一種基于模糊熵的影像自動(dòng)對(duì)焦方法測(cè)數(shù)據(jù)傳輸裝置和方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理和自動(dòng)對(duì)焦技術(shù)領(lǐng)域，特別涉及一種基于模糊熵的影像自動(dòng) 對(duì)焦方法。
【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)技術(shù)和圖像信息處理技術(shù)的不斷發(fā)展，基于圖像技術(shù)的非接觸式測(cè)量 因其快捷、方便、智能等特點(diǎn)，被廣泛應(yīng)用到各個(gè)領(lǐng)域。非接觸式影像測(cè)量的基礎(chǔ)是獲取清 晰的圖像，而自動(dòng)對(duì)焦則是圖像系統(tǒng)獲取清晰圖像的重要過(guò)程，是機(jī)器視覺(jué)系統(tǒng)的關(guān)鍵技 術(shù)。
[0003] 自動(dòng)對(duì)焦是通過(guò)選擇適當(dāng)?shù)膶?duì)焦評(píng)價(jià)函數(shù)對(duì)所采集的圖像進(jìn)行評(píng)價(jià)，根據(jù)評(píng)價(jià)結(jié) 果，應(yīng)用搜索算法搜索圖像的對(duì)焦點(diǎn)，然后驅(qū)動(dòng)調(diào)焦機(jī)構(gòu)使CCD快速準(zhǔn)確到達(dá)焦點(diǎn)位置。
[0004] 理想的自動(dòng)對(duì)焦方法要求對(duì)焦評(píng)價(jià)函數(shù)具有單峰性、尖銳性和唯一性等特點(diǎn)。然 而，由于對(duì)焦場(chǎng)景多種多樣，光照條件變化不定，使得對(duì)焦評(píng)價(jià)值函數(shù)曲線在很多情況下不 是單調(diào)平滑的單峰曲線，而是呈現(xiàn)多個(gè)峰值，從而使對(duì)焦搜索容易陷入局部峰值。特別是 在復(fù)雜多變的工業(yè)影像測(cè)量現(xiàn)場(chǎng)，對(duì)焦過(guò)程可能會(huì)長(zhǎng)時(shí)間陷入反復(fù)來(lái)回振蕩而導(dǎo)致對(duì)焦失 敗。

【發(fā)明內(nèi)容】

[0005] 發(fā)明的目的在于克服現(xiàn)有技術(shù)之不足，提供一種基于模糊熵的影像自動(dòng)對(duì)焦方法 測(cè)數(shù)據(jù)傳輸裝置和方法，對(duì)焦效率高，對(duì)焦準(zhǔn)確，可廣泛地應(yīng)用于工業(yè)影像測(cè)量系統(tǒng)。
[0006] 本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是：提供一種基于模糊熵的影像自動(dòng)對(duì) 焦方法測(cè)數(shù)據(jù)傳輸裝置，包括：驅(qū)動(dòng)鏡頭以特定步長(zhǎng)遍歷整個(gè)搜索區(qū)域，在鏡頭的初試位置 以及每一步的位置獲取一副圖像，對(duì)所得到的每一副圖像保存其對(duì)應(yīng)的鏡頭位置，通過(guò)模 糊熵對(duì)每一副圖像信息進(jìn)行表征，定義圖像的邊緣特征矩陣，并基于像素的測(cè)度定義圖像 對(duì)焦評(píng)價(jià)函數(shù)，從而確定圖像測(cè)量系統(tǒng)的精確對(duì)焦位置。
[0007] 優(yōu)選的，所述的對(duì)每一副圖像定義模糊熵的方法為：設(shè)所獲取的mXn維圖像具有 N個(gè)灰度級(jí)，定義模糊集A，其論域?yàn)閳D像的灰度級(jí)，并對(duì)圖像中每個(gè)像素的灰度值進(jìn)行歸 一化處理，定義模糊集A的隸屬度函數(shù)為：
[0009] 在模糊集A上定義模糊熵為：
[0010] EA( yA(f (i, j))) = - ( μΑ(? (i, j))) log( yA(f (i, j))),
[0011] 其中，當(dāng)f (i, j) = k時(shí)，隸屬度函數(shù)最大而模糊熵最小，且模糊熵在f (i, j) = k 具有對(duì)稱性。
[0012] 優(yōu)選的，所述定義圖像的邊緣特征矩陣的方法為：以圖像中每一個(gè)像素的灰度值 構(gòu)建mXn維矩陣M，在矩陣Μ中，取像素點(diǎn)（i，j)為中心，大小為1X1的一個(gè)窗口，其中1 為奇數(shù)；在該窗口上定義像素點(diǎn)（i，j)的基于模糊熵的測(cè)度為：
