一种基于模糊熵的影像自动对焦方法测数据传输装置和方法技术领域
本发明涉及图像处理和自动对焦技术领域，特别涉及一种基于模糊熵的影像自动对焦方
法。
背景技术
随着计算机技术和图像信息处理技术的不断发展，基于图像技术的非接触式测量因其快
捷、方便、智能等特点，被广泛应用到各个领域。非接触式影像测量的基础是获取清晰的图
像，而自动对焦则是图像系统获取清晰图像的重要过程，是机器视觉系统的关键技术。
自动对焦是通过选择适当的对焦评价函数对所采集的图像进行评价，根据评价结果，应
用搜索算法搜索图像的对焦点，然后驱动调焦机构使CCD快速准确到达焦点位置。
理想的自动对焦方法要求对焦评价函数具有单峰性、尖锐性和唯一性等特点。然而，由
于对焦场景多种多样，光照条件变化不定，使得对焦评价值函数曲线在很多情况下不是单调
平滑的单峰曲线，而是呈现多个峰值，从而使对焦搜索容易陷入局部峰值。特别是在复杂多
变的工业影像测量现场，对焦过程可能会长时间陷入反复来回振荡而导致对焦失败。
发明内容
发明的目的在于克服现有技术之不足，提供一种基于模糊熵的影像自动对焦方法测数
据传输装置和方法，对焦效率高，对焦准确，可广泛地应用于工业影像测量系统。
本发明解决其技术问题所采用的技术方案是：提供一种基于模糊熵的影像自动对焦方法
测数据传输装置，包括：驱动镜头以特定步长遍历整个搜索区域，在镜头的初试位置以及每
一步的位置获取一副图像，对所得到的每一副图像保存其对应的镜头位置，通过模糊熵对每
一副图像信息进行表征，定义图像的边缘特征矩阵，并基于像素的测度定义图像对焦评价函
数，从而确定图像测量系统的精确对焦位置。
优选的，所述的对每一副图像定义模糊熵的方法为：设所获取的m×n维图像具有N个
灰度级，定义模糊集A，其论域为图像的灰度级，并对图像中每个像素的灰度值进行归一化
处理，定义模糊集A的隶属度函数为：
其中，k为归一化处理后的像素灰度值；
在模糊集A上定义模糊熵为：
EA(μA(f(i,j)))＝-(μA(f(i,j)))log(μA(f(i,j)))，
其中，当f(i,j)＝k时，隶属度函数最大而模糊熵最小，且模糊熵在f(i,j)＝k具有对称
性。
优选的，所述定义图像的边缘特征矩阵的方法为：以图像中每一个像素的灰度值构建
m×n维矩阵M，在矩阵M中，取像素点(i,j)为中心，大小为l×l的一个窗口，其中l为奇
数；在该窗口上定义像素点(i,j)的基于模糊熵的测度为：
m A ( i , j ) 1 l × l Σ m = - ( l - 1 ) / 2 ( l - 1 ) / 2 Σ n = - ( l - 1 ) / 2 ( l - 1 ) / 2 E A ( μ A ( f ( i + m , j + n ) ) ) , ]]>
令f(i,j)＝k，当像素点(i,j)为边缘点时，窗口内各点的灰度值差异大，则mA(i,j)的值
也较大；对图像中所有的像素点分别计算测度mA(i,j)，构建图像的边缘特征矩阵
M[mA(i,j)]m×n。
优选的，所述定义图像对焦评价函数为：
F＝∑(i,j)∈RectmA(i,j)，其中Rect为对焦窗口。
优选的，计算所获取的每一副图像的评价值的最大值，其所定义的镜头位置即为镜头对
焦位置。
优选的，驱动镜头移动至所获得的镜头对焦位置，对焦结束。
优选的，所述二位输入信号f(i,j)是所获取图像中的全部区域或者局部区域。
优选的，一种基于模糊熵的影像自动对焦方法测数据传输装置，包括如下步骤：
A1、自动对焦操作开始，镜头行进步速设置为0；
A2、获取并保存镜头当前位置的采集图像；
A3、镜头行进步速i加1，根据所选定的步长s计算镜头位置pi＝i×s，保存镜头位置pi。
A4、在图像中心截取m×n的对焦窗口；
A5、m×n维图像具有N个灰度集，定义模糊集A，其论域为图像的灰度集，并对图像
中每个像素的灰度值进行归一化处理，定义模糊集A的隶属度函数为：
其中，k为归一化处理后的像素灰度值，0.5≤μA(f(i,j))≤1；定
义模糊熵为：EA(μA(f(i,j)))＝-(μA(f(i,j)))log(μA(f(i,j)))；
A6、以图像中每一个像素的灰度值构建m×n维矩阵M，取像素点(i,j)为中心，大小为
l×l的一个窗口，其中l为奇数；在该窗口上计算像素点(i,j)的基于模糊熵的测度为：
