第1章：图像清晰度评价函数（上）

各位同学好，我是你们这门课的老朋友。今天咱们聊聊自动对焦里最基础、也最核心的一块——图像清晰度评价函数。

说白了，自动对焦就是让镜头动一动，找到画面最清楚的那个位置。但问题来了：怎么判断一张图到底清不清楚？ 你总不能让算法像人一样看一眼说“嗯，这个锐利”吧？

所以我们需要一个数学工具，把“清晰度”这个主观感受，变成一个可以计算的数值。这就是清晰度评价函数干的事。

我个人习惯把评价函数分成三大类：基于梯度的、基于频域的、基于统计的。今天先讲前两类，第三类留到下节课。

图像清晰度评价函数体系 清晰度评价函数 基于梯度 Brenner · Tenengrad · Laplacian 基于频域 FFT · DCT 基于统计 Variance · Histogram 核心思想：清晰图像 → 边缘锐利 → 高频丰富 → 灰度变化剧烈 本章重点：梯度类 + 频域类

一、基于梯度的评价函数

先问大家一个问题：一张清晰的图像，和一张模糊的图像，最直观的区别在哪？

答案是边缘。清晰的图像边缘锐利，像素值变化剧烈；模糊的图像边缘平滑，像素值变化缓慢。而梯度，就是用来描述这种变化快慢的数学工具。

梯度越大，说明边缘越锐利，图像越清晰。这个逻辑很直接，对吧？

1.1 Brenner 函数

Brenner 是最简单的梯度评价函数之一。它只计算相隔两个像素的灰度差的平方和。

公式长这样：

F = Σ |f(x+2, y) - f(x, y)|²

为什么是相隔两个像素？不是相邻？

嗯，这里有个小门道。我刚开始做对焦算法时也纳闷过。后来在实际项目中调试才发现：相邻像素的差值太小了，容易受噪声干扰。相隔两个像素，既能捕捉到边缘信息，又能滤掉一部分高频噪声。说白了，这是一种简单的带通滤波思想。

我的经验： Brenner 计算量极小，适合嵌入式平台。我在一个低功耗摄像头项目里用过它，跑在 30fps 毫无压力。但要注意，它对纹理丰富的场景效果不错，对纯色场景就有点力不从心了。

1.2 Tenengrad 函数

Tenengrad 比 Brenner 更“正规”一些。它使用 Sobel 算子计算水平和垂直方向的梯度，然后求平方和。

代码实现大概是这样的：

// 水平 Sobel 核
int sobel_x[3][3] = {
    {-1, 0, 1},
    {-2, 0, 2},
    {-1, 0, 1}
};

// 垂直 Sobel 核
int sobel_y[3][3] = {
    {-1, -2, -1},
    { 0,  0,  0},
    { 1,  2,  1}
};

// 对每个像素计算梯度幅值
for (int y = 1; y < height-1; y++) {
    for (int x = 1; x < width-1; x++) {
        int gx = 0, gy = 0;
        for (int ky = -1; ky <= 1; ky++) {
            for (int kx = -1; kx <= 1; kx++) {
                gx += sobel_x[ky+1][kx+1] * img[y+ky][x+kx];
                gy += sobel_y[ky+1][kx+1] * img[y+ky][x+kx];
            }
        }
        sum += gx*gx + gy*gy;
    }
}

Tenengrad 的优点是方向性更全面，水平和垂直边缘都能捕捉到。我在做手机摄像头对焦时，Tenengrad 是默认选项之一。

避坑指南： 我曾经在一个项目中直接用 Tenengrad 的原始输出做对焦曲线，结果发现曲线有很多毛刺。后来排查发现，是图像传感器有固定模式噪声（FPN），Sobel 算子把噪声也当成边缘了。解决方案是：先做一次高斯模糊降噪，再计算 Tenengrad。

1.3 Laplacian 函数

Laplacian 用的是二阶导数。一阶导数看变化快慢，二阶导数看变化加速度。边缘处的一阶导数是极值，二阶导数是过零点。

常用的 Laplacian 核是 3x3 的：

Laplacian 核：
[ 0, -1,  0]
[-1,  4, -1]
[ 0, -1,  0]

或者带对角线的版本：

[ 1,  1,  1]
[ 1, -8,  1]
[ 1,  1,  1]

