自动聚焦是图像获取中的一项关键技术，在数字成像系统、计算机视觉和显微镜仪器等领域有着广泛的应用。传统自动聚焦模块存在一定缺陷且不易集成化，不能适应数字成像设备需求。国内外对自动聚焦算法，特别是对聚焦评价函数进行了大量研究，但在聚焦区域选择和提高极点搜索效率等方面，还有许多问题有待解决。 本文对应用于数码相机的数字图像处理自动聚焦算法进行了深入研究，并详细论述了基于计算机的算法验证平台设计过程。自动聚焦算法包括三个模块：聚焦区域选择、聚焦评价函数和极点搜索算法。聚焦是针对兴趣区域的聚焦，聚焦评价函数完成对兴趣区域的离焦程度评价，它是一种有参考的图像质量评价。极点搜索算法实现自动聚焦，通过比较评价函数值决定镜头移动步长和方向，反馈控制直至成像质量最佳。 通过光学传递函数分析可知，离焦成像时镜头等效为低通滤波器，图像高频能量损失。因此，传统聚焦评价函数通常选取高频分量作为量度。为了提高评价函数尖锐性和抗噪声能力，本文提出了边缘能量和小波多分辨率分析(MAR)评价函数，并分析了高斯白噪声对聚焦评价函数性能的影响。利用自动聚焦序列图像对常用聚焦评价函数进行性能比较和抗噪声能力测试，实验结果表明边缘能量函数具有最佳的尖锐性和抗噪声能力。通过分析自动聚焦过程图像序列，得出了聚焦区域选择的重要原则：选择边缘能量信噪比高的图像区域以提高评价函数曲线的尖锐性；选择尽可能大的前景图像窗口以保持评价函数曲线的稳定性。利用光学成像理论分析了前景图像和背景图像评价函数曲线差异。如果聚焦窗口引入过量背景图像，评价函数曲线就会出现“双峰”现象，使极点搜索容易陷入局部极点而聚焦失败。由于兴趣区域为前景图像区域，聚焦区域选择算法需要选择前景图像区域作为聚焦窗口。由于前后景图像分割理论还不成熟，目前只能采用对前景图像区域进行估计的方案。本文分析了中心取窗、多点取窗、非均匀采样窗口和肤色探测等方式的优缺点，并提出了图像一阶矩区域选择和帧差区域选择算法。极点搜索算法实现聚焦点搜索和定位，常用的极点搜索算法包括：Fibonacci搜索