基于图像处理的CCD摄像机自动调焦方法研究

基于图像处理的CCD摄像机自动调焦方法研究

王学影 张洪涛

(天津大学精密测试技术及仪器国家重点试验室,天津300072)

摘 要 自动调焦技术是提高CCD摄像机测量精度的重要手段,特别是在小景深及高精度的测量中。本文介绍了采用图像处理法实现自动调焦的方法。并提出了几种图像清晰度评价函数。经实验结果论证效果良好。

关键词 自动调焦;评价函数;图像处理

0 引言

随着科学技术的发展,为了迅速准确地对微小图像进行自动采集、处理和识别,对摄像机的自动化程度提出了更高的要求。在电子网板计算机视觉检测系统[1]中,为了保证测量精度,其中关键问题就是摄像机的自动调焦。它会影响采集到的图像质量,可能致使后期的图像处理无法进行。

像采集卡和光学成像部分等组成。当系统搜索到待检区域后,计算机通过执行机构1,驱动CCD摄像机在z向作微小位移,随着调焦模块在调焦范围内对最佳调焦位置的搜寻,就可采集到摄像机在不同离焦情况下的一系列的数字图像,通过对此系列图像的数学模型比对,就可准确的判断出摄像机的最佳对焦位置。

2 图像清晰度评价函数

采用图像处理法实现自动调焦的一个关键问题就在于图像清晰度评价函数的选取。曾报道过一些评价函数,如阈值积分法[2]、高频通带法[3]及用电致伸缩器件法等,不同的评价函数只适用于各自的特殊的调焦图像,本文在分析电子网板图像的特点基础上,提出了以下几种图像清晰度评价函数。它应具有无偏性,即仅当物面和对准面重合时,函数才取极值;单峰性,即只有齐焦时,函数才取极值;它还应具有抗干扰能力强等特点。

在对焦状态下,图像是清晰的,代表网板孔区域的有效像素数量也是最多的,网板与背景的对比度也是最大的,且图像的灰度分布的动态范围也是最广。随着离焦量变大,图像也愈模糊,有效像素数量减少,图像的对比度和灰度的动态分布范围也出现缩小的趋势,最后整个图像的灰度值可能全部集中到某个背景灰度上。基于以上事实,针对电子网板的图像特点,提出了以下四种评价函数。211 基于像素数评价函数

在图像分割处理中,如果某个像素的灰度值大于预先设定的阈值,就可认为它已代表了图像的有效信息,这类像素可称为有效像素,对整幅图像中的有效像素进行统计,便可构成一个评价函数:

计量技术20051No8[4]

1 系统概述

本系统采用CCD(电荷耦合器件)作为光电检测器,其将光电转换,积分存储和信号读出功能集于一体。系统框图如图1所示。CCD摄像机接受二维图像,经采集卡采集到计算机内存,然后可进行必要的图像处理和特征提取,图像和测量结果可由显示器、打印机和绘图仪输出。当处理完一幅图像后,计算机发出驱动指令,可通过执行机构2驱动X-Y工作台作水平方向的二维移动,以完成测量视场的自动转换。

图1 系统框图

自动调焦模块由计算机、CCD、执行机构1、图

# 16#

测量与设备

N=

x=0y=0

EE

mn

n(x,y)(1)

除了光源的波动性影响,但由于微分的放大作用,它也易受脉冲噪声的影响。213 均方差(MSD)评价函数

当离焦量由大到小变化时,图像会愈来愈清晰,图像的灰度分布范围也增大,此分布特性可由随机变量的均方差给予描述,并给出了其均方差评价函数:

J={

x=0y=0

n(x,y)=

1 当 f(x,y)\\T0 当 f(x,y)式中,N为图像的有效像素数;f(x,y)是与(x,y)点对应的像素灰度值,T为图像的阈值。此阈值可由图像的直方图来确定。此函数的优点是处理速度快,但易受图像中的脉冲噪声影响,而且当系统照明亮度发生变化时,该函数波动较大,易产生误调焦。

212 基于梯度评价函数

上述的函数只是针对像素点进行的运算,而没有考虑到图像中的区域相关性,所以抗干扰性不好。当图像齐焦时,图像中网板孔和背景的对比度是最高的,基于这个事实,提出了基于图像梯度的评价函数:

G=

x=0y=0

EE

mn

[f(x,y)-f󰀁(x,y)]2}1/2

(3)

式中,f󰀁(x,y)为图像中所有像素灰度的平均值;f(x,y)为各个像素的灰度值。当离焦量逐渐变小时,J呈现增大的趋势,且在最佳调焦位置(齐焦)处

取的极大值。在调焦过程中,照明系统的波动只能使图像的灰度整体发生平移,而对上述函数影响很小。但图像尺度较大时,处理速度会受到一定影响。214 梯度)均方差评价函数

