自动聚焦控制系统的产生聚焦信号的方法与流程

自动聚焦控制系统的产生聚焦信号的方法相关申请案的交叉参考本申请案主张2009年12月7日申请的第61/267,436号美国临时专利申请案的优先权。技术领域所揭示的标的物一般涉及自动聚焦电子捕捉的图像。

背景技术：
例如数码相机和数字摄像机等摄影设备可包含电子图像传感器，其捕捉光以用于分别处理成静止或视频图像。电子图像传感器通常包含数百万个光捕捉元件，例如光电二极管。例如相机等许多图像捕捉装置包括自动聚焦系统。自动聚焦过程包括以下步骤：捕捉图像；处理图像以确定其是否对焦；以及如果未对焦，那么产生用以改变聚焦透镜的位置(“聚焦位置”)的反馈信号。存在两种主要自动聚焦技术。第一种技术涉及对比度测量，另一技术考虑一对图像之间的相位差。在对比度方法中，分析相邻的像素之间的强度差，且调整焦点，直到检测到最大对比度为止。尽管对于静态图片来说是可接受的，但对比度技术对于运动视频来说是不合适的。相位差方法包括将传入图像分裂成两个图像，其由单独的图像传感器捕捉。将两个图像进行比较以确定相位差。调整聚焦位置，直到两个图像匹配为止。相位差方法需要额外零件，例如光束分裂器和额外图像传感器。另外，相位差方法分析相对小的固定检测点带。具有较小的检测点群组易于导致误差，因为噪声可叠加到一个或一个以上点上。如检测点不与图像边缘重合，那么此技术也是无效的。最后，因为相位差方法将光分裂，因此撞击在光传感器上的光的量被切为两半或更多。在图像光强度已经较低的暗淡环境中，这可成为问题。

技术实现要素：
本发明揭示一种自动聚焦图像系统，其包括耦合到聚焦信号产生器的像素阵列。该像素阵列捕捉图像，该图像具有具一宽度的至少一个边缘。该产生器产生聚焦信号，该聚焦信号随边缘宽度和边缘宽度的各种统计而变。该产生器可消除具有图像信号的梯度轮廓的不对称性的边缘。附图说明图1是自动聚焦图像拾取设备的实施例的示意图；图2是自动聚焦图像拾取设备的替代实施例的示意图；图3是聚焦信号产生器的框图；图4是图像信号矩阵上的水平索贝尔算子的运算的说明；图5说明从水平梯度计算边缘宽度；图6A、图6B是具有倾斜角度φ的垂直边缘的边缘宽度的计算的说明；图6C、图6D是具有倾斜角度φ的水平边缘的边缘宽度的计算的说明；图7是计算倾斜角度φ并校正具有倾斜度的垂直边缘的边缘宽度；图8是垂直级联边缘的说明；图9A是紧密堆积的垂直条的群组的说明；图9B是越过图9A的图像信号的曲线图；图9C是越过图9A的水平索贝尔梯度的曲线图；图10是用以消除具有浅调制深度的紧密堆积边缘的过程的流程图；图11是说明用于计算细聚焦信号的边缘宽度范围的边缘宽度的直方图；图12是场景的说明；图13是说明图12的场景的聚焦扫描期间的窄边缘计数的变化的曲线图；图14是说明图12的场景的聚焦扫描期间的毛聚焦信号的变化的曲线图；图15是说明聚焦位置范围上的细聚焦信号的变化的曲线图；图16是显示场景中的多个对象以及该等对象中的一者上的选择标记的设备的说明；图17是聚焦信号产生器的替代实施例的框图；图18是自动聚焦图像拾取设备的替代实施例的示意图；图19是具有主要像素阵列和辅助像素阵列的自动聚焦图像拾取设备的实施例的示意图；图20是具有主要像素阵列和辅助像素阵列的自动聚焦图像拾取设备的替代实施例的示意图；图21是具有主要像素阵列和辅助像素阵列的自动聚焦图像拾取设备的替代实施例的示意图；图22是在不同聚焦位置处来自主要像素阵列的边缘宽度的变化以及来自辅助像素阵列的边缘宽度的变化的说明；图23A说明越过属相对极性(即，正负号)的两个相邻边缘的图像信号的梯度，其中边缘不相互影响；图23B说明越过属相对极性(即，正负号)的两个相邻边缘的图像信号的梯度，其中边缘相互影响；图24A展示来自图23B的正梯度，且说明在特定梯度水平下的一对经内插梯度之间的距离被内插峰分成两个不等距离；图24B展示来自图23B的正梯度，且说明两个梯度水平之间且左侧和右侧由梯度轮廓的两侧定界的区域被在内插峰正下方的垂直线分成两个不等面积区；图24C展示来自图23B的正梯度，且说明梯度轮廓的在两个梯度水平之间的区段的长度、在所述区段和下梯度水平垂直下方的区的面积，以及所述区的底边的宽度；图24D展示来自图23B的正梯度，且说明用于估计第一导数的方法；图24E展示来自图23B的正梯度，且说明用于估计第一导数的替代方法；图24F展示来自图23B的正梯度，且说明用于估计第二导数的方法；图24G展示来自图23B的正梯度，且说明用于估计第二导数的替代方法；图24H展示来自图23B的正梯度，且说明不同梯度水平下的中点之间以及每一中点与内插峰之间的距离；图24I展示来自图23B的正梯度，且说明距内插峰共同距离的两个梯度；图24J展示对称的梯度轮廓，以及重合的中点和内插峰。具体实施方式所揭示的是一种自动聚焦图像系统，其包括耦合到聚焦信号产生器的像素阵列。该像素阵列捕捉图像，该图像具有具一宽度的至少一个边缘。聚焦信号产生器可产生聚焦信号，其随边缘宽度和/或边缘宽度的统计而变。所揭示的是一种自动聚焦图像系统，其包括耦合到聚焦信号产生器的像素阵列。该像素阵列捕捉图像，该图像具有具一宽度的至少一个边缘。该产生器产生聚焦信号，该聚焦信号随边缘宽度和边缘宽度的各种统计而变。该产生器可消除具有图像信号的梯度的不对称性的边缘。该产生器还可消除由于梯度中的相关联峰值而使模板失效的边缘。处理器接收聚焦信号和/或边缘宽度的统计，并调整聚焦透镜的聚焦位置。边缘宽度可由包括使用梯度在内的各种技术来确定。可使用边缘宽度的直方图来确定特定图像是聚焦还是未聚焦。具有大的较瘦边缘宽度计数的直方图表示已聚焦的图像。架构通过参考数字来更具体地参考图式，图1展示自动聚焦图像捕捉系统102的实施例。系统102可为数字静态相机的一部分，但将理解，该系统可在需要图像的受控聚焦的任何装置中实施。系统102可包括聚焦透镜104、像素阵列和电路108、A/D转换器110、处理器112、显示器114、存储器卡116以及驱动电动机/电路118。来自场景的光穿过透镜104进入。像素阵列和电路108产生模拟信号，模拟信号由A/D转换器110转换为数字信号。像素阵列108可并入有镶嵌色彩图案，例如拜耳图案。可将数字信号发送到处理器112，其执行各种处理，例如色彩内插、聚焦位置控制、色彩校正、图像压缩/解压缩、用户接口控制以及显示器控制；且可将数字信号发送到聚焦信号产生器120。在聚焦信号产生器120和处理器112驻存在不同封装内的情况下，可实施色彩内插单元148以对数字信号130执行色彩内插，以为聚焦信号产生器120估计每一像素上的缺失色彩信号。或者，在聚焦信号产生器120和处理器112一起驻存在封装144内的情况下，聚焦信号产生器120可如图2所示，在总线146上输入来自处理器112的经内插的色彩图像，或从由A/D转换器110产生的原始图像信号得出的单个图像信号，例如灰度级信号。聚焦信号产生器120接收来自处理器112的一组控制信号132，另外，且可将信号134输出到处理器112。输出信号134可包括以下各项中的一者或一者以上：聚焦信号134、窄边缘计数以及代表图像中的边缘宽度的统计的一组数字。处理器112可产生聚焦控制信号136，其被发送到驱动电动机/电路118以控制聚焦透镜104。已聚焦的图像最终提供给显示器114且/或存储在存储器卡116中。用于调整聚焦位置的算法可由处理器112执行。像素阵列和电路108、A/D转换器110、聚焦信号产生器120以及处理器112可全部驻存在一封装内。或者，像素阵列和电路108、A/D转换器110、聚焦信号产生器120可独立于处理器112而作为图1中所示的图像传感器150驻存在封装142内。或者，聚焦信号产生器120和处理器112可独立于像素阵列108和A/D转换器110而作为相机控制器160驻存在封装144内。聚焦信号产生器图3展示接收来自图像提供单元202的图像的聚焦信号产生器120的实施例。图像提供单元202可为图1中的色彩内插器148或图2中的处理器212。聚焦信号产生器120可包括边缘检测与宽度测量(EDWM)单元206、聚焦信号计算器210、长度过滤器212、以及宽度过滤器209。聚焦信号产生器120可进一步包括细化开关220，其由输入“细化”222控制。