摘 要： 在紅外成像區(qū)域法自動調(diào)焦系統(tǒng)中，聚焦區(qū)域選擇很重要。為此，對一組紅外圖像進行實驗仿真，選擇相同大小、不同位置的聚焦區(qū)域觀察其對調(diào)焦評價函數(shù)曲線的影響，以及選擇同一聚焦位置、不同大小的聚焦區(qū)域觀察其對調(diào)焦評價函數(shù)曲線的影響，通過分析得出聚焦區(qū)域選擇的基本原則。
關(guān)鍵詞： 紅外成像；自動調(diào)焦；聚焦區(qū)域；調(diào)焦評價函數(shù)
紅外成像區(qū)域法自動調(diào)焦是利用調(diào)焦評價函數(shù)對聚焦區(qū)域圖像質(zhì)量進行評價[1]，然后通過搜索算法進行極點搜索、移動方向和步長，直至獲取圖像質(zhì)量最佳的一個控制反饋過程。
區(qū)域圖像是從圖像出發(fā)，在一幅待分析圖像上重新劃定圖像清晰度評價區(qū)域，區(qū)域圖像選擇一方面可以減少數(shù)據(jù)處理量，加快聚焦速度；另一方面通過選取興趣區(qū)域，可以消除非興趣區(qū)域?qū)υu價函數(shù)曲線的影響，提高聚焦精確度。大多數(shù)情況下，興趣區(qū)域為圖像的前景部分，聚焦區(qū)域即前景圖像，而背景圖像會使評價函數(shù)曲線出現(xiàn)很多局部“峰值”。
1 聚焦區(qū)域
1.1 圖像清晰度評價函數(shù)
圖像清晰度評價函數(shù)又稱調(diào)焦評價函數(shù)。采用圖像法自動調(diào)焦的關(guān)鍵問題在于圖像清晰度評價函數(shù)的選取，理想的評價函數(shù)應(yīng)具備無偏性、單峰性、抗干擾能力強、能反映離焦的極性、靈敏度高和計算量小等特性。在本文的仿真中，選用平方梯度函數(shù)作為圖像清晰度評價函數(shù)[2]：
用平方梯度函數(shù)對58幅紅外圖像的MATLAB仿真結(jié)果如圖1所示。
由圖1可以看出，該函數(shù)曲線在開始位置變化相對平緩，但在焦點位置附近，曲線比較尖銳但相對比較平滑，靈敏度較高，所以選擇平方梯度函數(shù)作為區(qū)域圖像法自動調(diào)焦仿真的調(diào)焦評價函數(shù)。
1.2 聚焦區(qū)域
聚焦區(qū)域選擇的原因[3-4]主要有：
(1)可以大大減少數(shù)據(jù)處理量
(2)可提高圖像目標(biāo)的對焦效果
當(dāng)選擇目標(biāo)區(qū)域作為聚焦區(qū)域圖像的清晰度評價區(qū)域時，調(diào)焦對象的評價范圍從之前的整張圖縮減到一定大小的區(qū)域圖像內(nèi)，除去紅外圖像中無關(guān)背景因素的影響，與判斷整幅圖像相比，這樣能最大限度地提高目標(biāo)對焦的清晰度，從而提高聚焦精確度。
1.3 聚焦區(qū)域選擇的區(qū)別
采用聚焦區(qū)域進行自動調(diào)焦時，為了研究聚焦區(qū)域的選擇原則，掌握選擇不同位置的區(qū)域圖像對調(diào)焦評價函數(shù)曲線的影響，本文利用已有的58幅離焦-清晰-離焦的圖像序列進行仿真分析。已知第33幅紅外圖像為正焦圖片，因此選擇如圖2所示的三個不同的區(qū)域作為聚焦區(qū)域，采用平方梯度函數(shù)對58幅紅外聚焦圖像序列計算評價函數(shù)值。
其中A區(qū)域采用豐富邊緣的圖像塊，B區(qū)域邊緣圖像塊并不非常明顯，C區(qū)域為無明顯邊緣的圖像塊，運用平方梯度函數(shù)對窗口區(qū)域作出評價函數(shù)曲線。
1.4 同一聚焦區(qū)域不同聚焦窗口大小
本研究進行聚焦區(qū)域大小選擇的直接原因是為了減少調(diào)焦評價函數(shù)的計算時間，使自動對焦過程盡可能地縮短。由于對圖像進行分析處理所消耗的時間基本上與參與計算的圖像像素成正比，為了達到調(diào)焦的實時、快速性要求，在算法一定的情況下，只有減少參加運算的像素數(shù)量才能實現(xiàn)。但是減少參與運算的像素就意味著要適當(dāng)?shù)乜s小參與調(diào)焦評價函數(shù)運算的區(qū)域圖像，而聚焦區(qū)域的減少會對調(diào)焦評價函數(shù)曲線有影響。
因此，當(dāng)選定某一位置的區(qū)域圖像進行自動調(diào)焦時，為了研究同一聚焦區(qū)域窗口的大小對調(diào)焦評價函數(shù)曲線的影響，本研究在同一聚焦像素點位置上分別選用如圖3所示不同大小的窗口，分別計算幾種情況的評價函數(shù)值，分析不同大小窗口評價函數(shù)曲線，并通過實驗仿真來分析得出所需要的結(jié)果。
2 計算仿真及結(jié)果
