一种多通道数字图像处理的自动对准方法

一种多通道数字图像处理的自动对准方法

1对偶窗口选择选择对齐窗口的直接原因是，使用对齐评估函数的操作基本上对应于图像的像素数量。为了满足实际要求，应减少参与操作过程的像素数量。为了达到这一目的,最初人们通常直接选取图像中的中央区域作为对焦窗口。但是,根据摄影美学的要求,成像主目标往往不是在图像的正中央。所以后来出现了进行多区域对焦窗口选择的方法,在一定程度上兼顾了成像主目标偏离图像中央区域的情况。黄剑琪等提出的非均匀提取选择对焦窗口的方法则利用了眼睛视网膜上感光细胞的分布特点,以强调图像中央区域为主,同时也兼顾了图像边缘。尽管以上方法可以节省大量的计算时间,但仍然没有考虑到对焦窗口选择的另一个重要原因:使成像目标的成像质量最佳化,对于自动对焦系统来说就是要使成像主目标准确对焦。也就是说,进行对焦窗口选择的不仅仅是为了减少计算时间。如果对整幅图像运用对焦评价函数,图像中不重要的部分(背景)会对评价结果产生负面的影响,导致图像中的重要部分(成像主目标)无法准确对焦。即使是按照中央区域选择/多区域选择的方法选择对焦窗口,也可能存在这种问题。如果成像主目标是人或其他易于从图像中分离出来的物体,可以用模式识别的方法将成像主目标提取出来作为对焦窗口。但是,实际应用中有大量成像主目标难以从图像中分离的情况。针对这种情况,本文提出一种眼控自动对焦方法,将瞳孔跟踪和对焦窗口的多区域选择结合起,从而实现对焦窗口选择的自动化和智能化。2实验结果与分析实验表明,在人的头部没有明显运动的情况下,当注意力集中在不同的地方时,正常人的瞳孔在眼睛中的位置会发生变化。因此,如果能够跟踪一个人眼中瞳孔所在的位置,就可以推断出他的注意力集中的区域。由于眼睛形状及运动情况的复杂性,要完全精确地由瞳孔位置确定人的注意目标非常复杂,在自动对焦装置中这是不现实的。因此,本文将瞳孔跟踪与多区域选择对焦窗口的方法相结合,将景物划分成3×3=9个大区域(图1),只要根据瞳孔位置确定注意力集中在图1所示的那个大区域中即可。显然,对于瞳孔位置,只要进行横向左、中和右三个方位的判断以及纵向上、中和下方位的判断就可以确定相应的注意力集中区域。最后选择的对焦窗口为相应的注意力区域中M×N个像素的中区域,与传统方法中一样,通常16≤M,N≤256且M,N=2k(k为正整数)。为了验证上述方法的可行性,进行了图2所示的实验:在普通取景器中放置半反半透玻璃片,为了使眼睛可以在CCD中清晰成像,在取景器后方放置一个光源,将划分好区域的平板(按图1所示的方法)置于正前方模拟景物,当眼睛依次集中注意力于九个区域时CCD拍下眼睛的图像。实验结果如图3所示,其中Aij与图1中的Aij相对应。在瞳孔跟踪的过程中,可能出现获取眼睛图像的瞬间人正在眨眼,由此时得到的图像得不到瞳孔的位置信息(如图4所示),此时需要重新获取眼睛图像。3基于传感器的镜头跟踪瞳孔跟踪有着广泛的应用,在最近几年得到了广泛的研究,对于复杂的应用,市场上已经有专门的瞳孔跟踪仪器。遗憾的是,这些瞳孔方法都很复杂,对硬件要求也很高,不适合在数码相机中应用。为了在几乎不提高数码相机成本的条件下满足自动对焦的实时性要求,本文提出利用数码相机自身的图像传感器和光学元件来跟踪瞳孔的方法。该方法利用取景器的光路对拍摄者眼睛成像,只需对数码相机进行很小的改进即可实现,所增加的硬件都是价格低廉的常用器件。