基于FPGA的图像调焦系统研究

 

　　采用基于图像技术的自动调焦方法，根据图像分析出图形的质量，完成图像预处理、清晰度判别，获得当前的成像状况。通过控制电机，完成调焦操作。其中核心技术是分析图像质量*价函数。针对调焦算法计算量大、计算复杂等问题，采用中值滤波和灰度线性变换的图像预处理方法，流水线作业，“乒乓”操作，双蝶形处理器复用，基-2FFT算法相结合的工作模式。实验结果证实，本方法解决了自动调焦算法复杂系统控制的速度问题。

　　基于图像技术的自动调焦方法，是从与传统的自动调焦技术完全不同的角度出发，直接对拍摄的图像采用图像处理技术，对图像进行成像质量分析，得到系统当前的对焦状态，然后通过驱动机构调整成像系统镜头的焦距实现自动调焦过程。

　　1 调焦算法分析

　　一幅图像是否聚焦，反映在空域上是图像的边缘及细节是否清晰，而图像的边缘及细节信息可以通过对图像进行微分来获取。因此，利用信息作为聚焦的判据。这种提取图像边缘信息的函数称为聚焦*价函数，图像经其处理后所得到的量值能够反映图像的清晰度。

　　聚焦*价函数应具有以下几个特性：无偏性、单峰性、高灵敏度、较高信噪比、较小计算量。

　　

 

　　因此，采用图像处理方法实现自调焦，重要的就是找到一个理想的图像清晰度*价依据，所以本系统的核心算法就是图像的清晰度*价函数实现算法和调焦实现算法。在图像的清晰度算法中主要对图像进行了图像的预处理过程，清晰度*价算法，电机控制算法3个部分。

　　图像从空间域转换到频域进行分析是图像处理的常用手段。同时，由于清晰图像比模糊图像包含有更多的图像信息和细节，分析之后发现清晰度比较高的图像边缘信息清晰可辨，对应于图像的傅里叶变换之后的高频分量加强，低频分量减少，而模糊图像则是低频分量增加，高频分量减少，这样基于功率谱的图像清晰度*价函数理论依据就产生了。

　　

 

　　对于连续的图像f(x，y)，当时，可以求出其二维傅里叶变换

　　

 

　　对于数字图像，如考虑把f(x，y)在x和y方向上用抽样间隔△x，△y进行抽样得到，则f(x0+m/M，y0+n/N)=f(m，n)，M，N为横纵方向的像素数(△x=I/M，△y=，I/N)，m，n=0，±1，±2…。

　　假设上式为周期性的，即得

　　

 

　　由于聚焦清晰的图像具有清晰可辨的边缘信息，图像包含更多的高频分量从能量的角度看，图像高频分量增加既信号能量增加，这样可利用能量功率谱函数，构建图像的清晰度*价函数得到

　　

 

　　其中，Pl(u，v)为图像的功率谱函数，L为图像的序列号。

　　各种不同清晰度*价函数的区别在于判别图像高频分量成分的多少，这里采用对图像高频分量加权的方法，同时它的加权系数符合这样的一个规律：随着频率的增加，它的值也增加，可以反映出图像中高频分量的成分多少，实际处理过程中采用该像素到中心像素的距离。式(4)是对图像的频谱中各个高频分量加权处理后，得出能反映图像的*价参数。图3是经过C语言描述的基于功率谱的频域函数与其他方法的清晰度*价函数对比结果。由图可以看出基于功率谱的图像清晰度*价函数具有较好的*判本领。