m A ( i , j ) 1 l × l Σ m = - ( l - 1 ) / 2 ( l - 1 ) / 2 Σ n = - ( l - 1 ) / 2 ( l - 1 ) / 2 E A ( μ A ( f ( i + m , j + n ) ) ) , ]]>对图像中所有的像素点分别计算测度
mA(i,j)，构建图像的边缘特征矩阵M[mA(i,j)]m×n；
A7、定义对焦评价函数F＝∑∑i,j)∈RectmA(i,j)，其中Rect为对焦窗口，根据对焦评价函
数计算图像的评价值Qi；
A8、根据当前镜头位置判断是否已经遍历整个搜索范围；如果已经达到搜索范围的最
大值，则进入步骤A9，否则返回步骤A2；
A9、从所采集的图像评价值数组中找出最大值Qm及其对应的镜头位置pm；
A10、计算当前镜头所在位置pn与图像评价值最大所对应镜头位置pm的距离
d＝pm-pn；
A11、将d反馈给驱动控制部分，驱动镜头至对焦位置；
A12、对焦结束，所以存储单元清空。
本发明的有益效果是：
1)在对图像进行对焦评价时，将模糊熵用于计算像素点的测度。图像越是清晰，图像
中的像素点的灰度值差异越大，从而计算测度越大，可以很好的反映图像的清晰程度，且抗
噪性强，对拍摄环境适应性强。因此根据图像各点的模糊熵得到图像的评价值，具有很高的
对焦精确度。
2)采用电机固定步长遍历对焦窗口的搜索算法，电机只需按照固定步长自左向右运行
一趟，不需要进行往复运动，因此不需要设置电机延迟，有效节约了电机的搜索时间。
以下结合附图及实施例对本发明作进一步详细说明；但本发明的一种基于模糊熵的影像
自动对焦方法测数据传输装置和方法不局限于实施例。
附图说明
图1是本发明方法的流程图；
图2(a)是对焦模糊的刹车片凸台图片；
图2(b)是对焦清晰的刹车片凸台图片；
图3是本发明的自动对焦方法与经典对焦方法的对比；
图4是最佳放大倍率不同光照条件下本发明的自动对焦方法的对比；
图5(a)是在光照条件过弱条件下的本发明的自动对焦方法与基于Breene算子的对焦方
法的对比；
图5(b)是在光照条件过强条件下的本发明的自动对焦方法与基于Breene算子的对焦方
法的对比。
具体实施方式
实施例1
参见图1所示，本发明的一种基于模糊熵的影像自动对焦方法测数据传输装置，包括：
驱动镜头以特定步长遍历整个搜索区域，在镜头的初试位置以及每一步的位置获取一副图
像，对所得到的每一副图像保存其对应的镜头位置，通过模糊熵对每一副图像信息进行表征，
定义图像的边缘特征矩阵，并基于像素的测度定义图像对焦评价函数，从而确定图像测量系
统的精确对焦位置。
更进一步，所述的对每一副图像定义模糊熵的方法为：设所获取的m×n维图像具有N
个灰度级，定义模糊集A，其论域为图像的灰度级，并对图像中每个像素的灰度值进行归一
化处理，定义模糊集A的隶属度函数为：
其中，k为归一化处理后的像素灰度值；
在模糊集A上定义模糊熵为：
EA(μA(f(i,j)))＝-(μA(f(i,j)))log(μA(f(i,j)))，
其中，当f(i,j)＝k时，隶属度函数最大而模糊熵最小，且模糊熵在f(i,j)＝k具有对称
性。
更进一步，所述定义图像的边缘特征矩阵的方法为：以图像中每一个像素的灰度值构
建m×n维矩阵M，在矩阵M中，取像素点(i,j)为中心，大小为l×l的一个窗口，其中l为
奇数；在该窗口上定义像素点(i,j)的基于模糊熵的测度为：
m A ( i , j ) 1 l × l Σ m = - ( l - 1 ) / 2 ( l - 1 ) / 2 Σ n = - ( l - 1 ) / 2 ( l - 1 ) / 2 E A ( μ A ( f ( i + m , j + n ) ) ) , ]]>
令f(i,j)＝k，当像素点(i,j)为边缘点时，窗口内各点的灰度值差异大，则mA(i,j)的值
也较大；对图像中所有的像素点分别计算测度mA(i,j)，构建图像的边缘特征矩阵
M[mA(i,j)]m×n。
更进一步，所述定义图像对焦评价函数为：
F＝Σ(i,j)∈RectmA(i,j)，其中Rect为对焦窗口。
更进一步，计算所获取的每一副图像的评价值的最大值，其所定义的镜头位置即为镜
头对焦位置。
更进一步，驱动镜头移动至所获得的镜头对焦位置，对焦结束。
更进一步，所述二位输入信号f(i,j)是所获取图像中的全部区域或者局部区域。
更进一步，一种基于模糊熵的影像自动对焦方法测数据传输装置，包括如下步骤：
