专利名称：用于利用归一化品质因数选择聚焦设置的方法以及数字成像设备的利记博彩app
用于利用归一化品质因数选择聚焦设置的方法以及数字成
像设备
背景技术：
大多数数字成像设备使用电荷耦合器件(CCD)阵列或者互补金属氧化物半导体(CMOS)传感器来捕捉数字图像。为了适当地构建图像，来自正被成像的对象的光必须被适当地聚焦到所述阵列或者传感器上。在自动聚焦数字成像设备中，这是通过利用不同的聚焦设置来获取多个图像而实现的。为这些图像中的每一个计算聚焦品质因数 (figure-of-merit)。所述品质因数然后被算法用来选择将图像聚焦到所述阵列或者传感器上的聚焦设置。对数字成像设备进行聚焦的一种流行的方法是驱动透镜通过若干聚焦位置并且在这些聚焦位置中的每一个处捕捉聚焦图像(典型地，捕捉5到20个这种帧)。然后，使用响应于频谱的适当部分(带通或者高通)并且抑制噪声的数字滤波器，来在每个图像上或者在其主要部分上累积这里被称作品质因数的聚焦度量。然后，对应于一个或者多个区域的峰值(测量的或者内插的)的透镜位置被选作聚焦设置。然而，品质因数的形状取决于图像内容以及噪声等级。难以识别可靠地确定聚焦轨迹是否包括适当的聚焦峰值的参数组，在其中来自噪声的贡献可能非常显著的低光情况下尤其如此。典型地，系统使用必须对于每个聚焦度量并且可能对于不同的照明等级调谐的多个参数。这些参数可以是绝对和/或相对品质因数参数。需要大量时间和努力来使聚焦算法可靠地识别将使数字成像设备聚焦、同时可靠地忽略噪声信号的聚焦设置。
发明内容
本发明的各实施例提供了一种适配用于选择聚焦设置的方法、计算机程序产品、 以及数字成像获取设备。本发明的各实施例通过以下方式解决上述问题通过归一化品质因数，以使得标准参数组可被用于测试聚焦轨迹的显著性(significance)，或者通过确定可被用于测试聚焦轨迹的显著性的至少一个阈值。理想地，对于当前的曝光(或照明等级)以及场景内容，应当估计品质因数对于图像噪声的响应。一种这样做的方式是捕捉额外的帧以便估计品质因数的方差或者标准偏差。通过将品质因数除以噪声估计(标准偏差)并且减去最小品质因数值(以任一种顺序)，来进行归一化。在实践中，由于品质因数的计算中的非线性，噪声信号的标准偏差自身取决于品质因数的值。因此，最好在每个聚焦设置下捕捉许多个帧并且在每个值下使用这些帧来捕捉平均值以及方差两者。然而，使用像严格必需的那样少的帧减少聚焦所需的时间。即使在单个聚焦设置下估计方差所需的时间也是过长的。本发明的各实施例利用以下事实对于纯随机的信号，每对连续值的绝对值的算术平均值以及均方根两者与该信号的标准偏差高度相关。因此，各实施例利用品质因数的每对连续值的绝对值的算术平均值或者品质因数的每对连续值的均方根，来归一化聚焦轨迹。如果品质因数是纯噪声，则这与使用标准偏差一样有效。如果品质因数是纯信号，则聚焦轨迹只不过是通过聚焦差异的固定比例而归一化。只要聚焦步长(focus st印)是聚焦范围的一小部分(例如小于聚焦范围的十分之一)，则这是可接受的。如果品质因数是噪声和信号的混合，则我们得到这两种情况的混合。在归一化之后，可以对于将使数字成像设备聚焦的聚焦设置来检查聚焦轨迹。作为平均步长变化(mean step change)的2、3、或甚至 4倍的峰值是明显的，并且在识别将使数字成像设备聚焦的聚焦设置时有用。本发明的各实施例可以具有以下优点
归一化的品质因数导致更鲁棒的峰值选择策略；
