当前位置：首页 > news >正文

【阅读笔记】聚焦区域自动化检测Fully Digital Auto-Focusing System with Automatic Focusing Region Selection and Point

news 2026/5/12 8:19:46

一、Fully Digital Auto-Focusing System with Automatic Focusing Region Selection and Point Spread Function Estimation

该论文具备自动对焦区域选择功能，并预估了具有圆对称性的点扩散函数（PSF）数据集。通过分析自动选定对焦区域中的熵值与边缘信息，该方法实现了真实可靠的无监督PSF估计

1.1自动对焦区域选择（Automatic Focusing Region Selection）

这是该论文的关键创新之一。系统能够：

自动识别图像中的最佳对焦区域
基于熵（Entropy）和边缘信息（Edge Information）分析选择ROI

技术原理：

利用局部熵检测图像中的信息丰富区域
结合边缘检测识别具有清晰结构特征的区域

1.2.先验PSF数据集（A Priori Estimated PSF Dataset）

预先建立**圆对称点扩散函数（Circularly Symmetric PSFs）**数据集
包含11种不同离焦程度的PSF模型（根据相关文献引用）
避免实时计算PSF的高计算成本

1.3.无监督PSF估计

通过分析选定区域的熵和边缘信息，实现：

realistic（真实感）的PSF估计
unsupervised（无监督）的自动选择最优PSF
快速匹配最适合当前离焦状态的PSF

二、基于熵的聚焦区域选择方法

备注：本文只分析聚焦区域选择部分，自动化分析聚焦主体，论文其他章节部分后续分析。

聚焦区域通常考虑被摄体位于输入图像中心，或系统可利用多幅输入图像时才能获得聚焦区域。本文提出的基于熵的聚焦区域选择方法，无论被摄体位置如何，亦或背景中是否存在高频成分，均能对被摄体区域进行估计。

本文核心思想是计算图像熵值、边缘梯度值，根据这两个方面综合考虑聚焦区域的选择。

2.1 计算图像熵值

计算图像的熵值公式如下：

E = − ∑ i = 0 L − 1 P i l o g P i E=-\sum_{i=0}^{L-1}P_{i}logP_{i}E=−i=0∑L−1PilogPi

其中，L LL表示满阱值，P i P_iPi是灰度概率

P i = n i M ∗ N P_{i}=\frac{n_{i}}{M*N}Pi=M∗Nni

其中，M 、 N M、NM、N是分辨率，n nn是灰度值

将输入图像分割为多个子块，并提取每个子块的局部熵值。下图展示了三种不同块尺寸下的局部熵分布情况。当子块尺寸较小时，边缘区域的熵值较高，导致聚焦区域受到背景高频成分的影响；而当子块尺寸较大时，聚焦位置的估计难度增加。

笔者将算法仿真后推荐将图像划分为8x8，16x16等规格，图像分辨率若太小，4x4也可以。

通过设定由熵值定义的阈值来进行图像分割。

T h r = α E ( X ) m a x + ( 1 − α ) E ( X ) m e a n Thr = \alpha E(X)_{max}+(1-\alpha) E(X)_{mean}Thr=αE(X)max+(1−α)E(X)mean

T h r ThrThr是熵值阈值，E ( X ) E(X)E(X)局部区块的熵值，E ( X ) m a x E(X)_{max}E(X)max是最大值，，E ( X ) m e a n E(X)_{mean}E(X)mean是均值，α \alphaα是0~1的数据，α \alphaα论文中设定为0.85，熵值高于阈值的区块即为图像的聚焦待定区域