1. レンズ関連
レンズの種類
ズームタイプ:
固定フォーカス、マニュアルズーム、自動ズーム
絞り:
固定絞り、手動絞り、自動絞り
視野：
魚眼レンズ、超広角レンズ、広角レンズ、標準レンズ、望遠レンズ、超望遠レンズ（大型から小型まで）
絞り:
スーパースターライトレンズ、スターライトレンズ、ユニバーサルレンズ
インターフェースの種類:
M12、$\Phi$14、C、CS、ニコンFマウント、ソニーAマウント、キヤノンEマウントなど
フォーム機能:
球面レンズ、非球面レンズ、ピンホールレンズ、魚眼レンズ
オートフォーカスとは、モーターを介してステージやレンズの動きを制御し、物体の画像をぼやけたものからより鮮明なものに変えるプロセスを指します。
ズーム
ズームとは通常、レンズ内のレンズ要素の位置を移動することによって焦点距離を長くしたり短くしたりすることを指し、ZOOM とも呼ばれます。ズームには現在光学ズームとデジタルズームの2種類があり、光学ズームは鮮明さを犠牲にしないが、デジタルズームは鮮明さを大幅に犠牲にする。
光学ズーム:
光学ズームは、レンズ内のレンズの相対位置を移動させることにより焦点の位置を変更し、レンズの焦点距離の長さを変更し、レンズの視野角を変更して、拡大および縮小を実現します。画像の縮小。被写体の位置が変わらなければ、レンズの焦点距離は被写体の倍率に比例しますが、光学ズームを一言で表すと「望遠鏡」になります。（撮像面は水平方向に移動します）
デジタルズーム：
デジタルズームは、ACDSEEなどの画像処理ソフトウェアで画像のピクセルを強制的に拡大するのと同じように、カメラ付き携帯電話のプロセッサを使用して画像内の各ピクセルの面積を拡大し、拡大の目的を達成しますが、このプロセスはを携帯電話上で実行し、元のセンサー上の一部のピクセルを補間により拡大します。光学ズームとは異なり、デジタルズームはセンサーの垂直方向に変化し、人にズーム効果を与えます。焦点距離は全過程で変化しないため、拡大率が増加するにつれて画質は徐々に低下します。（撮像面垂直方向のスケーリング）
デジタル ズームは、補間アルゴリズム ズームと擬似デジタル ズームの 2 つのタイプに分けることもできます。
補間アルゴリズム ズーム: 画像に対して補間操作を実行して、画像のサイズを必要な仕様に拡大します。このアルゴリズムは、特に携帯電話や携帯電話のカメラで使用される場合、その効果の点で理想的ではありません。データには多くのノイズが含まれており、再度補間すると、結果として得られる画像はほとんど使用できなくなります。
擬似デジタルズーム: カメラが最大解像度フォーマットではない場合、たとえば 130 万ピクセルのセンサーが 640x480 仕様を使用して写真を撮影する場合、サーバーは引き続き 1280x960 の解像度で動作するように設定され、取得されます。画像の中央部分を集めて 640x480 の写真は、携帯電話では撮影されたオブジェクトのサイズが 2 倍に見えます。この方法は、追加のアルゴリズムのサポートをほとんど必要とせず、画質にも影響を与えませんが、小さいサイズの状況でしか使用できないという欠点があります。
フォーカス(焦点)
カメラレンズとして凸レンズを使用した場合、一般的に最も鮮明な像は焦点上に位置しません。つまり、最も鮮明な像から光学中心までの距離（像距離）は一般に焦点距離と等しくありません。 、ただし焦点距離よりわずかに大きい。特定の距離は、撮影される物体とレンズの間の距離 (物体距離) に関係しており、物体距離が大きくなるほど、像距離は小さくなります (ただし、実際には常に焦点距離よりも大きくなります)。
フォーカシングでは、実際には (レンズ内のレンズではなく) レンズ全体の位置を調整して、画像が最も鮮明になるように画像距離を制御します。被写体とカメラ（レンズ）の距離は常に同じではなく、例えば人物を撮りたい場合は離れたほうが良い場合もあれば、全身を撮りたい場合は離れたほうが良い場合もあり、被写体とカメラ（レンズ）の距離は常に同じではありません。鮮明な画像を得たい場合は、物体距離が異なるため、受光面からレンズ光学中心までの距離を変更する必要があります。
人間の目の解像度能力には限界があるため、一定範囲内のぼかし量は観察される結像効果には影響しません。鮮明な画像の場合、人間の網膜のぼやけ知覚の最大度は許容ぼけ量 s であり、s の値は 0 です。03.0.04mmの間。
フォーカスは、マニュアル フォーカス、オート フォーカス、マルチポイント フォーカスに分類できます。
マニュアルフォーカスは、フォーカスリングを手動で回してカメラレンズを調整し、撮影した写真を鮮明にするフォーカス方法です。
オートフォーカスを使用すると、カメラは被写体までの距離に基づいてレンズの焦点距離を自動的に調整できます。