只要聚焦步长相对于整个聚焦范围足够小(其需要无论如何使得精确地使数字成像设备聚焦)，则标准参数组可以跨各聚焦度量和透镜设计而工作。术语“聚焦设置”在这里定义为透镜相对于适配用于捕捉图像的感光元件的位置的量度。聚焦设置可以是之间的实际距离，或者其可以按照任何与距离有关的变量来表示。 示例将是按步进电机步长计的透镜位置或者到将透镜移动到预定位置的致动器的电信号的强度。聚焦度量在这里定义为图像聚焦程度的量度。例如，未聚焦的图像将是模糊的，因此像素的方差是聚焦度量的示例。聚焦品质因数或者简单地说品质因数在这里定义为图像聚焦程度的量度，并且与术语“聚焦度量”可互换地使用。聚焦轨迹在这里定义为作为聚焦设置的函数的聚焦品质因数。典型地在离散的点处确定聚焦品质因数。结果，当绘制聚焦轨迹时，利用函数对各离散点之间的值进行内插或近似。可以利用样条函数、三次函数、多项式、或者其它近似函数来对这些值进行线性内插或近似。聚焦品质因数的离散点或者近似的值可被用于分析聚焦轨迹。显著的聚焦趋势在这里定义为聚焦轨迹中指示数字图像获取装置正变得更加聚焦或者更加不聚焦的改变。 换言之，显著的聚焦趋势是聚焦轨迹中能够识别使数字图像获取装置聚焦的聚焦设置的改变。在从属权利要求中给出本发明的各实施例。本发明的各实施例提供了一种用于为数字成像获取设备选择聚焦设置的方法。所述方法包括利用不同的聚焦设置获取至少两个图像，为每个图像计算品质因数，使用为每个图像计算的品质因数来计算归一化常数，通过将每个图像的品质因数除以所述归一化常数来为每个图像计算归一化的品质因数，并且使用每个图像的归一化的品质因数以及预定的选择准则来选择聚焦设置。此方法具有以下优点当为数字图像获取设备选择聚焦设置时，在相同的聚焦设置下拍摄重复的图像来确定品质因数的方差或标准偏差是不可行的。此方法允许一种估计对于每个图像的品质因数的测量中的误差的高效的方式。此估计的误差可被用于对品质因数计算进行归一化。对品质因数计算进行归一化允许确定是否有显著的聚焦趋势，并且允许识别将使数字成像装置聚焦的聚焦设置。在另一实施例中，通过根据聚焦设置按顺序对所述至少两个图像进行排序并且然后计算作为最接近的邻居的图之间的品质因数的差的绝对值的算术平均值的值，来计算归一化常数。于是，此值为归一化常数。图像是在不同的聚焦设置下获取的。如果利用单调增加或者减小的聚焦设置来顺序获取图像，则所述图像已经是有序的。所述图像之一将具有最高的聚焦设置，并且所述图像之一将具有最低的聚焦设置。具有最高的聚焦设置的图像将仅具有一个最接近的邻居，具有最低的聚焦设置的图像也将仅具有一个最接近的邻居。其它所有的图像具有两个最接近的邻居。此实施例具有以下优点计算所有最接近的邻居之间的品质因数的差的绝对值的算术平均值是快速的且在数值上是高效的。这还具有以下优点平均绝对差与品质因数的标准偏差或方差直接相关。通过使用此方法，能够进行标准偏差或方差的估计，而不必在每个聚焦设置下拍摄重复的图像。这与获取多个图像的情况相比允许选择聚焦设置更快速地进行。在另一实施例中，利用以下步骤来计算归一化常数首先，根据图像的聚焦设置来对图像进行排序，以及然后，通过取所有最接近的邻居之间的品质因数的均方根差来计算归一化常数。图像的排序和最接近的邻居的讨论与之前的实施例相同。此方法具有以下优点所有最接近的邻居之间的品质因数的差的均方根也与标准偏差相关。这允许估计标准偏差，而不必在不同的聚焦设置下重复地拍摄图像，并且RMS差可被用于估计误差并且确定是否有显著的聚焦趋势。在另一实施例中，获取至少三个图像。这具有以下优点这给出误差函数的更好的估计。在另一实施例中，获取4到40个图像，并且具体地，获取5或20个图像。此实施例是有利的，因为这个数量的图像允许检查一定范围的聚焦设置。这允许尝试聚焦的选择， 并且更可能选择给出最清晰的聚焦的聚焦设置。随着图像数量增加，归一化常数的估计的精度也增加。在另一实施例中，视觉成像获取设备具有聚焦范围。在整个聚焦范围上获取该至少两个图像。这具有以下优点数字成像装置调查了其整个聚焦范围，并且这确保将选择给出最清晰的聚焦的聚焦设置。在另一方面中，本发明提供了一种计算机程序产品，其包括机器可执行指令，所述指令用于执行上述任一权利要求。将此方法实现为计算机程序产品是有利的，因为可以利用计算机或者微控制器来对该过程进行自动化。计算机或者微控制器将能够实现该方法并且比人更快速地聚焦数字成像设备。这还具有以下优点可以构造实现此方法并且自动进行聚焦的数字成像获取设备。在另一方面中，本发明提供了一种数字成像获取设备。