聚焦信号产生器120可提供来自宽度过滤器209的窄边缘计数以及来自聚焦信号计算器210的聚焦信号，该聚焦信号可在细聚焦信号与毛聚焦信号之间配置，其可由输入“细化”222选择。或者，可计算细聚焦信号和毛聚焦信号两者，并将其作为输出信号134的一部分输出。边缘检测与宽度测量单元206接收由图像提供单元202提供的图像。在图1和2的上下文中，控制信号(例如控制信号“细化”222)可由处理器112在信号132中提供。而且在图1和图2的情形中，可将输出信号134提供给处理器112，处理器112充当聚焦系统控制器，其控制聚焦透镜104的聚焦位置，以通过分析输出信号134以检测图像中的尖锐对象来使对象的图像达到像素阵列108上的尖锐聚焦。下文描述聚焦信号产生器120的各种组件。EDWM单元206可变换输入图像，使得图像的三个信号红(R)、绿(G)和蓝(B)被转换为单个图像信号。可利用若干种技术来将图像变换为单个图像。可使用RGB值来计算亮度或色度值，或可取RGB值的特定比率来形成单个图像信号。举例来说，可用等式Y＝0.2126*R+0.7152*G+0.0722*B来计算亮度值，其中Y为亮度值。该单个图像信号可接着由高斯滤波器或任何低通滤波器处理，以平滑相邻像素之间的像素信号值而移除噪声。聚焦信号产生器120、120′、120″不限于灰度级信号。聚焦信号产生器120、120′、120″可对任何一个图像信号操作，以检测该图像信号中的一个或一个以上边缘。或者，聚焦信号产生器120、120′、120″可对图像信号的任何组合操作，例如Y、R-G或B-G。聚焦信号产生器120、120′、120″可分别对R、G、B图像信号中的每一者或其任何一个或一个以上组合操作，以检测边缘。聚焦信号产生器120、120′、120″可针对R、G、B图像信号中的每一者或其任何组合而形成边缘宽度的统计。聚焦信号产生器120、120′、120″可根据来自一个或一个以上图像信号的边缘宽度的统计形成聚焦信号。接着计算经处理图像的梯度。有各种方法可用以计算梯度，包括拉普拉斯和索贝尔。可分别例如使用索贝尔X算子和索贝尔Y算子来计算列和行上的梯度，以分别检测垂直和水平边缘。通过等式Sx[k，q]＝U[k，q+1]-U[k，q-1]给出像素位置[k，q]处的索贝尔X算子，其中k为行编号，且q为列编号。通过等式Sy[k，q]＝U[k+1，q]-U[k-1，q]给出同一位置处的索贝尔Y算子，其中U是经处理图像的图像信号。定向加标签如果垂直或水平梯度量值超过预定下限(“消除阈值”)(例如针对8位图像为5)，那么对每一像素加水平边缘(“H”)或垂直边缘(“V”)的标签，或如果两者都不是，那么加无边缘的标签。此下限消除因柔和阴影或噪声而导致的伪边缘。如果像素的水平梯度量值超过其垂直梯度量值预定的滞后量或以上(例如，对于8位图像来说为2)，那么将像素加标签为垂直边缘，且反之亦然。如果两个梯度量值相差小于滞后量，那么像素获得与其最近的具有已确定的方向标签的相邻者的方向标签相同的方向标签。举例来说，如果在每一行中从左到右并向下逐行地扫描图像，那么相邻像素的检查序列可为上方像素第一、左上方像素第二，且左侧像素第三，且右上方像素最后。应用此滞后有助于确保如果相邻的像素中的每一者具有几乎相同的水平和垂直梯度量值，那么相邻的像素获得类似标签。图4说明水平和垂直梯度的6x6阵列上的加标签的结果。在每一单元中，水平梯度位于左上，垂直梯度在右侧，且方向标签在底部。在此步骤中，仅具有超过5的水平或垂直梯度量值的像素合格，因为边缘像素以粗体印刷，且获得方向标签。可针对垂直边缘水平扫描且针对水平边缘垂直扫描图像、梯度和标签。如果同一行中具有相同水平梯度极性且全部针对垂直边缘而加标签的每一连续像素群组的左侧或右侧的相邻的像素不同样，那么可将该像素群组标示为垂直边缘。同样，如果同一列中具有相同垂直梯度极性且全部针对水平边缘而加标签的每一连续像素群组的上方或下方的相邻的像素均不满足上述条件，那么可将该像素群组标示为水平边缘。因此，可识别水平和垂直边缘。边缘宽度可通过移除梯度量值小于边缘内的峰梯度量值的给定分数的像素来精细化每一边缘。图5说明使用等于边缘的峰梯度量值的三分之一的精细化阈值来将边缘宽度从原来的9向下精细化到3的此步骤。此边缘精细化辨别占优势的梯度分量(其设定在边缘的锐度的视觉感知中占优势的视在边缘宽度)，而不管具有可能导致梯度在许多像素上柔和地衰退的多个重叠阴影的图像。可在已知方法的任一者中计算边缘宽度。一种计算边缘宽度的方法是简单地对边缘内的像素的数目进行计数。图5中展示计算边缘宽度的替代方法。在图5中，通过从精细化阈值304进行内插，在经细化边缘的第一外像素(像素3)与相邻的外侧像素(像素2)之间找到第一分数像素位置(2.4)。同样，在第二外像素(像素5)与其相邻的外侧像素(像素6)之间找到第二分数像素位置(5.5)。认为边缘宽度为这两个分数像素位置之间的差，5.5-2.4＝3.1。倾斜度校正尽管可将每一边缘指派给一个指定方向(例如垂直方向或水平方向)，或另一正交的指定方向(例如，水平方向或垂直方向)，且可具有在与那个所指派的边缘方向正交的方向上测得的边缘宽度，从中产生这些边缘的图像中的不同图像信号值的区之间的边界可不或通常不与任一指定方向完全对准。在图6A中，将边界(阴影带)展示为相对于垂直虚线以倾斜角倾斜，且将宽度a展示为在正交方向(即，水平方向)上测得。然而，在与边界的方向(也是形成边界的一部分的边缘的方向)正交的方向上测得的宽度b(如图中所标示)比宽度a更适合作为边界(以及边缘)的宽度。不是与各自的边缘方向正交测得的此些宽度a往往过大，且并不代表各自边界的真正厚度。出于从边缘宽度计算聚焦信号的目的，在那些指定方向中的一者或另一者上测得的边缘宽度将通过将其减小到在与各自边缘的方向正交的方向上的宽度而进行校正。边缘检测与宽度测量单元206执行此对边缘宽度的校正。如图6A中所示，测得的宽度a为直角三角形的斜边的长度，该直角三角形的底边(用宽度b标记)正交地跨在阴影边界上(因此与边缘方向正交)，且该直角三角形具有角φ。接着从测得的宽度a到与边缘方向正交的方向的投影获得经校正的宽度b。从基础三角学可知，此投影可由b＝acos(φ)给出，但只要近似法获得在20％以内的准确性，就可使用近似法。角φ或cos(φ)本身可由此项技术中已知的用于找出图像中的边缘的方向的任何方法，或通过图7中所示的流程图中所描述的更准确的方法来找出。每一水平或垂直边缘的边缘宽度可针对其倾斜度而分别从水平或垂直定向(指定方向)进行校正。图6A、6B说明针对与垂直线具有倾斜度的边界(且因此形成该边界的边缘)在水平方向上测得的边缘宽度的校正计算。图6C、6D说明针对与水平线具有倾斜度的边界(且因此形成该边界的边缘)在垂直方向上测得的边缘宽度的校正计算。可通过使在指定方向(例如垂直方向或水平方向)上测得的边缘宽度乘以因子cosφ来进行该校正，其中φ为与指定方向的倾斜角度。举例来说，图7展示用以针对从垂直线倾斜的边缘的倾斜度而校正边缘宽度的过程的流程图。(对于水平边缘，在流程图中，用“行”代替“列”，且将“垂直”与“水平”互换。从步骤502到步骤506，找出倾斜角度φ。对于每一垂直边缘，在步骤502处，定位垂直梯度量值达到峰值的列位置，且找出水平梯度x。在步骤504处，找出垂直梯度量值沿列位置且在两个分开的像素内达到峰值，且找出垂直梯度y。在步骤506处，找出倾斜角度φ＝tan-1(y/x)。在步骤506处，可通过查找查找表来找出倾斜角度。尽管步骤502到506呈现一种找出倾斜角度的特定程序和方法，但可改为使用此项技术中已知的其它程序和方法。最后，在步骤508处，通过与cos(φ)或与其近似表示相乘来按比例缩小边缘宽度，如所属领域的技术人员在实践中通常做的那样。图7中展示的过程的第一修改是通过提供具有输入值x和y的各种组合的条目的查找表来代替步骤506以及步骤508的部分。对于输入值x和y的每一组合，查找表返回边缘宽度校正因子。由查找表输出的边缘宽度校正因子可为cos(tan-1(y/x))的在20％以内(优选在5％以内)的近似表示。接着使边缘宽度乘以此校正因子，以产生经倾斜度校正的边缘宽度。第二修改为计算垂直梯度y与水平梯度x之间的商y/x，以产生商q，接着使用q来输入到具有针对q的各种值的条目的查找表。对于q的每一值，查找表返回边缘宽度校正因子。