多点フォーカスはエリアフォーカスとも呼ばれ、フォーカス中心が画像の中心に設定されていない場合に使用できます。一般的な多点フォーカスには、5 点、7 点、9 点フォーカスがあります。
2. フォーカスエリアの選択
ウィンドウが小さすぎると、画像の重要な詳細が失われやすくなり、ウィンドウが大きすぎると、背景領域の干渉が増加し、計算量も増加します。
フォーカス ウィンドウは画像のメイン ターゲット領域に配置する必要があります。一般的に使用されるウィンドウ選択方法は、主に静的と動的の 2 つのカテゴリに分類されます。静的窓法には、センターエリア窓法、黄金分割クロスエリア窓法、逆T字窓法などがあります。動的窓法には、ガウス不均一サンプリング窓法、一次モーメント窓法、人工窓法などがあります。視覚的顕著性メカニズムのウィンドウ化方法など。前者は通常、特定の特徴に従って固定領域をフォーカス ウィンドウとして選択し、フォーカス ウィンドウのサイズは実際のターゲット画像によって決定されますが、後者は画像の情報分布を統計的に分析し、最適な推定領域を提供します。メイン シーンの 1 つまたは複数のウィンドウをフォーカス エリアとして選択します。
1. センターウィンドウ方式
センター ウィンドウ法では、人間の目に注目する対象は常に画像の中心にあると考えられるため、中心部分が焦点領域として使用されます。フォーカスエリア内の画像のシャープネス値を計算し、オートフォーカス調整方法に従ってフォーカスエリア内のオブジェクトを最も鮮明にして、オートフォーカスを完了します。このフォーカス エリアの選択方法はほとんどの状況に適していますが、対象のオブジェクトが画像の中心から外れる場合、カメラは対象のオブジェクトに焦点を合わせることができず、フォーカスの品質が大幅に低下します)
センターウィンドウ法の前提は、メインターゲットが画像の中心にあることです. 画像の中心が単色の背景である場合、焦点が合わなくなります. ウィンドウの長方形の長さと幅は 1/画像の縦横4倍、中央領域の大きさは平均的な画像の1/16となり、計算量は93.75%削減されます。
2. 逆T字型エリアを取り込む窓
画像を観察するとき、人間の目は通常、画像の中央と下部に初めて注目します。写真を構図するとき、人は通常、被写体をシーン全体の中央と下に配置します。したがって、図 2.5 に示すように、画像の中央と下部の領域をフォーカス エリアとして選択できます。この方法では、対象領域をカバーする成功率が向上しますが、同時により多くの背景情報が導入されるため、画像のシャープネス値の計算量もそれに応じて増加します。
3. ゴールド多点ウィンドウ選択方法
実際のシーンでは、テクスチャやカメラからの距離が異なる複数の異なるオブジェクトが存在することがよくあります。多点ウィンドウ法では、一定のルールに従って画像をいくつかの領域に分割し、注目対象に近い領域を画像の焦点領域として選択します。フォーカスエリアの選択が柔軟かつ多彩になり、利用シーンがより豊かになります。
結像光学系では正しい焦点面は一つしかなく、その焦点面の位置でのみ鮮明な物体像が得られ、それ以外の位置では目標点の結像に斑点が生じます。人間の目の最小角度分解能を考慮すると、スポット径が一定の値より小さい場合、鮮明な像点として識別できます。
画像にはエッジがあり、ピントが合っているかどうかは画像のエッジ情報の高周波成分に関係しており、ピントが合っているときは画像が鮮明でエッジ情報が多く、ピントの評価が高くなります。関数値が最も大きく、画像の焦点が合っていない場合、画像がぼやけ、エッジ情報が少ない場合、焦点評価関数の値は小さくなります。
像焦点評価関数：
特性
1) 公平性:
鮮鋭度評価関数曲線のピーク値は最も鮮明な焦点位置に対応する必要があり、異なるデフォーカス度の評価値も異なるデフォーカス画像取得位置に対応します。
2) 単峰性:
準焦点面から正焦点面、さらに準焦点面から離れる過程で、焦点評価関数曲線は最初に増加し、その後それに応じて減少し、正確な焦点位置で値が最大になります。 、単峰性の要件を満たす必要があります。
3) 感度:
評価関数の曲線の急峻さはオートフォーカス時の感度を反映しており、曲線が平坦であるほど感度は低くなります。オートフォーカスプロセス中はより高い感度が望まれるため、曲線にはある程度の急峻さが必要です。
4) ノイズ耐性:
ノイズ干渉下でも曲線が良好な形状特性を維持できるかどうか。
5) リアルタイム:
オートフォーカスシステムのリアルタイム要件を満たすために、設計されたアルゴリズムは複雑すぎず、計算量が多すぎないことが望ましいです。
評価関数
1)SMD機能
ＳＭＤ関数は、グレー差の和関数と呼ばれる。ある画素点とその点の隣り合う左の画素点と上の画素点との差の和に基づいて結像極点を計算します。
