自动聚焦技术（AF）

5.1概述

5.2对比度检测自动聚焦

5.2.1 聚焦值计算

5.2.2 聚焦峰值搜索

5.1概述

自动聚焦是能使得场景目标在成像系统中准确清晰成像的某种自动调节过程，自动聚焦方式主要可以分为主动聚焦和被动聚焦，其中主动聚焦是依赖某种距离探测方式，如超声和红外测距等，通过测量目标场景和和镜头之间的距离，然后调焦获得对焦准确的位置。被动聚焦则不需要向对焦目标物发射任何能量或信息，仅仅通过利用透入的光线和形成的图像信息进行分析来调节聚焦。被动对焦主要包括相位检测聚焦和对比度检测聚焦两类方法。

相位检测聚焦是单反相机中用的最普遍的自动对焦方法，这种聚焦系统一般由反光镜、微透镜，以及多个成像敏感器等硬件构成其对焦原理如图所示，简单地说，通过镜头的光束被分为两个部分，分别在不同的两组成像敏感器上成像如果对焦准确，则两幅图像相同;如果对焦不准，则两幅图像会出现偏移通过比较两幅图像而检测这个偏，就能检测出聚焦的偏离状态。

相位检测自动聚焦的优点在于对焦迅速且比较精确，缺点在于要独特的硬件构造，造价高，且其复杂的构造不适合需要结构紧凑的情况，比如不适合在一般的数码相机及移动手机等平台上应用。

对比度检测聚焦是另外一种被动聚焦方法，这种方法不需要额外的硬件构造，它仅仅通过对连续获得的实际图像进行分析处理，根据前后两帧或多帧图像的对比度计算结果来控制调焦的方向和大小。其基本原理是随着调焦向准确位置越近，图像越清晰，对应的图像对比度也越大。由于不需要额外的硬件支持，这种聚焦方法广泛应用于摄像机、数码相机等成像系统。但是，对比度检测聚焦方法往往存在以下缺点: ①聚焦速度相对较慢:②对光照较为敏感，尤其是在低照度情况下容易失效; ③当目标物缺乏明显的纹理细节(比如白色墙壁)时，难以准确聚焦为了提高聚焦的速度、精度以及适应性，对比度检测自动聚焦方法受到越来越多的关注和研究。

5.2对比度检测自动聚焦

图像对比度通常也称为锐度，是用来描述图像细节分辨程度和清晰度的度量值。对比度检测聚焦采用锐度来评价聚焦的准确程度，图像锐度越大也就是聚焦值越大，说明越接近准确聚焦的位置。在聚焦调节范围内，每个调焦位置会对应个锐度值，也就是聚焦值，这些聚焦值形成曲线，通常称为聚焦曲线。锐度值通过锐度评价函数计算获得，锐度评价函数有时也称为聚焦函数。一个良好的锐度评价函数对应的聚焦曲线应该是个如图 5-2 所示的单峰曲线，并且曲线峰值对应的调焦位置即为准确聚焦的位置。

图5-3 所示给出了对比度检测对焦的一般框架。对比度检测聚焦的关键因素有两点: ①锐度评

价函数:②峰值判定和搜索策略。

5.2.1 聚焦值计算

离焦和聚焦的差异

一般光学成像系统符合薄透镜成像原理，可以利用如图 5-4 所示薄透镜成像及聚焦的示意图对对焦调节的原理作简单说明。

假设图示透镜焦距为f，物体离透镜距离为u，在成像平面上清晰成像，此时透镜光心与成像平面距离为v，则焦距f、物距u、和像距三者之间满足成像公式：

在对焦调节过程中透镜焦距和成像平面是保持不变的，可调节的是透镜在物体与成像平面的具体位置。

聚焦越准确，低通滤波的影响越小，使得实际图像中高频成分越少受到抑制，在域中现为图像越锐利、局部特征(比如边缘、灰度等)变化越大:离焦量越大，低通滤波的影响越大，使得图像中的高频成分抑制得越厉害，甚至缺失，图像就越模糊。

因此，聚焦程度即聚焦值的大小能通过图像的高频成分的多少来直接反映，这是几乎所

有计算聚焦值的锐度评价函数的基本原理。

由上述可知，聚焦程度比较好时，图像细节丰富，反映在空域上表现为局部特征，如边缘、梯度等变化越大，反映在频域上则表现为高频成分的多少，因此，锐度评价函数方法主要可分为两类空间域的方法和频率域的方法。

空间域锐度评价函数

1) Sobel 梯度函数

2) 基于阙值的绝对梯度函数

3）方差函数

4) 像素差和函数

5) Laplacian 和函数

6) Laplacian 能量函数

7）灰度相关函数

频域锐度评价函数

常用的频域变换方法有离散傅里叶变换( Discrete Fourier Transform, DFT 、离散余弦变换 Discrete Cosine Transform, DCT 、小波变换 (Wavelet Transform, WT) 等，这里主要关注基于 DCT 频域锐度评价函数。

基于 DCT 变换的频域锐度评价函数

1)贝叶斯熵DCT函数

2）基于中频系数的DCT函数

3）低高频比值DCT函数

4) 基于中频系数方向性选择的 DCT 函数

5）基于系数重组的 DCT 函数

锐度评价函数决定了聚焦值和聚焦值曲线，由于最大聚焦值对应的就是准确聚焦的位置，可以说锐度评价函数决定了聚焦过程的精度。一个好的锐度评价函数应该具备以下特性。

(1)单峰性，即只存在一个最大峰值。

(2) 精确性，即最大峰值对应的为聚焦最精准的位置。

(3)陡峭性，即从最大峰值往两侧都是单调递减的并且在峰值较小的邻域内函数值变换较大。

(4) 可实现性，即计算量较小，可以容易地在硬件上实现，并能满足实时性的要求。

5.2.2 聚焦峰值搜索

锐度评价函数决定了聚焦的精度，而聚焦峰值搜索方法决定了自动聚焦的速度。

1）全局搜索

最大峰值乎总是需要将所有调焦位置的聚焦值计算出来后才能确定，因此采用穷尽每个调焦位置的方法或全行程搜索方法是自然的也是最直观的办法。

2）二分搜索

它是一种需要往返多次的搜索策略与全局搜索类似，二分法从一端出发，首先以较大步长对整个调焦范围进行扫描一次，然后移动到当前最大聚焦值的周围邻域，再以较小步长进行搜索，如此

往复，直到搜索的最大值变化足够小为止。

3）爬山搜索

它的基本原理是在调焦过程通过前后的聚焦值信息来判定坡峰的位置简单地说，爬山法首先以合适的固定步长出发，当遇到聚焦值显著变化的位置时，判定井记下处于爬坡状态，当聚焦值开始

连续下降时，判定己过坡峰位置，则调头再以较小步长从反方向进行爬坡一次，通过坡峰如此反复地来回确定，直到最大聚焦值变化足够小为止。

4）规则搜索法

通过前后两帧图像的聚焦值来确定当前的搜索区域和步长大小，即将搜索区域划分为粗糙搜索区域、中间区域以及精细搜索区域。

对聚焦过程影响较大的一个重要因素是聚焦值计算时图像区域的选择，即选择哪块区域的图像作为聚焦值计算窗口。考虑计算量的约束，窗口的大小也是一个需要考虑的因素。般的方法是选取图像中间合适大小的长方形区域。然而，中间区域有时候并不是聚焦的目标区域有的自动聚焦方法选择有偏好的目标区域作为聚焦窗口，比如有以人脸作为最优先选择的区域。

内容参考《计算摄影学基础》，仅作学习参考。