边缘宽度校正因子可为cos(tan-1(q))的在20％以内(优选在5％以内)的近似表示。为了找出倾斜角度φ(或其近似表示，使得校正因子准确到在20％以内)且随后找出校正因子cos(φ)(或其近似表示)，或为了直接找出校正因子而不找出倾斜角度φ(如在第一和第二修改中)，可在步骤502到506中获得x和y的值，但可改为使用其它方法。第三修改是对边缘中的多个像素中的每一者执行以下操作：(a)为像素找出水平梯度x和垂直梯度y两者，(b)为此像素找出q＝y/x，以及(c)找出对应于q的校正因子，例如cos(tan-1(q))或其到20％以内的近似表示。最后，通过对来自多个像素中的每一者的校正因子求平均来找出用于该边缘宽度的校正因子。平均值可为经加权平均值，例如其中具有较大水平梯度的像素被给予比具有较小水平梯度的另一像素大的权重的平均值。沿这些方向或其它方向的其它修改是可能的。筛选阈值如果相邻的边缘的峰梯度量值低于相邻的较宽边缘的峰梯度量值的预定分数，那么可完全阻止该等相邻的边缘对聚焦信号作贡献，或使其贡献削弱。图9A、图9B和图9C说明正解决的问题。图9A说明由各自宽度为2个像素的两个窄黑空间分离的三个垂直白条。中间白条的宽度为窄条2个像素。图9B展示水平越过图9A中的图像的针对尖锐图像和模糊图像中的每一者而描绘的图像信号。图9C描绘图9B的针对尖锐图像和模糊图像的索贝尔x梯度。在图9C中，如所预期，模糊图像的第一边缘(像素2到5)比尖锐图像宽，且最后边缘(像素13到15)也是如此。然而，两个最窄边缘(像素9和10，以及像素11和12)在两个图像中具有宽度二。在图9B中，像素9和10以及像素11和12处的对应斜坡各自取两个像素以完成过渡。然而，模糊图像具有从较宽边缘到较窄边缘的峰梯度量值的显著下降，多达50％。另一方面，尖锐图像在较宽边缘与窄边缘之间改变少于10％。与具有相对正负号梯度的较宽边缘相邻的较窄边缘的峰梯度量值的显著下降(例如20％或更大)提示模糊的图像未经良好聚焦，且因此，不应依赖较窄边缘作为模糊图像为尖锐的表示。同样，只要具有交替梯度极性的互相相邻的边缘彼此非常接近，例如相隔不超过1个像素(“最小边缘间隙”)，就不应依靠其来用于此表示，即使其边缘宽度较小。最小边缘间隙是依据像素的数目，例如1或2或之间。此外，假定一个边缘可能因具有小于消除阈值的峰梯度而已被消除，具有相同梯度极性且隔开不超过最小边缘间隙的两倍加上sharp_edge_width(sharp_edge_width为经指派以标示尖锐边缘的边缘宽度的数字)的两个连续边缘可用作用于消除或降级来自两个相互相邻的边缘中的一者或两者的贡献的条件。任一。边缘检测与宽度测量单元206可执行以下算法，以用于基于从较宽边缘建立的筛选阈值以及可开启和关闭的调制筛选旗标而消除紧密堆积的较窄边缘。对于每一边缘，根据图10中所示的流程图的过程来确定将用于相对极性的紧接下一边缘的筛选阈值和筛选旗标。在给定筛选阈值和筛选旗标的情况下，可取消边缘，除非以下条件中的一者为真：(a)对于此边缘，筛选旗标关闭，(b)边缘的峰梯度量值不小于用于此边缘的筛选阈值。可将条件(c)添加到条件(a)和(b)，边缘宽度不小于sharp_edge_width+1，其中已为sharp_edge_width指派一数字以标示尖锐边缘的边缘宽度，且其中可改变“+1”以设定高于sharp_edge_width的边缘宽度的范围，在该范围内，如果边缘无法达到(a)和(b)，那么消除该等边缘。对于图9A到图9C中所示的实例，sharp_edge_width可为2。图10是为每一边缘确定筛选阈值和筛选旗标的流程图。对于垂直边缘，假定沿行从左到右扫描，但这不是要求的。(对于水平边缘，假定沿列从上到下扫描，但这不是要求的。)为sharp_edge_width指派一数字，且其对于图9A到图9C所示的实例可为2。在步骤702处，在第一边缘处开始，在步骤720处，询问每一边缘其边缘宽度是否大于或等于一加sharp_edge_width，值一是用于此说明的最小边缘间隙值，但可使用不同的值，例如在0.5与2.0之间。如果是，那么该边缘为较宽边缘，且步骤706接着将具有相对极性的紧接下一边缘的筛选阈值设定为β乘以边缘的峰梯度量值，β为从0.3到0.7，优选为0.55，接着步骤708开启用于下一边缘的筛选旗标，接着进行到下一个边缘。如果否，那么该边缘不是较宽边缘，且步骤730接着检查距相同梯度极性的前一边缘的间距是否大于最小边缘间隙(或不同的预定数字)的两倍加上sharp_edge_width，且相对极性的最接近的前一边缘(如果存在)是否大于远离的最小边缘间隙。如果是，那么步骤710接着关闭用于下一边缘的筛选旗标。如果否，那么保持用于下一边缘的筛选旗标和筛选阈值，且进行到下一边缘。β可为预定分数，或其可为依据预定公式计算的分数，例如边缘宽度的函数。在后者情况下，β可从图像的一部分到另一部分不等。梯度不对称性图23A和图23B说明其中聚焦信号产生器以检测到缺乏相对于梯度信号(下文也称为梯度轮廓)的峰的对称性来淡化或完全消除相关联的边缘、使其不再影响自动聚焦控制系统(例如经由随相关联的边缘宽度或边缘计数而产生的聚焦信号，但不限于此)的方法。该峰可为一系列连续梯度之中的峰梯度。或者，该峰可为内插峰梯度，其从该系列的连续梯度之中的两个或两个以上梯度内插。图23A说明横越两个属相对极性(即，正负号)的相邻边缘的图像信号的梯度轮廓，其中，两个边缘是分开的、且不相互作用。另一方面，图23B说明横越两个属相对极性的相邻的边缘的图像信号的梯度轮廓，其中，该对边缘足够相互靠近以致相互作用。通过比较23A与23B，清楚地，在属相对正负号的相邻的两个边缘(即，该两个边缘中的一者具有正梯度，而另一者具有负梯度)变得靠近的情况下，其相应的梯度轮廓便丧失对称性。在图23A中，从左到右，梯度轮廓在左侧的位置6处升高到正峰梯度3210，且在右侧的位置18处降到负峰梯度3260。梯度值已经标准化以给出峰梯度量值1.0。分别在邻近于每一峰梯度3210、3260处，梯度轮廓具有相对于该峰值的左到右的对称性。使用各自的峰梯度量值的0.3倍的阈值，正梯度轮廓3211和负梯度轮廓3261各自给出各自的边缘的边缘宽度，即5。另一方面，在图23B中，在左侧于位置6处的正峰梯度3212和在右侧于位置9处的负峰3262比在图23A中更互相靠近在一起。在图23B中，如在图23A中，梯度值已经标准化，以给出峰梯度量值1.0。在图23B中分别对应于正梯度轮廓3213和负梯度轮廓3262的两个边缘显然相互作用，以致彼此部分抵销，从而导致位于分别在位置6与位置9处紧密相邻的正峰3212与负峰3262之间的梯度量值的减少。因此，这两个梯度轮廓3213、3263缺乏各自的边缘上的左右反射对称性。对称性的缺乏在图中的内插梯度轮廓(以实曲线展示)中尤其显著。可在距峰梯度某一距离(明确地说，介于边缘的边缘宽度的0.2到0.7倍之间的距离)内、或其峰梯度水平与其非零分数之间的梯度水平的某一范围内(特别是，在该峰梯度水平的10％到90％内；更特别地说，在20％到80％内)发现对称性的缺乏。举例来说，可通过将经内插的梯度轮廓的左侧与右侧、并在边缘宽度的一半的距离内、或者在介于其峰梯度水平的20％与80％之间的梯度水平的范围内、进行比较来发现不对称性。另一结果是，以峰梯度量值的0.3倍的同一阈值来测量，得出的围绕各个峰3212、3262的边缘宽度减小到4。这样测得的两个边缘的边缘宽度不再代表聚焦程度。聚焦信号产生器可检测该不对称性，并且导致淡化相关联的边缘宽度对于聚焦信号和/或边缘计数的贡献、或对之完全消除。更一般地说，用于通过检查图像中的边缘的尖锐度而获得较尖锐图像的聚焦控制系统可淡化或完全消除一边缘的一影响，其中，跨越该边缘的梯度轮廓缺乏对称性。图像中起因于场景中的多个尖锐的边界而产生的多个孤立的边缘的梯度轮廓各自显露各自的孤立的边缘的左右反射对称性。图23A中存在着左右反射对称性，它相对于垂直对称轴(垂直虚线)，其恰好在位置6处的峰梯度3210下方，使得在相对于垂直对称轴的反射下，位置4处的梯度映射到位置7处的梯度，且反之亦然，位置3处的梯度映射到位置8处的梯度，且反之亦然，以此类推。这是因为对应于梯度轮廓3211的边缘的边界恰好在其中间被取样。在许多情况下，取样不在边界的中间，因此垂直对称轴不与像素位置重合，而是在两个像素之间。