红外成像区域法自动调焦聚焦区域的研究

法调焦是利用调焦评价函数对图像质量进行评价[1]，然后通过搜索算法进行极点搜索、移动方向和步长，直至获取图像质量最佳的一个控制反馈过程。
　图像是从图像出发，在一幅待分析图像上重新划定图像清晰度评价区域，区域图像选择一方面可以减少数据处理量，加快速度；另一方面通过选取兴趣区域，可以消除非兴趣区域对评价函数曲线的影响，提高精确度。大多数情况下，兴趣区域为图像的前景部分，聚焦区域即前景图像，而背景图像会使评价函数曲线出现很多局部“峰值”。
1 聚焦区域
1.1 图像清晰度评价函数
　图像清晰度评价函数又称调焦评价函数。采用图像法调焦的关键问题在于图像清晰度评价函数的选取，理想的评价函数应具备无偏性、单峰性、抗干扰能力强、能反映离焦的极性、灵敏度高和计算量小等特性。在本文的仿真中，选用平方梯度函数作为图像清晰度评价函数[2]：

　用平方梯度函数对58幅图像的MATLAB仿真结果如图1所示。

　由图1可以看出，该函数曲线在开始位置变化相对平缓，但在焦点位置附近，曲线比较尖锐但相对比较平滑，灵敏度较高，所以选择平方梯度函数作为区域图像法调焦仿真的调焦评价函数。

1.2 聚焦区域
　聚焦区域选择的原因[3-4]主要有：
　(1)可以大大减少数据处理量

　(2)可提高图像目标的对焦效果
　当选择目标区域作为聚焦区域图像的清晰度评价区域时，调焦对象的评价范围从之前的整张图缩减到一定大小的区域图像内，除去图像中无关背景因素的影响，与判断整幅图像相比，这样能最大限度地提高目标对焦的清晰度，从而提高聚焦精确度。
1.3 聚焦区域选择的区别
　采用聚焦区域进行自动调焦时，为了聚焦区域的选择原则，掌握选择不同位置的区域图像对调焦评价函数曲线的影响，本文利用已有的58幅离焦-清晰-离焦的图像序列进行仿真分析。已知第33幅红外图像为正焦图片，因此选择如图2所示的三个不同的区域作为聚焦区域，采用平方梯度函数对58幅红外聚焦图像序列计算评价函数值。

　其中A区域采用丰富边缘的图像块，B区域边缘图像块并不非常明显，C区域为无明显边缘的图像块，运用平方梯度函数对窗口区域作出评价函数曲线。
1.4 同一聚焦区域不同聚焦窗口大小
　本进行聚焦区域大小选择的直接原因是为了减少调焦评价函数的计算时间，使自动对焦过程尽可能地缩短。由于对图像进行分析处理所消耗的时间基本上与参与计算的图像像素成正比，为了达到调焦的实时、快速性要求，在算法一定的情况下，只有减少参加运算的像素数量才能实现。但是减少参与运算的像素就意味着要适当地缩小参与调焦评价函数运算的区域图像，而聚焦区域的减少会对调焦评价函数曲线有影响。
因此，当选定某一位置的区域图像进行自动调焦时，为了同一聚焦区域窗口的大小对调焦评价函数曲线的影响，本研究在同一聚焦像素点位置上分别选用如图3所示不同大小的窗口，分别计算几种情况的评价函数值，分析不同大小窗口评价函数曲线，并通过实验仿真来分析得出所需要的结果。

2 计算仿真及结果
　为了分析不同位置的聚焦区域对调焦评价函数曲线的影响，选用大小为720×576的58张红外图片，其中的A、B、C区域分别为以(300×380)、(220×200)、(600×90)像素点为中心大小为100×100的正方形区域。对聚焦区域A、聚焦区域B、聚焦区域C分别计算调焦评价函数值，调焦评价函数选用梯度平方函数，最终得到的特征曲线如图4所示。