相機的自動對焦要求相機根據拍攝環境和場景的變化，通過相機內部的微型驅動馬達，自動調節相機鏡頭和CCD之間的距離，保證像平面正好投影到CCD的成像表面上。這時候物體的成像比較清晰，圖像細節信息豐富。

相機自動對焦的過程，其實就是對成像清晰度評價的過程，對焦不準確，拍攝出來的圖像清晰度低，視覺效果模糊，如果是在工業檢測測量領域，對焦不準導致的后果可能是致命的；對焦準確的圖像清晰度較高，層次鮮明，對比度高。

圖像清晰度評價算法有很多種，在空域中，主要思路是考察圖像的領域對比度，即相鄰像素間的灰度特征的梯度差；在頻域中，主要思路是考察圖像的頻率分量，對焦清晰的圖像高頻分量較多，對焦模糊的圖像低頻分量較多。

這里實現3種清晰度評價方法，分別是Tenengrad梯度方法、Laplacian梯度方法和方差方法。

Tenengrad梯度方法

Tenengrad梯度方法利用Sobel算子分別計算水平和垂直方向的梯度，同一場景下梯度值越高，圖像越清晰。以下是具體實現，這里衡量的指標是經過Sobel算子處理后的圖像的平均灰度值，值越大，代表圖像越清晰。

#include <highgui/highgui.hpp>
#include <imgproc/imgproc.hpp>
?
using namespace std;
using namespace cv;
?
int main()
{
?? ?Mat imageSource = imread("2.jpg");
?? ?Mat imageGrey;
?
?? ?cvtColor(imageSource, imageGrey, CV_RGB2GRAY);
?? ?Mat imageSobel;
?? ?Sobel(imageGrey, imageSobel, CV_16U, 1, 1);
?
?? ?//圖像的平均灰度
?? ?double meanValue = 0.0;
?? ?meanValue = mean(imageSobel)[0];
?
?? ?//double to string
?? ?stringstream meanValueStream;
?? ?string meanValueString;
?? ?meanValueStream << meanValue;
?? ?meanValueStream >> meanValueString;
?? ?meanValueString = "Articulation(Sobel Method): " + meanValueString;
?? ?putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);
?? ?imshow("Articulation", imageSource);
?? ?waitKey();
}

使用三張測試圖片模擬不同對焦。第一張最清晰，得分最高，第二三張越來越模糊，得分依次降低。

?

Laplacian梯度方法：

Laplacian梯度是另一種求圖像梯度的方法，在上例的OpenCV代碼中直接替換Sobel算子即可。

#include <highgui/highgui.hpp>
#include <imgproc/imgproc.hpp>
?
using namespace std;
using namespace cv;
?
int main()
{
?? ?Mat imageSource = imread("1.jpg");
?? ?Mat imageGrey;
?
?? ?cvtColor(imageSource, imageGrey, CV_RGB2GRAY);
?? ?Mat imageSobel;
?
?? ?Laplacian(imageGrey, imageSobel, CV_16U);
?? ?//Sobel(imageGrey, imageSobel, CV_16U, 1, 1);
?
?? ?//圖像的平均灰度
?? ?double meanValue = 0.0;
?? ?meanValue = mean(imageSobel)[0];
?
?? ?//double to string
?? ?stringstream meanValueStream;
?? ?string meanValueString;
?? ?meanValueStream << meanValue;
?? ?meanValueStream >> meanValueString;
?? ?meanValueString = "Articulation(Laplacian Method): " + meanValueString;
?? ?putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);
?? ?imshow("Articulation", imageSource);
?? ?waitKey();
}

用同樣的三張測試圖片測試，結果一致，隨著對焦模糊得分降低：

方差方法：

方差是概率論中用來考察一組離散數據和其期望（即數據的均值）之間的離散（偏離）成都的度量方法。方差較大，表示這一組數據之間的偏差就較大，組內的數據有的較大，有的較小，分布不均衡；方差較小，表示這一組數據之間的偏差較小，組內的數據之間分布平均，大小相近。

對焦清晰的圖像相比對焦模糊的圖像，它的數據之間的灰度差異應該更大，即它的方差應該較大，可以通過圖像灰度數據的方差來衡量圖像的清晰度，方差越大，表示清晰度越好。

#include <highgui/highgui.hpp>
#include <imgproc/imgproc.hpp>
?
using namespace std;
using namespace cv;
?
int main()
{
?? ?Mat imageSource = imread("2.jpg");
?? ?Mat imageGrey;
?
?? ?cvtColor(imageSource, imageGrey, CV_RGB2GRAY);
?? ?Mat meanValueImage;
?? ?Mat meanStdValueImage;
?
?? ?//求灰度圖像的標準差
?? ?meanStdDev(imageGrey, meanValueImage, meanStdValueImage);
?? ?double meanValue = 0.0;
?? ?meanValue = meanStdValueImage.at<double>(0, 0);
?
?? ?//double to string
?? ?stringstream meanValueStream;
?? ?string meanValueString;
?? ?meanValueStream << meanValue*meanValue;
?? ?meanValueStream >> meanValueString;
?? ?meanValueString = "Articulation(Variance Method): " + meanValueString;
?
?? ?putText(imageSource, meanValueString, Point(20, 50), CV_FONT_HERSHEY_COMPLEX, 0.8, Scalar(255, 255, 25), 2);
?? ?imshow("Articulation", imageSource);
?? ?waitKey();
}

方差數值隨著清晰度的降低逐漸降低：

在工業應用中，最清晰的對焦拍攝出來的圖像不一定是最好的，有可能出現摩爾紋（水波紋）現象，一般需要在最清晰對焦位置附件做一個微調。
?

總結

以上是生活随笔為你收集整理的OpenCV 图像清晰度评价算法（相机自动对焦）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。