Opencv学习笔记 图像清晰度（相机自动对焦）

z13228604287

      相机的自动对焦要求相机根据拍摄环境和场景的变化，通过相机内部的微型驱动马达，自动调节相机镜头和CCD之间的距离，保证像平面正好投影到CCD的成像表面上。这时候物体的成像比较清晰，图像细节信息丰富。相机自动对焦的过程，其实就是对成像清晰度评价的过程，对焦不准确，拍摄出来的图像清晰度低，视觉效果模糊，如果是在工业检测测量领域，对焦不准导致的后果可能是致命的；对焦准确的图像清晰度较高，层次鲜明，对比度高。图像清晰度评价算法有很多种，在空域中，主要思路是考察图像的领域对比度，即相邻像素间的灰度特征的梯度差；在频域中，主要思路是考察图像的频率分量，对焦清晰的图像高频分量较多，对焦模糊的图像低频分量较多。这里实现3种清晰度评价方法，分别是Tenengrad梯度方法、Laplacian梯度方法和方差方法。

  

窗口程序集名	保 留	保 留	备 注
窗口程序集_启动窗口

子程序名	返回值类型	公开	备 注
_按钮1_被单击			Tenengrad梯度方法利用Sobel算子分别计算水平和垂直方向的梯度，同一场景下梯度值越高，图像越清晰。以下是具体实现，这里衡量的指标是经过Sobel算子处理后的图像的平均灰度值，值越大，代表图像越清晰。

变量名	类 型	静态	数组	备 注
源图像	多维矩阵
灰色图像	多维矩阵
Sobel图像	多维矩阵
平均值	标量
颜色	标量

视觉_图像读取 (源图像.指针, 编辑框1.内容, 1)
视觉_颜色空间转换 (源图像.指针, 灰色图像.指针, #颜色_RGB转GRAY, 0)
视觉_索贝尔 (灰色图像.指针, Sobel图像.指针, #十六位无符号整数, 1, 1, 3, 1, 0, 4)
视觉_平均值 (Sobel图像.指针, 平均值)
颜色.赋值 (255, 255, 25, 0)
视觉_放置文本Zi (源图像.指针, “Articulation(Sobel Method): ” ＋ 到文本 (平均值.通道1), 20, 50, #字体_衬线_复杂, 0.8, 颜色, 1, 8, 假)
视觉_显示图像 (“清晰度（Sobel 方法）”, 源图像.指针)
视觉_等待按键 (0)
视觉_销毁所有窗口 ()

子程序名	返回值类型	公开	备 注
_按钮2_被单击			aplacian梯度是另一种求图像梯度的方法，在上例的OpenCV代码中直接替换Sobel算子即可。

变量名	类 型	静态	数组	备 注
源图像	多维矩阵
灰色图像	多维矩阵
Laplacian图像	多维矩阵
平均值	标量
颜色	标量

视觉_图像读取 (源图像.指针, 编辑框1.内容, 1)
视觉_颜色空间转换 (源图像.指针, 灰色图像.指针, #颜色_RGB转GRAY, 0)
视觉_拉普拉斯算子 (灰色图像.指针, Laplacian图像.指针, #十六位无符号整数, 1, 1, 0, 4)
视觉_平均值 (Laplacian图像.指针, 平均值)
颜色.赋值 (255, 255, 25, 0)
视觉_放置文本Zi (源图像.指针, “Articulation(Sobel Method): ” ＋ 到文本 (平均值.通道1), 20, 50, #字体_衬线_复杂, 0.8, 颜色, 1, 8, 假)
视觉_显示图像 (“Laplacian梯度方法）”, 源图像.指针)
视觉_等待按键 (0)
视觉_销毁所有窗口 ()

子程序名	返回值类型	公开	备 注
_按钮3_被单击			方差是概率论中用来考察一组离散数据和其期望（即数据的均值）之间的离散（偏离）成都的度量方法。方差较大，表示这一组数据之间的偏差就较大，组内的数据有的较大，有的较小，分布不均衡；方差较小，表示这一组数据之间的偏差较小，组内的数据之间分布平均，大小相近。

变量名	类 型	静态	数组	备 注
源图像	多维矩阵
灰色图像	多维矩阵
均值图像	多维矩阵
标准差图像	多维矩阵
颜色	标量

' 对焦清晰的图像相比对焦模糊的图像，它的数据之间的灰度差异应该更大，即它的方差应该较大，可以通过图像灰度数据的方差来衡量图像的清晰度，方差越大，表示清晰度越好。
视觉_图像读取 (源图像.指针, 编辑框1.内容, 1)
视觉_颜色空间转换 (源图像.指针, 灰色图像.指针, #颜色_RGB转GRAY, 0)
视觉_平均标准差 (灰色图像.指针, 均值图像.指针, 标准差图像.指针)
颜色.赋值 (255, 255, 25, 0)
视觉_放置文本Zi (源图像.指针, “Articulation(Sobel Method): ” ＋ 到文本 (标准差图像.取双精度 (0, 0)), 20, 50, #字体_衬线_复杂, 0.8, 颜色, 1, 8, 假)
视觉_显示图像 (“方差方法）”, 源图像.指针)
视觉_等待按键 (0)
视觉_销毁所有窗口 ()

i支持库列表	支持库注释
cv	(未知支持库)

