CN105607218A - 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 - Google Patents
一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 Download PDFInfo
- Publication number
- CN105607218A CN105607218A CN201510522454.XA CN201510522454A CN105607218A CN 105607218 A CN105607218 A CN 105607218A CN 201510522454 A CN201510522454 A CN 201510522454A CN 105607218 A CN105607218 A CN 105607218A
- Authority
- CN
- China
- Prior art keywords
- image
- focusing
- fuzzy entropy
- data transmission
- definition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Automatic Focus Adjustment (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于模糊熵的影像自动对焦方法,引入模糊熵的概念对图像信息进行表征,定义图像的边缘特征矩阵,并基于像素的测度定义图像对焦评价函数,从而确定图像测量***的精确对焦位置。对于复杂多变的工业测量现场,由于光照变化、振动等原因而包含大量噪声影响信号的图像,利用模糊熵能够更好的表达图像的灰度梯度信息。本发明对焦效率高,对焦准确,可广泛地应用于工业影像测量***。
Description
技术领域
本发明涉及图像处理和自动对焦技术领域,特别涉及一种基于模糊熵的影像自动对焦方法。
背景技术
随着计算机技术和图像信息处理技术的不断发展,基于图像技术的非接触式测量因其快捷、方便、智能等特点,被广泛应用到各个领域。非接触式影像测量的基础是获取清晰的图像,而自动对焦则是图像***获取清晰图像的重要过程,是机器视觉***的关键技术。
自动对焦是通过选择适当的对焦评价函数对所采集的图像进行评价,根据评价结果,应用搜索算法搜索图像的对焦点,然后驱动调焦机构使CCD快速准确到达焦点位置。
理想的自动对焦方法要求对焦评价函数具有单峰性、尖锐性和唯一性等特点。然而,由于对焦场景多种多样,光照条件变化不定,使得对焦评价值函数曲线在很多情况下不是单调平滑的单峰曲线,而是呈现多个峰值,从而使对焦搜索容易陷入局部峰值。特别是在复杂多变的工业影像测量现场,对焦过程可能会长时间陷入反复来回振荡而导致对焦失败。
发明内容
发明的目的在于克服现有技术之不足,提供一种基于模糊熵的影像自动对焦方法测数据传输装置和方法,对焦效率高,对焦准确,可广泛地应用于工业影像测量***。
本发明解决其技术问题所采用的技术方案是:提供一种基于模糊熵的影像自动对焦方法测数据传输装置,包括:驱动镜头以特定步长遍历整个搜索区域,在镜头的初试位置以及每一步的位置获取一副图像,对所得到的每一副图像保存其对应的镜头位置,通过模糊熵对每一副图像信息进行表征,定义图像的边缘特征矩阵,并基于像素的测度定义图像对焦评价函数,从而确定图像测量***的精确对焦位置。
优选的,所述的对每一副图像定义模糊熵的方法为:设所获取的m×n维图像具有N个灰度级,定义模糊集A,其论域为图像的灰度级,并对图像中每个像素的灰度值进行归一化处理,定义模糊集A的隶属度函数为:
其中,k为归一化处理后的像素灰度值;
在模糊集A上定义模糊熵为:
EA(μA(f(i,j)))=-(μA(f(i,j)))log(μA(f(i,j))),
其中,当f(i,j)=k时,隶属度函数最大而模糊熵最小,且模糊熵在f(i,j)=k具有对称性。
优选的,所述定义图像的边缘特征矩阵的方法为:以图像中每一个像素的灰度值构建m×n维矩阵M,在矩阵M中,取像素点(i,j)为中心,大小为l×l的一个窗口,其中l为奇数;在该窗口上定义像素点(i,j)的基于模糊熵的测度为:
令f(i,j)=k,当像素点(i,j)为边缘点时,窗口内各点的灰度值差异大,则mA(i,j)的值也较大;对图像中所有的像素点分别计算测度mA(i,j),构建图像的边缘特征矩阵M[mA(i,j)]m×n。
优选的,所述定义图像对焦评价函数为:
F=∑(i,j)∈RectmA(i,j),其中Rect为对焦窗口。
优选的,计算所获取的每一副图像的评价值的最大值,其所定义的镜头位置即为镜头对焦位置。
优选的,驱动镜头移动至所获得的镜头对焦位置,对焦结束。
优选的,所述二位输入信号f(i,j)是所获取图像中的全部区域或者局部区域。
优选的,一种基于模糊熵的影像自动对焦方法测数据传输装置,包括如下步骤:
A1、自动对焦操作开始,镜头行进步速设置为0;
