一种用于数码视频相机的实时自动聚焦算法

第35卷第8期 光电工程V ol.35, No.8 2008年8月 Opto-Electronic Engineering Aug, 2008文章编号：1003-501X(2008)08-0139-06

一种用于数码视频相机的实时自动聚焦算法

盛云，秦亚杰，洪志良

( 复旦大学专用集成电路与系统国家重点实验室，上海 201203 )

摘要：本文针对数码视频相机的噪声大，主体位置不确定性及实时性要求高等特点，详细讨论了传统自动对焦算法的缺陷并提出了一种新的自动对焦算法。该算法采用一种新的可有效抑制高频噪声的对焦量函数——高斯一阶导数(FDOG)来正确评价图像对焦趋势；支持最近主体优先的感兴趣区域自动选择，使得系统可以自动找到主体所在位置进行对焦；结合爬山法，二叉搜索和插值拟合进行对焦搜索，相比传统的两段爬山法，搜索效率提高了40%；

通过对聚焦后的图像进行监视，支持视频模式下的动态自动对焦。该算法在一个数码视频相机平台上实现，实验结果验证了算法的优点，适用于高性能数码视频相机。

关键词：自动对焦；数码视频相机；高斯一阶导数；最近主体优先；感兴趣区域；二叉搜索

中图分类号：TN492, TN911.73 文献标志码：A

Real-time Auto-focusing Algorithm for Digital Video Camera

SHENG Yun，QIN Ya-jie，HONG Zhi-liang

( State Key Lab of ASIC and System, Fudan University, Shanghai 201203, China ) Abstract:Digital video camera has the properties of large noise, uncertain location of main body and high requirement of real-time. The disadvantages of traditional auto-focusing algorithms were discussed in detail and a new auto-focusing algorithm was proposed. A novel focus measure filter called First Derivative of Gaussian (FDOG) was developed to estimate the degree of focusing correctly by the suppressing high frequency noise. To enable the auto-focusing system to focus on the exact main body, an automatic region-of-interest selection strategy based on the principle of nearest-subject-priority was adopted. Furthermore, combined with mountain-climbing search, binary search and quadratic interpolation, the proposed real-time search strategy greatly reduces the convergence time by about 40%, which enables the video camera to fast focus. The proposed algorithm is successfully implemented on a prototype digital video camera and experiment results are given to demonstrate the advantages of the proposed auto-focusing algorithm.

Key words: auto-focusing; digital video camera; first derivative of Gaussian; region of interest; binary search

1 引 言

自动对焦(Auto-focusing，AF)功能是数码相机系统的一项重要功能，它使得相机可以自动调节镜头，而不需要使用者花费精力去手动调节。得益于数字技术的发展，数码相机的功能，性能以及容量都得到了快速发展，同时对视频模式的支持成为重要趋势。因此，对AF系统提出了更高的要求。

对比度检测是最受欢迎的被动式AF算法之一，它采用数字图像处理的方法来估计聚焦程度，具有成本低，精度高的特点。一个典型的对比度检测AF系统包括三个要素[1-2]：评价对焦程度的对焦量；搜索算法；感兴趣区域选择。