该数字成像获取设备包括 图像获取元件、品质因数计算元件、归一化常数计算元件、品质因数归一化元件、以及聚焦设置选择元件。图像获取元件被适配用于利用不同的聚焦设置来获取至少两个图像。本发明的各实施例还可以在相同的聚焦设置下拍摄多个图像。在此情况下，可以通过求多个图像的品质因数的平均值确定品质因数，和/或具有相同的聚焦设置的最接近的邻居可被包括在归一化常数的计算中。例如，可在每个聚焦设置下拍摄至少两个图像。根据每个聚焦设置下的至少两个图像计算的平均品质因数可被用于归一化常数的计算。品质因数计算元件被适配用于为每个图像计算品质因数。归一化常数计算元件适配用于使用由品质因数计算元件计算的品质因数的值来计算归一化常数。品质因数归一化元件被适配用于为每个图像计算归一化的品质因数。其被适配用于将每个图像的品质因数除以归一化常数。聚焦设置选择器元件被适配用于使用预定的选择准则、使用每个图像的归一化的品质因数来选择聚焦设置，并且可以以若干不同的方式来运行。品质因数是聚焦的质量的估计。聚焦设置选择器元件可以简单地选择具有最好的聚焦设置的图像。另一种可能性是将诸如三次曲线、样条函数、或者多项式之类的曲线拟合到归一化的品质因数数据。此拟合的函数的最大值然后被用于选择聚焦设置。在另一实施例中，数字成像获取设备被适配用于在该至少两个图像已经根据它们的聚焦设置而被排序时，计算具有邻近的聚焦设置的图像之间的品质因数的差的绝对值的算术平均值。这是有利的，因为平均绝对差与标准偏差相关，并且该方法允许估计图像中的噪声估计，而不需要在每个聚焦设置下拍摄多个图像。在另一实施例中，数字成像获取设备被适配用于使用具有邻近的聚焦设置的图像之间的品质因数的差的均方根来计算归一化常数。已经根据该至少两个图像的聚焦设置来对所述至少两个图像进行了排序。这是有利的，因为均方根差也与标准偏差直接相关。再一次，这允许估计品质因数中的误差，而不需要在相同的聚焦设置下拍摄多个图像。在另一实施例中，数字成像获取设备获取至少三个图像。这是有利的，因为随着图像的数量增加，归一化常数的估计的精度提高。在另一实施例中，数字成像获取设备被适配用于获取4到40个图像，具体地，其被适配用于获取5到20个图像。这是有利的，因为随着图像数量增加，归一化常数的估计的精度增加。使用5到20个图像是尤其有利的，因为数字成像获取设备被适配用于快速地拍摄这么多的图像并且进行聚焦设置的估计。在更少的图像的情况下，归一化常数的估计更差，以及在图像数目更大的情况下，可能需要太长时间来使数字成像设备聚焦。在另一实施例中，数字成像获取设备具有聚焦范围，以及图像获取元件被适配用于在整个聚焦范围上获取所述至少两个图像。这是有利的，因为这覆盖聚焦设置的整个范围并且允许数字成像获取设备进行适当的聚焦设置的准确估计。在另一方面，本发明提供了一种数字成像获取设备。该数字成像获取设备包括图像获取元件、品质因数计算元件、噪声估计计算元件、阈值确定元件、以及聚焦设置选择元件。图像获取元件被适配用于利用具有不同的聚焦设置获取至少两个图像。本发明的各实施例还可以在相同的聚焦设置下拍摄多个图像。在此情况下，可以通过求多个图像的品质因数的平均值来确定品质因数，和/或具有相同的聚焦设置的最接近的邻居可被包括在归一化常数的计算中。例如，可在每个聚焦设置下拍摄至少两个图像。根据每个聚焦设置下的该至少两个图像计算的平均品质因数可被用于归一化常数的计算。品质因数计算元件被适配用于为每个图像计算品质因数。噪声估计元件被适配用于估计由品质因数计算元件计算的品质因数的值中的噪声。阈值确定元件被适配用于基于噪声估计的值来确定至少一个阈值。这些是这样的阈值品质因数的值与所述阈值进行比较，并且所述阈值是噪声估计的函数。这些值可以相对于诸如所计算的最大品质因数、所计算的最小品质因数、所计算的平均品质因数、零、或者根据品质因数值计算的基线值之类的某个其它值来设置。聚焦设置选择器元件使用该至少一个阈值、品质因数值、以及预定选择准则来选择聚焦设置。品质因数是聚焦质量的估计，因此聚焦设置选择器元件可以简单地选择具有最好的聚焦设置的图像。