[0014] 令f(i，j) = k，當(dāng)像素點(diǎn)（i，j)為邊緣點(diǎn)時(shí)，窗口內(nèi)各點(diǎn)的灰度值差異大，則 mA(i，j)的值也較大；對(duì)圖像中所有的像素點(diǎn)分別計(jì)算測(cè)度％(1，」），構(gòu)建圖像的邊緣特征 矩陣 M[mA(i，j)]^。
[0015] 優(yōu)選的，所述定義圖像對(duì)焦評(píng)價(jià)函數(shù)為：
[0016] F = Σ (i』ERectmA(i, j)，其中 Rect 為對(duì)焦窗口。
[0017] 優(yōu)選的，計(jì)算所獲取的每一副圖像的評(píng)價(jià)值的最大值，其所定義的鏡頭位置即為 鏡頭對(duì)焦位置。
[0018] 優(yōu)選的，驅(qū)動(dòng)鏡頭移動(dòng)至所獲得的鏡頭對(duì)焦位置，對(duì)焦結(jié)束。
[0019] 優(yōu)選的，所述二位輸入信號(hào)f(i，j)是所獲取圖像中的全部區(qū)域或者局部區(qū)域。
[0020] 優(yōu)選的，一種基于模糊熵的影像自動(dòng)對(duì)焦方法測(cè)數(shù)據(jù)傳輸裝置，包括如下步驟：
[0021] A1、自動(dòng)對(duì)焦操作開(kāi)始，鏡頭行進(jìn)步速設(shè)置為0 ;
[0022] A2、獲取并保存鏡頭當(dāng)前位置的采集圖像；
[0023] A3、鏡頭行進(jìn)步速i加1，根據(jù)所選定的步長(zhǎng)s計(jì)算鏡頭位置Pi= iXs，保存鏡頭 位置Pi。
[0024] A4、在圖像中心截取mXn的對(duì)焦窗口；
[0025] A5、mXn維圖像具有N個(gè)灰度集，定義模糊集A，其論域?yàn)閳D像的灰度集， 并對(duì)圖像中每個(gè)像素的灰度值進(jìn)行歸一化處理，定義模糊集A的隸屬度函數(shù)為：
其中，k為歸一化處理后的像素灰度值，0. yA(f(i，j)) < 1 ; 定義模糊熵為：EA(yA(f(i，j))) =_(yA(f(i，j)))l〇g(yA(f(i，j)));
[0026] A6、以圖像中每一個(gè)像素的灰度值構(gòu)建mXn維矩陣M，取像素點(diǎn)（i，j)為中心，大 小為1X1的一個(gè)窗口，其中1為奇數(shù)；在該窗口上計(jì)算像素點(diǎn)（i，j)的基于模糊熵的測(cè)度
?對(duì)圖像中所有的像素點(diǎn)分別計(jì)算 測(cè)度叫(;[，j)，構(gòu)建圖像的邊緣特征矩陣M[mA(i, j)]mXn;
[0027] A7、定義對(duì)焦評(píng)價(jià)函數(shù)F = eRfM：tmA(i，j)，其中Rect為對(duì)焦窗口，根據(jù)對(duì)焦評(píng) 價(jià)函數(shù)計(jì)算圖像的評(píng)價(jià)值Qi;
[0028] A8、根據(jù)當(dāng)前鏡頭位置判斷是否已經(jīng)遍歷整個(gè)搜索范圍；如果已經(jīng)達(dá)到搜索范圍 的最大值，則進(jìn)入步驟A9,否則返回步驟A2 ;
[0029] A9、從所采集的圖像評(píng)價(jià)值數(shù)組中找出最大值％及其對(duì)應(yīng)的鏡頭位置p
[0030] A10、計(jì)算當(dāng)前鏡頭所在位置pn與圖像評(píng)價(jià)值最大所對(duì)應(yīng)鏡頭位置p "的距離d = Ρη,-Ρη；
[0031] All、將d反饋給驅(qū)動(dòng)控制部分，驅(qū)動(dòng)鏡頭至對(duì)焦位置；
[0032] A12、對(duì)焦結(jié)束，所以存儲(chǔ)單元清空。
[0033] 本發(fā)明的有益效果是：
[0034] 1)在對(duì)圖像進(jìn)行對(duì)焦評(píng)價(jià)時(shí)，將模糊熵用于計(jì)算像素點(diǎn)的測(cè)度。圖像越是清晰，圖 像中的像素點(diǎn)的灰度值差異越大，從而計(jì)算測(cè)度越大，可以很好的反映圖像的清晰程度，且 抗噪性強(qiáng)，對(duì)拍攝環(huán)境適應(yīng)性強(qiáng)。因此根據(jù)圖像各點(diǎn)的模糊熵得到圖像的評(píng)價(jià)值，具有很高 的對(duì)焦精確度。
[0035] 2)采用電機(jī)固定步長(zhǎng)遍歷對(duì)焦窗口的搜索算法，電機(jī)只需按照固定步長(zhǎng)自左向右 運(yùn)行一趟，不需要進(jìn)行往復(fù)運(yùn)動(dòng)，因此不需要設(shè)置電機(jī)延遲，有效節(jié)約了電機(jī)的搜索時(shí)間。
[0036] 以下結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明；但本發(fā)明的一種基于模糊熵 的影像自動(dòng)對(duì)焦方法測(cè)數(shù)據(jù)傳輸裝置和方法不局限于實(shí)施例。
【附圖說(shuō)明】
[0037] 圖1是本發(fā)明方法的流程圖；
[0038] 圖2(a)是對(duì)焦模糊的剎車片凸臺(tái)圖片；
[0039] 圖2(b)是對(duì)焦清晰的剎車片凸臺(tái)圖片；
[0040] 圖3是本發(fā)明的自動(dòng)對(duì)焦方法與經(jīng)典對(duì)焦方法的對(duì)比；
[0041] 圖4是最佳放大倍率不同光照條件下本發(fā)明的自動(dòng)對(duì)焦方法的對(duì)比；
[0042] 圖5(a)是在光照條件過(guò)弱條件下的本發(fā)明的自動(dòng)對(duì)焦方法與基于Breene算子的 對(duì)焦方法的對(duì)比；
[0043] 圖5(b)是在光照條件過(guò)強(qiáng)條件下的本發(fā)明的自動(dòng)對(duì)焦方法與基于Breene算子的 對(duì)焦方法的對(duì)比。
【具體實(shí)施方式】
[0044] 實(shí)施例1
[0045] 參見(jiàn)圖1所示，本發(fā)明的一種基于模糊熵的影像自動(dòng)對(duì)焦方法測(cè)數(shù)據(jù)傳輸裝置， 包括：驅(qū)動(dòng)鏡頭以特定步長(zhǎng)遍歷整個(gè)搜索區(qū)域，在鏡頭的初試位置以及每一步的位置獲取 一副圖像，對(duì)所得到的每一副圖像保存其對(duì)應(yīng)的鏡頭位置，通過(guò)模糊熵對(duì)每一副圖像信息 進(jìn)行表征，定義圖像的邊緣特征矩陣，并基于像素的測(cè)度定義圖像對(duì)焦評(píng)價(jià)函數(shù)，從而確定 圖像測(cè)量系統(tǒng)的精確對(duì)焦位置。
[0046] 更進(jìn)一步，所述的對(duì)每一副圖像定義模糊熵的方法為：設(shè)所獲取的mXn維圖像具 有N個(gè)灰度級(jí)，定義模糊集A，其論域?yàn)閳D像的灰度級(jí)，并對(duì)圖像中每個(gè)像素的灰度值進(jìn)行 歸一化處理，定義模糊集A的隸屬度函數(shù)為：
[0047]
，其中，k為歸一化處理后的像素灰度值；
[0048] 在模糊集A上定義模糊熵為：
[0049] EA( yA(f (i, j))) = - ( μΑ(? (i, j))) log( yA(f (i, j))),
[0050] 其中，當(dāng)f (i, j) = k時(shí)，隸屬度函數(shù)最大而模糊熵最小，且模糊熵在f (i, j) = k 具有對(duì)稱性。
[0051] 更進(jìn)一步，所述定義圖像的邊緣特征矩陣的方法為：以圖像中每一個(gè)像素的灰度 值構(gòu)建mXn維矩陣M，在矩陣Μ中，取像素點(diǎn)（i，j)為中心，大小為1X1的一個(gè)窗口，其中 1為奇數(shù)；在該窗口上定義像素點(diǎn)（i，j)的基于模糊熵的測(cè)度為：
[0053] 令f(i，j) = k，當(dāng)像素點(diǎn)（i，j)為邊緣點(diǎn)時(shí)，窗口內(nèi)各點(diǎn)的灰度值差異大，則 mA(i，j)的值也較大；對(duì)圖像中所有的像素點(diǎn)分別計(jì)算測(cè)度％(1，」），構(gòu)建圖像的邊緣特征 矩陣 M[mA(i，j)]^。
[0054] 更進(jìn)一步，所述定義圖像對(duì)焦評(píng)價(jià)函數(shù)為：
[0055] F = Σ (n ERectmA(i, j)，其中 Rect 為對(duì)焦窗口。
[0056] 更進(jìn)一步，計(jì)算所獲取的每一副圖像的評(píng)價(jià)值的最大值，其所定義的鏡頭位置即 為鏡頭對(duì)焦位置。
[0057] 更進(jìn)一步，驅(qū)動(dòng)鏡頭移動(dòng)至所獲得的鏡頭對(duì)焦位置，對(duì)焦結(jié)束。
[0058] 更進(jìn)一步，所述二位輸入信號(hào)f(i，j)是所獲取圖像中的全部區(qū)域或者局部區(qū)域。
[0059] 更進(jìn)一步，一種基于模糊熵的影像自動(dòng)對(duì)焦方法測(cè)數(shù)據(jù)傳輸裝置，包括如下步 驟：
[0060] A1、自動(dòng)對(duì)焦操作開(kāi)始，鏡頭行進(jìn)