虽然如此，左右反射对称性可以内插法来识别，如下文所论述。图24J说明孤立的边缘的另一典型的梯度轮廓。在位置6处的峰梯度3212′以及在其右侧于位置2到5处的四个其它梯度、以及在其左侧于位置7到10处的另外四个其它梯度一起构成该孤立的边缘的梯度轮廓。一内插峰3270′在大致的位置5.85处示出，且点划线在该内插峰3270′之下示出垂直对称轴3271′。尽管梯度轮廓中的每一梯度在相对于对称轴3271′的反射下不映射到同一梯度轮廓中的另一梯度，但其确实映射到一内插梯度。举例来说，于位置3处的梯度映射到用“X”来标记的内插梯度(大致在位置8.6处)，其显然是位置8和9的两个梯度之间的良好内插，且反之亦然。同样，于位置7处的梯度映射到用“+”来标记的内插梯度(大致在位置4.6处)，其显然是于位置4和5的两个梯度之间的良好内插，且反之亦然。此外，可看出，一内插梯度映射到另一内插梯度，且反之亦然，例如在梯度水平0.5(且分别在位置4和7.6)处分别用三角形和倒三角形来标记的一对内插梯度。当将梯度轮廓内插而得出内插梯度轮廓(图24J中的实曲线)时，左右反射对称性尤其显著。还应注意，属任何两个梯度水平、两个该梯度轮廓的两侧之间的中点(例如中点3281′和3280′)在同一中点位置3287处重合，且该位置也是内插峰的位置，以及对称轴的位置。依照通常的理解，如果存在左右反射对称性，那么相对于垂直对称轴来反射的每一几何形状会映射到一对应的几何形状，即与后者重合。此类几何形状包括点(即，梯度或内插梯度)、线、曲线、有界区、角等。对应于此些几何形状的是几何参数，例如距离、长度、面积、倾角(即，第一导数)、曲率(即，第二导数和较高导数)等。举例来说，沿着内插梯度轮廓的区段(或连接相邻的梯度的直线区段)会映射到在相同梯度水平的另一区段，因此有相同的长度。左右反射对称性的另一特性是对称轴上的点会映射到其自身，即不移动。因此，该点距左和右有相等的距离。还已知，在对称性底下映射到彼此的两个几何形状之间，该垂直对称线正好位于其两者中间。藉这些特性以及关于反射对称性的通常已知的其它特性，可设计各种方法来测试梯度轮廓是否具有左右反射对称性。由于内插法的性质是属近似法，因此检验对称性是使用用于测试几何形状的重合的(多个)参数上的预定容限区。举例来说，如果X和Y是被测量的两个参数，且完美的对称性会将正好产生X＝Y，那么可指定一容限区，使得-A＜X-Y＜B，其中A和B是正数，使得大于-A且小于B的X-Y的值不导致确定不对称性，反之，比B正或比-A负的X-Y的值将导致确定对称性的过量缺乏。比-A负得少且比B正的少的X-Y的值的范围在下文中称为容限区，且容限区的界限是不对称性阈值。因此，在此实例中，-A和B两者均为不对称性阈值，其界定由X和Y测量的不对称性的容限区。当X-Y的值在容限区之外时，下文称为超过(相关的)不对称性阈值。举例来说，如果(X-Y)比B正，那么称(X-Y)超过不对称性阈值B。如果(X-Y)比-A负，那么称(X-Y)超过不对称性阈值-A。在此上下文中，“超过”传达以下含义：参数(X-Y)已由于越过容限区的相关的边界而离开容限区。下文描述检测越过边缘的梯度轮廓中的左右反射对称性的缺乏的各种方法，但这不是详尽列举。本发明的此方面(即，消除或减弱边缘对聚焦信号或对聚焦控制的贡献)不限于下文所论述的用于检测越过边缘的梯度轮廓的反射对称性的缺乏的特定方法，而是包括其均等物、近似表示、明显或已知的变化，以及包括利用上文所论述的反射对称性的特性中的一者或一者以上的任何计算方法。一种用以检测对称性的缺乏的方法是找出峰梯度的一侧上的像素计数与另一侧上的像素的计数之间的差，其中，与其像素相关联的梯度量值高于峰梯度量值的某一分数。可将计数的不对称性阈值设定为(例如)0.5，使得当任一侧的像素的计数比另一侧多超过该不对称性阈值时，即检测到对称性的缺乏。在此藉图23A和图23B以及分数0.3以及计数不对称性阈值0.5的实例来说明此情况。在图23A中，对于在左侧于位置6处的正峰，且高于梯度水平+0.3，两个像素分别在左侧于位置4和5处，而另两个像素分别在右侧于位置7和8处。像素的计数在左侧与右侧之间相等，因此没检测到不对称性。另一方面，在图23A中，对在左侧位置6处的正峰，且高于梯度水平+0.3，两个像素分别在左侧于位置4和5处，但仅一个像素在右侧于位置7处。在图23B中左侧的正梯度轮廓3213中左侧比右侧多了一个像素，超过计数的不对称性阈值0.5，因此检测到对称性的缺乏。一种修改是从该等梯度进行内插法以找出像素的分数的位置3272(“内插峰位置”)，在此内插梯度轮廓达到最大量值(“内插峰梯度”)。此内插峰位置可用以计算距左侧的距离和距右侧的距离，如下文所述。内插峰梯度还可用以计算梯度水平，以之测量在那些距离、或高于/低于其而对像素进行计数。举例来说，在图24A中，在内插峰3270下方绘一垂直点划线，在梯度水平0.95(上梯度阈值)处横越内插梯度轮廓(实曲线中)绘一水平虚线3275，在梯度水平0.25(下梯度阈值)处横越内插梯度轮廓绘另一水平虚线3273，在峰梯度3212(在位置6)的左侧，分别于位置4和5处计数两个像素，且在右侧于位置7处计数仅一个像素。不管是对峰梯度3212(在此实例中在位置6处)还是对内插峰3270(大致在位置5.8处)来确定不对称性都没分别，因为对前者，不论左侧或右侧在计数中都不包括数峰梯度3212，而对后者，上阈值3275(在此实例中为0.95，且一般应介于0.85与0.97之间)将峰梯度3212排除在右侧的计数外。对上述方法的一种修改为确定从该峰梯度分别向左和向右到该梯度轮廓经内插而越过某一梯度水平之处(“交叉点”)的两个距离，该某一梯度水平是峰梯度3212(或者，内插峰3270)的梯度值的一分数(其优选介于10％与90％之间，更优选介于20％与80％之间)，且如果较大的距离超过较小的距离以某一宽度不对称性阈值或以上，那么便发现缺乏对称性。换句话说，一个距离减去另一距离比宽度不对称性阈值的负更为负或比该宽度不对称性阈值更为正会导致确定对称性的缺乏。该容限区因此占据的数字间隔是相对于零而对称。可以若干方式中的一者来确定该宽度不对称性阈值。它可作为图像的固定数字来给出，或是取决于与该峰相关的边缘的边缘宽度的一数字(例如边缘宽度的10％(如果边缘宽度为3或以下)，以及边缘宽度的7％(如果边缘宽度比3宽但小于5))。基于图像信号(从中产生梯度轮廓中的梯度)和/或梯度轮廓中的梯度如何产生的其它合理的相依性可接受以确定该宽度不对称性阈值，特别是为允许内插该峰和/或该交叉点中的不准确性。图24A也说明此不对称性检测方法。可从峰梯度3212(于位置6处)，或者从该内插峰3270(大致于位置5.8处)起测量该两个距离。在此实例中，距离WL和WR从该内插峰3270起而测量，分别给出约2.5和1.3，且给出1.2的差。该边缘宽度在标准化梯度水平+0.3测量，给出约3.7。该宽度不对称性阈值可作为边缘宽度的分数而给出，例如15％，即给出0.56。由于其差(1.2)超过该宽度不对称性阈值(0.56)，因此发现缺乏对称性。应注意，不论用该峰梯度3212(在此实例中于位置6处)还是用内插峰3270(大致在位置5.8处)都对聚焦信号或该聚焦控制系统没分别，因为它们的位置之间的差一般上小于0.5且通常小于0.3，从而使得|WL-WR|中的差小于0.6。在边缘上的梯度轮廓是不对称的大多数情形中，WL与WR之间的失配远超0.6。选择从一者还是从另一者来测量WL和WR因而影响发现对称性的缺乏仅发生在可忽略的少数边缘上。一替代方式估算两个面积，其一在该峰梯度3212(或者该内插峰3270)的左侧而另一在右侧，且根据一预定标准将该两个面积与一面积不对称性阈值进行比较。该两个面积中的每一者可在一侧上由该峰梯度(或内插峰)下方的垂直线定界，而在另一侧上由内插梯度(实曲线)(或者，连接多个连续梯度的直线)定界，且在顶部和底部由一上梯度水平和一下梯度水平定界，其各自处于该峰梯度水平(或者，经内插的峰梯度水平，即内插峰的梯度水平)的不同的预定分数(或者，无上梯度水平限制该面积，而是仅由梯度或内插梯度轮廓限制该面积)。举例来说，在图24B中，其中梯度轮廓已经标准化以使得内插峰具有梯度水平1.0，在0.75处绘一上梯度水平3276，且在0.2处绘一下梯度水平3274。