摘要：采用基于圖像技術(shù)的自動(dòng)調(diào)焦方法，根據(jù)圖像分析出圖形的質(zhì)量，完成圖像預(yù)處理、清晰度判別，獲得當(dāng)前的成像狀況。通過控制電機(jī)，完成調(diào)焦操作。其中核心技術(shù)是分析圖像質(zhì)量*價(jià)函數(shù)。針對調(diào)焦算法計(jì)算量大、計(jì)算復(fù)雜等問題，采用中值濾波和灰度線性變換的圖像預(yù)處理方法，流水線作業(yè)，“乒乓”操作，雙蝶形處理器復(fù)用，基-2FFT算法相結(jié)合的工作模式。實(shí)驗(yàn)結(jié)果證實(shí)，本方法解決了自動(dòng)調(diào)焦算法復(fù)雜系統(tǒng)控制的速度問題。

　　基于圖像技術(shù)的自動(dòng)調(diào)焦方法，是從與傳統(tǒng)的自動(dòng)調(diào)焦技術(shù)完全不同的角度出發(fā)，直接對拍攝的圖像采用圖像處理技術(shù)，對圖像進(jìn)行成像質(zhì)量分析，得到系統(tǒng)當(dāng)前的對焦?fàn)顟B(tài)，然后通過驅(qū)動(dòng)機(jī)構(gòu)調(diào)整成像系統(tǒng)鏡頭的焦距實(shí)現(xiàn)自動(dòng)調(diào)焦過程。

　　1 調(diào)焦算法分析

　　一幅圖像是否聚焦，反映在空域上是圖像的邊緣及細(xì)節(jié)是否清晰，而圖像的邊緣及細(xì)節(jié)信息可以通過對圖像進(jìn)行微分來獲取。因此，利用信息作為聚焦的判據(jù)。這種提取圖像邊緣信息的函數(shù)稱為聚焦*價(jià)函數(shù)，圖像經(jīng)其處理后所得到的量值能夠反映圖像的清晰度。

　　聚焦*價(jià)函數(shù)應(yīng)具有以下幾個(gè)特性：無偏性、單峰性、高靈敏度、較高信噪比、較小計(jì)算量。

　　因此，采用圖像處理方法實(shí)現(xiàn)自調(diào)焦，重要的就是找到一個(gè)理想的圖像清晰度*價(jià)依據(jù)，所以本系統(tǒng)的核心算法就是圖像的清晰度*價(jià)函數(shù)實(shí)現(xiàn)算法和調(diào)焦實(shí)現(xiàn)算法。在圖像的清晰度算法中主要對圖像進(jìn)行了圖像的預(yù)處理過程，清晰度*價(jià)算法，電機(jī)控制算法3個(gè)部分。

　　圖像從空間域轉(zhuǎn)換到頻域進(jìn)行分析是圖像處理的常用手段。同時(shí)，由于清晰圖像比模糊圖像包含有更多的圖像信息和細(xì)節(jié)，分析之后發(fā)現(xiàn)清晰度比較高的圖像邊緣信息清晰可辨，對應(yīng)于圖像的傅里葉變換之后的高頻分量加強(qiáng)，低頻分量減少，而模糊圖像則是低頻分量增加，高頻分量減少，這樣基于功率譜的圖像清晰度*價(jià)函數(shù)理論依據(jù)就產(chǎn)生了。

　　對于連續(xù)的圖像f(x，y)，當(dāng)時(shí)，可以求出其二維傅里葉變換

　　對于數(shù)字圖像，如考慮把f(x，y)在x和y方向上用抽樣間隔△x，△y進(jìn)行抽樣得到，則f(x0+m／M，y0+n／N)=f(m，n)，M，N為橫縱方向的像素?cái)?shù)(△x=I／M，△y=，I／N)，m，n=0，±1，±2…。

　　假設(shè)上式為周期性的，即得

　　由于聚焦清晰的圖像具有清晰可辨的邊緣信息，圖像包含更多的高頻分量從能量的角度看，圖像高頻分量增加既信號(hào)能量增加，這樣可利用能量功率譜函數(shù)，構(gòu)建圖像的清晰度*價(jià)函數(shù)得到

　　其中，Pl(u，v)為圖像的功率譜函數(shù)，L為圖像的序列號(hào)。

　　各種不同清晰度*價(jià)函數(shù)的區(qū)別在于判別圖像高頻分量成分的多少，這里采用對圖像高頻分量加權(quán)的方法，同時(shí)它的加權(quán)系數(shù)符合這樣的一個(gè)規(guī)律：隨著頻率的增加，它的值也增加，可以反映出圖像中高頻分量的成分多少，實(shí)際處理過程中采用該像素到中心像素的距離。式(4)是對圖像的頻譜中各個(gè)高頻分量加權(quán)處理后，得出能反映圖像的*價(jià)參數(shù)。圖3是經(jīng)過C語言描述的基于功率譜的頻域函數(shù)與其他方法的清晰度*價(jià)函數(shù)對比結(jié)果。由圖可以看出基于功率譜的圖像清晰度*價(jià)函數(shù)具有較好的*判本領(lǐng)。

　　2 系統(tǒng)框圖

　　基于FPGA的自動(dòng)調(diào)焦系統(tǒng)框圖，如圖4所示。其中圖像的預(yù)處理過程，清晰度*價(jià)函數(shù)的算法實(shí)現(xiàn)過程，以及控制電機(jī)的算法實(shí)現(xiàn)和調(diào)焦過程都在FPGA中實(shí)現(xiàn)，并且進(jìn)行實(shí)時(shí)處理。該模塊共包含了5個(gè)模塊3個(gè)部分，3個(gè)部分分別是輸入端、處理過程和輸出端。在處理過程中增加了SDRM與。Flash芯片。輸入輸出采用DVI接口，它們分別為TFP401輸入DVI芯片和TFP410輸出DVI芯片。FPGA核心處理芯片選用CyclONe3EP3-C5F256C8N芯片，其中包含10萬個(gè)邏輯門，同時(shí)給圖像數(shù)據(jù)提供緩沖使用2片IS4232400。

　　由式(4)可知，對于一幅640×480的灰度圖像，需要經(jīng)過1 228 800次乘法運(yùn)算，307 200次開方運(yùn)算，* 400次加法運(yùn)算。由于計(jì)算量特別大，而且每一幅圖像的變化不大，所以本系統(tǒng)采取了將圖像劃分為128×64大小的5個(gè)模塊，首先對28×64大小的灰度圖像進(jìn)行傅里葉變換，然后獲得圖像的功率譜，再對其信號(hào)值進(jìn)行加權(quán)，得到一塊圖像的清晰度*價(jià)值代替整個(gè)圖像的清晰度*價(jià)值。同時(shí)采用“乒乓”操作，雙蝶型處理器復(fù)用，基2FFT算法的FPGA實(shí)現(xiàn)方案。

　　3 調(diào)焦效果分析

　　對于清晰度*價(jià)算法和基于2-FFT的乘法實(shí)現(xiàn)結(jié)構(gòu)的分析，得到這個(gè)圖像的清晰度*價(jià)算法的乘法計(jì)算次數(shù)為(53 248×3+64×32×3)=165 888次，所需的加法計(jì)算次數(shù)為(53 248×3+64×32×2-1)=163 839次。由這些數(shù)據(jù)可知調(diào)焦過程中系統(tǒng)延時(shí)主要是這兩個(gè)方面計(jì)算的延時(shí)相加，同時(shí)有電路系統(tǒng)的延時(shí)，但是這個(gè)延時(shí)在設(shè)計(jì)電路時(shí)已經(jīng)考慮，限制在最小范圍內(nèi)，采用“乒乓”操作延時(shí)再加大約O．000ls的延時(shí)。當(dāng)系統(tǒng)主頻率為60 MHz時(shí)，經(jīng)過實(shí)際的測試系統(tǒng)總延時(shí)大約為O．05s，實(shí)時(shí)處理的系統(tǒng)8幀圖像的采集時(shí)間間隔要求為×0．04=0．32s。

　　滿足實(shí)時(shí)性要求，上述系統(tǒng)的調(diào)試在Cyclone3EP3C5F256C8N芯片中實(shí)現(xiàn)，效果比較滿意。

　　將鏡頭的焦距調(diào)節(jié)范圍設(shè)置為60段，聚焦段的取值范圍為[1，60]。測試時(shí)將一組由焦距從最遠(yuǎn)端開始發(fā)送過來的圖像經(jīng)過處理，搜索步數(shù)K，得到每次應(yīng)該調(diào)焦的定位以及圖像清晰度*價(jià)值，如表1所示。定位處為圖像調(diào)焦效果最清晰處。

　　4 結(jié)束語

　　基于本模塊的輸入端口直接輸入DVI信號(hào)，并非直接的采集圖像端口，在實(shí)際應(yīng)用中需要完成整個(gè)調(diào)焦過程，增加控制電機(jī)的控制電路模塊，并對整個(gè)調(diào)焦過程的實(shí)時(shí)性進(jìn)行綜合*價(jià)。另外，基于圖像技術(shù)的自動(dòng)調(diào)焦方法有一個(gè)非常重要的應(yīng)用前景是與CMOS圖像傳感器集成。由于CMOS圖像傳感器與FPGA采用了相同的制造工藝，所以是可以集成的。CMOS圖像傳感器集成了自動(dòng)調(diào)焦功能后，不僅可以簡化成像系統(tǒng)中自動(dòng)調(diào)焦部分的設(shè)計(jì)，還提高了其與CCD圖像傳感器的競爭力。