这篇文章围绕C# 工业相机图像自动对焦展开核心是用**软件算法清晰度评价函数 搜索策略**替代人工对焦解决工件高度差异导致的对焦不准问题主要内容包括以下几部分一、清晰度评价的核心思路对焦清晰的图像边缘锐利、细节丰富、对比度高模糊图像则相反通过清晰度评价函数给每张图算一个分数越高越清晰镜头移动过程中找到分数最高的位置即为最佳对焦点。评价函数需满足单峰性、高灵敏度、毫秒级计算速度。二、常用清晰度评价方法工业上最常用的 5 类方法方差Variance法清晰图像灰度分布分散、方差大模糊图像灰度集中、方差小原理最简单。Laplacian梯度法用 Laplacian 算子提取边缘清晰图像边缘多、响应大。Tenengrad梯度法用 Sobel 算子算水平垂直方向梯度平方和作为分数。Brenner梯度法只算一个方向相邻像素灰度差平方运算量最小、速度最快。能量梯度EOG法用相邻点差分算梯度平方和放大边缘贡献。三、C# 具体实现OpenCvSharp HalconOpenCvSharp 实现Laplacian梯度法最常用转灰度 → Laplacian 提取边缘 → 算方差作为分数工业常用组合。Tenengrad梯度法转灰度 → Sobel 算 X/Y 梯度 → 幅值平均作为分数。方差法转灰度 → 算灰度标准差作为分数最简单。Halcon 实现intensity 算子推荐直接算灰度偏差偏差越大越清晰代码最简。Laplacian梯度法转灰度 → Laplace 提取边缘 → 算强度偏差作为分数。还提供Tenengrad、Brenner、能量梯度等完整例程可在 Halcon 安装目录搜sharpness查看。四、完整对焦搜索策略爬山搜索镜头从一端向另一端移动每步拍图算分数分数持续上升则继续分数下降如低于最高分 95%则回溯到最高分位置即为最佳对焦点。实际常用**粗搜索大步快速定位 精搜索小步精确找峰**平衡速度与精度。五、常见坑点与注意事项ROI 选错含大量背景会导致评价失效需设在目标区域。不同材质金属/塑料对评价函数敏感度不同需多试选最优。光照变化、曝光不稳定会影响分数需固定光源与曝光。清晰度评价有计算量别在采集回调线程里做需用独立线程。六、OpenCvSharp 与 Halcon 选型对比对比项OpenCvSharpHalcon代码量中等需自写评价函数少intensity 一行搞定速度快SIMD 优化极快算子级高度优化算法选择灵活可组合内置丰富评价方法成本免费商业授权适用场景已有 OpenCV 生态、预算有限已有 Halcon 生态、追求极致效率自动对焦是**硬件步进电机/液态镜头对焦环与软件评价函数搜索策略**各占一半的工程后续可扩展液态镜头如 Varioptic的快速对焦方案。以下清晰度评价函数的C#示例代码合集已按OpenCvSharp、Halcon分类整理可直接复制使用附带关键注释说明七、OpenCvSharp 评价函数合集依赖OpenCvSharp4、OpenCvSharp4.runtime.win命名空间using OpenCvSharp;1. 方差法最简单/// summary/// 方差法清晰度评价灰度标准差越大图像越清晰/// /summarypublicdoubleEvaluateSharpnessVariance(Matimage){using(MatgraynewMat()){// 转灰度图如果已是灰度图可跳过Cv2.CvtColor(image,gray,ColorConversionCodes.BGR2GRAY);MatmeannewMat(),stddevnewMat();Cv2.MeanStdDev(gray,mean,stddev);// 返回灰度标准差作为清晰度分数returnstddev.Atdouble(0,0);}}2. Laplacian梯度法工业最常用/// summary/// Laplacian梯度法清晰度评价边缘响应方差越大图像越清晰/// /summarypublicdoubleEvaluateSharpnessLaplacian(Matimage){using(MatgraynewMat())using(MatlaplaciannewMat()){// 转灰度Cv2.CvtColor(image,gray,ColorConversionCodes.BGR2GRAY);// Laplacian提取边缘CV_64F避免溢出Cv2.Laplacian(gray,laplacian,MatType.CV_64F);MatmeannewMat(),stddevnewMat();Cv2.MeanStdDev(laplacian,mean,stddev);// 返回方差标准差平方作为清晰度分数returnstddev.Atdouble(0,0)*stddev.Atdouble(0,0);}}3. Tenengrad梯度法精度较高/// summary/// Tenengrad梯度法清晰度评价Sobel梯度幅值均值越大图像越清晰/// /summarypublicdoubleEvaluateSharpnessTenengrad(Matimage){using(MatgraynewMat())using(MatsobelXnewMat())using(MatsobelYnewMat()){// 