1.1 对焦量

一般而言，聚焦越好的图像具有越多的高频成分，因此对焦量函数一般通过提取高频分量的方法来评

收稿日期：2008-01-05；收到修改稿日期：2008-04-03

作者简介：盛云(1982-)，男(汉族)，江苏宜兴人，硕士，主要从事视频前端的研究。E-mail: yunsheng@

联系作者：洪志良(1946-)，男(汉族)，浙江宁波人，教授，博士生导师，主要从事集成电路的研究。E-mail:zlhong@

光电工程 第35卷第8期

140价对焦程度。理想的对焦量函数具有无偏性、单峰性、高信噪比、计算成本低及实时性好。在实时性要求高的场合常用的对焦量函数有灰度方差法、梯度算子、Laplacian 算子等[3-7]，它们频域上可以看作高通滤波器。文献[5]详细论述了相机镜头的“边带”效应，在这个效应作用下，噪声和强对比度物体[8]的存在可能会使对焦量曲线出现“假峰”，引起误对焦。文献[9]通过加阈值的方法减小噪声影响，但是这个阈值无法自适应设定，在有些场合影响正常工作。文献[5]中通过先对图像用高斯低通滤波函数处理后再用灰度方差法，梯度能量法或者Laplacian 能量法求对焦量，有效抑制了噪声的影响。但是由于要对数据遍历两遍，实时性较差。为了解决这个问题，本文提出了一种新的对焦量算子，高斯一阶导数(First derivative of Gaussian ，FDOG)，该算子将高斯函数和梯度算子结合，大大提高计算效率。 1.2 对焦搜索算法

对焦搜索算法根据对焦量来调节镜头位置，一般找到对焦量曲线峰值的位置对焦过程即完成。两段爬山法由于其效率和可靠性的较好折衷[1, 6-7]，是传统AF 系统中最常用的搜索算法。但在视频模式中，画面切换较快，因而需要自动对焦系统更加快速的完成对焦，同时耗能更少。一些基于模糊逻辑的搜索算法收敛速度很快，但是控制复杂，且可靠性不高[10]。本文的AF 算法利用对焦量曲线峰值附近的对称性，通过结合爬山法，二叉搜索和二次插值，将搜索效率提高了近40%。 1.3 感兴趣区域选择

感兴趣区域的选择有两个原因：1) 图像中一般包括主体和背景两部分，背景部分会对对焦量产生负面影响，使得主体无法正确对焦；2) 选取局部区域可以减少计算量和硬件消耗。传统AF 系统中大部分简单地使用中心区域作为感兴趣区域[7-8]，或者采用权重的方法将中心区域的权重设为最高[11]。这些方法都减小了摄影者的发挥空间。而在视频应用中，主体更是在不断变换位置，给感兴趣区域的选择带来了更大困难。本算法采用一种基于最近主体优先原理的感兴趣区域自动选择方法，有效跟踪主体，增加对焦准确性。

2 对焦量评价函数FDOG

图像噪声和强对比度物体引入了并非图像纹理信息的高频分量，使得采用传统对焦函数容易引起误判。为了消除这些高频分量的影响并满足实时性的要求，本文提出一种新的算子FDOG ，同时完成高斯滤波和求梯度能量。这个算子实际上是一个带通滤波器，其推导过程如下：

一个二维高斯滤波器可以写成[12]：

)2exp(),(2

2

2σy x y x g +−= (1)

其中σ 为高斯滤波器的标准偏差。用它先对一个灰度图像f (x , y )进行滤波，得到滤除噪声后的图像

),(),(y x f y x g f g ∗= (2)

式中∗为卷积操作。然后对该图像用梯度算子求梯度能量和，得到对焦量表达式为

∫∞

∞−∂∂+∂∂=y x y

y x f x

y x f f F g g g d d )]),([

]),([

()(22grad (3)

实际计算时图像是离散的，x 和y 方向上求偏导数一般采用Sobel 算子或Robert 算子。这种先对图像数据预处理的方法在硬件实现时需要大量的缓存，并且计算消耗很大，不适合实时性应用。观察式(3)可以发现，由于卷积操作和偏导都是线性的，它们的计算次序可以互换，以x 方向为例：

),()

,(),(y x f x

y x g x

y x f g ∗∂∂=

∂∂ (4) 取 )2exp(),();,(22

22σσ

σy x x x y x g y x q x +−−=∂∂=

(5) )2exp(),();,(22

22σσσy x y y

y x g y x q y +−

−=∂∂= (6) 其中：q x 和q y 就是二维高斯函数的一阶导数，因此被叫做高斯一阶导数算子。新的对焦量连续域表达式为