之，则设
置爬山方向为减小焦距
。
精聚焦方向即是爬山方向
。
[0013]步骤
2.3
：通过微调焦距提高聚焦精度和图像清晰度
。
[0014]所述步骤1中，在粗聚焦阶段，根据场景的亮度分两种情况并分别采用不同的方法进行粗聚焦：在高亮度场景中，使用相位聚焦；而在低亮度场景中，则采用大步长爬山算法进行聚焦
。
粗聚焦阶段采用大步长设置，可以在一定程度上避免出现局部峰值进入局部最优焦距点和提高聚焦速度
。
[0015]所述步骤2中，粗聚焦阶段采用小步长设置，可以实现更精准的聚焦调整和高精度聚焦
。
[0016]所述步骤
2.2
中，采用拉普拉斯
(Laplacian)
梯度函数作为图像清晰度评价函数，根据拉普拉斯
(Laplacian)
梯度函数计算得出的值作为图像清晰度值：
[0017]Laplacian
梯度函数本质上是改进的
Tenengrad
梯度函数，
Tenengrad
梯度函数采用
Sobel
算子分别提取图像水平方向和垂直方向的梯度值，其评价函数定义为两个梯度值的平方和，改进方法是将
Tenengrad
梯度函数的
Sobel
算子替换为
Laplacian
算子，并用
Laplacian
算子分别提取图像水平方向和垂直方向的梯度值，其评价函数定义为两个梯度值的平方和
。Laplacian
算子能大幅度减少计算量提高计算效率
。Laplacian
算子定义如下：
[0018][0019]其中，
L
表示
Laplacian
算子，采用
Laplacian
梯度函数作为评价函数的表达式如下：式所示：
[0020]F
＝
G(x,y)
[0021]其中，
(x,y)
表示像素点在水平方向和垂直方向的坐标；
G(x,y)
表示用
Laplacian
算子与像素点
(x,y)
的卷积
。
[0022]一种相机快速高精度聚焦方法，包括以下步骤：
[0023]S1
：定义相关参数并设置初始值
。
[0024]首先，根据相机型号定义相机镜头的最大焦距值
MAX_LENS_POSITION
，不同型号相机具有不同的参数
。
[0025]其次，将精聚焦阶段中每次调整的步长
step
设置为
1。
[0026]再次，定义当前状态标志
focus_level_flag
，并设置初始值为0，用于控制算法的不同阶段；
focus_level_flag
共有9个状态，用数字0‑8分别表示开始聚焦
、
粗聚焦完成
、
准备调焦方向判断
、
开始调焦方向判断
、
调焦方向判断完成
、
准备精聚焦
、
开始精聚焦
、
精聚焦完成
、
整体聚焦完成
。
[0027]然后，定义方向判断标志
direction_judgment_flag
并设置初始值为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种快速高精度相机聚焦方法，其特征在于包括以下步骤：步骤
1.
粗聚焦阶段：快速移动摄像头或调整焦距，使图像基本清晰；步骤
2.
精聚焦阶段：循环迭代进行精聚焦，直至图像清晰度值最大
。2.
根据权利要求1所述一种快速高精度相机聚焦方法，其特征在于：步骤2包括以下步骤：步骤
2.1
：获取摄像头的当前帧焦距值；步骤
2.2
：微调焦距并使用拉普拉斯
(Laplacian)
梯度函数评价并比较前后两帧的图像清晰度值来判断爬山方向，以确定下一步精聚焦的方向；如果当前帧图像清晰度值大于上一帧图像清晰度值，则说明当前爬山方向正确，设置爬山方向为增大焦距；反之，则设置爬山方向为减小焦距；精聚焦方向即是爬山方向；步骤
2.3
：通过微调焦距提高聚焦精度和图像清晰度
。3.
根据权利要求1所述一种快速高精度相机聚焦方法，其特征在于：所述步骤1中，在粗聚焦阶段，根据场景的亮度分两种情况并分别采用不同的方法进行粗聚焦：在高亮度场景中，使用相位聚焦；而在低亮度场景中，则采用大步长爬山算法进行聚焦
。4.
根据权利要求1所述一种快速高精度相机聚焦方法，其特征在于：所述步骤2中，粗聚焦阶段采用小步长设置
。5.
根据权利要求2所述一种快速高精度相机聚焦方法，其特征在于：所述步骤
2.2
中，采用拉普拉斯
(Laplacian)
梯度函数作为图像清晰度评价函数，根据拉普拉斯
(Laplacian)
梯度函数计算得出的值作为图像清晰度值：
Laplacian
梯度函数本质上是改进的
Tenengrad
梯度函数，
Tenengrad
梯度函数采用
Sobel
算子分别提取图像水平方向和垂直方向的梯度值，其评价函数定义为两个梯度值的平方和，改进方法是将
Tenengrad
梯度函数的
Sobel
算子替换为
Laplacian
算子，并用
Laplacian
算子分别提取图像水平方向和垂直方向的梯度值，其评价函数定义为两个梯度值的平方和；
Laplacian
算子定义如下：其中，
L
表示
Laplacian
算子，采用
Laplacian
梯度函数作为评价函数的表达式如下：式所示：
F
＝
Gx,y
其中，
x,y
表示像素点在水平方向和垂直方向的坐标；
G x,y
表示用
Laplacian
算子与像素点
x,y
的卷积
。6.
一种相机快速高精度聚焦方法，其特征在于包括以下步骤：
S1
：定义相关参数并设置初始值；
S2
：初始化相机，进入主循环；首先，捕获相机图像并将其转换为灰度图；然后，计算出当前帧图像清晰度值；
S3
：根据当前状态标志
focus_level_flag
的值，执行不同的操作
。7.
根据权利要求6所述一种相机快速高精度聚焦方法，其特征在于：
S1
包括以下步骤：
首先，根据相机型号定义相机镜头的最大焦距值
MAX_LENS_POSITION
，不同型号相机具有不同的参数；其次，将精聚焦阶段中每次调整的步长
step
设置为1；再次，定义当前状态标志
focus_level_flag
，并设置初始值为0，用于控制算法的不同阶段；
focus_level_flag
共有9个状态，用数字0‑8分别表示开始聚焦
、
粗聚焦完成
、
准备调焦方向判断
、
开始调焦方向判断
、
调焦方向判断完成
、
准备精聚焦
、
开始精聚焦
、
精聚焦完成
、
整体聚焦完成；然后，定义方向判断标志
...

【专利技术属性】
技术研发人员：黄志勇，姚玉，姚博远，石小涛，
申请(专利权)人：三峡大学，
类型：发明
国别省市：