.版本 2<br /> .支持库 cv<br /> <br /> .程序集 窗口程序集_启动窗口<br /> <br /> .子程序 _按钮1_被单击, , , Tenengrad梯度方法利用Sobel算子分别计算水平和垂直方向的梯度，同一场景下梯度值越高，图像越清晰。以下是具体实现，这里衡量的指标是经过Sobel算子处理后的图像的平均灰度值，值越大，代表图像越清晰。<br /> .局部变量 源图像, 多维矩阵<br /> .局部变量 灰色图像, 多维矩阵<br /> .局部变量 Sobel图像, 多维矩阵<br /> .局部变量 平均值, 标量<br /> .局部变量 颜色, 标量<br /> <br /> 视觉_图像读取 (源图像.指针, 编辑框1.内容, 1)<br /> 视觉_颜色空间转换 (源图像.指针, 灰色图像.指针, #颜色_RGB转GRAY, 0)<br /> 视觉_索贝尔 (灰色图像.指针, Sobel图像.指针, #十六位无符号整数, 1, 1, 3, 1, 0, 4)<br /> 视觉_平均值 (Sobel图像.指针, 平均值)<br /> 颜色.赋值 (255, 255, 25, 0)<br /> 视觉_放置文本Zi (源图像.指针, “Articulation(Sobel Method): ” ＋ 到文本 (平均值.通道1), 20, 50, #字体_衬线_复杂, 0.8, 颜色, 1, 8, 假)<br /> 视觉_显示图像 (“清晰度（Sobel 方法）”, 源图像.指针)<br /> 视觉_等待按键 (0)<br /> 视觉_销毁所有窗口 ()<br /> <br /> .子程序 _按钮2_被单击, , , aplacian梯度是另一种求图像梯度的方法，在上例的OpenCV代码中直接替换Sobel算子即可。<br /> .局部变量 源图像, 多维矩阵<br /> .局部变量 灰色图像, 多维矩阵<br /> .局部变量 Laplacian图像, 多维矩阵<br /> .局部变量 平均值, 标量<br /> .局部变量 颜色, 标量<br /> <br /> 视觉_图像读取 (源图像.指针, 编辑框1.内容, 1)<br /> 视觉_颜色空间转换 (源图像.指针, 灰色图像.指针, #颜色_RGB转GRAY, 0)<br /> 视觉_拉普拉斯算子 (灰色图像.指针, Laplacian图像.指针, #十六位无符号整数, 1, 1, 0, 4)<br /> 视觉_平均值 (Laplacian图像.指针, 平均值)<br /> 颜色.赋值 (255, 255, 25, 0)<br /> 视觉_放置文本Zi (源图像.指针, “Articulation(Sobel Method): ” ＋ 到文本 (平均值.通道1), 20, 50, #字体_衬线_复杂, 0.8, 颜色, 1, 8, 假)<br /> 视觉_显示图像 (“Laplacian梯度方法）”, 源图像.指针)<br /> 视觉_等待按键 (0)<br /> 视觉_销毁所有窗口 ()<br /> <br /> <br /> .子程序 _按钮3_被单击, , , 方差是概率论中用来考察一组离散数据和其期望（即数据的均值）之间的离散（偏离）成都的度量方法。方差较大，表示这一组数据之间的偏差就较大，组内的数据有的较大，有的较小，分布不均衡；方差较小，表示这一组数据之间的偏差较小，组内的数据之间分布平均，大小相近。<br /> .局部变量 源图像, 多维矩阵<br /> .局部变量 灰色图像, 多维矩阵<br /> .局部变量 均值图像, 多维矩阵<br /> .局部变量 标准差图像, 多维矩阵<br /> .局部变量 颜色, 标量<br /> <br /> ' 对焦清晰的图像相比对焦模糊的图像，它的数据之间的灰度差异应该更大，即它的方差应该较大，可以通过图像灰度数据的方差来衡量图像的清晰度，方差越大，表示清晰度越好。<br /> 视觉_图像读取 (源图像.指针, 编辑框1.内容, 1)<br /> 视觉_颜色空间转换 (源图像.指针, 灰色图像.指针, #颜色_RGB转GRAY, 0)<br /> 视觉_平均标准差 (灰色图像.指针, 均值图像.指针, 标准差图像.指针)<br /> 颜色.赋值 (255, 255, 25, 0)<br /> 视觉_放置文本Zi (源图像.指针, “Articulation(Sobel Method): ” ＋ 到文本 (标准差图像.取双精度 (0, 0)), 20, 50, #字体_衬线_复杂, 0.8, 颜色, 1, 8, 假)<br /> 视觉_显示图像 (“方差方法）”, 源图像.指针)<br /> 视觉_等待按键 (0)<br /> 视觉_销毁所有窗口 ()

链接：https://pan.baidu.com/s/1VSYkILerRQsoDiIhl-6eTQ
提取码：4ypk
复制这段内容后打开百度网盘手机App，操作更方便哦