转灰度Cv2.CvtColor(image,gray,ColorConversionCodes.BGR2GRAY);// Sobel算子计算X/Y方向梯度Cv2.Sobel(gray,sobelX,MatType.CV_64F,1,0,3);Cv2.Sobel(gray,sobelY,MatType.CV_64F,0,1,3);// 计算梯度幅值using(MatsobelMagnewMat()){Cv2.Magnitude(sobelX,sobelY,sobelMag);// 返回幅值均值作为清晰度分数returnCv2.Mean(sobelMag)[0];}}}八、Halcon 评价函数合集依赖HalconDotNet命名空间using HalconDotNet;1. Intensity算子法最推荐代码最简/// summary/// Halcon Intensity算子清晰度评价灰度偏差越大图像越清晰/// /summarypublicdoubleEvaluateSharpnessIntensity(HImageimage){HTuplemean,deviation;// intensity直接计算区域灰度偏差第二个参数传入image表示全图HOperatorSet.Intensity(image,image,outmean,outdeviation);// 返回灰度偏差作为清晰度分数returndeviation.D;}2. Laplacian梯度法Halcon版/// summary/// Halcon Laplacian梯度法清晰度评价/// /summarypublicdoubleEvaluateSharpnessLaplacian(HImageimage){// 转灰度如果已是灰度图可跳过HImagegrayimage.Rgb1ToGray();// Laplace算子提取边缘laplace3为3x3核HImagelaplaciangray.Laplace(laplace3);HTuplemean,deviation;HOperatorSet.Intensity(laplacian,laplacian,outmean,outdeviation);// 释放临时对象避免内存泄漏gray.Dispose();laplacian.Dispose();returndeviation.D;}3. Tenengrad梯度法Halcon版/// summary/// Halcon Tenengrad梯度法清晰度评价/// /summarypublicdoubleTenengradScore(HImageimage){// 转灰度HImagegrayimage.Rgb1ToGray();// Sobel幅度计算sum_abs为绝对值求和3为滤波尺寸HImagesobelAmplitudegray.SobelAmp(sum_abs,3);HTuplemean,deviation;HOperatorSet.Intensity(sobelAmplitude,sobelAmplitude,outmean,outdeviation);// 释放临时对象gray.Dispose();sobelAmplitude.Dispose();// 返回平均幅度作为清晰度分数returnmean.D;}九、配套爬山搜索完整示例OpenCvSharp版publicclassAutoFocus{privatedouble_bestScore0;privateint_bestPosition0;/// summary/// 爬山法搜索最佳对焦位置/// /summary/// param namecapture拍照委托输入位置返回该位置的Mat图像/param/// param namestartPos起始位置/param/// param nameendPos结束位置/param/// param namestep步长/param/// returns最佳对焦位置/returnspublicintSearchBestFocus(Funcint,Matcapture,intstartPos,intendPos,intstep){_bestScore0;_bestPositionstartPos;for(intposstartPos;posendPos;posstep){using(Matimgcapture(pos)){// 可替换为其他评价函数doublescoreEvaluateSharpnessLaplacian(img);if(score_bestScore){_bestScorescore;_bestPositionpos;}// 分数下降超过5%提前终止搜索elseif(score_bestScore*0.95){break;}}}return_bestPosition;}}使用小贴士ROI优化如果图像背景占比高建议先裁剪ROI再传入评价函数避免背景干扰// OpenCvSharp裁剪ROI示例MatroiImgnewMat(img,newRect(x,y,width,height));线程安全清晰度评价计算量较大不要在相机采集回调线程中执行建议用独立线程或生产者-消费者队列处理。Halcon例程Halcon安装目录下搜索sharpness可找到官方完整的自动对焦例程包含更多优化逻辑。