OpenCV 图像清晰度评价(相机自动对焦)

相机的自动对焦要求相机根据拍摄环境和场景的变化,通过相机内部的微型驱动马达,自动调节相机镜头和CCD之间的距离,保证像平面正好投影到CCD的成像表面上。这时候物体的成像比较清晰,图像细节信息丰富。


相机自动对焦的过程,其实就是对成像清晰度评价的过程,对焦不准确,拍摄出来的图像清晰度低,视觉效果模糊,如果是在工业检测测量领域,对焦不准导致的后果可能是致命的;对焦准确的图像清晰度较高,层次鲜明,对比度高。


图像清晰度评价算法有很多种,在空域中,主要思路是考察图像的领域对比度,即相邻像素间的灰度特征的梯度差;在频域中,主要思路是考察图像的频率分量,对焦清晰的图像高频分量较多,对焦模糊的图像低频分量较多。


这里实现3种清晰度评价方法,分别是Tenengrad梯度方法、Laplacian梯度方法和方差方法。


Tenengrad梯度方法


Tenengrad梯度方法利用Sobel算子分别计算水平和垂直方向的梯度,同一场景下梯度值越高,图像越清晰。以下是具体实现,这里衡量的指标是经过Sobel算子处理后的图像的平均灰度值,值越大,代表图像越清晰。


[cpp] view plain copy
print ?
  1. #include   
  2. #include   
  3.   
  4. using namespace std;  
  5. using namespace cv;  
  6.   
  7. int main()  
  8. {  
  9.     Mat imageSource = imread(”2.jpg”);  
  10.     Mat imageGrey;  
  11.   
  12.     cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
  13.     Mat imageSobel;  
  14.     Sobel(imageGrey, imageSobel, CV_16U, 1, 1);  
  15.   
  16.     //图像的平均灰度  
  17.     double meanValue = 0.0;  
  18.     meanValue = mean(imageSobel)[0];  
  19.   
  20.     //double to string  
  21.     stringstream meanValueStream;  
  22.     string meanValueString;  
  23.     meanValueStream << meanValue;  
  24.     meanValueStream >> meanValueString;  
  25.     meanValueString = ”Articulation(Sobel Method): ” + meanValueString;  
  26.     putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);  
  27.     imshow(”Articulation”, imageSource);  
  28.     waitKey();  
  29. }  
#include 




#include using namespace std; using namespace cv; int main() { Mat imageSource = imread("2.jpg"); Mat imageGrey; cvtColor(imageSource, imageGrey, CV_RGB2GRAY); Mat imageSobel; Sobel(imageGrey, imageSobel, CV_16U, 1, 1); //图像的平均灰度 double meanValue = 0.0; meanValue = mean(imageSobel)[0]; //double to string stringstream meanValueStream; string meanValueString; meanValueStream << meanValue; meanValueStream >> meanValueString; meanValueString = "Articulation(Sobel Method): " + meanValueString; putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2); imshow("Articulation", imageSource); waitKey(); }

使用三张测试图片模拟不同对焦。第一张最清晰,得分最高,第二三张越来越模糊,得分依次降低。








Laplacian梯度方法:


Laplacian梯度是另一种求图像梯度的方法,在上例的OpenCV代码中直接替换Sobel算子即可。


[cpp] view plain copy
print ?
  1. #include   
  2. #include   
  3.   
  4. using namespace std;  
  5. using namespace cv;  
  6.   
  7. int main()  
  8. {  
  9.     Mat imageSource = imread(”1.jpg”);  
  10.     Mat imageGrey;  
  11.   
  12.     cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
  13.     Mat imageSobel;  
  14.   
  15.     Laplacian(imageGrey, imageSobel, CV_16U);  
  16.     //Sobel(imageGrey, imageSobel, CV_16U, 1, 1);  
  17.   
  18.     //图像的平均灰度  
  19.     double meanValue = 0.0;  
  20.     meanValue = mean(imageSobel)[0];  
  21.   
  22.     //double to string  
  23.     stringstream meanValueStream;  
  24.     string meanValueString;  
  25.     meanValueStream << meanValue;  
  26.     meanValueStream >> meanValueString;  
  27.     meanValueString = ”Articulation(Laplacian Method): ” + meanValueString;  
  28.     putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);  
  29.     imshow(”Articulation”, imageSource);  
  30.     waitKey();  
  31. }  
#include 




