一种基于多尺度重组DCT系数的图像锐度测量方法

摘要

本发明公开了一种基于多尺度重组DCT系数的图像锐度测量方法，首先将M×N大小图像尽分成8×8大小的块状，然后分别对每一小块进行DCT变换。8×8DCT变换将每一8×8的图像块变换为64个系数，从AC系数中提取某些随聚焦程度变化呈现更敏感、更大变化的系数，作为聚焦值计算的参与依据。本发明利用三级多尺度的重组DCT系数计算图像锐度值，计算简单、计算量小，且抗噪能力强，准确度高。

说明书

技术领域

本发明涉及电子信息学科领域,特别是一种基于多尺度重组DCT系数的图像锐度测量 方法。

背景技术

图像锐度是图像处理和分析领域的一个重要问题，在图像压缩编码、图像质量评估、 基于图像的被动聚焦等许多方面都有应用。

图像锐度计算一个重要的应用是作为基于图像的被动式自动聚焦度量。自动聚焦是能 使目标场景在成像系统中准确清晰成像的某种自动调节的过程，可分为主动聚焦和被动聚 焦。主动聚焦依靠某种距离探测方式比如超声或红外测距等，以测量出目标场景与镜头之 间的距离，然后据此调焦而获得对焦准确的位置。与主动聚焦不同的是，被动聚焦则不需 要向对焦目标物发射任何能量或信息，仅仅通过利用透入的光线和形成的图像信息进行分 析来调节聚焦。在基于图像的被动聚焦过程中，摄像头对准需要聚焦的场景并驱动聚焦电 机控制聚焦位置，通过对图像传感器采集图像进行清晰度计算，由图像的清晰度来反馈控 制聚焦电机移动的方向和步长，直至找到清晰度最大的位置即为聚焦准确的位置。清晰度 往往是通过图像锐度来体现的，锐度越大，边缘等细节信息就越丰富，图像自然就越显得 清晰。因此，锐度计算的准确性决定了自动对焦的精度。

锐度评价函数对聚焦准确位置越敏感，也就是由一序列锐度值构成的聚焦值曲线在准 确聚焦的位置越陡峭，则越有利于自动聚焦。另外，由于聚焦时可能会遇到各种不同的场 景、光照条件、噪声干扰等，一般的锐度评价函数很容易呈现出多个局部的峰值甚至错误 的最大峰值等现象。为了提高自动聚焦的准确性和鲁棒性，研究和采用具有适应性强、准 确度高、抗噪声能力强的锐度评价函数是很重要的。

聚焦程度比较好时，图像细节丰富，反映在空域上表现为局部特征如边缘、梯度等变 化越大，反映在频域上则表现为高频成分的多少，因此，锐度评价函数方法主要可分为两 类：空间域的方法和频率域的方法。频域函数整体上具备更强的抗噪声能力，但是计算量 很大，而空域函数尤其是方差、像素相关等函数对噪声非常敏感。

DCT是一种空间域向频率域一对一的映射，它将空间域的图像数据向一组2维正交基 上投影而得到全为实数的系数。设图像大小为M×N，g(x,y)为在(x,y)的像素值，则DCT 可定义为：

F_c[g(x,y)]={D_ων(g(x,y))}

系数D_ων(g(x,y))对应像素g(x,y)，具体定义如下：

C_ων是正交基函数：

C_ων(x,y;M,N)=c_ω(x;M)c_ν(y;N)

其中：

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种准确度高、抗噪能力强、 且计算量小，计算简单的基于多尺度重组DCT系数的图像锐度测量方法。

为解决上述技术问题，本发明所采用的技术方案是：一种基于多尺度重组DCT系数的 图像锐度测量方法，该方法为：

1）将图像分成若干个8×8大小的块状，分别对每一个8×8块进行DCT变换，每个8 ×8块变换后对应64个系数；

2）计算每一个8×8块的中频系数能量M_middle：

计算每一个8×8块的高频系数能量M_high：

$M_{\mathrm{high}}=\underset{i=0}{\overset{1}{\Sigma }}\underset{j=4}{\overset{5}{\Sigma }}\left|D_{\mathrm{ij}}^2\right|+\underset{i=4}{\overset{5}{\Sigma }}\underset{j=0}{\overset{1}{\Sigma }}\left|D_{\mathrm{ij}}^2\right|+\underset{i=4}{\overset{5}{\Sigma }}\underset{j=4}{\overset{5}{\Sigma }}\left|D_{\mathrm{ij}}^2\right|,$

$M_{\mathrm{high}}=\left|D_{04}^2\right|+\left|D_{05}^2\right|+\left|D_{14}^2\right|$

或者$\left(\begin{array}{c}+\left|D_{40}^2\right|+\left|D_{41}^2\right|+\left|D_{50}^2\right|;\\ +\left|D_{44}^2\right|+\left|D_{445}^2\right|+\left|d_{54}^2\right|\end{array}\right)$