A2、获取并保存镜头当前位置的采集图像;
A3、镜头行进步速i加1,根据所选定的步长s计算镜头位置pi=i×s,保存镜头位置pi。
A4、在图像中心截取m×n的对焦窗口;
A5、m×n维图像具有N个灰度集,定义模糊集A,其论域为图像的灰度集,并对图像中每个像素的灰度值进行归一化处理,定义模糊集A的隶属度函数为:其中,k为归一化处理后的像素灰度值,0.5≤μA(f(i,j))≤1;定义模糊熵为:EA(μA(f(i,j)))=-(μA(f(i,j)))log(μA(f(i,j)));
A6、以图像中每一个像素的灰度值构建m×n维矩阵M,取像素点(i,j)为中心,大小为l×l的一个窗口,其中l为奇数;在该窗口上计算像素点(i,j)的基于模糊熵的测度为: 对图像中所有的像素点分别计算测度mA(i,j),构建图像的边缘特征矩阵M[mA(i,j)]m×n;
A7、定义对焦评价函数F=∑∑i,j)∈RectmA(i,j),其中Rect为对焦窗口,根据对焦评价函数计算图像的评价值Qi;
A8、根据当前镜头位置判断是否已经遍历整个搜索范围;如果已经达到搜索范围的最大值,则进入步骤A9,否则返回步骤A2;
A9、从所采集的图像评价值数组中找出最大值Qm及其对应的镜头位置pm;
A10、计算当前镜头所在位置pn与图像评价值最大所对应镜头位置pm的距离d=pm-pn;
A11、将d反馈给驱动控制部分,驱动镜头至对焦位置;
A12、对焦结束,所以存储单元清空。
本发明的有益效果是:
1)在对图像进行对焦评价时,将模糊熵用于计算像素点的测度。图像越是清晰,图像中的像素点的灰度值差异越大,从而计算测度越大,可以很好的反映图像的清晰程度,且抗噪性强,对拍摄环境适应性强。因此根据图像各点的模糊熵得到图像的评价值,具有很高的对焦精确度。
2)采用电机固定步长遍历对焦窗口的搜索算法,电机只需按照固定步长自左向右运行一趟,不需要进行往复运动,因此不需要设置电机延迟,有效节约了电机的搜索时间。
以下结合附图及实施例对本发明作进一步详细说明;但本发明的一种基于模糊熵的影像自动对焦方法测数据传输装置和方法不局限于实施例。
附图说明
图1是本发明方法的流程图;
图2(a)是对焦模糊的刹车片凸台图片;
图2(b)是对焦清晰的刹车片凸台图片;
图3是本发明的自动对焦方法与经典对焦方法的对比;
图4是最佳放大倍率不同光照条件下本发明的自动对焦方法的对比;
图5(a)是在光照条件过弱条件下的本发明的自动对焦方法与基于Breene算子的对焦方法的对比;
图5(b)是在光照条件过强条件下的本发明的自动对焦方法与基于Breene算子的对焦方法的对比。
具体实施方式
实施例1
参见图1所示,本发明的一种基于模糊熵的影像自动对焦方法测数据传输装置,包括:驱动镜头以特定步长遍历整个搜索区域,在镜头的初试位置以及每一步的位置获取一副图像,对所得到的每一副图像保存其对应的镜头位置,通过模糊熵对每一副图像信息进行表征,定义图像的边缘特征矩阵,并基于像素的测度定义图像对焦评价函数,从而确定图像测量***的精确对焦位置。
更进一步,所述的对每一副图像定义模糊熵的方法为:设所获取的m×n维图像具有N个灰度级,定义模糊集A,其论域为图像的灰度级,并对图像中每个像素的灰度值进行归一化处理,定义模糊集A的隶属度函数为:
其中,k为归一化处理后的像素灰度值;
在模糊集A上定义模糊熵为:
EA(μA(f(i,j)))=-(μA(f(i,j)))log(μA(f(i,j))),
其中,当f(i,j)=k时,隶属度函数最大而模糊熵最小,且模糊熵在f(i,j)=k具有对称性。
更进一步,所述定义图像的边缘特征矩阵的方法为:以图像中每一个像素的灰度值构建m×n维矩阵M,在矩阵M中,取像素点(i,j)为中心,大小为l×l的一个窗口,其中l为奇数;在该窗口上定义像素点(i,j)的基于模糊熵的测度为:
令f(i,j)=k,当像素点(i,j)为边缘点时,窗口内各点的灰度值差异大,则mA(i,j)的值也较大;对图像中所有的像素点分别计算测度mA(i,j),构建图像的边缘特征矩阵M[mA(i,j)]m×n。
更进一步,所述定义图像对焦评价函数为:
F=Σ(i,j)∈RectmA(i,j),其中Rect为对焦窗口。
更进一步,计算所获取的每一副图像的评价值的最大值,其所定义的镜头位置即为镜头对焦位置。
更进一步,驱动镜头移动至所获得的镜头对焦位置,对焦结束。
更进一步,所述二位输入信号f(i,j)是所获取图像中的全部区域或者局部区域。
更进一步,一种基于模糊熵的影像自动对焦方法测数据传输装置,包括如下步骤:
A1、自动对焦操作开始,镜头行进步速设置为0;
A2、获取并保存镜头当前位置的采集图像;
A3、镜头行进步速i加1,根据所选定的步长s计算镜头位置pi=i×s,保存镜头位置pi。
A4、在图像中心截取m×n的对焦窗口;
A5、m×n维图像具有N个灰度集,定义模糊集A,其论域为图像的灰度集,并对图像中每个像素的灰度值进行归一化处理,定义模糊集A的隶属度函数为:其中,k为归一化处理后的像素灰度值,0.5≤μA(f(i,j))≤1;定义模糊熵为:EA(μA(f(i,j)))=-(μA(f(i,j)))log(μA(f(i,j)));