#include using namespace std; using namespace cv; int main() { Mat imageSource = imread("1.jpg"); Mat imageGrey; cvtColor(imageSource, imageGrey, CV_RGB2GRAY); Mat imageSobel; Laplacian(imageGrey, imageSobel, CV_16U); //Sobel(imageGrey, imageSobel, CV_16U, 1, 1); //图像的平均灰度 double meanValue = 0.0; meanValue = mean(imageSobel)[0]; //double to string stringstream meanValueStream; string meanValueString; meanValueStream << meanValue; meanValueStream >> meanValueString; meanValueString = "Articulation(Laplacian Method): " + meanValueString; putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2); imshow("Articulation", imageSource); waitKey(); }


用同样的三张测试图片测试,结果一致,随着对焦模糊得分降低:








方差方法:


方差是概率论中用来考察一组离散数据和其期望(即数据的均值)之间的离散(偏离)成都的度量方法。方差较大,表示这一组数据之间的偏差就较大,组内的数据有的较大,有的较小,分布不均衡;方差较小,表示这一组数据之间的偏差较小,组内的数据之间分布平均,大小相近。


对焦清晰的图像相比对焦模糊的图像,它的数据之间的灰度差异应该更大,即它的方差应该较大,可以通过图像灰度数据的方差来衡量图像的清晰度,方差越大,表示清晰度越好


[cpp] view plain copy
print ?
  1. #include   
  2. #include   
  3.   
  4. using namespace std;  
  5. using namespace cv;  
  6.   
  7. int main()  
  8. {  
  9.     Mat imageSource = imread(”2.jpg”);  
  10.     Mat imageGrey;  
  11.   
  12.     cvtColor(imageSource, imageGrey, CV_RGB2GRAY);  
  13.     Mat meanValueImage;  
  14.     Mat meanStdValueImage;  
  15.   
  16.     //求灰度图像的标准差  
  17.     meanStdDev(imageGrey, meanValueImage, meanStdValueImage);  
  18.     double meanValue = 0.0;  
  19.     meanValue = meanStdValueImage.at<double>(0, 0);  
  20.   
  21.     //double to string  
  22.     stringstream meanValueStream;  
  23.     string meanValueString;  
  24.     meanValueStream << meanValue*meanValue;  
  25.     meanValueStream >> meanValueString;  
  26.     meanValueString = ”Articulation(Variance Method): ” + meanValueString;  
  27.   
  28.     putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);  
  29.     imshow(”Articulation”, imageSource);  
  30.     waitKey();  
  31. }  
#include 




#include using namespace std; using namespace cv; int main() { Mat imageSource = imread("2.jpg"); Mat imageGrey; cvtColor(imageSource, imageGrey, CV_RGB2GRAY); Mat meanValueImage; Mat meanStdValueImage; //求灰度图像的标准差 meanStdDev(imageGrey, meanValueImage, meanStdValueImage); double meanValue = 0.0; meanValue = meanStdValueImage.at(0, 0); //double to string stringstream meanValueStream; string meanValueString; meanValueStream << meanValue*meanValue; meanValueStream >> meanValueString; meanValueString = "Articulation(Variance Method): " + meanValueString; putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2); imshow("Articulation", imageSource); waitKey(); }

方差数值随着清晰度的降低逐渐降低:







在工业应用中,最清晰的对焦拍摄出来的图像不一定是最好的,有可能出现摩尔纹(水波纹)现象,一般需要在最清晰对焦位置附件做一个微调。


你可能感兴趣的:(openCV,opencv,清晰度,自动对焦,相机)