本发明属于光电技术领域，目的在于快速、准确地实现相机的自动聚焦。
背景技术：
自动聚焦技术在数码相机中被广泛使用。通常地，自动聚焦分为两种模式：自动模式和被动模式。自动模式采用激光、红外、超声波等来测量目标和镜头之间的距离，计算最佳焦距。但是，这种模式增加了成本且需要额外的空间来放置这些传感器。被动聚焦模式是基于图像来实现的。由于其成本较低、快速，因此被广泛使用。被动聚焦模式的核心依赖于对图像清晰度的判断。清晰的图像在空域中表现为边缘细节清晰，在变换域中表现为高频系数较多。图像清晰度判断依赖于图像清晰度评价函数。
最近几年，大量的图像自动聚焦函数被提出。它们大概可以分为两类，一种是基于空域的方法，另一种是基于变换域的方法。空域的方法主要有Brenner函数，拉普拉斯和方法和Roberts函数等。这是基于梯度的方法采用图像像素边缘差分信息来判断图像的清晰度。如果图像中没有噪声，那么基于梯度的方法评价较为准确、快速。但是如果图像中含有噪声那么评价结果的准确性会大大下降。常见的基于变换域的图像清晰度评价方法有基于离散余弦变换(DCT)和基于小波变换(Wavelet)的方法。这些方法主要是计算图像的高频信息来判断图像的清晰度。DCT具有良好的分离图像高频信息的能力，分离得到高频信息用作评价图像清晰度的依据。且DCT的直流分量能直接体现出图像的亮度和对比度，因此使用直流分量和高频分量来评价图像清晰度。基于DCT的方法具有一定的抗噪性能，但是其也有一定的局限性，其运行时间较长，不具有实时性，且会造成局部峰值，对评价的准确性造成一定的影响。小波变换具有良好的去相关性，噪声信号的系数幅值随着分解层数的增加会越来越小，而边缘细节信号的系数的幅值随着分解层数的增加会越来越大。因此可以使用图像的小波高频系数来评价图像的清晰度。基于小波的方法具有一定的抗噪性能，但是高频系数中同样还包含一些噪声系数，因此其同样也会造成局部峰值，使得清晰度的准确性下降。
技术实现要素：
基于上述问题，提出了一种新的图像自动聚焦方法，目的在于快速、准确地实现相机的自动聚焦。
本发明的技术方案是：
步骤1)设定待聚焦目标区域ImageBlock；
步骤2)相机开始工作，通过CCD相机获取图像Image1；
步骤3)计算图像Image1中待聚焦区域ImageBlock图像的清晰度值Def1；
步骤4)设定聚焦的方向、步长和清晰度变化率a，a取0.1-0.2；
步骤5)按照当前聚焦的方向和步长移动镜头；
步骤6)通过CCD相机获取图像Image2；
步骤7)计算图像Image2中待聚焦区域ImageBlock图像的清晰度值Def2；
步骤8)比较Def1和Def2的大小；
步骤9)根据Def1和Def2的比较结果，调整调焦步长；
步骤10)重复步骤2)到步骤9)，如果调焦方向连续改变次数达到5次，说明当前焦距位置为最佳焦距，则调焦结束；
其中步骤3)和步骤7)图像的清晰度值是通过每个像素Z(x,y)的水平和垂直梯度值，计算所有像素值内积能量和得到。
进一步的，步骤9)包括：
a、如果Def1<Def2且Def1和Def2之间的相差很小，即说明上一次的调焦对步长移动对调焦效果很小，当前焦距距离最佳焦距较远，则可以继续保持调焦的方向，增大调焦步长；
b、如果Def1<Def2且Def1和Def2之间的相差很大，即说明上一次的调焦对步长移动对调焦效果很大，当前焦距距离最佳焦距较近，则可以继续保持调焦的方向，减小调焦步长；
c、如果Def1>Def2且Def1和Def2之间的相差很大，即说明上一次的调焦对步长移动对调焦效果很大，当前焦距距离最佳焦距较近，则需要改变调焦方向，并减小调焦步长；
d、如果Def1>Def2且Def1和Def2之间的相差很小，即说明上一次的调焦对步长移动对调焦效果很小，当前焦距距离最佳焦距较远，则需要改变调焦方向，并增大调焦步长。
步骤3)和步骤7)中包括：
计算每个像素Z(x,y)的水平和垂直梯度值；
计算每个像素值水平和Ix(X)和垂直梯度和Iy(X)；
计算每个像素值的内积能量
计算所有像素值内积能量和：其中IE(X)＞Thr，Thr为一个固定阈值，取10。
