为获得清晰的流动微粉溶液图像,搭建了一个可以自动调焦的显微图像采集平台。该平台基于对焦深度法进行自动对焦,其清晰度评价函数采用改进的平方梯度法计算,搜索算法采用改进的爬山搜寻法实现,该方法速度快自动化程度高。获取图像后,采用灰度变换法增强了图像背景和前景的对比度,然后根据黏连颗粒区域的凸凹性,基于凸包分析进行了黏连颗粒剔除,保证了微粉颗粒形状尺寸特征计算的准确性;最后将研究的技术与用FUNIK激光粒度分析仪检测过的CBN-GM850微粉进行了实验验证和对比,结果表明,这里研究可以为微粉品级的有效确定提供依据。

针对TFT—LCD面板尺寸大、厚度薄、光透过率高的特性，建立了基于激光三角测距法的自动对焦系统。采用光学回路和机械结构设计，对激光光斑中心位置准确求取以及自动对焦原理等算法进行了研究。首先，根据激光三角法测距原理进行了光学回路设计，并以纳米定位平台作为微小行程对焦驱动轴。其次，通过分析光斑图像特性，调节相机快门调整曝光量从而对图像进行噪声消除。另外，采用质心法快速提取光斑中心，在分析激光光斑中心位置与离焦关系的基础上，说明了自动对焦算法。最后，介绍了系统自动对焦时间的设定方法。实验结果表明：在行程为100μm的自动对焦范围内，5X物镜下，自动对焦时间为0．36S，重复定位精度为±1．98μm。50X物镜下，自动对焦时间为0．41s，重复定位精度为±0．26μm。该系统稳定性好、对焦精度高、抗干扰能力强...

为了满足望远镜跟踪系统的发展需求,研究了基于图像处理的自动对焦技术在望远镜跟踪系统中的应用。介绍了几种图像清晰度评价函数,包括梯度函数以及统计函数等,并通过计算机仿真和实验验证的方式分析了各种评价函数在此自动对焦系统中的应用和性能。研究结果表明自相关函数、能量梯度函数和Sobel函数都是有效的清晰度评价函数,其中自相关函数相对其他函数性能更加优越。

影响高精度非球面磨削加工精度的不仅是机床、刀具和数控技术等参数,而且取决于制造系统所采用的测试手段和所能达到的测量精度.针对非球面制造系统的测量特点,将光栅测量技术和光学显微镜自动对焦技术引入环节,进而提高对非球面工件的测量精度,解决了制约非球面加工精度提高的测量问题.

针对常规非球面检测技术存在的问题,特别是测量高精度工件表面具有一定的局限性,提出一种非接触式测量技术,即自动对焦测量技术.自行设计了一套偏心光束对焦系统.光路采用激光作为光源,一维位置敏感器件PSD作为光电探测器.激光、柱面平凸透镜和反射镜构成偏心光束对焦光路.电路分为PSD信号处理电路和电动机驱动电路,具有电压放大、消除地面干扰和滤波等作用.

提出一种用于数字成像的自动对焦系统,它以CMOS为图像传感器,用DSP进行数据处理并控制驱动电路调整镜头的位置,达到准确自动对焦的目的.系统采用对焦深度法实现自动对焦,通过改变镜头的位置获得一系列模糊程度不等的图像,计算每幅图像的清晰度评价值构成对焦评价曲线;采用梯度函数作为评价标准来评价图像的清晰度;采用窗口选择技术控制对焦感兴趣范围,减少了数据处理量;对实验样机的测试表明,系统有较好的自动对焦性能,并解决了百叶窗问题,对透过玻璃窗户的目标仍然能正确对焦.

由于数码相机飞速发展和普及,而自动对焦技术是提高成像清晰度的重要手段,故越来越受到重视. 本文研究了基于图像分析的对焦技术. 针对单区域图像清晰度评价函数的不足,给出了一个五区域图像清晰度评价模型,并引入神经网络模型来实现该模型中权重的优化. 目前,该模型已在相关产品中得到应用. 实践表明,该模型具有较好的准确性和可靠性.

对焦窗口的选择是数码相机进行自动对焦的关键问题之一.现有的对焦窗口的选择方法过于简单,由于成像目标的复杂性,有必要使对焦窗口的选择本身实现自动化和智能化[1].提出了一种利用数字图像处理来进行瞳孔控制自动对焦的方法.对现有照相机结构稍加改进后,可以利用数码相机中现有的CCD/CMOS图像传感器获取拍摄者眼睛的图像,再通过对拍摄者眼睛的图像进行处理来判断其瞳孔在眼睛中的位置.根据这一位置信息,可以推断拍摄者的注意力所集中的区域,从而对焦窗口的自动选择.

在研究显微镜自动对焦系统的过程中,本文设计了数字滤波评价函数;比较了数字滤波评价函数与几种已有的评价函数的性能;研究了数字滤波器的阶数和截止频率对数字滤波评价函数的影响;改进了数字滤波评价函数的高效性。实验结果表明,数字滤波评价函数具有良好的灵敏度、稳定性和对焦精度;对焦窗口取50＊50、数字高通滤波器的阶数为20和截止频率为4.5MHz时,显微镜自动对焦系统完成自动对焦的时间为4.75S,具有良好的实时性。

本文介绍了一种在ARM—linux平台下实现显微镜自动对焦的方法。给出了以s3c2410处理器为核心，采用通用型USB摄像头进行采集图像、步进电机模块作为传动装置的系统软硬件方案及其实现步骤，并对如何在linux平台下编写CMOS图像采集、图像清晰度评价函数等核心程序进行了讨论。