一种用于数码视频相机的实时自动聚焦算法

    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 ofGaussian，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。