自動的にフォーカス

画像シャープネスの測定

実際には、被写体の表面が光学的フォーカス測定に理想的であることは、ほとんどありません。このため、測定結果の信頼性が低く、不安定な場合がよくあります。ただし、uEye ソフトウェアのオートフォーカス機能により、さまざまな画像の状況でさまざまな測定方法を利用できます。

オートフォーカスのアルゴリズム「Mean Score」と「Tenengrad」は、画像データを分析し、エッジシャープネスの原則を使用します。このために、隣接するピクセルとの関係も含めて、ピクセル単位で分析します。「Mean Score」は「Tenengrad」よりもシンプルなピクセル計算と小規模な隣接関係を使用します。このため、少し高速になりますが、「Tenengrad」アルゴリズムよりもノイズの影響を受けやすくもなります。

「ヒストグラム偏差」は、対象領域 (ROI) のヒストグラム値を使用して画像シャープネスを判定します。全体的なアプローチなので、このアルゴリズムにはフィルター特性があります。シャープネス限度は、測定された値範囲での明度カーブとして表示されます。ノイズが結果に及ぼす影響はわずかです。ただし、探索されたフォーカス領域に短焦点の極大値がいくつかある場合、ヒストグラム偏差では明確に区別できません。ローパスと同様に、アルゴリズムによって極大値が被覆曲線に「平準化」されます。 「Tenengrad」と「Mean Score」での小規模なピクセル隣接の分析は、グレー値の変化への影響がはるかに小さくなります。そのためエッジは一層鮮明に表示されます。両方のアルゴリズムは個々の最大値を明確に区別して表示しますが、ノイズなどの干渉の影響を受けやすくなります。

計算原則が異なるため、3 つのアルゴリズムは、画像ごとのシャープネス値の計算時間も異なります。Sobel および Laplace フィルターなどの複雑なピクセル変換は、平均グレー値から、シンプルな標準偏差計算よりも高い計算負荷を生成します。広い範囲の画像領域 (広い対象領域) を分析すると、獲得したカメラフレームレートがすぐに低下してしまいます。シーンおよびアプリケーションの要件に応じて、使用できるアルゴリズムを選択して測定の速度と精度を変更できます。 計算方法としては「Mean Score」および「ヒストグラム偏差」のほうが、平均的な PC ハードウェアでの時間の制約がある計算に適しています。それに対して、Tenengrad の計算効率は、広範な測定ウィンドウでは、達成できるフレームレートを犠牲にすることになります。

対象領域とフォーカス範囲の設定

シャープネス測定は通常、対象領域 (ここでは「測定ウィンドウ」と呼びます) で実行されます。これは計算時間のスピードアップに役立ちます。

「正しい」フォーカスレベルの探索を正確に指定するには、次の方法があります。

極大シャープネスの検出

オートフォーカスの目的は、撮影した画像の測定ウィンドウ内のシャープネス値が最大となる、フォーカス設定をできるだけ迅速に見つけることです。これを検出するため、uEye ソフトウェアには複数の基本ピーク探索アルゴリズムが搭載されています。シーン (画像コンテンツ) または速度および画質の要件に応じて、適切なものを選択できます。 最も信頼性が高く、低速な方法は、各フォーカス設定を順番に設定し、一度に 1 つの写真を撮影し、そのシャープネスを確認することです。 最適なシャープネス値を見つける処理をスピードアップするには、さまざまな方法に従い、最初にフォーカス設定をスキップ (インターバル) して「ランダムサンプル」のみを撮影します。それ以降の処理の実行で、「ピーク」が見つかったら、これらをさらに精細にスキャンします。 個々のアルゴリズムでは中断条件によって探索時間が短縮されますが、最適な結果が得られるとは限りません。 このため、uEye ソフトウェアでは使用したい探索方法を選択できます。

極大探索の精度

ヒステリシスは、最大シャープネスの探索が停止する、最小ステップサイズを指定します。最大値探索で達成できる精度も決定されます。「フルスキャン」の場合のみ、ヒステリシスは探索領域全体のスキャンに使用される一定のステップ幅を指定します。