基于边缘算子和灰度标准差的对焦清晰度评价函数

本科毕业设计（论文）基于边缘算子和灰度标准差的对焦清晰度评价函数学院物理与光电工程学院专业光信息科学与技术2班年级班别2009级（2）班学号3109008924姓名梁江荣指导老师雷亮2013年5月基于边缘算子和灰度标准差的对焦清晰度评价函数梁江荣物理与光电工程学院摘要镜头系统是机器视觉系统的重要组成部分，它的精确自动对焦问题显得越来越重要。若能提高镜头对焦精确度，则可让采集图像数据的质量得到有效的保证，这对进一步提高系统质量方面具有重要的现实意义。论文首先对现今学界与业界自动对焦技术的研究进行了总结，介绍了国内外自动对焦技术的发展现状。然后总结了镜头成像的原理，再针对自动对焦的对焦窗口选择、清晰度评价函数进行了分析，重点讨论了清晰度评价函数的问题。针对目前几种常用的清晰度评价方法（离散余弦函数、小波变换、边缘算子），分析其各自存在的问题。其中特别将边缘算子中的Sobel算子、Roberts算子、Prewitt算子、Canny算子的应用进行比较，分别讨论其原理和适用范围。最后提出了一种基于边缘检测算子和灰度标准差的清晰度评价函数。在此理论基础上，运用VisualC++6.0和HALCON软件，设计了一个自动对焦清晰度评价系统，可自动计算出质量最佳的图像，从而保证了采集图像的质量，使整个机器视觉系统性能有了一定的提高。关键词：机器视觉，镜头，自动对焦，清晰度评价函数，边缘算子，灰度标准差AbstractLenssystemisaimportantpartofmachinevisionsystems,whichauto·focusingproblembecomesmoreandmoreimportant.Ifwecanimproveaccuracyofthelensfocus,thequalityoftheauquiredimagedatawillbeeffectivelyguaranteed,anditmakesimportantpracticalsignificanceonthefurtherimprovementofthesystem’squality.Firstly,muchsurveysoftoday’seducationalcirclesandtradeunionissummarized，andthedevelopmentofdomesticandforeignautofocustechnology.Forseveralcommonlyuseddefinitionevaluationmethod(discretecosinefunction,wavelettransform,edgeoperators),theirrespectiveproblemsareanalyzed.Espectially,applicationsonoperatorSobeledgeoperator,Robertsoperator,PrewittoperatorandCannyoperatorarecompared,andtheprincipleandit’sscopeofwell-applicationarediscussedinthepaper.Finally,anewClarity-evalueationFunctionbasedonthegrayvaluestandarddeviationhasbeenputforward.Basedonthetheoryofthedemonstratedoperator,anauto-focusclarifyevalueationsystem,whichcanautomaticallycalculateouttheimageinbestquality,havebeendesignedwiththeVisualC++6.0andHALCON.Concequently,theaquiredimagedatacanbeguaranteedandtheentireperformanceofmachinevisionsystemcanhaveaextentimprovement.KeyWords：MachineVision,Lens,AutoFocus,Clarity-evalueationFunction,Edgeoperator,GrayValueStandartDeviation目录1绪论.........................................................................................................................................11.1研究背景及目的………………………………………………………………………..11.2国内外自动对焦技术的研究状………………………………………………………..21.2.1国外自动对焦研究现状.......................................................................................21.2.2国内自动对焦研究现状………………………………………………………...31.3研究方法………………………………………………………………………………..31.3.1VisualC++……………………………………………………………………….31.3.2HALCON………………………………………………………………………...31.4论文构成及研究内容…………………………………………………………………..42自动对焦的基本理论和方法……………………………………………………………….52.1自动对焦的基本原理…………………………………………………………………...52.1.1几何光学成像理论……………………………………………………………...52.1.2景深……………………………………………………………