📚 课程目录第2章对比度检测自动对焦模块搭建

2. 对比度检测自动对焦模块搭建

任务目标

搭建一个基于图像对比度最大化的自动对焦模块：通过移动镜头位置采集图像序列，计算各位置图像的对比度评价值，搜索峰值对应的镜头位置即为最佳对焦点。本案例聚焦于对比度检测的核心算法与最小可运行闭环，不涉及电机驱动硬件控制。

实现方案

采用Tenengrad梯度算子计算图像清晰度（对比度评价值），使用爬山搜索策略寻找峰值位置。系统输入为一系列离散镜头位置及其对应的灰度图像，输出为最佳对焦位置索引。算法流程：

对每个位置的图像计算Tenengrad评价值（Sobel梯度平方和）；
从起始位置开始，沿评价值上升方向移动，直到评价值下降则回溯到峰值位置；
若序列为单峰分布，爬山法可正确收敛；若存在噪声，可选用全局搜索（遍历所有位置取最大值）作为对照。

完整代码

import numpy as np
from scipy import ndimage

def tenengrad_score(image):
    """计算单张灰度图的Tenengrad对比度评价值"""
    if image.ndim == 3:
        image = np.mean(image, axis=2)  # 转灰度
    image = image.astype(np.float32)
    # Sobel梯度
    gx = ndimage.sobel(image, axis=1)
    gy = ndimage.sobel(image, axis=0)
    return np.sum(gx**2 + gy**2)

def hill_climb_search(scores, start=0, step=1):
    """
    爬山法搜索峰值位置
    scores: 各镜头位置的评价值列表
    返回: 最佳位置索引
    """
    n = len(scores)
    pos = start
    # 向右探索
    while pos + step < n and scores[pos + step] > scores[pos]:
        pos += step
    # 向左探索（处理起始点不在左侧斜坡的情况）
    while pos - step >= 0 and scores[pos - step] > scores[pos]:
        pos -= step
    return pos

def global_search(scores):
    """全局搜索：遍历所有位置取最大值（对照/验证用）"""
    return int(np.argmax(scores))

def autofocus_module(images, search_method='hill_climb'):
    """
    对比度检测自动对焦主函数
    images: list[np.ndarray]，按镜头位置顺序排列的灰度图
    search_method: 'hill_climb' 或 'global'
    返回: (最佳位置索引, 各位置评价值列表)
    """
    scores = [tenengrad_score(img) for img in images]
    if search_method == 'hill_climb':
        best_pos = hill_climb_search(scores)
    else:
        best_pos = global_search(scores)
    return best_pos, scores

# ========== 最小验证闭环 ==========
if __name__ == '__main__':
    # 构造模拟图像序列：位置5最清晰，两侧逐渐模糊（高斯模糊模拟失焦）
    from scipy.ndimage import gaussian_filter
    np.random.seed(42)
    base = np.random.randint(0, 255, (64, 64)).astype(np.float32)
    image_seq = []
    for i in range(11):
        sigma = abs(i - 5) * 0.8 + 0.3  # 离位置5越远越模糊
        blurred = gaussian_filter(base, sigma=sigma)
        image_seq.append(blurred)

    # 运行自动对焦
    best, scores = autofocus_module(image_seq, search_method='hill_climb')
    best_global, _ = autofocus_module(image_seq, search_method='global')

    print(f"爬山法最佳位置: {best}")
    print(f"全局搜索最佳位置: {best_global}")
    print(f"评价值序列: {[int(s) for s in scores]}")
    # 预期输出（确定性结果）:
    # 爬山法最佳位置: 5
    # 全局搜索最佳位置: 5
    # 评价值序列: 位置5处最大，两侧递减

运行与验证

依赖安装：

pip install numpy scipy

运行方式：直接执行上述脚本（已包含模拟数据与验证入口）。

通过条件：

控制台输出中，爬山法最佳位置与全局搜索最佳位置均为5；
打印的评价值序列在索引5处取得最大值，且两侧单调递减——这验证了Tenengrad评分函数对清晰度的区分能力以及搜索算法的正确性。

集成说明

在实际系统中，将images替换为相机在步进电机不同位置采集的真实帧，调用autofocus_module即可获得对焦位置。若镜头移动存在噪声导致评价值非严格单峰，建议改用global_search或先对评价值做中值滤波再搜索。