一种基于图像处理的自动调焦系统

2 基于图像处理的自动调焦

聚焦检测的自动调焦方法是依据被测物的光学图像。在用计算机作数字图像采集时，可充分利用计算机处理数字信号的高速度和灵活性，针对数字图像进行自动调焦。随着计算机硬件和数字图像技术的飞速发展，图像的实时处理已成为可能。计算机通过镜头和CCD采集到一系列的数字图像，对每一帧图像进行实时处理，判断对焦是否准确，成像是否清晰，并给出反馈信号控制镜头的运行，直到采集到的图像符合使用要求，即完成自动调焦。

基于图像处理的自动调焦具有以下两大优点：

第一，调焦更加智能化，聚焦判据更加灵活和多样。基于模拟图像的聚焦检测方法只利用被测物和背景之间的对比度（轮廓边缘的梯度）作为判断是否成像清晰的判据。而通过数字图像处理，不仅可以利用梯度信息，还可以提取图像中各种其它的有效信息进行判断，例如频率、相位等。对于具高频信息的图像，一般而言，对焦越准确，图像信号的频率越高，边缘越尖锐；离焦时则频率降低，边缘相对平滑。此外，由于计算机处理图像的灵活性，可以针对不用的使用要求，选择不同的判据进行调焦。例如，有时候我们所关心的目标只是图像中的某一个局部，而不是整幅图像的清晰程度。这时应该针对图像中这一局部进行处理和提取判据，用该局部的对比度（边缘梯度）作为调焦的依据。

第二，利用计算机可以很方便地对运行执行机构进行控制，从而避开复杂的调焦电路和机构。计算机接口和总线技术已经非常成熟，通过软件给出控制信号，直接控制电机动物镜的运行，不仅灵活方便，响应速度符合调焦要求，还能大大简化电路和运动机构。

缺点是，由于图像处理需要占用大量的计算机资源，这种自动调焦方法对计算机硬件提出了较高的要求。此外，和前面所介绍的对比度法一样，也受到光照条件的限制。

3 在虹膜图像采集中的应用

虹膜位于瞳孔和巩膜之间，是瞳孔周围的环状部件，呈褐色或蓝色。虹膜的表面呈现高低不平的皱襞、隆起和内陷，其外观形貌因人而异，并且不随时间而改变。虹膜的这些特点非常合作为人个身份识别的依据，因而虹膜识别鉴别技术作为物特征识别技术的一个分支，近年来得到了迅速的发展和应用。

采集到清晰、高质量的虹膜图像，是虹膜识别的首要问题，同时也是虹膜识别所面临的主要困难之一。由于虹膜范围小、细节特征多，要获得高分辨率的图像，要求光学系统具有较大的放大率，同时需要较大的通光孔径来保证照明效果。但是通常孔径越大，系统景深越小，因而要求自动调焦非常精确。

用摄像机采集到的虹膜图像往往包含整个眼睛轮廓，而我们感兴趣的只是其中虹膜部分，因而自动对角只能针对虹膜的局部，调焦的目标是让虹膜部分清晰成像。基于以上考虑，我们设计了一种基于图像处理的自动调焦系统(第2页)用于虹膜图像采集。考虑到可见光对人眼的刺激，要用红外光进行照明。当被摄目标（人眼）和摄像机镜头之间的距离到达一定范围内时，摄像物镜在电机驱动下进行小幅度的移动，同时CCD和图像采集卡不断采集图像，并对所采集到的一系列图像作图像质量评价，判断虹膜部分是否成像清晰。当镜头移动到合适的位置，虹膜成像清晰，符合后续处理和模式识别的要求时，即完成自动调焦过程，系统自动将该图像保存。

虹膜图像的实时处理，首先是在包括整个人眼的图像中寻址找虹膜的环状区域，即界定虹膜的中心位置和内外边界。由于瞳孔、虹膜和巩膜均具有规则的圆形边界，采用哈夫变换进行图像分割分别达到很好的效果。哈夫变换利用图像的全局特性来检测边缘的一种方法。在预先知道区域形状的条件下，利用哈夫变换可以方便地得到边界线并将不连续的连缘象素点连接起来。针对虹膜的圆形边界，哈夫变换的边缘检测算子可用下式表示：