在数字图像的分析中,景深信息的取得,是一项重要的课题,它是三维空间(3D)中运动分析的基础。在3D空间中,若缺乏图像上的景深信息,则所得到的运动分析将只是图像中像素点的移动变化,其只能应用于二维空间的场合,并不足以描绘、重构3D空间中的整个环境信息。因此,为了获得景深信息,本论文研究了散焦测距的几种视觉模型。散焦测距是计算机视觉领域中非常重要的视觉模型。散焦测距的方法最早是在1987年由Pentland提出的,它最少只需要两张不同镜头设定下所拍摄的图像就可以计算出距离信息。 散焦测距系统大致上分为两个处理的阶段,第一阶段主要是摄像机的校正工作,第二阶段为深度重建的工作,本论文在标定出计算机的透光率参数k的基础上,利用两幅规则形状物体的灰度图像,基于散焦测距的理论基础,讨论了散焦测距的三种算法。本论文的主要成果有如下几点: 首先,本文研究了基于数字图像处理深度恢复的基本理论与方法—散焦测距法。散焦深度法估计物体距离或者进行图像恢复的依据是成像系统的点扩散函数及它所产生的模糊圆。 其次,为了简化计算,基于Pentland的算法,把图像直角坐标系下的傅立叶变换转化成极坐标下的傅立叶变换。通过仿真实验,探讨并证实了用模糊图像恢复出物体深度信息的可行性。实验结果给出最大测量误差为4.3%。 再次,本论文中引入了一种dynamic referencing technique技术来对subbarao的算法进行了改进,这种改进通过高斯卷积的dummy blurring来实现。改进后的算法计算出的深度信息与物体表面的纹理无关。另外,根据parseval定理,用傅立叶的能量来代替对图像的每一个像素点都进行傅立叶变换,从而在实际的应用中易于实现系统的实时性。 最后,利用矩保持原理,提出了基于散焦图像边缘的深度估计,该方法不需计算镜头的点扩散函数,通过测量景物图像边缘的模糊半径来估计摄像机镜头到物体的距离。仿真结果证明了该方法有很好的实时性和有效性。