📚 课程目录第2章图像清晰度评价基础

图像清晰度评价基础：图像梯度与边缘、高频信息与低频信息、清晰度评价的数学本质

各位同学，欢迎来到第二章。上一章我们聊了自动对焦的整体框架，今天咱们把镜头拉近，看看最核心的问题——怎么判断一张图像是清晰的？

你可能会说：“这还不简单？人眼一看就知道。” 但机器没有眼睛，它只有一堆像素值。要让机器学会判断清晰度，我们得先搞清楚清晰度的数学本质是什么。

我个人习惯把这个问题拆成三个层次来理解：物理上的边缘、频域上的能量、数学上的梯度。这三者其实是同一件事的不同表达方式。

先问一个问题：一张模糊的图像和一张清晰的图像，最直观的区别在哪？

答案是边缘。清晰的图像边缘锐利，模糊的图像边缘平滑。那边缘在数学上怎么描述？

说白了，边缘就是像素值发生剧烈变化的地方。而描述“变化剧烈程度”的数学工具，就是梯度。

对于一张图像 \( f(x, y) \)，它在 \( (x, y) \) 处的梯度是一个向量：

∇f = [ ∂f/∂x , ∂f/∂y ]

梯度的幅值（magnitude）表示变化的强度：

|∇f| = sqrt( (∂f/∂x)² + (∂f/∂y)² )

在实际项目中，我们不会真的去求偏导，而是用卷积核来近似。最经典的就是 Sobel 算子：

Gx = [[-1, 0, 1],
      [-2, 0, 2],
      [-1, 0, 1]]

Gy = [[-1, -2, -1],
      [ 0,  0,  0],
      [ 1,  2,  1]]

用这两个核分别卷积图像，就能得到 x 方向和 y 方向的梯度分量。

  核心观点： 清晰图像的梯度幅值普遍较大，模糊图像的梯度幅值普遍较小。这就是几乎所有清晰度评价函数的底层逻辑。

我记得有一次调试一个工业检测项目，镜头有点脏，图像整体偏模糊。当时我直接用 Sobel 算梯度，发现边缘响应很弱。后来换了Laplacian 算子——它对噪声更敏感，但对焦评价反而更准。嗯，这里要注意：算子没有的好坏，只有合不合适。

梯度是从空间域看问题。换个角度，从频率域看，清晰度又是什么？

你想想看，一张图像可以分解成不同频率的成分：

清晰图像的高频成分丰富，模糊图像的高频成分被衰减。这就是为什么我们常说“清晰度评价本质上是在衡量图像中高频能量的多少”。

怎么把图像从空间域变到频率域？最常用的工具是傅里叶变换。对于离散图像，我们用 DFT（离散傅里叶变换）：

F(u, v) = Σ Σ f(x, y) * exp(-j * 2π * (ux/M + vy/N))

得到频谱图后，高频分量分布在远离中心的位置。你可以算一下高频区域的能量总和，作为清晰度指标。

实战技巧： 在嵌入式平台上做 FFT 计算量偏大。我一般只在 PC 端做算法验证时用频域方法，移植到嵌入式平台时，会换成空间域的梯度算子——效果接近，但速度快一个数量级。

我曾经在一个项目中，用频域方法做对焦评价，效果很好，但帧率只有 5fps。后来换成 Tenengrad 算子（基于 Sobel 梯度），帧率直接飙到 30fps，对焦精度只差了不到 2%。工程上，永远要在精度和速度之间找平衡。

好了，我们把前面两个概念串起来。清晰度评价的数学本质是什么？

我个人认为，可以归纳为一句话：清晰度评价函数，本质上是一个衡量图像中高频分量能量占比的标量函数。

用数学语言表达：

Focus_Measure(I) = Σ (高频能量) / Σ (总能量)

或者更直接一点，对于基于梯度的评价函数：

Focus_Measure(I) = Σ |∇f(x, y)|

这个值越大，图像越清晰。当镜头移动到最佳对焦位置时，这个值达到峰值。

下面这张图展示了清晰度评价的完整逻辑链条：

从这张图你可以看到，无论从哪个角度切入，最终都归结到同一个目标：找到一个能反映图像清晰程度的标量值。

基于上面的数学本质，业界衍生出了几十种评价函数。我把最常用的几种整理成了一张表，方便你对比：

评价函数	核心原理	计算复杂度	抗噪性	适用场景
Tenengrad	Sobel 梯度幅值平方和	中	中	通用场景，最常用
Laplacian	二阶导数，对边缘敏感	低	低（对噪声敏感）	纹理丰富的场景
Brenner	相邻像素差值的平方	极低	高	嵌入式实时系统
Vollath	自相关函数	中	高	低光照、高噪声环境
FFT 高频能量	频域高频分量能量和	高	高	PC 端算法验证

避坑提醒： 我曾经在一个项目中直接套用 Tenengrad，结果在低光照条件下频繁误判。后来换成 Vollath 函数，问题迎刃而解。没有万能函数，一定要根据你的场景选。

这一章我们干了三件事：