A6、以图像中每一个像素的灰度值构建m×n维矩阵M,取像素点(i,j)为中心,大小为l×l的一个窗口,其中l为奇数;在该窗口上计算像素点(i,j)的基于模糊熵的测度为: 对图像中所有的像素点分别计算测度mA(i,j),构建图像的边缘特征矩阵M[mA(i,j)]m×n;
A7、定义对焦评价函数F=Σ(i,j)∈RectmA(i,j),其中Rect为对焦窗口,根据对焦评价函数计算图像的评价值Qi;
A8、根据当前镜头位置判断是否已经遍历整个搜索范围;如果已经达到搜索范围的最大值,则进入步骤A9,否则返回步骤A2;
A9、从所采集的图像评价值数组中找出最大值Qm及其对应的镜头位置pm;
A10、计算当前镜头所在位置pn与图像评价值最大所对应镜头位置pm的距离d=pm-pn;
A11、将d反馈给驱动控制部分,驱动镜头至对焦位置;
A12、对焦结束,所以存储单元清空。
实施例2
对焦过程中,镜头等步长前进,每前进一个步距,采集一副图像。本实施例采集了17副“刹车片凸台”的图像,并在每幅图像的中心截取对焦窗口尺寸为320×320。对焦时图像质量从模糊到清晰再到模糊,相应的对焦评价值也应该呈现从小到大再减小的变化规律。图2(a)和图2(b)给出了对焦情况不同的两幅图像,分别是模糊和清晰的刹车片凸台采集图片。图3给出了对于图2所示图像序列的基于本发明的自动对焦方法与一些经典对焦评价方法的比较,采用的对焦评价算法包括:Roberts算子、Brenner算子、Laplacian算子、Tenengrad算子。图3为评价结果归一化后的比较曲线。图3显示,在所比较的对焦评价方法中,只有本发明的对焦方法和Brenner算子呈现单峰性,且本发明的对焦方法呈现更陡峭的峰值特性和更高的敏感性。Roberts算子、Laplacian算子和Tenengrad算子都呈现多个峰值点,难以对正焦位置做出正确的评价。
本实施例所采用的试验平台最佳放大倍率为3,在此条件下的最佳光照强度为35。图4给出了在最佳放大倍率下,采用不同光照条件的基于本发明的三种对焦评价函数曲线。这三种光照条件分别是:光照强度分别取10(偏弱)、35(理想)、80(过强)。图4显示,照明条件过强或者过弱都会使对焦评价函数曲线上浮,且曲线略趋平坦,尖锐性有所减弱。但是曲线仍然具有良好的单峰性、无偏性的特点,表现出对环境变化的很好的适应性。
图5(a)和图5(b)分别给出了不同光照条件下的本发明的自动对焦方法与基于Breene算子的自动对焦方法的比较。图5(a)为放大倍率为3,光照条件为10(偏弱)条件下的比较;图5(b)为放大倍率为3,光照条件为80(过强)条件下的比较。从图中看出,Brenner算子在光强不理想(过强或者过弱)的环境下,其曲线上浮、平坦,且出现局部峰值点。本发明的自动对焦方法虽然也受到环境的影响,但表现出对环境变化更强的适应能力。
综上所述,基于模糊熵的对焦评价函数可以有效地对图像清晰度进行评价,从而确定图像的精确对焦位置。同时,在实际应用中具有较强的抗干扰能力,能够适应非接触式影像测量过程中的复杂环境变化,有效提高自动对焦***的可靠性能。
上述实施例仅用来进一步说明本发明的一种基于模糊熵的影像自动对焦方法测数据传输装置和方法,但本发明并不局限于实施例,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均落入本发明技术方案的保护范围内。
Claims (8)
1.一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于,包括:驱动镜头以特定步长遍历整个搜索区域,在镜头的初试位置以及每一步的位置获取一副图像,对所得到的每一副图像保存其对应的镜头位置,通过模糊熵对每一副图像信息进行表征,定义图像的边缘特征矩阵,并基于像素的测度定义图像对焦评价函数,从而确定图像测量***的精确对焦位置。
2.根据权利要求1所述的一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于:所述的对每一副图像定义模糊熵的方法为:设所获取的m×n维图像具有N个灰度级,定义模糊集A,其论域为图像的灰度级,并对图像中每个像素的灰度值进行归一化处理,定义模糊集A的隶属度函数为:
其中,k为归一化处理后的像素灰度值;
在模糊集A上定义模糊熵为:
EA(μA(f(i,j)))=-(μA(f(i,j)))log(μA(f(i,j))),
其中,当f(i,j)=k时,隶属度函数最大而模糊熵最小,且模糊熵在f(i,j)=k具有对称性。
3.根据权利要求2所述的一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于:所述定义图像的边缘特征矩阵的方法为:以图像中每一个像素的灰度值构建m×n维矩阵M,在矩阵M中,取像素点(i,j)为中心,大小为l×l的一个窗口,其中l为奇数;在该窗口上定义像素点(i,j)的基于模糊熵的测度为:
