自动对焦算法（OpenCV实现）

最新推荐文章于 2024-06-06 18:40:50 发布

Isaac320

最新推荐文章于 2024-06-06 18:40:50 发布

阅读量1.6w

点赞数 12

分类专栏： C++ 图像处理算法文章标签：算法 opencv c++ 计算机视觉

本文链接：https://blog.csdn.net/Isaac320/article/details/121905866

版权

图像处理同时被 3 个专栏收录

16 篇文章 10 订阅

订阅专栏

算法

10 篇文章 1 订阅

订阅专栏

C++

3 篇文章 4 订阅

订阅专栏

看了一篇用halcon实现自动对焦算法的文章，

自动对焦算法_thisiszdy的博客-CSDN博客_自动对焦算法

文中提到了五个评价函数，评价值越高，图像即越清晰，配合控制电机或其他，通过拍摄多张照片，分析其评价值，可实现自动对焦。

我这边用opencv实现下这篇文章提到的几个方法。

C++代码如下：

①、Tenegrad函数

在这里插入图片描述

case 0:  //Tenegrad函数
	{
		Mat xgrad;
		Mat ygrad;
		Sobel(grayImg, xgrad, CV_32F, 1, 0);
		Sobel(grayImg, ygrad, CV_32F, 0, 1);
		Mat xygrad = xgrad.mul(xgrad) + ygrad.mul(ygrad);
		sqrt(xygrad, xygrad);
		Mat thMat;
		threshold(xygrad, thMat, th, 1, ThresholdTypes::THRESH_BINARY);
		Mat resMat = xygrad.mul(thMat);
		pow(resMat, 2, resMat);
		OutValue = mean(resMat)[0];
		break;
	}

②、方差函数

在这里插入图片描述

case 1: //方差
	{
		Mat meanImg, stdImg;
		meanStdDev(grayImg, meanImg, stdImg);
		OutValue = stdImg.at<double>(0, 0);
		break;
	}

③、能量函数

在这里插入图片描述

case 2: //能量函数
	{
		Mat kern1 = (Mat_<char>(2, 1) << -1, 1);
		Mat kern2 = (Mat_<char>(1, 2) << -1, 1);
		Mat engImg1, engImg2;
		filter2D(grayImg, engImg1, CV_32F, kern1);
		filter2D(grayImg, engImg2, CV_32F, kern2);
		Mat resImg = engImg1.mul(engImg1) + engImg2.mul(engImg2);
		OutValue = mean(resImg)[0];
		break;
	}

④、Brenner函数

在这里插入图片描述

case 3: //Brenner函数
	{
		Mat kernBre = (Mat_<char>(3, 1) << -1, 0, 1);
		Mat BreImg;
		filter2D(grayImg, BreImg, CV_32F, kernBre);
		pow(BreImg, 2, BreImg);
		OutValue = mean(BreImg)[0];
		break;
	}

⑤、Laplace函数

在这里插入图片描述

case 4: //Laplace函数
	{
		Mat kernLap = (Mat_<char>(3, 3) << -1, -1, -1, -1, 8, -1, -1, -1, -1);
		Mat LapImg;
		filter2D(grayImg, LapImg, CV_32F, kernLap);
		pow(LapImg, 2, LapImg);
		OutValue = mean(LapImg)[0];
		break;
	}

OK！