calcul de l'image

Je suis en train de développer une image en se concentrant algorithme pour certains d'automatisation des tests de travail. J'ai choisi d'utiliser AForge.net car il semble comme une belle maturité .net système convivial.

Malheureusement, je n'arrive pas à trouver de l'information sur la construction de l'autofocus des algorithmes à partir de zéro, donc j'ai donné le meilleur de moi-essayez:

prendre de l'image. appliquer sobel bord de filtre de détection, ce qui génère une échelle de gris de bord contour. générer un histogramme et enregistrer la norme dev. le mouvement de la caméra un pas de plus vers le sujet et prendre une autre photo. si la norme de dev est plus petite que la précédente, nous sommes de plus en plus à se concentrer. sinon, nous avons passé la distance optimale pour prendre des photos.

est-il un meilleur moyen?

mise à jour: ÉNORME faille dans ce, par la manière. comme je vous passé optimale de mise au point, mon image de "en bref" de la valeur continue de croître. vous attendez un parabolique-ish fonction de recherche à distance/mise au point-valeur, mais en réalité, vous obtenez quelque chose qui est plus logarithmique

mise à jour 2: ok, alors je suis retourné à ce et la méthode actuelle, nous explorons est donné un peu connu bords (ok, je sais exactement ce que les objets dans la photo), je fais un manuel de pixel d'intensité de comparaison. comme le graphe obtenu devient plus raide, je reçois au centre de l'attention. Je vais poster le code une fois que l'algorithme de base est porté à partir de matlab en c# (ouais, matlab.. :S)

mise à jour 3: yay dernière mise à jour. revint à nouveau. la version finale du code ressemble à ceci:

étape 1: obtenir une image à partir de la liste des images (j'ai pris une centaine de photos à travers le point focalisé)

étape 2: trouver un avantage pour l'objet que je me concentre (Dans mon cas sa un objet rectangulaire qui est toujours à la même place, donc je récolte un HAUT et ÉTROIT rectangle de bord)

étape 3: obtenir la HorizontalIntensityStatistics (Aforge.net classe) pour que l'image recadrée.

étape 4: obtenir l'Histogramme (gris, dans mon cas)

étape 5: calculer la dérivée des valeurs de l'histogramme

étape 6: lorsque la pente est la plus grande, c'est quand vous êtes dans le plus concentré point.

source d'informationauteur Oren Mazor

  1. 5

    Il peut être un peu simpliste pour vos besoins, mais j'ai eu de bons résultats avec un algorithme simple qui regarde la différence de pixels voisins. La somme de la différence de pixels 2-loin semble être une mesure raisonnable de contraste de l'image. Je ne pouvais pas trouver l'article original par Brenner dans les années 70, mais il est mentionné dans http://www2.die.upm.es/im/papers/Autofocus.pdf

    Un autre problème, c'est quand l'image est très floue, il y a très peu d'informations de mise au point, de sorte qu'il est difficile de dire de quelle façon est de "se rapprocher" ou pour éviter un maximum local.

  2. 7

    Vous pouvez avoir un coup d'oeil à la technique utilisée dans la Curiosity de la NASA Mars Rover.

    La technique est décrite dans cet article

    EDGETT, Kenneth S., et coll. La curiosité de Mars Hand Lens Imager (MAHLI) Enquête. la science de l'Espace commentaires2012, 170.1-4: 259-317.

    qui est disponible comme un PDF ici.

    Citation de l'article:

    7.2.2 Autofocus

    Mise au point automatique est prévu pour être le principal moyen par lequel MAHLI est
    axé sur Mars. L'autofocus commande indique à la caméra de se déplacer à
    un départ spécifié moteur compter de la position et de recueillir une image, déplacer un
    nombre spécifié de mesures et de percevoir une autre image, et de continuer à faire ainsi
    jusqu'à l'atteinte d'un ordre total nombre d'images, chacune séparée par un
    moteur compter de l'incrément. Chacune de ces images est JPEG
    comprimé (Joint Photographic Experts Group, voir CCITT (1993)) avec
    la même qualité de compression coefficient appliqué. La taille du fichier de chaque
    image compressée est une mesure de la scène en détail, qui est à son tour un
    la fonction de mise au point (une image focalisée montre plus en détail qu'une image floue,
    l'accent vue de la même scène). Comme illustré dans la Fig. 23, le
    l'appareil photo détermine la relation entre la taille du fichier JPEG et moteur
    le comte et s'adapte à une parabole pour les trois voisins de la taille maximale des fichiers.
    Le sommet de la parabole fournit une estimation de la meilleure mise au point
    moteur numération de position. Après avoir fait cette détermination, MAHLI déplace le
    objectif du groupe de discussion à la meilleure position du moteur et acquiert une image;
    cette image est stockée, les images les plus anciennes utilisées pour déterminer la
    l'autofocus de position ne sont pas enregistrées.

