基于FPGA的图像调焦系统研究
采用基于图像技术的自动调焦方法，根据图像分析出图形的质量，完成图像预处理、清晰度判别，获得当前的成像状况。通过控制电机，完成调焦操作。其中核心技术是分析图像质量*价函数。针对调焦算法计算量大、计算复杂等问题，采用中值滤波和灰度线性变换的图像预处理方法，流水线作业，“乒乓”操作，双蝶形处理器复用，基-2fft算法相结合的工作模式。实验结果证实，本方法解决了自动调焦算法复杂系统控制的速度问题。
基于图像技术的自动调焦方法，是从与传统的自动调焦技术完全不同的角度出发，直接对拍摄的图像采用图像处理技术，对图像进行成像质量分析，得到系统当前的对焦状态，然后通过驱动机构调整成像系统镜头的焦距实现自动调焦过程。
1 调焦算法分析
一幅图像是否聚焦，反映在空域上是图像的边缘及细节是否清晰，而图像的边缘及细节信息可以通过对图像进行微分来获取。因此，利用信息作为聚焦的判据。这种提取图像边缘信息的函数称为聚焦*价函数，图像经其处理后所得到的量值能够反映图像的清晰度。
聚焦*价函数应具有以下几个特性：无偏性、单峰性、高灵敏度、较高信噪比、较小计算量。
因此，采用图像处理方法实现自调焦，重要的就是找到一个理想的图像清晰度*价依据，所以本系统的核心算法就是图像的清晰度*价函数实现算法和调焦实现算法。在图像的清晰度算法中主要对图像进行了图像的预处理过程，清晰度*价算法，电机控制算法3个部分。
图像从空间域转换到频域进行分析是图像处理的常用手段。同时，由于清晰图像比模糊图像包含有更多的图像信息和细节，分析之后发现清晰度比较高的图像边缘信息清晰可辨，对应于图像的傅里叶变换之后的高频分量加强，低频分量减少，而模糊图像则是低频分量增加，高频分量减少，这样基于功率谱的图像清晰度*价函数理论依据就产生了。
对于连续的图像f(x，y)，当时，可以求出其二维傅里叶变换
对于数字图像，如考虑把f(x，y)在x和y方向上用抽样间隔△x，△y进行抽样得到，则f(x0+m/m，y0+n/n)=f(m，n)，m，n为横纵方向的像素数(△x=i/m，△y=，i/n)，m，n=0，±1，±2…。
假设上式为周期性的，即得
由于聚焦清晰的图像具有清晰可辨的边缘信息，图像包含更多的高频分量从能量的角度看，图像高频分量增加既信号能量增加，这样可利用能量功率谱函数，构建图像的清晰度*价函数得到
其中，pl(u，v)为图像的功率谱函数，l为图像的序列号。
各种不同清晰度*价函数的区别在于判别图像高频分量成分的多少，这里采用对图像高频分量加权的方法，同时它的加权系数符合这样的一个规律：随着频率的增加，它的值也增加，可以反映出图像中高频分量的成分多少，实际处理过程中采用该像素到中心像素的距离。式(4)是对图像的频谱中各个高频分量加权处理后，得出能反映图像的*价参数。图3是经过c语言描述的基于功率谱的频域函数与其他方法的清晰度*价函数对比结果。由图可以看出基于功率谱的图像清晰度*价函数具有较好的*判本领。
2 系统框图
基于fpga的自动调焦系统框图，如图4所示。其中图像的预处理过程，清晰度*价函数的算法实现过程，以及控制电机的算法实现和调焦过程都在fpga中实现，并且进行实时处理。该模块共包含了5个模块3个部分，3个部分分别是输入端、处理过程和输出端。在处理过程中增加了sdrm与。flash芯片。输入输出采用dvi接口，它们分别为tfp401输入dvi芯片和tfp410输出dvi芯片。fpga核心处理芯片选用cyclone3ep3-c5f256c8n芯片，其中包含10万个逻辑门，同时给图像数据提供缓冲使用2片is4232400。
由式(4)可知，对于一幅640×480的灰度图像，需要经过1 228 800次乘法运算，307 200次开方运算，* 400次加法运算。由于计算量特别大，而且每一幅图像的变化不大，所以本系统采取了将图像划分为128×64大小的5个模块，首先对28×64大小的灰度图像进行傅里叶变换，然后获得图像的功率谱，再对其信号值进行加权，得到一块图像的清晰度*价值代替整个图像的清晰度*价值。同时采用“乒乓”操作，双蝶型处理器复用，基2fft算法的fpga实现方案。
3 调焦效果分析
