[发明专利]焦点检测

说明书

焦点检测是确定图像是否焦点对准。焦点检测能够被用于改进相机自动聚焦性能。通过仅使用一个特征进行的焦点检测不提供足够的可靠性来区分焦点对准和稍微焦点未对准的图像。本文描述组合用于评估清晰度的多个特征的焦点检测算法。具有焦点对准和焦点未对准图像的大型图像数据集被用来开发用于分离焦点对准图像与焦点未对准图像的焦点检测器。诸如迭代模糊估计、FFT线性度、边缘百分比、小波能量比、改进的小波能量比、Chebyshev矩比和色差特征之类的许多特征能够被用来评估清晰度并确定大模糊图像。

技术领域

本发明涉及成像领域。更具体地，本发明涉及焦点检测。

背景技术

在数字成像中，有很多方式聚焦到物体。但是，这些实现具有缺陷并且能够被改进。

发明内容

焦点检测是确定图像是否焦点对准(in focus)。焦点检测能够被用于改进相机自动聚焦(autofocus)性能。通过仅使用一个特征进行的焦点检测不提供足够的可靠性来区分焦点对准和稍微焦点未对准的图像。本文描述组合用于评估清晰度(sharpness)的多个特征的焦点检测算法。具有焦点对准和焦点未对准图像的大型图像数据集被用来开发用于分离焦点对准图像与焦点未对准图像的焦点检测器。诸如迭代模糊估计、FFT线性度、边缘百分比、小波能量比、改进的小波能量比、Chebyshev矩比和色差特征之类的许多特征能够被用来评估清晰度并确定大模糊图像。

一方面，一种被编程在设备的非暂时性存储器中的方法包括：获取内容，其中内容包括一个或多个图像；确定内容是否包括大模糊图像；移除大模糊图像；以及确定剩余小模糊图像的焦点对准图像。大模糊图像远离焦点对准位置，使得大模糊图像至少有10个景深远。使用选自迭代模糊估计、FFT线性度、边缘百分比、小波能量比、改进的小波能量比、Chebyshev矩比和色差特征的标准来确定大模糊图像。确定内容是否包括大模糊图像包括利用色差特征，包括计算一个或多个图像的第一通道的小波能量比、计算一个或多个图像的第二通道的小波能量比、计算小波能量比的差值并将该差值与阈值进行比较。如果差值低于阈值，那么一个或多个图像是焦点对准的。确定内容是否包括大模糊图像包括计算区域的快速傅立叶变换、计算围绕频率0的快速傅立叶变换系数的量值(magnitude)的径向平均值、计算量值和频率的对数、计算线性回归、计算线性回归结果与快速傅立叶变换系数曲线之间的误差以用于测量线性度，并将线性度误差与线性回归的斜率组合以用于焦点检测。确定内容是否包括大模糊图像包括计算Chebyshev矩比。确定剩余小模糊图像的焦点对准图像利用为迭代次数差值、组合的色彩(chromatic)特征和组合的非色彩特征设置的阈值。设备选自以下组：该组包括个人计算机、膝上型计算机、计算机工作站、服务器、大型计算机、手持式计算机、个人数字助理、蜂窝/移动电话、智能电话、智能电器、游戏控制台、数字相机、数字摄像机、相机电话、便携式音乐播放器、平板计算机、视频播放器、DVD刻录机/播放器、高清晰度视频刻录机/播放器、电视机和家庭娱乐系统。

另一方面，一种被编程在相机设备的非暂时性存储器中的系统包括：被配置为用于捕获来自场景的内容的传感器，其中内容包括一个或多个图像；以及计算模块，被配置为用于：确定内容是否包括大模糊图像、移除大模糊图像，以及确定剩余小模糊图像的焦点对准图像。大模糊图像远离焦点对准位置，使得大模糊图像至少10个景深远。使用选自迭代模糊估计、FFT线性度、边缘百分比、小波能量比、改进的小波能量比、Chebyshev矩比和色差特征的标准来确定大模糊图像。确定内容是否包括大模糊图像包括利用色差特征，包括计算一个或多个图像的第一通道的小波能量比、计算一个或多个图像的第二通道的小波能量比、计算小波能量比的差值并将该差值与阈值进行比较。如果差值低于阈值，那么一个或多个图像是焦点对准的。确定内容是否包括大模糊图像包括计算区域的快速傅立叶变换、计算围绕频率0的快速傅立叶变换系数的量值的径向平均值、计算量值和频率的对数、计算线性回归、计算线性回归结果与快速傅立叶变换系数曲线之间的误差以用于测量线性度，并将线性度误差与线性回归的斜率组合以用于焦点检测。确定内容是否包括大模糊图像包括计算Chebyshev矩比。确定剩余小模糊图像的焦点对准图像利用为迭代次数差值、组合的色彩特征和组合的非色彩特征设置的阈值。