区3277(具有面积AL)(在内插峰3270的左侧)在上方由该上梯度水平3276定界，在下方由该下梯度水平3274定界，在右侧由内插峰下的垂直点划线定界，且在左侧由内插梯度轮廓(实曲线)定界。区3278(具有面积AR)(同一峰3270的右侧)类似地在上方和下方定界，且在右侧由该内插梯度轮廓定界，且在左侧由该垂直点划线定界。当面积AL和AR相差超过一根据预定标准的预定界限时，便检测到缺乏对称性。举例来说，当较大的面积超过了较小的面积达该面积不对称性阈值或以上时，便检测到不对称性。可以各种不同方式中的一者来表达该面积不对称性阈值。它可依据(较小面积的)百分比来表达，其可为该图像的固定数字，或者随相关的边缘的边缘宽度而变。或者，它可依据经该标准化梯度轮廓的面积的差来表达。基于图像信号(从中产生梯度轮廓中的梯度)和/或梯度轮廓中的梯度如何产生的其它合理的相依性可接受以确定该面积不对称性阈值。在图24I中所示的另一方法中，测量从内插峰3270(或者峰梯度3212)起到梯度轮廓的左侧和右侧的共同距离Wo。换句话说，计算两个内插梯度(或找出梯度)，使得其距内插峰3270(或峰梯度3212)下的点划线的距离均为Wo。对于完全对称的梯度轮廓，该两个内插梯度均会在一共同的梯度水平。然而，对于不对称的梯度轮廓，该两个内插梯度位于不同的梯度水平Gl3252、Gh3253上。当该梯度水平Gl和Gh相差超过根据预定标准的预定界限时，便检测到缺乏对称性。举例来说，当较大梯度水平Gh3253超过较小梯度水平Gl3252的量Ghl超过较小梯度水平Gl达一梯度不对称性阈值或以上时，便可检测到不对称性。可以各种不同方式中的一者来表达该梯度不对称性阈值。它可依据(例如，较小梯度Gl的)百分比来表达，其可为该图像的一固定数字，或者随相关的边缘的边缘宽度而变。或者，梯度不对称性阈值可依据经标准化的梯度轮廓的一梯度水平的差来表达。可接受基于图像信号(从中产生梯度轮廓中的梯度)和/或梯度轮廓中的梯度如何产生的其它合理的相依性对于确定该梯度不对称性阈值。该共同Wo可选择为边缘宽度的一预定分数，例如介于0.1与0.5之间、优选介于0.2与0.4之间的分数。或者，可将Wo选择为从内插峰3270(或者峰梯度3212)到一对内插梯度或在作为峰梯度水平的预定分数的给定梯度水平下的梯度的两个距离中的较小者。在此情况下，Gh单独可为用以表示不对称程度的参数。接着可设定梯度不对称性阈值，使得当Gh超过阈值时，检测到缺乏不对称性。如所属领域的技术人员可预期，关于如何定义Wo和如何定义标准的其它变化是可能的。对以上方法的一修改为在分别在梯度水平Wl和Wh的那两个内插梯度处的第一或第二导数之间进行比较。对于完全对称的梯度轮廓，那两个内插梯度的第一导数除了其正负号相反之外是相同的，以及他们的第二导数的正负号和量值都是相同的。然而，对于不对称的梯度轮廓，内插梯度的第一和第二导数通常不同。当第一导数的量值在两个内插梯度(或可能是梯度)之间相差超过根据预定标准的预定界限时，检测到缺乏对称性。举例来说，当较大第一导数在量值上超过了较小第一导数达不对称性阈值或以上时，可检测到不对称性。作为另一实例，当将第二导数中的一者从另一者减去给出超过不对称性阈值的差时，可检测到不对称性。可以各种不同方式中的一者来表达该不对称性阈值。该梯度不对称性阈值可依据(例如，较小第一/第二导数的)百分比来表达，其可为该图像的一固定数字，或者随相关的边缘的边缘宽度而变。基于图像信号(从中产生梯度轮廓中的梯度)和/或梯度轮廓中的梯度如何产生的其它合理的相依性对于确定该梯度不对称性阈值来说是可接受的。在用于使用像素计数或距离(图24A)或面积(图24B)来检测不对称性的上述方法中，与其用内插峰或峰梯度来划分两个计数或两个距离或两个面积，可使用如早先描述的中点。举例来说，在使用在内插峰3270正下方的垂直点划线将该上梯度水平3276与该下梯度水平3274之间的面积划分为面积分别是AL和AR的两个区中(参看图24B)，可从该上梯度水平(在标准化梯度水平0.75的水平虚线)与内插梯度轮廓(实曲线)之间的一对交叉点之间的中点绘一垂直线。或者，可从该下梯度水平(在标准化梯度水平0.2的水平虚线)之间的一对交叉点之间的中点绘一垂直线。或者，可从内插梯度轮廓与峰梯度的梯度水平的预定百分比范围内(例如介于10％与90％之间)的任何梯度水平之间的一对交叉点之间的中点绘该垂直线。对上述面积方法的另一修改是估算该上梯度水平3276与该下梯度水平3274之间的内插梯度曲线(或者，连接多个连续梯度的直线区段)的长度。举例来说，在图24C中，内插梯度曲线在左侧有一区段(有长度LL)在标准化的梯度水平0.25与0.75之间，该区段长于右侧的区段，右侧的区段的长度LR明显较短，显示缺乏对称性。当长度LL和LR相差超过根据预定标准的预定界限时，便检测到缺乏对称性。举例来说，当较长的长度超过了较短的长度达一长度不对称性阈值或以上时，便检测到不对称性。如上文的面积不对称性阈值，可以各种不同方式中的一者表达该长度不对称性阈值。该长度不对称性阈值可依据(例如，较小长度的)百分比(优选从10％到30％)来表达，其可为该图像的一固定数字，或者随相关的边缘的边缘宽度而变。或者，该长度不对称性阈值可依据经标准化的梯度轮廓的一长度的差来表达。基于图像信号(从中产生梯度)和/或梯度如何产生的其它合理的相依性对于确定该长度不对称性阈值来说是可接受的。如上文所述，应注意，如上，不管用峰梯度3212还是内插峰3270来画出下梯度水平或上梯度水平，对于聚焦控制系统或明确地说对于聚焦信号，都不是重要的。该选择导致长度差中非常小的差异，结果是在具有相对正负号的两个边缘太靠近以致影响其边缘宽度的大多数情形中，LL与LR之间的失配大得多。选择一者还是另一者来从中测量LL和LR因此仅对可忽略的少数边缘会影响发现对称性的缺乏。可修改上文刚描述且使用图24C说明的方法。与其比较长度LL与LR，可以类似方式比较分别在左侧和右侧上的阴影区的面积A′L和A′R。可类似地定义一面积对称性阈值，且将其用于与A′L与A′R之间的差的量值进行比较。上文刚描述且使用图24C说明的长度方法可以又一方式修改。将内插梯度曲线分别与上梯度和下梯度相交处之间的左侧距离(WBL)与右侧距离(WBR)进行比较。如果根据预定标准WBL与WBR相差过多，那么便发现缺乏对称性。举例来说，当WBL和WBR中的较大者超过了较小者达一宽度不对称性阈值以上时，便发现缺乏对称性。并且，可以类似上文各种不对称性阈值中的任一者的方式来指定该宽度不对称性阈值。图24H说明一替代方法，其等效于上文刚描述的宽度方法。此方法计算在该上梯度水平3276的两个内插梯度3284、3285之间的第一中点3281(上中点)，以及在该下梯度水平3274的两个内插梯度3282、3284之间的第二中点3280(下中点)，且计算第一中点3281与第二中点3280之间的距离Xab。完全对称的梯度轮廓在第一中点3281与第二中点3280之间具有可忽略的距离(“中点间距离”)，即该两个中点重合，如在图24J中所示。当该中点间距离超过某一中点间距离不对称性阈值时，便检测到缺乏对称性。中点间距离是|WBL-WBR|的两倍。在此方法的一变化中，仅使用一个梯度水平3274，且仅计算对应的中点3280，且测量从峰梯度3212(或者，内插峰3270)到单独的中点3280的距离XbPk，如图24H中也展示。又一方法是找出峰梯度3212(或者，内插峰3270)的两侧上的梯度轮廓的斜坡的第一导数，并根据预定标准比较该两个第一导数，以确定是否缺乏对称性。举例来说，如果较陡的斜坡的第一导数的量值超过较缓的斜坡的第一导数的量值达一第一导数不对称性阈值或以上，那么便发现缺乏对称性。另一方面，完全对称的梯度轮廓会在两侧上具有相同的第一导数，其仅在正负号上不同，但在量值上相同。可通过内插来大致计算第一导数。可在作为峰梯度值的某一分数(优选介于10％与90％之间，更优选介于20％与80％之间)的梯度水平(例如0.5)大致计算第一导数。在图23B中，其中梯度水平是峰梯度3212的梯度水平的0.5倍，存在一对连续的升高的斜坡和下降的斜坡，其各一在正峰梯度3212的各侧。右侧斜坡明显比左侧斜坡陡。图24D展示如何在梯度水平0.25对标准化梯度轮廓估算第一导数，且用直角三角形(阴影)的斜边来作近似法，该等直角三角形的底边宽度为1，其分别接触内插梯度轮廓的左侧和右侧。