相机自动对焦 OpenCV 图像清晰度评价

原文：https://blog.csdn.net/dcrmg/article/details/53543341

OpenCV 图像清晰度评价（相机自动对焦）

版权声明：本文为博主原创文章，转载请注明出处。 https://blog.csdn.net/dcrmg/article/details/53543341

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。

 

 

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. }

 

 

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。

 

 

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. }

 

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。

 

 

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(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. }

 

 

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。