例如,图5和图6给出了对于单反相机的一种改进方案,其中图5为普通单反相机的原理图,图6为改进后的单反相机原理图。改进后的单反相机只增加了一个红外光源(图6中IRED)、一片红外反光镜(图6中M1)、一片对可见光高透过对红外光高反射的特殊玻璃(图6中M2)和相应的简单控制和装配机构,即可利用数码相机中的CCD/CMOS图像传感器对拍摄者的眼睛成像。改进后的单反相机要求所用图像传感器能够对所用红外光源相应波段的红外光敏感。使用红外光源进行照明的目的是使获取眼睛图像对拍摄者取景没有影响,同时所获得的眼睛图像清晰度较高,以便提取瞳孔。4图像腐蚀和膨胀获得拍摄者眼睛的图像后,关键的问题是对图像进行处理以确定瞳孔在眼睛中的位置。由于眼睛和瞳孔部位在图像中的特征明显,因此确定瞳孔在眼睛中位置不难实现。如果改进后的数字成像系统中红外光源不在眼睛的轴线上,则所成的眼睛图像中瞳孔部分为黑(图7);否则,所成的眼睛图像中瞳孔部分为白(图8)。两种情况下的图像都容易将瞳孔从中分离出来。在实验的基础上可以选定两个阈值Gep和Gp,用式(1)和式(2)分别得到眼睛的二值化图像Iep和瞳孔的二值化图像Ip。Iep(i,j)={1I(i,j)＞Gep0I(i,j)≤Gep(1)Ip(i,j)={1I(i,j)＞Gp0I(i,j)≤Gp(2)Ιep(i,j)={1Ι(i,j)＞Gep0Ι(i,j)≤Gep(1)Ιp(i,j)={1Ι(i,j)＞Gp0Ι(i,j)≤Gp(2)为了去除所得图像中噪声和其他无用的眼睛信息,本文了利用形态学操作中的腐蚀和膨胀,先腐蚀N1次,再膨胀N2次,然后再腐蚀(N2-N1)次,如式(3)所示。I′ep=eroteN2−N1{dilateN2[eroteN1(Iep)]}(3)Ιep´=eroteΝ2-Ν1{dilateΝ2[eroteΝ1(Ιep)]}(3)例如,对图7进行二值化和适度腐蚀和膨胀后可得到图9和图10所示的结果。如果二值化和腐蚀膨胀后所得瞳孔图像为一条线,可认为出现图4所示的失效情况,需要重新获取眼睛图像。得到瞳孔的图像后可用式(4)求得其重心(x,y)。(x,y)=[∑i*I(i,j)∑I(i,j),∑j*I(i,j)∑I(i,j)](4)(x,y)=[∑i*Ι(i,j)∑Ι(i,j),∑j*Ι(i,j)∑Ι(i,j)](4)当拍摄者使用瞳孔跟踪模式时,首先获取拍摄者正视前方时的眼睛图像并求得此时的瞳孔重心(x0,y0),然后获取他拍摄时的眼睛图像并求得此时的瞳孔重心(x1,y1)。如果两次所得重心间的距离满足式(5)(式中r0为一门限值),则认为瞳孔在眼睛中央(图1中的A22区域);否则,用式(6)求得瞳孔偏转角θ即可判断拍摄者的注意力区域。r=(x1−x0)2+(y1−y0)2−−−−−−−−−−−−−−−−−−√＜r0(5)r=(x1-x0)2+(y1-y0)2＜r0(5)θ=arctan(y1−y0x1−x0)(6)θ=arctan(y1-y0x1-x0)(6)图11的流程图表示了以上利用瞳孔跟踪确定人的注意力范围的算法。5软件方法对数码系统中芯片的应用。根据初步本文提出了一种利用图像处理方法进行瞳孔跟踪来实现数码相机自动对焦算法中选择对焦窗口的方法。该方法只需要对数码相机进行简单的改进后即可用软件方法实现。由于瞳孔跟踪需要一定的时间,实际应用时