第一导数分别由三角形SL和SR的高度作近似。图24E说明使用具有相同底边宽度(在此说明中为1)的两个三角形来近似第一导数的另一方式。每一三角形的底边在梯度轮廓被内插到梯度水平0.25的位置处居中。对应斜边的每一端距半个像素，且采取从梯度轮廓内插的梯度值作为梯度值。将第一导数近似为由底边宽度划分的高度S′L和S′R，底边宽度在此说明中为1。如通常已知，存在从数据点序列近似第一导数的各种方法，因此本发明的此方面不限于上文给出的特定实例，而是包括用以提供第一导数的所有等效方法和所有近似。又一方法是找出峰梯度3212(或者，内插峰3270)的两侧上的梯度轮廓的一对第二导数，并根据预定标准比较该对第二导数，以确定是否缺乏对称性。举例来说，如果一者超过另一者达一第二导数不对称性阈值或以上，那么便发现缺乏对称性。另一方面，完全对称的梯度轮廓会在两侧上具有相同的第二导数，其正负号和量值均相同。可通过内插法来大致计算第二导数。可在峰梯度值(例如0.25)的某一分数(优选介于10％与90％之间，更优选介于20％与80％之间)的梯度水平计算第二导数。图24F说明可如何近似第二导数的一方法。首先，找出左侧的三个一组的连续且相等间隔的梯度或内插梯度3295、3296、3297以及右侧的另一三个一组3291、3292、3293，其中各自的中点3296、3292在标准化梯度水平0.25。对于该两个三元组内的一给定的间隔，各自的外部的一对点(左侧的3295、3297和右侧的3291、3293)的标准化梯度值的算术平均值高出该标准化梯度水平0.25的高度(DL和DR)，便是各自的第二导数的近似。如图24F展示，DL为正，而DR为负。图24G说明第二导数的另一近似法，且其在标准化梯度水平0.18。在每一侧上，一个三角形拟合到上方的梯度轮廓，且另一三角形则拟合到内插梯度轮廓与梯度水平0.18之间的交叉点(即，此梯度水平的梯度或内插梯度)下方。每一三角形的斜边以一倾角倾斜，以使斜边拟合到内插梯度轮廓。左侧的三角形的高度SUL和SLL(右侧的三角形的高度SUR和SLR)相减以得出第二导数DL(DR)。箭头指示第二导数的相对正负号：针对D′L向上指，针对D′R向下指。明显的，此梯度轮廓两侧上的第二导数显著的失配，因此是不对称的。如通常已知，存在从数据点序列来近似第二导数的各种方法，因此本发明的此方面不限于上文给出的特定实例，而是包括针对第二导数的所有等效方法和所有可能近似。尽管以上实例描述使用不同测量参数来检测反射对称性的缺乏，但可同时使用以上方法中的两者以上来计算其各自的测量参数，且这些测量参数经组合以形成一比较参数，以与一不对称性阈值或更一般的与一预定容限区进行比较，使得当比较参数的值在该容限区之外时，便检测到缺乏反射对称性。举例来说，两个中点之间的距离Xab(图24H)以及两个第一导数之间的差SR-SL(图24D)可组合在经加权平均值Z中，接着与不对称性阈值α进行比较，其将容限区定义为间隔-α＜Z＜α。可在边缘检测与宽度测量单元206中执行针对不对称边缘的上述检测和解决方案。长度过滤器下文描述长度过滤器212的功能。广义上说，长度过滤器212形成对各自连接到类似定向的一个或一个以上边缘的边缘的偏好。群组内类似定向且相互连接的边缘群组(“级联边缘”)与不接触类似定向的任何其它边缘的隔离边缘相比，较不可能由噪声引起。因此，级联在一起的具有类似定向的边缘越多，其由噪声引起的概率就越小。该群组由噪声引起的概率随着群组内的边缘的数目增加而以指数方式下降，且远快于线性方式。可利用此性质来舍弃噪声，尤其是在光线暗淡或短曝光情形下，其中信噪比较弱，例如小于10，在图像内或在所关注区内。可在任何合理方法中实施偏好以表达此偏好。下文所描述的若干方式仅为实例。第一种方法是消除属于具有小于级联长度阈值的长度的垂直/水平级联边缘的边缘。当所关注区较暗淡时，级联长度阈值可较大。举例来说，级联长度阈值可开始小至2，但随着所关注区内的信噪比降到5而增加到8。级联长度阈值可由处理器112、112′、112″(例如通过图3所示的“长度命令”信号)作为信号132的一部分而提供。或者，可根据聚焦信号产生器上的公式来计算阈值。第二种方法是在长度过滤器212中针对每一边缘提供一长度权重，且在聚焦信号计算器210中应用该长度权重来计算聚焦信号。与作为较短级联边缘的一部分的边缘相比，作为较长级联边缘的一部分的边缘接收较大的权重。举例来说，长度权重可为级联边缘的长度的平方。因此，可使每一边缘对聚焦信号的贡献乘以因子A/B，之后对所有贡献进行求和以形成聚焦信号，其中B是进入聚焦信号计算的所有边缘的长度权重的总和，且A是边缘的长度权重。同样，可作为信号134的一部分输出的边缘宽度直方图可具有作为较长级联边缘的成员的边缘，因此，优选的是，更多地贡献对应于其各自边缘宽度且因此为优选的区间，而不是所有边缘均贡献相同的量，例如+1。因此，举例来说，每一边缘可贡献A/C，其中C为该边缘上的A的平均值。类似地，窄边缘计数可具有作为贡献较多的较长级联边缘的成员的边缘。因此，举例来说，来自每一边缘的贡献可乘以A/D，其中D是在窄边缘计数中计数的边缘之间的A的平均值。N个垂直(水平)边缘的群组(其中，顶部(最左)和底部(最右)边缘除外)，每一边缘接触两个其它垂直(水平)边缘，一个其它边缘在边缘本身上方(左侧)，且在该边缘本身下方(右侧)另一其它边缘为长度为N的垂直(水平)级联边缘。顶部(最左)边缘仅需要触碰在其本身下方(右侧)的一个边缘。底部(最右)边缘仅需要触碰其上方(左侧)的一个边缘。图8说明垂直级联边缘及其长度。在图8中，单元R2C3和R2C4形成第一垂直边缘，单元R3C3、R3C4以及R3C5一起形成第二垂直边缘，且单元R4C4和R4C5一起形成第三垂直边缘。第一和第三垂直边缘各自仅触碰一个其它垂直边缘，而第二垂直边缘触碰两个其它垂直边缘。第一、第二和第三垂直边缘一起形成具有长度3的垂直级联边缘。在垂直(水平)级联边缘具有两个或两个以上分支(即，在行(列)中具有两个边缘)的情形(未图示)中，可将长度界定为级联边缘内的边缘的总数。或者，可将长度界定为从其中的最顶部(最左)边缘到其中的最底部(最右)边缘加一的垂直(水平)距离。除以上提议之外，有其它可能的方法来界定级联长度。举例来说，级联边缘的长度的界定应具有以下性质：长度与级联边缘内至少达三个的成员边缘的数目成比例。这将与先前陈述的推论一致，该推论为较多边缘通过彼此接触而相互连接将以指数方式降低由噪声引起的级联边缘的概率，且因此长度应表达与级联边缘内达合理数目的成员边缘的数目的比例性，该合理数目充分增强级联边缘中超过针对单个成员的置信度的置信度。长度过滤器212可减弱或消除且因此(一般地说)区别对待级联长度为一的边缘。长度过滤器212可区别对待级联长度为二的边缘。长度过滤器212可区别对待级联长度为三的边缘，以进一步降低噪声的影响。长度过滤器212可根据来自处理器的命令进行这些动作中的任一者。尽管图3中展示为紧跟在边缘检测与宽度测量单元206之后，但其它布置是可能的。举例来说，可在聚焦信号计算器210之前插入长度过滤器212，其中由长度过滤器212处理的边缘是穿过宽度过滤器209的边缘，其取决于“细化”信号。在聚焦信号产生器的替代实施例中，可移除细化开关220，使得聚焦信号计算单元210接收未由宽度过滤器209过滤的第一组数据以及经过滤的第二组数据，且针对每一者计算不同聚焦信号，针对前者计算毛聚焦信号，针对后者计算细聚焦信号，且将上述两种信号输出到处理器112、112′。宽度过滤器接下来参看图3以理解宽度过滤器209的操作。图11描绘边缘宽度的直方图，即边缘计数对边缘宽度的曲线图。在边缘宽度2处，即前面提到的sharp_edge_width，存在峰，其表示图像中尖锐边缘的存在。然而，在边缘宽度4和5处，存在峰，其表示可能因对应的成像对象在焦点外、与产生尖锐边缘的对象相比在远离聚焦透镜的不同距离处而模糊的边缘。为了计算聚焦信号，可使用宽度过滤器209来淡化宽度在预定范围(“窄边缘范围”)外的边缘。宽度过滤器209可针对在窄边缘范围外的边缘宽度产生较小的权重，以供聚焦信号计算中使用。举例来说，可为边缘宽度指派权重1.0，而为在上限840右侧大于+1的边缘宽度指派权重0，且为之间的边缘宽度指派在0与1.0之间的权重，随边缘宽度而单调下降。