令f(i,j)=k,当像素点(i,j)为边缘点时,窗口内各点的灰度值差异大,则mA(i,j)的值也较大;对图像中所有的像素点分别计算测度mA(i,j),构建图像的边缘特征矩阵M[mA(i,j)]m×n。
4.根据权利要求3所述的一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于:所述定义图像对焦评价函数为:
F=Σ(i,j)∈RectmA(i,j),其中Rect为对焦窗口。
5.根据权利要求4所述的一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于:计算所获取的每一副图像的评价值的最大值,其所定义的镜头位置即为镜头对焦位置。
6.根据权利要求5所述的一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于:驱动镜头移动至所获得的镜头对焦位置,对焦结束。
7.根据权利要求2所述的一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于:所述二位输入信号f(i,j)是所获取图像中的全部区域或者局部区域。
8.根据权利要求1所述的一种基于模糊熵的影像自动对焦方法测数据传输装置,其特征在于:包括如下步骤:
A1、自动对焦操作开始,镜头行进步速设置为0;
A2、获取并保存镜头当前位置的采集图像;
A3、镜头行进步速i加1,根据所选定的步长s计算镜头位置pi=i×s,保存镜头位置pi。
A4、在图像中心截取m×n的对焦窗口;
A5、m×n维图像具有N个灰度集,定义模糊集A,其论域为图像的灰度集,并对图像中每个像素的灰度值进行归一化处理,定义模糊集A的隶属度函数为:其中,k为归一化处理后的像素灰度值,0.5≤μA(f(i,j))≤1;定义模糊熵为:EA(μA(f(i,j)))=-(μA(f(i,j)))log(μA(f(i,j)));
A6、以图像中每一个像素的灰度值构建m×n维矩阵M,取像素点(i,j)为中心,大小为l×l的一个窗口,其中l为奇数;在该窗口上计算像素点(i,j)的基于模糊熵的测度为: 对图像中所有的像素点分别计算测度mA(i,j),构建图像的边缘特征矩阵M[mA(i,j)]m×n;
A7、定义对焦评价函数F=Σ(i,j)∈RectmA(i,j),其中Rect为对焦窗口,根据对焦评价函数计算图像的评价值Qi;
A8、根据当前镜头位置判断是否已经遍历整个搜索范围;如果已经达到搜索范围的最大值,则进入步骤A9,否则返回步骤A2;
A9、从所采集的图像评价值数组中找出最大值Qm及其对应的镜头位置pm;
A10、计算当前镜头所在位置pn与图像评价值最大所对应镜头位置pm的距离d=pm-pn;
A11、将d反馈给驱动控制部分,驱动镜头至对焦位置;
A12、对焦结束,所以存储单元清空。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510522454.XA CN105607218A (zh) | 2015-08-24 | 2015-08-24 | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510522454.XA CN105607218A (zh) | 2015-08-24 | 2015-08-24 | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105607218A true CN105607218A (zh) | 2016-05-25 |
Family
ID=55987283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510522454.XA Pending CN105607218A (zh) | 2015-08-24 | 2015-08-24 | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105607218A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN109752831A (zh) * | 2017-11-02 | 2019-05-14 | 山东颐泽天泰医疗科技有限公司 | 一种聚焦时间可控的显微镜自动聚焦方法、***及装置 |
CN110121669A (zh) * | 2016-12-30 | 2019-08-13 | 欧洲非线性光谱实验室(Lens) | 用于测量光学仪器的聚焦状态的***和方法 |
CN114845042A (zh) * | 2022-03-14 | 2022-08-02 | 南京大学 | 一种基于图像信息熵的相机自动对焦方法 |
-
2015
- 2015-08-24 CN CN201510522454.XA patent/CN105607218A/zh active Pending
