＊一种基于图像处理的快速自动聚焦算法建＊，赵郭显（湘潭大学材料与光电物理学院，湖南湘潭４１１１０５）［摘要］提出了一种基于图像处理的快速自动聚焦算法．该方法采用拉普拉斯梯度函数作为聚焦评价函数，然后利用改进的极点搜索算法寻找对焦平面．采用该搜索算法能在全局内进行极点搜索，快速找到成像质量最高的图像，有效地避免局部极值的干扰，快速有效地实现自动聚焦．关键词：自动聚焦；拉普拉斯梯度函数；极点搜索中图分类号：ＴＰ７５１．１文献标识码：Ａ文章编号：１０００－５９００（２０１２）０２－００２２ＡｎＩｍｐｒｏｖｅｄＡｕｔｏＦｏｃｕｓＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇＧＵＯＪｉａｎ＊，ＺＨＡＯＸｉａｎ（ＦａｃｕｌｔｙｏｆＭａｔｅｒｉａｌａｎｄＰｈｏｔｏ－ｅｌｅｃｔｒｏｎｉｃＰｈｙｓｉｃｓ，ＸｉａｎｇｔａｎＵｎｉｖｅｒｓｉｔｙ，随着数码相机、数字显微镜等光学仪器的应用越来越广泛，人们对这些光学仪器的要求也越来越高．近年来，这些数字化成像系统所共有的关键技术之一，自动聚焦技术也越来越受到关注．传统自动聚焦主要通过测量焦点位置或光学测距的方式来实现，而基于图像处理的聚焦方法则是直接根据成像所得到的图像质量来分析当前成像状态，然后完成自动聚焦的．在基于图像处理技术的自动聚焦问题上，人们做过很多研究，关键技术主要在两个方面：聚焦评价函数的选择和极点搜索算法的确定．对聚焦评价函数的选择，文献［１，２］给出了多种用于评价图像清晰度的方法模型，主要有灰度差分、梯度算法、离散余弦变换、熵函数法等．关于极点搜索算法，如果采用传统的爬山搜索算法很容易陷入局部极值，后来也有人对此做出改进，文献［３］中提出首先用穷举搜索方法找到评价函数最大值，然后再在该值附近进行小步长爬山搜索，最终找到最大值的方法，该方法扫描方向单一，有许多不必要的搜索步骤，耗费搜索时间大大降低了对焦速度．文献［４］提出采用多点比较策略进行极点搜索，该方法在比较每一点的评价函数值和前一步的评价函数值时，还和前面多个点的评价值进行比较，该算法计算量大，对成像系统的模型与自动聚焦原理１聚焦是成像的必要条件．如图１所示为近轴条件下的一个简单光学成像系统，Ｐ为物点，Ｆ１和Ｆ２为焦点，Ｐ１为点光源Ｐ所成的像点，点光源Ｐ在像面上所成的像Ｐ２为一个弥散斑．当物体对焦不准确时＊收稿日期：２０１１－０９－１４通信作者：郭建（１９５６—），男，湖南益阳人，教授．Ｅ－ｍａｉｌ：ｕｏｊｉａｎ＠ｘ个模糊像．为了使物体所成的像最清晰，就需要改变光学结构，使Ｐ２所在的像面尽可能与Ｐ１所在的像面重合，这样使弥散斑的面积达到最小，此时光学系统处于准确对焦状态．自动聚焦就是通过分析计算光学系统的焦点位置，然后通过步进电机等硬件系统的作用将光学系统自动聚焦到被摄物体上．基于图像处理的聚焦方法就是根据聚焦过程中，在聚焦状态和离焦状态下所形成的图像进行分析，根据图像的清晰度来确定是否成功对焦．一般当光学系统处于对焦状态时，所得到的图像清晰度为最高，物体越偏离对焦平面图像清晰度越低．根据这一原理，只要计算出光学系统在自动聚焦过程中物体处于不同位置所成图像的清晰度，然后找到清晰度最高的图像，便可完成自动聚焦．自动聚焦评价函数２聚焦评价函数的选择是决定自动聚焦是否成功的关键．在这里，我们要通过聚焦函数来准确反映图像清晰度，因此也将聚焦评价函数称为图像清晰度评价函数．一般来说，聚焦评价函数的最大值对应的就是焦平面位置．分析图像特征可知，图像清晰度越高，其灰度变化越多．根据数字图像的这一特性，可以用图像中灰度方差大小来表示图像清晰度．在本文中采用拉普拉斯梯度函数作为聚焦评价函数．假设图像中某点（ｘ，ｙ）处的灰度值为ｆ（ｘ，ｙ），图像尺寸为Ｍ×Ｎ，拉普拉斯梯度ｆ（ｘ，２ｆ（ｘ，２２ｆ（ｘ，＋＝ｘｙ２ｆ（ｘ，ｙ）－ｆ（ｘ－１，ｙ）－ｆ（ｘ＋１，ｙ）＋２ｆ（ｘ，ｙ）－ｆ（ｘ，ｙ－１）（１ＭＮＳ＝∑∑［４ｆ（ｘ，ｙ）－ｆ（ｘ＋１，ｙ）－ｆ（ｘ－１，ｙ）－ｆ（ｘ，...