或者，宽度过滤器209可防止此类边缘全部进入聚焦信号计算。适当的上限830和下限840取决于若干因素，包括像素阵列108中的串扰、用以产生由聚焦信号产生器120接收的图像的缺失色彩的内插方法，以及用于边缘检测与宽度测量单元206中所使用的低通滤波器中的滤波器系数。可通过捕捉各种尖锐程度的图像并检查边缘宽度直方图来为图像拾取设备102、102′确定适当的上限830和下限840以及参数sharp_edge_width。举例来说，如果尖锐图像在边缘宽度2处具有峰，那么适当的下限和上限可分别为1.5和3，且可将sharp_edge_width设定为2.0。可如上确定下限和上限以及sharp_edge_width，且通过处理器112、112″提供给聚焦信号产生器120、120′、120″。当“细化命令”为ON时，如此计算的细聚焦信号淡化在窄边缘范围外的边缘宽度。另外，宽度过滤器209可计算边缘宽度落在窄边缘范围内的边缘的总计数，且作为输出信号134的一部分而输出。可将窄边缘计数输入到聚焦系统控制器(处理器112)且由聚焦系统控制器(处理器112)使用，以检测尖锐图像的存在且/或用于起始跟踪。聚焦信号接下来参看图3的聚焦信号计算器210，聚焦信号计算器210接收边缘宽度且输出聚焦信号。可将聚焦信号计算为所有边缘宽度的经加权平均值，其中权重为针对每一边缘宽度的边缘计数，即聚焦信号＝∑wiei/∑wi，其中ei为边缘宽度，wi为权重，其中此处wi＝ci，ci为边缘宽度ei处的边缘计数，i为边缘宽度的直方图的区间数目。或者，每一边缘宽度处的权重可为针对边缘宽度的边缘计数乘以边缘宽度本身，即wi＝ciei。另外，来自宽度过滤器209的按照权重而表达的偏好可进一步乘以每一边缘宽度。举例来说，对于宽度过滤器209所产生的权重Ωi，∑Ωi＝1，可将聚焦信号计算为∑Ωiwiei/∑Ωiwi。如果控制信号“细化”为ON，且“排除”为OFF，那么聚焦信号将为非常靠近图11中所示的实例的尖锐边缘宽度2.0的值，从而表示在将产生在2.0与3.0之间的边缘宽度的在聚焦距离范围内的对象细节之中，大多数对象细节实际上处于尖锐聚焦。如果控制信号“细化”为OFF，且“排除”为OFF，那么聚焦信号可为靠近5.0的值，从而表示存在在焦点外的图像的大部分细节。接通细化开关220允许聚焦信号较多地响应略微模糊的对象，而较少地响应完全模糊的对象。当细化开关220为ON时，将把聚焦信号称为细聚焦信号，而当细化开关220为OFF时，将把聚焦信号称为毛聚焦信号。如前面所提到，可以若干方式中的一种方式将长度过滤器212所表达的强调并入到聚焦信号中，例如消除淡化的边缘使其不进入聚焦信号计算，或降低边缘对对应边缘宽度区间的计数ei的贡献的权重。图15简述细聚焦信号对对象处于尖锐聚焦的地方附近的聚焦位置的调整的响应。细聚焦信号达到最小值，近似在sharp_edge_width处，其中聚焦位置使图像达到尖锐聚焦，且否则便增加。细聚焦信号可用于跟踪已已聚焦或非常接近于聚焦的对象。对于移动对象，细聚焦信号允许聚焦控制系统使对象保持尖锐聚焦，即使聚焦距离不断地变化也是如此。细聚焦信号还可用于获取尚未处于尖锐聚焦但足够靠近的对象的尖锐聚焦(“获取”)，使得该对象产生宽度落在窄边缘范围内的边缘。由于边缘宽度直方图在对应于远离sharp_edge_width的对象的边缘宽度处展现峰，从而导致细聚焦信号大于sharp_edge_width，因此聚焦控制系统可通过以下动作来响应：调整聚焦位置以使细聚焦信号值朝向sharp_edge_width，从而因边缘宽度值处的对象等于sharp_edge_width而使边缘宽度的峰居中。基本使用图12到图16说明可如何使用窄边缘计数、毛聚焦信号和细聚焦信号来执行聚焦控制以实现尖锐图像。图12说明在不同的聚焦距离处具有3个对象群组的户外场景：在前景中的“人”、在背景中的“山脉、太阳和地平线”，以及在其之间的“车”。图13是当聚焦透镜104的聚焦位置从远到近地扫掠过图12中所说明的场景时，对照时间而描绘的窄边缘计数的说明。当聚焦位置使对象达到像素阵列108上的尖锐图像时，窄边缘计数到达峰。因此，窄边缘计数曲线展现3个峰，在扫掠期间，“山脉、太阳和地平线”、“汽车”和“人”以此次序各一个峰。图14展示对照时间而描绘的毛聚焦信号。当聚焦位置接近窄边缘计数达到峰的3个聚焦位置中的每一者时，毛聚焦信号展现最小值。然而，在每一最小值处，毛聚焦信号并不处于尖锐边缘宽度水平，其在此实例中为2.0，因为在焦点外的其它对象所贡献的边缘宽度较大。图15说明对照在图12的场景中的“汽车”的尖锐聚焦位置附近的聚焦位置而描绘的细聚焦信号。细聚焦信号本质上实现尖锐边缘宽度，其在此实例中为2，尽管存在模糊对象(“人”和“山脉、太阳和地平线”)。再次参看图11，其中宽度4和5处的两个峰由所述两个模糊对象群组贡献，这可理解为宽度过滤器324已减小权重或完全消除来自在上限840右侧的边缘宽度的贡献。聚焦控制系统可在搜索模式中使用毛聚焦信号来搜索最近的尖锐聚焦位置。聚焦控制系统可将聚焦位置移离当前聚焦位置，以确定毛聚焦信号是增加还是减小。举例来说，如果当聚焦位置向内(向外)移动时，毛聚焦信号增加(减小)，那么存在离当前聚焦位置较远的尖锐聚焦位置。处理器112、112′、112″可接着提供聚焦驱动信号，以在朝向相邻的尖锐聚焦位置的方向上移动聚焦透镜104。聚焦控制系统可使用细聚焦信号来跟踪已经处于尖锐聚焦的对象，以使对应的图像维持尖锐(因此“跟踪模式”)，而不管场景的变化、对象的移动或图像拾取设备的移动。当对象处于尖锐聚焦时，细聚焦信号电平是稳定的，而不管此类变化。因此，细聚焦信号的变化暗示对象距图像拾取设备的聚焦距离的变化。通过将聚焦控制系统“锁定”到最小值附近的给定细聚焦信号电平，例如在此实例中介于2.0与2.5之间，明确地说2.1，细聚焦信号电平的任何移位会立即告知处理器112、112′、112″对象的聚焦距离的变化。处理器112、112′、112″可接着确定方向，且致使聚焦透镜104移动以使细聚焦信号电平回到“锁定”电平。因此，图像拾取设备102、103、103′、103″能够跟踪移动对象。聚焦控制系统(例如在处理器112、112′、112″中的算法中实施)可使用窄边缘计数来触发从搜索模式到跟踪模式的改变。在跟踪模式下，聚焦控制系统使用细聚焦信号来“锁定”对象。在聚焦位置充分靠近对象的尖锐聚焦位置之前，聚焦控制系统可使用毛聚焦信号来识别移动方向并调节透镜的移动速度。当对象进入尖锐聚焦时，窄边缘计数急剧地达到峰。在检测到窄边缘计数的急剧升高或达峰或两者后，处理器112、112′、112″可即刻切换到跟踪模式中，且使用细聚焦信号来进行聚焦位置控制。可将阈值(每一不同尖锐聚焦位置可不同)指派给从端到端聚焦位置“扫描”找到的每一对象群组，且随后当窄边缘计数超过此阈值时，检测对应的对象群组。对于静止场景，例如对于静态图像拍摄，端到端聚焦位置扫描可返回最大计数列表，窄边缘计数的每一达峰具有一个最大计数。可(例如)通过取最大计数的50％而从最大计数列表产生阈值列表。图16说明图像拾取设备102，其具有显示器114、包括按钮的输入装置107，以及在显示器114中加亮的选择标记1920。用户可使用输入装置107来创建、定形和操纵选择标记1920。尽管此实例中展示为包括按钮，但输入装置107可包括上覆于显示器114上的触摸屏，以检测显示器114上的触摸或敲击位置。输入装置107和处理器112、112′、112″或用于输入装置107的单独的专用控制器(未图示)可确定选择区。可经由总线132(或在聚焦信号产生器120是处理器112的一部分的情况下，在处理器112内部)将用于描述选择区的参数发射到聚焦信号产生器120、120′、120″。作为响应，聚焦信号产生器120可将聚焦信号计算或窄边缘计数或两者限于由所述参数描述的选择区内的边缘，或淡化选择区外的边缘。这样做可淡化来自聚焦信号的非所要对象，且接着甚至毛聚焦信号也将展现出单个最小值和在尖锐边缘宽度的1.0或以下内的最小电平。替代实施例图18展示聚焦信号产生器120′的替代实施例。聚焦信号产生器120′输出边缘和边缘宽度的统计。