另一种可能性是将诸如三次曲线、样条函数、或者多项式之类的曲线拟合到归一化的品质因数数据。聚焦设置选择元件使用阈值来确定是否应当使用聚焦设置来聚焦数字成像设备或者是否应当拒绝该聚焦设置。在另一实施例中，数字成像获取设备的噪声估计计算元件被适配用于通过计算具有邻近的聚焦设置的图像之间的品质因数的差的绝对值的算术平均值或者通过计算具有邻近的聚焦设置的图像之间的品质因数的差的均方根来确定噪声的估计。此实施例具有以下优点具有邻近的聚焦设置的图像之间的品质因数的差的均方根以及具有邻近的聚焦设置的图像之间的品质因数的差的绝对值的算术平均值两者都与标准偏差直接相关。这允许估计标准偏差，而不必在不同的聚焦设置下重复地拍摄图像。在另一实施例中，数字成像获取设备获取至少三个图像。这是有利的，因为随着图像数量增加，归一化常数的估计的精度提高。在另一实施例中，数字成像获取设备被适配用于获取4到40个图像，具体地，其被适配用于获取5到20个图像。这是有利的，因为随着图像数量增加，归一化常数的估计的精度增加。使用5到20个图像是尤其有利的，因为数字成像获取设备被适配用于快速地拍摄这么多的图像并且进行聚焦设置的估计。在更少的图像的情况下，归一化常数的估计更差，以及在图像数目更大的情况下，可能需要太长时间来使数字成像设备聚焦。在另一实施例中，数字成像获取设备具有聚焦范围，以及图像获取元件被适配用于在整个聚焦范围上获取该至少两个图像。这是有利的，因为这覆盖聚焦设置的整个范围并且允许数字成像获取设备进行适当的聚焦设置的准确估计。在另一方面中，本发明的实施例提供了一种用于为数字成像获取设备选择聚焦设置的方法。所述方法包括利用不同的聚焦设置获取至少两个图像，为每个图像计算品质因数，使用为每个图像计算的品质因数的值来计算噪声估计，并且使用噪声估计来确定至少一个阈值，并且使用为每个图像计算的品质因数值以及预定的选择准则来选择聚焦设置。 此方法具有以下优点当为数字图像获取设备选择聚焦设置时，在相同的聚焦设置下拍摄重复的图像以确定品质因数的方差或者标准偏差是不可行的。此方法允许一种估计每个图像的品质因数的测量中的误差的高效的方式。此估计的误差可被用于确定阈值，其允许确定是否有显著的聚焦趋势，并且允许识别将使数字成像装置聚焦的聚焦设置。在另一实施例中，通过根据聚焦设置按顺序对所述至少两个图像排序并且然后计算作为最接近的邻居的图之间的品质因数的差的绝对值的算术平均值的值，来计算噪声估计。于是，此值为噪声估计。图像是在不同的聚焦设置下获取的。如果利用单调增加或者减小的聚焦设置来顺序获取图像，则所述图像已经是有序的。所述图像之一将具有最高的聚焦设置，并且所述图像之一将具有最低的聚焦设置。具有最高的聚焦设置的图像将仅具有一个最接近的邻居，具有最低的聚焦设置的图像也将仅具有一个最接近的邻居。其它所有的图像具有两个最接近的邻居。此实施例具有以下优点计算所有最接近的邻居之间的品质因数的差的绝对值的算术平均值是快速的且在数值上是高效的。这还具有以下优点 平均绝对差与品质因数的标准偏差或方差直接相关。通过使用此方法，能够进行标准偏差或方差的估计，而不必在每个聚焦设置下拍摄重复的图像。这与获取多个图像的情况相比允许选择聚焦设置更快速地进行。在另一实施例中，利用以下步骤来计算噪声估计首先，根据图像的聚焦设置来对图像进行排序，以及然后，通过取所有最接近的邻居之间的品质因数的均方根差来计算噪声估计。图像的排序和最接近的邻居的讨论与之前的实施例相同。此方法具有以下优点所有最接近的邻居之间的品质因数的差的均方根也与标准偏差相关。这允许估计标准偏差， 而不必在不同的聚焦设置下重复地拍摄图像，并且RMS差可被用于估计误差并且确定是否有显著的聚焦趋势。在另一实施例中，获取4到40个图像，并且具体地，获取5或20个图像。此实施例是有利的，因为这个数量的图像允许检查一定范围的聚焦设置。这允许尝试聚焦的选择， 并且更可能选择给出最清晰的聚焦的聚焦设置。随着图像数量增加，归一化常数的估计的精度也增加。在另一实施例中，视觉成像获取设备具有聚焦范围。在整个聚焦范围上获取该至少两个图像。这具有以下优点数字成像装置调查了其整个聚焦范围，并且这确保将选择给出最清晰的聚焦的聚焦设置。在另一方面中，本发明提供了一种计算机程序产品，其包括机器可执行指令，所述指令用于执行上述任一权利要求。将此方法实现为计算机程序产品是有利的，因为可以利用计算机或者微控制器来对该过程进行自动化。计算机或者微控制器将能够实现该方法并且比人更快速地聚焦数字成像设备。这还具有以下优点可以构造实现此方法并且自动进行聚焦的数字成像获取设备。
