图像清晰度的量化测量探究崔作龙１，徐长松１，２（１．兰州大学物理科学与技术学院，甘肃兰州７３００００；２．清华大学物理系，北京１０００８４）摘要：针对光学实验中，用肉眼判断图像最清晰位置具有人为因素影响多、可重复性差、操作复杂等不足，提出了量化图像清晰度的解决思路，使实验数据更加可靠、准确，使实验过程更加科学、快捷。关键词：图像；清晰度；量化测量中图分类号：Ｏ４－３３；ＴＮ９１１．７文献标志码：Ａ文章编号：１００２－４９５６（２０１２）０５－００４９－０３ＲｅｓｅａｒｃｈｏｆｑｕａｎｔｉｔａｔｉｖｅｍｅａｓｕｒｅｍｅｎｔｓｏｆｉｍａｇｅｓｈａｒｐｎｅｓｓＣｕｉＺｕｏｌｏｎｇ１，ＸｕＣｈａｎｇｓｏｎｇ１，２（１．ＳｃｈｏｏｌｏｆＰｈｙｓｉｃａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００００，Ｃｈｉｎａ；２．ＤｅｐａｒｔｍｅｎｔｏｆＰｈｙｓｉｃｓ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ１０００８４，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｎｏｐｔｉｃａｌｅｘｐｅｒｉｍｅｎｔｓ，ｅｖｅｎｗｉｔｈｔｈｅｎａｋｅｄｅｙｅｓｔｏｄｅｔｅｒｍｉｎｅｔｈｅｍｏｓｔｓｈａｒｐｎｅｓｓｌｏｃａｔｉｏｎｏｆｔｈｅｉｍ－ａｇｅ，ｔｈｅｒｅａｒｅｓｏｍｅｄｅｆｅｃｔｓ，ｓｕｃｈａｓｈｕｍａｎｆａｃｔｏｒｓ，ｐｏｏｒｒｅｐｒｏｄｕｃｉｂｉｌｉｔｙ，ａｎｄｃｏｍｐｌｉｃａｔｅｄｏｐｅｒａｔｉｏｎａｎｄｓｏｏｎ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅａｓｏｌｕｔｉｏｎｔｏｑｕａｎｔｉｆｙｔｈｅｉｍａｇｅｓｈａｒｐｎｅｓｓ，ｍａｋｉｎｇｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｄａｔａｍｏｒｅｒｅｌｉａ－ｂｌｅ，ａｃｃｕｒａｔｅ，ａｎｄｔｈｅｅｘｐｅｒｉｍｅｎｔｍｏｒｅｓｃｉｅｎｔｉｆｉｃａｎｄｅｆｆｉｃｉｅｎｔ．Ｋｅｙｗｏｒｄｓ：ｉｍａｇｉｎｇ；ｓｈａｒｐｎｅｓｓ；ｑｕａｎｔｉｔａｔｉｖｅｍｅａｓｕｒｅｍｅｎｔ收稿日期：２０１１－０８－１７修改日期：２０１１－１２－０５作者简介：崔作龙（１９６４—），男，山西，高级工程师，主要从事实验教学和实验仪器设备及实验方法的改进、开发工作．Ｅ－ｍａｉｌ：Ｃｕｉｚｌ＠ｌｚｕ．ｅｄｕ．ｃｎ在光学实验中，往往需要对最清晰（或最不清晰）图像的数据进行测量和处理。由于仪器或人为的原因，图像最清晰（或最不清晰）的位置不容易确定。因此有必要提出图像清晰度的量化测量方法。一般认为，清晰度是影像边缘的锐利程度。从影像清晰度的因素来看，主要有像素、亮度（在黑白图像中等同于灰度）、对比度等。通过ＣＣＤ技术可以将灰度图像转化成由代表明暗程度的数字组成的矩阵，图像清晰程度可用清晰度评价函数来衡量［１］。目前，常见的图像清晰度评价函数主要包括相邻像素灰度方差法ＳＭＤ、基于Ｒｏｂｅｒｔ边缘检测算子法、基于Ｓｏｂｅｌ边缘检测算子法、熵函数法、频谱函数法、拉普拉斯能量法、高斯方差法等［２－５］。本文通过对上述函数进行筛选和改进，提出了亮度归一化和最小全同区域的处理模式，形成了服务于实验的清晰度测量方法。通过在几种光学实验的尝试，该方法具有科学、高效、稳定的特点。１清晰度评价函数清晰度评价函数是进行清晰度量化的核心，有多种算法，这里介绍适于实验应用、简便易行的几种。１．１相邻像素灰度方差法ＳＭＤＳＭＤ的清晰度函数Ｑ的运算公式：Ｑ＝（∑｜Ｉ（ｘ，ｙ）－Ｉ（ｘ，ｙ－１）｜＋∑｜Ｉ（ｘ，ｙ）－Ｉ（ｘ＋１，ｙ）｜）／（Ｍ×Ｎ）（１）式中Ｉ（ｘ，ｙ）对应于（ｘ，ｙ）位置的灰度值或亮度分量，Ｍ×Ｎ为图像的像素总数。该方法具有较好的运行效率和较好的全局性，有利于区分不同模糊程度的图像；然而，对焦平面附近图像的清晰度评价存在量化等级不够等不足。另外，ＳＭＤ显然对清晰图像和模糊图像没有辨别能力。１．２Ｓｏｂｅｌ边缘检测算子两个卷积形成Ｓｏｂｅｌ边缘检测算子［６］：－１－２－１０００熿燀燄燅１２１－１０１－２０２－熿燀燄燅１０１图像中每个像素都用这两个核作卷积，一个核对垂...