在控制器120′输出的边缘宽度统计之中可为以下各项中的一者或一者以上：边缘宽度直方图，其包括不同边缘宽度下的边缘计数；其中边缘宽度计数达到最大值的边缘宽度；一组系数，其代表估计不同边缘宽度下的边缘计数的样条函数；以及可代表边缘宽度的函数的任何数据。普查单元240可接收在具有聚焦信号产生器120′的其它单元中的一者或一者以上中计算的数据以计算边缘宽度的统计。一般来说，聚焦信号产生器120′可输出具有边缘宽度的分布的表示的信号。参看图17，因此在信号134中向替代自动聚焦图像拾取设备102′中的处理器112′的替代实施例提供的边缘宽度统计可由处理器112′用来根据上文所论述的方法或其等效物来计算毛和/或细聚焦信号以及窄边缘计数。另外，可将在聚焦信号产生器120′中计算的任何数据作为输出信号134的一部分输出到处理器112′。举例来说，可将排除范围和链以及边缘统计(例如用于根据图10或图17的流程图来计算排除范围和链的边缘特性的统计)发送到处理器112′。除包括于图1的处理器112中的功能之外，处理器112′可在内部产生聚焦信号和/或窄边缘计数。像素阵列108、A/D转换器110、色彩内插器148和产生器120′可驻存在封装142内，一起构成与处理器112′分开的图像传感器150′。聚焦信号产生器的又一实施例可将普查单元240添加到图1的产生器102，且将在此产生器中计算的一个或一个以上统计输出到处理器112。辅助像素阵列图19展示自动聚焦图像拾取系统103的替代实施例。除包括于系统102中的元件之外，系统103可包括部分反射镜2850、全反射镜2852、光学低通滤波器2840、主像素阵列2808以及主A/D转换器2810。部分反射镜2850可将传入光束分裂成第一分光束和第二分光束，一者被透射，且另一者被反射。第一分光束在最终到达主像素阵列2808之前可进一步穿过光学低通滤波器2840，其检测第一分光束并将其转换为模拟信号。第二分光束在最终到达辅助像素阵列108″之前可由全反射镜2852反射，辅助像素阵列108″对应于图1所示的系统102中的像素阵列108。第一光束与第二光束的光强度的比率可为1比1或大于1比1。举例来说，比率可为4比1。主像素阵列2808可由彩色镶嵌图案(例如拜耳图案)的彩色滤光片阵列覆盖。光学低通滤波器2808防止聚焦在像素阵列2808上的最小光点过小而导致混叠。在镶嵌图案的彩色滤光片覆盖像素阵列2808的地方，混叠可在色彩内插之后引起色彩摩尔纹假象。举例来说，通过使用光学低通滤波器，包围主像素阵列2808上的光点的可见光功率的84％的圆的最小直径(“最小主直径”)可保持大于一又二分之一像素宽度，但小于两个像素宽度。举例来说，如果主像素阵列2808具有4.5um的像素宽度，而最小直径为2.0um，而无光学低通滤波，那么可选择光学低通滤波器2840以使光点的直径为6.7um或更大。辅助像素阵列108″可包括一个或一个以上光电检测器阵列。所述阵列中的每一者可由或可不由彩色镶嵌图案的彩色滤光片阵列覆盖。辅助像素阵列108″中的阵列在模拟信号中输出图像，所述模拟信号由A/D转换器110转换成数字信号130。将图像发送到聚焦信号产生器120。色彩内插器148可产生从由彩色滤光片覆盖的像素产生的图像的缺失色彩。如果辅助像素阵列108″包括多个光电检测器阵列，那么每一阵列可捕捉对应于由主像素阵列2808捕捉到的图像的一部分的子图像。所述多个阵列可物理上分开一百个以上像素宽度，且可共享或可不共享半导体衬底。在辅助像素阵列108″内的像素阵列不共享半导体衬底的情况下，所述像素阵列可一起容纳在一封装(未图示)中。主A/D转换器2810将来自主像素阵列2808的模拟信号转换成数字主图像数据信号2830，其被发送到处理器112，其中在主像素阵列2808上捕捉到的图像可接受图像处理，例如色彩内插、色彩校正以及图像压缩/解压缩，且最后存储在存储器卡116中。辅助像素阵列108″中的光电检测器阵列可具有小于主像素阵列2808的像素宽度(“主像素宽度”)的像素宽度(“辅助像素宽度”)。辅助像素宽度可小至主像素宽度的一半。如果辅助像素由彩色滤光片覆盖，且在无光学低通滤波的情况下，辅助像素宽度小于可见光的最小光点的1.3倍，那么可在辅助阵列108″前面插入第二光学低通滤波器，以使辅助像素阵列108″上的最小直径(“最小辅助直径”)增加到在1.3倍到2倍大之间，但仍小于最小主直径，优选为1.5。辅助图像中的轻微摩尔纹不成问题，因为辅助图像并不作为最终捕捉图像向用户呈现。图22说明针对来自主像素阵列2808的主图像(实曲线)和来自辅助像素阵列108″的辅助图像(虚曲线)，边缘宽度可如何关于尖锐聚焦位置而变化。正当主图像到达所定标的尖锐边缘宽度2时，辅助图像给出较尖锐的斜坡。准许辅助图像达到低于所定标的尖锐边缘宽度，因为因混叠而导致的摩尔纹在辅助像素中并不那么关键，因为辅助图像并不作为最终图像向用户呈现。这有助于使尖锐边缘宽度下方和上方的斜坡尖锐。较尖锐的斜坡也由小于主像素宽度的辅助像素宽度促进。图22中的阴影区表示在其内控制聚焦位置以使主图像保持尖锐聚焦的良好区。聚焦位置向外的改变将导致边缘宽度在辅助图像中增加，而向内改变将导致边缘宽度在辅助图像中减小。为了使主图像的边缘宽度维持接近尖锐边缘宽度，可使用线性反馈控制系统以将中间辅助边缘宽度值定目标在阴影区内，且将从辅助图像产生的边缘宽度用作反馈信号。辅助像素阵列108″、A/D转换器110、聚焦信号产生器120一起可容纳在封装142中，且构成辅助传感器150。辅助传感器150可进一步包括色彩内插器148。图20展示除聚焦信号产生器120′代替聚焦信号产生器120外类似于设备103的自动聚焦图像拾取设备103′的替代实施例。辅助像素阵列108″、A/D转换器110、聚焦信号产生器120一起可容纳在封装142中，且构成辅助传感器150′。辅助传感器150可进一步包括色彩内插器148。图21展示自动聚焦图像拾取设备103″的替代实施例。聚焦信号产生器120和处理器112″可作为相机控制器容纳在封装144中，与辅助像素阵列108″分离。处理器112″类似于处理器112，不同之处在于处理器112″接收来自主像素阵列2808以及辅助像素阵列108″的图像。处理器112″可执行色彩内插、色彩校正、压缩/解压缩以及将在信号2830上接收到的图像存储到存储器卡116，类似于图2中处理器112可对信号130执行的处理。不同于图2中的是，此处在信号130上接收到的图像无需接受压缩/解压缩且存储到存储器卡116。处理器112″可针对由辅助像素阵列108″中的彩色滤光片覆盖的像素对在信号130上接收到的图像执行色彩内插，且在信号146上将经色彩内插的图像发送到聚焦信号产生器120。自动聚焦图像拾取系统102、102′、103、103′、103″可包括计算机程序存储媒体(未图示)，其包括分别致使处理器112、112′、112″和/或聚焦信号产生器120、120′执行本文所描述的功能中的一者或一者以上的指令。举例来说，所述指令可致使处理器112或产生器120′根据图7的流程图对边缘宽度执行倾斜度校正。作为另一实例，所述指令可致使处理器112′或产生器120根据上文针对宽度过滤器209的描述执行边缘宽度过滤。或者，处理器112、112′或产生器120、120′可经配置以具有用于本文所包括的功能中的一者或一者以上的固件与硬件的组合或纯硬件实施方案。举例来说，在产生器120中，可在纯硬件中执行倾斜度校正，且根据固件中的指令执行长度过滤器212。虽然将存储器卡116展示为系统102的部分，但可改为使用任何非易失性存储媒体，例如硬盘驱动器，其中存储在其中的图像可由用户存取，且可复制到系统102外且远离系统102的不同位置。用于所述系统中的一个或一个以上参数(例如sharp_edge_width)可存储在系统内的装置中的非易失性存储器中。所述装置可为快闪存储器装置、处理器或图像传感器，或作为与之分离的装置的聚焦信号产生器。用于系统中的一个或一个以上公式(例如用于计算级联长度阈值，或用于计算β)可同样作为参数或作为计算机可执行指令存储在那些装置中的一者或一者以上中的非易失性存储器中。虽然附图中已描述并展示了某些示范性实施例，但将理解，此类实施例仅说明而非限制本发明，且本发明不限于所展示和描述的特定构造和布置，因为所属领域的技术人员可想到各种其它修改。