Быстрая и надежная оценка фокуса для фотоаппаратов - PullRequest
3 голосов
/ 25 февраля 2011

Я делаю покадровый анализ видеопотока в iOS в режиме реального времени.

Мне нужно назначить оценку каждому кадру, чтобы понять, насколько она сфокусирована. Метод должен быть очень быстрым для расчета на мобильном устройстве и должен быть достаточно надежным.

Я пробовал простые вещи, такие как суммирование после использования детектора контуров, но результаты меня не впечатлили. Я также пытался использовать показатели фокусировки, представленные в словаре метаданных фрейма, но они значительно зависят от яркости изображения и гораздо больше зависят от устройства.

Каковы хорошие способы расчета быстрой и надежной оценки фокуса?

Ответы [ 4 ]

3 голосов
/ 25 февраля 2011

Плохая фокусировка означает, что края не очень острые, а мелкие детали теряются.Высокое сжатие JPEG дает очень похожие искажения.

Сжатие копии изображения, распаковка и вычисление разницы с оригиналом.Интенсивная разница, даже в нескольких местах, должна означать, что исходное изображение имело четкие детали, которые теряются при сжатии.Если разница везде относительно мала, источник был уже нечетким.

Этот метод может быть легко опробован в редакторе изображений.(Нет, я еще не пробовал.) Надеюсь, в iPhone уже есть оптимизированный JPEG-компрессор.

2 голосов
/ 30 апреля 2011

Простой ответ, который, вероятно, использует зрительная система человека, - это сфокусировать внимание на краю Отслеживание. Таким образом, если набор визуальных последовательностей можно отследить, можно работать с профилем интенсивности. Из этих краев только определить, когда он самый крутой.

1 голос
/ 04 марта 2011

С теоретической точки зрения размытие проявляется как потеря высокочастотного контента.Таким образом, вы можете просто использовать сделать БПФ и проверить относительное распределение частот.iPhone использует чипы ARM Cortex с инструкциями NEON, которые можно использовать для эффективной реализации БПФ.

@ 9000 Предложение сильно сжатого JPEG приводит к тому, что очень малое количество самых больших вейвлет-коэффициентов обычно приводит кчто по сути является фильтром нижних частот.

0 голосов
/ 03 мая 2011

Рассмотрим различные виды ребер: например, пики по сравнению с краями шага. Последний все равно будет присутствовать независимо от фокуса. Чтобы изолировать первое, используйте не максимальное подавление в направлении градиента. В качестве показателя фокусировки используйте соотношение подавленных краев при двух разных разрешениях.

...