在下文中，将仅作为示例并且参照附图来描述本发明的优选实施例，附图中 图1是用于选择聚焦设置的方法的实施例的框图，
图2是数字图像获取设备的实施例的功能图， 图3是具有聚焦品质因数的明确定义的最大值的示例聚焦轨迹的图， 图4是示例聚焦轨迹和示出显著的聚焦趋势的归一化的聚焦轨迹的图， 图5是不示出显著的聚焦趋势的示例聚焦轨迹和归一化的聚焦趋势的图， 图6是示出平均绝对差与标准偏差之间的相关的曲线图， 图7是示出均方根差与标准偏差之间的相关的曲线图， 图8是用于选择聚焦设置的方法的实施例的框图， 图9是数字图像获取设备的实施例的功能图， 图10是示出使用阈值来识别聚焦设置的示例聚焦轨迹的图， 图11是示出使用阈值来拒绝聚焦设置的示例聚焦轨迹的图， 图12是示出两个阈值的示例聚焦轨迹的图。
具体实施例方式这些附图中编号相似的元件是相同的元件或者执行相同的功能。在功能相同的情况下，之前讨论过的元件将不必在后面的图中进行讨论。图1示出了本发明的方法的实施例的框图。所述方法包括利用不同的聚焦设置来获取至少两个图像100，为每个图像计算品质因数102，使用为每个图像计算的品质因数来计算归一化常数104，通过将每个图像的品质因数除以所述归一化常数来为每个图像计算归一化的品质因数106，以及使用每个图像的归一化的品质因数以及预定的选择准则来选择聚焦设置108。在本发明的第一步骤中，利用不同的聚焦设置来获取至少两个图像100。本发明的各实施例具有以下优点对于特定的聚焦设置的品质因数的标准偏差或者方差可被近似高达缩放因子(be approximated up to a scale factor)，而不需要在相同的聚焦设置下重复测量多次。
在下一步骤中，为所获取的每个图像计算品质因数。所述品质因数仅仅是特定图像聚焦得有多精确的量度。这可以使用标准的硬件实现方式或者软件来进行。随着图像变得较不聚焦，图像变得更加模糊，因此品质因数或者聚焦度量的示例将是计算图像的区域中的像素的方差。可替代地，某种类型的数字滤波器可被应用于图像，所述滤波器能够抑制噪声并且识别图像中适当的频率内容。品质因数然后可被选择为经过这样滤波的图像的累积的绝对值或者平方值。关于这点，高通滤波器和带通滤波器两者都是有用的。在下一步骤中，使用为每个图像计算的品质因数来计算归一化常数104。在一个实施例中，通过计算所有最接近的邻居之间的品质因数的差的绝对值的算术平均值的值来计算归一化常数。公式1中示出了如何计算其的示例。
权利要求
1.一种用于为数字图像获取设备选择聚焦设置的方法，所述方法包括 -获取至少两个图像，所述图像是利用不同的聚焦设置获取的(100)，-为每个图像计算品质因数(102)，-使用为每个图像计算的品质因数来计算归一化常数(104)， -通过将每个图像的品质因数除以所述归一化常数来为每个图像计算归一化的品质因数(106)，-使用每个图像的归一化的品质因数以及预定的选择准则来选择聚焦设置(108)。
2.如权利要求1所述的方法，其中利用包括以下的步骤来计算所述归一化常数-根据所述至少两个图像的聚焦设置来按顺序排序所述至少两个图像，所述图像包括具有最高的聚焦设置的第一图像以及具有最低的聚焦设置的第二图像，所述第一图像和第二图像仅具有一个最接近的邻居，所述至少两个图像中的其它所有的图像具有两个最接近的邻居，-计算所有最接近的邻居之间的品质因数的差的绝对值的算术平均值的值，所述值为归一化常数。
