自动聚焦是数字图像处理中的一项关键技术。随着相机、摄像机等数码产品的流行,电子扫描仪、医学显微镜等精密仪器的发展,以及卫星导航、计算机视觉等高端技术的需要,自动聚焦技术已经越来越受到重视。自动聚焦技术的主要原理如下:首先,利用成像设备取得待聚焦场景的一系列不同聚焦程度的图像,进行模拟一数字信号转换后,将图像序列传送到计算机中去。第二,计算机通过特定的聚焦评价函数计算该图像序列的聚焦程度评价值,按照极点搜索算法对这一系列评价值进行排序。第三,聚焦评价函数的特性说明图像序列中评价函数值最高的那幅图像的聚焦程度最高,成像设备拍摄并保存该图像。因此,自动聚焦的过程主要包括三个模块:聚焦区域选择,聚焦评价函数,极点搜索算法。聚焦区域选择模块是选择对图像的哪些部分做聚焦评价。理论上,对整个图像上的所有像素(即整幅图像)做评价是最精确的。但是考虑到某些图像具有很高的像素值,所有像素都参与计算非常浪费时间,仅考虑对视觉效果起主要作用的像素即可,这就是聚焦区域选择模块所关心的问题。聚焦评价函数模块,旨在评价图像的聚焦或离焦程度,为成像设备控制镜头提供参考依据。因此,聚焦处的评价函数值与离焦处的评价函数值的区别越明显,成像设备找到聚焦点的成功率越高,聚焦效果越好。爬山搜索算法模块的目的是快速准确的为一系列评价函数值排序,并找到该序列中的最大值(即聚焦点的评价函数值),其性能直接影响到聚焦的速度和准确性。在聚焦区域选择方面,传统的算法有一个隐含的前提,即几乎所有的主体景物都位于图像中心。因此,传统算法对主体景物偏移中心的情况不具有自适应性。本文沿袭非均匀采样的思想,提出一种基于图像灰度、梯度和边缘一阶矩的聚焦区域选择算法,尽可能选择主体景物作为聚焦区域。无论主体景物位于图像的哪5个部分,聚焦区域都能主动追踪。算法具有自适应性,聚焦精确度得到了很大提高。在聚焦评价函数方面,本文提出了一种具有良好的抗噪声性能的高频分量自动聚焦评价函数。该函数通过小波变换提取高频分量,根据信号各个子带的小波系数具有一定的相关性,而噪声信号不具有这样的相关性这一特点,设定高频子带阈值。认为高于阈值的系数是有效信号的贡献,而低于该阈值的系数是噪声的贡献,以此大致分离图像信号与噪声信号,进而滤除噪声。对以上区域选择算法和评价函数进行计算机仿真实验以及在课题组自搭建的自动聚焦算法验证平台上验证,证明提出的区域选择算法具有较高的主体景物覆盖率和较快的聚焦速度;提出的评价函数单峰性好、灵敏度高,特别是在抗噪声性能方面有很大提高。平台验证过程中采集到的数据在论文中以表格进行了总结。