為了分析不同位置的聚焦區(qū)域?qū)φ{(diào)焦評價函數(shù)曲線的影響，選用大小為720×576的58張紅外圖片，其中的A、B、C區(qū)域分別為以(300×380)、(220×200)、(600×90)像素點為中心大小為100×100的正方形區(qū)域。對聚焦區(qū)域A、聚焦區(qū)域B、聚焦區(qū)域C分別計算調(diào)焦評價函數(shù)值，調(diào)焦評價函數(shù)選用梯度平方函數(shù)，最終得到的特征曲線如圖4所示。
從圖4(a)、(b)、(c)中可以看出，相對于B、C兩個聚焦區(qū)域，聚焦區(qū)域A的評價函數(shù)曲線在聚焦點附近仍保持了很高的靈敏度，而C區(qū)域的函數(shù)曲線圖4(c)與A、B兩個區(qū)域的函數(shù)曲線圖4(a)、(b)相比，不僅不能滿足單峰性，而且靈敏度低，還有很多局部“峰值”，可見C區(qū)域明顯不能滿足調(diào)焦曲線函數(shù)的要求。由圖4(d)可知，A區(qū)域正焦圖為第33幅，與系統(tǒng)給定的正焦圖片一樣，選擇A區(qū)域作為聚焦區(qū)域可以達到正確對焦的效果。而B區(qū)域正焦圖為第35幅，所選聚焦區(qū)域已經(jīng)造成了誤對焦，而且B區(qū)域的評價函數(shù)曲線還出現(xiàn)了不少局部“峰值”。
由于圖像噪聲近似為高斯白噪聲，噪聲點分布也是隨機的，所以不同聚焦區(qū)域的選擇總會引入一些噪聲，對無明顯邊緣信息的C窗口，調(diào)焦評價函數(shù)曲線出現(xiàn)隨機波動，受噪聲的影響比較大；對于邊緣豐富的A窗口，調(diào)焦評價函數(shù)曲線單峰值尖銳。由此可以看到，在同樣引入了噪聲的情況下，聚焦窗口圖像邊緣能量[5]信噪比越高，對噪聲的抑制能力越強，評價函數(shù)曲線性能越好。從而證明了細節(jié)豐富的聚焦區(qū)域具有更好的調(diào)焦特征曲線。因此，選擇細節(jié)豐富的區(qū)域進行調(diào)焦，對提高精度十分有利。
為了分析既定的聚焦區(qū)域位置、不同大小的聚焦窗口對調(diào)焦評價函數(shù)曲線造成的影響，本研究選用A區(qū)域中(300×380)像素點為中心，分別繪出如圖3所示的不同大小的正方形，分別為10×10、50×50、100×100、120×120、150×150大小的窗口，得到調(diào)焦評價函數(shù)曲線分別如圖5、圖6所示。
分析圖5可以得出：當(dāng)聚焦區(qū)域太小、包含的紅外圖像的信息太少時，調(diào)焦評價函數(shù)性能會變差或不能用于自動調(diào)焦(如圖5(d))；當(dāng)聚焦區(qū)域為50×50大小時，出現(xiàn)了局部峰值，不滿足單峰性，會干擾自動調(diào)焦；當(dāng)聚焦區(qū)域進一步縮小為10×10大小時(如圖5(a))，這時的區(qū)域內(nèi)所包含的紅外圖像信息被大幅度消減，曲線出現(xiàn)大幅波動，已不符合調(diào)焦評價函數(shù)的選取要求。
分析圖5和圖6可以得出：選用更大面積的聚焦區(qū)域不一定能使評價函數(shù)性能更好，如圖6(c)所示，150×150區(qū)域在第32幅圖的時候就已經(jīng)基本達到了最大值，100×100、120×120區(qū)域窗口的調(diào)焦評價函數(shù)曲線的靈敏度均要好于150×150區(qū)域窗口的評價函數(shù)曲線。
通過以上的分析可知，聚焦區(qū)域選擇的重要原則是：盡可能選擇邊緣豐富的圖像區(qū)域，減少無邊緣的背景區(qū)域的選入，以避免引入更多的噪聲；當(dāng)所選聚焦區(qū)域太小，則調(diào)焦評價函數(shù)性能會變差或不能用于自動調(diào)焦，應(yīng)盡可能選擇大的窗口以保持評價函數(shù)的穩(wěn)定性，但是越大的聚焦窗口評價函數(shù)性能未必就越好，反而可能引入越多無關(guān)的背景，因此，應(yīng)該盡可能少地引入無關(guān)的背景以保證評價函數(shù)的單峰性。
參考文獻
[1] ZHU K F. An effective focusing algorithm based on non-uniform Sampling[C]. IEEE VLSI’ 2005 Suzhou， 2005： 276-278.
[2] 陳琛.圖像式三坐標(biāo)測量儀大范圍快速自動調(diào)焦策略的研究[D].上海：上海交通大學(xué)，2008.
[3] 麻恒闊，魏國強.基于圖像處理自動調(diào)焦方法的穩(wěn)定性研究[J].航空精密制造技術(shù)，2007，43(2)：34-35.
[4] 李奇，徐之海.數(shù)字成像系統(tǒng)自動對焦區(qū)域設(shè)計[J].光子學(xué)報，2002，31(1)：64-65.
[5] 周賢.基于圖像邊緣能量的自動聚焦算法[J].光學(xué)技術(shù)，2006，32(2)：213-217.