为了提高算法的灵敏度和避免背景噪声的干扰。综合以上的评价函数优点,提出了梯度)均方差函数。处理过程是先对图像作一阶的微分处理,然后在取其均方差值,以判断最佳调焦位置。

J={

x=0y=0

EE

mn-1

|f(x,y+1)-f(x,y)|(2)

式中,f(x,y)为对应点(x,y)的像素灰度值;G为整幅图像的灰度梯度和。本式定义了图像的垂直方向的差分,当然还可定义其它方向差分的评价函数。此函数的优点是消除了背景噪声的影响,而且也消

EE

mn

[G(x,y)-G󰀂(x,y)]2}1/2

(4)

图2 自动调焦评价函数的曲线对比

计量技术20051No8# 17#

测量与设备

式中,G(x,y)为图像(x,y)点对应的梯度值;G󰀂(x,y)为整幅图像像素的梯度平均值。由于微分运算的作用,可消除背景噪声的影响,而当照明发生波动时均方差函数本身不受影响,所以此函数灵敏度和抗干扰性最佳。

(a)、(b)所示,在离焦状态下,受背景噪声和照明的波动等影响,局部极大值效果很明显,所以它们很容易产生误调焦。图2(c)均方差函数虽然局部极大值效果不明显,但与图2(d)相比曲线的单调性较差。

梯度)均方差函数由于消除了背景噪声和照明波动性等的影响,在齐焦状态下,函数给出了唯一的峰值,而且具备最佳的单调性、信噪比和抗干扰性。本自动调焦方法已应用于电子网板计算机视觉检测系统中,自动调焦的重复性度及稳定性都良好。

参考文献

[1]张洪涛,段发阶,叶声华1荫罩板孔形尺寸的视觉检测算法研

究.光电工程,已录用1

[2]M1L1Mendelsohn,etal1,Computerorientedanalysisofhuman

chromosomes-IIIfocus1ComputerBiol1Med1,1972,2:137-150[3]E1M1Deeloy,etal1,Automaticfocusingofopticalsystembyex-tremumcontrol1Proc1IEEE,1967,114(1):161-182

[4]RyujiSuyama,KeiTanemoto,YoshinariKobayashitlal1,Automatic

systemofopticalmicroscopeutilizingelectrostric-tiveactuators1JpnJApplphys1,1991,30(6):1290-1294

3 实验结果及结论

在调焦过程中,所得到的图像系列中的每幅图像间距(调焦步距)必须要小于本系统光学系统的景深,本系统的景深大约为40Lm,这是由CCD的空

间分辨力和光学系统参数所决定的。采用在整个调焦范围内单方向等步距搜索方式,调焦步距为景深的一半,20Lm左右。为了对四种评价函数进行比较,对相同视场分别计算函数曲线。如图2所示。

图2中调焦范围是?160Lm,曲线的纵坐标代表各个评价函数的值,无实际量纲,横坐标代表摄像机的离焦量,单位为Lm。从曲线可知,四种评价函数在齐焦状态下均能达到最大值,但各个函数的单调性有差别。而且各个函数的抗干扰能力也不一样,如图2(上接第4页)

2

经网络学习,在线调整加权系数W1ij(k)和Wli(k),

实现PID控制参数的自适应调整;6)置k=k+1,返回到1)。

2 应用实例

神经网络的结构选4-5-3,学习速率G=0128和惯性系数A=0104,加权系数初始值取区间[-015,015]上的随机数。输入指令信号为采样得到的一路涡街流量计的信号。输出信号取涡轮流量计的信号。在大庆油田现场测量油井产出液的分离过程如图3所示。

从图3中可以看出,气液分离前涡轮流量计由于混合流体中气体的存在,使得响应出现很大的尖峰,尖峰出现的时刻与涡街流量计响应出现谷底的时刻一致。经过气液分离后,涡街和涡轮流量计的响应基本相等,变化趋势一致。

版社,2003

[2]阎平凡,张长水1人工神经网络与模拟进化计算1北京:清华大

学出版社,2000

[3]王进旗,强锡富,张勇奎1同轴线式相位法测量油井含水率1北

京:仪器仪表学报,2002

图3 油井实液分离图

有效的实现对气液分离的实时控制。3)通过完善算法,可以提高气液分离的控制精度;4)现场试验证明,此方法达到了计量的要求,具有良好的应用前景。

参考文献

[1]刘金琨1先进PID控制及其MATLAB仿真1北京:电子工业出

3 结论

1)通过涡街流量计和涡轮流量计的响应函数来控制气液分离,可以实时监测调整,达到完全分离的目的;2)基于BP网络的改进PID控制算法可以

# 18#

计量技术20051No8