    Autofocus peut être réalisée sur la
    ensemble de MACHLI champ de vision, ou elle peut être effectuée sur un sous-cadre
    correspond à la partie de la scène qui comprend les objet(s) à
    être étudié. Selon la nature de l'objet et de la connaissance de
    les incertitudes dans les bras de robots de positionnement de MACHLI, les utilisateurs peuvent
    choisir d'acquérir un centré autofocus sous-cadre ou ils pourraient sélectionner
    un centre d'autofocus sous-trame si le positionnement de la connaissance est
    suffisant pour déterminer l'endroit où le sous-châssis doit être situé. L'utilisation de
    des sous-cadres pour effectuer la mise au point automatique est fortement recommandé car il
    habituellement, les résultats dans le sujet à mieux se concentrer que c'est le cas
    lors de la mise au point automatique est appliquée sur la totalité de la CCD; en outre, la
    moteur à compter de la position de l'autofocus à l'aide d'une sous-trame généralement des résultats
    dans une détermination plus précise de la distance de travail de pixel de l'échelle.

    Ce qui suit est la Figure 23:

    calcul de l'image

    Cette idée a également été suggéré dans cette réponse: https://stackoverflow.com/a/2173259/15485

  3. 3

    Ça peut être utile. C'est la façon dont la caméra du système AF fonctionne réellement - Passive Autofocus

    Contraste de mesure

    Revanche mesure est réalisée par
    mesure du contraste à l'intérieur d'un capteur
    le terrain, à travers la lentille. L'intensité
    la différence entre les pixels adjacents de
    le capteur augmente naturellement avec
    image correcte de se concentrer. L'optique
    le système peut ainsi être ajusté jusqu'à ce que
    le contraste maximum est détecté. Dans
    cette méthode, mise au point automatique n'implique pas
    distance réelle mesurée à toutes et
    est généralement plus lent que la phase
    les systèmes de détection, en particulier lorsque
    fonctionnement sous faible lumière. Comme il n'
    ne pas utiliser un capteur séparé, cependant,
    détection de contraste, l'autofocus peut être plus
    flexible (tel qu'il est appliqué dans
    le logiciel) et potentiellement plus
    précis. Cette méthode est couramment employée dans
    les caméras vidéo et de consommation au niveau
    les appareils photo numériques qui manque volets et
    réflexe de miroirs. Certains appareils photo Reflex numériques (y compris les
    Olympus E-420, Panasonic L10, Nikon
    D90, Nikon D5000, Nikon D300 dans un Trépied
    Mode, Canon EOS 5D Mark II, Canon EOS
    50D) utiliser cette méthode lors de la mise en
    leur live-modes de vue. Une nouvelle
    lentilles interchangeables système de Micro
    Quatre Tiers, utilise exclusivement le contraste
    la mesure de l'autofocus, et il est dit à
    offrir des performances comparables à celles de la phase
    détecter les systèmes.

  4. 3

    Je n'ai pas construit un moi-même, mais ma première pensée serait de faire un 2D DFT sur une partie de l'image. Lorsque l'accent, les hautes fréquences disparaîtra automatiquement.

    Pour un paresseux prototype, Vous pouvez essayer de compresser une région de l'image au format JPEG (haute qualité), et de regarder le flux de sortie de taille. Un fichier de grande taille signifie beaucoup de détails, ce qui implique à son tour de l'image est au point. Méfiez-vous que la caméra ne doit pas être trop bruyant, et que vous ne pouvez pas comparer les tailles de fichier à travers les différentes scènes de de parcours.

  5. 1

    Alors que la sobel est un choix décent, je serais probablement choisir d'effectuer un bord de l'ampleur de calcul sur les projections dans les directions x et y sur plusieurs petits représentant les régions. L'autre .NET amicale des choix basés sur OpenCV est @ http://www.emgu.com/wiki/index.php/Main_Page.

  6. 0

    Je me demande si l'écart-type est le meilleur choix: Si l'image est plus nette, le filtre de sobel image contiendra les pixels clairs sur les bords, mais dans le même temps, de moins en moins de pixels clairs, parce que les bords sont plus. Peut-être vous pouvez essayer d'utiliser une moyenne de 1%, la plus élevée des valeurs de pixel dans la sobel image?

  7. 0

    Une autre saveur pour l'accent métrique peut être:

    Prenez plusieurs images et leur moyenne ( réduction du bruit).
    Puis FFT la moyenne de l'image et utiliser la haute à basse fréquences de l'énergie rapport.
    Plus cette ration le mieux se concentrer. Un Matlab démo est disponible (à l'exclusion de la moyenne de phase) dans les démos de la boîte à outils 🙂