自动聚焦技术是机器人视觉、数字视频系统中的关键技术，同时自动聚焦也是图像获取中的必不可少的核心技术，该技术现已广泛应用于照相机、摄像机、显微镜、扫描仪等各种精密仪器中。随着科学技术的飞速发展，人们对自动聚焦技术也越来越重视。围绕自动聚焦的问题，国内外学者已经做了大量的研究，但是传统的自动聚焦算法仍然存在许多问题，如自动聚焦算法的精确度、稳定性以及抗噪声性能等方面仍然有待进一步的提高。理想的清晰度评价函数应该具有无偏性、单峰性、能反映离焦的极性、对于不同对比度的图像要具有很好的聚焦稳定性，同时对于受到一定噪声污染的图像也能够精确的聚焦，具有较好的抗噪声性能。本文首先在傅里叶光学理论的基础上，分别给出了点扩散函数和光学传递函数，并分析了光学成像系统中数字图像清晰的机理，为以后算法的提出打下坚实的理论基础，然后对现有的数字图像处理自动聚焦算法进行了深入研究，找出它们的不足，并且提出了相应的解决方案。通过光学传递函数分析，离焦成像时镜头可以等效为低通滤波器，图像高频能量损失。在深入研究了各种图像梯度的分布情况后发现，边缘像素在图像中具有以下特点：①边缘像素相对其它非边缘点具有较高的梯度值；②边缘点的数量相对整幅图像的像素数具有较小的比例，一般不超过2％。这样的话就可以用一定的阈值去除非边缘像素的影响，使评价函数的具有更好的精确度，更准确的判断聚焦图像。因此本文提出了基于Robert梯度的自动聚焦算法(RGA)作为由于离焦产生的模糊图像的评价函数，并且建立了上述评价函数的数学模型。同时，在研究中还发现经典的聚焦算法对噪声非常敏感，经典的算法在没有噪声时，算法的灵敏度和单峰性可能还不错，但是一旦受到噪声的影响，算法很可能就会失效。由于经典的自动聚焦算法都是在原始图像或者经过一些滤波处理后的图像上进行运算的，滤波虽然可以去除一部分噪声，但是这些算法对噪声还是很敏感。为了解决聚焦函数对噪声敏感问题，提出了一种自适应的自动聚焦算法(ADPA)。另外，在研究经典的基于梯度的自动聚焦评价函数时发现，这些经典的基于梯度的自动聚焦算法存在一些问题。首先，这些算法在计算梯度的时候，仅仅计算了一个或者二个方向上的梯度，但是，不同的图像它的梯度方向也不一样，实际的梯度方向可能与算法指定的梯度方向不一样；另外，图像经常也会受到噪声的污染，这样就存在一定的误差。为了解决以上问题，提出了一种基于最大梯度和阈值的自动聚焦算法(MGT)。通过大量的计算机仿真试验结果表明，与以往的图像灰度方差、图像灰度梯度模和、图像灰度差的绝对值之和等评价函数相比，RGA给出的评价函数无偏性好、单峰性强，信噪比高，计算量小，在焦平面附近具有变化趋势明显和灵敏度高的特点。ADPA和MGT对于不同的对比度和受到噪声污染的图像也具有很好的聚焦性能，具有很好的抗噪声性能和稳定性。综上所述，本文提出的基于Robert梯度的自动聚焦的方法、一种自适应的自动聚焦和基于最大梯度和阈值的自动聚焦都是非常有效的自动聚焦算法。