………………...62.1.3远心光路………………………………………………………………………...72.2自动对焦的基本方法…………………………………………………………………..92.2.1测距自动对焦法………………………………………………………………...92.2.2焦点检测自动对焦方法……………………………………………………….102.2.3基于数字图像处理的自动对焦方法………………………………………….112.2.4基于频域分析的清晰度评价函数…………………………………………….112.2.5基于信息学函数的清晰度评价函数………………………………………….133基于边缘算子和灰度标准差的清晰度评价函数的研究………………………………...153.1边缘检测算子简介……………………………………………………………………153.1.1Sobel（索贝尔）边缘检测算子……………………………………………….163.1.2Robert（罗伯特）边缘检测算子………………………………………………163.1.3Prewitt（普瑞维特）边缘检测算子…………………………………………...173.1.4Canny（坎尼）边缘检测算子…………………………………………………173.2Sobel算子、Robert算子、Prewitt算子、Canny算子的比较………………………183.3灰度标准差……………………………………………………………………………203.4基于边缘算子和灰度标准差的清晰度评价函数……………………………………214对焦检测系统的程序设计及使用界面简介.......................................................................254.1自动对焦系统程序的基本流程....................................................................................254.2软件界面和操作介绍....................................................................................................264.3实时自动对焦检测软件界面…………………………………………………………28结论…………………………………………………………………………………………...30参考文献……………………………………………………………………………………...32致谢…………………………………………………………………………………………...33附录A关键程序源代码…………………………………………………………………….3411绪论1.1研究背景及目的机器视觉系统通过图像采集硬件（相机、镜头、光源等）将被检测目标转换成图像信号，并传达给专用的图像处理系统。图像处理系统根据像素亮度、颜色分布等信息，进行目标特征的抽取，并进行相应的判断，进而根据结果来控制现场的设备。机器视觉系统综合了光学、机械、电子、计算机软硬件方面的技术，设计图像处理、模式识别、人工智能、光机电一体化等多个领域。近年来，图像处理和模式识别等技术的快速发展，大大地推动了机器视觉的发展。镜头的基本功能就是实现光束变换（调制），在机器视觉系统中，镜头的主要作用是将目标成像在图像传感器的光敏面上。镜头的质量直接影响到机器视觉系统的整体性能，合理地选择和安装镜头，是机器视觉系统设计的重要环节。机器视觉系统具有效率、高柔性、高度自动化等特点。在大批量工业生产过程中，如果用人工视觉检查产品质量，往往效率低且精度不高，用机器视觉检测可以大幅度提高检测效率和生产的自动化程度；同时，在一些不适合人工作业的危险工作环境或工人视觉难以满足要求的场合中，也常用机器视觉来替代人工视觉，如核电站监控、晶圆缺陷检测；而且，机器视觉易于实现信息集成，是实现计算机集成制造的基础技术之一。正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理及信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于装配定位、产品质量检测、产品识别、产品尺寸测量等方面。成像质量是人们对多数光学系统进行研究时比较关心的重要问题之一，因为它直接关系到研究的成果。由光学成像模型可知，只有当图像处于对焦面时才最清楚，具有更多的细节，而偏离对焦面即离焦时将造成图像模糊，质量下降，因此如何准确地获取该对焦面就成为主要的问题。为了获得清晰的图像，在图像采集阶段，对镜头的焦距调节至关重要。自动对焦的实现使采集系统具备了一定的智能，在特殊应用中更可以代替手动对焦的环节，譬如无人视频监控系统中焦距的调节、医学显微镜下焦距的调节等。但是，在前期的发展阶段，采集图像一般是人工去调节。为了获取清晰的图像，一般只能依靠专门的人员进行不断的、反复的手工操作，直到调到被测对象的对焦位置。这样的操作有一下的缺点：调节过程花费的时间比较多；单凭个人主观评判图像的清晰度跟理想的清晰图像存在一定的2差距。因此实际操作起来，其实是效率极低而且图片质量难以得到保证。因此，自动对焦控制系统的研究显得越来越重要，它是机器视觉系统整体发展的基础。基于图像技术的自动对焦方法采用了与传统对焦技术完全不同的方式进行对焦，传统的对焦方法是通过传感器检测焦点或测量距离的方式实现的，而基于图像技术的对焦方法直接根据图像分析出图像的质量，从而获得当前的成像状态，通过比较不同成像位置的成像状态，找出最佳成像位置，完成对焦操作。本文旨在通过对所获得的数字图像数据，分别运用不同边缘算子对其进行处理并以此作为图像的清晰度评价标准，通过编写计算机程序先进行仿真实验，对各种算子的适用范围进行了归纳总结，然后再以相机、镜头、程序软件三者结合成自动对焦检测系统，进行真实的实验来验证结论。希望能为机器视觉的镜头系统的自动对焦做理论及实验研究开辟新的思