FSMD = ∑ i , j ( ∣ f ( i , j ) − f ( i , j − 1 ) ∣ + ∣ f ( i , j ) − f ( i − 1 , j ) ∣ ) F_{SMD}=\sum_ {i,j}(\lvert f(i,j)-f(i,j-1) \rvert +\lvert f(i,j)-f(i-1,j) \rvert )FSMD _=私、j∑(∣ f ( i ,j )−f ( i ,j−1 )∣+∣ f ( i ,j )−f (私−1 、j )∣)
SMD 関数のアルゴリズムはシンプルで高速で、強力な耐干渉能力を備えていますが、精度は高くありません。
2)ブレナー関数
隣接する k 個の単位ピクセル点間のグレースケールの差を計算し、その差の 2 乗を取得します。
FB レンナー = ∑ i , j ∣ f ( i + k , j ) − f ( i , j ) ∣ 2 F_{ブレナー}=\sum_{i,j}\lvert f(i+k,j)-f( i,j) \rvert ^2Fブレンナー_ _ _=私、j∑∣ f ( i+k 、j )−f ( i ,j ) ∣2
ブレナー関数は複雑さが低く、計算プロセスが単純です。
3) テネングラード関数
FT enengrad = ∑ i , j ( ∣ G i 2 ( i , j ) + G j 2 ( i , j ) ∣ ) F_{Tenengrad}=\sum_{i,j}(\lvert G_{i}^{2 }(i,j)+G_{j}^{2}(i,j) \rvert )Fテングラッド_ _ _ _ _ _ _ _=私、j∑(∣ G私2(私、j )+Gj2(私、j )∣)
其中， G i ( i , j ) G_{i}(i,j) G私は(私、j )和G j ( i , j ) G_{j}(i,j)Gj(私、j )は、i、j 方向の一次ソーベル演算子の差です。
4) EOG 関数二乗勾配
FEOG = ∑ i , j ( ∣ f ( i , j ) − f ( i , j − 1 ) ∣ 2 + ∣ f ( i , j ) − f ( i − 1 , j ) ∣ 2 ) F_{EOG}= \sum_{i,j}(\lvert f(i,j)-f(i,j-1) \rvert ^2 +\lvert f(i,j)-f(i-1,j) \rvert ^ 2)FEOG=私、j∑(∣ f ( i ,j )−f ( i ,j−1 ) ∣2+∣ f ( i ,j )−f (私−1 、j ) ∣2 )
5) ロバート演算子勾配関数
FR obert = ∑ i , j ( ∣ f ( i , j ) − f ( i + 1 , j + 1 ) ∣ + ∣ f ( i + 1 , j ) − f ( i , j + 1 ) ∣ ) F_{ロバート}=\sum_{i,j}(\lvert f(i,j)-f(i+1,j+1) \rvert +\lvert f(i+1,j)-f(i,j+ 1) \rvert )Fロバート_ _ _ _=私、j∑(∣ f ( i ,j )−f (私+1 、j+1 )∣+∣ f ( i+1 、j )−f ( i ,j+1 )∣)
ロバーツ勾配関数は、フォーカスエリア内のすべての交差ピクセル間のピクセル差の合計に基づいて計算され、画像の焦点を計算し、SMD機能を向上させ、耐干渉性能はSMD機能よりも強力です。
6)sobel演算子勾配関数
FS obel = ∑ i , j ∣ G i ( i , j ) + G j ( i , j ) ∣ F_{Sobel}=\sum_{i,j}\lvert G_{i}(i,j)+G_{ j}(i,j) \rvertFソベール_ _ _ _=私、j∑∣G _私は(私、j )+Gj(私、j )∣
其中， G i ( i , j ) G_{i}(i,j) G私は(私、j )和G j ( i , j ) G_{j}(i,j)Gj(私、j )は、i、j 方向の一次ソーベル演算子の差です。
7)ラプラス演算子関数
FL aplace = ∑ i , j ∣ f ( i − 1 , j ) − f ( i + 1 , j ) + f ( i , j − 1 ) − f ( i , j + 1 ) − 4 f ( i , j ) ∣ 2 F_{ラプラス}=\sum_{i,j}\lvert f(i-1,j)-f(i+1,j) + f(i,j-1)-f(i,j+ 1) - 4f(i,j) \rvert ^2F場所_ _ _ _=私、j∑∣ f ( i−1 、j )−f (私+1 、j )+f ( i ,j−1 )−f ( i ,j+1 )−4 f ( i ,j ) ∣2
参考記事： ＜傾き計算に基づくオートフォーカス画像鮮鋭度評価関数のシミュレーション解析＞
＜オートフォーカスシステムに関する研究＞
先ほどのシャープネスの計算と組み合わせて、AF コンテンツを追加します。