本发明的优点和积极效果是：通过内积能量来评价图像的清晰度。噪声的内积能量几乎为0，边缘系数的内积能量较大。因此内积能量能够有效的抑制噪声的影响，提高图像自动聚焦的准确性。并且本发明具有快速、准确、低成本等特点。
具体实施方式
下面对本发明做进一步说明：
本发明一种基于内积能量的被动相机自动聚焦方法，步骤如下：
步骤1)设定待聚焦目标区域ImageBlock；
步骤2)相机开始工作，通过CCD相机获取图像Image1；
步骤3)计算图像Image1中待聚焦区域ImageBlock图像的清晰度值Def1；
步骤4)设定聚焦的方向、步长和清晰度变化率a，a取0.1-0.2；
步骤5)按照当前聚焦的方向和步长移动镜头；
步骤6)通过CCD相机获取图像Image2；
步骤7)计算图像Image2中待聚焦区域ImageBlock图像的清晰度值Def2；
步骤8)比较Def1和Def2的大小；
步骤9)如果Def1<Def2且Def1和Def2之间的相差很小说明上一次的调焦对步长移动对调焦效果很小，当前焦距距离最佳焦距较远，则可以继续保持调焦的方向，增大调焦步长；
步骤10)如果Def1<Def2且Def1和Def2之间的相差很大说明上一次的调焦对步长移动对调焦效果很大，当前焦距距离最佳焦距较近，则可以继续保持调焦的方向，减小调焦步长；
步骤11)如果Def1>Def2且Def1和Def2之间的相差很大说明上一次的调焦对步长移动对调焦效果很大，当前焦距距离最佳焦距较近，则需要改变调焦方向，并减小调焦步长；
步骤12)如果Def1>Def2且Def1和Def2之间的相差很小说明上一次的调焦对步长移动对调焦效果很小，当前焦距距离最佳焦距较远，则需要改变调焦方向，并增大调焦步长；
步骤13)重复步骤2)到步骤12)，如果调焦方向连续改变次数达到5次，说明当前焦距位置为最佳焦距，则调焦结束；
在理论上，离焦图像的退化模型为公式(1)：
G(x,y)＝H(x,y)·F(x,y)+N(x,y) (1)
式中，F(x,y)为实际图像，H(x,y)为成像系统中的点扩散模型函数，N(x,y)为加性噪声函数，G(x,y)为离焦退化图像。退化过程可以描述为：原始图像F(x,y)与点扩散函数H(x,y)进行卷积运算后，再叠加一个加性噪声N(x,y)，最后得到离焦退化图像G(x,y)。点扩散相当于一个低通滤波器。聚焦准确，截止频率高；反之，截止频率较低。分析表明，在正焦情况下，图像最清晰，包含的图像细节信息最多，边缘最为清晰。图像离焦时，在空域中表现为点光源形成一定大小的模糊圆，相邻像素相互影响；在频域中表现为高频分量丢失，造成图像细节模糊。随着离焦程度增大，图像细节变少，边缘开始变得平滑、模糊。模糊的图像细节也难以辨认，边缘不清楚，因此在设计基于图像的自动聚焦函数时，应充分考虑到噪声和边缘。
本文先从数学理论出发，对噪声图像梯度特点进行说明，常见图像噪声通常使用加性高斯噪声来模拟，如公式(2)：
I(x,y)＝Ir(x,y)+ξ(x,y) (2)
式中I(x,y)为实际灰度值，Ir(x,y)为理想灰度值，ξ(x,y)为高斯噪声，ξ服从零均值、σ标准差的高斯分布。
设像素点X(x,y)的梯度为g(X)＝[Ix(X),Iy(X)]，本文选取梯度模板为K×K，其中K＝2r+1，r为模板的尺寸，则图像水平和垂直梯度分别为公式(3)和公式(4)：
Ix(X)＝Irx(X)+ξx(X) (3)
Iy(X)＝Iry(X)+ξy(X) (4)
其中
因为ξ(x,y)-ξ(x,y-1)相互独立，且ξ(x,y)-ξ(x,y-1)～N(0,σ2)，则ξx(X)的数学期望是：
同理，ξy(X)的数学期望是：
在r为半径的区域G中，中心点X(x,y)处的内积能量定义为：
因为
其中
因此同理，所以内积能量能够有效减少抑制噪声。且噪声像素在区域内的内积能量非常小，而边缘像素的梯度与相邻像素梯度方向大致相同，使得E{ξx(X)}＞0，E{ξy(X)}＞0，因此边缘像素在区域内的内积能量较大。因此内积能量可以有效的抑制噪声。