A1、自动对焦操作开始，镜头行进步速设置为0；
A2、获取并保存镜头当前位置的采集图像；
A3、镜头行进步速i加1，根据所选定的步长s计算镜头位置pi＝i×s，保存镜头位置pi。
A4、在图像中心截取m×n的对焦窗口；
A5、m×n维图像具有N个灰度集，定义模糊集A，其论域为图像的灰度集，并对图像
中每个像素的灰度值进行归一化处理，定义模糊集A的隶属度函数为：
其中，k为归一化处理后的像素灰度值，0.5≤μA(f(i,j))≤1；定
义模糊熵为：EA(μA(f(i,j)))＝-(μA(f(i,j)))log(μA(f(i,j)))；
A6、以图像中每一个像素的灰度值构建m×n维矩阵M，取像素点(i,j)为中心，大小为
l×l的一个窗口，其中l为奇数；在该窗口上计算像素点(i,j)的基于模糊熵的测度为：
m A ( i , j ) 1 l × l Σ m = - ( l - 1 ) / 2 ( l - 1 ) / 2 Σ n = - ( l - 1 ) / 2 ( l - 1 ) / 2 E A ( μ A ( f ( i + m , j + n ) ) ) , ]]>对图像中所有的像素点分别计算测度
mA(i,j)，构建图像的边缘特征矩阵M[mA(i,j)]m×n；
A7、定义对焦评价函数F＝Σ(i,j)∈RectmA(i,j)，其中Rect为对焦窗口，根据对焦评价函
数计算图像的评价值Qi；
A8、根据当前镜头位置判断是否已经遍历整个搜索范围；如果已经达到搜索范围的最
大值，则进入步骤A9，否则返回步骤A2；
A9、从所采集的图像评价值数组中找出最大值Qm及其对应的镜头位置pm；
A10、计算当前镜头所在位置pn与图像评价值最大所对应镜头位置pm的距离
d＝pm-pn；
A11、将d反馈给驱动控制部分，驱动镜头至对焦位置；
A12、对焦结束，所以存储单元清空。
实施例2
对焦过程中，镜头等步长前进，每前进一个步距，采集一副图像。本实施例采集了17
副“刹车片凸台”的图像，并在每幅图像的中心截取对焦窗口尺寸为320×320。对焦时图像
质量从模糊到清晰再到模糊，相应的对焦评价值也应该呈现从小到大再减小的变化规律。图
2(a)和图2(b)给出了对焦情况不同的两幅图像，分别是模糊和清晰的刹车片凸台采集图片。
图3给出了对于图2所示图像序列的基于本发明的自动对焦方法与一些经典对焦评价方法的
比较，采用的对焦评价算法包括：Roberts算子、Brenner算子、Laplacian算子、Tenengrad
算子。图3为评价结果归一化后的比较曲线。图3显示，在所比较的对焦评价方法中，只有
本发明的对焦方法和Brenner算子呈现单峰性，且本发明的对焦方法呈现更陡峭的峰值特性
和更高的敏感性。Roberts算子、Laplacian算子和Tenengrad算子都呈现多个峰值点，难以
对正焦位置做出正确的评价。
本实施例所采用的试验平台最佳放大倍率为3，在此条件下的最佳光照强度为35。图4
给出了在最佳放大倍率下，采用不同光照条件的基于本发明的三种对焦评价函数曲线。这三
种光照条件分别是：光照强度分别取10(偏弱)、35(理想)、80(过强)。图4显示，照明条件
过强或者过弱都会使对焦评价函数曲线上浮，且曲线略趋平坦，尖锐性有所减弱。但是曲线
仍然具有良好的单峰性、无偏性的特点，表现出对环境变化的很好的适应性。
图5(a)和图5(b)分别给出了不同光照条件下的本发明的自动对焦方法与基于Breene算
子的自动对焦方法的比较。图5(a)为放大倍率为3，光照条件为10(偏弱)条件下的比较；图
5(b)为放大倍率为3，光照条件为80(过强)条件下的比较。从图中看出，Brenner算子在光强
不理想(过强或者过弱)的环境下，其曲线上浮、平坦，且出现局部峰值点。本发明的自动
对焦方法虽然也受到环境的影响，但表现出对环境变化更强的适应能力。
综上所述，基于模糊熵的对焦评价函数可以有效地对图像清晰度进行评价，从而确定图
像的精确对焦位置。同时，在实际应用中具有较强的抗干扰能力，能够适应非接触式影像测
量过程中的复杂环境变化，有效提高自动对焦系统的可靠性能。
上述实施例仅用来进一步说明本发明的一种基于模糊熵的影像自动对焦方法测数据传
输装置和方法，但本发明并不局限于实施例，凡是依据本发明的技术实质对以上实施例所作
的任何简单修改、等同变化与修饰，均落入本发明技术方案的保护范围内。