其中，D_ij表示每个8×8块的64个系数排列成的方阵的第i+1行、第j+1列的元素； i=0,1,L,7；j=0,1,L,7；

3）计算每一个8×8块的锐度值M：M=M_high+λM_middle；其中，λ取值为0.2～0.6；

4）将所有8×8块锐度值相加，即得到图像的锐度值。

与现有技术相比，本发明所具有的有益效果为：本发明利用三级多尺度的重组DCT系 数计算图像锐度值，计算简单、计算量小，且抗噪能力强，准确度高；所提锐度估计方法 能够作为基于图像分析的被动式自动聚焦方法的聚焦评价方法，其相比于传统的基于 Sobel梯度函数、灰度相关函数、Laplacian和函数等空间域聚焦评价方法等，具有对准 确聚焦位置反应灵敏、精度高、抗噪声能力强的性能；相比于其他频域变换方法如离散付 利叶变换、小波变换等，具有计算量小，适合硬件实现的特点；许多图像及视频压缩数据 是基于块状DCT变换获得的（比如JPEG，MPEG2，H263，以及H264等都是基于DCT的压缩 算法），因此本发明基于块状DCT的锐度评价函数可以直接采用已经获得的DCT块数据， 更进一步较大地提高计算效率。

附图说明

图1为本发明方法流程图；

图2为8×8DCT系数标号示意图；

图3为8×8DCT系数分区示意图；

图4（a）为多尺度重组DCT示例一；图4（b）为多尺度重组DCT示例二；

图5为锐度计算实际图像：各图像方框(其长宽各为原图长宽的0.3，原图大小为536 ×429)内为具体参与锐度计算区域；

图6为由图5给出的10帧图像计算得到的锐度值曲线。

具体实施方式

本发明的基本思想如下：首先将M×N大小图像尽分成8×8大小的块状，然后分别对 每一小块进行DCT变换。8×8DCT变换将每一8×8的图像块变换为 {D_ων|ω=0,1,L,7;ν=0,1,L,7}即64个系数，其中D₀₀称为DC系数，其他63个为AC系 数。图2为这些系数的表示，越靠近左上角低频分量就越多，越靠近右下角高频分量越多。

本发明提出的锐度计算方法的计算思想是从AC系数中提取某些随聚焦程度变化呈现 更敏感、更大变化的系数，作为聚焦值计算的参与依据。首先按图3将每个8×8的DCT 块分成10个子块。如果将所有8×8块相同的DCT子块组合到一起并按相应的位置放置， 可以发现经此重组后的图像表示与经三级离散小波变换后的图像非常相似（见图4（a）和 图4（b）），其中第7、8、9子块构成第一级，分别对应于离散小波变换的第一级HL、LH、 HH系数块，第4、5、6子块构成第二级，分别对应于离散小波变换的第二级HL、LH、HH 系数块，第0、1、2、3子块构成第三级，其中的第1、2、3子块分别对应离散小波变换 的第三级HL、LH、HH系数块。由这种DCT经重组后体现出小波变换的相似性可知，图像 的高频分量主要集中在第一级子块7、8、9和第二级子块4、5、6的中频和高频AC系数 上。

通过分析各系数的对图像锐度的敏感性，有针对的选择第一级的12个系数，即第7、 8、9子块的各左上角4个系数，和第二级的3个系数，即第4、5、6左上角系数，作为锐 度值计算依据。

如图1所示，本发明实现步骤如下：

1）对感兴趣图像进行8×8块状DCT变换，将每个8×8块的64个系数划分三级（类 似于三级离散小波变换）共10个系数子块，其中第一级包括7、8、9子块（分别 对应于离散小波变换的第一级HL、LH和HH系数块），各子块包含16个系数，共 48个系数；第二级包括第4、5、6子块（分别对应于离散小波变换的第二级HL、 LH和HH系数块），各子块包含4个系数，共12个系数；第三级包括0、1、2、3 子块（第0子块即为DCT的DC系数，第1、2、3子块分别对应离散小波变换的第 三级HL、LH和HH系数块），共4个系数。

2）按以下公式计算每个8×8块的M_middle，其值主要集中了中频系数能量，D_ij为8×

8DCT对应的系数（{D_ij|i=0,1,L,7;j=0,1,L,7}）：

$M_{\mathrm{middle}}=D_{02}^2+D_{20}^2+D_{22}^2$

2)按以下公式计算每个8×8块的M_high，其值主要为高频系数能量：

$M_{\mathrm{high}}=\underset{i=0}{\overset{1}{\Sigma }}\underset{j=4}{\overset{5}{\Sigma }}\left|D_{\mathrm{ij}}^2\right|+\underset{i=4}{\overset{5}{\Sigma }}\underset{j=0}{\overset{1}{\Sigma }}\left|D_{\mathrm{ij}}^2\right|+\underset{i=4}{\overset{5}{\Sigma }}\underset{j=4}{\overset{5}{\Sigma }}\left|D_{\mathrm{ij}}^2\right|$

3）按以下公式计算每个8×8块的锐度值M：

M=M_high+λM_middle

其中λ一般取值介于0.2～0.6之间。

4）将所有8×8块的锐度值相加即得到感兴趣图像的锐度值。

为了降低计算量，上述步骤2）可简化为：

$\left(\begin{array}{c}{M}_{\mathrm{high}}=\left|D_{04}^2\right|+\left|D_{05}^2\right|+\left|D_{14}^2\right|\\ +\left|D_{40}^2\right|+\left|D_{41}^2\right|+\left|D_{50}^2\right|.\\ +\left|D_{44}^2\right|+\left|D_{45}^2\right|+\left|d_{54}^2\right|\end{array}\right)$

图5给出了10帧例子图像，图6为对应图像中间区域的锐度计算结果。由图可见， 锐度最大值对应最清晰图像，并且各值能够准确反映图像的清晰程度。