对于清晰度*价算法和基于2-fft的乘法实现结构的分析，得到这个图像的清晰度*价算法的乘法计算次数为(53 248×3+64×32×3)=165 888次，所需的加法计算次数为(53 248×3+64×32×2-1)=163 839次。由这些数据可知调焦过程中系统延时主要是这两个方面计算的延时相加，同时有电路系统的延时，但是这个延时在设计电路时已经考虑，限制在最小范围内，采用“乒乓”操作延时再加大约o.000ls的延时。当系统主频率为60 mhz时，经过实际的测试系统总延时大约为o.05s，实时处理的系统8帧图像的采集时间间隔要求为×0.04=0.32s。
满足实时性要求，上述系统的调试在cyclone3ep3c5f256c8n芯片中实现，效果比较满意。
将镜头的焦距调节范围设置为60段，聚焦段的取值范围为[1，60]。测试时将一组由焦距从最远端开始发送过来的图像经过处理，搜索步数k，得到每次应该调焦的定位以及图像清晰度*价值，如表1所示。定位处为图像调焦效果最清晰处。
4 结束语
基于本模块的输入端口直接输入dvi信号，并非直接的采集图像端口，在实际应用中需要完成整个调焦过程，增加控制电机的控制电路模块，并对整个调焦过程的实时性进行综合*价。另外，基于图像技术的自动调焦方法有一个非常重要的应用前景是与cmos图像传感器集成。由于cmos图像传感器与fpga采用了相同的制造工艺，所以是可以集成的。cmos图像传感器集成了自动调焦功能后，不仅可以简化成像系统中自动调焦部分的设计，还提高了其与ccd图像传感器的竞争力。
CCF发布《数据中心Diskless架构》白皮书 中科驭数参与联合主编
Coles 五个月内推出SAP S/4HANA 财务核心
支持无障碍的智能手机和智能家居
发动机工作顺序的基本原则
带动PC换机需求，VR为手机业者再创新生机
基于FPGA的图像调焦系统研究
物联网应用催生存储器新需求暴涨
用于自动驾驶的时空融合激光雷达地点识别算法SeqOT
晶方科技:市场拓展叠加产业延伸谱写新的发展航程
驱动之路-设备模型之底层模型
数字式超声波探伤仪中高速数据采集模块的设计
LED恒流驱动电路FP6755介绍
本源量子首席科学家郭国平教授受邀参加省委统战部“统战大讲堂”
智能体的基本特性
变频器对PLC模拟量干扰的例子与解决方法
Innovasic推出下一代工业以太网交换机
超声波传感器在汽车制造业中的应用技术
嵌入式linux系统的学习步骤
模/数转换器和数/模转换的技术术语
卢伟冰出任小米副总裁负责海外业务,小米支付过亿元赔偿诚壹科技变相被小米收购
基于图像技术的自动调焦方法，是从与传统的自动调焦技术完全不同的角度出发，直接对拍摄的图像采用图像处理技术，对图像进行成像质量分析，得到系统当前的对焦状态，然后通过驱动机构调整成像系统镜头的焦距实现自动调焦过程。
1 调焦算法分析
一幅图像是否聚焦，反映在空域上是图像的边缘及细节是否清晰，而图像的边缘及细节信息可以通过对图像进行微分来获取。因此，利用信息作为聚焦的判据。这种提取图像边缘信息的函数称为聚焦*价函数，图像经其处理后所得到的量值能够反映图像的清晰度。
聚焦*价函数应具有以下几个特性：无偏性、单峰性、高灵敏度、较高信噪比、较小计算量。
因此，采用图像处理方法实现自调焦，重要的就是找到一个理想的图像清晰度*价依据，所以本系统的核心算法就是图像的清晰度*价函数实现算法和调焦实现算法。在图像的清晰度算法中主要对图像进行了图像的预处理过程，清晰度*价算法，电机控制算法3个部分。
图像从空间域转换到频域进行分析是图像处理的常用手段。同时，由于清晰图像比模糊图像包含有更多的图像信息和细节，分析之后发现清晰度比较高的图像边缘信息清晰可辨，对应于图像的傅里叶变换之后的高频分量加强，低频分量减少，而模糊图像则是低频分量增加，高频分量减少，这样基于功率谱的图像清晰度*价函数理论依据就产生了。
对于连续的图像f(x，y)，当时，可以求出其二维傅里叶变换
对于数字图像，如考虑把f(x，y)在x和y方向上用抽样间隔△x，△y进行抽样得到，则f(x0+m/m，y0+n/n)=f(m，n)，m，n为横纵方向的像素数(△x=i/m，△y=，i/n)，m，n=0，±1，±2…。
假设上式为周期性的，即得
由于聚焦清晰的图像具有清晰可辨的边缘信息，图像包含更多的高频分量从能量的角度看，图像高频分量增加既信号能量增加，这样可利用能量功率谱函数，构建图像的清晰度*价函数得到
其中，pl(u，v)为图像的功率谱函数，l为图像的序列号。