Non-Patent Citations (2)
Title |
---|
S.AL-SHARHAN ETC: "Fuzzy Entropy: a Brief Survey", 《2001 IEEE INTERNATIONAL FUZZY SYSTEMS CONFERENCE》 * |
孙首雷: "高像素CMOS摄像头模组检测技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110121669A (zh) * | 2016-12-30 | 2019-08-13 | 欧洲非线性光谱实验室(Lens) | 用于测量光学仪器的聚焦状态的***和方法 |
CN109752831A (zh) * | 2017-11-02 | 2019-05-14 | 山东颐泽天泰医疗科技有限公司 | 一种聚焦时间可控的显微镜自动聚焦方法、***及装置 |
CN109752831B (zh) * | 2017-11-02 | 2022-01-14 | 山东颐泽天泰医疗科技有限公司 | 一种聚焦时间可控的显微镜自动聚焦方法、***及装置 |
CN108154510A (zh) * | 2018-01-17 | 2018-06-12 | 深圳市亿图视觉自动化技术有限公司 | 产品表面缺陷检测方法、装置及计算机可读存储介质 |
CN114845042A (zh) * | 2022-03-14 | 2022-08-02 | 南京大学 | 一种基于图像信息熵的相机自动对焦方法 |
CN114845042B (zh) * | 2022-03-14 | 2023-03-10 | 南京大学 | 一种基于图像信息熵的相机自动对焦方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mayer et al. | Accurate and efficient image forgery detection using lateral chromatic aberration | |
US7697749B2 (en) | Stereo image processing device | |
CN107993258B (zh) | 一种图像配准方法及装置 | |
US20110222734A1 (en) | Methods for evaluating distances in a scene and apparatus and machine readable medium using the same | |
CN111083365B (zh) | 一种最佳焦平面位置快速检测方法及装置 | |
CN110297232A (zh) | 基于计算机视觉的单目测距方法、装置及电子设备 | |
US20040217257A1 (en) | Scene-based method for determining focus | |
CN104637064A (zh) | 一种基于边缘强度权重的离焦模糊图像清晰度检测方法 | |
CN101533513B (zh) | 基于双视几何的图片伪造检测方法 | |
CN102404602A (zh) | 一种基于清晰度测试卡的摄像机清晰度检测方法 | |
CN103424105B (zh) | 对象检测方法和装置 | |
CN105607218A (zh) | 一种基于模糊熵的影像自动对焦方法测数据传输装置和方法 | |
CN105049723B (zh) | 基于离焦量差异定性分析的自动对焦方法 | |
CN106204524A (zh) | 一种评价图像质量的方法及装置 | |
CN101819024A (zh) | 一种基于机器视觉的二维位移检测方法 | |
CN103411533A (zh) | 结构光自适应多次曝光法 | |
CN103337077A (zh) | 一种基于多尺度分割和sift的可见光与红外图像配准的方法 | |
CN101630407B (zh) | 基于两视几何和图分割的伪造区域定位方法 | |
CN108966500A (zh) | 基于视觉跟踪的pcb板二次及多次精确打孔方法 | |
Mathavan et al. | Detection of pavement cracks using tiled fuzzy Hough transform | |
CN116309409A (zh) | 一种焊缝缺陷检测方法、***和存储介质 | |
CN103049909A (zh) | 一种以车牌为焦点的曝光方法 | |
CN106027911A (zh) | 一种对地观测星载可见光传输型相机的在轨调焦方法 | |
CN113538545B (zh) | 一种基于电液可调焦镜头的单目深度估计方法及相应的相机和存储介质 | |
CN107392948B (zh) | 一种分振幅实时偏振成像***的图像配准方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160525 |