在人脑接收的信息中，80%的以上的部分来自于视觉。图像作为视觉信息主要的载体，

已经广泛应用于航天、医疗、安全等各行各业。随着科技发展，这些行业对图像质量的要

求越来越高，因此如何提升图像的质量是图像处理领域持续升温的热点。本文根据获取高

质量图像的流程，从图像调焦和图像去噪一前一后两个流程节点出发，研究如何在采集和

处理的过程中，得到更高质量的图像。

图像调焦的目的是获取聚焦的清晰图像，这是保证图像质量的基础。在该方面，本文

综合调研并分析了现有的自动调焦方法，总结出对焦深度法比其他自动调焦方法具有高精

度高效率的优势。对焦深度法一般是通过镜头采集图像，然后利用清晰度评价算法对其进

行评价，利用评价结果再反馈调节镜头转动，得到更清晰的图像。该流程中清晰度评价算

法的性能是获取高质量图像的关键，而传统的清晰度评价算法在实际应用中往往会受到精

度或适应性的限制，因此本文提出一种基于四叉树分解的图像清晰度评价算法。该算法结

合了四叉树分解与传统的EOG 清晰度评价算法：利用四叉树分解来整体评价图像的清晰

度，并通过调节其参数达到抗噪的目的；利用EOG 评价函数对四叉树分解图像块内的清

晰度进行评价，使评价结果更精确。经对比实验验证，改进后的算法具有更高的灵敏度与

抗噪性能。

在实践中通过自动调焦取得清晰图像后，图像往往会因为成像系统内外的干扰而带有

噪声，导致图像在传输存储时被污染，引起质量下降。为了进一步提高图像质量有必要进

行去噪算法的研究。通过综合比较现有的各种去噪算法，经分析得到非局部均值滤波算法

具有良好的噪声去除效果，因此本文选择了非局部均值滤波算法进行深入研究。但经进一

步分析表明，非局部均值滤波算法仍然具有去噪算法的通病：会对细节信息造成一定损失。

加之算法中的参数因图像不同而需要人工调整，更限制了非局部均值滤波算法的应用。因

此，本文提出了保持边缘和和纹理的改进非局部均值滤波算法，该算法引入了纹理权重因

子和边缘检测，且对边缘点再增加梯度权重因子，根据图像的内容变化利用纹理权重因子

自适应地调整去噪强度，同时优化了边缘点的参考点选取机制。通过实验验证，改进后的

算法比原始算法具有更高的客观评价值，能够更好地保存图像边缘和纹理。同时，本文为

解决非局部均值滤波算法自适应的问题，提出了窗口及参数自适应化的改进非局部均值滤

波算法。该算法利用噪声检测和蛇形窗口实现搜索窗口的动态选取，能够一定程度避免噪

声点被纳入加权运算对去噪结果产生负面影响，同时利用噪声标准差和像素空间距离决定

滤波参数。经实验证明，本文算具有较强自适应性，同时提升了原始非局部均值滤波算法

的去噪效果，能够有效抑制椒盐噪声、高斯噪声、乘性噪声等多种常见噪声。