各种不同清晰度*价函数的区别在于判别图像高频分量成分的多少，这里采用对图像高频分量加权的方法，同时它的加权系数符合这样的一个规律：随着频率的增加，它的值也增加，可以反映出图像中高频分量的成分多少，实际处理过程中采用该像素到中心像素的距离。式(4)是对图像的频谱中各个高频分量加权处理后，得出能反映图像的*价参数。图3是经过c语言描述的基于功率谱的频域函数与其他方法的清晰度*价函数对比结果。由图可以看出基于功率谱的图像清晰度*价函数具有较好的*判本领。
2 系统框图
基于fpga的自动调焦系统框图，如图4所示。其中图像的预处理过程，清晰度*价函数的算法实现过程，以及控制电机的算法实现和调焦过程都在fpga中实现，并且进行实时处理。该模块共包含了5个模块3个部分，3个部分分别是输入端、处理过程和输出端。在处理过程中增加了sdrm与。flash芯片。输入输出采用dvi接口，它们分别为tfp401输入dvi芯片和tfp410输出dvi芯片。fpga核心处理芯片选用cyclone3ep3-c5f256c8n芯片，其中包含10万个逻辑门，同时给图像数据提供缓冲使用2片is4232400。
由式(4)可知，对于一幅640×480的灰度图像，需要经过1 228 800次乘法运算，307 200次开方运算，* 400次加法运算。由于计算量特别大，而且每一幅图像的变化不大，所以本系统采取了将图像划分为128×64大小的5个模块，首先对28×64大小的灰度图像进行傅里叶变换，然后获得图像的功率谱，再对其信号值进行加权，得到一块图像的清晰度*价值代替整个图像的清晰度*价值。同时采用“乒乓”操作，双蝶型处理器复用，基2fft算法的fpga实现方案。
3 调焦效果分析
对于清晰度*价算法和基于2-fft的乘法实现结构的分析，得到这个图像的清晰度*价算法的乘法计算次数为(53 248×3+64×32×3)=165 888次，所需的加法计算次数为(53 248×3+64×32×2-1)=163 839次。由这些数据可知调焦过程中系统延时主要是这两个方面计算的延时相加，同时有电路系统的延时，但是这个延时在设计电路时已经考虑，限制在最小范围内，采用“乒乓”操作延时再加大约o.000ls的延时。当系统主频率为60 mhz时，经过实际的测试系统总延时大约为o.05s，实时处理的系统8帧图像的采集时间间隔要求为×0.04=0.32s。
满足实时性要求，上述系统的调试在cyclone3ep3c5f256c8n芯片中实现，效果比较满意。
将镜头的焦距调节范围设置为60段，聚焦段的取值范围为[1，60]。测试时将一组由焦距从最远端开始发送过来的图像经过处理，搜索步数k，得到每次应该调焦的定位以及图像清晰度*价值，如表1所示。定位处为图像调焦效果最清晰处。
4 结束语
基于本模块的输入端口直接输入dvi信号，并非直接的采集图像端口，在实际应用中需要完成整个调焦过程，增加控制电机的控制电路模块，并对整个调焦过程的实时性进行综合*价。另外，基于图像技术的自动调焦方法有一个非常重要的应用前景是与cmos图像传感器集成。由于cmos图像传感器与fpga采用了相同的制造工艺，所以是可以集成的。cmos图像传感器集成了自动调焦功能后，不仅可以简化成像系统中自动调焦部分的设计，还提高了其与ccd图像传感器的竞争力。
CCF发布《数据中心Diskless架构》白皮书 中科驭数参与联合主编
Coles 五个月内推出SAP S/4HANA 财务核心
支持无障碍的智能手机和智能家居
发动机工作顺序的基本原则
带动PC换机需求，VR为手机业者再创新生机
基于FPGA的图像调焦系统研究
物联网应用催生存储器新需求暴涨
用于自动驾驶的时空融合激光雷达地点识别算法SeqOT
晶方科技:市场拓展叠加产业延伸谱写新的发展航程
驱动之路-设备模型之底层模型
数字式超声波探伤仪中高速数据采集模块的设计
LED恒流驱动电路FP6755介绍
本源量子首席科学家郭国平教授受邀参加省委统战部“统战大讲堂”
智能体的基本特性
变频器对PLC模拟量干扰的例子与解决方法
Innovasic推出下一代工业以太网交换机
超声波传感器在汽车制造业中的应用技术
嵌入式linux系统的学习步骤
模/数转换器和数/模转换的技术术语
卢伟冰出任小米副总裁负责海外业务,小米支付过亿元赔偿诚壹科技变相被小米收购