3.如权利要求1所述的方法，其中利用包括以下的步骤来计算所述归一化常数-根据所述至少两个图像的聚焦设置来按顺序排序所述至少两个图像，所述图像包括具有最高的聚焦设置的第一图像以及具有最低的聚焦设置的第二图像，所述第一图像和第二图像仅具有一个最接近的邻居，所述至少两个图像中的其它所有的图像具有两个最接近的邻居，-计算所有最接近的邻居之间的品质因数的差的均方根的值，所述值为归一化常数。
4.如权利要求1、2、或3中任一项所述的方法，其中获取至少三个图像。
5.如上述权利要求中的任一项所述的方法，其中获取4到40个之间的图像，特别地获取5到20个图像。
6.如上述权利要求中的任一项所述的方法，其中所述数字图像获取设备具有聚焦范围，其中在整个聚焦范围上获取所述至少两个图像。
7.一种计算机程序产品，其包括机器可执行指令，所述指令用于执行上述任一权利要求。
8.一种数字成像获取设备，其包括-图像获取元件(220，222，224，226，228，230, 232)，用于获取至少两个图像，所述图像是利用不同的聚焦设置来获取的，-品质因数计算元件(234)，用于为每个图像计算品质因数，-归一化常数计算元件(236)，用于使用为每个图像计算的品质因数来计算归一化常数，-品质因数归一化元件(238)，用于通过将每个图像的品质因数除以归一化常数来为每个图像计算归一化的品质因数，-聚焦设置选择元件(240)，用于使用每个图像的归一化的品质因数以及预定的选择准则来选择聚焦设置。
9.如权利要求8所述的数字成像获取设备，其中所述归一化常数计算元件被适配用于在所述至少两个图像已经根据它们的聚焦设置而被排序时，计算具有邻近的聚焦设置的图像之间的品质因数的差的绝对值(662)的算术平均值。
10.如权利要求8所述的数字成像获取设备，其中所述归一化常数计算元件被适配用于在所述至少两个图像已经根据它们的聚焦设置而被排序时，计算具有邻近的聚焦设置的图像之间的品质因数的差的均方根(764)。
11.如权利要求8、9、或10中任一项所述的数字图像获取设备，其中，所述图像获取元件被适配用于获取至少3个图像。
12.如权利要求8、9、或10中任一项所述的数字成像获取设备，其中所述图像获取元件被适配用于获取4到40个之间的图像，特别地被适配用于获取5到20个之间的图像。
13.如权利要求8到12中任一项所述的数字成像获取设备，其中所述数字图像获取设备具有聚焦范围，其中所述图像获取元件被适配用于在整个聚焦范围上获取所述至少两个图像。
14.一种数字成像获取设备，其包括-图像获取元件(220，222，224，226，228，230, 232)，用于获取至少两个图像，所述图像是利用不同的聚焦设置来获取的，-品质因数计算元件(234)，用于为每个图像计算品质因数，-噪声估计计算元件(242)，用于使用每个图像的品质因数来计算噪声估计，-阈值确定元件(244)，用于使用所述噪声估计来确定至少一个阈值，-聚焦选择元件(246)，用于使用为每个图像计算的品质因数、所述至少一个阈值、以及预定的选择准则来选择聚焦设置。
15.根据权利要求14所述的数字成像获取设备，所述噪声估计计算元件被适配用于通过计算以下之一来确定噪声的估计-具有邻近的聚焦设置的图像之间的品质因数的差的绝对值的算术平均值，-具有邻近的聚焦设置的图像之间的品质因数的差的均方根。
全文摘要
一种用于为数字图像获取设备选择聚焦设置的方法，所述方法包括获取至少两个图像，所述图像是利用不同的聚焦设置获取的；为每个图像计算品质因数；使用为每个图像计算的品质因数来计算归一化常数；通过将每个图像的品质因数除以所述归一化常数来为每个图像计算归一化的品质因数；使用每个图像的归一化的品质因数以及预定的选择准则来选择聚焦设置。
文档编号H04N5/232GK102273189SQ200880132581
公开日2011年12月7日 申请日期2008年10月31日 优先权日2008年10月31日
发明者波拉 S. 申请人:惠普开发有限公司