金 雪，马卫红

（西安工业大学 光电工程学院，陕西 西安 710032）

引 言

目前国内外学者提出了许多调焦函数，每种调焦函数对不同的图像有不同的调焦效果［1－3］。但不同的调焦函数大都只能对某一种或几种图像具有较好的效果。由于图像的复杂性和多变性，一个函数无法适应所有测量场合。针对不同照明和不同背景的条件下［4］，对调焦函数的主要性能与特点进行实验分析和评价，可以为这些函数的正确使用提供依据。大家普遍认为用调焦判定函数这个方法最关键的是对函数的选取。理想的调焦判定函数如图1所示，它应具备：无偏性、单峰性、灵敏度高、信噪比好、高效性等特点［5］。

1 调焦判定函数

自动调焦［6－9］系统是通过计算机编程，利用一些算法规则来判断图像清晰度是否达到了最准确状态，带动电动对焦装置进行对焦，这个算法就称为调焦状态评价函数，简称为调焦评价函数［10］。

目前，国内外提出的调焦函数大致可以归结为灰度梯度函数、频域函数、信息学函数和统计学函数几类，如表1所示。

图1 理想调焦判定函数曲线Fig.1 The ideal focusiug evaluation function curve

表1 各种调焦判定函数Tab.1 Various kinds of focusing evaluation functions

1.1 灰度梯度函数［11，12］

假设图像某点（x，y）处的灰度值为g（x，y），则该点处的梯度（差分形式）可以定义为

灰度梯度函数包括以下常见形式：（1）绝对方差函数

（2）Roberts梯度和函数

（3）梯度向量平方函数

（4）Brenner函数（又称为梯度滤波器法）

（5）Laplacian函数

（6）Tenengrad函数

（7）Variance函数

（8）灰度变化率和函数

取一个基准点（x0，y0）的灰度值为基准，则其他像素（x，y）相对于该基准的灰度变化率和为