Laplacian 对孤立点、细线、边缘端点特别敏感。但它的缺点也很明显：对噪声极其敏感。你想想看，二阶导数放大了高频成分，而噪声恰恰也是高频的。

三种梯度函数的对比：
函数 计算量 抗噪性 适用场景
Brenner 极低 中等 嵌入式、实时系统
Tenengrad 中等 较好 通用场景
Laplacian 低 较差 纹理丰富、低噪声场景

二、基于频域的评价函数

梯度方法是在空间域里看问题。但换个角度想：清晰图像的高频成分多，模糊图像的高频成分少。这不就是频域分析最擅长的事吗？

频域方法的核心思想：把图像从空间域变换到频率域，然后看高频分量的能量有多大。

2.1 FFT（快速傅里叶变换）

FFT 是频域分析的经典工具。对图像做二维 FFT 后，低频分量集中在中心，高频分量在四周。清晰度越高，高频区域的能量越强。

评价函数可以这样设计：

1. 对图像做二维 FFT，得到频谱 F(u, v)
2. 计算频谱的幅值 |F(u, v)|
3. 设计一个高通滤波器，只保留高频部分
4. 对高频部分的幅值求和，作为清晰度得分

但说实话，FFT 在嵌入式系统里不太实用。为什么？计算量太大了。一张 1080p 的图像，做一次 FFT 要几毫秒甚至几十毫秒，对焦过程中可能要算几十次，这谁顶得住？

我在一个工业相机项目里试过 FFT 做对焦，最后放弃了。不是因为不准，而是因为太慢了。后来换成了 Tenengrad，效果差不多，速度快了一个数量级。

什么时候用 FFT？ 如果你在做离线分析，或者对实时性要求不高（比如静态场景对焦），FFT 是个好选择。它比梯度方法更鲁棒，对噪声不敏感。

2.2 DCT（离散余弦变换）

DCT 是 FFT 的“近亲”，但更实用。JPEG 压缩用的就是 DCT，原因很简单：DCT 是实数变换，计算量比 FFT 小。

DCT 的评价思路和 FFT 类似：

1. 对图像分块（比如 8x8 或 16x16）
2. 对每个块做 DCT
3. 提取高频系数（比如右下角的系数）
4. 对所有块的高频系数求和

分块的好处是：可以局部评价清晰度。比如画面中心区域清晰、边缘模糊，分块 DCT 能捕捉到这种空间变化。而全局 FFT 只能给出一个整体值。

我记得有一次做车载摄像头对焦，场景里经常有大面积天空（低频区域）。用全局 FFT 时，天空部分的低频能量淹没了边缘的高频信息，导致对焦不准。后来改成 16x16 分块 DCT，只取高频系数最大的几个块做评价，效果立竿见影。

FFT vs DCT 对比：
  • FFT：复数变换，计算量大，频率分辨率高，适合离线分析
  • DCT：实数变换，计算量适中，可分块处理，适合嵌入式实现
  • 共同点：都能有效区分清晰和模糊图像，对噪声鲁棒性优于梯度方法

三、实际项目中的选择建议

讲了这么多，你可能会问：那我到底该用哪个？

我的建议是分三步走：

  1. 先看平台：如果是单片机、低端 DSP，老老实实用 Brenner 或简单的 Laplacian。别想着上 FFT，跑不动的。
  2. 再看场景：室内灯光稳定、纹理丰富，Tenengrad 就很好。户外光线变化大、有噪声，考虑 DCT 或带预处理的梯度方法。
  3. 最后看精度：如果对焦精度要求极高（比如显微镜、工业检测），可以考虑组合使用——先用 Brenner 粗调，再用 Tenengrad 精调。
一个常见的坑： 不要迷信“越复杂的函数效果越好”。我曾经在一个项目中，用 Laplacian 效果不如 Brenner。后来分析发现，图像传感器噪声较大，Laplacian 把噪声当成了边缘，反而干扰了对焦。有时候，简单就是美。

好了，今天的内容就到这里。梯度类和频域类的评价函数，是自动对焦算法的基石。下一节课我们继续聊基于统计的评价函数，以及如何在实际项目中做选择。

记住：没有最好的函数，只有最合适的函数。多动手试试，你会有自己的体会。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →